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
在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28