数字检察背景下数据业务化发展的难度深度及可行度探究

　　检察数据业务化是在海量数据基础上，以建立完善挖掘、整合、提炼、应用价值数据机制驱动业务的发展，具体通过发现数据的规律性来分析业务客观存在特点和趋势，让数据成为各业务运营的重要参考，以统筹而专业地实现业务目的进而提升和释放数据价值，进一步形成可实施且有收益的新业务板块。

　　一、推动检察数据业务化的现实需要

　　（一）检察信息化转型升级的需要

　　近年统一业务用系统1.5时期即完成了原始记录和数据沉淀，完成了流程数据化阶段建设，实现对全部办公办案活动和各类案件实现全程、统一、实时、动态的管理和监督，并在其2.0时代催动了一批智能辅助、智慧监督、类案检索等数据二次运用的发展，检察信息化应用已具备推动流程驱动业务向数字驱动业务的深层次应用转型条件。但在认罪认罚、公益诉讼等创新制度运用大数据等法律科技创新不足等深层问题，沉淀多年的大量数据在驱动业务发展上还有更多提升空间，需要运用数据探索创新法律监督新路径，发现解决法治领域深层次问题，是提升检察机关助推法律监督提质增效，增强社会治理体系现代化和治理能力现代化的必然选择。

　　（二）大数据战略思维的需要

　　大数据思维是基于大数据、多样化、高价值的数据为基础，以挖掘数据价值发现世界客观规律和问题为手段，与数据业务化路径一致，故而以“大数据战略思维+检察新理念”相结合推动“检察数据业务化”具有重大现实意义，以助推检察机关从现阶段“记录数据”向全面“分析数据”的升级，并在实现有效分析数据、有效对数据赋值指导检察业务下充分释放数据价值。通过打造智能系统、数据模型、业务制度等“数据产品”引领检察业务数字化变革的整体推进，即是对未来检察工作新模式的整体性、全局性、前瞻性考量，更是当下科技强检战略高质量发展的系统性、关键性、创新性要求。

　　（三）应对法律监督新挑战和抓住发展新机遇的需要

　　如何优化互联网行业营商环境、保护网络经营主体合法权益、快速发现执法司法问题线索、保障数字经济健康发展、精准定位社会治理深层问题是新时代检察机关开展精准监督新业态的新要求新挑战。人工智能和大数据技术在刑侦、治安、监督、审判、刑执等等司法领域或环节取得重大进展，彰显了人工智能与大数据对司法领域的深远影响，也为数据业务化等司法数据制度建设带来巨大空间，进而呼吁检察法律监督与时俱进，必须转变传统类案监督模式，深刻理解和运用大数据等新兴技术，方能应对新时代下精准监督的履职挑战。

　　（四）健全完善检察信息化体系的需要

　　随着数据业务化不断深化，即能及时发现信息化体系建设中某类数据采集渠道缺失、某单位间数据共享障碍、某项业务信息化滞后等短板弱项，才能充分发现和借鉴智能审判、社区矫正管理等先进综合治理措施和管理经验，抓住了建设重点和方向，围绕数据采集、清洗和研判等“运营化”管理过程，推进检察信息化建设拓展至卷宗编排、类案辅助、文书生成、检务公开、涉案财物处置、风险评估预警等深层次智能化建设，促进检察信息系统建设对内完善、对外加速全面接入社会信息化建设体系，提升检察机关社会治理态势感知能力。

　　（五）精准监督和服务决策的需要

　　数据业务化依托常态化的数据整合、分析和研判，能够客观、精准反映检察业务趋势，发现传统案件管理未能及时发现的办案薄弱环节，基于数据的运用也将不断衍生兼具业务性、综合性和智能性的第三方数据运用辅助系统，以进一步深入反馈办案风险预警问题，最终数据成果又将渗透至到办案的全过程和各环节从而反哺检察业务健康发展，促使监督全面覆盖并形成数据监督的良性循环。

　　（六）加快复合型人才队伍建设的需要

　　当前，“数字检察”营造了培养大数据人才发展的良好政策环境，推动数据业务化不仅加快信息化建设的进阶，也将转变单一依靠技术部门和技术人员实施的传统模式，推动以业务部门需求为主导、强化检察官司法产品知识产权意识的新一轮“科技强检”工程突飞猛进。检察官只有立足业务需要，通过改进调整个人知识结构和能力水平，积极参与构建业务数据模型，参与融入数据业务化整体机制，强化个人业务特长与优势，真正调动在数据采集、数据碰撞、数据研判上出成果出成效的思想力和积极性，从而反过来拓展自己的专业知识领域、提升业务素养与操作能力。

　　二、检察数据业务化的现实问题及难度深度之困境

　　 （一）数据最大化价值未能充分释放

　　 现阶段利用统一业务系统2.0预留的智能化数据接口形成的“智能产品”没有显现化规模化，部分地区顶层规划差异较大，数据产业发展不平衡，在政策、制度、实施等方面不具有普适性。同时，由于缺乏有效路径和平台，进行数据深度挖掘和整合分析的二次利用率低，与通过分析数据手段发现案件线索、分析案发成因规律、具体决策指导办案的数据业务化基本模式和路径方式要求甚远，未能充分释放数据最大化价值，对检察各业务开展尚未无法形成有效的反哺参谋作用。

　　 （二）部门间数据孤岛现象突出

　　 数据业务化是以业务群的综合数据为基础，利用大数据开展法律监督，则需要监督对象的执法司法等业务数据作为支撑。尽管政法大数据互联共享建设强调了多年，但受政策、政法部门之间网络和数据密级不同、信息化发展不均衡等诸多因素影响，检察机关获取其他政法单位、行政企事业单位数据依然困难重重，数据的收集渠道、积累、整合的能力短板突出，离全面实现执法司法数据共享还有漫长的发展道路要走。

　　 （三）数据管理未转化为数据驱动

　　 检察业务数据是司法办案的重要资料，是开展业务数据分析研判的基础。但目前实践中“数据运营”未能得到进一步深入普及，运行组织架构缺位且零散化，存在“有数不善用”的问题，数据更多停留在数据打包推送服务，缺乏场景化分析，只是被视为一般信息化运维工作内容或业务的普通表层参考值。

　　 （四）数据对业务的助推力不足

　　目前检察信息化发展难以与大数据行业市场快速发展类比，无法快速感知互联网、大数据、区块链等新兴技术发展趋势和应用情况，导致迎合技术发展的办案模式转型升级缓慢。“外脑”智力支持体系不完善，即懂法律又懂技术的新型复合人才匮乏，大数据人才成长生态建设滞后。在流程信息化阶段对业务的解读较为浅层，实现某项法律监督需要什么数据不清楚不规范，难以推动检察业务转化成数据解读或具体逻辑描述。

　　三、健全完善检察数据业务化之可行性建议

　　（一）注重大数据意识的深耕培养

　　大数据时代，数字检察工作是推动检察工作高质量发展的重要举措和提高检察产品质量的唯一出路。要从各级检察院“一把手”工程做起，转变数据是技术工作的简单思维和错误认识，转变经验判断到数据判断，以树立“大数据战略思维+检察新理念”为起点主动思考用大数据解决法律监督问题、解决制约法律监督重大现实问题，深化检察干警对数字化在助推构建“个案办理-类案监督-系统治理”中的法律监督模式重塑变革，以保障推动数据业务化的思想动力持续形成。

　　 （二）注重数据业务化路径的有效形成

　　首先要抓住数据业务化的“业务”特征，抓住检察机关现阶段业务核心。现阶段数据建模是实现业务实践数据分析的有效途径和共识，从阶段性成果出发，我们重点聚焦的检察“业务”应是以产生数据的检察监督业务为前提，并可以数据来分析的问题，即为核心检察业务诉求，便是检察数据业务化的重点，后期再逐步扩散至检察其他重点业务。其次要突出数据业务化的“价值”特征，依托数据源有效性，从而利用人工智能算法模拟核心业务诉求的精准化业务模型。模型分析结果转化为面向社会治理等实现法律监督目的的内容，为检察业务数据智能化运用提供更精准更有效的预测参谋服务。

　　（三）注重数据业务化的实操场景塑造

　　检察数据业务化基于“业务”特征，理应理解检察业务从而深挖问题逐步形成业务场景，是驱动检察数据业务化的大数据思维基础。大数据赋能法律监督没有业务场景指引，数据业务化则无方向而无法服务决策。以醉驾行政处罚检察监督是否达到移送审查起诉条件为例，通过公安机关行政执法数据比对人员被处罚次数、酒精含量、移送情况等数据发现执法人员是否存在徇私枉法行为，检察机关以此开展法律监督即为具体的业务场景。通过业务场景发现缺失的数据，进一步有针对性通过收集、分类、分析、研判数据形成业务循环，如行拘下行监督、打击虚假诉讼、摸排涉毒线索、清查空壳公司等即可通过数据碰撞、分析、跟踪实现业务场景描述，数据积累越多，创造业务场景越丰富，场景交叉越多，数据关联越多，数据的价值越最大化，数据的业务化更具针对性，以塑造该业务场景形成高价值、典型性的数字办案领域更具操作性和指引性。

　　（四）注重数据业务化的顶层建设和源头开发

　　为挖掘数据更多价值，丰富观察数据的维度，需要从顶层设计以增强数据积累和整合能力。首先，增强检察机关信息系统数据收集能力外，还要取得地方党委政府尤其是政法委牵头组织工作支持，争取其他执法司法机关配合，充分运用电子政务外网管理中心资源、政法网络专线优势，有序获取和分析执法数据、司法数据和社会数据等三大类数据资源，并经清洗、分类后构建外部法律监督数据池，结构化形成内部政务、业务、队伍、保障等主题库，满足二次智能运用的需要。其次，以数据资产为中心，搭建数据综合管理平台为技术核心支撑，建设数据采集、存储、计算和数据服务、数据治理等功能模块，进一步实现智能化运用。最后，注重和用好行业技术成果或研究算法，在检察监督业务中进行数据碰撞、关联分析、趋势预测和线索预警，进而实现数据赋能检察监督和释放数据价值。

　　（五）注重数据业务化的运营体系建设

　　数据运营是整体而系统的，强调数据业务化应建立在分析挖掘数据隐藏规律为目的的新业态上，以进一步增强案管部门的数据管理职能作用，或建立数据管理运营中心等工作机构，以侧重“管数据”实现数据的运营化。同时，要建立案管部门与业务部门数据会商机制，有针对性的收集、整合重点领域数据，畅通内部数据核查、共享渠道，激发部门间相互配合的积极性，以突出数据分析研判的匹配性和有效性：一方面辅助决策助力监督，一方面发现检察工作需要在案后社会问题治理中改进或借鉴的内容，以此来辅助检察决策。同时，配置好实用新型工具，依照管理权限，有序向检察干警开放各类数据，为办案分析、运用数据提供便利，构建起以案管部门或数据管理运营中心部门为核心，全体检察人员参与的数据业务化的一体综合多元格局，在组织架构上为推进数据业务化不断健全参与。

　　（六）注重数据业务化的“外脑”支持体系建设

　　“外脑”体系建设应从内外两个层面加以完善，内部方面要发挥检答网在跨地域、充分调动全国专家型和复合型人才资源、各地经验参考的优势，对数据业务化在各业务条线的法律理解适用和政策把握、实践运用等方面问题答疑解惑，能较好弥补检察机关数字领域能力单一的缺失；外部方面要构建以学者、行政专家、行业公司为主的第三方智库，听取他们对专业问题剖析，为数源部门梳理、分类、分析数据和研判案件趋势、指引监督领域线索挖掘提供建议参考，促进业务数据针对性、对接化和应用功能，从而推动数字监督等业务有效落实。还要借助行业第三方技术构建检察官数据建模平台和考评机制，汇集个人创建的监督模型，并提供制度政策指引等办案智力资源，发挥数字检察决策中的服务、指导、监督作用，推动数字检察工作健康发展。

　　责任编辑：广汉