当前数据模型建设过程中存在的问题及对策建议思考.docxVIP

当前数据模型建设过程中 存在的问题及对策建议思考 随着“智慧公安”建设的推进，各地公安机关依托“大数据”“云计算”“物联网”等新技术，积极推动警务模式从传统“粗放型”向“精准型”转变。在此过程中，以数据建模和分析为核心的智能分析研判无疑占有突出重要的位子。以上海公安机关为例，目前上海公安机关已开发了七百多个数据模型并投入到公安实战应用中，但是在模型的建设和应用过程中仍有一些问题和薄弱环节。 一、当前数据模型建设过程中存在的主要问题 （一）数据质量不高 如果说蛋白质、淀粉、维生素是人体不可或缺的养料，那么数据就是“智慧公安”的生命之源。数据建模作为一种应用数据进行的警务生产活动，数据质量的高低直接决定了数据建模的成败。正所谓正确的数据不一定能得到正确的结果，但错误的数据一定会得到错误的结果。 1.数据标准不统一。在“智慧公安”的建设推进过程中很多公安机关采用“众筹”理念，包括建设众筹和技术众筹。建设众筹，即采用相关地方政府部门和社会力量参与建设，实现多方共建共享。在社会面智能安防方面采用这一模式比较多，由政府引导，安防企业出资建设扩展服务，居民仅承担安装费。虽然这一模式解决了资金和运维问题，但不同地区的政府机关引进的安防企业各不相同，各家企业采用的前端感知设备比如门磁、烟感、窨井盖、车牌识别、人臉识别也没有统一标准和规范数据结构，对后续全市的数据汇集整合带来了不小的难度。 2.数据更新不及时。公安机关一直都很重视数据的采集和使用，也较早的出台了数据汇集和共享方面的考核政策。但在过去较长的一段时间内，只注重大数据4V中的volume（数据量大），片面地追求数据量多，导致的结果就是公安数据汇集库中积淀了大量的数据，但数据种类少、数据更新也不及时。 3.数据共享有限。过往公安系统内部存在着较多数据壁垒和数据烟囱现象，各个业务警种对数据共享多持有“索取多，共享少”的态度。随着智慧公安的建设，打破数据壁垒，实现数据融合共享，充分发挥大数据的威力已经成为了共识。但是，有一些重要的数据由于法律法规和历史原因，往往掌握在少数业务部门中，仍未实现实时、全面共享。特别是在数据建模应用比较多的外卖、快递、网站会员信息等数据共享程度很低，直接影响了模型的分析质量。 （二）数据模型层级比较低 1.数据使用水平不高。目前公安数据模型对数据的使用还处在依据民警过往公安业务经验将数据进行关联、比对、碰撞和查询阶段，只是将传统需要手工完成的公安业务自动化，距离结合机器学习算法与多源异构数据的大数据分析和智能预测还有较大的差距。 2.使用的数据结构形式单一。随着智慧公安建设的全面开展，各类感知神经元安装到位，公安大脑中的数据呈现“多源异构”化特征：既有传统公安数据库中获取的文字、数字类的结构化数据，还有从智能摄像头、智能门禁获取的图像、视频等非结构化数据。目前公安数据建模中还是在应用结构化数据为主，文本、图像、视频等非结构化数据目前还不能很好地处理和应用。 3.公安数据模型数量少。阿里巴巴公司有320万个数据模型，而目前上海公安只有七百个数据模型，差距十分悬殊。模型开发和业务需求联系紧密，有限的模型数量严重影响了“智慧公安”在实战中的作用发挥。 （三）数据建模与应用的流程不完善 1.建模需求不充分。公安大数据建模不仅仅是将传统的民警业务经验数字化工作，更是一种结合业务思维、数据思维和算法思维的创造性工作，建模的过程中需要集思广益，广开言路，集各业务单位所长。但由于知识壁垒、权限壁垒（数据和建模工具权限）和配套奖励机制等原因，数据建模只是集中在少数部门和个人手中的“特权”活动，并没有在全警和所有业务部门中有效推广开来。因此建设的模型大多只是聚焦在各自业务上的单一模型，缺乏跨警种、跨部门、系统和全面的综合类模型。 2.模型结果推送的多，反馈的少。比较常见的数据模型建设组合是由业务部门提出建模需求，科信部门进行模型开发，再由基础业务部门去核查检验模型结果，三者互相配合。在实际模型开发初期推送的结果往往与实际情况有较大的偏差，再加上很多模型的结果只是概率和可能性，并不是明确的情报线索，基层业务部门面对大量的推送结果，没有能力也没有意愿花费大量的人力和时间去核查验证这些“似是而非”的推送结果，容易出现敷衍了事的现象。没有了及时和准确的结果反馈，模型开发部门就不知道自己的模型是否准确、是否需要迭代升级，从而无法形成模型开发-应用-迭代的数据模型生命周期闭环。 二、相关对策和建议 （一）强化数据治理，健全数据共享机制 1.加强数据采集的标准化建设工作，统一数据格式标准。相关部门应当抓紧制定前端采感知设备采集数据的标准，明确所需的字段和数据标准格式，统一数据传输协议。确保不同厂家生产的同类型感知设备采集的数据能够顺利汇集到警务上并进行数据融合。 2.加大数据治理力度，开展数据融