作者：王燃,刘晶
出版社：清华大学出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
管理会计那点事儿——用数据支撑决策试读：
自序
本书的设想最早形成于2014年11月。尽管当时我国官方尚未提出大数据战略，但大数据技术已经在电子商务、互联网、金融等先驱领域开始运用，国际上也有很多国家相继开启了“大数据革命”。欧盟委员会早在2010年就提出了“欧盟开放数据战略”；联合国推出了“全球脉动”（Global Pulse）计划，建立世界范围内的预警机制。美国、日本、英国、法国、韩国、新加坡、印度等国都将大数据纳入了(1)国家发展计划。彼时，笔者开始意识到大数据巨大的发展潜力和前景，并考虑在侦查领域、司法领域推广大数据战略的可能性。结合我国当时的信息化侦查水平、网络侦查制度、电子取证等技术的运用，又了解了其他国家大数据在司法领域的运用情况，如在美国刑事侦查中“大数据预测警务”技术（predictive policing），美国民事诉讼电子证据开示中的“大数据智能检索”技术（predictive coding）等。笔者认为，大数据在我国的侦查领域将有广阔的运用前景。
近几年大数据的热兴也印证了笔者的想法。各侦查部门纷纷搭建大数据应用平台，发展大数据侦查技法，提出“智慧公安”“科技强检”等口号。但目前实践中各侦查部门的大数据运用尚处于摸索阶段，并没有形成统一制度，相关技术方法的运用尚不成熟，相关权利、程序缺乏法律保障。针对侦查实务中大数据运用的蓬勃之景，笔者以前瞻性的视角提出“大数据侦查”这一全新概念，对大数据侦查的内涵、特征、思维方式、技术方法进行了归纳和总结。另外，在发展大数据侦查的过程中，大数据本身的技术、思维特征也会不可避免地对一些传统侦查程序造成影响，对公民的相关权利造成侵害。基于这些问题，笔者提出大数据侦查的程序规制和权利保障制度，以及数据共享、技术构建、行业规范等相关的配套制度的建设。除第一章导论外，本书共分为五个章节。
首先，关于“大数据”及“大数据侦查”的内涵。大数据包括海量数据集、数据处理技术及数据分析结果这三层含义。大数据不仅仅是海量数据的集合，也是集数据处理、数据分析于一体的技术体系，同时也强调反映事物背后规律的数据分析结果。正确理解大数据的内涵还需要注意，大数据的基础在于数据化；大数据的量大是相对的，对于分析对象来说，达到“样本=总体”的程度即可；大数据的核心价值在于数据背后的规律而非数据本身，而数据规律主要依靠数据挖掘等大数据技术来实现。相比于小数据时代的思维方式，大数据具有全数据、混杂性以及相关性的特征：全数据意指人们完全可以获取某个研究对象的所有数据，不需要再通过抽样调查的方式进行统计；混杂性意指不需要每个数据都精确无误，数据的量大可以抵消部分数据的不准确；相关性则是指大数据颠覆了人类长久以来的因果关系思维，大数据能够快速告诉我们事物之间的相关关系是什么，却无法解释背后的原因。
在此基础上，笔者对大数据侦查的内涵和外延进行界定。从狭义上来说，大数据侦查强调采用大数据技术的侦查行为。大数据侦查是指法定侦查机关针对已发生或尚未发生的犯罪行为，为了查明犯罪事实、抓捕犯罪嫌疑人、预测犯罪等，所采取的一切以大数据技术为核心的相关侦查行为。具体而言，大数据侦查的主体是法定侦查机关，侦查的对象是已经发生或尚未发生的犯罪行为，侦查的目的是查明犯罪事实及预防犯罪活动的发生，侦查的内容是涉及大数据技术的一切侦查行为。从广义上来说，大数据侦查不仅仅指技术层面的侦查措施，而是包括大数据侦查思维、侦查模式、侦查机制等完整体系。相比于传统侦查而言，大数据侦查具有以下特征：侦查空间的数据化，大数据侦查在平行的数据空间中展开，找到与物理空间人、物相对应的数据形式；侦查技术的智能化，大数据本身就集人工智能、计算机等多个学科于一体，数据收集、数据清洗到数据分析的每一个环节都离不开机器的支持，因此大数据侦查技术必然也具有智能化的色彩；侦查思维的相关性，传统的侦查是一个由果溯因的重构犯罪过程，建立在相关性基础上的大数据侦查改变了这一传统逻辑，直接通过数据运算去发现各要素之间的关系，从而发掘侦查线索。大数据侦查作为一个全新的概念，也需要厘清其与技术侦查、侦查技术、信息化侦查、情报导侦等概念之间的关系。大数据侦查与技术侦查是交叉关系，大数据侦查中对某些数据的收集需要遵守技术侦查的规制；大数据侦查从属于侦查技术的范畴；大数据侦查与传统的信息化侦查、情报导侦之间是传承与发展的关系，大数据侦查建立在信息化侦查、情报导侦的多年发展基础之上，同时又大大推动了二者的发展。在目前的侦查实务中，大数据主要作为线索运用，但不排除大数据在将来会成为一种新的证据形式。总而言之，大数据侦查有利于推动事后侦查向事前侦查转型，被动侦查向主动侦查转型，单线侦查向协作式侦查转型，粗放式侦查向集约式侦查转型，它必将引领未来侦查发展的新方向。
其次，关于大数据侦查的思维特征。笔者结合大数据本身的特征和其在侦查中的实务运用，提出了相关性、整体性和预测性三大特征。相关性思维能够告诉人们事物之间的关联性但不能解释为什么。利用相关性，侦查人员可以找到犯罪现象的关联物，通过关联物来观察犯罪行为本身；还可以通过大数据的相关性分析发现更多隐藏的线索。整体性思维强调大数据时代取证思维的整体性和事实认定的整体性，在整体数据中寻找与案件有关的数据，在整体事实中选取与案件有关的事实。预测性思维则强调对未来时空犯罪活动的预测，包括对人、案及整体犯罪趋势的预测，从而有利于侦查人员合理部署侦查资源，防患于未然。当前，在“大数据热”的氛围中，也容易产生一些思维误区，如认为数据越多越好、数据可以不精确、大数据分析结果一定是正确的、大数据的相关性可以替代因果性、大数据的预测性违背无罪推定原则等。然而，大数据并非是万能的，数据采集中会有偏差，数据结果也会受到人为主观操作影响，大数据还会产生歧视和偏见，数据分析模型也会失灵。另外，大数据侦查的相关性思维特征还会对传统司法证明原理带来冲击。如何去协调传统侦查思维与大数据侦查思维的碰撞、如何在现有法律框架内去发挥大数据侦查的思维价值，是不得不面对的问题。
在前述基础上，本书归纳了大数据侦查的几种典型模式。在实务中已有的大数据侦查案例基础上，笔者从对象、时间等不同角度将大数据侦查提炼为不同模式。按照侦查对象的不同，大数据侦查可以分为个案分析模式和整体分析模式，前者主要针对具体个案的侦破，后者则面向于整体历史案件的多维度分析。按照时间序列的不同，大数据侦查可以分为回溯型模式和预测型模式，回溯型模式是针对过去已经发生的犯罪行为，而预测型模式则是针对未来未知时空的犯罪，强调对犯罪活动的预测。按照数据形态的不同，大数据侦查可以分为原生数据模式和衍生数据模式，在原生数据模式中，大数据只是作为一种技术、媒介，发挥的是“找数据”功能，不会改变数据的原始状态；而在衍生数据模式中，大数据则对原始数据进行了二次挖掘，发挥的是“分析数据”功能，获取的是新的数据形态。从“数据化”的特征出发，可以将大数据侦查分为“人—数—人”和“案—数—案”模式，前者是指在数据空间找到对应的数据化嫌疑人，后者是指在数据空间找到对应的数据化案件信息，两种模式都遵循着从具体到抽象的过程，大数据在两种模式中都扮演着连接现实空间和数据空间的中介。在传统“由案到人”和“由人到案”的基础上，大数据侦查可以分为“案—数—人”和“人—数—案”两种模式，前者是以案件为中心去找嫌疑人，后者是以嫌疑人为中心去寻找案件事实，它们的共同点就在于通过大数据连接起案件与嫌疑人之间的关系。
再次，本书介绍了实务中常用的几种大数据侦查方法，包括数据搜索、数据碰撞、数据挖掘、数据画像、犯罪网络分析、犯罪热点分析以及大数据公司取证等。数据搜索是较为简单的方法，其原理就是在海量数据库中检索出相关数据，具体包括数据库搜索、互联网搜索和电子数据搜索几种方式。侦查人员要注意发挥大数据智能化检索技术、一键式检索技术。数据碰撞意指通过多个数据集之间的自动比对来发现相关数据，数据碰撞往往能产生意想不到的效果。常见的数据碰撞类型有话单数据碰撞、银行数据碰撞等。数据挖掘是大数据较核心的技术，包括关联性分析、分类分析、时序分析等多种功能。数据挖掘的价值在于以智能化方法发现数据背后的深层次规律，发掘现象之间的联系，如嫌疑人的兴趣爱好、行为偏好等。数据画像是传统犯罪心理画像在大数据时代的新发展，通过借助基础数据库及数据挖掘技术，大数据可以对嫌疑人进行全方位、多维度的数据刻画。犯罪网络关系分析主要应用于恐怖活动犯罪、毒品犯罪等有组织的犯罪，意在通过大数据技术来发现犯罪组织成员之间的关系及其分工合作情况。犯罪热点是分析犯罪活动在时空位置上的分布规律，大部分的犯罪往往集中在少部分地区；犯罪热点分析还往往与犯罪预测联系在一起，通过对历史犯罪热点数据的分析来预测未来犯罪活动的趋势和走向。在大数据侦查中，不能忽视大数据公司的作用，大数据公司所拥有的海量用户数据是侦查中的重要数据来源，侦查机关要积极寻求与大数据公司的数据共享及技术合作。
最后，本书论述了大数据侦查的相关制度构建，既包括大数据本身的法律程序构建，也包括与之相关的配套制度建设。从权利角度看，大数据侦查难免会侵犯公民的个人信息权。目前，刑事侦查中的个人信息保护尚属于法律真空地带。侦查机关的数据收集、数据共享不可避免地会形成“大数据监控社会”，带来民众的心理恐慌；侦查中对个人数据的二次分析、深度挖掘更是对个人信息权的严重侵犯。因此，本书从审查批准、个人参与、比例原则等方面去寻求大数据侦查与个人信息保护之间的价值平衡。从程序角度来看，大数据侦查过程是不透明的，当事人不知道自己的哪些数据被收集、被分析，也不知道自己被采取侦查措施的数据依据。可见，大数据侦查对传统的正当程序带来一定影响，剥夺了当事人的知情权、辩护权等权利。因此，本书从通知解释、赋予异议权、数据记录等几个角度去规制大数据侦查的正当程序。另外，笔者还从数据共享、技术应用以及行业规范的角度提出了大数据侦查相关配套制度。在数据共享方面，要打破不同地域、级别、部门之间的数据孤岛现象，达到侦查机关内部的数据共享以及侦查机关与社会数据库共享；在技术方面，要建立大数据侦查的技术体系和应用平台；在行业规范方面，大数据公司要加强对个人数据的分级、分类管理，规范公权力机关调取数据的行为，对大数据公司的数据管理和第三方的数据调取进行衔接性规制。
本书系2016年国家社科基金年度项目“大数据时代电子文件的证据规则与管理法制建设研究”（项目批准号：16BFX033）阶段性研究成果。
(1)参见工业和信息化部电信研究院：《大数据白皮书》（非出版物），2014年5月，载工业和信息化部网，http://www.miit.gov.cn/n1146312/n1146909/n1146991/n1648536/c3489505/content.html，2016年9月20日访问。第一章导论第一节背景介绍
2015年是我国的大数据发展元年：8月，国务院发布《促进大数据发展行动纲要》，强调数据资源共享开放；10月，中国共产党第十八届中央委员会第五次全体会议上，正式提出了国家大数据发展战略。2016年3月通过的“十三五规划纲要”中，再次强调要实施国家大数据战略，全面促进大数据发展行动。在此背景下，公、检、法、司部门也开始全方位重视大数据在司法工作中的运用。中央政法委书记孟建柱在政法领导干部学习班上曾经强调“要善于运用大数据，提(1)高维护稳定工作现代化水平”；最高人民检察院检察长曹建明在第十四次全国检察工作会议上也强调，要建设国家检察大数据中心，建(2)立检务大数据资源库。在司法实务中，不少单位已经开始将大数据技术运用至犯罪侦查、办案流程管理、司法公开等工作中去。有些司法机关甚至已经领先建立了智能化大数据应用平台。例如浙江省法院系统的大数据平台，以全省裁判文书为数据基础，通过数据挖掘技术，(3)对各类案件特征、证据运用规律进行智能化挖掘；泉州市丰泽区检察院建立了“智慧检察大数据分析平台”，能够实现数据采集、趋势研判和预警处置三大功能，有效地辅助了侦查决策，实现精准打击；再如北京市检察系统的“检立方”大数据平台，以该市检察系统历年(4)的上千万项案件信息为基础，具有核心数据展现、业务监督、专题分析、检察统计等多项数据分析业务。
大数据是人类历史上的又一次科学技术的革命，在侦查领域，大数据也正开始崭露头角，处于探索运用阶段，具有巨大的潜力和广泛的应用前景。不过可以预见的是，大数据侦查技术在推广运用的同时，也必然会伴随而来诸多法律问题，对传统侦查制度带来挑战。笔者拟以大数据为主线，以大数据技术在侦查领域已有及未来可能出现的运用情况为基础，提出“大数据侦查”这一概念，构建起包括侦查思维、侦查模式、侦查方法等完整的大数据侦查体系。与此同时，对大数据在侦查领域可能产生的法律问题提出解决方案，构建大数据侦查的法律程序和权利保障制度，并构建起数据共享、数据管理等相关的配套机制。第二节文献综述
目前，各个领域都在强调发展大数据战略。相对于大数据在互联网、电子商务等先驱领域的应用，大数据在司法和侦查领域的发展节奏相对慢一些，不过近两年也逐渐呈现蓬勃发展之势。笔者以“大数据”与“侦查”为关键词，在“超星中文学术资源发现平台”进行了检索，对我国“大数据侦查”的学术研究状况有大致的了解。根据检索结果（如图1-1、图1-2所示），可知有关大数据侦查的文献在2012年之后开始兴起，并呈现持续走高的态势；这一研究主题涉及的关键词主要有侦查工作、检察机关、职务犯罪、数据采集、数据分析等。一、有关大数据的研究综述及评价
在展开具体的大数据侦查研究之前，需要理解“大数据”本身的内涵、外延及应用原理等。本文选取大数据的概念、大数据技术原理、大数据类型、大数据的应用以及大数据发展中所面临的挑战等内容进行文献梳理。图1-1 以“大数据”和“侦查”为主题的学术关键词分布图1-2 以“大数据”和“侦查”为主题的期刊发展趋势（一）大数据的概念
维克托•迈尔-舍恩伯格（2013）从价值的角度对大数据进行界(5)定，强调大数据是从海量数据中提取到价值和服务。孟小峰（2013）从比较的角度，认为大数据是海量的、非结构化并具有附加价值的数
(6)据。作为权威部门，中国工信部（2014）的官方文件中则从数据、结构等特征去描述大数据，并强调大数据不仅仅是静态的数据，更是(7)综合的技术体系。由此可见，目前学界对于大数据的概念并没有一个盖棺论定的界定，学者们从大数据的特征或者其价值等不同角度出发进行界定，不过可以肯定的是大数据的定义都不仅仅局限于“数据”本身。（二）大数据的技术原理
对大数据技术原理的理解可以从两个角度出发，一是纵向的大数据运行流程，二是横向的大数据分析技术。从纵向的运用流程看，工信部（2014）的官方文件将大数据的运用过程分为数据准备、数据(8)存储与管理、计算处理、数据分析和知识展现这五个阶段。孟小峰（2013）认为可以将其运用流程分为数据选取、数据集合、数据分析(9)以及数据解读这几个阶段。实务中大数据的运用一般都遵循相同的流程，大致可以分为数据收集、数据清洗、数据分析以及数据可视化呈现这几个阶段，其中每个阶段还可以进行更细致的划分。
从横向的数据分析技术看，数据挖掘是大数据体系中最核心的技术。赵刚（2013）指出，数据挖掘比大数据出现得要早，它是大数据技术发展的前身和基础。数据挖掘是通过智能化分析技术，从数据背后发掘出数据之间的模式和规律。数据挖掘包括关联性分析、聚类(10)分析、序列分析、异常分类等不同类型。这些不同的数据挖掘方法技术和侧重点各不相同，它们可以单独或配合使用，均发挥着重要作用。可见，无论从技术还是目的上来说，数据挖掘技术已经形成了大数据技术的雏形。（三）大数据的运用模式
这里大数据模式是指一些普适性的大数据运用类型。城田真琴（2013）从不同角度对大数据的运用模式进行了归纳。横向角度，可以从整体、个别、实时、事后四个角度出发，将大数据运用分为四个类型：个别优化—批处理型，分别优化—实时型，整体优化—批处(11)理型，整体优化—实时型。这四种大数据的运用模式在各领域皆适用。纵向角度来看，城田真琴（2013）还从时间维度将大数据的运用模式归纳为“过去/现状的把握—将来预测—优化”这样的一个循序渐进的过程，作者认为大数据运用的最终目的并不一定是优化，根据不同的需求可以运用到不同的级别，比如做到“预测”这一步为止也是可以的。（四）大数据的应用领域
相比于对大数据技术的抽象介绍，学者们其实更喜欢描述大数据在各个领域的具体运用。赵刚（2013）介绍了互联网、电子商务、零售业、金融业、政府、医疗业、能源业、制造业等领域对大数据的(12)个性化需求；李军（2014）介绍了大数据在通讯、医疗、网络、(13)零售、制造、餐饮等领域的运用。钟瑛、张恒山（2013）认为大数据应用有两种类型：一类是专门提供大数据技术的行业，它们本身没有数据源；另一类是拥有海量数据源的行业，它们所提供的主要是(14)数据资源及附加服务。不过，目前大数据在各个领域的发展不是很平衡，工信部（2014）的官方文件认为目前全世界的大数据发展都处于初级阶段，中国的发展落后于世界先进国家。大数据在不同领域的发展也不平衡，一般来说，网络、金融、电子商务等领域的大数(15)据产业发展较快。（五）大数据在发展中所面临的问题
大数据在发展中首要面临的问题便是技术上的挑战，面对海量的、非结构化的数据，采用何种技术来存储、处理一直都是业界的难题。工信部（2014）的官方文件中对此归纳得非常到位，其认为目前我国大数据建设的最严重问题一是数据壁垒、数据孤岛现象严重，各个部门之间的数据不流通；二是大数据本身的存储、清洗、分析等(16)相关技术发展水平较低。孟小峰（2014）认为，大数据集成中面临着异构性等问题。除去技术因素外，大数据本身也存在很多风险。(17)郑毅（2012）认为大数据的算法、质量、解读等有可能出现错误，会给我们的决策带来风险。要警惕人为主观恶意对数字的操纵，警惕数据中存在的系统误差等问题。另外，大数据只能告诉我们数据背后的规律是什么而非为什么，人们还应当在此基础上借助其他经验(18)去探究背后的原因。
另外，大数据时代的个人隐私还面临着前所未有的风险，对数据价值的利用、开发必然会影响到公民的隐私安全，并且大数据对个人隐私权的侵犯已经突破了传统的限度。维克托•迈尔-舍恩伯格（2013）认为，大数据时代要建立全新的隐私保护方式，以前是在数据收集过程中赋予收集者通知及获取许可的义务；而今数据在收集之后还会被多次使用，根本无法预知数据将来的用途。因此传统的保护(19)方法已经过时，应当将隐私保护义务的重心放在数据使用环节。实际上，大数据利用与公民隐私权之间的博弈是每个国家都面临的问题，城田真琴（2013）介绍了不同国家对此问题的回应方式——美国奥巴马政府出台了Privacy Bill of Rights，对消费者的数据权利进行了全面的保护；欧盟在2012年对《欧盟的数据保护指令》进行了修改，引入“被遗忘的权利”，在没有明确征得用户同意情况下，禁止处理个人数据；在对日本隐私权立法进行建议时，作者提出“对集合(20)匿名信息的使用”这一原则。赵刚（2013）提出，可以通过一些技术手段去加强隐私保护，例如采取去个性化技术、数据脱敏技术，使得仅从数据本身无法判断出数据主体的身份信息，从而在保证数据(21)价值的同时也较好地保护了个人隐私。
通过上述文献的梳理，基本能够对“大数据”本身有了初步的了解，包括大数据的概念、技术、运用模式、应用领域以及面临的问题等内容。了解大数据的目的是为大数据侦查的叙述奠定基础，大数据的相关技术、运用模式及面临的问题与大数据侦查体系的构建具有密切联系。不过，目前有关大数据的文献大都偏向于技术方法或者实务应用的介绍，而对于大数据的相关思维理念、配套机制等偏向人文社科领域方面的研究尚涉及不多。二、有关大数据侦查概念的研究综述及评价
本书所提出的“大数据侦查”这一概念，具有一定的开创性意义。因为，在目前已有的文献中，还很少有学者提出过“大数据侦查”的概念。大部分学者都是将大数据作为研究背景或者是一种新的技术方法，来探讨大数据对侦查工作的影响。其中，将大数据作为研究背(22)(23)景的文献要多一些，如何军（2015）、程宏（2015）、王晓楠(24)(25)（2015）、张俊岳（2014）都是将大数据作为新的侦查背景，(26)来将其与传统的侦查模式进行比较研究。冯欣（2015）、殷明(27)(28)(29)（2015）、张晟（2015）、侯睿（2014）等则将大数据作为新的侦查技术，探讨其在侦查工作中的具体运用。
何军（2015）提出“大数据驱动侦查”的概念，强调大数据对传统侦查工作所带来的颠覆性变革，大数据不仅能够总结历史犯罪规(30)律，还能够在此基础上对未来时空的犯罪活动进行预测。张兆端（2014）提出了“大数据时代的智慧警务”概念，强调大数据及相关(31)技术给公安工作、警务工作所带来的智能化变革。张俊岳（2014）认为大数据技术在侦查领域的运用是大势所趋的时代潮流，传统的信(32)息化侦查为大数据侦查发展提供了基础。不过也有个别学者在文章中提出过“大数据侦查”的概念，李蕤（2014）重点从大数据分(33)析、挖掘技术对侦查工作影响的角度去描述大数据侦查的内涵。
通过上述文献的梳理，可见大数据对侦查工作的影响已经是势不可当，大数据在侦查领域显示出前所未有的巨大潜力。然而，现有文献对于大数据在侦查领域的研究仍过于保守和片面，或是将大数据作为时代背景，而在具体内容上相较于传统信息化侦查而言突破并不大；或是将大数据作为一种技术，从方法的角度去介绍大数据对侦查工作的影响。笔者认为，大数据本身是思维、方法、技术、价值观的总和，大数据对于侦查领域的影响也是全面的，不仅带来侦查技术、方法的革新，更是对侦查模式、侦查思维以及侦查价值的全面影响。三、有关大数据技术在侦查领域运用的研究综述及评价
目前，介绍有关大数据技术在侦查领域具体如何运用的文献相对较多。其中，贪污贿赂案件、侵财类案件、恐怖犯罪活动以及金融证券犯罪这几类犯罪的侦查对大数据的需求相对大一些。另外，一种新的侦查模式——“预测型侦查”，也随着大数据技术的兴起而被越来越多的学者所关注。（一）在传统犯罪领域的运用
贪污贿赂类犯罪侦查。大部分文献都集中于强调大数据技术在挖掘贪污贿赂类犯罪线索，以及预测尚未发生的贪污贿赂类案件中的作用。王立楠、魏佳明（2015）认为，应当灵活运用大数据的关联性分析技术，在侦查初期就发现贪污贿赂犯罪、渎职犯罪等案件的线索。(34)程宏（2015）认为，大数据有利于发现职务犯罪的“黑数”，通过数据挖掘技术可以打开新的侦查视野，在其他相关领域去发现犯罪线(35)索，如房产信息、政府采购信息等。邓树刚（2014）着重强调大数据的预测、预防犯罪功能，大数据技术能够提前预知职务犯罪活动(36)的发生，从而对国家机关工作人员产生有效的监督。
侵财类犯罪侦查。不少学者提出运用大数据技术找出侵财类案件的犯罪规律，并在此基础上有的放矢地制定侦查策略，以及利用侵财犯罪规律对未来的犯罪活动进行预测。李蕤（2014）探讨了利用大数据技术，总结北京市侵财犯罪的在地域、时空、数量等维度的发展演变规律，并强调要根据数据分析结果来及时调整侦查战略的部署工
(37)作。张晟（2015）探讨了大数据在多发性盗窃案件中的运用，结合此类案件人员流动性强的难题和大数据的技术特征，提出“由人到案”的大数据侦查模式；另外，作者认为大数据算法为犯罪预测提供了依据——借助已发生的案件，可以得到概率；借助概率，可以寻(38)求犯罪规律；借助犯罪规律，能够预测未来犯罪活动。
恐怖活动类犯罪侦查。恐怖组织犯罪活动近些年来有扩展趋势，2001年的“9•11”恐怖袭击、2015年的巴黎恐怖袭击等事件，拉响了全球的反恐警报，不少学者开始探讨大数据在反恐中的运用。由于恐怖犯罪活动具有隐蔽性，学者们大多探讨如何运用数据挖掘技术，在犯罪活动准备、预备阶段就及时识别出犯罪线索及恐怖分子。刘铭（2015）提出可以对恐怖分子的网络行为特征建立数据模型，并在互联网的海量信息中进行数据挖掘，从而识别具有恐怖嫌疑的人员。(39)梅建明（2007）从美国的反恐项目中总结数据挖掘的作用，并建(40)议我国实施反恐大数据挖掘的计划。侯睿（2014）探讨了大数据在反恐情报收集与分析中的运用，提出从“数据化”的原理出发，对反恐数据进行多点搜集、立体化搜集，注重对恐怖分子网络通讯数据(41)的挖掘。
通过对上述文献的梳理，我们大致了解了大数据在犯罪侦查中的具体运用情景及运用方式。尽管只介绍了大数据技术在上述几类案件侦查中的运用，但是我们可以举一反三，将一些可行的大数据侦查方法推广至其他案件中去。不过，目前相关文献对于大数据侦查方法的介绍往往依赖于具体的犯罪场景，尚还很少有学者总结、归纳出一些普适的大数据侦查方法及侦查模式。因此，对一些重要的、常用的大数据侦查方法进行归纳也是本文拟研究的重点内容。（二）在犯罪预测中的运用
除了在具体个案侦查中运用外，大数据侦查还有一类重要的运用——预测犯罪活动的发生。大数据本身最重要的价值就在于预测，这一功能在侦查领域当然也会有所体现。尽管预测犯罪现在听起来还带有一些科幻色彩，但这已经不再是遥不可及之事，理论界也越来越多的学者开始关注大数据的预测犯罪功能。
吕雪梅（2015）介绍了美国的“预测警务”制度，其认为预测警务的关键就在于大数据技术的运用，通过数据挖掘技术归纳出各种(42)犯罪的数据模型，并用于对未来犯罪的预测。冯冠筹（2014）则对我国预测警务的运用进行了展望性的设计，将其分为国家安全预测、维稳态势预测、治安形势预测、社会管理预测、民意向导预测以(43)及民生服务预测六个领域。
犯罪热点分析是大数据预测型侦查的核心内容。吕雪梅（2015）指出美国当前的犯罪情报分析中，融合了“热点成像”和“地理画(44)像”技术的达80%的比例。陈鹏等（2012）从专业角度提出了犯(45)罪热点的识别和分析方法。阎耀军等（2013）结合侦查实务中具体的犯罪预测工具“犯罪预测时空定位信息管理系统V1.0”，来对犯罪的时间热点和空间热点进行研究，在此基础上可以获得犯罪在时间和空间上所呈现的规律，将现实中一些动态的因素与之相结合，便能(46)够得到预测犯罪发生的数学模型。陆娟等（2012）将犯罪热点总结为热点地区、热点时段、热点类型、热点目标几个方面，并基于专(47)业角度提出了犯罪热点的识别方式。
尽管实务中仍然有很多人对大数据的预测犯罪功能持怀疑态度，但通过上述的文献梳理可以发现，预测犯罪从技术上来说是完全可行的。不过，目前此方面的文章多集中于专业预测技术介绍，尚缺乏相关法律理论的介绍，容易造成技术与实践运用脱节的现象。实际上，犯罪预测并非是完全新鲜的事物，传统犯罪学中也有犯罪预测的相关理论，不过大数据时代的预测犯罪又有了新的技术和内涵。因此，笔者拟将传统的犯罪预测理论与现代的大数据预测技术相结合，提出预测型大数据侦查模式，探讨犯罪预测在大数据时代的新内涵。四、有关大数据侦查与传统侦查相比较的研究综述及评价
上述文献主要是从具体的、微观的层面去探讨大数据侦查技术、方法的运用。从抽象的、宏观的层面看，大数据侦查对传统的侦查模式、侦查思维也会带来突破性影响。（一）大数据侦查对传统侦查模式的突破
何军（2015）提出“大数据驱动侦查”的概念，认为其是一种全新的侦查模式，体现出数据共享的一体性特征，是一种由点到面的全景式侦查、预知未来的预测型侦查以及利用数据模型的算法型侦查。相对于传统侦查而言，这一新型侦查模式能够更全面地获取信息，能(48)够更深入地分析研判信息。张俊岳（2014）指出，大数据改变了传统“口供为王”的侦查模式，更多地依赖以数据为中心的侦查技术；大数据改变了过去由案到人的侦查模式，转向“由数据到案”(49)“由数据到人”的侦查模式。王晓楠（2015）指出大数据将促进侦查模式由反应型侦查向主动型侦查转变，并且大数据的预测功能将促进主动型侦查模式进一步朝着纵深方向发展；大数据的关联性分析、(50)碰撞等功能能提前预测犯罪活动的发生。（二）大数据侦查对传统侦查思维的突破
何军（2015）认为在大数据时代，应当确立在线、开放的数据共享侦查理念；数据主导侦查的理念，依据数据分析结果来采取侦查措施；相关性理念，善于利用大数据的相关性分析功能；线上与线下(51)相结合的理念，强调数据逻辑与人类经验、法律规定的互补。
马忠红（2011）认为人类社会的技术变革也必将引起侦查思维方式的变革。信息时代应当以“信息”作为侦查思维的起点，侦查人员要培养发散性、立体化、智能化、多维度的理念。作者还提出了信(52)息时代侦查思维在时间、空间、人、物等方面的转变要点。（三）大数据侦查对传统侦查理念的突破
贾永生（2013）提出了大数据视野下犯罪现场概念，他认为在大数据视野下，犯罪现场要延伸至数据空间，尤其要注意一些表面上看起来与案件及犯罪嫌疑人无关的数据，这些看似无关的数据背后往(53)往蕴藏着重要的破案信息。
另外，还有学者讨论了大数据对于传统犯罪心理画像、犯罪情报等传统侦查概念的影响。赖继（2015）认为，在大数据时代，犯罪心理画像可以借助基础数据平台和标签卡的方法，进行智能化数据画
(54)像。陶雨（2015）认为大数据会对传统的侦查情报收集及分析产生影响，大数据能够扩展侦查情报的来源，提高侦查情报的研判能力。(55)
上述的文献从不同角度回应了大数据侦查将带来的侦查模式、思维等一系列宏观层面的变革。每个作者都是基于其本身的研究旨趣和学科背景来展开研究，不可能面面俱到，况且对于大数据侦查本身而言也没有绝对的统一研究范式。不过，在宏观、抽象层面上，目前学界大多基于比较的视角，将大数据侦查与传统侦查进行对比，对大数据侦查的模式、方法、思维等进行研究。在侦查模式上，大部分学者都将“数据”作为切入点，建立从数据到人、从数据到案的侦查模式；强调大数据的“预测”功能对犯罪侦查模式在时间维度上所带来的改变。在侦查思维上，学者们从大数据本身的“全数据”“混杂性”以及“相关性”三个基本特征出发，衍生出大数据侦查的思维模式，其中尤其以“相关性”思维为重点——通过大数据的相关性思维模式来改变传统的因果关系思维模式，在此基础上发现更多的犯罪线索，提高侦查的效率。此外，还有很多诞生于传统侦查语境下的概念在大数据时代都有了新的定义，如犯罪现场、犯罪心理画像，等等。五、有关大数据侦查所存在问题及回应的研究综述及评价
大数据在带来侦查技术变革、进步的同时，也会带来一系列的问题。有些问题是缘于大数据本身，例如大数据对隐私权的冲击在各个领域都不可避免；有些问题则是大数据这一中立技术在法律领域所特有的不适反应。（一）技术方面的问题及回应
大数据侦查在技术方面所面临的问题大多缘于大数据本身的技术特征。张兆端（2014）指出目前大数据侦查技术体系建设中还面临(56)着标准体系缺乏、忽视数据质量等问题。吕雪梅（2015）强调要(57)设计犯罪特征算法模型，大力发展数据挖掘技术。冯冠筹（2014）(58)强调要构建集数据存储、处理、分析于一体的警务中心。（二）机制方面的问题及回应
在大数据侦查的机制建设方面，目前最大的问题就是各个部门之间的数据壁垒，数据之间不能共享、开放，海量的数据资源就无法被盘活。吕雪梅（2015）强调要推动政府数据及社会数据的开放，注(59)重数据质量。张俊岳（2014）强调要促进各级侦查机关之间的数据共享机制，规范数据使用分配权限，对数据运用进行全面记录。(60)（三）权利方面的问题及回应
隐私权是大数据侦查所面临的最重要问题之一，几乎所有学者都提到在侦查中大数据技术的运用会对公民的隐私权带来前所未有的威胁。赵峰等（2015）认为大数据侦查会对公民的“信息自决权”造成侵犯，尽管在刑事侦查中公民的个人信息权需要做出一些让步，但并非是无限度的。作者还提出在侦查过程中对涉及信息自决权的事项实施审批机制，以及引入独立的第三方对信息自决权进行评估等。(61)吕雪梅（2015）提出在侦查机关收集、分析个人数据时，应遵守(62)公开原则、收集限制原则、个人参与原则等。刘铭（2015）指出，在反恐中的大数据应用必将涉及公民的个人信息，从而会造成对(63)公民隐私权的侵害。在美国，很多学者提出“大数据监控”的概念（big data surveillance），通过新型的数据采集技术，对公民的各项数据进行收集，实现全方位监控。现在政府有能力收集、分析与个人有关的几乎所有数据，各种数据库、监控系统的建立就是“大数据监控”的最好体现。Miller Kevin（2014）认为，大数据对公民隐私权的侵犯是一种“从质到量”的变化，传统的隐私权关注对公民物理空间和私生活的侵犯，这是一种“质”的侵犯模式；而大数据则是通过一个个信息碎片组成海量的数据库，这些数据的单独使用都是合法的、无关隐私的，但是聚集起来进行再次分析后则会对个人隐私带来(64)侵犯，这也是传统隐私法无法规制的。
除了隐私权之外，大数据侦查对传统刑事诉讼中的一些程序性权利、法律原理也会带来影响。王晓楠（2015）和维克托•迈尔-舍恩伯格（2013）认为，大数据侦查涉及对未发生犯罪的处罚，嫌疑人所遭受的惩罚来源于未实施的行为，不利于人权保障，违背了无罪推定(65)原则。梅建明（2007）则担忧数据挖掘技术所产生的错误，并由此而带来的“错判”风险，有可能放走坏人，也有可能冤枉无辜者，(66)因此要提高数据挖掘的准确度。Miller Kevin（2014）指出，大数据侦查中不可避免地带有人为主观偏见，从数据的收集、数据算法的设计到数据结果的执行，每一环节都离不开人为的操作，每个环节也都不可避免地带有人为主观偏见的影响。侦查执行环节，这些早期环(67)节的人为价值偏见会在执行中被放大。在美国，很多学者认为大数据侦查侵犯了宪法第五修正案所保护的正当程序权利（due process），这主要源于大数据侦查过程的不透明。大数据系统是一个“暗箱操作”（black box）的过程，人们只看到数据的输入和输出结果，而对其中间的运算过程却一无所知。在此过程中，公民的正当程序权无法得到保障。
通过对上述文献的梳理，我们大致可以了解大数据侦查目前所面临的技术、机制及权利方面的问题。大数据侦查是一个复杂的体系，技术上的攻克仅仅是基础环节，各部门之间的数据开放共享以及大数据专业人才队伍的建设是各侦查机关都需要面对的配套机制问题。另外，大数据侦查必然会对传统法律程序、法律权利带来冲击和影响。无论是对公民的隐私权，还是传统的正当程序价值、公平正义价值，大数据技术都显示出巨大的威慑力。因而，必须通过法律手段对大数据侦查进行规制，否则会给社会秩序及公平正义带来不利影响，有违大数据的伦理要求。不过上述文献对于这些问题的研究也并非面面俱到。例如大部分学者都提到了隐私权问题，但是大数据时代的隐私权不同于传统的隐私权，其更强调一种动态的权利机制，传统的隐私权保护方式已经不再适应大数据时代的隐私权，并且大部分学者对于如何协调隐私权与侦查权之间的关系并没有给出明晰的对策。第三节创新及意义一、创新之处
本书力求在传统的物理侦查空间之外，开辟出新的虚拟数据空间和数据侦查方法，以弥补传统侦查的不足和短板之处。传统的侦查大都局限于物理空间，侦查措施的展开只能依托于物理载体，所获取的信息也是有限的。大数据时代则创造出一个与物理空间完全相对的数据空间，任何人的一举一动在数据空间都有着对应的数据痕迹；数据空间甚至能够提供很多物理空间无法感应的信息，如物的状态、人的
试读结束[说明：试读内容隐藏了图片]