大数据背景下行政执法的挑战与对策＊

赵燕萍

（河南警察学院公安专业基础教学部，河南 郑州 450000）

以数据、信息为核心资源的大数据时代到来，对国家社会治理、和人民生活都产生了重大影响，世界各国纷纷将大数据作为重要国家发展战略。目前，大数据思维和技术已经融入我国社会治理的各个层面，成为驱动社会治理现代化的重要战略[1]。执法人员更应树立科学的大数据执法理念，深刻理解大数据对于履职尽责的战略意义。

一、大数据执法的发展历程

目前，对数据的应用经历了手工状态向半信息化状态转变、数据分析“割据”阶段和数据分析整合阶段三个发展历程，初步形成了一套大数据管理和应用制度体系，为大数据工作开展提供了制度保障。

第一阶段，手工状态向半信息化状态转变阶段，是从20世纪80年代中期到90年代中期以个人电脑、办公套件为主要标志，实现了数据统计和文档写作电子化，即将办公信息载体从原始纸介质方式转向比特方式。这也开启了办公的手工状态向半信息化状态的转变。随着科技的逐步发展，计算机技术逐渐进入了办公领域，在存储、计算、文字编辑和搜索方面起到了一定的作用。第五届全国人民代表大会第五次会议首次提出了计算机工业，促进中小型计算机的逐步推广应用。在这一阶段，执法人员更为关注信息化的软件技术、硬件设备、网络、数据库、系统等相关知识。

第二阶段，数据分析“割据”阶段，是从90年代中期开始的以网络技术和协同工作技术为主要特征，实现了工作流程自动化，即将收发文从传统的手工方式转向工作流自动化方式。世纪之交，随着信息技术的飞速发展和推广运用，信息系统、数据库、电子数据逐步取代了传统的纸质报表和文书流转。采用计算机、数据库、网络等现代化信息技术，改进传统的执法方式和手段，实现工作信息化，不断扩大执法覆盖面，促进提高执法工作效率和质量[2]。初步实现了中央和地方各级机关的业务协同、互联互通、资源共享，并为国家电子政务和国家宏观调控决策提供了信息支持。

第三阶段，数据分析整合阶段，是融信息处理、业务流程和知识管理于一体的应用系统，随着信息技术在现实中的运用和普及，进一步促进了对各类数据、系统进行整合，探索并形成了“总体分析、发现疑点、分散核查、系统研究”的数字化模式，为服务国家良治提供了良好条件，促进从静态向静态与动态结合、从现场向现场与非现场结合的转变。特别是在公共卫生事件这一特殊时期，充分认识大数据执法在此次执法中的重要性，通过大数据分析来摸清情况、发现疑点、精确定位，集中力量有针对性地组织现场核查。加大非现场数据分析力度，拓展数据分析的广度和深度，同时通过海量数据的筛选，为以后现场精准执法，打下坚实的基础。

二、大数据执法中呈现的问题

虽然深入践行科技执法理念，持续强化大数据思维，取得了显著的成果，但是在推广应用数据方法中，仍然存在着数据资源体系不完善的问题，包括完善数据采集、标准化、共享机制，加强数据质量控制，才能实现大数据执法理论框架中数据治理能力的重要途径[3]。

夯实完善数据资源体系，提升数据治理能力数据是大数据执法的基础资源，不断夯实完善数据资源体系，包括完善数据采集、标准化、共享机制，加强数据质量控制，是提升大数据执法理论框架中数据治理能力的重要途径。

1．完善数据采集和标准化制度

通过完善数据采集制度，利用多种技术手段围绕执法目标全方位采集所需的各类数据，建立重点对象、重要领域的电子数据采集清单，建立定期采集或联网实时采集的数据获取机制，确保及时、准确、高效采集数据，实现数据采集全覆盖。同时，完善数据标准化体系，提取各业务领域核心业务关键要素，构建适应大数据分析需要的完备的数据标准体系，建立数据标准化责任机制，加大力度推进数据标准化工作，为数据融合提供基础，实现重点数据标准化全覆盖。

2．建立数据质量评估标准

高质量的数据是做好大数据执法的前提，可减轻数据清洗工作量，保证数据分析质量。如果数据质量得不到保证，即使分析工具再先进，算法再优良，大数据分析结果和现场执法延伸结果或其他证据反映的客观事实仍可能存在较大偏差，不足以支撑执法证据，进而影响执法的公信力。因此，建立一套大数据执法数据质量评估标准尤为重要。借鉴不同的数据质量控制模型，对大数据执法质量评估建议从以下维度展开。

完整性的维度，数据不完整一定程度上会影响分析结果。当存在缺失数据情况时，采用贝叶斯的方法将缺失数据的影响进行弥补更为合理。如果缺失数据较多，数据的价值就会大大降低，这时需要执法人员结合相关执法经验判断缺失的数据对需要分析的结果影响到底会有多大，如果是不太重要的数据，可以舍弃选择替代变量，如果是非常重要的数据，则要尽力收集数据或使用方法进行弥补，保证数据的完整性。

准确性的维度，除了防止常见的数据出现乱码，或记录的数据信息存在明显错误以外，异常值也是数据准确性的一种。因为异常值的存在，会对整个分析结果产生较大偏差，在数据处理中通常需要把异常值进行处理。对于执法人员来说，又不能忽视异常值的出现，不能简单地把异常值从数据分析中剔除，分析异常值产生的原因也会成为执法人员发现新问题的点。

时效性的维度，数据分析对数据时效性本身要求并不高，但大数据信息数据采集应是从数据生成较短的时间完成，可能是一年，也可能是一个月甚至可能更短。因此，只有在实时收集数据的情况下，才能保证收集数据的时效性，提高数据的质量。

数据质量控制问题是一项任务艰巨的基础工程，既有技术性因素，又有非技术性因素。它是动态循环不断调整的过程。在数据采集、存储、共享、维护、分析、应用等每个阶段里都可能存在各类数据质量问题，需要执法人员进行识别度量，增强对数据敏感性。

三、健全数据分析方法共创分享长效机制，提高分析挖掘能力

数据执法以用为本，数据分析思路和模型是数据应用的灵魂，健全长效化的数据分析技术创新应用的研发机制和分享机制，可以有效促进大数据执法分析挖掘能力的提高。

1．建立健全数据分析方法体系

通过研究制定创新激励措施，试点建立创新考核机制，加快提升创新应用的速度和质量，同时提炼各领域数据执法方法，并对相对成熟的执法方法进行模型化、模块化，建立数据执法分析模型体系。

建立简化数据分析模型的操作流程，探索可视化、智能化执法，降低数据执法工作的门槛，在技术上实现数据执法的普及化。

2．完善大数据执法基础设施制度建设，提高基础设施 能力

基础设施建设是大数据执法工作开展的必要载体，加强相关制度体系建设，加大基础设施投入，提高基础设施能力，是对大数据执法工作顺利开展的重要保障。数据执法是一项复杂的系统工程，需要建立健全全方位的保障机制。研究建立健全数据执法相关法律制度体系，以法律的形式明确执法机关的数据执法权限，细化数据采集、转换、分析以及执法取证等环节流程操作规程，促进规范开展数据执法工作。

研究建立健全安全管理制度细化数据权限控制、数据安全管理、分析行为控制等数据执法工作机制和行为习惯，强化执法网络安全管理。同时创新数据执法组织模式，提高组织匹配能力。

3．建立协同高效的数据执法管理体系

探索运用统一领导、分组核查、上下联动、纵横交错的扁平化矩阵式组织模式，整合资源，形成合力，使数据执法实施更加快捷高效。加强大数据执法人才体系建设，提高个体行为能力。执法人员是开展大数据执法工作的核心与关键，是采集数据、处理数据、分析数据、应用数据的主导者。提高个体行为能力是深化大数据执法工作、提高大数据执法工作质量的直接手段。建议从提高执法人员宏观思维能力、加强团队建设、加强人才培训等方面展开。

当今中国法治进程和数据法制建设中，大数据执法更成为亟待完善的关键缺口。尽管与数据相关法律和大量的法规、规章都有专门条款规定数据执法，但这些条款并没有很好实现从实体执法向虚拟执法的转变，数据执法的合法性程度也未得到实质性的界定，在大量执法实践中，数据执法的程序问题也未得到很好的落实，尤其在部分重大行政决策中，数据执法的信息化欠缺或过度简化，使得一系列包括但不限于司法渠道的监督与救济机制难以充分发挥作用，像专家的评论、媒体的报道、公众的评价等，都缺乏正式的针对性根据进一步损害了社会凝聚力和“政府——公众”之间的互信。强化数据执法的合法性和规范性、尽量争取形成社会共识，取得公众理解，已经成为当下法制建设的当务之急。数据执法中关键概念的界定的缺失，也已经成为当前中国法治进程推进时，公众参与和程序控权所遇到的重要瓶颈。因此，对数据法学制度展开深入研究，有针对性地建立充分的大数据执法程序制度，发展各种理由审查和评议反馈机制，有着巨大的理论价值和实践意义。