警务数据价值释放的治理框架及实践策略

王 立，石 拓，2

（1.北京警察学院，北京 102202；
2.北京市公安局警察学院警务情报与数据智能标准实验室，北京 102202）

警务数据作为公安机关保障国家安全和社会安定的数据资源，所释放的价值不仅体现为警务业务技术层面的创新，还推动了警务工作中治安防控和数据治理能力的系统性、时代性变革，更从深层驱动了公安机关科学化行政管理、精准化犯罪打击处置、高效化社会服务等警务工作的演进，形成了大数据驱动下的“智慧警务”新模式。然而，随着警务工作实践中各类数据的野蛮增长，支撑公安业务运行的警务数据资源面临着运维管理困难、流通共享不畅、增值服务乏力三重问题，严重限制了警务数据资源的价值释放，昭示出开展数据治理才是警务数据提质增效的因应之道。如何构建有效的警务数据治理框架，寻得警务数据治理的实践策略，已成为当前公安机关发展大数据警务面临的现实难题。

有鉴于此，本文从公安实际业务出发，遵循逻辑归因—治理框架—实践策略的研究理路，以警务数据治理困境的内在致因为逻辑起点，构建出治理目标、主体结构、实施过程三位一体的警务数据治理框架，并据此给出实现高效能警务数据治理的实践策略，以期对我国警务数据价值释放实践探索提供可借鉴的依据和参考。

数据蕴藏巨大的经济社会价值，完善的治理体系则是充分释放数据价值的前提保障。没有精心设计的数据要素治理体系和配套制度，数据流通效益就无从实现，数据的资产价值也无从谈起［1］。对现有警务数据治理有关文献进行爬梳发现，学者们围绕警务数据治理的研究主要集中于技术研究、框架设计、实践探讨三个层面。

（一）警务数据治理技术研究

警务数据价值创造的初始勾廓是希望借助海量数据的多元分析，形成可服务于多维警务场景实战需求的技术产品。因此，众学者基于不同逻辑视角和应用场景，提出了观点不一的警务数据治理技术：国外，Kaufmann 等以算法监管角度设计了以数据生命周期为基础的技术架构［2］，Morgado 等人从现代社会和安全领域战略的发展视角出发，提出了警务数据治理的信息架构和技术方法［3］；
国内，吴信东等人针对我国警务数据规范、数据清洗、数据交换和数据集成进行具体分析而给出数据治理成熟度框架和数据治理技术设计［4］，刘明辉利用数据分析技术和交换信息技术来治理警务数据以实现数据信息在各系统间和各部门间的顺利交互［5］。

（二）警务数据治理框架设计

目前国内外针对警务数据治理的框架设计研究成果较少，国外学者主要还是从警务工作运行的各流程和要素下探讨警务数据的管理和优化，如Conner 等人以警务数据质量的评估框架为基底，从管理政策、系统设计、人员构成等角度构建治理框架［6］；
Maillard 等人主要针对欧美国家的警务Compstat 模式，提出警务数据治理框架的主要运作环节和制度设计［7］；
孟钰潇等基于DLC 模型设计了涵盖数据收集、数据整合、数据存取、数据分析和数据传递五个环节的警务情报数据治理体系［8］；
袁春瑛借鉴DGI 提出的数据治理框架，结合我国社会治安综合治理实践和目标要求，从组织管理、业务流程、效果评估三个层面构建社会治安数据治理总体框架［9］；
李亚洲等以DAMA为基础，应用机器学习算法、线下和流式计算手段，建构警务数据智能化的治理系统，进而对数据资源、资产目录、数据运维进行有律可循的智能管理［10］；
万方等基于DCMM 模型对我国警务数值治理能力开展剖析，厘出我国当前警务数据治理的顶层设计和管理体制的不完备之处［11］。

（三）警务数据治理实践探讨

面向警务数据治理实践的研究多数聚焦于从理念和战略层面探讨治理的宏观实践路径。Van 提出要从强化公民参与的单一视角探讨如何促进警务数据福利显现［12］；
Obar 等以解决数据歧视偏见为切入点探讨警务数据治理实践组合策略［13］；
国内学者宋祥斌根据警务大数据实践需求，分析了当前警务数据治理存在的问题，提出智慧警务背景下警务数据治理需要从建立标准、管理质量、平衡安全和隐私、建立治理框架四个方面推动警务数据治理实战化落地［14］；
朱晓瑜勾画了公安警务大数据环境下的数据治理实践进路，认为理应从数据采集标准、数据扩展原则、治理能力智能评价、安全体系优化、人才保障措施五个方面入手实施治理工作［15］。

综上所述，当下鲜少的警务数据治理研究成果，大多聚焦于在警务数据应用过程中暴露出的表层问题，探讨警务数据治理的必要性，忽略了从深层归因揭示警务数据治理的逻辑必然；
仅有的警务数据治理框架研究，只是将现有的数据治理框架或方法加以改进，简单移植到警务数据治理工作中来，缺乏公安实际业务场景的体系化考量，没有形成对释放警务数据价值具有实践意义的治理框架；
而有关警务数据治理的实践路径研究则更侧重于从宏观视角对人才、制度、技术建设等方面泛泛而谈，缺乏融合警务专业实践维度的系统化探究。

目前各地市公安机关的数据体量庞大，数据代码标准和统计口径不一致，存在多头建设、重复建设问题，致使数据治理流程不清、整体统筹困难，安全运维管理面临巨大压力，突出表现为警务数据可用性差，各类情报分析应用上线周期长，知识模型难以建立等诸多问题。以往片面追求警务数据在散点式场景中实现“短平快”的价值释放，引致警务数据资源始终在粗放式路径上演进，如今数据警务整体发展已经显现出可持续性差、纵深发展动力不足的困境，这些现实映照倒逼公安机关必须重新审视警务数据治理工作。寻得限制警务数据价值释放的逻辑归因，是实现警务数据的统一集约管理、安全高效共享、有力支撑实战，最大化释放数据价值治理目标的逻辑起点。本文立足警务数据治理的实践规训，从价值认知、治理框架、治理能力三个维度展开归纳，循证剖析警务数据治理偏移价值释放目标的深层原因。

（一）价值认知的层级势差

识别并认知警务数据治理的价值是当前公安机关各层级达成价值意识趋同的首要前提，但由于长期以来公安机关的科层制运作体系和工作模式已经根深蒂固，条块和职能分割让公安机关的不同层级间存在众多“缝隙”，导致不同层级对开展警务数据治理如何影响警务数据价值释放的意义上存在吸纳差异，表现为自上而下的价值认知势差。

全国警务大数据实施战略指出：“警务大数据建设要坚持在基础设施、服务平台、运维网络、数据资源、安全机制、衡量标准这几方面实现统一治理，加快推进警务大数据建设的智能化应用新环境的形成。”［16］在这一精神的指引下，各地公安机关的决策层已经就数据治理形成价值共识，即开展警务数据治理是释放警务数据价值“关键的具体”。因此，顶层管理者已着手统筹布局警务数据治理，并依托科层制治理结构自上而下地传导警务数据治理的价值意识，但科层制冗长的等级链条极易造成信息滞后和失真，如市级公安机关聚力于警务数据治理的可持续长远推进，亦在向下传导中强调数据治理的价值内涵，但由于不同层级和不同业务归口对于警务数据本身价值认知存在差异，便会在价值意识传导过程中不自觉引入业务视阈下的主观理解，使得下级公安机关虽然在接收到价值意识后虽能够基于行政命令贯彻执行治理活动，但与顶层决策者初始的自觉性价值意识产生偏差，甚至会由于自利性动机的存在，让其与顶层决策者对警务数据治理的价值认知产生更大鸿沟，引发基层公安机关在警务数据治理过程中出现推诿避责、各自为政、缺乏热情和主动性等现代官僚主义问题［17］。这种价值认同势差直接导致了当下警务数据治理口号喊得响，但实际内容形同虚设，整体呈现出形式化、表面化的问题［18］。

（二）治理框架的模糊不清

大数据警务战略是推进数字政府建设的重要组成部分，而警务数据价值发挥又是大数据警务战略得以高效运行的基石。实现最大化警务数据价值释放的基础是开展数据治理，作为一项系统工程，警务数据治理需要构建起涵盖治理主体结构、治理实施过程、治理配套机制、治理目标设置的整套框架体系［19］，从而为推动警务数据价值释放提供根本遵循。但由于当前警务数据治理机制不力、实施过程模糊、目标界定不清等原因，警务数据治理仍存在思路不清的障碍，公安系统至今未能形成体系化的警务数据治理框架。

警务数据治理框架构建困境的逻辑归因可以总结为三个方面：一是由于警务数据治理的利益相关主体未能在警务数据治理的目标达成上形成共识，且不清楚自身角色定位的权责体系，只能从自身理解的现实应然出发开展警务数据治理实践活动，这种缺乏对主体进行系统化统筹的治理，导致了治理各自为政、条块分割、运行封闭的问题，简而言之就是治理主体关系结构性失调导致了警务数据碎片化的治理藩篱；
二是由于缺乏整体统一的流程、标准和方法指导，各地各级公安机关和各警种单纯站在自身业务需求角度摸索构建警务数据治理框架，这种场景化差异治理引发了警务数据全局性的质量参差和不联不通；
三是利益主体间的联动协调、资源共享、业务规约和治理效能评价等机制缺乏，导致了警务数据治理主体关系涣散、数据资源统筹不利、治理效能不佳等问题［20］。

（三）治理能力的现实差异

警务数据治理作为一项以能力和价值提升为导向的专业工作［21］，既是专业服务过程，又是多方力量共同合作的活动［22］，需要组织领导力、多元参与能力、技术支撑能力等多维组合的赋权培力。随着公安信息化基础逐渐完善、大数据警务战略实施日趋深入，各公安机关对警务数据价值释放的认知不断深化，警务数据治理思维不断提升，但公安机关在治理能力和技术水平上的现实差异给警务数据价值释放带来了巨大阻碍。

目前，各地公安机关都把警务数据治理推动价值释放作为“一把手”工程来抓，这意味着警务数据治理需要有强大的组织和领导能力来推动。警务数据治理作为一项系统工程，需要领导层具备专业化的顶层设计能力。由于专业视角的不同，领导决策层在警务数据治理的战略制定、体系搭建和战略实施上的能力存在差异，如沿海地区的公安机关由于当前数据警务建设水平较高，对警务数据治理投入的财力和保障力度很大，特别是领导层在警务数据治理统筹设计、推动实施上的能力突出，而不发达地区囿于思想、理念、视野等因素的制约，还处于传统警务向数据警务的过渡阶段，领导层的警务数据治理能力较为薄弱，这种地区间公安机关警务数据治理能力的现实差异导致了警务数据治理整体出现发展失衡的极化格局。

警务数据不同于石油等传统资源，其价值在于流动。无论各种主体以何种方式开展数据治理，其核心都是要推动警务数据在多主体间的自由安全流动，以便最大限度地挖掘释放数据价值。因此，警务数据价值释放的治理实质是一个多元主体互动与协商的复杂过程，但目前多元主体间存在着“信息鸿沟”和“能力势差”，拥有富集警务资源和公共权力的公安机关在开展警务数据治理上拥有巨大优势，而在警务资源竞争场域里处于劣势的非公安主体参与能力被弱化，甚至不同警种之间都会因为这种信息资源配置的不平衡出现参与程度上的差别。

警务数据的治理不仅强调治理主体的增能，也强调技术支撑能力的赋权。目前公安机关内部各个部门由于技术水平不一致，在警务数据治理的力度和效果上都存在着较大差距，比如科信和网安部门的科技支撑能力优势明显，其主责的警务数据资源治理效果明显优于其他部门。此外，公安机关与社会企业数据治理相比，公安机关在技术层面上能力不足，在警务数据治理过程中出现无法全面、有效地进行数据资源的采集、分析和研判，无法进行基于先进技术的治理活动，从而使数据治理的服务能力难以满足警务实战需要。

警务数据是公安机关在履行职责过程中采集获取的各种数据［23］，与一般政务数据相较，其价值意蕴具有明显独特性，它作为警务工作核心资源，与公安业务相生相融，承载着维护国家安全和社会稳定的特殊内涵，更成为公安机关开展社会治理模式演进根本转变的内生引擎。因此，围绕警务数据治理的议题已不能停滞于挖掘警务数据某个价值点的隔靴搔痒式地探索，更应从治理体系落地生根和效能产出上推动其进入“警务数据事实”时代。

警务数据治理是一个由主体、技术、程序、机制等诸多要素科学组合的复杂体系，厘清各构成要素之间的共生逻辑，构建适配数据治理的框架，有助于为数据治理工作提供直观清晰的操作指南和行动策略［24］。本文无意于构建警务数据治理的完整体系，而是尝试从治理目标、主体结构、实施过程三个维度构建警务数据价值释放的治理框架，参见图1。

图1 警务数据价值释放的治理框架图

（一）警务数据治理目标

警务数据治理的目标是实现警务数据价值释放的内部驱动力。无论是推动形成主次有位、参与有序、协同有效的治理主体结构，抑或是加强警务数据治理实施过程的科学设计，都是为了更好地达成警务数据治理的目标。警务数据治理有其目标的特殊层次性，对于数据治理的表层目标应是实现警务数据的统一集约管理和部门间的安全高效共享，这一层次的目标是站在警务数据治理活动本身来定位的。但数据治理本身并不是深层目标，而是经过警务数据治理后能够更好地支撑警务实战、服务公安决策，让公安机关开展社会治理更加高效。而从警务数据进化的过程来看，警务数据治理和警务实战应用的终极目标都是为了实现警务数据价值的最大化释放，这也是开展警务数据治理的原始初衷。

（二）警务数据治理主体结构

警务数据治理是一个贯穿不同层级公安机关、涉及多元利益主体协同的整体性、系统性过程，治理主体结构涵盖警务数据治理的治理主体、不同主体间的价值趋同以及主体之间的联动协同关系三个方面。从现阶段警务数据的业务属性及治理现实需求出发，警务数据治理的治理主体应形成以公安机关为主导、其他政府部门和数据治理企业为参与者的“共同在场”格局，未来随着警务数据治理框架的进一步完善，治理主体还可能纳入其他社会组织甚至公民个人。多治理主体间需要建立良性的联动关系，这种良性联动关系需要建立在多元主体达成价值趋同的基础上才能实现［25］，同时还需要把联动协同机制作为有效运行的纽带。这种协同机制蕴含两层含义，一是要突出行为主体在平等基础上形成的横向网络状关系结构［26］，二是要规制主体之间的协调运行过程。

（三）警务数据治理的实施过程

实施过程是警务数据治理落地执行的核心模块。在警务数据治理的实施过程中，沿用仅针对出现警务数据质量问题的环节来点对点解决障碍的做法，无法改变数据治理“被动灭火”局面，必须针对数据治理的实施过程进行标准化、统一化的设计。受启于PDCA 原则，本文提出的警务数据治理实施过程可以解耦为数据治理逻辑根底、警务数据资产的顶层规划和管理、数据治理活动流程和数据治理机制安排。

1.警务数据治理实施过程的逻辑根底

警务数据的标准、安全和技术构成了警务数据治理实施过程的底层构架。首先，公安机关不同部门、不同警种有着外需驱动的业务形态差异，为了让不同警务数据业务系统和部门之间做到对同样的数据能够达成理解统一和使用统一，数据标准作为支撑要素就是绕不开的议题；
其次，警务数据安全是警务数据治理实施过程安全域维度的潜在要求，实现安全的数据治理亦是强调数据融通的必要前提，因此，警务数据治理实施过程的底层架构亦必须吸纳数据安全维度的设计安排。最后，按照警务数据治理实施过程的递进逻辑，警务数据从接入到处理，从组织到服务，都离不开技术的贯穿式支撑，警务数据的批量化集成、结构化处理、集成化组织、数据化服务，都无一例外地融合着治理技术的驱动，特别是在警务大数据场景中，如果没有高效的数智治理技术，就不可能持续精进地执行治理活动。

2.警务数据资产顶层规划和管理

警务数据治理实施过程设计的目标是更好地实现统一数据资源。按照警务大数据建设总体规划，即遵照标准全局统一、资源目录统一、平台安全统一的顶层设计思路要求，实施警务数据治理的过程强调形成公安数据资源“大水库”，按照“应来尽来”“不为所有，但为所用”的原则，全方位获取公安内部数据，依法依规获取互联网企业、政府部门等其他社会数据资源，形成数据资源“大水库”，尽量规避各警种、各部门新建数据资源“小水库”。这一治理格局需要以数据资产顶层规划和管理作为数据治理实施的最高原则，它是对警务数据资源全生命周期的规划设计、过程控制和质量监督，强调的是面向警务数据治理工作本身的自顶向下的过程指引，而非有关警务数据治理工作的“宏大叙事”。结合当下警务数据资产不可知、不可控、不可联的现状，本文认为警务数据治理的顶层规划和管理可考虑以下七个任务模块系统结构，参见下页表1。

表1 警务数据治理的顶层规划和管理 任务模块系统结构表

3.警务数据治理活动的流程

“质量、共享、应用”是警务数据治理实施过程的应有之义，释放警务数据价值基础在于数据质量，其直接影响到数据能否发挥作用、能发挥多大作用。首先，在数据治理前期，对数据进行接入、处理等工作的核心要义就是提高数据质量，为数据在接下来的阶段能够进行进一步的数据处理提供基础保障。其二，通过完善数据组织，实现数据在全局的最大价值发挥，是治理过程实现数据共享的关键环节，数据作为当今的重要战略资源，其扩散到的部门、领域越多，就越能使其在更多领域和场域展现价值［27］。其三，数据的服务应用是警务数据治理的核心，治理输出的数据资产是为了公安服务应用，解决现实问题。围绕上述三个维度的释义，警务数据的价值释放可以解析为“原始警务数据—衍生警务数据—数据驱动的警务应用”三个层递形态。关照到实操层面的警务数据治理实施过程是在保证数据安全、统一数据标准的基础上，紧密围绕服务实战场域需求的“数据接入—数据处理—数据组织—数据服务”的生命周期运行，参见下页图2。

图2 警务数据治理实施过程图

数据接入是对公安业务所需求的多源异构数据进行多层次、多维度探查后，依据数据定义接入至警务数据中心，接入的源数据需要被准确读取，同时通过数据提供方与数据使用方间的数据对账校验警务数据的一致性和完整性。从警务数据价值释放维度来说，数据接入的核心要义是及时发现警务数据源头采集和获取问题，即从警务数据源头上监控数据质量，从逻辑起点上保证警务数据源的起始价值。

数据处理的主要任务是依据接入时的数据定义，对警务数据进行提取、清洗，并开展关联分析和比对标识，从而实现警务数据的标准化处理。而数据处理过程递进运行的价值内核在于增加数据价值密度，为警务数据智能应用提供准备服务、增值保障，为数据抽象打好基础［28］。

数据组织是落实警务数据治理目标、实现数据价值释放的关键环节。治理主体围绕打造统一警务数据资源的指向，根据数据应用需求，按照数据定义的统一标准、流程规范的组织方案，实现数据资源分类建库，以进一步强化全局性警务大数据的内部关联。立足于实现警务数据的最大化价值释放，本文认为警务数据组织的顺利进行需要建立包括主题集合、资源集合、原始集合、业务集合、业务要素索引集合及知识集合构成的基本警务数据库体系，参见下页图3。

图3 数据组织内容构成图

（1）原始库用来存储最原始的公安业务场景数据，主要包括公安执法与执勤数据、互联网数据、电信网数据、物联网数据、视频网数据、行业专网数据及其他数据等。

（2）标识库存储各种属性标识，是关联其他各类数据资源库的关键数据集合，其存储数据属性标识，如公民手机号码、身份证号、车牌号等，以及各标识之间关联关系数据。

（3）警务要素库是围绕主题对象的各种标识，如地点、人物、事件等，多维度精准快速地体现工作对象整体面貌而建立的融合各类原始数据、标识数据的公共数据集合。

（4）知识库包含了公安业务领域所共享的方法规则及公共知识的数据集合，涵盖了数据从接收、分析、处理和应用所需要的公共知识性数据，以及此过程中使用的各种通用模型、业务流程、经典方法、通用规则和算法。

（5）业务库指存储了各专业领域业务数据的数据集合，其领域数据包含了如涉政治安全、涉恐、涉毒等业务的数据，业务库不但记录了业务活动过程，还为各业务领域提供业务活动的数据辅助。

（6）业务要素索引库是全局索引各个公安业务库的关键信息要素，主要用以实现对关联业务或冲突业务的问题解决。

数据治理流程的最后一环是数据服务，它是实现各类警务数据资源对外提供访问和服务能力的重要环节，亦是警务数据价值释放的终端出口，它在一定程度上来说是检验警务数据治理效能好坏的环节之一。在这一阶段，公安机关可以按照各自业务需求，对经过治理的警务数据开展数据查询检索、比对订阅、模型分析、数据推送、鉴权、操作和管理［29］等多种类型警务活动，从而在应用数据服务的基础上，达成警务数据价值释放驱动的场景化警务实战应用预期效果。

4.警务数据治理实施过程的机制构建

警务数据治理实施的专业化运作过程离不开配套机制的保障，警务数据共享和治理业务机制侧重于规制公安内部主体间和各流程衔接的运作程式，而效能评估机制的主要目的是找出阻碍当前公安数据治理的因素。效能评估机制需要评估数据治理各环节的要素关系及数据治理的运作流程，在此之上整体评估公安警务数据治理能力的成熟水平状况及警务数据治理的整体效果，从而为治理能力的改进和提升，提供方向上和方法上的决策选择建议。

（1）共享机制。警务数据的共享机制是警务数据治理实施过程中形成资源整合、数据流动目标的有力保障。构建这一机制是为了在警务数据治理实施过程中规约权责问题、信任问题。同时确保共享过程的可追溯性，即警务数据共享机制中明确不改变原有数据的归属方，这种共享数据的可追溯性有效解决了警务数据提供方的信任顾虑。共享机制解决的信任问题，本质是要推动警务数据提供方和应用方的双向互信：从数据提供方看，要保有对数据不被它用的信任；
从数据使用方看，是信任数据的完整性和有效性。数据共享提供和使用的可追溯是构建共享机制需要充分考虑的核心要素，如果数据的不当使用产生了隐私安全问题，要可以追溯到问题节点，方便跟进问责，为警务数据治理在共享层面的良性运转提供遵循依据。

（2）业务衔接机制。警务数据治理是以业务流程为导向，以多部门间协调运作、互联互通、彼此互动为基础保障的系统梳理数据走向的动态过程。若要确保数据在其生命周期的任何一个阶段都具有高质量，构建科学的以治理流程为主线的一体化运作机制，以及为推动治理流程顺畅执行而规约业务部门间衔接的机制便必不可少。警务数据治理实施过程中各业务环节“无缝衔接”是构建业务衔接机制的内驱型目标。所以，一体化运作机制的设置理应从更具实操性的治理流程递进牵引角度安排，而业务部门间的衔接机制则要从数据接入到数据服务各环节中有益于相关部门间的协调配合角度综合构划。

（3）效能评价机制。警务数据治理的实施过程是一项长期性、可持续过程，更是警务数据治理体系不断优化跟进的核心构件。警务数据治理效果的反馈和修正对警务数据治理实施过程的效能评价提出了需求，因此，构建精准、高效的面向警务数据治理实施过程效能的评价机制尤为重要。效能评价机制构建需要充分考虑警务数据特点，按照实施治理的主体、制度、流程、技术等不同维度的能力域建立评价体系和策略，从而帮助公安机关找到问题根由、反思差距，实现数据治理能力的持续提升。

警务数据价值释放的实践过程不仅是治理框架的科学建构，更是涵盖思维、技术和方法的综合思辨。警务数据价值释放的众多构成要素都应以数据治理为主线，将公安机关、政府、企业甚至民众等参与方融入数据治理活动之中，从不同的场域带动警务数据治理的集约化、高效化、可持续发展。

（一）认知域：强化主体价值意识趋同化

警务数据价值释放需要警务数据治理的主体能够形成主次有位、参与有序、协同有效的共治格局，这种“共治结构”需要以主体在认知域上的价值意识趋同为基础，而主体的价值趋同过程并非一了百当，需要各警务数据治理部门不断地交互，不断地实践和再认识［30］。这一原理揭示：在实现警务数据价值释放的治理进程中，不同主体拥有不同方面的资源优势，具备不同领域的专业能力［31］，要想实现价值意识趋同，便需要多元主体“自动”地把自己置于实现共同目标的连接秩序和反馈结果之中：首先，就是要从警务数据价值释放的目标理解上形成共识，即通过建立专项警务数据价值释放认知趋同化的培训、激励等措施，让公安机关内部不同部门和警种，以及其他公安外部主体间对目标理解进行消歧，深刻明晰实现警务数据价值最大化释放是治理的终极目的；
其次，是要让主体在警务数据治理的“互动网络”联结上科学互构经纬，具体因应之道就是建构良性的主体互动机制，让价值意识在这种良性关系的钩稽下，实现快速无损传导；
最后，就是要让各参与主体切身感受到警务数据价值释放的利益回馈，可以适当采取“运动式”警务数据治理方式，让多元主体快速感知价值红利，加快推进警务数据价值意识的趋同化进程。

（二）过程域：推动组织管理体系化

警务数据的价值释放过程需要依托警务数据治理来落地实现，而组织管理系统化演进理应从战略规划、组织体系建构、机制引导、立法推进四维视角审视转进。

战略规划是警务数据价值释放实践策略的顶层设计，公安机关领导决策层需要以当下警务数据问题和需求为导向，对全国公安统一筹划，特别是对警务数据治理体系进行规划设计，明确规划目标、配置各方资源、统筹各类关系、设定质量管控、推动信息共享。

组织体系构建推动公安警务数据治理的实现，需要自上至下的指导，并且与自下而上的推进结合。构建系统化的数据治理架构组织，需依据警务公安数据治理体系组织的关联衔接关系，对各机构组织界定权责分配，并以公安警务部门为主体，在“条”和“块”上均构建出逻辑自洽的组织体系，即在更大的思路上保证组织体系“条”上的要求，在治理环节的“块”上满足实际工作需要。

威廉姆森曾指出可以将不同的治理机制放置在多维框架中定位，这样既可以描述特定治理机制具有的综合属性，又可以区分不同治理机制的差异化特征，从而建立治理机制与治理结构之间的匹配关系［32］。这一论断从实践方向上给警务数据价值释放的机制安排提供了思路，参与警务数据治理主体间的联动协同机制，应置于其嵌入的治理结构中构建，公安机关作为警务数据治理的核心主体，应在参与治理主体间的关系结构、作用方式、角色功用上构划多元共治机制。机制的设置需要打破当下简单的对既有人、财、物资源的粗放拼接，将各方资源重新优化组合，形成一种公安机关和社会互嵌型共治权力结构。此外，警务数据治理实施过程中的运行机制亦需跟进，需要基于清晰的治理体系，从“程序控制+共享统一”的二元视角调适业务机制，完善操作技术规范与标准规程，形成数据价值流动共享的治理业务闭环，使各数据治理实践环节都有章可循。

以立法推进警务数据价值释放并非只是单一解决数据保护问题，更为重要的是回应警务数据价值红利释放与数据共享问题［33］。该逻辑为警务数据价值释放的立法推进厘定了两重方向，一重方向是推进立法来解决数据权属问题，需要在法律层面规制警务数据权利客体和权利主体的归属、享有、应用及保护等权利内容和范畴；
第二重方向则是通过立法，强力推进警务数据治理的转进历程，即在法律的强制激励下，跨越因警务数据治理主体的惰性和局限所引发的治理行进缓慢和积极性低下的掣肘。

（三）行为域：促进人才和技术专业化

人才和技术是警务数据价值释放迈向更高水平的双驱引擎，但二者在实践中又是融合共进的，技术提升人才治理能力，人才推动技术价值落地，所以行为域下推动警务数据价值释放的数据治理实践还是要以人才的能动性培养激发为支点。但目前，技术型实战人才缺乏的症结，使得在开展警务数据治理的关键环节都必须依靠外部信息科技企业来支撑，难免出现警务数据治理技术生硬嵌入，与公安业务需要出现脱节，警务数据治理的实然效能与应然期许差之甚远。所以，在数据治理过程中使用专业化的人才，即既了解公安实战业务又掌握数据治理技术的复合人才，才是提升警务数据治理整体效果水平的实践必然。公安机关要着力建设专业化的数据治理人才队伍，通过多种渠道培养数据治理人才。应在数据治理领域的技术能力培养上，组织开展有目的、有组织、有计划的专业培训，提升公安机关民警在这一领域的素质水平，从源头上解决当前警务数据治理技术上的问题［34］；
同时，应针对数据治理技术人才与公安实战需求割裂的“顽疾”，从技术和人才统筹发展上，对警务数据治理人才的业务历练给予设计，做到“理论关照实际”，结合公安技术的推进更新，建立与警务数据治理相辅相成的警务人力资源系统，既体现出对人才的重视又能满足人才自我价值的实现，使其更好地服务于警务数据的价值释放目标［35］。

总之，围绕警务数据价值释放的数据治理不是一项临时性、阶段性的工作，而是贯穿警务数据工作始终的可持续活动，需要以警务数据价值意识的势差消解、治理体系的完善构建和人才技术综进发展的多域互融进化为路径，从战略全局上看待警务数据治理，遵循现代化警务数据治理流程，在数据标准、技术保障、体制机制、法律政策、人才队伍等方面对警务数据治理工作进行综合筹划，切实提升治理质效，强化数据服务公安实战的效能，达成警务数据价值最大化释放的目标。

猜你喜欢 警务公安机关主体 论自然人破产法的适用主体南大法学(2021年3期)2021-08-13衡阳市公安机关党员风采剪影湘潮(上半月)(2019年5期)2019-05-22技术创新体系的5个主体中国自行车(2018年9期)2018-10-13迈向法治公安：基层公安机关执法规范化实证研究行政法论丛(2018年1期)2018-05-21公安机关将开展3个月行动 深化打击食品药品农资和环境犯罪中国环境监察(2018年10期)2018-01-31环球警务专访现代世界警察(2017年12期)2017-12-19对已经移送公安机关案件的当事人做出罚款的行为是否涉嫌渎职犯罪?中国环境监察(2016年7期)2016-10-23浅谈港航公安网上警务公开的现状和问题中国交通信息化(2016年10期)2016-06-08关于遗产保护主体的思考自然与文化遗产研究(2016年2期)2016-05-17警务训练中腹痛的成因及预防中国市场(2016年44期)2016-05-17