基于公安大数据的数据警务技术专业人才培养研究

邱明月

（南京森林警察学院，江苏南京 210023）

1 研究背景

信息技术全球化、数字化高速发展的大背景之下，大数据、云端数据等已成为国家重要的基本战略资源，大数据与人类社会生活和经济发展息息相关。我国《“十三五”公共安全科技创新专项规划》中明确提出要研究基于大数据的特异行为分析、犯罪模式挖掘与犯罪预测技术、异常经济活动监测预警技术、涉案人员多维特征融合分析与快速识别技术等。当下公安领域知道如何利用数据技术相关的专业整合，并利用数据对警务管理和分析的复合型、应用技术人才缺口相当大。全国大量高校正在筹建中或推广招收“数据科学与大数据技术”专业的大趋势下，一些公安院校也正积极研究大数据技术，以备满足公安工作需要，培养更多大数据技术专业人才。当下，公安机关由于专业性质，采用传统专业与大数据技术相关的专业开发结合的培养方式，打造大数据应用技术后备军。2019年9月，中国人民警察大学开始招收首届数据警务技术专业学生，填补了公安高等教育专门培养大数据应用专业的空白。

张传浩等［1］从网络化与移动化、大数据驱动以及人工智能应用等方面分析智慧警务人才的培养与专业群建设，并侧重公安领域知识的融合。王娟等［2］从警务大数据平台架构与运维、警务大数据分析预测与可视化、警务大数据指挥与决策等不同阶段设计数据警务技术相关的专业课程。阳成俊［3］认为，通过牢牢树立数据驱动教学新形态下的理念，将其应用到公安教育实践过程中，突出实战数据警务训练，形式化、系统化，以教、学、训、战，为一体化人才培养模式的中心，提高警务现代化水平和技能。因此，开发和传输数据以满足数据技术专业人员的需求，是当前公安机关的工作亟须进行的专业方向教育研究重要课题之一。

2 数据警务技术课程体系

2.1 数据警务技术培养思路

由于公安大数据不能直接应用于公安工作，必须经过数据的处理和转化，形成公安领域的特定信息，再对信息进行进一步深度挖掘，才能将公安信息转化为所需要的公安知识。得到的公安知识可以为犯罪规律、关联关系、隐藏犯罪嫌疑人挖掘等，将这些知识进行可视化呈现，将公安大数据的内在知识进行充分挖掘与展示，具体模式如图1所示。

图6 基于“数据-信息-知识”的数据警务技术人才培养模式

如图1所示，公安大数据的数据层主要包括公安内部数据（如八大公安机关信息资源库、重大案事件信息系统、经侦禁毒出入境等数据库）、社会部门数据（如通信、金融、运输以及工商部门数据）和互联网数据（网页、论坛、贴吧和微博等互联网数据）。通过数据层的数据采集与预处理，将案事件相关的数据进行存储。信息层根据采集到的数据，对数据进行加工与分析，进行警务大数据的描述性统计与初步分析。知识层主要通过数据挖掘等算法，对警务数据进行数据建模，进行警务大数据的深度挖掘与相关决策服务。数据的可视化可以穿插在数据层、信息层与知识层，显示数据的不同维度与可视化每层的分析结果。由此，针对公安案事件的规律特点，形成面向公安大数据的“数据-信息-知识”一体化的数据警务技术人才培养新模式，推动公安大数据资源的深度挖掘和开发应用，提高公安信息技术人才对公安知识的深入挖掘与可视化呈现能力。

2.2 数据警务技术专业课程设计

当务之急是需要培养大数据技术方面的人才，需要：先端正职业道德，有良好数据操作技能，良好的意识形态，职业修养是精神的革新性和职业伦理、公共安全工作的基础。同时，计算机技术的综合知识，应用数学和相关领域的数据分析，及基本理论的应用软件系统的基本理论和基本知识，基本的知识和数据的收集、保管、处理、分析及可视化技术运用都很重要。数据警务技术人才应具有运用数据思维和方式解决公安实务问题的能力，是能够在公安机关从事警务数据搜集和存储、警务大数据分析与预测、警务大数据管理与决策的复合型、应用型技术人才。

除了基本的大学语文、数学、英语、政治等通识课程，法律、公安理论与警察素养、警务实战技能等公安基础课程以外，将基于“数据-信息-知识”的数据警务专业课程放在专业基础与专业核心等课程。数据警务技术专业课程体系一般包括专业基础、专业核心以及集中实训等方面的课程与实践内容，以下进行详细说明。

2.2.1 专业基础课程

（1）编程语言及应用（双语）。程序设计语言的基本概念主要介绍、思路、设计等都是难点，学会循序渐进、编程语言及应用程序设计，旨在帮助学生按照专业课程的学习和实践，成为数据警务的技术专家，开发一个综合开发环境，帮助学生建立熟练的程序设计语言技能，运用程序设计语言分析和解决问题的能力，从而为程序设计打下坚实的基础并不容易，同时能处理常见的应用问题。

（2）计算机网络技术。在教学过程中，使学生掌握网络技术的能力，应从对计算机网路原理开始，对Windows服务器版本的安装，使用Linux系统使用，在客户端/服务器网络中发生的软硬件知识的广泛性、网络连接的多样性，链路方式等。本次实践活动在理论知识的传播、媒体的制作和使用上通过不同的机会，涉及不同网络设备的操作和安装，以及公共网络的设置、设置和维护的技巧等方面的实践锻炼。

（3）数据警务导论。在教学过程中，了解警用数据主体的性质、惩戒系统的发展前沿；熟悉警用数据的性质、职能、职责、权限和任务管理制度；掌握数据管理中的常规发展政策、公安政法队伍和公安队伍等基础知识和基本情况。主要包括：警务前沿技术，数据的性质与应用，警察的职能、职责、权限和任务管理制度等。

（4）概率论与数理统计。通过本课程的学习，使学生了解概率论和数理统计的基本概念，使学生在数理统计专业学生的训练和指导中，能够掌握基本的思想和方法，使学生能够分析和处理随机现象，利用数据能力解决问题，使学生在数理统计专业的训练和指导中，能够掌握基本的思想和方法。

（5）数据库原理及应用。通过深入地了解学习数据库存原理和应用，让学生掌握关于数据库管理系统的基本理论知识及使用方法。创建和管理数据库作为备份，并进行恢复，创建和管理其表数据的表数据，使用Transact-sql查询语言操作和使用Transact-sql配合创建索引，构建和触发一般的Titans存储，展示SQL编程知识。在整个课程中，学生将被要求使用数据库管理系统。应用系统的基本能力，为数据库和数据分析与管理打下良好的基础。

2.2.2 专业核心课程

（1）警务信息搜集。通过教学课程的学习，了解警务信息采集的意义、特点、作用原理和采集方式；熟悉公安信息采集的重点是数据源的基本类型，如何获取以及如何具体获取。主要课程：警用信息采集概述、警用信息采集业务概述、社会信息采集概述、社会信息采集技术、网络信息采集、螺线型采集收录。

（2）文本分析技术。通过课程学习，学生掌握从文本中抽取特征词进行量化以表示文本信息的文本分析技术，通过将无结构化的原始文本转化为结构化的，计算机可以识别和处理的信息，从而根据后续的警务数据挖掘中的机器学习，分类聚类等算法，对文本进行深度分析处理。课程主要内容包括：用向量空间模型描述文本，将非结构化文本转化为结构化。

（3）Hadoop原理与实践。本课程能够让学生了解高效处理大量数据，与系统能够进行交互和通信的大数据平台，让学生掌握Hadoop的分布式存储底层支持与实现分布式并行任务处理的程序支持，对大数据平台的架构有基本认识。课程主要内容包括：对Hadoop整个技术体系进行全面讲解、Hadoop的安装与配置以及Hadoop的具体应用案例等。

（4）警务数据分析。通过该课程的教学，了解警务数据分析的基本理论；编写获取常用的数据分析与预测方法及其应用、数据分析与警务工作中的警务工作中的数据分析与警用。主要课程包括：警用数据分析、警用数据产品分析。

（5）警务数据挖掘。在整个教学过程中，首先是学习数据挖掘的工作原理、数据挖掘的整体结构和方法、数据预处理和数据挖掘的方法、基本的数据挖掘算法有关处理已公布的安全专业数据分析软件的应用，了解主数据的发展方向。在这里，课程知识重点是：基础算法、数据挖掘、基本概念与方法和警用数据挖掘的最新进展，能熟练利用好数据挖掘软件功能等。

（6）警务大数据决策。通过该课程的教学，了解警务大数据决策的含义、特征、意义和要求；掌握警务大数据决策的流程以及常用方法等。课程主要内容包括：警务大数据决策的基础理论、警务大数据决策的相关文书制作要求以及决策产品的整编方法等。

（7）警务信息管理与安全。通过教学大纲，了解警务信息化管理；掌握警务信息化管理的内容和意义。警务信息化管理大纲、警务信息化系统管理、警务信息化管理组织、警务信息化管理队伍、警务信息安全保障等。

（8）警务可视化分析。本课程的核心是开创性地使警务信息数据转化为可视化。可以利用工具进行数据可视化，对于教育中的课程数据可视化，懂其原理和方法。纵观本课程重点是：学习一种可视化数据的实际应用方式的基本理论和概念，对可视化系统应用与数据可视化的相关性。

2.2.3 集中实践

提高学生的专业技能，重点培养学生大数据分析和警务能力的实践、整合和处理能力，对警务数据的应用意识、职业道德和加强法制建设，培养、发现学生的问题，分析、改进和解决问题的方法，提高学生的专业技能、收集数据、撰写毕业论文的能力。

（1）警务信息搜集实训课程。实践过程中，要培养学生收集和利用数据的能力，充分发挥公安数据的价值和理论知识的实用性，使之有自学能力和创新能力，从而进一步加强警务处理能力，为后续专业课程数据实践打下坚实的基础。在本课程中重点培养学生的数据信息素养，把提高学生分析和解决问题的能力放在首位。课程做好：①利用信息采集的主题，尽可能地掌握各种来源的信息采集方法和手段；②掌握各种采集工具，能够在采集过程中尽可能地利用采集工具采集到的信息；③利用编程语言完成信息采集，利用编程语言进行自动化信息采集。

（2）警务数据分析实训课程。通过课程的实践，使学生掌握常用的数据分析方法和预测数据分析方法，掌握撰写分析成果的相关知识，数据分析结果帮助学生培养数据警务技术能力和技能。实训课程可以是：可将学生按5～7分为若干小组，互相合作使任务完成。每组事先计划，并对每组及个人表现考核。在最后一天作小组总结报告，为全体同学做总结，并结合考核评价个体和综合评价团队的表现，对小组的表现进行点评。

（3）数据警务技术综合实训课程。随着课程推进，综合大三下学期或大四阶段的开端教学进行综合实训课程，模拟现有的平台工具，实际利用学生热切期盼的科学知识研究，以教学、指点、解决为公安机关需要解决的问题，在公安科技大数据相关的实际警务工作中。

3 结语

综上，通过分析当前数据技术的专业人员严重短缺的实际情况，结合警务大数据的实际情况与需求，进行理论教学实践与课堂教学、课内课外活动不同环节的学习，达到教学目标与任务、警务与公共安全实践教学课程数据与设计技术、基于数据挖掘技术的公共安全信息培训，警务的复杂数据的可视化系统，应用高质量的公安警务教育技术培养出高水准的专业人员。