一、公安大数据建设面临的主要问题

目前各地公安机关纷纷进行公安大数据探索，积累了大量的经验，但是从全面推进公安大数据战略的高度来看，仍然存在以下几方面的突出问题。

（一）理念不够清晰，认识有待统一

1、对公安大数据的重大理论问题缺乏系统研究，基本概念和问题认识不清。

例如，对什么是公安大数据、怎样建设、如何充分发挥作用等基础问题还未研究清楚。

对公安大数据的理解犹如盲人摸象，各有各的看法和认识，甚至有错误的认识，这对公安大数据建设产生了负面影响。

2、公安大数据缺少明确的战略目标和清晰的发展理念。

各地公安机关都认识到大数据的重要性，但全国公安大数据建设具体如何布局和定位还不统一，更没有具体的实施路线图。

大数据建设呈现出了一定程度的盲目性，亟待更新发展理念和数据治理、业务处理、协作协同和管理决策的模式和方法。

3、低水平重复建设，无法持续优化。

对各地公安机关开展的大数据建设案例与实践经验缺少系统性总结和提炼，对实践中出现的问题没有深入开展研究，各地大数据建设容易在低水平重复。

而全国公安大数据建设不能在数据总量、存储能力和处理能力等方面形成整体合力，建设模式无法持续优化，无法形成规模效应。

（二）壁垒未打通，融汇不充分，集约度有待加强

1、数据壁垒导致的“信息孤岛”现象仍然存在。

目前，公安信息网、涉密网、视频专网等多种网络之间仍然存在数据共享不充分和业务流程衔接不畅的现象；

反电信网络诈骗、NGO管理等新建专题业务系统也仍然存在只注重利用系统外部数据资源，而以涉密或业务程序等借口而回避自身数据资源和业务接口的对外开放和共享问题，形成了新的“单向信息孤岛”。

大量数据分散在不同的业务部门，无法有效共享，形成了极大浪费。这当中，既有利益格局造成的人为壁垒，也有数据安全问题带来的安全壁垒，还有技术障碍带来的技术壁垒等，需要认真研究，加以破解。

2、公安机关外部数据资源汇聚融合不充分，存在接入目标不明确、可实施性较差等问题。

各地开展的警务云、大数据工程都强调外部数据资源接入的重要性，但对于需要接入哪些外部数据资源、接入后如何应用、服务哪些目标并不清楚，由此而导致了外部数据资源接入混乱、数据资源管理成本和处理技术难度增加等问题，数据应用成效无法彰显。

3、各地公安机关数据中心建设是“集中化”而非“集约化”。

虽然各地公安机关纷纷建立以云计算技术为支撑的数据中心，但实际上是各自为战，在技术上采用阿里、腾讯、华为、浪潮等不同厂商的技术方案，互通性存在较大问题，在管理上也没有实现真正的统一，无法做到资源的统一调度，达不到集约管理、高效运用的目标。

（三）警务模式创新不足，决策科学化、管理精准化、服务高效化程度有待优化。

为有效应用电信网络诈骗等新型犯罪，各地公安机关积极开展合成作战尝试，出现了许多成功案例，但相当部分合成作战实践没有达到以数据流为引领，深度融合业务流、技术流和管理流，并实现警务流程革新再造的目标。

目前的公安大数据运用，还没有按照大数据的内在要求结合公安的特点进行改造和创新，一些所谓的技术创新缺乏针对性，往往只是把系统创新和技术创新生硬地嫁接到传统业务上。

以至前端信息采集、查询对比和后台数据支撑与推送服务，以及相应的实战指导都跟不上基层需求发展，基层大数据实践中出现了业务与技术两张皮现象。

民警既要用传统的老方法，又要用系统的新方法来开展工作，费时费力，效用叠减。

而基层民警应用能力普遍不足，亦是影响数据效用发挥的重要因素。

（四）人才队伍紧缺，统筹能力较弱，组织协同性差

各地方大数据建设的组织机构力量薄弱，组织乏力，既缺乏业务专家，又缺乏技术专家，很难体现出权威性，难以形成推动大数据警务建设的整体合力。

部分公安机关虽然在文件上有统筹引领的规划内容，但运行机制缺乏协同性。

引领作用无法充分发挥，统筹引领在实际工作中缺少有力抓手，没有把平台建设、数据整合、统一标准放在优先建设的地位并贯彻执行。


二、对策建议

大数据是信息化发展的新阶段，全国公安机关应充分利用大数据技术，强化警务流程再造。

实现数据流、业务流、技术流、管理流有机融合，积极构建大数据支撑，精准化应用的警务实战新机制。

具体应在以下几方面着力：

（一）强化公安大数据发展和应用统筹协调机制，形成职责明晰、协同推进的工作格局

在现有领导小组工作机制的基础上，强化部省两级大数据管理协调机构的纵向管理与横向协同，切实充分发挥其协调作用的权威性。

应改革现有机制和工作模式，建立以数据流为引领的融合警务协同模式，全面统筹创新业务流程，实现精细化管理和智能化应用，达到智能增效的目标。

同时，应特别注意发挥专家和人才的智力支撑作用，统筹规划大数据建设，建议设立大数据专家咨询委员会，为公安大数据规划、建设、发展和应用提供决策咨询。

明确大数据发展理念，研究制定大数据发展战略和行动计划，并加以大力宣传和切实贯彻执行。

另外，还应推进大数据智库建设，支持各类智库开展重大问题研究，为大数据发展提供强大智力支持。

（二）尽快完善公安内外部大数据资源配套政策体系，建立可持续机制，强化大数据资源开放共享

当前，应积极研究，建立和完善数据开放和保护等方面的规章制度，实现对数据资源采集、传输、存储、利用、开放的规范管理，促进数据在风险可控原则下最大程度开放共享。

应研究制定公安外部数据资源共享指导意见和管理办法，解决数据资源接入目标不明确、不具体的问题；

应明确公安机关统筹利用市场主体大数据的权限及范围，出台公安行业的数据对外服务指导意见和管理规范。

应以数据治理的理论为指导，构建统一的数据治理与评价体系，建立统一的数据治理与评价平台。

加强信息共享审计、监督和评价，形成全国分布式统一数据治理框架，提升全国公安数据治理能力与水平。

同时，利用分布式技术和大数据分析技术，对数据进行全流程治理与评价，实现对全国各省市数据分布式治理的统一管理和监督。

（三）建立完善大数据人才可持续发展机制，构建体系化、规模化大数据技术人才队伍，并充分发挥其作用

1、以实战为导向，围绕公安工作需要，明确人才梯队规模和层次，编制人才发展规划。

应涵盖规划、建设、运维、应用等领域，应包括通识人才、应用技能人才、技术人才和专家人才等各个层次。

借鉴互联网众筹、众包等方式，解决公安实战中的数据共享、模型算法和战法应用等典型问题，充分发挥人才的网络化规模应用效应，使人才“不为所有、但为所用”。

2、创新公安大数据人才选拔和使用机制

善用竞争性机制，通过开展创新大赛和技能竞赛等活动选拔特殊人才，建立相关人才库；

善于利用大数据环境，创新使用和评价机制，创建人才协同协作平台。

3、依托公安院校，积极构建实战导向的人才培养体系

应构建大数据思维通识教育课程和教材，利用网上、网下等方式面向全警开展教育培训，普及大数据知识，提高全警整体认知和应用水平；

应针对急缺或者热点大数据应用方向，开设短期技能培训班，学习大数据技术的新方向、新技能和新成果；

应在公安院校开设大数据相关专业，培养复合型应用技术人才，尤其应尽快开展大数据技术方向的警务硕士教育，培养公安大数据高级创新人才。

（四）利用智能技术驱动大数据挖掘分析，实现智能化高端应用，推进智慧公安建设

大数据时代，数据已成为战略资产，但数据自身不会自动产生价值，只有将算法和计算能力结合才能充分挖掘数据价值并发挥效用。

智能算法是海量数据发挥效用的直接驱动力，人工智能更是大数据发展的创新引擎。

应推进大数据与人工智能、云计算等技术的有机结合，利用智能技术驱动大数据挖掘分析，实现智能化高端应用。

1、提高数据深度开发能力，服务实战。

应利用知识图谱技术，构建全国实体及实体关系库，突破数据整合难题。

建设公安知识图谱，通过对公安结构化信息和非结构化信息数据关系挖掘。

通过数据分析、文本语义分析等，抽取出人、物、地、组织机构、服务标识号等实体，并根据实体的属性联系、时空联系、语义联系、特征联系等建立相互的关系，构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络。

2、构建全国公安大数据机器学习平台并开展智能化应用。

建议构建物理分布逻辑统一的全国公安共性大数据机器学习平台，开展大规模协同协作的知识资源管理与开放式共享，并针对重点领域开展大数据智能化应用：

在户籍、出入境、交管等民生服务领域开展自主无人智能系统的警务应用；

在反恐处突、侦查破案和指挥调度等领域开展基于人工智能的预测、预警、预防、动态管控和精确打击等应用。

3、对公安大数据的智慧应用进行总体规划，编制实施路线图并分步启动。

建议将规划命名为“机器警察”系列规划，对智能化应用总体布局，对技术路线、平台建设、主体责任和配套机制进行系统规划设计。

按照实战需求和技术成熟度，率先启动“安防警察”计划，依托公安院所，通过公安大数据和安防大数据，实现规模化深度学习，培育机器智能。

通过“互利网+安防服务”的方式，提供“安防警察”问答机器人。

全时空为人民群众提供基于人工智能的安全专家咨询、安全预警信息和社会安全指数预报等公安安全服务内容，满足新时代人民群众对公共安全的新需求。