預(yù)測警務(wù)模式下的企業(yè)犯罪治理路徑探索

程 曄 葉 花 吳佳鑫

犯罪預(yù)測的歷史和警務(wù)工作的發(fā)展同樣悠久，犯罪數(shù)據(jù)的收集和使用是警務(wù)工作的重要內(nèi)容。各國的警察機(jī)構(gòu)每天都在根據(jù)工作經(jīng)驗(yàn)、線人線報(bào)、民眾投訴進(jìn)行犯罪預(yù)測，進(jìn)而有針對性地調(diào)整警務(wù)工作方向，如在重要節(jié)假日適度增加酒吧等娛樂場所周邊的夜間巡邏時(shí)間，其效果也得到了實(shí)踐的檢驗(yàn)。近年來，得益于信息技術(shù)的高速發(fā)展，預(yù)測警務(wù)重新回歸前沿研究領(lǐng)域。然而，國外警務(wù)部門在掀起預(yù)測警務(wù)建設(shè)的浪潮后，也引發(fā)了一系列關(guān)于預(yù)測警務(wù)的爭議，從而促使國內(nèi)研究者不得不靜下心來，認(rèn)真思考我國預(yù)測警務(wù)的發(fā)展方向。

一、傳統(tǒng)預(yù)測警務(wù)的發(fā)展方向及其爭議

（一）傳統(tǒng)預(yù)測警務(wù)的發(fā)展方向

傳統(tǒng)預(yù)測警務(wù)的研究對象主要是以槍擊、斗毆、搶劫、盜竊為主的街面犯罪，這是由國外警務(wù)工作以及犯罪學(xué)研究的重心所決定的。在以美國為代表的西方國家，槍支、種族、幫派等問題根植于社會土壤之中，街面暴力犯罪頻發(fā)，因此警方以及犯罪學(xué)學(xué)者的視線集中在這些直接危害后果嚴(yán)重的自然犯罪上。預(yù)測警務(wù)也是基于這一背景，在街面犯罪頻發(fā)的紐約、洛杉磯等地，由當(dāng)?shù)鼐瘎?wù)機(jī)構(gòu)率先提出并實(shí)施的?，F(xiàn)階段，預(yù)測警務(wù)的研究方向主要包括犯罪時(shí)空預(yù)測和犯罪群體預(yù)測。

1.犯罪時(shí)空預(yù)測。預(yù)測警務(wù)最成熟的領(lǐng)域是利用時(shí)間和空間上的犯罪記錄搭建地理空間模型，預(yù)測未來的犯罪熱點(diǎn)。與其他數(shù)據(jù)相比，數(shù)字化地理信息更容易被收集和處理，從此類數(shù)據(jù)中可依據(jù)“近重復(fù)假設(shè)”等理論尋找出歷史犯罪資料所蘊(yùn)藏的空間規(guī)律，由此確定風(fēng)險(xiǎn)區(qū)域，預(yù)測潛在的犯罪。

早在20世紀(jì)90年代，美國紐約警方就運(yùn)用地理信息系統(tǒng)（GIS）和計(jì)算機(jī)化統(tǒng)計(jì)（CompStat）預(yù)測和應(yīng)對街面犯罪。2012年，洛杉磯警察局開始使用PredPol 公司設(shè)計(jì)的犯罪預(yù)測軟件，通過分析過去的犯罪類型、地點(diǎn)和時(shí)間來確定未來最有可能發(fā)生犯罪的區(qū)域。這一做法很快擴(kuò)散到美國其他地區(qū)的警務(wù)部門。比如，紐約警察局使用Azavea 公司研發(fā)的HunchLab 軟件，用統(tǒng)計(jì)模型來預(yù)測潛在犯罪的地點(diǎn)和時(shí)間，幫助警務(wù)人員規(guī)劃巡邏路線。①R.Richardson,J.Schultz,and K.Crawford,“Dirty Data,Bad Predictions: How Civil Rights Violations Impact Police Data,Predictive Policing Systems,and Justice”,N.Y.U.L.REV.ONLINE,94,192 (2019).目前，我國國內(nèi)在該領(lǐng)域也有相應(yīng)的跟進(jìn)研究，比如浙江杭州警方會同同濟(jì)大學(xué)依據(jù)2009—2015年的盜竊犯罪時(shí)空數(shù)據(jù)繪制了犯罪熱點(diǎn)地圖。②單勇：《基于熱點(diǎn)穩(wěn)定性的犯罪空間分布規(guī)律再認(rèn)識》，《法制與社會發(fā)展》2016年第5 期。

2.犯罪群體預(yù)測。預(yù)測自然人的潛在犯罪危險(xiǎn)性并不是什么新鮮事，在美國，犯罪風(fēng)險(xiǎn)評估早已嵌入到司法系統(tǒng)的運(yùn)作中，比如法院作出判刑和緩刑、假釋決定等。最為典型的是COMPAS（針對替代制裁的懲戒罪犯管理分析）這一廣泛使用的風(fēng)險(xiǎn)評估工具。在司法實(shí)踐中，使用狹義的人工智能也成為犯罪風(fēng)險(xiǎn)評估的一個(gè)重要組成部分，如洛杉磯司法部門使用機(jī)器學(xué)習(xí)技術(shù)開發(fā)的親密伴侶暴力預(yù)測工具。③R.A.Berk,“Artificial Intelligence,Predictive Policing,and Risk Assessment for Law Enforcement”,Annual Review of Criminology,2021,No.4,pp.209 -237.

除了對潛在的犯罪嫌疑人進(jìn)行預(yù)測外，犯罪群體預(yù)測還包括對潛在犯罪受害群體的預(yù)測。2013年，芝加哥警察局開展了一項(xiàng)旨在減少槍支暴力的預(yù)測警務(wù)計(jì)劃試點(diǎn)，在伊利諾伊理工學(xué)院的幫助下建立了以社會關(guān)系網(wǎng)絡(luò)為基礎(chǔ)的潛在槍擊案受害人預(yù)測模型，列出了多達(dá)426 人的潛在受害對象清單。警方并隨即指派警力對潛在對象加以干預(yù)，以避免槍擊案的發(fā)生。④S.Jessica,P.Hunt,and J.S.Hollywood,“Predictions put into practice: a quasi-experimental evaluation of Chicago's predictive policing pilot”,Journal of Experimental Criminology,Vol.12,No.3,2016,pp.1-25.

（二）國外預(yù)測警務(wù)引發(fā)的爭議

在科技公司的大力推動下，預(yù)測警務(wù)似乎已然拉開了下一次警務(wù)革命的序幕。但近年來，歐美國家社會矛盾頻發(fā)，警方作為矛盾處置的最前沿部門遭到了猛烈抨擊，預(yù)測警務(wù)也成為反對者攻擊的焦點(diǎn)，更有市民質(zhì)疑預(yù)測警務(wù)是警方和科技公司合謀套取政府經(jīng)費(fèi)的幌子。此處暫且不論其背后的利益糾葛，單從客觀角度分析，學(xué)界盡管整體上對預(yù)測警務(wù)持正面看法，但也指出當(dāng)前預(yù)測警務(wù)存在著不少問題。

一是數(shù)據(jù)收集涉嫌侵犯隱私權(quán)。在數(shù)據(jù)隱私權(quán)日益受到重視的當(dāng)下，大量收集犯罪數(shù)據(jù)顯然會帶來隱私和數(shù)據(jù)處理問題。云計(jì)算的流行導(dǎo)致警方掌握的犯罪數(shù)據(jù)信息不可避免地流向科技公司。以往警方以及科技公司普遍秉持秘密主義的行動原則，收集處理社會數(shù)據(jù)雖然游走在法律的邊緣，但往往會被社會所忽視。然而，隨著預(yù)測警務(wù)的普及，數(shù)據(jù)處理的合法性以及安全性已經(jīng)成為警方必須出面解釋的問題。同時(shí)，各國出于對國家數(shù)據(jù)安全的擔(dān)憂，紛紛加緊了數(shù)據(jù)隱私權(quán)立法的進(jìn)度。比如，歐盟在2016年制定了《通用數(shù)據(jù)保護(hù)條例》和《執(zhí)法數(shù)據(jù)保護(hù)指令》，通過普通法與特別法相結(jié)合的立法方式，實(shí)現(xiàn)了對刑事執(zhí)法數(shù)據(jù)處理的全面監(jiān)管。⑤魏怡然：《預(yù)測警務(wù)與歐盟數(shù)據(jù)保護(hù)法律框架: 挑戰(zhàn)、規(guī)制和局限》，《歐洲研究》2019年第5 期。在此趨勢下，依賴于社會大數(shù)據(jù)的預(yù)測警務(wù)顯然會受到法律限制。

此外，許多美國學(xué)者擔(dān)憂預(yù)測警務(wù)違背了對隱私的期望，尤其是在合理懷疑和未經(jīng)授權(quán)的搜查環(huán)節(jié)。美國最高法院認(rèn)為第四修正案給予個(gè)人合理的隱私預(yù)期，警方建立合理懷疑的要求必須完全基于當(dāng)事人個(gè)體小數(shù)據(jù)的使用。但預(yù)測警務(wù)的發(fā)展趨勢是加強(qiáng)大數(shù)據(jù)應(yīng)用，比如“推特”等平臺的社交媒體數(shù)據(jù)。顯然，基于大數(shù)據(jù)分析技術(shù)的預(yù)測警務(wù)對犯罪群體以及個(gè)人建立的合理懷疑存在著合憲性問題，警方基于預(yù)測分析結(jié)果而采取的諸如搜查等行為侵犯了公民的隱私權(quán)。①M(fèi).Browning,B.Arrigo,“Stop and Risk: Policing,Data,and the Digital Age of Discrimination”,American Journal of Criminal Justice,Vol.46,No.1,2020,pp.298-316.在數(shù)據(jù)隱私權(quán)管理更為嚴(yán)格的歐洲，海牙地區(qū)法院裁定荷蘭警方使用的欺詐預(yù)測軟件SyRI 侵犯了公民的隱私權(quán)，政府于2020年被迫停止使用SyRI。②I.Mugari,E.E.Obioha,“Predictive Policing and Crime Control in The United States of America and Europe: Trends in a Decade of Research and the Future of Predictive Policing”,Social Sciences,Vol.10,No.6,2021,pp.1-14.

二是污名化效應(yīng)加劇社會不平等。美國前司法部長埃里克·霍爾德認(rèn)為，風(fēng)險(xiǎn)評估可能會加劇美國刑事司法系統(tǒng)和社會中已經(jīng)非常普遍的不合理和不公正的群體差距。③J.L.Skeem,C.Lowenkamp,“Risk,Race,&Recidivism: Predictive Bias and Disparate Impact”,DOI: info:doi/10.1111/1745-9125.12123.根據(jù)“標(biāo)簽理論”，預(yù)測警務(wù)的風(fēng)險(xiǎn)評估如果利用不當(dāng)，往往會造成當(dāng)事人乃至其所在的整個(gè)區(qū)域被污名化的風(fēng)險(xiǎn)。在街面犯罪高發(fā)的低收入地區(qū)，居民的“犯罪風(fēng)險(xiǎn)”要比那些生活在富裕社區(qū)的居民更高，因此警方會在貧困地區(qū)采取更為頻繁的搜查、監(jiān)控活動，而這種活動又會加深對這些貧困社區(qū)的歧視，導(dǎo)致該地區(qū)居民生活陷入困境，進(jìn)而造成犯罪率上升，形成了一個(gè)持久的下行螺旋。事實(shí)上，比起貧困社區(qū)的街面犯罪，富裕社區(qū)的“白領(lǐng)犯罪”潛在的危害性其實(shí)更大，因此以街面犯罪為主的預(yù)測警務(wù)模式明顯存在系統(tǒng)性不公。

這一現(xiàn)象在美國更為嚴(yán)重。預(yù)測警務(wù)的指向在很大程度上取決于它所使用的數(shù)據(jù)，在美國執(zhí)法部門受到階級和種族偏見影響的情況下，在警方帶有偏見的觀念和政策下產(chǎn)生的犯罪數(shù)據(jù)可能會扭曲算法的判斷，“臟數(shù)據(jù)”進(jìn)而擴(kuò)散到整個(gè)刑事司法系統(tǒng)，甚至影響到與刑事司法無關(guān)的政治決策，如社區(qū)投資和發(fā)展。另一方面，預(yù)測警務(wù)的數(shù)據(jù)缺乏透明度和監(jiān)督，又引發(fā)了人們對依賴警方數(shù)據(jù)的預(yù)測系統(tǒng)能否以公平公正的方式運(yùn)行的嚴(yán)重?fù)?dān)憂。更糟糕的是，美國警察多次在執(zhí)法過程中殺害黑人引發(fā)了大規(guī)?？棺h，進(jìn)一步加深了社會民眾對警察預(yù)算投向預(yù)測技術(shù)的顧慮。

三是預(yù)測警務(wù)的有效性受到質(zhì)疑。盡管預(yù)測分析技術(shù)實(shí)現(xiàn)了從主觀判斷到大數(shù)據(jù)預(yù)測的質(zhì)變，但犯罪作為人類最為復(fù)雜的行為，是環(huán)境、心理、文化等因素相互影響的綜合產(chǎn)物。在犯罪發(fā)生機(jī)制徹底釋明之前，寄希望于大數(shù)據(jù)等技術(shù)來實(shí)現(xiàn)精準(zhǔn)的犯罪預(yù)測顯然是不切實(shí)際的。此外，犯罪黑數(shù)的存在也證明了犯罪作為社會的陰暗面，其真實(shí)情況始終處于一個(gè)“黑匣子”狀態(tài)，再精準(zhǔn)的算法也無法在數(shù)據(jù)缺失的前提下進(jìn)行預(yù)測。因此，犯罪預(yù)測的有效性始終面臨一道不可跨越的門檻。

關(guān)于預(yù)測警務(wù)有效性的實(shí)證研究也證明了這點(diǎn)。盡管最先開展預(yù)測警務(wù)的洛杉磯PredPol 公司對預(yù)測警務(wù)的評估是正面的，但什里夫波特警察局在蘭德公司的幫助下，于2012年開展了一項(xiàng)隨機(jī)現(xiàn)場實(shí)驗(yàn)，以評估預(yù)測警務(wù)的實(shí)施情況。其結(jié)果并不令人滿意：雖然預(yù)測警務(wù)的成本比標(biāo)準(zhǔn)分析低了6%至10%，但犯罪率沒有出現(xiàn)明顯下降。④T.Simone,F.Iapaolo,“Policing the future,disrupting urban policy today: Predictive policing,smart city,and urban policy in Memphis (TN)”,Urban Geography,Vol.43,No.3,2022,pp.448-469.除此以外，更多關(guān)于預(yù)測警務(wù)有效性的研究都表明其效果尚未達(dá)到統(tǒng)計(jì)學(xué)意義的水平。換句話說，當(dāng)前學(xué)界關(guān)于預(yù)測警務(wù)的有效性尚無定論。

幾乎所有的研究人員、警務(wù)人員，甚至預(yù)測警務(wù)的反對者，都同意預(yù)測警務(wù)未來可期，但同時(shí)也指出其在現(xiàn)階段存在預(yù)測準(zhǔn)確性不高、預(yù)測犯罪范圍有限等問題?？紤]到需要付出的高昂研發(fā)費(fèi)用，預(yù)測警務(wù)的性價(jià)比成為實(shí)踐中的爭論焦點(diǎn)。在警務(wù)資源有限的大背景下，預(yù)測警務(wù)往往會擠占其他環(huán)節(jié)的經(jīng)費(fèi)預(yù)算。一些社區(qū)居民擔(dān)憂預(yù)測警務(wù)是第三次警務(wù)革命，即警務(wù)現(xiàn)代化的重演：警方沉迷于技術(shù)決定論下的現(xiàn)代警務(wù)裝備升級，忽視了在社區(qū)建立良好的警民關(guān)系，進(jìn)而影響到社區(qū)警務(wù)的社會預(yù)防功能。對于經(jīng)費(fèi)充足的發(fā)達(dá)國家警務(wù)機(jī)構(gòu)來說，預(yù)測警務(wù)無疑是下一次警務(wù)改革的突破口，相較于早期投入的收益比，他們更看重其未來潛在的巨大回報(bào)。因此，在現(xiàn)階段，預(yù)測警務(wù)的有效性成了一個(gè)見仁見智的問題。

二、國內(nèi)預(yù)測警務(wù)發(fā)展的新方向：企業(yè)犯罪治理

企業(yè)犯罪屬于典型的法定犯罪，在不同國家司法制度下，治理的責(zé)任部門也不同。比如，美國稅務(wù)犯罪是由美國國稅局管轄，金融犯罪則是由美國特勤局、證監(jiān)會等行政執(zhí)法機(jī)構(gòu)管轄。這些執(zhí)法機(jī)構(gòu)都有獨(dú)立調(diào)查、取證、起訴的權(quán)力，并不依賴于地方警務(wù)系統(tǒng)。但這并不代表預(yù)測警務(wù)的方法對企業(yè)犯罪并不適用，預(yù)測分析技術(shù)在其他執(zhí)法部門同樣得到重視。2011年，美國國稅局（IRS）成立了一個(gè)名為合規(guī)分析辦公室的新部門，其目的是通過收集包括Facebook、Instagram 和Twitter 的信息在內(nèi)的商業(yè)和公共數(shù)據(jù)，創(chuàng)建一個(gè)使用預(yù)測分析算法來減少欺詐的高級分析程序，以識別潛在的違規(guī)納稅人①V.R.McCarthy,Mary M.McCarthy,W.Ceccucci,“Introduction to predictive analytics”,In: Applying Predictive Analytics,Springer,Cham.https://doi.org/10.1007/978-3-030-83070-0_1.。

國外警務(wù)機(jī)構(gòu)的工作重心是防范和打擊街面犯罪，企業(yè)犯罪的管理職能分散在其他行政執(zhí)法機(jī)關(guān)。相比之下，我國公安機(jī)關(guān)承擔(dān)了一部分企業(yè)管理的職能，比如危險(xiǎn)化工品企業(yè)的管理、單位內(nèi)部安全保衛(wèi)等。即使部分企業(yè)犯罪有專門的行政管理機(jī)構(gòu)，比如稅務(wù)、海關(guān)等部門，可一旦進(jìn)入刑事程序，仍需要移送至公安機(jī)關(guān)進(jìn)行偵查。在大數(shù)據(jù)等現(xiàn)代信息技術(shù)全面改造犯罪治理模式的趨勢下，國內(nèi)公安機(jī)關(guān)實(shí)施預(yù)測警務(wù)不可能撇開企業(yè)犯罪治理這一領(lǐng)域。

（一）合法性

2021年頒布實(shí)施的數(shù)據(jù)安全法為推動數(shù)據(jù)服務(wù)經(jīng)濟(jì)社會發(fā)展，在第五章賦予了國家機(jī)關(guān)為履行法定職責(zé)而依法依規(guī)收集、處理數(shù)據(jù)的權(quán)力以及數(shù)據(jù)安全保護(hù)義務(wù)。第35 條明確規(guī)定“公安機(jī)關(guān)、國家安全機(jī)關(guān)因依法維護(hù)國家安全或者偵查犯罪的需要調(diào)取數(shù)據(jù)，應(yīng)當(dāng)按照國家有關(guān)規(guī)定，經(jīng)過嚴(yán)格的批準(zhǔn)手續(xù)，依法進(jìn)行，有關(guān)組織、個(gè)人應(yīng)當(dāng)予以配合”。這為公安機(jī)關(guān)收集相關(guān)數(shù)據(jù)，實(shí)施預(yù)測警務(wù)提供了合法性支撐。

在隱私權(quán)的爭議上，企業(yè)犯罪的相關(guān)數(shù)據(jù)主要以財(cái)務(wù)數(shù)據(jù)、企業(yè)經(jīng)營數(shù)據(jù)為主，涉及自然人的數(shù)據(jù)一般是法院判決、行政處罰等合法公開的數(shù)據(jù)以及房屋、車輛產(chǎn)權(quán)變更、銀行流水、股票證券交易記錄等涉及財(cái)產(chǎn)權(quán)的數(shù)據(jù)，基本不涉及與自然人人身權(quán)利相關(guān)的數(shù)據(jù)。

在風(fēng)險(xiǎn)企業(yè)的處置上，不同于自然人犯罪，企業(yè)犯罪屬于行政犯。行政機(jī)關(guān)的監(jiān)管、指導(dǎo)對各國企業(yè)都是一種常態(tài)，風(fēng)險(xiǎn)評估只不過為行政機(jī)關(guān)開展監(jiān)管指導(dǎo)提供了更為精準(zhǔn)的決策依據(jù)，企業(yè)犯罪也較少涉及倫理道德爭議。司法機(jī)關(guān)不可能在沒有法律的支持下，跳過行政機(jī)關(guān)將風(fēng)險(xiǎn)評估結(jié)果直接作為定罪的依據(jù)。特別是近年來，“兩高”多次強(qiáng)調(diào)優(yōu)化營商環(huán)境的重要性，試點(diǎn)企業(yè)合規(guī)制度，探索將企業(yè)犯罪風(fēng)險(xiǎn)評估納入企業(yè)合規(guī)不起訴制度中，盡可能避免企業(yè)因涉及案件而陷入經(jīng)營困境。

（二）必要性

從社會危害性來看，企業(yè)犯罪已經(jīng)取代其他犯罪成為影響社會穩(wěn)定的重要因素。企業(yè)犯罪屬于典型的白領(lǐng)犯罪，其危害程度高于以暴力犯罪為主的街面犯罪。國外有學(xué)者統(tǒng)計(jì)，大約49%的企業(yè)和25%的家庭是白領(lǐng)犯罪的受害者，而暴力犯罪的比率為1.06%，財(cái)產(chǎn)犯罪的比率為7.37%。②R.Richardson,J.Schultz,and K.Crawford,“Dirty Data,Bad Predictions: How Civil Rights Violations Impact Police Data,Predictive Policing Systems,and Justice”,N.Y.U.L.REV.ONLINE,94,192 (2019).街面犯罪的暴力性放大了其造成的直接危害，而企業(yè)犯罪潛藏于日常的經(jīng)濟(jì)活動中，隱蔽性強(qiáng)，但其間接危害性卻不容忽視。以常見的非法集資罪為例，2020年全國共查處非法集資案件7500 余起，處置非法集資存量案件的三年攻堅(jiān)戰(zhàn)共辦結(jié)案件1.1 萬起，涉案金額3800 多億元。③《處置非法集資部際聯(lián)席會議：2020年全國查處非法集資案件7500 余起》，http://www.chinapeace.gov.cn/chinapeace/c100007/2021-04/23/content_12479474.shtml，訪問日期：2022年2月18日。企業(yè)犯罪除了造成巨額的直接經(jīng)濟(jì)損失，更可怕的是其“水波效應(yīng)”對社會穩(wěn)定的危害。由于企業(yè)犯罪波及面廣，其負(fù)面影響往往會波及關(guān)聯(lián)企業(yè)及其員工，可能導(dǎo)致企業(yè)破產(chǎn)、員工失業(yè)，致使大量無業(yè)人員流散社會，犯罪率隨之迅速上升。

對于執(zhí)法機(jī)關(guān)而言，對傳統(tǒng)企業(yè)犯罪治理模式的改革也是迫在眉睫。國內(nèi)執(zhí)法機(jī)關(guān)對企業(yè)犯罪的處置飽受非議，一些重特大經(jīng)濟(jì)案件頻發(fā)更讓原本就已十分緊張的警力更加捉襟見肘。以罰代管的粗暴治理嚴(yán)重挫傷了市場經(jīng)濟(jì)主體的活力，利益各方的明爭暗斗猶如揮之不去的陰霾侵蝕著司法公平公正的理念。這其中，有企業(yè)犯罪案情復(fù)雜、執(zhí)法機(jī)關(guān)能力不足的主觀因素，也有地方保護(hù)主義、司法腐敗等無法忽視的客觀現(xiàn)實(shí)。破解這一頑瘴痼疾最有效的手段就是將企業(yè)犯罪治理數(shù)據(jù)化、透明化，盡可能擠壓人為意志在經(jīng)濟(jì)案件辦理中的灰色空間，用科學(xué)客觀的風(fēng)險(xiǎn)評估取代模糊不清的主觀判斷，劃清企業(yè)犯罪治理的優(yōu)先級，在違法違規(guī)行為演變惡劣犯罪之前及時(shí)加以糾正，從而用積極主動的犯罪預(yù)防策略將企業(yè)犯罪的潛在危害降到最低。

（三）可行性

首先，在“天時(shí)”方面，警務(wù)模式的變革取決于社會發(fā)展水平。過去幾十年，信息領(lǐng)域發(fā)生了前所未有的技術(shù)進(jìn)步，計(jì)算機(jī)產(chǎn)業(yè)的崛起和通信技術(shù)的應(yīng)用對各行各業(yè)都產(chǎn)生了不可估量的影響，金融、醫(yī)療、營銷等行業(yè)需求推動了風(fēng)險(xiǎn)評估軟件算法的研究，收集大量數(shù)據(jù)進(jìn)行算法評估在技術(shù)上已經(jīng)成熟，數(shù)據(jù)驅(qū)動的企業(yè)風(fēng)險(xiǎn)評估作為商業(yè)模式的重要環(huán)節(jié)已在各行各業(yè)得到廣泛使用。

企業(yè)犯罪不同于街面犯罪，其犯罪動機(jī)主要是侵財(cái)，犯罪的時(shí)間和地點(diǎn)也脫離了傳統(tǒng)犯罪地理學(xué)的研究范疇，且犯罪活動的實(shí)施也是通過法律行為而不是自然人的肢體行為實(shí)現(xiàn)的。以上特征決定了在企業(yè)犯罪中，自然人的主觀隨意性因素被壓縮到了現(xiàn)有預(yù)測分析技術(shù)可以接受的范圍內(nèi)。企業(yè)經(jīng)營過程中產(chǎn)生的一般是結(jié)構(gòu)化數(shù)據(jù)，相較自然人產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)，更容易被系統(tǒng)批量處理，由此顯著降低了犯罪預(yù)測的難度。

其次，在“地利”方面，數(shù)據(jù)產(chǎn)業(yè)革命的浪潮同樣傳導(dǎo)到行政部門和司法部門，各地政府紛紛牽頭成立大數(shù)據(jù)產(chǎn)業(yè)集團(tuán)，熱火朝天地開啟了“智慧城市”建設(shè)。出于行政決策的需求，稅收、工商、司法等政務(wù)數(shù)據(jù)以及通信、電力、物流等經(jīng)濟(jì)數(shù)據(jù)匯集到城市大數(shù)據(jù)平臺，為公安機(jī)關(guān)治理企業(yè)犯罪打牢了數(shù)據(jù)基座。

最后，在“人和”方面，社會輿論近年來一直都存在加強(qiáng)企業(yè)監(jiān)管的呼聲。相較于自然犯罪，犯罪預(yù)測運(yùn)用于企業(yè)犯罪領(lǐng)域的阻力較小。國內(nèi)公安機(jī)關(guān)作為處置社會矛盾的最前沿，也敏銳地感知到大數(shù)據(jù)時(shí)代的犯罪治理趨勢，專門組建了大數(shù)據(jù)部門，并要求各地公安機(jī)關(guān)組建“數(shù)據(jù)戰(zhàn)隊(duì)”開展“數(shù)據(jù)建?！本毐顒?，為預(yù)測警務(wù)的實(shí)施提供了人才支撐。

三、企業(yè)犯罪預(yù)測平臺的建設(shè)實(shí)踐

在部分地區(qū)，隨著條件的成熟，公安機(jī)關(guān)已經(jīng)開始了相關(guān)探索。比如，江蘇省宜興市公安局為治理企業(yè)惡意逃廢債務(wù)類犯罪而研發(fā)的企業(yè)惡意逃廢風(fēng)險(xiǎn)預(yù)警防控平臺，就充分利用整合的企業(yè)風(fēng)險(xiǎn)數(shù)據(jù)資源，基于“數(shù)據(jù)—行為”模型，通過大數(shù)據(jù)分析及模型運(yùn)算，分析逃廢債務(wù)預(yù)警企業(yè)的風(fēng)險(xiǎn)，及時(shí)將風(fēng)險(xiǎn)企業(yè)推送至屬地派出所進(jìn)行先期處置，最終由市級相關(guān)部門綜合平臺分析結(jié)果，并通過實(shí)地調(diào)研確定防控手段。這套企業(yè)犯罪治理機(jī)制的核心是企業(yè)惡意逃廢風(fēng)險(xiǎn)預(yù)警防控平臺，該平臺具體包括“一庫兩平臺”，即企業(yè)金融信息數(shù)據(jù)庫、數(shù)據(jù)支撐平臺和業(yè)務(wù)應(yīng)用平臺。下文以該機(jī)制的運(yùn)作為例，就企業(yè)犯罪預(yù)測平臺的建設(shè)問題進(jìn)行探討。

（一）企業(yè)金融信息數(shù)據(jù)庫

企業(yè)金融信息數(shù)據(jù)庫是所有平臺建設(shè)的基石，其以規(guī)模企業(yè)為主體，以金融數(shù)據(jù)為核心，以市級信用平臺企業(yè)數(shù)據(jù)為基礎(chǔ)，以銀行、公安、法院、檢察院、人社等行業(yè)、政府部門和各鄉(xiāng)鎮(zhèn)政府實(shí)時(shí)調(diào)查更新的數(shù)據(jù)以及水、電、氣公用服務(wù)第三方數(shù)據(jù)為支撐，以統(tǒng)一的社會風(fēng)險(xiǎn)代碼制度為標(biāo)準(zhǔn)，建立起的一個(gè)可擴(kuò)展、可集成、有統(tǒng)一數(shù)據(jù)模型、有多種用戶視角的風(fēng)險(xiǎn)數(shù)據(jù)中心，能夠?qū)Ω鞑块T的公共風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行統(tǒng)一整合、重組，并形成企業(yè)庫、個(gè)人庫、事業(yè)單位和社會組織庫及風(fēng)險(xiǎn)基準(zhǔn)評價(jià)庫的有機(jī)融合，從而實(shí)現(xiàn)風(fēng)險(xiǎn)數(shù)據(jù)從“分散存儲”向“集中存儲”的轉(zhuǎn)變。

企業(yè)金融信息數(shù)據(jù)庫包括元數(shù)據(jù)管理系統(tǒng)和數(shù)據(jù)管理系統(tǒng)。元數(shù)據(jù)管理系統(tǒng)是建立企業(yè)風(fēng)險(xiǎn)預(yù)警防控平臺全部數(shù)據(jù)項(xiàng)的業(yè)務(wù)元數(shù)據(jù)與技術(shù)元數(shù)據(jù)，實(shí)現(xiàn)了元數(shù)據(jù)的管理與關(guān)聯(lián)，具有元數(shù)據(jù)模型、元數(shù)據(jù)采集、元數(shù)據(jù)管理、元數(shù)據(jù)映射和元數(shù)據(jù)分析等功能。數(shù)據(jù)管理系統(tǒng)具有對各業(yè)務(wù)部門提供數(shù)據(jù)的質(zhì)量、類別、數(shù)量和及時(shí)性等方面的統(tǒng)計(jì)查詢功能，以及對數(shù)據(jù)的修改和刪除功能。

（二）數(shù)據(jù)支撐平臺

數(shù)據(jù)支撐平臺包括數(shù)據(jù)歸集管理系統(tǒng)和系統(tǒng)管理。數(shù)據(jù)歸集管理系統(tǒng)具有數(shù)據(jù)采集、數(shù)據(jù)處理、異常數(shù)據(jù)管理、數(shù)據(jù)反饋和數(shù)據(jù)質(zhì)量管理等功能，通過前置機(jī)、系統(tǒng)接口、人工報(bào)送、信息自動抓取等多種方式歸集整合信用平臺、政府單位、鄉(xiāng)鎮(zhèn)以及第三方掌握的企業(yè)金融信息，提供了企業(yè)風(fēng)險(xiǎn)數(shù)據(jù)采集、交換、處理、匯集、共享全流程的數(shù)據(jù)管理、質(zhì)量管理、業(yè)務(wù)監(jiān)控和歸集分析等功能。該系統(tǒng)能夠針對企業(yè)風(fēng)險(xiǎn)信息采集、處理和匯總情況，從完整性、準(zhǔn)確性、一致性、合理性等方面進(jìn)行綜合監(jiān)控和質(zhì)量管理，提高數(shù)據(jù)質(zhì)量。系統(tǒng)管理包括流程管理、接口服務(wù)、配置管理和日志審計(jì)等功能。

（三）業(yè)務(wù)應(yīng)用平臺

1.企業(yè)信息一戶式查詢系統(tǒng)。該系統(tǒng)可以通過企業(yè)名稱、組織機(jī)構(gòu)代碼、社會信用統(tǒng)一代碼、法定代表人進(jìn)行簡單查詢、模糊查詢和組合查詢，并通過樹形圖展示企業(yè)財(cái)稅能耗信息、資產(chǎn)變化信息、公檢法信息、金融機(jī)構(gòu)信息、信用數(shù)據(jù)、社保勞務(wù)、法定代表人信息以及其他信息。

2.企業(yè)風(fēng)險(xiǎn)指標(biāo)庫。該數(shù)據(jù)庫將風(fēng)險(xiǎn)數(shù)據(jù)劃分為數(shù)據(jù)指標(biāo)以及行為指標(biāo)兩類，對各類企業(yè)風(fēng)險(xiǎn)指標(biāo)進(jìn)行管理和配置，對指標(biāo)的使用、停用和版本進(jìn)行管理，對指標(biāo)參數(shù)的區(qū)間值進(jìn)行修改和維護(hù)，對指標(biāo)分值進(jìn)行修改和維護(hù)，對指標(biāo)運(yùn)算進(jìn)行修改和維護(hù)。具體的指標(biāo)設(shè)置詳見表1和表2。

表1 企業(yè)惡意逃廢債風(fēng)險(xiǎn)數(shù)據(jù)指標(biāo)

表2 企業(yè)惡意逃廢債風(fēng)險(xiǎn)行為指標(biāo)

3.企業(yè)風(fēng)險(xiǎn)評價(jià)報(bào)告系統(tǒng)。該系統(tǒng)基于“數(shù)據(jù)—模型—場景”要求，通過大數(shù)據(jù)分析及模型運(yùn)算，提供企業(yè)風(fēng)險(xiǎn)得分和分區(qū)域的綜合排名，生成企業(yè)的綜合風(fēng)險(xiǎn)評估報(bào)告和鄉(xiāng)鎮(zhèn)金融狀況分析報(bào)告。企業(yè)風(fēng)險(xiǎn)評估報(bào)告按照企業(yè)風(fēng)險(xiǎn)指標(biāo)體系對金融數(shù)據(jù)進(jìn)行組織、加工，以檔案記錄的方式全面反映企業(yè)的風(fēng)險(xiǎn)狀況。鄉(xiāng)鎮(zhèn)金融狀況分析報(bào)告是反映區(qū)域內(nèi)企業(yè)經(jīng)營的風(fēng)險(xiǎn)情況，分析面臨的形勢和存在的問題，為科學(xué)決策和施策提供借鑒和參考。該系統(tǒng)包括企業(yè)風(fēng)險(xiǎn)報(bào)告模板、企業(yè)風(fēng)險(xiǎn)報(bào)告生成、企業(yè)風(fēng)險(xiǎn)報(bào)告輸出和企業(yè)風(fēng)險(xiǎn)報(bào)告管理等功能。

4.企業(yè)風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)。該系統(tǒng)的作用在于根據(jù)預(yù)警數(shù)據(jù)測算的需要，設(shè)定預(yù)警指標(biāo)，建立企業(yè)風(fēng)險(xiǎn)預(yù)警模型和規(guī)則，監(jiān)控各類企業(yè)風(fēng)險(xiǎn)因素的變動趨勢，同時(shí)通過多種分析手段對企業(yè)風(fēng)險(xiǎn)進(jìn)行綜合評判，并依據(jù)評判結(jié)果設(shè)置預(yù)警等級，對各類企業(yè)風(fēng)險(xiǎn)問題進(jìn)行預(yù)警跟蹤、提示和查詢。

5.重點(diǎn)企業(yè)風(fēng)險(xiǎn)推送系統(tǒng)。該系統(tǒng)可對需要重點(diǎn)關(guān)注的企業(yè)或重點(diǎn)關(guān)注行業(yè)中的企業(yè)進(jìn)行分類監(jiān)管，將高風(fēng)險(xiǎn)企業(yè)推送至管理部門以形成風(fēng)險(xiǎn)聯(lián)動應(yīng)對，對高風(fēng)險(xiǎn)企業(yè)可能的違法犯罪行為采取事中控制和事后打擊。這些企業(yè)的任何信息有更新或變動，都會主動提示到相關(guān)人員，并可以通過設(shè)定關(guān)注對象的詳細(xì)企業(yè)風(fēng)險(xiǎn)信息數(shù)據(jù)項(xiàng)，定制需要的風(fēng)險(xiǎn)推送規(guī)則。

6.風(fēng)險(xiǎn)軌跡動態(tài)監(jiān)控系統(tǒng)。該系統(tǒng)通過對企業(yè)的歷史風(fēng)險(xiǎn)信息進(jìn)行分析，刻畫出企業(yè)風(fēng)險(xiǎn)變化的軌跡。風(fēng)險(xiǎn)異議處理審批系統(tǒng)可按照相關(guān)部門或企業(yè)提出的要求，對風(fēng)險(xiǎn)主體的企業(yè)風(fēng)險(xiǎn)檔案數(shù)據(jù)庫記錄進(jìn)行風(fēng)險(xiǎn)修復(fù)，并對相關(guān)的應(yīng)用服務(wù)進(jìn)行聯(lián)動修復(fù)處理。

7.決策支持系統(tǒng)。該系統(tǒng)以圖形化報(bào)表的方式展現(xiàn)各風(fēng)險(xiǎn)主體的風(fēng)險(xiǎn)信息、相互之間的關(guān)聯(lián)信息以及各區(qū)域內(nèi)風(fēng)險(xiǎn)企業(yè)的分布情況；能夠支持“鉆取式查詢”，實(shí)現(xiàn)對指標(biāo)的逐層細(xì)化、深化分析，并將采集的數(shù)據(jù)形象化、直觀化、具體化。同時(shí)，還可以對各部門的企業(yè)風(fēng)險(xiǎn)信息歸集進(jìn)度、歸集成效、歸集質(zhì)量等進(jìn)行統(tǒng)計(jì)分析。

8.風(fēng)險(xiǎn)預(yù)警手機(jī)APP。這是在警務(wù)通系統(tǒng)客戶端上開發(fā)的“企業(yè)風(fēng)險(xiǎn)預(yù)警防控”手機(jī)APP，它以VPN 撥號接入和手機(jī)硬件綁定等嚴(yán)格的訪問控制手段來實(shí)現(xiàn)在手機(jī)上查詢企業(yè)信息、企業(yè)風(fēng)險(xiǎn)報(bào)告、企業(yè)風(fēng)險(xiǎn)預(yù)警、重點(diǎn)企業(yè)風(fēng)險(xiǎn)推送以及風(fēng)險(xiǎn)申報(bào)處理審批等功能。

四、預(yù)測警務(wù)治理企業(yè)犯罪的瓶頸及完善對策

（一）尚需解決的瓶頸問題

1.適用范圍存在局限。企業(yè)經(jīng)營范圍各有不同，經(jīng)營方式千差萬別，經(jīng)營情況受市場影響而波動，用同一套模型判斷各類企業(yè)是否存在犯罪風(fēng)險(xiǎn)無異于刻舟求劍。因此，相關(guān)的平臺建設(shè)需要根據(jù)地方產(chǎn)業(yè)實(shí)際情況量身定制。以“企業(yè)惡意逃廢風(fēng)險(xiǎn)預(yù)警防控平臺”為例，宜興的地方工業(yè)結(jié)構(gòu)相對單一，處于規(guī)模以上工業(yè)前兩位的電線電纜、銅加工行業(yè)合計(jì)占比達(dá)54.3%，排在第三位的化工行業(yè)占比為12.1%，這三類企業(yè)占當(dāng)?shù)毓I(yè)總量的66.4%。相對單一的產(chǎn)業(yè)結(jié)構(gòu)降低了數(shù)據(jù)指標(biāo)積分模型構(gòu)建的難度，加上當(dāng)?shù)卣谔幹么祟惍a(chǎn)業(yè)風(fēng)險(xiǎn)時(shí)積累了豐富的數(shù)據(jù)和經(jīng)驗(yàn)，因此平臺在構(gòu)建模型方面更具針對性，預(yù)測準(zhǔn)確率也得以提高。由此，在現(xiàn)階段該平臺的適用范圍主要是產(chǎn)業(yè)結(jié)構(gòu)相對穩(wěn)定、單一的工業(yè)城市，適用對象局限于生產(chǎn)經(jīng)營模式相對固定、有一定規(guī)模的加工制造企業(yè)，對從事第一產(chǎn)業(yè)以及第三產(chǎn)業(yè)的企業(yè)則無法有效判斷其運(yùn)行情況，在第二產(chǎn)業(yè)種類繁多、第三產(chǎn)業(yè)發(fā)達(dá)的大型城市需要另辟蹊徑。

2.數(shù)據(jù)安全存在隱患。數(shù)據(jù)安全法第40 條規(guī)定“國家機(jī)關(guān)委托他人建設(shè)、維護(hù)電子政務(wù)系統(tǒng)，存儲、加工政務(wù)數(shù)據(jù)，應(yīng)當(dāng)經(jīng)過嚴(yán)格的批準(zhǔn)程序，并應(yīng)當(dāng)監(jiān)督受托方履行相應(yīng)的數(shù)據(jù)安全保護(hù)義務(wù)。受托方應(yīng)當(dāng)依照法律、法規(guī)的規(guī)定和合同約定履行數(shù)據(jù)安全保護(hù)義務(wù)，不得擅自留存、使用、泄露或者向他人提供政務(wù)數(shù)據(jù)。”公安機(jī)關(guān)在處理數(shù)據(jù)時(shí)，承擔(dān)著數(shù)據(jù)安全保護(hù)義務(wù)。在數(shù)據(jù)庫的建設(shè)中，因其潛在的商業(yè)利益，往往成為不法人員的重點(diǎn)攻擊和獲取目標(biāo)，包括開發(fā)企業(yè)操控?cái)?shù)據(jù)庫、截留挪用數(shù)據(jù)等風(fēng)險(xiǎn)隱患以及公安機(jī)關(guān)內(nèi)部人員非法濫用數(shù)據(jù)等問題。由于相關(guān)企業(yè)深度參與平臺建設(shè)，必然要接觸到平臺的核心項(xiàng)目，因而能夠取得數(shù)據(jù)庫的管理權(quán)限。這些數(shù)據(jù)一旦被不懷好意的企業(yè)所利用，后果不堪設(shè)想。此外，部分建設(shè)企業(yè)安全防護(hù)措施不到位，也可能成為不法分子的攻擊目標(biāo)，被當(dāng)作入侵公安數(shù)據(jù)庫的跳板。

當(dāng)下，公安機(jī)關(guān)雖然采用了一系列保障數(shù)據(jù)安全的軟硬件，但是防護(hù)手段主要還是在傳統(tǒng)的諸如安全準(zhǔn)入、防火墻、安全網(wǎng)關(guān)、主機(jī)殺毒和安全加固上，而云計(jì)算的出現(xiàn)讓網(wǎng)絡(luò)邊界、應(yīng)用邊界、數(shù)據(jù)邊界變得模糊，以往基于邊界防御的安全體系設(shè)計(jì)在云計(jì)算環(huán)境下將面臨失效的風(fēng)險(xiǎn)，必須采用全新的思維，有針對性地為大數(shù)據(jù)平臺建立新的安全防護(hù)體系。

3.缺乏助力獨(dú)木難支。預(yù)測警務(wù)作為現(xiàn)代警務(wù)革命的前沿領(lǐng)域，研發(fā)難度高，單純依靠公安機(jī)關(guān)進(jìn)行技術(shù)攻關(guān)顯然遠(yuǎn)遠(yuǎn)不夠。國內(nèi)司法部門的數(shù)字化建設(shè)主要還是以搭建數(shù)據(jù)庫為主，深度應(yīng)用數(shù)據(jù)建模、人工智能、機(jī)器學(xué)習(xí)等技術(shù)來開展犯罪預(yù)測應(yīng)用的較少，數(shù)據(jù)分析應(yīng)用、系統(tǒng)工具研發(fā)及模型戰(zhàn)法提煉等方面的專業(yè)人才匱乏，既懂技術(shù)又懂業(yè)務(wù)的復(fù)合型高端人才更是寥寥無幾，這也是當(dāng)下公安機(jī)關(guān)技術(shù)應(yīng)用、創(chuàng)新、發(fā)展舉步維艱的最主要原因。不過，公安機(jī)關(guān)已經(jīng)逐漸意識到這一問題，正不斷通過外部人才招錄引進(jìn)、內(nèi)部人才選拔培養(yǎng)等方式壯大人才隊(duì)伍，但在短期內(nèi)仍無法迅速填補(bǔ)數(shù)字化轉(zhuǎn)型的空白。目前，盡管通過警企合作的方式取得了一定成效，但這種應(yīng)急措施也存在明顯的缺陷。其一是無法從根本上解決人才短缺問題。業(yè)務(wù)外包的方式雖然能解人才短缺一時(shí)之急，但不能起到人才培養(yǎng)的作用，甚至還出現(xiàn)了企業(yè)高薪“挖墻角”，內(nèi)部專業(yè)人才流失的現(xiàn)象；其二是核心技術(shù)始終受制于人。由于工作性質(zhì)的特殊性，公安機(jī)關(guān)無法直接購買市場上成熟的互聯(lián)網(wǎng)數(shù)據(jù)服務(wù)，而是需要企業(yè)針對公安需求量身定制，這導(dǎo)致平臺建設(shè)成本大幅提高。預(yù)測警務(wù)的成效也受企業(yè)研發(fā)實(shí)力的影響，大型公司技術(shù)水平高但合作難度大，小型公司則技術(shù)水平有限，達(dá)不到預(yù)測警務(wù)要求的門檻。

（二）完善對策

1.打造警校企三方合作小循環(huán)。針對預(yù)測警務(wù)的技術(shù)瓶頸以及后續(xù)維護(hù)問題，國外警務(wù)機(jī)構(gòu)普遍采取警校企三方合作的方式。高校擁有實(shí)力雄厚的研發(fā)團(tuán)隊(duì)，了解前沿技術(shù)，但缺少實(shí)踐經(jīng)驗(yàn)及真實(shí)數(shù)據(jù)；企業(yè)掌握成熟的技術(shù)商業(yè)化模式，在運(yùn)營維護(hù)上積累了豐富的經(jīng)驗(yàn)；警務(wù)機(jī)構(gòu)則掌握了大量基礎(chǔ)業(yè)務(wù)數(shù)據(jù)，對數(shù)據(jù)轉(zhuǎn)化為戰(zhàn)斗力有著迫切的需求。警校企三方各有所需，相互之間可以取長補(bǔ)短、融合發(fā)展，共同推動國內(nèi)預(yù)測警務(wù)的發(fā)展。

目前警、校之間的合作的方式有以下三種：一是平臺研發(fā)。由于缺乏技術(shù)實(shí)力，公安機(jī)關(guān)面對預(yù)測警務(wù)項(xiàng)目建設(shè)的方案、架構(gòu)、實(shí)施、硬件配置等問題時(shí)往往無從下手。與此同時(shí)，信息技術(shù)日新月異，如果一味閉門造車，很可能出現(xiàn)花費(fèi)大量人力物力但“建成即落后”的尷尬局面。因此，公安機(jī)關(guān)可以引入高校實(shí)驗(yàn)室參與預(yù)測平臺建設(shè)，聘請相關(guān)的專家擔(dān)任科技顧問，從而在一定程度上避免重復(fù)建設(shè)以及開發(fā)架構(gòu)不合理等問題，大大提高犯罪預(yù)測項(xiàng)目建設(shè)的先進(jìn)性和實(shí)用性。同時(shí)，通過警、校共同承擔(dān)的方式也能降低研發(fā)成本。此外，在涉密平臺的建設(shè)上，高校比大部分企業(yè)有著更高的可靠性。二是人才培養(yǎng)。在培養(yǎng)方式上，既可以依托公安實(shí)戰(zhàn)訓(xùn)練基地進(jìn)行集中培訓(xùn)授課，也可以參加校內(nèi)的專題專項(xiàng)培訓(xùn)。在培養(yǎng)內(nèi)容上，一方面通過知識普訓(xùn)，讓廣大民警了解掌握數(shù)據(jù)建模的基礎(chǔ)知識和基本工具；另一方面通過針對性培訓(xùn)，從情報(bào)、網(wǎng)安、大數(shù)據(jù)等專業(yè)民警和其他有需求的民警中，培養(yǎng)一批專家型、大師級人才，比如對民警進(jìn)行平臺架構(gòu)、數(shù)據(jù)庫結(jié)構(gòu)等方面的培訓(xùn)，對情報(bào)民警進(jìn)行數(shù)據(jù)挖掘、清洗等方面的培訓(xùn)。三是學(xué)術(shù)研究。大數(shù)據(jù)時(shí)代的到來，激發(fā)了廣大民警在數(shù)據(jù)應(yīng)用、系統(tǒng)設(shè)計(jì)方面的創(chuàng)新思維和創(chuàng)造熱情，但由于缺乏科研環(huán)境，公安內(nèi)部的大量實(shí)戰(zhàn)成果無法轉(zhuǎn)化為學(xué)術(shù)成果。高校也面臨苦于缺少真實(shí)的數(shù)據(jù)實(shí)驗(yàn)，形成的學(xué)術(shù)成果說服性不強(qiáng)、不具備普遍性等問題。預(yù)測警務(wù)的建設(shè)為雙方提供了一個(gè)合作的契機(jī)，可以立足雙方共同需求商議確定研究課題，既可以是高校主導(dǎo)的學(xué)科專業(yè)研究方向，也可以是公安條線主導(dǎo)的科技強(qiáng)警、改革創(chuàng)新及基層技術(shù)革新等。在研究方式上，可以由公安提供實(shí)際數(shù)據(jù)和應(yīng)用場景，由高?？蒲腥藛T進(jìn)行可行性分析及實(shí)驗(yàn)，通過互動交流、共同參與的方式，實(shí)現(xiàn)互利共贏。

雖然警、校合作能夠切實(shí)提升預(yù)測警務(wù)的研發(fā)水平，但在犯罪預(yù)測系統(tǒng)的運(yùn)行維護(hù)上還有賴于企業(yè)支持。隨著警方業(yè)務(wù)數(shù)據(jù)量迅猛增長、系統(tǒng)平臺硬件老化，部分系統(tǒng)工具會出現(xiàn)反應(yīng)遲鈍等現(xiàn)象，嚴(yán)重影響到日常工作。運(yùn)營業(yè)務(wù)對技術(shù)水平、數(shù)據(jù)安全的要求較低，需要的是成熟穩(wěn)定、隨叫隨到的支持服務(wù)。這類工作并不適合高校承擔(dān)，卻是企業(yè)的長項(xiàng)。企業(yè)的參與可以最大程度降低平臺日常升級維護(hù)的成本，為公安預(yù)測警務(wù)項(xiàng)目的平穩(wěn)運(yùn)行提供可靠的后勤服務(wù)。在大數(shù)據(jù)人才緊缺的當(dāng)下，公安機(jī)關(guān)可以通過嚴(yán)格規(guī)范篩選和招投標(biāo)程序，在確保數(shù)據(jù)信息絕對安全的前提下，積極尋求運(yùn)維外包合作企業(yè)，將社會化資源為我所用，保障公安數(shù)字化系統(tǒng)的運(yùn)行能力。

部分省市公安機(jī)關(guān)在“警校企”共享共建、合作共贏方面已走在前列。比如，濟(jì)南市公安局聯(lián)合山東大學(xué)軟件學(xué)院、山東警察學(xué)院情報(bào)系、市公安局IF（情報(bào)愛好者）聯(lián)盟并會同大數(shù)據(jù)領(lǐng)域的開發(fā)公司成立了“DQB 大數(shù)據(jù)實(shí)驗(yàn)室”，研究適用于公安情報(bào)大數(shù)據(jù)應(yīng)用的模型、算法、引擎和工具；淮安市公安局與3 家高新企業(yè)、兩所本地高校共同組建了20 人的公安大數(shù)據(jù)技術(shù)保障專業(yè)團(tuán)隊(duì)；徐州市公安局聯(lián)合曙光集團(tuán)、中國礦業(yè)大學(xué)理學(xué)院共同籌建了“建模實(shí)驗(yàn)室”，對重點(diǎn)項(xiàng)目進(jìn)行捆綁作業(yè)、聯(lián)合攻關(guān)。

2.融入社會治理現(xiàn)代化大循環(huán)。針對街面犯罪頻發(fā)這一美國社會的頑瘴痼疾，美國警方在預(yù)測警務(wù)上投入了大量人力、物力卻反而激起了社會民眾的不滿，其根源便在于社會專項(xiàng)治理的局限性。在社會學(xué)界廣受贊譽(yù)的美劇《火線》，從巴爾的摩市警局視角出發(fā)，通過一系列的案件將犯罪問題的矛頭指向其背后的深層社會問題，比如碼頭工人參與走私、販毒犯罪是由于巴爾的摩港口管理存在漏洞，這種管理上的松散則是由于市政府對航運(yùn)業(yè)的輕視。一家經(jīng)營良好的企業(yè)能夠?yàn)樯鐣e散勞動力提供大量就業(yè)崗位，其治理水平直接影響到整個(gè)社會的運(yùn)行態(tài)勢，進(jìn)而影響到犯罪率的高低。因此，企業(yè)犯罪的治理無法脫離國家治理體系和治理能力這一大框架，企業(yè)犯罪的治理水平與社會整體治理水平息息相關(guān)。

我國近年來一直都在推動企業(yè)犯罪的社會治理，在技術(shù)上提倡用大數(shù)據(jù)等技術(shù)感知社會態(tài)勢、暢通溝通渠道、輔助科學(xué)決策，在政策上不斷強(qiáng)調(diào)優(yōu)化營商環(huán)境，建設(shè)社會信用體系，試點(diǎn)企業(yè)合規(guī)制度，引導(dǎo)企業(yè)合法經(jīng)營。預(yù)測警務(wù)應(yīng)用于企業(yè)犯罪治理無疑順應(yīng)了這一趨勢。以犯罪風(fēng)險(xiǎn)評估為核心的預(yù)測警務(wù)模式為企業(yè)犯罪預(yù)防提供精準(zhǔn)的數(shù)據(jù)支持，在企業(yè)出現(xiàn)犯罪苗頭時(shí)及時(shí)引導(dǎo)企業(yè)迷途知返，避免其陷入犯罪泥潭。在社會治理現(xiàn)代化的時(shí)代背景下，預(yù)測警務(wù)的建設(shè)不應(yīng)該孤立于整體框架之外，而是應(yīng)當(dāng)作為政府?dāng)?shù)字化轉(zhuǎn)型的一部分，主動融入其他社會綜合治理機(jī)制之中。比如在社會信用體系建設(shè)中，政務(wù)信用數(shù)據(jù)能夠被企業(yè)犯罪風(fēng)險(xiǎn)預(yù)測平臺納入數(shù)據(jù)庫，為相關(guān)部門建模比對、分析預(yù)警提供深度應(yīng)用服務(wù)。

公安機(jī)關(guān)也不應(yīng)僅滿足于數(shù)據(jù)消費(fèi)者的身份，還應(yīng)當(dāng)進(jìn)一步發(fā)揮公安數(shù)字化建設(shè)應(yīng)用領(lǐng)先的優(yōu)勢，密切與其他行政、司法機(jī)構(gòu)之間的協(xié)作，向綜合金融服務(wù)平臺、市場監(jiān)管平臺、司法機(jī)關(guān)提供企業(yè)犯罪風(fēng)險(xiǎn)數(shù)據(jù)共享服務(wù)，建立自助式、智能化與網(wǎng)絡(luò)化的企業(yè)風(fēng)險(xiǎn)數(shù)據(jù)查詢、犯罪風(fēng)險(xiǎn)評價(jià)報(bào)告生成平臺，提升企業(yè)犯罪的社會整體治理水平。比如在企業(yè)合規(guī)試點(diǎn)中，公安機(jī)關(guān)可以將企業(yè)犯罪風(fēng)險(xiǎn)評估數(shù)據(jù)提供給檢察機(jī)關(guān)，作為評估企業(yè)合規(guī)整改效果的依據(jù)，以避免國外企業(yè)合規(guī)流程中的弊端。

公安機(jī)關(guān)還可以在行政管理工作中主動應(yīng)用企業(yè)犯罪風(fēng)險(xiǎn)數(shù)據(jù)，依法主動公開信息，優(yōu)化企業(yè)行政審批流程，把“黑盒決策”轉(zhuǎn)化成“白盒決策”，從而消除公眾對公權(quán)力的不信任感，提升政府在治理企業(yè)犯罪領(lǐng)域的社會公信力。比如，對企業(yè)犯罪風(fēng)險(xiǎn)較低、信用良好的優(yōu)質(zhì)企業(yè)提供“正反饋”，圍繞公安機(jī)關(guān)職能中直接面向企業(yè)依申請辦理的行政審批和公共服務(wù)事項(xiàng)，創(chuàng)造簡化便捷的“綠色通道”和增值服務(wù)。對犯罪風(fēng)險(xiǎn)較高的企業(yè)，明確信用修復(fù)標(biāo)準(zhǔn)，引導(dǎo)企業(yè)不斷提升合規(guī)管理水平，優(yōu)化市場整體營商環(huán)境。