大数据：检委会案件类议题决策科学化路径

内容提要：大数据因其独有的特性，成为新质生产力的典型代表。数字检察作为数字中国战略的重要组成部分，近年来在检察履职中发挥了越来越重要的作用。检察委员会案件类议题的决议在一定程度上具有强制执行性、终局性和重要参照性，且可能涉及司法责任。通过大数据模型全面获取相关重要信息，并经比对分析，可以提出量化的、倾向性的处理建议，提示可能的诉讼风险，辅助检察委员会精准、科学决策。在辅助检察委员会案件类议题决策的大数据模型的建立及应用过程中，应当注意研究对象的确定，做好数据的收集、数据库的建立等基础性工作，从多角度提供辅助决策的相关信息，更加精准地发挥辅助决策的功能。大数据模型辅助检察委员会决策也不可避免地具有一定的局限性，检察委员会委员、检察官应当及时关注法学理论及司法实践中的新情况、新问题，不断提升履职能力、履职水平。

关键词：新质生产力 数字检察 大数据法律监督 检察委员会 辅助决策

一、数字检察——新质生产力在检察监督领域的体现

我国《数据安全法》将数据定义为“任何以电子或其他方式对信息的记录”。大数据的概念最早起源于2008年9月《Nature》杂志上刊载的名为Big Data的专题。【参见孟小峰、慈祥：《大数据管理：概念、技术与挑战》，载《计算机研究与发展》2013年第1期。】根据维基百科的定义，大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。相较于传统意义上的数据，大数据因其所具有的规模性、多样性和高速性，成为新质生产力的重要组成部分和典型代表。

在这一大背景下，数字技术在法治建设中的应用也受到高度重视，数字检察战略成为相应的国家战略的重要组成部分。大数据的运用正在让执法办案模式、社会治理方式发生越来越深刻的变革。数字赋能检察监督，是检察机关实施创新驱动发展战略、依托科技赋能塑造法律监督新动能新优势的重大实践。大数据成为驱动法律监督质量变革、效率变革、动力变革的重要引擎和关键变量，不仅体现了数字时代检察履职的鲜明特质，而且将牵引和带动检察理念、机制、方式和实践创新，在全面提升法律监督能力上开辟新领域新赛道。

二、数字检察的新领域新赛道——大数据辅助案件类议题决策的必要性

近年来，最高人民检察院党组认真落实党中央有关决策部署，深入实施“数字检察战略”，充分发挥大数据在惩治及预防违法犯罪、促进国家治理、融合履职方面的重要作用。笔者认为，既要注重充分发挥大数据在检察机关自身履职、内部监督方面的重要作用，也要关注到检察机关自身履职、内部监督领域也将是大数据发挥作用的新领域新赛道，辅助检察委员会决策就是其中重要内容。

根据《人民检察院检察委员会工作规则》的相关规定，检察委员会议题包括案件类议题和事项类议题。其中，事项类议题有的需要形成决议，如最高人民检察院决定发布指导性案例、典型案例，省级检察机关决定发布参考性案例；又如决定建立完善相关规章制度；再如决定开展、加强某项重要业务。也有的事项类议题不需要形成决议，如检察委员会开展学习，委员们一般仅围绕学习内容进行讨论，发表意见和看法，无特殊情况不需要形成决议。而案件类议题，一般需要就案件涉及的相关程序问题、实体问题、法律适用问题形成决议并执行。形成的决议，一般围绕提请讨论的问题，但又不限于此。

需要指出的是，即使在倡导刑事、民事、行政、公益诉讼“四大检察”融合履职的背景下，也不能否定“四大检察”在履职领域、工作程序、适用法律、证据规则等方面存在较大差异和较强的相对独立性，尤其是在法律调整的社会关系的性质、诉讼程序、适用法律、证据规则方面的不同，不能混为一谈，因而本文主要探讨如何通过大数据辅助检察委员会对刑事案件作出决策。

（一）案件类议题决议的重要性决定了其应当精准、科学

案件类议题决议的重要性主要源于检察委员会决议的权威性、检察履职的司法责任原则及检察委员会所审议案件的争议性。检察委员会作为检察机关的最高办案组织、决策机构，其对于案件类议题的决策在检察机关内部具有权威性。该权威性主要体现为强制执行性、终局性和重要参照性。强制执行性主要指决议一旦形成，无论办案人员、部门负责人、分管领导、部分检察委员会委员是否同意，都必须立即执行。终局性体现为，在检察机关内部，检察委员会决议一旦形成，非经法定程序，不得变更；检察委员会就案件类议题讨论决定的某些问题，本身就涉及对案件的终局处理，如在对犯罪嫌疑人是否起诉进行讨论后，如果形成的决议是对犯罪嫌疑人作不起诉处理，就是对案件的终局性处理，无论是在检察机关内部还是外部，非经特定程序、发生法定情况，都不得更改。重要参照性主要体现为，一旦形成决议，此后相关案件和人员、类似案件的处理，都将以决议作为重要参考。例如，后到案的共犯处理，以及一名犯罪嫌疑人在审查起诉阶段经检察委员会讨论决定作不起诉处理后，其他人员在审判阶段又发生罪与非罪争议时，在事实、证据、法律适用等方面，此前检察委员会决议的依据有较强参考意义。

检察履职的司法责任原则在办案工作中虽然主要体现为检察官办案责任，但检察官仅对其职权范围内就案件作出的决定负责，检察长、检察委员会对案件作出决定的，也要承担相应责任。检察委员会讨论案件，检察委员会委员对本人发表的意见和表决负责。

《人民检察院检察委员会工作规则》对检察委员会讨论决定的案件范围作出了“列举条款+兜底条款”式的规定，虽然没有直接使用“争议”或类似用语，但案件具有较大争议是其应有之义。例如，拟提请或者提出抗诉的重大、疑难、复杂案件和对检察委员会原决定进行复议的案件，之所以提请、提出抗诉或复议，是因为与原判决、决定有不同观点、不同处理意见；又如，拟向上级人民检察院请示的案件中，不排除有因为观点争议，需要向上级人民检察院请示的情况；再如，根据最高人民检察院法律政策研究室发布的《检察委员会工作问与答》，兜底条款所述“其他重大、疑难、复杂案件”中，“疑难”主要指案件在法律适用方面存在疑难或者较大争议。实践中，检察委员会讨论的案件中，有大量存在争议观点的案件，尤其是涉及罪与非罪、此罪与彼罪、量刑情节、量刑档次、程序合法性，关系到是否符合起诉、抗诉条件方面争议的案件。案件有争议，说明对案件所涉的某一问题或某些问题存在不同观点。而检察委员会审议案件的目的，在于通过对有争议问题的审视、讨论，梳理相关争议，预判诉讼风险，作出准确、科学的决策，以保证案件的依法公正处理，有效避免、防范冤错案件的发生。

基于上述原因，检察委员会决议应力求精准、科学。而检察委员会决议一般由多数委员的意见决定。检察委员会委员的意见主要是在查阅卷宗、听取汇报、询问案情的基础上，根据自身的法律知识、实践经验作出判断而形成。在存在不同观点的情况下，检察委员会委员形成自己的观点一般并非难事，但仅在查阅卷宗、听取汇报、询问案情的基础上，即要作出精准的判断，特别是对可能存在的诉讼风险进行量化的预判，进而形成科学的检察委员会决议却往往并不容易。精准的判断需要建立在全面掌握基础信息及对基础信息进行科学分析的基础上，要对检察委员会审议的案件类议题形成科学的决策。以一审公诉案件为例，从事实及证据角度，应当了解哪些证据属于涉及罪与非罪、此罪与彼罪的关键证据；当对关键证据是否达到证明构成犯罪的法定标准存在争议时，应当了解存在哪些观点，其中哪一观点属于司法实践中普遍认可的观点，存在两种以上主要观点的，哪种主要观点或非普遍认可观点在本案中有可能被审判机关采纳。从法律适用角度，如果存在争议，也应按照上述思路全面掌握与争议观点相关的信息。而哪些是关键证据、哪些是普遍认可的观点或主流观点、不同观点采纳可能性等，都需要在客观、全面收集数据并进行量化分析的基础上，才能形成精准的认知，从而科学决策，合理预测诉讼风险。因而，通过大数据及大数据模型全面收集、科学分析相关情况，为检察委员会委员作出判断提供充分而精准的信息，为检察委员会决策提供重要参考，对于保障检察委员会决议的正确性、精准性、科学性尤为必要。

（二）弥补检察委员会委员知识、经验的不足，增强履职效果

任何制度、程序都不可避免地具有局限性，局限性并不能否认该制度、程序的合理性、最优性，而应是我们不断完善制度、程序的立足点、出发点。

首先，从检察委员会委员的组成看，主要包括检察长、副检察长、检察委员会专职委员和从主要业务部门负责人中选任的检察委员会委员，选任时并无从事过“四大检察”及多个相关岗位的资历限制。不能因为检察委员会委员的选任标准中没有这样的履历要求就认为其不合理，毕竟深入钻研与涉猎广博在业务专家的养成上各有长短。只是这一现状可能导致从个体角度，某位检察委员会委员对某次会议上提请审议的案件所涉领域并不了解；即便具有多岗位工作和领导经历，或者是某一领域的专家，也有可能对提请审议案件所涉及的问题并不了解。例如，常年在刑事领域工作的委员，可能对行政检察、民事检察并不了解；又如，刑事检察、行政检察、民事检察、公益诉讼检察内部也分不同领域，普通刑事检察部门的负责人可能对经济犯罪检察中的某些领域并不了解。

其次，检察委员会审议的疑难案件中，不可避免地涉及一些专业性较强且会影响案件走向判断的问题。如渎职类案件、责任事故类案件中所涉具体的岗位职责、工作流程；又如对同一事实结论不同的专业鉴定意见准确性的判断。对于这类专业性较强的问题，要求检察委员会委员熟悉相关知识、具备经验并不现实。

最后，除本人办理的案件外，检察委员会委员形成意见并不需要亲自办案。无论在集体决策还是在个人决策的制度设计中，决策者不直接参与事项的办理普遍存在。此种制度设计无疑被实践证明是合理的，决策者事事亲力亲为，不仅精力上不可能达到，而且影响其决策的中立性、客观性。然而，由于司法处理的是人与人之间的矛盾与关系，亲历性对于形成正确、精准的判断又非常重要。

综合以上原因，检察委员会委员主要在查阅卷宗、听取汇报、询问案情的基础上，根据自身的法律知识、实践经验作出判断、表达意见，且其自身又难免存在知识、经验的不足，在这种现实情况下，通过大数据及大数据模型为其提供更加全面、客观、准确的信息及信息分析结果则显得非常必要。

（三）协助案件承办人员提供更加客观、精准、全面的信息

案件承办人员是案件的直接办理者，应当对影响案件走向的重要情况及其相关信息掌握得最为全面、准确。这些重要情况不仅限于案件事实及证据，还应当包括相关的争议问题及与争议问题相关的法律、司法解释、理论观点、实践中得到普遍认可的处理意见、案例、处理理由等。而案件承办人员在议题提请、议题材料准备、议题汇报过程中可能产生的局限性、偏差性，除与其自身工作能力、工作态度等类似因素有关外，主要由自身先入为主的观点及信息的获取和加工的有限性导致。从承办人员角度，其可能对自己所持观点作体系性、逻辑性更强、内容更详尽的阐述，并为之查找更多的已决案件及理论作为支撑。从信息获取的角度，虽然目前已有承办人员在案件办理中检索并在案件审查报告、检察委员会议题报告中列明已决类案，但受检索工具、检索平台及可供检索的内容所限，很难穷尽所有类似已决案件；亦难以在全面检索、获取信息的基础上，筛选出与提请审议案件同类的争议问题，并在对不同观点进行比对、分析、量化的基础上，精准发现司法实践中的倾向性意见，进而提出科学的处理建议，同时提示量化的诉讼风险。

基于以上原因，案件承办人员在无法全面获取信息并进行比对分析的情况下，提出的处理建议难免欠缺精准。而案件承办人员被默认为对案件及相关信息掌握最为全面、最为精准，其汇报内容及处理建议对检察委员会委员一般会产生较大的牵引作用，进而影响检察委员会决议的形成。鉴于此，有必要通过大数据模型的建构及使用，全面获取影响案件走向的相关重要信息，进行比对分析，提出量化的倾向性处理建议并提示诉讼风险，辅助检察委员会精准、科学决策。

（四）现有检索平台及内容在辅助案件类议题决策方面缺乏针对性和支撑性

检察机关办案过程中的案例检索，主要检索指导性案例、典型案例、参考性案例及以上三类案例之外的已决案件。根据《最高人民检察院关于案例指导工作的规定》，检察机关指导性案例是指由最高人民检察院发布，处理结果已经发生法律效力，办案程序符合法律规定，体现检察机关职能作用，取得良好政治效果、法律效果和社会效果，在事实认定、证据运用、法律适用、政策把握、办案方法等方面对办理类似案件具有指导意义的案件。指导性案例的体例，一般包括标题、关键词、要旨、基本案情、检察机关履职过程、指导意义和相关规定等部分。典型案例，主要体现了检察履职在某一领域、某一方面工作的示范性，体例上一般包括基本案情、诉讼过程、典型意义三个部分。参考性案例，是由省级检察机关发布，在省级行政区域内对办理类似案件具有指导意义的案件，体例上一般包括基本案情、履职情况、参考意义三个部分。其他已决案件一般在裁判文书网上可以查找到裁判文书。

通过上述介绍可以发现，首先，无论是三种案例，还是在裁判文书网上查找到的其他已决案件，并非都针对解决案件的争议问题而选择、发布，其内容的侧重点也并不必然在于所发布案例的争议问题，因而其作用也并不必然在于解决某类案件、某类问题的争议。其次，即使发布的案例中有存在争议的问题，除判决书包括控辩审三方对于争议问题的观点及理由外，作为案例发布的内容并不必然包括对于争议问题的各种观点和裁判理由。最后，案例发布的内容、判决书的内容均是原始信息，且为孤立的个案材料，未经分析、比对、加工，有助于形成一定的观点和判断，但不足以保障检察委员会决策的精准性、科学性。

此外，需要提及的是，在目前检察机关使用的全国检察业务应用系统中，要求填录检察官对裁判文书的审查情况。虽然填录内容涉及检察院、法院在事实认定、证据采信、法律适用方面的争议，且能够在一定程度上体现在个案中对于争议问题不同观点的梳理和小结，但仅依这一填录，尚不足以为检察委员会决策提供精准、科学的辅助作用。首先，填录主要针对判决审查，侧重于对于检察院、法院存在争议这一结果的显示，即要求填录判决在认定事实、适用法律、罪名、量刑等方面与起诉意见有何不同；其次，对于分析争议原因的要求较为笼统，导致争议原因分析受办案人员主观影响较强，如分析中应当包括哪些内容、分析的详略等，都缺乏具体、明晰的要求；再次，填录内容受其设立功能所限，不包括证据、证据分析、认定事实及适用法律理由等在案件办理过程中据以形成阶段性意见及结论所必备的信息；最后，填录仅反映孤立的个案情况。

三、大数据辅助案件类议题决策的路径——大数据模型的建立与运用

（一）大数据及大数据模型辅助案件类议题精准、科学决策的优势

第一，大数据具有规模性，可以全面体现与争议案件相关的、辅助检察委员会决策的信息。大数据模型建立的前提是收集数据、建立数据库。其往往包含以GB、TB甚至是PB为计量单位的数据，可以保障信息的全面性。第二，数据的收集及模型的算法具有客观性、相对稳定性，因而可以为检察委员会提供客观参考。数据收集的标准、模型的算法确定后，数据的收集工作、模型的运行就会按照事先的设定进行，因而为检察委员会决策提供的参考也具有客观性、相对稳定性。这种客观性和相对稳定性，是不以主观意志为转移的，可以有效防范同样情况不同处理，从而有效维护检察委员会决策的权威性。第三，大数据模型在海量数据的基础上根据事先设计的算法，可以从不同角度分析数据间的关系，从而为检察委员会决策提供多视角的参考。例如，既可以从案件角度，显示该类案件的无罪、改判情况，该类案件有哪些构成要件事实和量刑情节事实；也可以从具体的事实及证据角度，显示某个事实及证据是否构成要件事实或与量刑情节事实有关，缺少该事实或证据，是否影响案件的最终处理结果，是必然影响，还是有影响的可能性，以及有怎样的影响；还可以显示司法实践中对于某个争议问题的不同观点，裁判文书对每种观点采纳与否的情况，采纳与否对于案件最终处理结果的影响。第四，大数据及大数据模型运算的结果具有确定性及精准性，因而可以为检察委员会决策提供精准、量化的参考。这一优势在提示诉讼风险方面尤为明显。对于争议问题，大数据模型不仅可以显示不同的观点，也可以显现不同观点所占比例，裁判文书对于不同观点的采纳比例，不同观点对于案件最终处理结果的影响情况及比例。这种量化的结果显示，可以有效提示诉讼风险。第五，大数据模型的运行具有高效性。司法实践中，无论侦查、检察，还是审判、辩护，对于案件办理投入的人力都是有限的。同时，案件办理还需要遵守法律规定的时限。而大数据模型无疑能够以其高效的运行弥补上述不足。

（二）建立大数据模型需要重点注意的几个问题

对于大数据模型及建模目前很难找到统一的定义。笔者认为，大数据模型，是指为了一定的目的、运用一定的科学方法、以计算机为媒介而建立，可以被反复使用，通过运行提取合目的、有价值信息的模型。辅助检察委员会案件类议题决策大数据模型的建立，应当重点注意以下问题。

第一，关于研究对象的确定。数据的收集和数据库的建立、大数据模型的建立，都要在研究对象确定并且边界相对清晰的基础上进行。否则，数据的收集工作将陷入盲目，收集的数据库将庞杂且无有效规律可循，建模过程中对于数据的分析处理也将难以进行。如上文所述，辅助检察委员会案件类议题决策的大数据模型的建立，主要是为了检察委员会案件类议题决议的精准化、科学化，既辅助形成正确决策，又量化提示可能存在的诉讼风险。但该大数据模型又不可能也没有必要将所有争议案件作为研究对象，是否纳入辅助检察委员会决策大数据模型的研究范围，宜以案件的争议问题对于能否提起公诉、能否提起抗诉具有关键性影响为标准。之所以建议以符合上述标准的案件为研究对象，理由如下：一是上述标准集中体现了提请检察委员会审议案件的特点。法学作为一门社会科学，存在争议问题的领域广泛，但有的争议对于司法实践影响甚微，甚至可能在司法实践中没有映射，也有的虽然在司法实践中存在争议，但是不属于检察委员会审议的范围。二是上述标准虽然表述为争议问题对于诉讼程序的影响，但是由于上述标准中所涉诉讼程序的启动均需在证据、事实、法律适用、法律政策上达到相应的要求，因而上述标准实质上涵盖了需要由检察委员会审议的证据、事实、法律适用、法律政策问题。三是虽然上述标准对某些提请检察委员会审议的争议案件没有直接表述，但实质上也涵盖其中。例如，对于是否需要撤回起诉、对于人民法院拟判决无罪案件的处理，实践中一般会提请检察委员会审议，此类争议案件决策的形成，主要应当考量影响提起公诉及抗诉的相关因素，因而不必单独在上述标准中列明。

第二，数据库的建立暨数据的收集。数据库的建立暨数据的收集是建构大数据模型的基础性工作、前置性工作。没有数据，大数据模型的建构就是无源之水、无本之木，无用武之地。同时，数据的收集情况，还影响大数据模型的运行效果，如果数据收集不充分不准确，即使算法符合模型建设的目的，也难以发挥预期的作用、达到预想的效果、实现预期的目标。从收集的内容角度，应当收集已形成最终处理结果案件的审查报告、起诉书、不起诉书、抗诉书、公诉意见书、不起诉理由说明书、审理报告、判决书。收集以上内容，是因为不仅可以通过比对上述文书发现争议观点，而且可以对不同观点的论据及论证过程进行比对分析。如通过比对分析某个案件之所以被判决无罪，是因为构成要件事实及其相关证据的缺失，还是由于对事实的法律评价不同，缺失的是哪一类、哪一个事实及其相关证据，对某一种事实有怎样不同的法律评价，理由是什么。

第三，对于模型功能的具体要求。一是要能够明确罪名的构成要件事实及其相关证据和相关的适用法律、司法解释、刑事政策。这是进行一系列比对分析的基础和标准。二是经以罪名为关键字进行检索，能够显示该罪名的不起诉、撤诉、判决无罪、审判机关改变指控事实及罪名、改判案件的数量及其在该罪名案件总量中所占比例等情况，并可以进一步对不起诉、撤诉、判决无罪、审判机关改变检察机关指控、改判的理由进行分类显示，以提示某类案件存在及导致诉讼风险的总体情况。三是在罪名项下以具体证据、事实或证据、事实所属种类（构成要件事实还是量刑情节事实）及相关法律、司法解释、刑事政策的具体内容为关键字进行检索，能够显示由于该搜索项在以往具体案件中的欠缺或争议导致不起诉、撤诉、判决无罪、审判机关改变检察机关指控、改判和对案件最终处理结果没有影响等情况，以及上述情况的比例和上述情况在该罪名案件总量中所占比例。上述显示主要体现某类或某个具体的事实、证据和某个具体的法律、司法解释、刑事政策的适用问题及相关争议观点可能对案件最终处理结果的影响，以及可能导致的诉讼风险。四是在录入提请检察委员会审议案件的审查报告后，能够经碰撞、比对、分析显示是否存在以下情况：其一，缺少构成要件事实及其相关证据的情况，对量刑情节事实及其必要证据未予认定的情况。上述情况在以往已有最终处理结果案件中出现时导致不起诉、撤诉、判决无罪、审判机关改变检察机关指控、改判的案件数量及其在该罪名案件中所占比例。其二，法律、司法解释、刑事政策适用错误的情况，错误在以往案件中导致不起诉、撤诉、判决无罪、审判机关改变检察机关指控、改判情况的数量和对以往案件最终处理结果没有影响情况的数量及相应情况在该罪名有最终处理结果案件总量中所占比例。其三，对是否属于构成要件事实及其必要证据、是否属于量刑情节事实及其证据存在争议的情况，法律、司法解释、刑事政策适用争议的情况，以往案件最终处理结果采纳的不同观点的数量及其相互之间的比例，以及以往案件最终处理结果采纳某一观点的案件在该罪名项下所有存在该类争议的案件中所占比例。这一功能不仅可以显现案件中存在的缺失、错误、争议，而且能够量化反映缺失、错误、不同争议观点对于案件最终处理结果的影响，从而形成量化的辅助决策，提示风险。因而该功能最为集中地体现了大数据模型为检察委员会决策提供精准、科学辅助的作用。五是在上述二、三、四项检索结果的基础上，可以显示审查报告、起诉书、公诉意见书、审理报告、判决书等法律文书对于相关问题的具体表述，如对于某个有争议的证据，应列明涉及该证据的相关法律文书及每份法律文书所载明的该证据的名称、内容、证明事项、采信、部分采信、不予采信及其理由。六是在上述二、三、四项检索结果的基础上，可以链接至具体案件的审查报告、起诉书、公诉意见书、审理报告、判决书等法律文书及法律法规、司法解释、法律政策。

（三）大数据模型辅助检察委员会案件类议题决策可能存在的局限性

大数据模型在辅助检察委员会决策方面，也不可避免地存在一定的局限性。首先，大数据及其模型辅助决策时，往往数据越完善，运行结果越客观、越精准。因此，对于非常鲜见的案件，大数据模型虽然有可能为检察委员会决策提供一定参考，但是有可能欠缺比较学意义上的全面、客观、精准。其次，对模型功能的要求、数据的收集、模型的建设都建立在已有理念、规则、案件最终处理结果的基础上，因而不可避免地存在一定的滞后性。尤其是对于司法实践中出现的新情况、新问题，难以及时、全面反映。最后，在部分案件中，大数据模型运行显示的结果有可能影响检察履职主观能动性的发挥。例如，对于存在争议观点的案件，办案人员及检察委员会委员都有可能倾向于选择以往案件最终处理结果中采纳比例相对较高的观点作为自己的意见。但是，从认识论的角度看，比例相对较低的观点不一定是错误观点，尤其是在某一正确认识刚刚萌芽时，了解、认同者可能并不多。因而，在使用大数据模型辅助检察委员会决策的同时，案件办理人员、检察委员会委员依然应当及时关注法学研究及司法实践中的新情况、新问题。

近年来，大数据已逐渐成为检察机关在发现违法犯罪线索、内部融合履职、参与社会治理方面提质增效的关键变量。笔者认为，检察机关自身监督是大数据在检察履职中充分发挥作用的新领域新赛道，大数据应该并且能够在辅助检察委员会案件类议题决策精准化、科学化方面率先发挥其在检察机关自身监督中的引领示范作用。

Abstract：Big data has become a typical representative of new quality productivity due to its unique characteristics. As an important part of Digital China Strategy， digital prosecution has played an increasingly significant role for procuratorates in performing their duties and functions in recent years. The resolutions of the Procuratorial Committee on case-related issues are， to a certain extent， final and enforceable， serving as important reference and may involve judicial responsibility. The big data model can acquire relevant important information， put forward quantitative recommendations through comparison and analysis， prompt possible litigation risk， and assist the Procuratorial Committee to make accurate and scientific decisions. When establishing and applying such a big data model to assist the Procuratorial Committee， we should pay attention to identifying the research objects， collecting data， building the database， and other foundational work， so that it can provide relevant information from diversified perspectives to assist decision-making in a more accurate way. Inevitably， the big data model also has its limitations on assisting the Procuratorial Committee in making decisions. Therefore， Procuratorial Committee members and procurators should follow the new developments in legal theory and judicial practice closely and improve their working capabilities continuously.

［责任编辑 周利航］