从拿起手机时收到的精准广告，到出行时乘坐利用大数据分析维护的飞机，“大数据”已经从一个模糊的概念逐渐成为落地的工具，越来越深入全行业。对于拥有海量高价值数据的警务领域，大数据的意义更是非同小可。2017年，全国各地的公安机关积极探索警务大数据建设，成果主要集中于四大方向：数据平台基础建设、群众办事流程简化、视频图像识别追踪、刑事案件线索打通。

       未来，大数据将进一步在警务领域获得推广和深化：进一步扩大数据融合工程，打造跨地域、跨部门、跨警种的协同管理和服务；进一步加强大数据支持决策战略，构建实时性、综合性、直观性的研判和分析工具；进一步深化大数据智慧应用，建设智能化、场景化、定制化的业务系统和应用；进一步深化大数据安保实战，开发能监测、能预警、能感知的城市管理和调度平台。

       2018年，全国各省、地市级公安机关对大数据的应用呈现出加速起飞的态势。在广大警务工作者不断的探索和实践中，警务大数据呈现出六大发展趋势。

       公安行业是涉及国家和社会安全的关键领域，经过多年的信息化建设，各部门和单位已经积累了大量行业数据，然而这些高价值数据普遍呈现出分散、形式多样的特点。数据分散在各单位、各警种、各业务系统中，成为了一个个割裂、分散的“数据孤岛”，且不同系统中的数据类型高度多样化，既包含结构化数据，也有大量图片、视频等非结构化数据，难以统一管理和应用。

        警务大数据趋势之一，即持续发展全量数据接入、多源数据融合的大数据平台，将数据孤岛连接成数据大陆，从而基于数据大陆建立应用、服务实战。构建统一、整合的大数据平台是警务大数据应用的首要条件，同时也是各单位挖掘大数据价值的基础。

       传统警务模式下，警务工作者解决某类问题或破获某种特定类型案件的过程中，所获得的成功经验、探索出的案件规律等智慧积淀，只能以口授或书面报告等方式分享，效率低、且效果不尽人意。

        而在大数据背景下，这类成功经验能够固定成为各类模型，在相似案件、系列案件发生时，智能模型能够为办案人员提供借鉴作用，且使用方便、灵活，从而使资深警务工作者的丰富经验和智慧结晶得以在新老民警之间，甚至不同警种、不同单位之间得到高效的传播和复用。

        警务大数据趋势之二，即以公安业务实战的需求为出发点，将案件分析、研判、处理等警务流程归纳成为应用模型。应用模型不仅应当贴合实际业务场景、使用方便快捷，更应支持跨部门、跨警种、跨地域的交流共享，并支持具体用户根据自身需求进行灵活的调整和配置，最终实现警务工作者经验和智慧的高效推广、传承发扬。

       不同于传统警务“发生事件－分析事件－解决事件”的模式，大数据将驱动智慧警务向“全局把控－事件预警－提前干预”模式进行升级。特别是针对重点时期、重点地域的安保项目，“防患于未然”的研判预警能力将成为重点发展方向：基于大数据分析挖掘，开发各类预警模型、全要素分析工具、重点人员轨迹分析能力，逐步建立重点人员异常行为等潜在治安事件的预警功能。

       警务大数据趋势之三，即发展智能研判能力。利用多部门数据融合实现对重点人员的全方位轨迹的实时监控，并通过多模式的比对进行智能研判，以实现对重点人员异动的预警。在发出预警信息的基础上，通过打通各部门信息化渠道，使预警能够同时到达多部门、多警种，使得公安机关能更好的掌握治安态势、把握稳控先机、促进跨部门信息共享及合作联动。

       大数据时代，不仅要求公安领域把各部门、各警种所积累的大量信息相互打通、全量接入到统一的大数据平台，还要将其在平台上相互关联起来、挖掘信息。通过大数据技术，从海量信息中发现关系、从关系中发现问题和解决问题，将信息打造成情报和洞察的生产工具，实现真正意义上的信息融合、提炼。而知识图谱就是将复杂的知识通过数据挖掘、信息处理、知识计量和图形绘制等一系列方式表现出来，揭示知识领域的动态发展规律，提供从“关系”的角度去分析问题的能力。知识图谱能够将海量公安数据快速转换为高价值的线索、情报，精准服务公安实战。

        警务大数据趋势之四，即推广应用知识图谱，从信息中发现关系。从各部门收集的出行、住宿、卡口等信息中，归纳出“人、事、地、物、组织、身份”等点状实体，在实体之间挖掘相互的从属、往来、共同特征等线状的关联关系，最终连线成网，通过关系大网展示数据中蕴含的线索和情报。

        在大数据技术日渐成熟的基础上，机器学习成为全行业新的发展方向。针对公安领域，各级单位、各警种多年来所积累的海量数据为机器学习奠定了坚实的基础，而机器学习能让大数据平台更加智能、帮助智能研判、智能预警等应用更加精准。机器学习能大幅缩短人类积累知识和经验所需要的时间，迅速将海量历史数据和办案人员的经验智慧相互结合，极大帮助警务工作人员节约时间、提升效率。

        警务大数据趋势之五，即在现有大数据应用的基础上进一步发展机器学习，为数据赋予智慧，从海量历史数据中探索规律，优化多种智能分析研判应用。警务领域的机器学习应用包括，通过聚类进行群体画像、通过分类预测判断人员所属类别、通过关联分析对相关人群进行定位、通过回归／相关分析判断犯罪相关因素、通过主成分／因子分析判断犯罪群体特征等等。

        人类接受视觉信息的效率高于文字信息，数据可视化能够从根本上帮助警务工作者增强态势感、提高信息获取的效率、节约时间。然而传统警务模式下，数据、情报大多以文字的形式出现，且分散在各单位、各警种的大量业务系统中，警务工作者读取不方便、不直观、不高效。特别是在重大事件安保等需要跨部门合作的时期，传统的数据呈现模式不利于统筹部门快速把控全局、精准部署战略。

        警务大数据趋势之六，即数据的可视化、直观化、实时化。通过统一的平台集成“人、车、场、住、行”五大感知要素以及多种实时监测系统数据，并以适应具体业务场景的方式灵活展示出来，为警务工作者提供实时、直观、整合的信息，支持决策层快速、精准制定战略。

        正如习近平总书记主持中共中央政治局第二次集体学习时强调的，要运用大数据提升国家治理现代化水平：要建立健全大数据辅助科学决策和社会治理的机制，实现政府决策科学化、社会治理精准化、公共服务高效化；要构建全国信息资源共享体系，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务；要充分利用大数据平台，提高对风险因素的感知、预测、防范能力。

        未来，大数据有望在公安领域加速推广和深化，而公安事业也将获益于更多更广的大数据应用，加速向“智慧警务”转型升级迈进。

（文章由中石科技www.sinorock.net整理）