
检察院里的“大数据思维”_数据分析师
信息化、大数据是眼下的热词。讲究程序正义、所办案件千差万别的检察机关该如何实现信息化的转型?
北京市人民检察院独辟蹊径,全面整合了历年来的办案数据,通过数据挖掘技术,为执法办案提供辅助决策,形成了全面、全程、全要素覆盖的“检立方”。
最近,北京市朝阳区人民检察院检察长王向明养成一个新习惯,一上班就要打开“检立方”系统,看看本院立案、办结、办案时限等各项数据,“知道了这些数据,心里就有了底,哪些该盯一盯、哪些要重点关注,哪些要特别留意的,心里就有了一本账。”朝阳检察院一年要办理3000余件公诉案件,依靠人工汇总信息难免有疏漏,而“检立方”把所有关键数据都做了图像化处理,一目了然。
“信息化对于检察机关而言,不是把原来手写的文书用电脑打出来、把原来办案的请示报告搬到网上,而是运用数据挖掘和信息化工具提供解决方案。”北京市人民检察院副检察长高祥阳说,运用大数据为检察机关全业务流程服务,促进检察机关依法规范行使检察权,是“检立方”的最终目标。
把50万件案件数据打造成为“检察大数据”
打造“检立方”的思路最早竟然源自“舍不得”。
2013年底,全国检察机关根据最高人民检察院统一部署,推进使用统一业务应用系统,以前各省自行开发的业务系统由于标准不统一、数据不兼容等原因不再使用。
消息一传出,北京市检察院就犯了难。“北京市检察机关从2004年开始就开发、应用自己的执法办案业务应用系统,推进检察业务和检察管理信息化已走过10年历程。这期间,我们积累了超过9800万项的业务数据,建成了一个庞大的数据仓库,这是一笔宝贵资源。” 高祥阳说,“因此,北京市检察院决定着手开发一套辅助系统,对检察数据资源进行深度挖掘、整合与利用,最大限度发挥这些数据的价值。这就是开发‘检立方’的初衷。”
“大数据”和“检察业务”是“检立方”的两大支柱,但以何种模式把两者有机结合在一起,却让具体负责“检立方”开发的北京市检察院检察技术处处长孙玲玲头疼了许久。经过几十次的调研、论证,北京市检察院最终形成了“检立方”的核心理念,即:一核、三轴、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。在这些维度上,同时开发统计分析、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。”孙玲玲说,目前,“检立方”已经采集案件信息50余万件,业务数据9800万项,生成692项业务统计指标,将最高检确定的26项核心数据以及北京市检察机关53项辅助数据悉数涵盖其中,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。
实现执法司法质量实时动态监控监督
“对于个人而言,‘检立方’更像是办案实时监测系统,每天提醒你手头还有多少案件没有办结、哪些案件用的时间比较长、哪些环节存在问题隐患等。”朝阳区检察院公诉处检察官张亚男说。
不仅对自己的办案情况一目了然,张亚男还能看到本院甚至全市公诉部门检察人员的办案数据,“有了这个业务参照系,就能清楚自己的办案业绩在全市处于一个什么样的位置,有助于及时发现差距,改善工作方式。”张亚男说,截至今年10月,她的案件办结率已90%以上,超出同期全市平均水平近8个百分点。
“检立方”的设计理念之一就是要通过这种“互相看得见”的模式,实现网上办案、网上管理、网上监督、网上考核,从绩效、案件、时间、人员四个维度,把案件数据细化到每个检察院、每个部门和每名检察人员,为准确评价执法办案和公开透明奠定基础。
区别于传统的信息化系统,除了统计分析功能外,“检立方”最大的亮点还在于实现了执法司法质量的实时动态监控。在“检立方”里,每一起案件的所有信息都集纳在一张表上,审查批捕的是谁、审查起诉的是谁、出庭公诉的是谁清清楚楚,部门之间能实时看到案件办理情况,打破部门之间的信息界限也就实现了检察院各环节之间的监督。可以说,“检立方”打破了案件信息之间的壁垒,不仅整合了部门之间的办案信息,而且实现了市院、分院、基层院三级检察院案件信息的贯通。
此外,“检立方”还接入了全市检察机关控申接待室、大要案指挥中心、提讯室等执法场所的视频信号,实现了对执法司法场景监督全覆盖。“我们按照最高检的要求,做到凡接触犯罪嫌疑人必录、凡问必录、凡搜查必录,在移送逮捕、起诉时,这些同步录音录像资料可根据诉讼需要一并接受审查。”高祥阳说,这些措施有效保障了犯罪嫌疑人的合法权利,有效杜绝了非法取证行为。
“玻璃房子”实现执法办案全程公开透明
“信息化技术使得北京市检察机关在内部实现了透明化办案,所有的办案流程、所有的环节节点都在‘检立方’系统内一目了然。这就好比一间玻璃房子,实现了公开与透明,而检察官必须适应这种公开透明条件下的执法办案新模式。”高祥阳表示。
然而,即使在拆掉了内部的“水泥墙”之后,检察院对于社会公众而言,仍然还存在信息障碍,如何加强检务公开,实行阳光检务,是“检立方”的努力方向。
据北京市大成律师事务所律师苗谦介绍说,“检立方”系统专门设置了律师接待平台,大大方便了律师。“以往承办一个案件,约见检察官、了解检察机关对案件的办理进度,是律师最为头疼的事情,因为时间、进度自己都不好掌握。现在有了‘检立方’系统,不光是约见检察官不需要打电话,还可查询自己承办的案件在检察院的办理进度和详细信息。”
作为一位执业将近20年的律师,苗谦还有一个身份是北京市人大代表,多年来,他一直致力于推动司法机关工作的公开、透明,北京市人民检察院的“检立方”数据平台的推出,让他感到很振奋,“检察机关往往给人以神秘感。现在,通过‘检立方’系统,使得所有的办案信息能够在网上查询,流程也很规范,一方面满足了群众对知情权的渴望;另一方面,也使检察工作得到规范,有利于依法独立公正行使检察权。”
事实上,“检立方”大数据信息平台只是北京市人民检察院为了依法独立公正行使检察权、严格规范执法、深化检务公开、提高司法公信力而推出的一个信息化支撑。在日常的工作中,树立严格规范执法的意识,完善严格规范执法管理监督机制、深化检务公开,一直是北京市人民检察院的改革重点。北京市人民检察院党组书记、检察长池强表示:“‘检立方’大数据平台,就是要通过信息化手段推动和保障严格规范公正文明执法,深化检务公开,完善案件流程信息、法律文书统一上网和公开查询制度,建立网上、网下‘一站式’服务,‘一个窗口’对外的便民接待和服务模式,及时回应社会关切,自觉接受人民群众监督。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02