从因果到相关

摘要：为有效应对日益复杂的犯罪模式和海量数据带来的挑战，大数据背景下侦查思维正经历一场深刻的变革。因果性侦查思维已经难以同步跟上犯罪模式的变化速度，其与现实情境之间出现“相位差”，正在向相关性思维转变，强调从海量数据中发现潜在关联，实现从数据洞察到决策行动的高效转化。虽然相关性思维在处理复杂数据关系上展现出优势，但因果性思维在确保侦查逻辑的严谨性和证据的完整性方面仍具有不可替代的价值。因此，大数据侦查思维应运而生，它巧妙地结合了两种思维模式，既追求数据驱动的洞察力，又保证了推理的逻辑连贯性，不仅能够提升侦查效率，促进侦查工作的现代化和智能化，还为实现数字化治理提供了新的视角和策略。

关键词：大数据；侦查思维；因果性；相关性；数字化社会治理

中图分类号：C91-0;D925.2文献标识码：A文章编号：2095-6916（2024）18-0050-05

From Causation to Correlation

—the Transformation of Investigative Thinking in the Context of Big Data

Shi Teng

（School of Criminal Justice， China University of Political Science and Law， Beijing 100088）

Abstract： In order to effectively respond to the challenges posed by increasingly complicated crime patterns and massive amounts of data， we are transforming investigative thinking in the context of big data. There is a “phase gap” between causal investigative thinking and real-life situations， meaning that existing modes of thinking are unable to catch the pace of the changes in crime patterns. Causal investigative thinking， therefore， is shifting towards a correlative one， which emphasizes the discovery of potential links from large amounts of data and the efficient transformation from data insight to decision-making action. Although correlation thinking shows advantages in dealing with complex data relationships， causal thinking is still of irreplaceable value in ensuring the rigor of investigative logic and the integrity of evidence. Consequently， big data investigative thinking has emerged， which skillfully combines the two modes of thinking， pursuing data-driven insights while ensuring logical coherence of reasoning. Big data investigative thinking G+atqiXS9QJqAoHly4zvxl4T5WlaL4F34L/3Qgr/ReI=not only enhances investigative efficiency and promotes the modernization and intelligence of investigation， but also provides new perspectives and strategies for the realization of digital governance.

Keywords： big data; investigative thinking; causation; correlation; digital social governance

置身信息时代，万物的数据化进程激发出庞大的数据资源，大数据技术在打击犯罪与社会治理中具有重大前景。随着2012年联合国发布《大数据政务白皮书》，指出大数据对于联合国和各国政府都是一个历史性机遇。我国2013年正式步入大数据时代［1］，2019年习近平总书记提出“要把大数据作为推动公安工作创新发展的大引擎”［2］，2024年公安部强调构建以“专业+机制+大数据”为基础的新型警务运行模式，构建数字化侦查新模式［3］。可见，大数据对提升新质公安战斗力，推动侦查工作高质量发展，推进警务工作现代化跃入新阶段具有重要意义。

康德在《纯粹理性批判》一书中认为，我们的认知结构（如时间和空间的概念）是先验的，它们构成了我们理解世界的框架。这意味着我们如何感知和理解世界，以及随后的实践行为，都受制于这些先验的认知框架。在侦查活动中，侦查破案过程就是认识过程［4］，认识是侦查主体对于被认识客体的能动反应，是通过侦查主体的思维活动实现的。侦查主体的思维分析能力决定其对犯罪的认识，同时影响侦查目的、侦查决策和侦查行为，从而在宏观和微观上指导侦查实践。但随着技术发展和犯罪演变，侦查主体的思维与侦查认识客体出现“相位差”在物理学和电子工程中，两个周期信号之间的相位差表示它们在时间上的偏移量。。侦查思维的本质是回溯性的推理活动，其中因果关系和相关关系贯穿推理活动的全过程。故本文从因果关系与相关关系这一核心概念切入，通过论证因果性侦查思维演变的内在逻辑，进而重构大数据侦查思维，提出大数据侦查思维指导下的实践路径，这对充分发挥侦查思维对侦查工作的指导作用，开展智能警务和数字治理具有重要意义。

一、因果性侦查思维转型的内在逻辑

（一）因果性侦查思维的认知基础

侦查是国家法定机关在办理刑事案件过程中，为收集犯罪证据和查获犯罪人而依法进行的专门性调查工作和有关强制性措施［5］。犯罪是侦查的前置条件，也就是说，犯罪是侦查的原因，侦查是犯罪的结果。犯罪活动是从原因（犯罪动机）到结果（犯罪后果）的先后进程，是多重因素作用下环环相扣的因果链条。侦查活动则是通过“回溯”推理的方式，逐步发现犯罪结果（犯罪后果）到原因（犯罪动机）这一“由果到因”的因果关系，最终发现犯罪的因果链条。因果性侦查思维是指在可认知数据有限的历史时期，侦查活动依赖于侦查人员自身水平，因果关系为唯一认知犯罪过程的方式和观念。

（二）因果性侦查思维的价值

1.激发侦查智慧

因果性侦查思维不断地激发“人”的侦查智慧，实现侦查思维创新。侦查谋略是侦查主体自发创造的，运用奇谋良策的价值与能量往往难以衡量。正如唐代赵蕤所著的《反经》中有言“一策而转危局。一语而退千军，一计而平骚乱，数言而定国基”［6］。其中，因果性侦查思维依靠“人”作为认识主体。侦查活动的开展依托于侦查主体对犯罪的认识，只有“人”的思维能认识勘查现场以及证人证言证物，并将其转化为犯罪规律，进而形成完整的证据链。没有“人”的自主控制，“机器”无法独立搜集整理海量线索和物证，确定侦查方向，组织侦查人员采取侦查措施。即使随着人工智能的快速应用，人工智能可以辅助侦查人员完成部分侦查工作。前提是“人”作为认知主体主导这一侦查工作。

2.深厚的理论基础

反复的侦查实践中形成因果性侦查思维。侦查思维并非与生俱来，而是通过侦查实践内化植入侦查主体的思维。侦查主体如果想将案件的结构、特征和运动变化规律内化成为因果性侦查思维，就需要一个能将案件和个体的精神世界链接的媒介，侦查实践充当这个媒介。因果性侦查思维在反复的侦查实践中得到发展和突破。随着侦查内容的不断丰富，侦查方法趋于多元化，以及侦查程序愈加严格，因果性侦查思维指导下的侦查活动遭受质疑，质疑催生因果性侦查思维在因果关系的框架内迭代进步。如“同一认定”原理，20世纪20年代苏联学者波塔波夫的论著中首次系统阐释后［7］，“同一认定”的形式随着时代变化不断产生新的变体，但基本理论却始终适应侦查活动。

（三）大数据时代因果性侦查思维转型之必然性

1.相关关系赋能传统犯罪侦查实现重大突破

传统侦查活动中，侦查主体在认知上忽视相关关系。何谓相关关系，“大数据之父”舍恩伯格说；“相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，另一个数据值很有可能也会随之增加。”［8］83其实相关关系在侦查活动中早有运用，比如并联案件中，寻找案件之间的共同特征，通过一致或者相似的案件特征将这些案件化零为整，聚焦为一个案子完成侦破。2014年甘肃城关地区的系列盗窃案侦破过程中［9］，当地警方研判出一系列独立的盗窃案件作案手法、受害人描述、现场遗留物证等多维度信息具有相关性，锁定犯罪嫌疑人陈某，进而破获了分布广泛的20余起关联案件。相关性分析是核心思维，它帮助警方超越了单个案件的局限，实现了对整个犯罪网络的宏观把握。

忽视是出于相关关系的时代局限性。相关性侦查思维相较于因果性侦查思维缺乏逻辑上的严谨性，实务层面易造成冤假错案，规范层面与现行法律无法调和。因为相关关系仅表明两件事在统计上或表面上有所联系，并不能自动证明其中一件是另一件的原因。呼格吉勒图案［10］就是一桩基于相关关系进行侦查结果导致的冤假错案。1996年内蒙古呼和浩特发生一起女子被强奸杀害案，呼格吉勒图作为报案人之一，但警方却认为凶手在案发地出现过，呼格吉勒图也在那里出现了，就将他锁定为嫌疑人。

但是，大数据技术弥补了相关性的时代局限性，为传统犯罪的侦破开创新局面。公安机关所实施的“团圆”系统及行动提供了有力的实证。针对打击拐卖妇女儿童这一传统犯罪类型，自2016年“团圆”系统上线至2021年3月的五年间，利用大数据分析和比对技术，寻回新近失踪儿童4 781名，找回率高达98.1%。公安机关2021年启动的“团圆”行动中，半年时间内，找回历年失踪儿童2 609名［11］。

2.数字浪潮下新型犯罪催生侦查思维重塑

第一，犯罪空间虚拟化，因果性侦查思维难以适应。首先，犯罪地点从单一的“线下空间”拓展为“线上线下”的交互过程［12］。网络诈骗、黑客攻击、数字版权侵犯等新型犯罪层出不穷，这些犯罪行为不再受制于物理界限，可以瞬间跨越国界，难以定位犯罪发生的具体时空。其次，在实体犯罪中，因果关系相对直接，作案动机、行为实施和结果产生之间形成了一条较为清晰的因果链。但在虚拟空间中，因果关系变得更加复杂和间接。一次网络攻击可能源于远程服务器，由自动化程序执行，其背后的操纵者身份不明，导致很难直接侦查出犯罪行为与犯罪人的对应关系。此外，虚拟空间中证据是分散的、碎片化的，甚至以数字形式存在，如IP地址、加密数据、数字签名等，这些证据的获取和解读需要高度的技术能力和特定的工具，传统的线性证据链分析方法难以应对。

第二，涉案数据海量化，相关性侦查思维彰显优势。网络涉众型经济犯罪因其复杂性和规模庞大，确实给传统的侦查手段带来了前所未有的挑战。这类犯罪往往涉及成千上万的受害者，数以亿计的资金流动，以及错综复杂的关系网络，仅凭人力无法完成。然而，通过应用先进的数学建模和数据分析系统，执法部门能够以一种前所未有的效率和精确度来处理这些海量数据。比如，通过构建犯罪团伙之间的联系图谱，可以直观地揭示出核心成员、资金流转路径和关键节点。利用机器学习中的聚类技术，可以自动将相似的行为模式或资金流动归类，帮助侦查人员迅速识别出潜在的犯罪集群或异常交易模式。

二、相关性与因果性并重的大数据侦查思维

（一）大数据侦查思维中相关性的探索

大数据（big date）是随着计算机与互联网的发展所伴生的产物。大数据思维，则是借助大数据相关技术，来解决客观现实问题的大脑思维方式。大数据侦查思维依托于大数据技术的强大处理能力，强调从海量多源数据中提取、分析和挖掘信息，以数据驱动的方式指导侦查决策。它重视数据之间的相关性，利用预测性分析揭示犯罪趋势，通过全面性分析拓宽侦查视野，并在法律和伦理框架内，实现对犯罪更精准、更高效的打击与预防。大数据侦查思维是将先进的侦查技术融入传统侦查思维，孕育出一种全新的认知和分析模式的侦查方法论。

大数据侦查思维体现了唯物辩证法对事物客观、全面、整体、系统性的认识和把握［13］，它强调数据之间的相关性，而非因果关系。大数据思维的核心特点是追求相关关系。相关性是两个集合或多个集合组成元素之间的“有序对”，或通俗来说，是一些对应关系：多一对应，一多对应，一一对应的关系［14］。而因果关系则是事物之间逻辑的递进推演关系。因果关系和相关关系二者侧重点不同，相关关系侧重同时对应，因果关系则强调逻辑的前后。比如，以单身女性的家为犯罪现场（该女性并不抽烟，家中也没有来过抽烟的人），现场勘查人员发现了“黄鹤楼”品牌的香烟烟蒂，侦查人员则推断出犯罪人抽烟，因为人抽烟才会有烟蒂，犯罪现场发现烟蒂，说明犯罪人抽烟。这是基于因果关系进行的推断。但是，如果侦查主体推断出犯罪嫌疑人可能是湖北人，因为“黄鹤楼”是湖北生产的香烟。这一推断就是基于相关关系，因为在侦查主体看来，很多湖北人都爱抽“黄鹤楼”品牌的香烟。

大数据背景下相关性摆脱了时代局限性。由于数据量的大幅增加和复杂性的提升，因果关系的寻找更为困难。案件的时效性和计算能力的限制促使侦查人员注重相关性，以便于迅速做出决策。数据的非线性和动态性支持通过相关性发现未被注意到的犯罪模式和案件联系，不断碰撞出新的侦查智慧。此外，预测能力的增强表明，即使在缺乏确切因果关系的情况下，相关性分析也能有效地建立预测模型。因果关系的不确定性和多领域应用的适用性也进一步支持了相关性分析的实用性。

（二）因果性在大数据侦查思维中的不可替代性

《大数据时代》一书里所说：知道“是什么”就够了，没必要知道“为什么”。在大数据时代，我们不必非得知道现象背后的原因，而是要让数据自己“发声”［8］83。大数据技术使得侦查人员能够发现和利用数据之间的相关性，为犯罪侦查提供新的视角和线索。然而，这并不排除对因果关系的深入探究。因果性在侦查活动中发挥着独有的作用，并与现行法律规则相适配。因果性遵循线性因果逻辑，从已知事实出发，逐步推导出犯罪的原因和过程。这种思维模式以证据为中心，强调物理证据如指纹、DNA、足迹等的收集和分析。侦查工作主要依靠人工审查和分析，侦查人员对证据和信息进行细致地筛选和解读。现场勘查、证据收集、询问和讯问等侦查措施都遵循法定的程序和步骤。

大数据侦查思维促使我们从因果逻辑转向探索数据间的相关性，从追求数据的确定性到接受数据的容错性，从依赖抽样分析到采用全样本数据的理解。首先，这种思维模式的转变有助于实现对案件的全面性分析，提高侦查的细致度和准确性。其次，它还能使侦查工作更加动态，实时响应数据的变化。此外，预测是大数据的核心［15］，通过历史数据分析进行犯罪预测，实现从被动应对到主动预防的转变。

三、大数据侦查思维的实践路径创新

（一）数据量为认知基础

1.相关性下的海量要求。在大数据侦查中，由于需要处理来自各种来源的海量数据，如社交媒体、金融交易、电信记录、网络流量、视频监控等，大数据侦查中的数据往往会达到“TB”甚至是“PB”的海量级别［16］。而在同一层级的数据仓库内，数据量无法进行统计。可见，大数据提供了全景式侦查的可能性。大数据时代，万物数据化为全景式侦查提供了可能。全景式侦查思维意味着侦查活动试图全面收集和分析与案件相关的所有信息。

2.因果性下的精准要求。大数据背景下，有观点认为，由于数据量的大幅增加，对数据的精确性要求可以相对降低。然而，侦查工作对数据精确性的要求极高，侦查活动需要准确可靠的数据来确立证据和推导事实，错误的数据可能导致错误的侦查方向或冤假错案。例如，亚利桑那州的一名男子被错误地指控谋杀，他把自己的汽车和一部旧电话借给了一位熟人，这位熟人后来因犯罪而被捕［17］。美国警方这起谋杀案件中，就是因为错误地将数据与人通过因果性进行链接，才导致冤假错案。

（二）数据仓库为侦查场域

数据仓库作为侦查活动的底层数据池，承载着从不同来源收集的海量数据。数据仓库是一个全主题面向的进行数据收集、数据分析和数据整理的物理框架［14］。在大数据侦查思维中，数据仓库成为侦查人员探索犯罪线索和证据的关键平台。

1.通过相关性精准锁定。侦查人员可以通过设置“案发时间”“涉案地点”“涉案特征”和“涉案类型”等不同的维度，进行分类，也可以通过数据仓库内的查询功能，识别看似无关的数据集之间的关联性。例如，通过分析银行交易记录、电话通信记录和社交媒体活动，可以揭示犯罪嫌疑人的社交网络和资金流动情况。通过对数百万条银行转账记录的交叉比对，可以识别出异常的金融交易模式，破获大型洗钱类案件。

2.通过因果性层次递进。确认数据间的相关性后，再通过因果关系分析事件背后的动机和机制。因果性分析有助于侦查人员从表面现象深入到问题的本质，通过建立假设和验证过程，逐步构建出完整的犯罪图谱。如侦查人员通过分析毒品交易的地理分布和时间序列数据，可以推测特定地区毒品泛滥的原因。

（三）算法帮助实现数据处理

大数据驱动的侦查过程就是算法过程［18］，算法是基于行为规律的“数据化”规律延伸［12］。算法的底层逻辑与侦查思维具有一致性，算法是在大量的数据中找到符合指令的数据进行数据输出，而侦查思维中要求在混乱无序的犯罪现场找到与案件相关的线索和证据。二者底层规律的一致性保证了大数据技术在与侦查融合时不会产生排斥反应。算法是大数据侦查的工具，算法分析则是大数据侦查思维的分析工具。

传统人工无力分析海量数据，而专业的智能大数据算法具备这个能力。以月为单位的监控视频中想要筛选出犯罪嫌疑人的相关数据，让侦查人员手工逐帧分析无异于大海捞针（虽然在算法工具未能普及的时候，侦查人员只能这么做），这种“熬鹰”式的做法，不仅效率低下，错误率高，对侦查人员的身心都是巨大的伤害。但如果运用文本分析，人像识别，数据挖掘等先进的算法工具，则能高效完成数据的处理工作，释放警力资源。

（四）数据可视化为最终形态

大数据侦查的目的是挖掘隐藏在数据背后的案件线索和犯罪证据，线索的发现和证据链条的形成是为了服务诉讼。一则，侦查人员通过经验和直觉确定了案件真相，但没有对案件真相进行相关性和因果性的数据链接（证据链不闭合），也只是完成了实质上的侦查工作，没有完成形式上的工作，程序正义和实体正义一样具有价值。二则，没有证据的侦查活动在结果上来说是毫无意义的。所以，侦查人员需要在思维中深植数据可视化的观念，具体的操作方法则是以“相关—因果”的链条呈现最终形态。

数据可视化使得量化数据间的因果关系成为可能。对于要经过检验和“非法排除”的证据，证据是否具备证明力和证明能力以及如何量化始终是世界各国都在探索的问题，但“相关—因果”的逻辑进路带来的新的方向，通过数学中的统计方法可以对相关进行量化。因果关系一旦以不同变量之间的关系表达，就变成了变量之间的相关关系［19］。通过哲学中的因果律对因果进行量化，二者甚至不需要复杂的结合理论，数据的分别呈现或者是案例的应用都能让法官对证明力和证明能力达到“自由心证”的认识。

四、结束语

大数据时代的到来为侦查工作带来了前所未有的机遇与挑战。传统的因果性侦查思维在面对海量数据时显现出局限性，而相关性侦查思维的引入，结合大数据技术和算法的支持，为侦查工作开辟了新的路径。

参考文献：

［1］中国科学院文献情报中心.大数据改变我们的生活［DB/OL］.（2013-04-02）［2024-07-18］.

https：//las.cas.cn/zhxw/202112/t20211202_6285497.html.

［2］习近平出席全国公安工作会议并发表重要讲话［DB/OL］.中国政府网.（2019-05-08）［2024-07-18］.

https：//www.gov.cn/xinwen/2019-05/08/content_5389743.htm.

［3］公安部：大力推进侦查中心建设 构建数字化侦查新模式［DB/OL］.中国法院网.（2024-07-13）［2024-07-18］.

https：//www.chinacourt.org/article/detail/2024/07/id/8024970.shtml.

［4］王传道.侦查学原理［M］.北京：中国政法大学出版社，2001：21.

［5］陈永生.侦查程序原理论［M］.北京：中国人民公安大学出版社，2003：21.

［6］陈润华，柴宇球.谋略艺术教程［M］.北京：军事科学出版社，2007：2.

［7］郝宏奎，杨立云.同一认定理论地位新探［J］.中国人民公安大学学报（社会科学版），2010（4）：1-8.

［8］维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革［M］.盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

［9］城关警方运用串并案方法成功侦破此系列案件［DB/OL］.大西北网.（2014-05-05）［2024-07-18］.

http：//m.dxbei.com/n/20140505/124049.html.

［10］18年后启动再审宣告无罪的呼格吉勒图案［DB/OL］.中国法院网.（2018-12-29）［2024-07-18］.

https：//www.chinacourt.org/article/detail/2018/12/id/363

8659.shtml.

［11］团圆行动半年记：人像与DNA比对并用，已寻回2609个失踪孩子［DB/OL］.腾讯新闻网.（2021-08-26）［2024-07-18］.

https：//new.qq.com/rain/a/20210826A09N3Z00.

［12］倪春乐，王泊勋.大数据驱动的侦查思维创新与实践逻辑［J］.中国人民公安大学学报（社会科学版），2023（2）：71-82.

［13］程科.经济犯罪侦查中的大数据思维研究［J］.中国人民公安大学学报（社会科学版），2018（4）：39-46.

［14］齐磊磊.大数据经验主义：如何看待理论、因果与规律［J］.哲学动态，2015（7）：89-95.

［15］栾兴良.大数据侦查法治化研究［D］.武汉：中南财经政法大学，2022.

［16］王燃.大数据时代侦查模式的变革及其法律问题研究［J］.法制与社会发展，2018（5）：110-129.

［17］美3名少年因丢一部手机，纵火烧死一家五口！警方通过谷歌后台数据抓住他们［DB/OL］.腾讯新闻网.（2024-03-18）［2024-07-18］.

https：//new.qq.com/rain/a/20240318A07BHB00.

［18］何军.大数据与侦查模式变革研究［J］.中国人民公安大学学报（社会科学版），2015（1）：72-80.

［19］王天恩.大数据相关关系及其深层因果关系意蕴［J］.社会科学，2017（10）：115-122.

作者简介：石腾（2000—），女，汉族，甘肃天水人，单位为中国政法大学刑事司法学院，研究方向为诉讼法学。

（责任编辑：赵良）