当前警务大数据建设存在的主要问题与对策

蔡佩玉

在信息社会背景下，大数据是公安工作创新发展的大引擎、培育战斗力生成的新增长点。警务大数据已经成为构成公安战斗力的重要因素，当前，全国的警务大数据建设正在如火如荼地进行着，也取得了令人瞩目的成绩，但在大数据建设中也存在着一些需要改进的问题。本文拟就当前警务大数据建设存在的主要问题做一些探讨。

一、当前警务大数据建设存在的主要问题

（一）警务大数据思维及大数据建设战略方面存在的问题

1. 警务大数据的战略思维和发展理念缺乏整体性系统性的思考

当前，我国对警务大数据理论研究仍处于起步和探索阶段，对警务大数据的重大理论问题的研究尚不够深入，警务大数据的战略思维和发展理念尚不够明晰，对警务大数据建设应如何定位和布局认识不统一，对大数据警务化建设的长期性、复杂性认识还不够充分，对怎样建设警务大数据等问题未彻底研究清楚，警务大数据警务化建设普遍缺乏整体性系统性思考，所以，各地的警务大数据建设存在着项目一哄而上，各部门各自为战，低水平重复建设，盲目跟风的现象，甚至将警务大数据建设作为其政绩工程，贪大求全，只重视表面工作，忽视对警务大数据实战价值的开发利用。

2.警务大数据建设模式先进性不足，实用性不佳

不少地方的公安机关对于大数据建设案例与实践经验缺少系统性总结和提炼，对警务大数据建设模式缺乏可持续性研究，警务大数据建设盲目追求硬件投资，重硬件投入轻软件开发，重具体应用轻统筹规划，公安信息化系统多、资源共享差、应用效率低，高端功能欠缺，如笔者在某市的调研中发现，截止2021 年6 月11 日，某市公安局现有104 个公安信息化系统，但相互存在壁垒，如拘留一名涉毒犯罪嫌疑人，需录入5 个不同系统，使民警的工作量大大增加，苦不堪言，工作起来也极为不便。某分局2018 年至2021 年5 月建有信息化平台22 个，但视频监控、交通智慧等平台兼容联动不够，未能发挥应有效能。所以，警务大数据建设在数据总量、存储能力和处理能力等方面未能形成整体合力，先进性不足，实用性不佳，难以形成规模效应，难以实现应用系统与公安工作的深度融合。

3.警务大数据建设尚未形成全警参与、全面铺开的局面

当前民警的大数据思维意识仍然比较薄弱，大数据应用思维不强，大多数民警认为大数据建设主要是科信部门的事情，与自身关系不大，警务工作仍然习惯于传统经验型的工作模式，在工作过程中仍然习惯于套入经验分析和单一因果关系分析的思维，对于一些案件的决策依旧习惯使用以往经验为王的工作模式。有些民警并不了解大数据方法和手段，对于大数据对当下公安工作的重要意义认识不足，对大数据能够给我们带来什么样的价值、警务工作哪些方面用得上大数据等知之甚少，信息化应用长期停留在数据录入、资料查询等浅表的层次，大数据应用的效率不高，层次偏低，警务大数据建设尚未形成全警参与、全面铺开的局面。

（二）警务大数据管理及运用方面存在的问题

1.警务大数据采集标准不统一，融合不充分，管理不规范，难以达到高效运用的目标

近年来，各地公安机关在警务大数据建设方面投入了大量人力物力，当前各地公安机关大多建立了以云计算技术为支撑的数据中心，各警种大都根据自身业务需求投入大量资金建设了自己的信息化系统。但由于欠缺统一的标准和管理规范，导致公安系统内部购置了大量不同品牌、型号的硬件存储设备，建设了类型各异的数据库，这些数据库分别由不同专网承载，在技术上采用不同厂商的技术方案，各个数据库各自为战，互通互联性差，系统融合度低，出现“功能相近多、重复录入多、运维单位多，标准数据少、信息加工少、动态反馈少”的“三多三少”现象[1]，不仅工作量巨大，也造成信息资源的极大浪费。与此同时，由于缺乏统一的采集标准，各部门对信息采集的标准和要求也不一样，在管理上也无法实现真正的统一，难以做到资源的统一调度，难以达到高效运用的目标。

2.警务大数据分析挖掘能力偏低，数据价值难以有效挖掘和利用

当前的警务大数据建设仍然处于探索的阶段，技术创新和支撑能力不足，大部分民警缺乏基本的数据处理能力，对于信息的录入大多只关注数据的简单存储，很少为后续的应用需求进行处理和排序，导致数据资源质量普遍较差，数据价值难以有效挖掘和利用。在数据分析方面，当前仍然缺乏高效统一的数据管理和分析专门平台，不同应用系统之间缺乏标准规范，一些系统没人教，部分应用系统重复录入、操作复杂、功能不全、人机交互差，对一些鲜活的第一手数据，未能实时进行关联分析研判；警务大数据技术部门与业务部门尚未形成双向互动、融合的工作机制。警种之间、行业之间、地区之间还存在比较严重的信息资源共享壁垒，这直接影响了对数据资源的分析与挖掘，使当前警务大数据应用的智能化水平总体偏低，应用效率还处于低层次水平，还不能完全满足公安实战的需要。

3. 公安信息化系统的运用与更新维护持续性投入不足

当前的警务大数据的建设应用方面仍缺乏相关的制度保障，在警务大数据的建设过程中，有些地方公安机关及相关部门在前期投入大量资金进行大数据硬件建设后，对于后期的合理运用、配套升级、更新维护等一系列问题无法及时保障到位，导致在实际应用过程中出现了诸多的问题，比如，一些系统建成后没有组织专门培训，存在着民警不懂用、不会用的现象，使投入巨资建设的大数据信息化系统成为摆设，造成资源的极大浪费；有些地方公安机关前期投入巨资建设了公安信息网络系统，但对大数据信息化系统的技术维护保障不到位，后期的更新维护跟不上，运维管理时效性难以保障，系统频频出现各种故障，使系统无法正常工作，难以发挥应有的作用。所以，公安信息化系统的运用与更新维护持续性投入不足，导致警务大数据建设应用效率不高，难以满足公安实战的需要，也严重地影响了公安机关的工作成效。

（三）警务大数据安全保障及人才建设方面存在的问题

1.警务大数据安全保障体系不够完善

当前，随着公安信息化建设不断深入，各级公安机关建设的各种类型的应用系统、网站、设备越来越多，形成了一个名副其实的 “巨系统”。这些系统存储的数据非常巨大，如何管理和保障这些信息的安全，是警务大数据建设的前提和关键要素。当前，由于我国的信息安全保障体系尚未完全建立，相关的法律法规不够配套和完善，主体责任不够明晰，对如何确保信息安全缺乏周全的考虑，比如：有些地方公安机关采用数据服务外包的方式，有些地方的公安机关直接采纳国内外信息技术开发和运营商的信息系统及解决方案，这必然造成极大的公安信息安全隐患。特别是，随着全球信息化的不断深入，多元数据关联、跨境数据流动大量增加，大数据系统存储结构、应用访问控制等越来越复杂，传统的大数据安全防范措施、平台安全防护机制、应用平台的访问控制手段等解决网络数据安全的手段已难以适配新的防范要求，导致警务大数据的安全难以得到有效的保障。还有必须引起重视的是，随着电子信息技术的不断深化，大数据安全将面临着更多新的挑战。如美国《纽约时报》2014 年1 月15 日曝光了美国网络战新技术量子项目，可入侵未联网的电脑、iPhone 和大型网络服务器，“量子”计划的诞生，意味着个人隐私的终结，全球信息安全陷入危机。

2. 警务大数据人才匮乏

由于大数据人才需要较为全面地掌握数学、统计、计算机等相关学科和应用领域等方面的综合知识，需要具有数据库、网络、系统开发、编程、云计算、系统分析、数据挖掘等专业背景，对综合知识和专业能力的要求都很高，所以，现阶段在我国乃至全世界的大数据人才短缺都十分严重。根据麦肯锡公司报告显示，2018 年美国大数据高级分析专家人才缺口高达19 万，企业对具有大数据分析并有效决策的经理和分析师人才需求达到150 万[2]。根据猎聘《2019 年中国AI&大数据人才就业趋势报告》显示，我国当前大数据人才需求呈现爆发式增长态势，中国大数据人才缺口高达150 万。清华大学计算机系教授武永卫曾言：中国当下数据人才约有30 万，未来3-5 年人才需求量将达到180 万。而且我国当前的大数据人才主要集中在互联网、电子通信、机械制造和金融行业，大部分公安机关尚未建立专门的大数据人才专业队伍，对于大数据专业人才的重点招录还没有引起足够的重视，同时缺乏大数据人才选拔、培养和聘用的可持续发展长效机制，与相关的配套的制度体系也尚未完善，导致警务大数据专业人才十分匮乏，公安机关的大数据人才缺口相当严重。

二、完善警务大数据建设的对策建议

(一）针对大数据思维及建设战略方面存在的问题

公安机关要站在战略的高度，以前瞻的思维、发展的理念和系统的方法来应对大数据，具体应从以下几方面着力：

1.强化警务大数据建设整体性系统性思考，加强顶层设计，制定大数据发展规划

2019 年12 月27 日，公安部赵克志部长在全国公安科技信息化暨大数据智能化建设工作会议中指出，要把大数据智能化建设作为科技兴警的重要抓手，坚持统筹规划，加强顶层设计，深化基础建设，强化实战应用。所以，在警务大数据的建设过程中，必须首先明确大数据发展理念，理清思路，强化警务大数据建设的整体性系统性思考，制定警务大数据发展整体规划，依照赵克志部长在全国公安科技信息化暨大数据智能化建设工作会议上提出的“统一运行网络、统一基础设施、统一数据资源、统一服务平台、统一安全策略、统一标准规范”的基本要求研究制定警务大数据战略发展整体规划，编制实施路线图，明确具体任务，并分步启动、分步实施推进，并在实战中不断予以调整和补充完善。

2.进一步强化警务大数据建设模式的可持续性研究，不断促进各应用系统与公安工作的深度融合

针对当前警务大数据建设先进性不足、实用性不强的问题，要严格依照赵克志部长在2018 年召开的全国公安厅局长会议讲话中提出的大数据建设“要坚持集约化建设原则，坚持融合式发展思路，打破部门警种壁垒，打通交换共享渠道，集聚优质资源，推进开放共享，努力实现数据规模效益和价值最大化”等要求，进一步强化警务大数据建设模式的可持续性研究，及时地对大数据建设案例与实践经验进行系统性的总结和提炼，及时发现存在的问题与不足，并根据实战需要及时地予以调整和补充完善，努力破解当前公安机关信息系统多、资源共享差、应用效率低等瓶颈性问题，构建全警采集、全警维护、全警应用、全警受益的大数据警务工作模式，不断促进各应用系统与公安工作的深度融合，使警务大数据在公安实战中能够充公发挥其最大的价值。

3.进一步强化民警的大数据思维意识的培养

针对当前民警的大数据意识普遍比较薄弱等问题，应进一步强化对民警大数据思维意识的培养，采取有效措施促使大数据警务的相关理念深入到各级领导及每一位民警的心中，具体可从以下两个方面入手：

第一，培养和引导民警养成大数据的思维习惯。要教会民警如何理性面对海量、混杂的大数据，教会民警学会如何从宏观的视角看待大数据，及时发现藏匿在大数据深处的价值，使民警充分认识到大数据对于公安工作的重大意义，从而在工作中逐渐养成大数据思维的习惯。

第二，教会民警养成大数据的思维方式方法。习近平总书记在全国公安工作会议上的讲话中指出，“要把大数据作为推动公安工作创新发展的大引擎、培育战斗力生成新的增长点，全面助推公安工作质量变革、效率变革、动力变革。”所以，如何教会民警养成大数据的思维方式方法是当前公安工作必须解决的重要问题。当前可以结合民警的工作实际和需求，通过大数据赋能警务，以大数据为支撑，首先通过各种“小平台”、“小应用”，让民警逐步习惯大数据的工作模式，进而再通过变“小平台”为“大舞台”，以“小应用”撬动“大变革”，让民警进一步掌握大数据的思维方式方法，在工作中更加主动地去接受大数据、拥抱大数据，运用大数据，自觉去学习和应用各个警务综合应用平台等信息化系统，主动跟上大数据时代技术应用发展的脚步。

(二）针对警务大数据管理及运用方面存在的问题

1. 明确数据采集标准，强化数据资源采集与开放共享

数据标准化是数据治理的核心，也是警务大数据建设的重要支撑和保障。针对当前警务大数据采集标准不统一、融合不充分、管理不规范等问题，应重点做好以下几个方面的工作：

（1）优化采集机制，明确采集规范，多渠道、多角度强化信息采集工作

在警务大数据的应用过程中，基础数据信息采集是基本的前提。针对当前警务大数据在数据采集方面存在的信息采集标准不统一、采集格式不规范、信息内容不完整、不准确、信息更新不及时等诸多问题，必须多渠道、多角度强化信息采集工作，建立数据采集长效机制，制定统一的源头信息采集目录和标准，统一规范采集流程。基础信息采录工作要积极顺应多样采录、海量采录、自动采录的新趋势，按照“松绑减负与提质增效并重、传统方式与科技手段并举”的思路，用好物联网的传感技术和数据处理技术，实现对各类治安要素实时信息采集和智能处理[3]，最终达到“应采尽采、即采即录；一次采录、全网通用；一次变更、全警更新”的效果。

（2）进一步整合和优化数据资源，加快推进数据流、业务流、管理流的交流融合

第一，要整合现有信息系统和平台

在公安信息化建设过程中，各地公安机关、各警种根据工作需要曾经建设了大量的信息系统和平台，这些系统和平台在公安工作中发挥了重要作用，如果将这些系统全部弃之不用，势必造成极大的浪费，所以，在警务云的建设过程中，应当将一些适合整合到云上的老的业务系统进行软硬件升级改造，然后逐步迁移上云，以扩大警务云的数据资源。一些业务系统因为保密等原因暂时不适合迁移上警务云的，可以通过技术接口和权限管理，与警务云平行过渡，有序对接，确保数据安全共享，充分发挥“云上”和“云下”的信息系统和平台的资源共享和服务。

第二，要整合社会信息资源

要建立数据共享机制，可以通过网络化、行政信息内容化和采购化等方式汇集公安信息资源、政府信息资源、社会企事业信息资源，将社会上的有用数据整合到公安数据系统内，形成跨部门、跨层级、跨地域、跨警种的信息共享服务体系，为全警提供查询比对、数据加工、信息订阅、定制推送、分布式应用等精细化服务，使民警在一个平台便可共享获取全省、乃至全国的数据资源，实现大数据应用的规模化效应，发挥数据效益最大化。

第三，要加快推进数据流、业务流、管理流的交流融合

近年来，全国各地公安机关在整合和优化数据资源，加快推进数据流、业务流、管理流的交流融合方面也做了大量实践和探索，如浙江公安机关开启了以数据大整合、大融合、大应用为标志的 “智慧浙江公安”建设；杭州警方建成杭州公安智慧警务云；山东警方建设了山东警务云计算中心，并正式开通实战应用工具山东 “警务千度”，广东警方建成了警务大数据智能化应用“全省一片云”。近来，湖南公安按照“各部门只有一个平台，全警共用一个门户，全警统一按需授权”原则，实施了业务融合工程，通过整合归并警种部门业务，梳理确定新型公安业务应用域，实现了数据流、业务流、管理流的交流融合[4]。实践证明，这些措施大大地提升了当地公安机关维护国家安全和社会稳定的能力与水平，取得了明显的效果，具有很好的借鉴作用。在全国的范围内，各省市之间还可以通过达成数据共享协议，以实体数据为主要交换内容，相互授权，根据公安实战的需要进行数据交流和交换合作，从而实现警务大数据在全国范围的交流融合。

（3）进一步完善警务大数据资源配套管理机制，制定信息化建设项目管理规范，统一公安数据标准

第一，要坚持数据“源头治理”和“集中治理”相结合，按照“数据资源化、资源目录化、目录全局化、全局标准化”思路，建立数据标准管理体系，实现对数据资源采集、传输、存储、利用、开放的规范管理。

第二，要改变当前大数据建设中硬件、软件和数据建设相互割裂的局面，建立强制性的标准检测机制，对于警务大数据各建设项目进行全面的核查筛选，对于不符合标准规范的信息化项目不得立项、不得通过验收、不得上线运行。对于已建系统，按照“谁开发、谁改造”的原则，进行数据标准化改造，确保采集的大数据符合公安数据元标准。

第三，要对入库的海量数据进行全面分类、清洗、标注，建立数据全生命周期管理机制，实现数据资源有效分流合流，实现数据价值最大化。

（4）从政策层面入手，进一步完善公安内外部大数据政策指导和管理体系，建立和完善数据开放和联通共享等方面的规章制度

赵克志部长在我国公安科技信息化暨大数据智能化建设工作会议上的讲话中明确指出：要加快数据融合，把数据资源汇聚共享作为大数据智能化建设的基础工程来抓，进一步打通数据融合渠道，打破数据“孤岛”，积极推进联通共享的大数据平台建设，加快形成覆盖全警、统筹利用的数据信息资源服务体系。所以，应从政策层面入手，打破省市县际公安机关的信息封锁，建立和完善数据开放和联通共享等方面的规章制度，强化数据整合，推动并不断优化信息协作共享机制，在网络传输方面实现“全网域整合共享”，在地区建设方面可实现“全省共建共享”，在业务云方面实现“全警共建共享”。

2. 强化大数据建设和研发的力度，充分挖掘和进一步提升数据的价值

大数据的核心不是数据! 大数据的价值在于分析[5]。所以，能否对收集到的大数据进行有效分析，切实为公安实战服务，是衡量警务大数据警务化建设成功与否的关键因素。针对当前在大数据应用上存在的数据分析挖掘能力偏低，技术创新和支撑能力不足，数据价值难以有效挖掘和利用等问题,应进一步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，进一步提高数据深度开发能力，推动大数据智能化高端应用，具体可从以下几方面着手：

（1）针对大数据应用系统重复录入、操作复杂、功能不全、人机交互差等问题，要优化数据中心技术架构，进一步建设并优化好面向全警的“警务云计算平台”。具体要做好以下两个方面的工作：

首先，要通过云平台搭载大数据，多维汇聚信息数据，丰富数据中心数据资源。

其次，要统一数据格式和标准以及数据接口，以保证各类数据向公安数据中心汇集，保证不同部门不同业务对不同数据的应用，实现数据按需提供使用，达到了“全数据共治”、“云数据共用”[6]的效果，切实提高公安工作的成效。

（2）针对技术创新和支撑能力不足，分析挖掘能力偏低等问题，应密切跟踪并积极运用最新技术成果，不断进行创新应用研究，提高数据深度开发能力，更好地为公安实战服务。具体可从以下几方面入手：

第一，要完善信息展现功能，使其具备自动关联比对、虚假信息排除、数据动态更新等功能，提高数据的全面性、真实性、准确性，以解决数据资源质量普遍较差，数据价值难以有效挖掘和利用的难题。

第二，要加强实战算法研究，注重开发适合实战的个性化应用，通过算法创新，提高数据挖掘、比对、分析的速度和价值密度，实现超前预警，及时处置，最大限度地发挥大数据在公安工作中作用和价值，不断推动公安传统的警务向现代智慧警务的转变，在整体上提升警务工作的质量和水平。

第三，要进一步优化大数据分析方法，利用知识图谱技术，建设公安知识图谱，构建全国实体及实体关系库，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[7]，最大化地挖掘并释放大数据的巨大的价值。

3. 推进运维改革，完善运维管理，确保大数据系统的实时性、持续性和稳定性。

大数据信息化系统的实时性、持续性和稳定性是大数据应用的“生命线”。在大数据时代，数据中心作为数据、信息高度集成场所，其数据承载要求随时变化，数据量指数不断增加，所以，必须及时地对系统进行升级与更新，随时对大数据系统进行运维管理，才能确保大数据系统的实时性、持续性和稳定性。针对当前警务大数据在大数据系统持续性更新与运维方面存在的问题，各级公安机关必须积极适应大数据技术的需求，大力推进运维改革。具体可从以下两方面入手：

第一，开展运维体系改革，实行“一体化”运维模式。要加快传统设备的升级改造，优化运维流程，构建自动化数据中心运维管理平台，实行“一体化”运维模式，实现运维配置、变更、发布、事件、问题和绩效考核等核心流程的规范化管理，使运维工作实时化、标准化、专业化、模块化、智能化和流程化，并可以根据实际情况进行针对性处理，确保数据信息实时化的更新和持续化的共享。

第二，进一步完善运维管理制度。要采取有效措施，大力引进和培养大数据运维管理专业人才，定期开展专业知识技能培训，大力引进、积极引进先进的运维技术，制定并不断完善运维管理制度，不断对现有的运维技术进行持续性的更新，以适应信息技术不断升级换代所产生的影响，提升整体的运维管理水平和技术应用水平，同时还可与相关专业运维技术公司合作，必要时引入外部专业技术力量，提供集中专业的运维服务。

（三）针对大数据安全保障方面存在的问题

1.进一步完善大数据安全保障法律法规体系

数据安全与国家安全、公共安全、个人信息安全等问题息息相关，所以，应通过刚性的法律制度来保证大数据的合理应用，2021 年6 月10 日，十三届全国人大常委会第二十九次会议表决通过，2021 年9 月1 日起施行《数据安全法》，明确了数据交易在国家大数据战略中的法律地位，对于数据使用的监督和管理做了一些原则性的规定，给警务大数据安全保障指明了方向和提供了法定的保障，在下一步的贯彻实施过程中，仍需要根据公安工作的实际情况不断地进行优化细化，制定相关的实施细则和相关配套法规，明确有关主体责任和职责要求，进一步完善大数据安全保障法律法规体系，使警务大数据的安全保障能真正落到实处。

2.聚焦“大安全”，构建完善的信息安全保障体系

要把安全技术保障与系统建设同步设计、同步规划、同步实施、同步检查，严守安全底线，严防风险隐患，具体要做好以下工作：

（1）全面构建并不断强化安全技术体系建设

要不断完善网络安全基础设施、不断完善身份认证和授权管理系统、以身份为中心实现设备、用户、应用和系统的全面身份化，通过统一认证、动态鉴权实现身份授权及精细化访问控制，构建一站式数据交易安全能力矩阵，切实保障数据交易安全智能管控的“可视化、可量化、可感知、可追溯、可管控”[8]，同时还能提供相应的威胁预警及应急响应等数据交易安全支撑服务，实现数据在加工、共享、交易、流转等过程的全生命周期合规、合法，全面打造完善的网络边界安全管控体系和警务云安全保障体系。

（2）强化网络和信息安全管理工作

要建立以等级保护为基础，安全运维、安全监测、专项检查、运行考核、安全通报等为核心的公安信息网日常网络安全工作机制，健全网络安全等级保护制度和通报预警机制，完善综合防御体系，明确数据资源使用层级、流程管理、日常监督、责任追究等机制，确保数据资源依法合规地进行研判和运用。要加强对数据资源整合运用的规划设计、方案编制、招投标、合同签署、建设实施、运营运维、对外宣传等环节的安全保密管理，严格网络软硬件设备注册申报和注销制度，定期进行系统加固、补丁升级、漏洞修复、病毒查杀等安全维护工作，适时组织网络安全攻防测试，始终保证数据不丢、网络不断、系统不瘫，确保数据绝对安全。

3. 加大投入，积极推进大数据核心技术的研发

针对有些城市公安机关直接采纳国外信息技术开发和运营商的信息系统及解决方案，造成的公安信息安全隐患，当前，应加大投入，大力研发警务大数据技术，积极推进公安机关的数据技术和数据系统的自主研究和开发，不断缩小我国与国外先进国家在海量数据分析、分布式计算、数据可视化等一些大数据核心技术和关键技术上的差距，尽可能做到公安机关的数据技术和数据系统国产化，把“数据主权”牢牢掌握在自己手里，从根本上解决数据安全问题。

（四）针对人才短缺问题

大数据人才是支撑大数据发展的关键要素之一，警务大数据建设离不开警务大数据技术大才的支撑。针对当前警务大数据人才极为短缺的问题，应建立并不断优化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，具体可从以下几方面入手：

1.建立和完善大数据专业人才招录和引进机制

要把大数据相关专业人才作为招录重点，着力加强对数据分析、软件开发、视频应用等警务大数据有关专业技术人才的引进，不断提升本单位科技信息化人才比率。同时，要转变人才选拔模式，完善相关的人才引进机制，制定相应的优惠政策，将大数据方面的“专家人才”、“领军人才”引进公安队伍；可推行公安数据工程师资格认证制度[9]，根据资格认证的级别给予相应的待遇，保证此类人才“进得来、留得住、用得好”。

2.完善大数据专业人才培养机制

（1）构建公安数据人才联合培养机制

公安数据专业人才培养，涉及公安学、统计学、计算机科学与技术、管理学和系统科学等多学科、多专业的交叉融合，应依托公安院校或委托地方高校及科研院所，利用高校的师资力量和科研院所的专业技术力量，构建警务大数据人才联合培养机制。

（2）不断强化常态化的大数据应用培训

要将全警的警务大数据应用培训列入民警全年培训计划，通过召开各类系统应用普及培训会、宣讲演示、分批集中培训、跟班作业、技术帮传教下基层活动等多种方式，将新系统的使用方法及注意事项及时传达至相关民警，不断提高民警大数据深度应用水平。

（3）建立和完善相关激励机制，“以考促学”、“以奖促研”，实现大数据专业人才的可持续发展

要在全警大力普及新科技、新知识，积极开展全警“科技大练兵”、“技术大比武”，“以考促学”、“以奖促研”，建立警务大数据建设相关激励机制，激励民警自觉学习和钻研大数据，鼓励开设民警警务科技创新工作室，鼓励民警开发各类小应用、小创新，着力练就民警善于获取数据、分析数据、运用数据的基本功。与此同时，还可参照国内有些地方的做法，开展众智众筹工程[10]。通过开展技术众筹、数据模型众筹、应用众筹等方式，引导民警结合实战需求运用大数据思维进行警务创新，不断孵化出更简单方便、更贴近实战的警务微应用，进一步实现大数据专业人才的可持续发展。

3.探索建立科学适用的大数据人才共享机制

要树立“大信息化”理念，盘活大数据人才资源，构建全方位的大数据人才库，通过人才共享机制做大人才“增量”，采取人才共享的方式在各警种进行大数据人才布点，再由信息化部门按照需要统一调配。与此同时，进一步加强与高科技企业、高校、科研院所的联系，建立大数据人才数据库和大数据人才需求库，促进大数据人才资源与用人主体的快速匹配和精确有效对接，以便公安机关在必要时可以随时借用或调用其技术力量进行技术攻坚，进一步提高公安工作的效能。