京公网安备 11010802034615号
经营许可证编号:京B2-20210330
加强大数据的司法应用
大数据是世界最新的技术革命、商业革命和观念革命。可以说,谁抢占了大数据研究利用的先机,谁就在未来社会拥有更大的控制权和利益。2012年美国政府投资2亿美元启动“大数据研究和发展计划”,2012年7月我国制定《“十二五”国家战略性新兴产业发展规划》,明确提出“加强以海量数据处理软件等为代表的基础软件的开发”。中国拥有庞大的人群和应用市场,是世界上最复杂的大数据国家。加强大数据研究,对提升我国综合国力,缩小与发达国家之间的科技差距,具有重大意义。
大数据可以运用到各行各业。加强大数据的司法应用,是人民法院推进司法为民和公正司法的必然要求,是信息化建设的必然趋势。笔者认为,加强大数据的司法应用,应做到以下几点:
树立大数据意识
积极转换思维观念,重视数据、尊重数据、“让数据发声”。既要注重对已有司法数据的保存、分析应用和深度挖掘,也要更加注重关联分析方法,从关联数据信息中发现问题、判断趋势、策划解决方案。树立容忍误差的意识,大数据的分析准确率虽不可能达到100%,但是仍然具有极高的准确率,可以作为司法决策的重要依据。
加强顶层设计
对大数据的研究应用,最为妥当的是从顶层设计入手,由最高人民法院制订统一的发展规划,明确工作方向、具体任务和发展计划,从而避免多重投入、资源耗费。最高人民法院可以在信息化建设起步早、基础好、技术强、经费保障充足的地方法院中选择试点法院,摸索和积累大数据研究利用经验,为在全国法院系统内全面展开大数据研究利用打好基础。
找准突破点
人民法院多年来数据的积累应用主要集中在司法统计上,突破点同样落在司法统计上。在司法统计职能上,应从单纯的司法数据统计汇总,向司法统计数据的综合利用推进,拓展司法统计在信息咨询、决策辅助、服务管理等方面的作用;在司法统计规范上,应统一司法统计标准、建构科学合理的司法统计指标体系;在司法统计调查方式上,健全全面调查、抽样调查、重点调查并行的调查方式。
加强数据信息采集
大数据要求数据是全体数据、不是随机数据;注重混杂性、不是精确性;注重数据之间的相关关系,不是因果关系。因此应尽可能地采集各种数据信息。在采集内容上,不仅要采集传统的案件信息数据,还要采集案件稳定风险、当事人对判决意见、公众对法院判决认同度、司法热点、不同社会群体司法需求等与审判执行工作相关的数据信息以及经济社会发展数据信息;在采集方法上,不仅要继续深化法院系统内的数据信息采集,还可通过购买方式、委托社会调查咨询机构采集相关司法数据。
加强数据分析利用
大数据的关键在于通过对海量数据的分析加工实现数据的“二次利用”。强化海量数据的集中存储,做到安全保存和灵活调用;加强对海量数据的自动挖掘和分析,特别是在大量裁判案例基础上,运用大数据分析方法对法院各类案件的审判工作建构裁判模型,为法官裁判案件提供参考;对迫切需要解决的法院工作问题开展数据分析实践,为解决突出问题提供实践解决方案,供司法决策参考;加强对混杂性数据的关联分析,判断司法工作中存在的被忽视问题以及趋势。
强化数据整合共享
数据的整合共享对于大数据的研究利用具有重要价值。在最高人民法院统一指导下,加强“天平工程”建设,建设审判流程公开、裁判文书公开、执行信息公开三大平台,实现全国各级各地法院之间数据信息互联互通、资源共享;走出数据孤岛,加强与有关部门、社会组织等的联系,建立大范围的社会信息采集和共享机制;加强法院与检察、公安、司法机关之间的数据信息交流共享,及时把握审判工作可能面临的形势任务,提高预知预警能力,提前部署应对。
加强专门人才建设
大数据的研究利用需要专门人才保障。应建立或明确大数据研究机构,在最高人民法院、省高级人民法院可以设立司法数据研究中心,专司大数据研究利用工作,在中级、基层法院明确负责该项工作的职能部门;加大对专门人才的引进和培养,引进热爱法院工作、精通IT技术的专门人才,加强与高校、科研院所和企业的合作,对法院现有技术人员开展培训活动,提高技术人员的科技水平;加强对法院领导和干警的科技培训,增强大数据意识,熟悉相关系统和工具,提高数据挖掘和分析利用技能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11