浅析检察工作中的大数据运用

简介:

最高人民检察院检察长曹建明在十二届全国人大五次会议第三次全体会议上作最高人民检察院工作报告时提出,2017年,检察机关将强化大数据战略思维,深化“智慧检务”建设,实现四级检察机关司法办案、检务公开等“六大平台”全覆盖。“智慧检务”的全面建设,离不开大数据的运用。对于检察工作与大数据运用的关系,笔者认为可以从以下方面分析。

大数据运用有助于检察工作提升。从检务实践经验来看,大数据的运用,对进一步整合司法资源、规范司法行为、深化检务公开、提升工作效能、服务群众等方面都起到了积极的推动作用,有力地提升了检察工作质量。

大数据运用面临的问题。大数据运用在检务工作中虽然有广阔的应用前景,但就现状而言,检察机关的大数据运用仍有很多问题与不足。

一是数据隔离导致数据聚合度低。数据共享是运用大数据技术的基础和前提。然而,现实中数据隔离无处不在。大量数据以数据孤岛的状态被分割在各部门内部而无法被关联与聚合。目前,政法机关和行政机关的大数据应用平台多为各自建设,除数据隔离的问题外,还有硬件投入较大导致的零星建设和更新缓慢等问题。而数据不能共享导致检察机关司法办案调取涉案数据的手续庞杂、费时费力。

二是数据分析与个人主观能动的关系。大数据时代,检察工作人员办案的每一个步骤都会被大数据记载和上传,而上级机关对下级工作的考核便依据这些数据,这可能导致某些工作人员为应付上级机关的检查,工作只做表面文章,录入相关案件数据的过程中,只录入对其工作有利的数据,而不是与案件相关的所有数据,造成案件录入失实,影响检察机关公信力。

三是数据应用人才匮乏、应用水平较低。大数据既然是一种技术,意味着需要专业知识来掌控,因此,检察机关借助大数据运用进行司法办案、服务群众等工作都需要具有丰富经验的大数据分析人才支撑协助。目前,各级检察机关虽然都在积极培养自己的大数据人才,但仍存在专职人员较少、专业程度较低。

四是检务公开与检务监督管理存在矛盾。大数据时代,随着检务公开的发展,公众更容易获得案件的相关信息,也更容易在网络上就案件发表自己的看法,对检察机关的工作进行监督。一些媒体和网民为追求眼球效应,可能会发布一些不实或夸大事实的言论,甚至不惜为此造谣,严重破坏了检察机关的公信力。此外,当事人个人信息和隐私的保护工作也是检察工作中大数据运用面临的挑战之一。

大数据运用注意风险防控。虽然大数据运用仍面临以上诸多问题,但笔者认为,检察机关可以通过以下措施做到扬长避短,最大程度上发挥大数据运用的功效。

一是整合数据信息,完善数据库。建立独立、全面的数据和信息收集、存储、分析系统,建立精简使用的数据指标,在海量的数据信息里收集少而极具代表性的数据,形成检察机关的数据库资源,为检察机关案件的办理提供借鉴,并通过技术手段使得最高人民检察院对各级检察机关办理的案件中的瑕疵进行提醒和规制,提升检察机关案件办理和执法的综合能力,提升检察官整体办案水平,推进检务工作信息化、智能化。同时,深度融合各类数据平台,特别是注重积极推动政法单位数据平台之间的互联互通,实现信息共享共用,共同形成促进司法公正、提升司法效率的强大合力和良性互动,进一步实现检察机关信息化转型升级。

二是强化专业人才培养。加大数据应用能力培训力度,提升干警大数据应用能力,做到面对大数据应用设备,普通干警人人会用,优秀干警各有所长,最大程度上实现大数据充分运用。同时,整合统计、控申举报、技术等部门职能,形成数据信息采集、储存、分析的系统化管理;强化内设机构设置,设立数据、信息和情报部门;招录专业技术人才充实检察队伍,选派青年干警参加技术培训,加大对复合型检察技术专业人才的培养。

三是切实做好对当事人个人信息和隐私的保护。在大数据应用的背景下,结合国家网络安全法和检察机关办案具体情况,制定检察机关内部使用的《当事人个人信息和隐私保护规定》,采取严格的审批制度和审核制度,对当事人个人信息的采集、录入、存储、删除、销毁等阶段,通过严格的内部规定和程序来约束,防止个人信息的泄露和被侵犯。对于不遵守规定者,加大处罚力度,明确责任追究人和相应的处罚措施。同时,加强对干警培训,强调个人信息保护的重要性和个人隐私泄露的危害,从思想程度上提高干警保护个人信息安全的主观认识程度,重视工作中的每个环节,意识到个人信息和隐私的保护对案件相关人员的重要性。

四是完善电子检务公开。完善检察机关检务公开制度,确立统一的全国检察机关检务公开标准,并保留适当的弹性,允许各地区可根据自身特点和优势进行完善,实现更全面、更深层次的检务公开。完善电子检务公开平台建设,不断加大在门户网站、检察院案件信息公开网、新媒体平台上的检务公开力度,保持案件信息的实时发布与更新,对于民众的质疑及时回应,不给造谣、传谣者留有空间,真正满足社会公众对检务公开的期望,实现检务公开和检务监督的良性互动,维护检察机关公正权威的形象。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
传感器 大数据 定位技术
大数据介绍
大数据介绍
33 1
|
8月前
|
传感器 人工智能 大数据
大数据
第二节 大数据 1.大数据的概念 麦肯锡公司对大数据的定义: 大数据是指大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。 维基百科对大数据的定义: 大数据是指利用常用软件工具来获取、管理和处理数据所耗时间超过可容忍时间限制的数据集。这并不是一个精确的定义,因为无法确定常用软件工具的范围,可容忍时间也是个概略的描述。 2.大数据的特点 大数据具有5V特点(IBM提出),即: Volume(规模大)、Variety (种类多) 、Velocity (处理速度快)、Value (价值密度低)、Veracity (真实性) 2.大数据的特点 规模大: 数据规模大是大数据的基本属性。
|
SQL 机器学习/深度学习 数据可视化
漫谈对大数据的思考(下)
“大数据”已跃升为我们行业中最受炒作的术语之一,但炒作不应使人们忽视这样一个事实,即这是数据在世界上的作用真正重要的转变。
漫谈对大数据的思考(下)
|
存储 机器学习/深度学习 SQL
什么是大数据?
什么是大数据?
193 0
什么是大数据?
|
SQL 弹性计算 运维
初识大数据
了解大数据
89 0
|
大数据 数据挖掘
|
人工智能 物联网 大数据