大數據視域下數據偵查的選擇性依賴

叢 浩

引言

信息化時代，刑事案件更多地展現出數據化、智能化、隱蔽化的特征，大數據偵查在此背景下應運而生。大數據偵查推動案件的偵查模式由經驗驅動轉向數據驅動，由被動型回應轉向主動性預防，由區域性偵查轉向合作型偵查，大大提高了偵查工作的效能。但與此同時，由于大數據偵查本身的局限和片面割裂大數據偵查與傳統偵查之間的聯系，導致大數據偵查的發展面臨困境。在此背景下，應準確梳理大數據偵查和傳統偵查之間的邏輯關系，一方面順應大數據偵查的趨勢，另一方面汲取傳統偵查的內核與精髓，有選擇性地依賴大數據偵查的智慧化成果和傳統偵查辦案人員的主觀能動性發揮，將大數據偵查和傳統偵查進行整合應用，以推動新形勢下大數據偵查的深入持久發展。

一、大數據偵查的核心價值

大數據偵查，是指偵查機關為了揭露、證實、打擊和防控犯罪，運用現代互聯網和大數據技術，對已經發生或尚未發生的犯罪行為所采取的相關調查活動[1],其核心內容包括大數據偵查思維、大數據偵查模式和大數據偵查方法。大數據偵查通過對與案件有關的量化自我數據、偵查業務數據、公安管理數據、社會管理等非結構化數據進行結構化處理，發掘與案件具有相關關系的信息，以此助推案件的偵破。它將大數據技術和偵查融合到一起，從實質上講，大數據偵查是信息化偵查新的發展階段。在當前犯罪日趨智能化、數據化的形勢之下，以因果關系為基礎的回溯性偵查模式效率明顯下降，大數據偵查的應用和完善正是大勢所趨。

（一）推動經驗驅動偵查向數據驅動偵查轉變

傳統的刑事案件偵查工作以偵查人員在長期實戰中積累的經驗為基礎，運用一定的邏輯思維方法，把已掌握的案件信息和相關的專業知識聯系起來，并借助一定的科技手段，將犯罪現場的痕跡物證和犯罪嫌疑人的相關特征結合起來，對案情進行分析，并在此基礎上劃定偵查方向和范圍。然而這種過度依靠邏輯關系和因果關系的偵查模式一旦在某一個環節發生中斷，整個偵查工作便會陷入僵局。隨著大數據時代的到來，偵查工作更注重運用數據的相關性分析，不再苛求因果關系的精準性，提高了容錯率。利用大數據技術對海量數據進行數據碰撞和數據分析，通過數據之間的相關性認識案件的基本內容，并在此基礎上分析潛在的因果關系，降低傳統偵查過分追求因果關系準確性所耗費的成本，提高刑事案件偵查效率。

（二）推動偵查活動由被動回應型向主動預防型轉變

傳統偵查是一種回溯型偵查，大部分偵查工作是在案件發生后才啟動的。犯罪嫌疑人遺留在現場的痕跡物證是有限的，可供偵查人員利用做線索的信息也是有限的，圍繞這些事后獲取的有限且不對稱的信息展開相關調查，容易致使偵查工作陷入被動，從而影響刑事偵查工作的進一步開展。大數據思維在偵查中的應用使偵查程序可以盡早開展。它借助對海量數據的收集、篩選、碰撞、分析、比對和運算等一系列技術過程，一方面可以有效查明案件事實、收集犯罪證據和緝捕犯罪嫌疑人，另一方面可以利用大數據技術研究犯罪規律，預測某一時間、某一地點、某種類型犯罪的發生概率，主動開展預防工作，阻止違法犯罪行為的實施，避免危害結果的擴散，切實提高偵查效率。

（三）推動區域性偵查向合作性偵查轉變

在傳統偵查模式下，各部門缺乏高效、穩定的信息聯通與合作機制。一方面公安機關內部各職能部門間溝通不暢，另一方面公安機關與其他機構或社會力量缺乏聯動，導致偵查合作困難重重，偵查效率不高。而在大數據思維的指導下，公安機關將偵查活動中原本分散的，不同層級、不同區域的主體及其行為整合到一起，以數據共享機制為紐帶進行互聯互通。大數據思維推動在偵查中建立“共建、共管、共享”的信息網絡，推動偵查工作實現由區域性偵查向合作性偵查的轉變。

二、大數據偵查面臨的困境

（一）認知偏差：片面割裂大數據偵查和傳統偵查的聯系

偵查活動以因果關系邏輯為起點和終點，而大數據建立在相關關系邏輯的基礎之上，基于這種認識，部分偵查人員將傳統偵查和大數據偵查視為兩種完全不同的偵查模式。在偵查實踐中這種錯誤的認知主要體現在傳統類型犯罪上，如殺人、搶劫、強奸、盜竊等，偵查人員往往會不自覺沿襲傳統案件偵查的路徑。一方面，由于傳統偵查思維的影響根深蒂固，部分偵查人員在偵辦案件時，相較于大數據偵查對海量數據進行的相關分析而言，他們更信任自己多年實戰總結的辦案經驗，所謂的相關性分析在他們看來更像是毫無邏輯的推理，價值量低，因此往往對大數據偵查視而不見。另一方面，在辦理非傳統類型犯罪的新型案件時，如電信網絡詐騙罪、職務犯罪、洗錢罪等，忽略偵查的因果性邏輯開端，直接訴諸大數據相關性分析，在缺乏基于歷史案件特征要素分析的偵查假設的條件下盲目進行大數據分析碰撞，由于缺乏偵查假設的信息基準指導，其所關聯的數據信息可能導致低效率、低價值密度的關聯分析結果。

（二）技術欠缺：現有大數據技術難以對海量數據進行高效挖掘分析

巨量的數據資源在給偵查工作帶來機遇的同時，也給大數據偵查帶來了一定的困難，主要有以下表現：一是海量的數據信息導致偵查數據儲存難度加大，給靜態的數據管理和動態的數據調整帶來極大的挑戰；二是缺乏統一的數據質量標準，致使數據質量較低；三是單一的數據結構導致數據應用效率低下，難以適應當下案件偵查工作的需要；四是大數據時代數據的混雜性、虛假性、錯誤性不斷增強，過去基于數據精確性的犯罪情報分析研判技術不再適應大數據時代偵查工作的新模式，如何清洗、過濾數據也存在著技術挑戰。傳統的數據挖掘技術和單一的數據算法難以滿足當下大數據偵查的需要。

（三）合作障礙：各偵查部門間存在一定程度的數據壁壘

數據產生價值的重要基礎在于數據的開放和共享，這也是大數據偵查相較于傳統偵查的優勢所在。然而在偵查實踐中，一方面由于各偵查部門間缺乏協作理念，數據資源的擁有者和使用者之間存在明顯的數據壁壘，偵查工作所需的數據資源難以在各偵查機關之間共享使用，各部門、警種之間的合成作戰常停留在形式上，實際上仍存在著各自為戰、單打獨斗的現象，使得公安機關對涉案犯罪信息的搜集、整合、研判程度都不高，合成作戰效果欠佳，數據整合不夠充分[2]；另一方面，由于不同的民警都有著各自不同的數據使用習慣和數據存儲方式，尚未形成統一的數據使用和存儲規范，增加了數據共享使用的難度，致使大數據偵查難以向縱深方向發展。

（四）立法及機制瑕疵：程序規制缺乏導致對公民隱私權的非法侵害

“大數據偵查”本身是一個描述性詞語，它只是將大數據技術手段與偵查這一具體應用領域做了簡單結合，它既不是一種法定偵查措施，也并不構成獨立的偵查模式[3]。其法律屬性的不明確進一步導致對大數據偵查的程序規制滯后，法律對數據管理尚缺乏科學嚴密的制度設計，加之當下立法對公民個人信息權利保障不足，以及公安機關適用大數據信息的規范不健全，致使公民隱私泄露問題日趨嚴重。如身份、行蹤等私人信息的違規調取與使用對公民隱私的侵犯,指紋、DNA等個人信息的不當采集對公民隱私的侵犯以及對違法犯罪信息的不當泄露導致犯罪嫌疑人隱私被非法侵犯。

三、解決路徑：大數據偵查和傳統偵查的選擇性依賴

（一）準確把握大數據偵查與傳統偵查的邏輯關系

大數據立足于相關性邏輯，大數據思維基于相關性分析思維，在大數據思維指導下的大數據偵查以相關性的分析思維為指導，對公安機關所掌握的海量數據信息進行關聯性分析，將看似無關的數據信息聯系起來，形成完整的數據鏈，引導偵查人員進一步探究其中的因果關系，從而查清刑事犯罪案件的主要犯罪事實。

偵查的邏輯建立在因果關系上，任何形式的偵查都必然以因果認知為起點和終點，通過探求犯罪人、犯罪行為、犯罪結果、案件證據等之間的因果關系，力求還原案件事實，這是一個由碎片化信息不斷向全景式的案件真相推進的過程。究其本質，我們不難發現，大數據偵查的應用并沒有改變偵查的任務和目的。大數據所立足的相關性邏輯并不是對因果邏輯的否定，而是對偵查因果邏輯的豐富和發展。其關聯性的外圍信息以因果事實為內核，經過相關關系的橋梁，并最終回歸因果關系。

大數據偵查不是對傳統偵查的否定，而是在大數據背景下對傳統偵查的完善和發展。其理論邏輯如圖一。

圖一：大數據偵查的理論邏輯

首先，從本質上來講，大數據尚未推動偵查模式的轉型，因為不論是借助何種形式展開的偵查活動，都必然以因果認知為其邏輯起點和終點。大數據偵查建立在相關關系基礎上，而相關性的發散性外圍信息是以因果事實為內核的，大數據應用于偵查并未改變偵查的目的和任務，因果關系仍是案件偵破的邏輯基礎。

其次，大數據偵查在訴訟證明中尚僅處于輔助證明的地位，它所提供的“事實”仍需深入的清晰化、精確化處理，通過大數據手段獲得的偵查線索必須經過客觀的證據核實，才能顯示大數據偵查的價值。

再次，大數據偵查并不改變偵查人員在偵查中的主體地位。一方面，物的數據化并非是一個獨立于偵查人員的自動過程。正如理查德·沃爾曼所言，信息時代不是“信息爆炸”，而是“非信息爆炸”，大數據偵查需要偵查人員在對案件分析的基礎上設立特定的信息基準，從海量的數據信息中提取與案件具有相關關系的數據，從而降低信噪比，提高“從數據到人”“從數據到案”的應用效度。另一方面，在偵查實踐中，首要考慮的并非是數據，而是需要解決的問題，是以問題為導向而不是以數據為導向。偵查人員需要發揮主觀能動性，通過對歷史案件的結構化分析，提出合理的偵查假設，這是大數據偵查應用的邏輯核心。

就現階段而言，大數據偵查并不能完全取代傳統偵查，它是對傳統偵查的豐富和發展，公安機關應正確認識二者之間的邏輯關系，把握相同的邏輯旨歸，建立大數據偵查和傳統偵查交融應用的案件處理模型，結合案件的具體情況，綜合應用兩種偵查方式。

（二）構建大數據偵查和傳統偵查選擇性依賴的邏輯范式（見圖二）

犯罪活動具有多樣化特點，針對不同的犯罪類型，偵查機關應采取不同的偵查方式，在案情分析的基礎上對案件進行模塊化處理，對大數據偵查和傳統偵查選擇性依賴應用。

1.基于犯罪現場的選擇性依賴邏輯范式

圖二：基于犯罪現場的選擇性依賴邏輯范式

就具有明確犯罪現場的傳統類型案件而言，如殺人、搶劫、強奸、盜竊等，案件偵查以犯罪現場為中心，通過現場勘查收集犯罪行為人遺留在現場的信息，如指紋、足跡、血跡、毛發、作案工具等，還可通過視頻勘查進一步獲悉犯罪行為人的體貌特征、進入及離開犯罪現場的時間、方式等。一般而言，通過傳統的案件偵查手段即可獲得以上信息并順利助推案件的偵破，但隨著犯罪行為人反偵查意識的增強以及高科技含量犯罪工具、犯罪手段的加持，一些無從入手的疑難案件開始增多，通過常規的案件偵查手段難以獲取和案件有關的信息或所獲得的信息無法指向具體的案件事實構建，這時便需要利用大數據偵查另辟蹊徑。通過對案件現場收集到的內含因果性的證據材料進行歸納并進行數據化處理，利用大數據的相關思維進行信息拓展，獲取與案件具有一定相關性的各種線索，這是一個物的數據化過程。同時，通過大數據平臺對歷史同類案件信息進行結構優化處理，提取此類案件的一般特征，并在此基礎上形成初步的偵查假設。將這些線索和做出的偵查假設進行大數據關聯查詢，獲取與案件具有更多因果關聯的信息，如身份信息數據、時空方位數據、活動軌跡數據、銀行賬戶數據、人際關系數據等。由于這些數據是通過相關關系獲得，而作為證據的數據要以因果關系為內核，因此要對這些數據進行印證，使相關性線索轉化為因果性證據，進而構建起案件的因果性事實，這又是數據物化過程。

2.基于歷史案件數據分析的選擇性依賴邏輯范式（見圖三）

圖三：基于歷史案件數據分析的選擇性依賴邏輯范式

現階段興起的新型犯罪，如網絡金融犯罪、虛擬貨幣傳銷犯罪、網絡詐騙罪等，由于不具備明確的犯罪現場，使得以犯罪現場為中心的偵查路徑難以開展，只得開辟新的路徑。針對此類型案件，大數據偵查采取了一種更為主動的偵查路徑，在尚未掌握“完成形態案件”的情況下，通過對歷史同類案件的要素分析和規律總結，并將得到的信息數據化、結構化處理，篩選其中關鍵的特征要素作為查找比對的信息基準，在此基礎上利用大數據平臺進行特征要素關聯，形成關于該類型案件特征要素的網絡，廓清“疑似案件”的范圍，從而主動出擊，鎖定嫌疑對象。需要注意的是，由于通過此路徑所獲取的線索建立在相關關系上，它僅能作為我們認定案件事實的外圍依據，它所提供的“事實”仍需進一步的清晰化、精確化處理，在此基礎上結合傳統的取證手段，構建證據事實，完善證據鏈，推動大數據偵查所獲得的信息由“相關關系”層面上升為“因果關系”層面，以符合偵查訴訟標準的需要。

（三）創建大數據偵查和傳統偵查整合應用的案件處理模型（見圖四）

1.以大數據為引領，開展犯罪預防

（1）拓展犯罪數據信息獲取來源

大數據時代犯罪數據信息的獲取不能僅依靠公安內網的犯罪情報信息，要看到社會化大數據的巨大潛力和價值。通過各種途徑收集社會生活的各種數據信息，并對其進行整理、碰撞、分析、研判，從中發現犯罪征兆，并及時予以制止和懲戒。與犯罪相關的數據來源主要有以下幾種：一是量化自我數據，二是偵查業務數據，三是公安管理數據，四是社會管理及其他社會化數據。在大數據時代，要充分認識偵查數據的資源開放性、時間無限性、空間廣闊性和方法創新型等特點，充分利用各種渠道獲取刑事犯罪數據信息，為數據整合、分析、碰撞提供條件。

圖四：大數據偵查和傳統偵查整合應用的案件處理模型

（2）提高犯罪數據信息研判質量

數據是案件偵查中極為重要的資源，而簡單采集和累加的數據并不是資源，只有那些經過分析研判處理并得到廣泛深化應用的數據才是真正的資源。在犯罪預防工作中，要將前期收集的各種數據進行分類整理、碰撞分析，通過數據之間的相關性分析將各要素連接起來，形成完整的數據鏈，進而挖掘其中隱含的犯罪信息，獲取犯罪預備階段的相關情報信息，偵查機關便可對此展開針對性偵查措施，將犯罪控制在萌芽之中。

（3）研究犯罪活動規律，主動開展犯罪預防

公安機關要充分利用大數據技術、云計算和科學分析模型，研究犯罪活動規律，繪制犯罪人員的“熱名單”、犯罪案件發生的“熱地圖”和公安機關進行預防處置的“主戰場”。建立并完善犯罪數據分析和趨勢預測系統，利用大數據計算方法分析某一特定時空場景的犯罪行為和作案特征，準確預測某類犯罪案件的高發地和高發時段。根據數據相關性反映的可能發生的案件及時采取針對性措施，強化對刑事犯罪的預防。

2.以大數據為抓手，科學制定偵查決策

正確的偵查決策是案件能夠成功偵破的關鍵因素。信息是一切決策的基礎，數據化時代的信息死角減少，科學的數據挖掘、分析方法也大大提高了決策的質量。借助大數據指導偵查決策，運用科學的方法對決策的過程進行解構、重塑、數據化和結構化，對偵查方向和范圍、應采取的偵查措施、緝捕犯罪嫌疑人的方法，訊問的策略等進行科學決策。

（1）以大數據為抓手進行案情分析，劃定偵查方向和范圍

任何犯罪都會在犯罪現場遺留一定的犯罪信息，而隨著現代科學技術的發展，越來越多的犯罪信息以數據的形式表達出來，不管是傳統類型的犯罪還是信息化時代所衍生的犯罪，其所遺留的犯罪信息皆可利用數據進行相關性分析，從而查明犯罪的主要事實。通過犯罪現場的監控錄像和手機話單分析可以確定作案時間，掌握犯罪嫌疑人從入侵現場開始直至作案活動實施完畢逃離現場的時間段；通過相同或類似案件的犯罪數據信息確定此類刑事案件的高發地，通過可疑車輛GPS信息數據庫碰撞分析獲取犯罪嫌疑人或者被害人的活動軌跡，從而分析作案地點以及案發現場和作案人的聯系；通過將各種看似孤立的數據信息聯系起來，利用大數據相關技術挖掘其中的關聯關系，發現線索進而查明與案件相關的各種事實。

對作案人的分析判斷，就是通過客觀、全面、準確、細致地分析作案人的各項特征，最后歸納為一個綜合、具體的人身形象，據此推斷作案人數、作案人的體貌特征、作案人應具備的作案條件、作案人的心理特征、作案動機和目的以及作案人作案后的后續行為。通過對旅館住宿、網吧上網、暫住登記以及民航登機等數據信息開展數據碰撞，獲取作案人員軌跡，通過對車輛軌跡展開卡口數據碰撞，以此綜合判斷作案人數；利用同類數據碰撞和異類數據碰撞的方法對網吧上網人員數據、互聯網信息數據、通信工具活動數據以及網絡購物數據和物流數據等開展碰撞，對作案人進行綜合分析判斷。全面把握犯罪嫌疑人的體貌特征、犯罪動機和目的、犯罪工具特征、犯罪嫌疑人的知情情況以及犯罪嫌疑人作案后的后續行為，從而進一步劃定偵查方向和范圍。

（2）以大數據為抓手對傳統偵查措施賦能

在案件偵查的過程中，偵查措施的實施是其核心階段。不同的案件要求有針對性地采取不同的偵查措施。偵查機關要樹立數據主導偵查的理念，將大數據和偵查措施的實施融合起來，使偵查措施的實施更加智能化。

偵查機關在實施偵查措施的過程中，要時刻注意收集各種偵查數據，并及時對所獲取的偵查數據進行碰撞分析。在這一過程中，應注重對刑事科學技術的應用，發現、記錄、固定、顯現、提取、鑒定犯罪現場與犯罪活動有關的各種痕跡物證，并將結果數據化，形成偵查數據，深入挖掘潛隱于其中的偵查線索，為偵查機關采取調查訪問、摸底排查、搜查扣押、偵查實驗等偵查措施提供數據支持和智能化支撐。

（3）以大數據為抓手確定并緝捕犯罪嫌疑人

在掌握充足的偵查數據信息之后，將通過各種途徑收集到的偵查數據信息進行查證核實，利用智能化的大數據技術對各種數據信息進行碰撞分析，關聯自動查詢并進行比對，利用數據處理技術對偵查數據進行快速過濾篩選，從而迅速查清案件事實，確定犯罪嫌疑人。

在確定犯罪嫌疑人之后，應及時對犯罪嫌疑人展開抓捕。對于尚未潛逃的犯罪嫌疑人，偵查機關應以關聯性思維為指導，通過對常住人口信息、暫住人口信息、住宿登記信息、互聯網信息、通信信息、車輛軌跡信息以及人體生物信息進行碰撞分析，發現并鎖定犯罪嫌疑人的具體位置，通過公開或秘密的方式將犯罪嫌疑人傳喚或拘傳到案。對于已經潛逃的犯罪嫌疑人，則可將視頻監控信息和車輛軌跡信息、智能卡口數據信息關聯起來進行碰撞，并通過網上追逃、架網守候、秘密力量布控、規勸自首等方式將犯罪嫌疑人緝捕歸案。

（4）以大數據為抓手對犯罪嫌疑人進行訊問

在訊問過程中，偵查人員可應用大數據技術研究案件材料，對案件線索進行梳理、分析，并從犯罪嫌疑人的個性特征、各種數據信息所反映的嫌疑人生活習慣方面分析犯罪嫌疑人心理。同時要注重關注各個偵查線索的相關關系，利用各偵查線索之間的內在聯系，尋找訊問突破口，并利用確實的數據信息擊破犯罪嫌疑人的防御體系，從而獲取真實、準確的口供。

3.利用大數據推動證據審查的智能化

公安機關在對犯罪嫌疑人進行詢問的同時，應當運用各種偵查措施收集并審查判斷證據，使犯罪事實和情節都能得到證明，達到犯罪事實清楚，證據確實、充分的程度，并對收集到的證據材料進行分析、鑒別，確定其是否客觀真實，與案件事實是否具有客觀聯系，是否屬于合法證據，是否能夠證明案件事實。

在收集證據的過程中，偵查人員應樹立整體性思維，利用大數據快捷方便的優勢，在第一時間利用大數據技術獲取與案件相關的所有證據，精準掌握證據的細節和特點，實現“以大見小”，更加清楚地認識證據的細節信息和特點。在審查判斷證據的過程中，要樹立智能性思維和關聯性思維，要利用大數據技術挖掘所有證據之間的相關關系，判斷證據之間有無內在、直接的聯系，是否共同指向同一犯罪構成，利用數據技術幫助偵查人員快速準確審查判斷證據材料，提高案件偵查的效率。