京公网安备 11010802034615号
经营许可证编号:京B2-20210330
检察机关大数据建设应用典型案例
当前,贵州省检察机关正在全力打造检察大数据三个应用系统。
一是创建大数据司法办案辅助系统,实现司法办案智能化。该系统以案件证据表单审查、案件审查、出庭支持三大模块为依托,运用人工智能和大数据技术,通过案件信息智能采集,“要素—证据”智能关联,绘制“犯罪构成统一标准”图谱,建立各罪名案件数学模型。
二是创设案件智能研判系统,为个案、类案研判提供精准数据分析。基于海量数据,个案研判可实现对犯罪事实和嫌疑人画像、案件偏离要素原因分析、案件量刑参考、出庭情况评估等功能;类案研判可对某一类犯罪从时间、地域、偏离度等不同维度展开综合分析。运用该系统对贵州近两年办理的14100件故意伤害案件进行分析,发现其中存在要素偏离2332件,量刑偏离2395件,证据风险674件。结合网上案件质量评查系统,已评查各类案件100352件,发现和纠正实体性瑕疵30余个,已由办案单位整改纠偏。
三是创立大数据分析服务系统,为科学管理决策提供“智库意见”。该系统主要从办案强度、质量、效率、效果、规范五个维度为领导决策提供“智库意见”,发挥“大数据”全天候监督的“第三只眼”效能。目前,该系统数据涵盖10余个业务条线,产生并分析数据2594万余条,为各级检察机关领导全面了解当前业务和趋势、促进决策科学化提供有力支撑。
此外,贵州检察机关还统一数据标准,已经建立检察机关信息资源目录和政法机关统一数据交换标准,初步形成电子卷宗库、起诉书库、犯罪嫌疑人基本信息库等各类主题数据库,完成检察数据资产148个,公检互联数据资产56个,检法互联数据资产12个,检司互联数据资产25个,逐步建成检察机关大数据资源池。
二、北京市检察院“检立方C-139”大数据平台
2014年北京市检察院依托全国检察机关统一业务应用系统,利用大数据思维和技术,对历年来积累的办案数据进行了整合、挖掘和利用,建立了“检立方C-139”大数据辅助决策平台,将大数据和检察工作紧密结合。“检立方”的核心理念为“一核、三轴、四维、多面”的大数据立方体。“一核”是指以检察数据为核心,“三轴”是指以规范、监督、公开为三条主轴,“四维”是指绩效、案件、时间、人员四个维度,“多面”包括统计分析、预警研判、管理支撑等多项基本功能,形成检察业务的多维度管理体系。
目前,“检立方”已经采集案件信息60万件,业务数据1.1亿项,整合了四大资源数据库和160个系统功能,通过挖掘、分析765项指标和4300名人员信息,这些数据均细化到每一个院、每一个部门、每一名检察办案人员。通过整合三级检察院案件信息和文书,形成了一案一表和“文书链”,实现了一个案件所有诉讼环节的信息纵向贯通。通过梳理比对案件和流程的关系、信息项和文书之间的对应关系,形成了数据质量检查体系。利用自然语言处理和数据可视化技术,实现了文书多关键词检索以及启发式过滤辅助筛选,使承办人能够快速精准获取相关案件文书,为办案工作提供有力支持。
2017年4月,北京市检察院在“检立方”大数据平台基础上,进一步转型升级打造了检察管理监督平台系统1.0版,已正式上线运行的这一平台将建设成为检察管理监督体系的主阵地和中枢,实现全程网上留痕、动态管控,全院、全员、全过程管理监督。全流程监管将与司法改革后检察官权责清单紧密对接,动态监督每一个办案主体司法办案全过程。
三、浙江省检察院大数据云平台
2016年3月,浙江省检察机关与阿里云签署协议,围绕浙江检务云计算平台建设和数据上云、应用上云加强合作,依托电子检务工程,同步建设“浙检云图”“浙检云视”“浙检云政”“浙检云侦”平台。
“浙检云图”大数据可视化应用平台分总屏和分屏两部分,总屏展示6大业务条线共27个核心指标项。各业务分屏展示侦监指标19项,公诉指标22项,未检指标19项,执检指标22项,控申指标14项等。在全省地图区域展现数据地区分布情况和实时办案数据信息,将分析后的数据以动态、直观的多维报表、图形形式展现,为领导决策提供数据依据。可以实现数据分析结果的随需查询、随需分析、随需展现和随需发布,通过业务全貌、重点评查、辅助决策和智能预判等可视化功能,提升数据价值和决策分析水平。
围绕重点领域,“浙检云图”在对浙江省检察业务全貌分析实现可视化基础上,围绕浙江省检察院发挥职能保护促进非公经济发展和打击污染环境、危害食品安全和网络诈骗犯罪等工作的数据分析实现可视化,体现直观性、实时性、动态性、趋势性和地域性,助力提升对重点检察业务工作的分析决策和趋势预判的能力和水平。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14