大数据思维视域下的社会治安治理方式创新

袁春瑛

(山东警察学院专业基础教研部，山东 济南 250200)

一、问题的提出

近年来，伴随着互联网、物联网、云计算等网络信息技术的快速发展，数据信息出现了爆发式增长，大数据成为国内外理论界关注的热点概念。从已有文献来看，由于其存在较强的抽象性，对于什么是大数据这一基本问题，研究机构和学者们众说纷纭，定义不一。如麦肯锡全球研究所将其定义为大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。[1]维克托·迈尔-舍恩伯格、肯尼思·库克耶认为:“大数据是人们获得新的认知、创造新的价值的源泉，还是改变市场、组织机构，以及政府与公民关系的方法。并指出大数据具有4V特性，即Volume(数据量大)、Velocity(数据处理速度快)、Variety(数据具有多样性)和Value(数据价值密度低)。”[2]从对大数据的定义可以看出，大数据的本质是一种数据集，其最重要的特征并非数据规模之大，而是代表了一种更快更新的数据处理技术，以及在此基础上促成的思维和行为方式的变革。

对于社会治安治理领域而言，大数据时代的到来既为推动社会治安治理体系和治理能力现代化、创新社会治安治理方式带来了机遇，同时也给社会治安稳定带来了许多新的隐患。其中一个突出表现就是犯罪的数据信息获取渠道更加广泛、隐蔽和灵活，犯罪行为表现日趋智能化、科技化和专业化。为切实提高新形势下维护公共安全的能力水平，2015年召开的全国社会治安防控体系建设工作会议曾明确指出，在社会治安防控工作中应倡导“数据文化”理念，要“充分依托大数据、云计算中心，善于从多源的、分散的、碎片化的大数据中找到规律，为维护公共安全提供创造性服务”。因此，顺应大数据时代社会发展需要，将大数据思维与社会治安治理方式有机结合，快速有效地解读隐藏在数据中的各类违法犯罪行为的规律，在此基础上制定精准化的防控措施，无论在理论上还是实践上都是一个值得关注和探索的现实课题。

二、大数据思维方式对变革社会治安治理方式的总体要求

与传统思维方式相比，大数据思维最为显著的特征就是倡导数据导向决策。大数据专家维克托·迈尔-舍恩伯格、肯尼思·库克耶用“更多、更杂、更好”三个词语概括了大数据时代思维方式变革的趋向。其中，“更多”强调的是全体数据而非样本数据，“更杂”强调的是混杂性而非精确性，“更好”强调的是相关关系而非因果关系。[3]张义祯认为，大数据思维重要的转变在于从自然向智能的维度转变，使得大数据像具有生命力一样，获得类似于“人脑”的智能，甚至智慧。[4]张维明、唐九阳认为，大数据思维是基于多源异构和跨域关联的海量数据分析产生的数据价值挖掘思维，进而引发人类对生产和生活方式乃至社会运行的重新审视。[5]从大数据对整体社会运行的实际影响来看，可以说使得社会整体逐步迈向了“数字化时代”。对社会治安治理领域而言，社会治安防控创新举措的施行与检验评估均需根植于各类犯罪数据与社会事实，因此创新社会治安治理方式必须要顺应大数据的特性要求，变革思维方式。

(一)由样本思维向总体思维转变

总体思维方式强调数据总体，而非局部。统计学认为，通过样本分析得到的结论总是会难以避免抽样误差的存在，而通过全样本分析得到的结论通常更为真实，因为全样本包含了跟研究相关的所有信息。传统数据时代，受收集、储存、分析数据手段和工具的限制，对大量数据进行快速准确的分析一直是个巨大的挑战。为了让分析过程变得更为快速和简单，通常是采用随机抽样的数据分析方式，将数据量缩减到一定规模。这种“以小见大”的决策思维方式尽管存在以偏概全的弊端，但却是在无法获得总体数据信息条件下的无奈选择。正如舍恩伯格所说的那样：“我们总是习惯把统计抽样看作文明得以建立的牢固基石，就如同几何学定理和万有引力定律一样。但是，统计抽样其实只是为了在技术受限的特定时期，解决当时存在的一些特定问题而产生的，其历史不足一百年。”[6]大数据时代，随着互联网、物联网的普及应用，数据的产生方式由“人机”、“机物”的二元世界向着融合社会资源、信息系统以及物理资源的三元世界转变，数据规模呈膨胀式发展，几乎人们的一切活动均可以通过文字、图像、视频、音频等各种不同的数据形式进行描述。而且，随着数据收集、存储、分析技术的突破性发展，人们快捷地获得与所需要的全部数据成为可能。这一根本性的变革，为治安大数据采集从样本思维转向总体思维提供了技术保障，即可以依托各类数据分析平台， 把目光更多地投向总体数据，通过技术手段快速挖掘和分析事物之间隐蔽的相关关系，从社会系统整体角度把握社会治安治理的需求及发展趋势，作出相应的决策方案。

另外，数据规模的指数爆炸式增长难以避免地会带来数据的混乱。例如，海量数据中只有少量数据是结构化数据，大量数据都是较为混乱的非结构性数据。而通过技术手段对非结构化数据进行转化，很有可能从中发现结构化数据所无法发现的问题。因此，这就要求我们在面对参差不齐的海量治安大数据时，从精确思维转向容错思维，适当放松对数据精确性的要求，容许一定程度的错误与混杂，依托立体化治安防控体系下的信息采集渠道，尽可能地全面掌握相关数据信息。

(二)由经验思维向智能计算思维转变

经验思维，即以经验为依据决断问题的思维形式，一般而言具有直观的感知性、认识的表面性、观察的局限性、分析的非定量性等特点。显然，表面现象和外部联系虽然是认识事物的基础和前提，但是如果要掌握事物之间的内在联系和规律性，就必须通过理性思维透过现象看本质。智能计算思维，简单而言就是以大数据为基础，以大数据分析为手段的理性思维方法。传统信息时代之所以难以对海量数据进行智能分析，一方面是因为数据规模巨大，而且大多数数据为视频、图片等非结构化数据信息，远远超过人工计算能力和常规数据分析技术的能力范围；另一方面则是因为数据规模越大，价值密度越低，处理成本越高，即数据的价值密度与其总量的大小成反比，规模越大，真正有价值的数据相对较小。例如，治安管理部门通过各种途径所采集的大量视频监控录像数据中，可能只有几秒钟的画面对侦查破案有价值。

随着云计算、物联网、人工智能等大数据技术的突破发展，海量数据的采集从人工采集为主转向机器采集为主，数据的分析也更加智能化和精确化，分析过程不必拘泥于以往苛刻的假设、验证条件等因素，强大的数据统计软件会自动运用数学、统计学等方法从数据库里自动搜索相关的数据信息，迅速、准确地找出海量数据中的相关关系，完成数据价值的“提纯”。如谷歌公司曾通过分析5000万条检索词条，处理4.5亿个数学模型，成功预测了2008年的流感爆发。[7]可以说，大数据技术使人类的分析能力得到很大程度的解放，数据正在成为“这个世界上最重要的土壤和基础”，成为一切管理和决策的依据。[8]

结合大数据的这一特性，在社会治安治理领域中，就需要进一步健全和完善各类数据治理平台，逐步实现计算机对治安大数据的自动流程化管理，提升数据的智能计算分析能力，充分发挥大数据在治安预防、打击犯罪、服务管理等方面的巨大效能。

(三)由被动应对思维向主动预防思维转变

传统数据时代，人们一般是通过对有限的样本数据进行分析来寻找现象背后的因果关系。这种分析方式过于追求样本数据的代表性和分析过程的逻辑性，所产生的分析结果往往带有一定的滞后性。大数据时代的到来使得全数据的采集成为现实，通过相关技术发现数据间的规律、开展数据预测、消除不确定性也成为可能。因此，一般认为大数据的核心价值在于其能够对事物发生的可能性进行预测，其背后的逻辑是事物的发展一旦发生突破常规的变化，必然会出现有迹可寻的征兆。现实生活中，小到沃尔玛超市通过数据分析调整啤酒和尿布的摆放位置大幅提高了销售额，大到日食、洪灾、旱灾等许多过去被人们认为无法预测的自然现象，现在能够被人类较为精准地进行描绘、量化和预测，大数据所彰显的预测功能已然被人们所认可和赞叹。在犯罪治理领域，应用大数据分析技术在预测违法犯罪的倾向性及实施可能性、刑事司法中的暴力风险等方面也表现出了强大的功能，如美国加利福尼亚州圣克鲁兹市、洛杉矶市等超过10个城市的警察局曾通过大数据算法的应用，推算某些街区发生罪案的机率，预测罪案发生的时间地点，预测的三分之二的罪案都确实发生了。[9]

我国在2001年9月颁布实施的《关于进一步加强社会治安综合治理的意见》中，就明确提出“打防结合，预防为主”是做好社会治安综合治理工作的指导方针。2004年党的十六届四中全会通过的《中共中央关于加强党的执政能力建设的决定》中，又一次强调做好社会治安综合治理工作要坚持“打防结合、预防为主，专群结合、依靠群众”的方针。当前，社会治安问题的复杂性和多变性，更是要求在社会治安综合治理中必须要有科学预测、准确判断和动态防控的能力。大数据技术的发展，大大增强了对社会治安管理问题的智能计算能力。因此，在社会治安治理创新中，应进一步健全完善各类数据治理管理平台的功能，通过计算机智能计算从零乱复杂的大数据中准确把握各类违法犯罪现象发展变化的规律和趋势，实现以动制动、先发制人，确保社会治安秩序始终维持在可控维度之中。

三、应用大数据思维创新社会治安治理方式面临的现实挑战

应用大数据思维创新社会治安治理方式，关键在于推动以数据为核心的治安管理流程再造，构建起一套数据决策、数据管理、数据创新的全新机制。近年来，尽管随着我国政法部门信息化建设工作的推进，社会治安治理逐步从依靠主观经验向科学治理转变，但与大数据时代下数据治理的目标要求相比仍存在着较大的差距。

(一)数据采集规模不够，新型公安大数据系统尚未建立

大数据思维主张“先有数，再决策”，数据是一切管理和决策的根本依据。犯罪学研究表明，随着社会各领域大数据的发展，传统犯罪手段正在快速向数据信息犯罪手段转变，传统犯罪场域正在加速向网络空间场域转移。在此种趋势之下，传统公安数据库只包含了小部分社会数据，与社会治安数据治理要求的大数据相差悬殊，必须构建新型的公安大数据来源渠道系统。近年来，随着我国情报主导警务理念的提出和警务信息综合应用平台的建设使用，公安信息数据库已经基本建成，而且在提高街面巡逻处警和指挥调度效率、发现和打击犯罪的精准度等方面取得了显著的成效。但与大数据总体思维的要求相比，在数据采集方面仍存在着较大的差距。一是对大数据的意义认知不清。数据信息采集是一项投入大、见效慢的基础性工作，加之受传统警务工作惯性思维的影响，部分公安机关领导者对于大数据信息的意义认识不到位，在实际工作中没有对数据信息采集工作给予足够的重视和对民警给予足够的引导。因此，部分一线民警对于基层基础数据采集工作多留在意识层面，被动应付各项警务基础信息的采集录入工作，普遍存在着录入的信息内容不完整、填写不规范、警务平台数据存在量少、质低、更新不及时等现象，严重影响了警务基础信息平台效能的发挥。二是数据采集类型多为结构性静态数据。例如，从当前采集建立的犯罪情报信息数据来看，占绝对数量的是诸如人口信息数据库、已破和未破案件数据库、被盗机动车数据库、追逃数据库等结构性静态数据，这些数据都是经过加工的非原始性数据。对于党政企事业单位有关专业行业数据库信息、各类社交媒体平台信息，以及在智能化终端采集的非结构性动态数据信息等在侦查破案工作中还没有得到充分有效的利用。要真正实现情报主导警务，改变侦查工作中“从案到人”的传统工作模式，就必须在掌握结构性静态数据信息的基础上，努力建设动态性的情报信息数据资源库，尤其是对于那些容易造成社会恐慌的电信诈骗、拐卖人口等犯罪行为，只有建立相关的动态数据库、专案数据库等，才能有效实现对违法犯罪行为的精确预防和打击。

(二)数据挖掘能力不足，影响数据决策的有效性

尽管数据信息可以被储存、组织起来和进行检索，但是，只有经过科学的分析才能转变成打击违法犯罪的战斗力。近年来，随着各地公安机关对信息化工作重视程度的提高，一线民警信息化应用能力有了较大的提升，但在对信息数据的管理及数据分析技术方法等方面仍较为欠缺。一方面，对数据信息进行综合分析和预警研判能力欠缺。除了专业情报部门外，多数基层民警在采集录入信息时对辖区内一些苗头性、倾向性治安信息数据缺乏足够的敏感性，在对各类基础信息的关联查询、自动比对、网上排摸、网上串并、网上查证等方面的技术能力也明显不足，这在一定程度上制约了数据信息的深入挖掘和分析运用。二是缺乏对治安大数据进行智能分析的标准规范和理论指导。随着智慧警务、精准警务理念的提出，尽管各地公安部门在建设警务信息数据平台和数据分析应用方面取得了一定的成效，但总体来看，对各类治安数据分析的目标界定、数据标准、工具选择、分析报告等方面均没有统一的规范文件指导。实践工作中对犯罪数据的分析也多限于宏观层面的描述性统计，对于犯罪与周边环境、人口、空间特征、经济社会因素的相关性分析不足。

(三)数据共享程度偏低，信息孤岛现象普遍存在

在迈入大数据时代的形势下，通过大数据的科学分析，可以对社会治安中的问题进行预测，展现传统技术方式难以展现的关联关系，实现对各类风险的自动识别、预警，由此预防和减少社会治安案事件的发生。而实现准确预测的基础和前提是，通过数据化使彼此孤立的信息变成相互关联的数据集，可以说数据信息的共享程度与其效能大小是成正比的。但是，从当前社会治安治理领域的实际情况来看，无论是公安系统内部还是公安系统与其他防控系统之间的数据缺乏有效兼容与整合，信息孤岛的现象仍然普遍存在。

在公安系统内部，各部门、各警种之间条块分割、各自为战的现象仍普遍存在，信息资源不能充分共享，难以紧密配合、协同作战。这一方面是受传统管理体制和部门利益考虑等因素的影响，如部分地区公安机关的信息“私有化”观念阻碍；另一方面则是因为各地公安机关在数据采集的种类、软件开发和数据库规格上都存在着较大的差异，与其他部门或地区的数据库进行数据交换、传输时存在对接困难。与此同时，公安机关与社会资源信息的整合同样也存在着因为技术或制度等因素导致的“数据孤岛”现象。例如，市场监管、税务、民政、银行、电信等部门都有各自独立的信息系统，这些信息系统的资源与公安机关有的未能实现共享，公安民警要查询相关业务信息时往往要辗转奔波多个部门，耗费大量的时间和精力。社会各单位内部、居民小区、个体户安装的视频监控系统，与公安机关的天网工程之间也存在技术标准不统一、无法连接共享的问题，导致社会面分散的治安防控资源难以整合利用。因此，如何在充分利用大数据技术的基础上，秉持共享、合作的数据应用理念，重构统一的数据管理模式是提升社会治安治理能力的关键。

(四)数据信息相对滞后，实时反馈效能不足

数据是管理的延伸，对治安大数据进行分析的目的显然是为了更好地辅助决策，有效推进社会治安治理的效能。从当前数据信息应用的实际情况来看，数据信息相对滞后，实时反馈效能不足的问题仍普遍存在。一是对数据信息研判的精准性欠缺。例如，对各类流窜犯罪的数据信息研判中，多数情况下仍停留在对案情数据信息进行简单低层次的分类、统计和描述性分析层面，对与案件相关的大量非结构性动态情报信息研判不够，距离精确防范和打击还存在一定的差距。如对视频监控数据的运用，多数情况下仅局限于对实时监控数据信息进行案后回放的“回放—观看”层面，尚未实现通过事前巡控预判险情，将违法犯罪行为制止在发生之前。而且，随着犯罪行为人反侦查意识的提高，如果其在现场不留下容易被侦查部门利用的痕迹物证，侦查破案就变得非常困难。二是信息研判与防范打击的对接不够紧密。大数据时代背景下，现实社会与网络空间的传统关系已经发生根本性变化，网络犯罪与传统犯罪的边界也变得越来越模糊，几乎所有的犯罪都可以借助网络空间和现实社会两个平台发生和演变，并且线上与线下联动。这一客观事实要求在社会治安治理中必须随时掌握相关数据信息，并且及时进行采集、分析、计算和使用，根据案事件的发展，不断地调整应对方案，实施精准管控。在社会治安综合治理工作中，情报信息部门与社会治安综合治理部门之间对接工作仍不够紧密，一个明显的表现就是情报信息部门通过研判得出的建议在相关业务部门的工作中没有得到及时跟进落实，情报分析和打防工作脱节分离。

四、大数据思维视域下社会治安治理方式创新的路径方向

综上可知，大数据思维所倡导的总体思维、 智能计算思维与主动预防思维，与我国当前社会治安综合治理的目标要求具有内在的耦合性。鉴于上述实践工作中所面临的诸多挑战，笔者认为进一步推进社会治安治理方式创新，应多管齐下，从理念、制度、技术、人才等多个方面努力改进和完善。

(一)打造多元主体协同的社会治安治理格局

价值取向决定着思维方式和行为方式。“一个社会治理体系要解决朝着什么样的方向建构自己的问题，首先要解决确立什么样的价值的问题。”[10]与社会治理相比，传统的社会管理理念无论是在主体，还是在目标、方法上都有着明显的不同。简单而言，传统的社会管理主要是以政府为单一行为主体的管治行为，而社会治理更加强调政府部门之外的其他行为主体的参与，倡导治理过程中的效率、公平和利益共享，目标旨在实现“善治”。正如库依曼和范·弗利埃特所说的那样：“治理所要创造的结构和秩序不能由外部强加，治理作用的发挥是要依靠多种进行统治的以及互相发生影响的行为者的互动。”[11]社会治安问题涉及到社会生产、生活的方方面面，仅仅依靠公安机关一己之力解决所有的治安隐患问题显然不太现实。因此，早在1991年颁布的《中共中央、国务院关于加强社会治安综合治理的决定》中就明确提出，综合治理的主体不是一个部门或一个团体，而是要“在各级党委和政府的统一领导下，组织和依靠各个部门和人民团体，依靠全社会的力量，发动和组织亿万群众关心和参加社会治安工作，全党动手，全民动手，齐抓共管”。在当今的风险社会中，各类非传统安全问题层出不穷，社会治安形势日趋复杂，组织和依靠社会公众参与社会治安治理的必要性表现得更为迫切和突出。而且，在大数据时代背景下，广泛多元的数据供给也是社会治安数据治理的重要前提条件。

鉴于上述考虑，应用大数据思维创新社会治安治理方式，应在治理主体结构上推动由政府主导转向多元主体智慧汇聚的协同治理格局，在决策方式上推动由传统顶层经验决策向数据导向决策的转变。在多元治理主体中，公安机关作为集打击、防范、管理、服务等多项职能于一身的维护社会治安秩序的专门力量，在社会治安数据的采集、管理及应用中必然发挥主导的作用。如在信息采集阶段，教育和引导一线民警深入领会数据治理的重要现实意义，使其把数据信息的采集、研判、应用作为一种自觉行为、良好习惯。各级党组织及政府机关、社会团体、基层单位及公民个人等是社会治安治理不可或缺的参与主体，应通过各种途径与方法积极引导参与社会治安秩序的维护。谢里·安斯坦认为，按照公民参与公共治理的程度，可将公众参与分为操纵、引导、告知、咨询、劝解、合作、授权以及公众控制八个层次。其中，只有合作、授权与公众控制三种形式属于实质性参与。[12]从实践来看，当前公众参与社会治安治理多数是以参加座谈会、听证会、咨询等形式实现的，即仍处于象征性或表面层次的参与。尽管也有地市公安部门实施了一些引导公众实质性参与的创新举措，如开通有奖违法举报信息平台、成立社区义务巡逻队等，但由于缺乏完善的制度管理，实践中仍存在着诸多争议之处。推进公众参与的规范化和有效性以真正实现多元主体智慧汇聚，有必要进一步完善各项相关警务管理制度，如信息公开制度、参与程序制度、意见反馈制度、奖励保障制度等。[13]

(二)建立科学合理的开放性治安大数据管理系统

20世纪80年代以前，我国实行的是高度集中组织化控制机制，公安部门通过对社会成员的户籍管理和档案管理就可以基本上实现对社会的控制，确保社会整体秩序的安定。因此，在治安管理的决策方式上，通常采取自上而下的以公安机关为主导的治理方式，治理问题及其治理方案往往是凭借决策者的主观判断或已有的经验来制定。随着我国市场经济体制的深入推进，人财物大流动，各类违法犯罪的数量剧增，犯罪领域、手段和方法都较前发生了很大的变化，继续单凭决策者经验式判断的治理模式显然已经不适合社会治安形势的需要。大数据技术的突破发展对提升社会治安治理能力带来了前所未有的机遇，针对当前社会治安大数据采集及挖掘分析环节存在的客观困境，应考虑借鉴国外发达国家社会治安数据平台建设经验，依照《社会治安综合治理基础数据规范》(GB/T 31000—2015)的要求，健全和完善开放性治安大数据管理系统，增强数据的搜集和处理能力。[15]

一方面，要努力实现实时动态搜集各类数据，并根据海量数据的特性分门别类进行存储，实现各类社会治安数据的全覆盖，为治安预警分析创设基础。具体而言，一是公安业务数据，如各类案事件信息、人口户籍信息、指纹信息等公安机关在日常警务工作中采集、维护、管理和应用的数据。二是社会组织数据，如司法部门、政府部门掌握的各类社会治安综合治理相关数据，金融、房产、交通、电信运营等企事业单位在具体业务工作中所掌握的相关数据。三是社情民意数据，如通过问卷调查、电话调查、政务微博、网上平台等方式从公民个人、社会组织等收集各类数据。四是企业数据，企业尤其是互联网企业作为市场经济的主体不仅是数据的重要收集者，更是最活跃的数据处理者与使用者。企业从大数据中发现新知识、创造新价值、提升新能力已经发展成为新一代信息技术和服务业态，企业数据理应受到相应的关注。[16]

另一方面，要通过各种数据分析工具对数据进行处理和分析，进一步提高数据的可靠性、可维护性和集成性。具体而言，首先应借助专业的数据清洗工具，按照《社会治安综合治理基础数据规范》(GB/T 31000—2015)的要求对采集的各类数据进行审查和校验，过滤掉不合规的数据。在此基础上，再考虑根据实践管理需要对基础数据库进行主题划分和数据关联分析，逐步分层、分库对数据进行编目和整理，形成各类专题数据库，并建设统一的基础数据共享交换平台，确保实现数据在不同类型的公安业务数据资源库间，以及其与社会资源数据库服务接口间的传输和转换。

(三)多管齐下提升治安大数据资源的应用水平

大数据的关键是通过分析实现数据的价值。显然，数据应用水平直接体现着数据价值的高低。近年来，我国各地公安部门不断探索大数据技术的实战应用，在国家安全预测、维稳态势预测、治安形势预测、民生服务等方面均取得了一定的成效，充分展露出大数据应用技术在预防、打击违法犯罪和服务社会中的巨大潜力。如山东省潍坊市公安机关利用三张表(治安晴雨表、队伍健康表和民意趋向表)实时判断公安工作和队伍建设的形势；[14]上海市公安机关为提升对电信诈骗违法犯罪行为的预防和处置能力，专门建成了反电信网络诈骗平台，通过与商业银行、通信运营商、金融清算机构等多个部门的数据共享与关联分析，利用智能分析手段从海量的数据中判断出疑似受害用户号码，并通过自动汇聚推送、叠加短信等多种方式，对潜在被害人进行分级分类精准联动劝阻，有效实现了预防的目的。[17]

结合当前社会治安数据治理的实践探索，进一步提升大数据信息资源应用水平，深入挖掘治安大数据的潜在价值，必须要在不断更新大数据技术设备、优化大数据平台环境等硬件建设的同时，努力完善各项配套制度措施，培育大数据专业人才、推进大数据技术创新等，为提高治安大数据的分析和开发应用能力创设良好的条件保障。一是完善各项规章制度和数据规范。实践工作中，数据的采集、存贮、分析、应用等各环节都有可能会因为主观或客观的原因发生数据污染。为确保数据的质量，有必要围绕数据质量、数据标准、主数据、元数据、数据安全等内容制定相应的管理制度和标准。在此基础上，还可以考虑借鉴国内外已有的数据能力成熟度模型，社会治安数据治理的状况进行过程性评价，及时查明存在的问题，并指出改进的方向和实施建议。二是重视和加强公安信息化专业人才培养，培养储备公安大数据专业人才。如可将大数据培训列入民警年度培训计划，加强对大数据技术的应用培训，提高广大民警对大数据的应用意识和信息采集、信息分析处理、网上作战、综合研判等应用技能，同时，还要注重相应的系统开发技术型人才的培养和引进，为社会治安数据治理的实施推广提供智力支持。三是要紧紧依托社会力量，授权和鼓励第三方参与公安大数据信息资源的开发和利用，并向其购买数据及服务，借助第三方力量深度挖掘和利用公安大数据信息资源，避免因为盲目大规模投资大数据软硬件建设带来的社会资源浪费。除此之外，还要在制度设计中明确公安部门和其他部门间的数据访问的范围边界和应用方式，确保国家、法人和公民个人的合法权益不受侵害，构建科学、系统、多层次的社会治安大数据管理平台。