基于大数据的公共安全治理模式探析(2)

　　二、大数据参与下的社会公共安全治理新模式及其特点
　　
　　“大数据的核心在于预测”,[9]大数据支持下的公共安全治理的核心也是在基于预测的基础上，把握公共安全变化及发展的趋势，作出正确判断，达到防患于未然的目的。
　　
　　从社会学意义上讲，社会公共安全作为一种社会状态，是指不确定的大多数人的健康、人身、财产等不受威胁、没有缺损等状态，以及由人群而产生的社会公共秩序的良好与有序。对公共安全的治理主要是政府部门及其相关机构的职能。这些部门和机构运用公共权力为安全有序的状态提供服务与保障，并且在安全受到威胁时提供解除威胁的措施。不同的治理理念、治理方法、治理组织、治理程序等构成了不同的治理模式。
　　
　　公共安全治理归根到底是对人和物的治理。人和物的和谐与有序形成了安全的公共状态，反之，纷争与无序则导致不安全的公共状态。在大数据条件下，每个人的生活方式、每件物的存在状态都可以最终以数据的形式被记录、被搜索、被查询。始于出生登记，终于死亡证明，人的一生所经历的求学入职、居家出行、体检就医、通讯往来，直至日常生活的每一个环节，几乎所有的信息都需要借助网络平台予以保存。同样，所有的物品，从设计、生产、出厂，到购买、发货、取件，再到发件、流通、运输，最后到收件、使用、维修等，几乎所有的环节也都是通过条形码、芯片、二维码、传感器等实现了数据化的全程跟踪。这种海量的、多样的、复杂的数据化存在的人和物，为管理提供便捷的同时，更为公共安全提出了挑战，也使得公共安全治理模式的转型成为可能。传统的事后补救的“治疗式管理”转向事前的“预防式治理”就是适应时代大数据特征的产物，这也是公安实战中缓解警力资源不足、实现警力无增长改善要求的有效策略。这种新模式主要有以下特点：
　　
　　第一，将事前的风险预防视为公共安全治理的起点。传统的事后补救的“治疗式管理”模式虽然也强调预防为主，但实际只是更多侧重于发现安全隐患发生的先兆，尽力做到早发现、早报告、早处置。这其实容易造成事前预防和预警机制的缺位，即便有，也往往由于实战性不强而没有实际效果。大数据支持下的“预防式”公共安全治理模式则不仅重视消除和控制已发生的风险，更将事前的风险预防放在首位，通过对相关数据的统计分析，发出风险预警，将问题解决于发生之前。
　　
　　第二，遵循的是公共安全治理的正向思维模式。传统模式遵循的是“由果寻因”的逆向思维，即从突发事件倒推，进行逻辑分析，寻找因果关系，作出应急决策。大数据支持下的“预防式”公共安全治理模式则是从风险预测开始，进行数据挖掘和量化分析，寻找相关关系，最后作出行动决策，这即是一种“从因预果”的正向思维模式。显然，这是一种更为积极主动的治理模式。
　　
　　第三，运行的是一种“谋定而动”的警务战略。传统模式以事件为中心，是一种相对被动的应急式行动策略，重在事后补救，但很难做到资源的优化配置，容易形成资源短缺或资源浪费。大数据支持下的“预防式”公共安全治理模式则是主动采取有针对性的措施预防风险，这是一种基于预见性的智慧策略，意味着警务战略的深刻变革，即从战略层面利用情报预警实现实时定位，精准打击，而不仅仅是在案发之后行动层面的快速反应。“谋定而动”显然可以达到资源最优化的效果。
　　
　　三、大数据参与下公共安全治理新模式的运作
　　
　　基于大数据的深刻影响力，公共安全治理新模式的运作以大数据收集为起点，通过对其在公共安全治理过程中作用的挖掘，实现大数据参与治理的功能，并最终制定大数据策略付诸行动。
　　
　　（一）大数据收集：实现由数据到情报的转换
　　
　　运用大数据首先需要从收集大数据开始。对以结构化或非结构化等多种形式呈现的数据进行有意识的关注和积累，并努力找出事实依据，这是收集大数据的重要来源。此时，即便没有对这些数据进行分析和研判，仅凭由此产生的敏感意识，也是成功运用大数据的目的之一。
　　
　　“预防式”公共安全治理模式是一种注重犯罪预防的主动警务。毫无疑问，公安工作必须关注信息与情报，而信息的收集离不开数据--数据转化为信息，信息再转化为情报。一种狭义上的数据仅仅是单纯的以阿拉伯数字显示的数据，其本身并无实质性的意义，如172;只有将以数字形式呈现的数据结合一定的环境、置于一定的环境中，才算是赋予了数字以实际意义，如某几起案件的嫌疑对象身高约172厘米，这就是信息。更进一步，社区民警在与居委会交流中得知，最近某户借住了一个身高为172厘米左右的男子，从房东反映的该男子的作息情况来看，与案件发生的时间等特征有吻合之处，这时就由信息转变成了情报，并为警方的侦破工作提供了线索。通过收集数据、分析信息，进而形成情报产品。一句话，新模式以数据形成情报，用情报预测未来的行动，而不是根据现有的行动来收集情报，即用情报印证现有的行为。这是一种注重犯罪预防的主动警务，从而起到防患于未然的作用。
　　
　　（二）大数据挖掘：实现相关关系的确认
　　
　　大数据挖掘是指通过对海量数据的分析与研判，发现隐藏在数据背后的关联关系，由此既揭示出了事物过往的规律，又为预测未来的趋势提供了依据。所以，预测依靠的是情报，而情报则是对尚未形成结果的要素之间的相关关系进行确认。以反恐预警为例，从当前日趋严峻的反恐斗争形势来看，恐怖袭击一旦发生，造成的社会危害就非常巨大，后续的社会恐慌无法估量，社会负面影响也将会持续发酵。恐怖袭击中，恐怖分子已经抱有必死的信念，这一点和普通的犯罪行为是不一样的。而且，事后旷日持久的反恐作战更会带来极大的社会资源消耗，所以，反恐必须更加注重事前预防和事中紧急处置，尤其是事前预防，终结犯罪在事发之前，这是反恐追求的终极目标。但是，恐怖袭击在事前非常隐蔽，可以说是没有任何先兆，这种前期的隐蔽性决定了事前防范的难度。