案件发生在哪里警察就出现在哪里，是让罪犯牵着鼻子跑；要控制局面，抓到老鼠，警察一方必须掌握主动，做一只有“预测能力”的猫。CompStat，这个以地图为基础的统计分析系统，能够帮助警方发现发现犯罪的规律，从而合理调配警力，让警方在正确的时间出现在正确的地方。
阿里4月携手上海闵行警方用大数据破获游戏诈骗案
用数据武装警察
芝加哥警方用大数据分析来预防犯罪，从而减少了犯罪事件的发生
警务大数据案例：用手机移动数据预测犯罪
预测未来的图表
将数据分析大规模地引入到治安管理工作中的做法，起源于纽约。
纽约，是全世界的金融和商业中心，在美国的经济和政治生活当中占有举足轻重的位置。
纽约警察在执勤
纽约市也是美国人口数量最多、密度最大、多元化程度最高的城市。它拥有810多万人口，其中超过三分之一是非美国本土出生的外籍人员，这些人来自全世界不同的国家和族裔，使用100多种语言。
因为人口众多，不免鱼龙混杂，纽约也曾经是一个著名的犯罪之都。从上个世纪70年代起，黑帮横行、毒品泛滥，该市的治安情况不断恶化。1990年，纽约市共发生了凶杀案2245宗、车辆盗窃案147123 宗，平均每天有6个人死于恶性犯罪，每小时有16台车辆不翼而飞。
1994年，纽约市的警察部门启用了一个新的治安信息管理系统。这是一个以地图为基础的统计分析系统，随着它的出现，纽约城的治安开始逐年好转。这个叫做“CompStat”的系统也开始名扬全国，成了20世纪美国警务管理工作当中最为浓墨重彩的一笔。
CompStat，是COMPuter STATistics（计算机统计）的缩写，现在已经演变成为一个专有名词，特指一种警务管理模式。
纽约市警察局CompStat“情报引导警务”模式
这是一个传奇故事，一个源于地铁，发生在一位巡警、一位局长和一位市长之间的传奇故事。
1970年，杰克·梅普尔（Jack Maple）刚刚高中毕业，他加入纽约市交通警察局成为一名地铁线上的警察。当时，地铁线上的抢劫案非常频繁，地铁警察，被认为是纽约最危险的工作之一。
为了追踪抢劫案，梅普尔在时代广场做过便衣，在中央车站指挥过拦截和抓捕。在十几年街头警察的经历当中，他慢慢“悟道”：案件发生在哪里警察就出现在哪里，是让罪犯牵着鼻子跑；要控制局面，抓到老鼠，警察一方必须掌握主动，做一只有“预测能力”的猫。
于是，这位高中毕业生开始研究地铁抢劫案的发生规律。
梅普尔在办公室的墙上挂上了几百幅地图，用不同颜色的大头针来跟踪地铁抢劫案发生的时间和地点，分析其中的原因和规律。无数个夜晚，他点着香烟，站在巨大的地图面前，时而举头凝视，时而低头徘徊，揣度琢磨第二天可能发生抢劫的时间和地点。在一阵苦思冥想之后，最后用大头针按下的那个小点，就代表了他第二天的伏击地点。
梅普尔后来晋升为警督（相当于派出所所长），他就采用这种方法来部署和调配他所辖区的警力。他的办公室挂满了地图，被同事戏称为“地图墙”，他却称之为“预测未来的图表”（Charts of the Future）。
1990年，“预测未来的图表”引起了新任局长布雷特（William Bratton）的注意。布雷特是位退伍军人，他雷厉风行、慧眼识才，在认真研究了“地图墙”之后，他认为梅普尔的方法很“靠谱”。于是开始在全局推广梅普尔的图表管理方法。
第二年，纽约市的地铁抢劫案下降了27%。
CompStat诞生 犯罪率应声而降
除了地铁抢劫案，其他的案件都还居高不下。这更令布雷特相信，“预测未来的图表”确实行之有效。
1993年，治安持续恶化。这个问题，甚至成了纽约市市长竞选当中最热门的话题。
这个话题也带来共和党候选人鲁迪-朱利安尼（Rudy Giuliani）的政治机遇。
朱利安尼出生于纽约市的一个普通劳工家庭。他1968年法学院毕业之后，长期在司法部门工作。1983年，他晋升为纽约市的联邦检察官。在他担任这个职务的6年期间，朱利安尼先后将4000多名嫌疑犯送进了监狱，其中有不少都是轰动全国的黑道大哥、帮会首领。朱利安尼作为公诉人，多次受到黑社会的威胁，但他刚正不阿，始终秉法办案，在新闻界获得了“铁面”的美誉。
作为共和党的市长候选人，朱利安尼的主打牌就是“治安”。他在竞选演讲中介绍说，他的朋友在餐馆等公共场合碰到他，都不敢和他打招呼，因为怕被黑社会盯上、莫名其妙受到报复。他在街上，也经常碰到一些刑满释放的人员，那些人对他做出鄙夷的表情，并当面嘲笑他说：“你没人缘，选不上！”
朱利安尼却呼吁说，如果纽约人民真正想改善治安，就不能让他落选！因为他是改善治安最好的人选——别无其他！
他的演讲，情理并茂，他的铁面形象和诚恳的态度，最终打动了纽约人，得以高票当选。
一上任，朱利安尼就立即任命布雷特为纽约市警察局局长。
而布雷特到任的第二天，就任命梅普尔为第一副局长，并要求梅普尔立即组织开发一套电子版的“预测未来的图表”。
“CompStat”于是诞生了。
1994年，互联网还没有普及。CompStat的工作人员每天通过电话和传真向全纽约76个警区收集数据，再将数据统一录入到CompStat，进行加总和分析。
每周二、周四的早晨7点，布雷特就召集全部警区的指挥官开会。最新发生的案件以圆点的形式出现在各个辖区的地图上，不同颜色代表着不同类型的犯罪，特定位置的成串圆点则表明那里发生了一系列的案件。各个指挥官在这些“绩效指示灯”前面依次陈述自己辖区的情况、对策以及警力的调配，一个回合下来，不少人满头大汗。
为了保证CompStat的落实和推行，布雷特一共撤换了近三分之二执行不力的指挥官，可谓“铁腕”。
次年，纽约的犯罪率应声而降。凶杀案从1994年的1561宗下降到1177宗，车辆盗窃案由95420宗下降到72679宗。此后，这些重要的指标不断下降。2009年，凶杀案下降到466宗，创下了50年之最低。这个指标，已经使纽约跻身全美最安全的大城市行列。
当然，布雷特在纽约推行的警务管理模式，其做法并不仅仅局限于“地图和数据”。
例如，他非常推崇“破窗理论”（Broken Windows Theory）。该理论认为，一个城市，如果对小的违法行为纵容姑息，不良现象就会被放任、模仿，逐渐扩大、蔓延为成片的犯罪行为。所以，即使对一个窗户玻璃被砸破的投诉，接警中心也要认真记录，并纳入地图上的数据分析。也就是说，地图上的圆点不分案值大小、案情轻重，一律同等对待。
又例如，露宿公园、街头的青年，常常是酗酒、卖淫和吸毒活动的参与者，布雷特要求，不能仅仅是打击、驱散，必须刨根问源：他们从哪里来？面对什么困难？需要什么帮助？只有真正解决了这些问题，那些地图上代表犯罪的“圆点”才能最终被消除，而不是从一个区域转移到另一个区域、在地图上“此”起“彼”伏。
数据和信息是执法制定战略和决策的基础
纽约的巨大成功，很快引起了其他地方政府和联邦政府司法部的注意。90年代起，全美各地有近三分之一的治安管理部门都陆续复制引进了CompStat的管理模式。1993年，克林顿任命珍妮特-雷诺（Janet Reno）担任司法部长。雷诺是美国历史上第一位女司法部长，在她的任期内，她大力推行“数据驱动”的管理方法（Data-Driven Management），并不断强调：
“数据和信息是执法工作当中制定战略和决策的基础。”
1996年，CompStat获得了哈佛大学的美国政府创新奖（Innovations in American Government Award）。此后，CompStat甚至进入了美国总统和副总统的视野。
1998年10月1日，副总统戈尔宣布，司法部要会同全国政府改革合作委员会15成立专门的工作组，在全国的警务部门研究推广“地图映射和数据驱动的治安管理”（Crime Mapping and Data-Driven Management）。克林顿总统甚至在1999年的国情咨文中，也提到这种新的方法和系统。。
决策效果“出人意料”地显著
随着时间的推移，越来越多的事实和发现证明，这种方法不仅对治安管理行之有效，还可以推广到其他领域，很多时候，还可以带来出人意料的发现。
2006年，通过把20多年的犯罪数据和交通事故的数据整合到一起，并映射到同一张地图上之后，警务研究人员惊奇地发现，交通事故的高发地带，也正是犯罪活动的高发地带，甚至交通事故的高发时间段，也是犯罪活动的高发时间段。
维护交通安全、打击犯罪活动，这两个职能本来分属于不同的联邦部门。基于这个新的发现，美国国家高速公路交通安全管理局（NHTSA）、国家司法援助局（BJA）和国家司法研究所（NIJ）联合成立了一个“数据驱动的新方法：犯罪和交通安全”的工作组，在马里兰、堪萨斯等州的城市开展联合治理的试点。
试点的重点内容是针对犯罪活动和交通事故，为基层警队建立一套完整、严谨的数据整合、分析的系统。由于情况的波动，1年的数据往往不可靠，必须累积3年的数据作为分析的基础；10万人口以下的城市必须使用4到5年的数据。此外，犯罪活动和交通事故极少发生在完全一模一样的地点；除了收集数据，还要在地图上运用簇群关联的数据显示技术，才能划分确定两种活动频发的共同区域。
确定了共同的“黑点”，就可以将交通警察和治安警察的资源整合到一起，有的放矢，在特定的时间、特定的地点开展联合治理，这不仅能提高警力使用的效率,还可以改善执勤巡逻的效果。
联邦政府工作组的试点取得了非常显著的效果，试点区域的抢劫、盗窃等犯罪活动明显下降，同时，违规驾驶的罚单明显增多。2008年，为了在更多的地方政府推广这种模式，该工作组总结了试点经验，制订了项目实施的基本原则，其中最重要的一条就是：数据收集和数据分析必须成为基层警务部门的一种文化，这种文化代表着基层警务部门一种管理哲学的改变，这种改变，也是该项目实施过程最大的挑战。
这种基于数据的警务管理模式，也引起了学术界的高度关注，有学者将其概括为“数据驱动的警务管理”或“数据驱动的司法管理”（Data-Driven Policing or Justice）。
本文摘自《大数据》，作者涂子沛，在此鸣谢。
End.
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
