大数据时代的法治国家建设

大数据时代的法治国家建设

大数据时代的到来为国家法治的建立带来了新的机遇和挑战。2018年司法部发布的《“数字法治、智慧司法”信息化体系建设指导意见》提出，通过数据应用重塑优化业务流程和工作模式，推动司法行政部门履职能力的持续升级，为全面推进法治国家、法治政府、法治社会一体建设提供全面有力的支撑一、法治大数据的内涵和外延1997年10月，美国国家航空航天局的MichaelCox和DavidEllsworth在第八届IEEE关于可视化的会议论文集中首次使用“大数据”（BigData）概念，并界定了内涵。经过20多年的发展，“大数据”的概念被广泛使用和接受。大数据是以“4V”为主要特征的数据集合，即数据量大（Volume）、类型多（Variety）、价值密度低（Value）、速度快和时效高（Velocity）。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为0.49ZB,2018年为33ZB,10年间数据增长67倍多。截至2018年底，中国的网民数量已经达到了8.29亿，互联网普及率上升为59.6%，产生数据7.6ZB。重新组建的司法行政部门主要职能转变为“一个统筹、四大职能”，法治大数据的内涵和外延有了重大变化。我们认为，法治大数据是指能够用于体现法治国家、法治政府、法治社会现状，改进促进法治国家、法治政府、法治社会建设发展，提升全面依法治国能力的数据。因此，法治大数据不仅局限于司法行政部门内部数据，还包括所有运行公权力的党政机关、司法机关、事业单位的立法、执法、司法、普法数据，还包括与法治国家、法治政府、法治社会建设相关的社会公开数据。司法行政信息化建设发展至今，大致可以分为两个阶段，第一个阶段是信息化起始阶段。大致从2000年到2010年，这一阶段的主要建设重点是监狱信息化。2005年，司法部明确提出“大力推进监狱、劳教系统现代化、信息化进程”。2007年，司法部在江苏召开全国监狱信息化建设工作会议，对监狱信息化建设工作作出全面部署。这一阶段，司法行政系统特别是监狱系统，信息化建设水平不断提高，完成了全国监狱信息化建设规划，初步形成全国监狱信息网络平台，建成监狱系统基础信息资源库，投入使用一批狱政应用系统等，取得明显成效法制信息化建设主要集中在法律法规信息数据库、法规规章草案征求意见平台、中国政府法制信息网站以及法制事务应用系统建设和应用。以司法部发布《“数字法治、智慧司法”信息化体系建设指导意见》为标志，司法行政部门信息化建设进入第三阶段，即智慧司法深入探索阶段。智慧司法是指利用信息技术和创新概念，对法治大数据进行收集、分析、处理，形成法治国家、法治政府、法治社会的高效流转、相互影响的工作闭环，全面提升法治政府的运行效率、科学决策能力、依法行政水平，提高社会公众的法治获得感。二、法治大数据对智慧正义的重要性（一）“三位一体”法治建设将纳入国家现代化目标党的十八大报告明确提出到2020年实现“法治政府基本建成”的目标，十九大报告重申“三位一体”法治建设，将纳入基本现代化的目标。有教授指出，法治评估应成为贯穿法治建设全过程的一个“抓手”，成为社会发展的“晴雨表”，法治指标体系设计的科学性成为了法治评估的焦点（二）司法行政部门是提高行政立法质量的重要职责按照我国立法的主要运作模式，无论是人大立法还是行政机关立法，均按照立法的实际内容来确定法案的起草者，因大部分法律规范涉及到行政管理的内容，行政机关成为了大部分立法的“实际立法者”。因此，司法行政部门作为政府法制工作的牵头部门，提高行政立法质量是题中应有之义。具体而言，应以法治大数据提高保障行政立法程序、主体、公众参与、评价等方面的工作质量。（三）．行政行为监督、规范行政行为通过采集各级行使公权力的党政机关、企事业单位在执行宪法、法律、行政法规以及其他规范性文件的行政行为数据，来监督、规范其行政行为，促进依法行政水平。具体而言，应以法治大数据引导行政执法体制改革、规范行政执法行为、优化行政执法监督等方面。（四）从“底线安全”到“全面践行”，着力打造“五大改造”刑事执行根本目的是改造罪犯，向社会提供“守法、自律、合格、文明、自立”公民。从传统“三大改造”到当下“五大改造”新格局，从“不跑人”到“输出合格品”，从“底线安全”到“全面践行改造宗旨”，工作理念的转变要求刑事执行在做好常规性安全排查的基础上全面及时掌握罪犯的思想状况、心理健康、狱情动态，提高预测、预防、预警能力，提升罪犯向“守法、自律、合格、文明、自立”公民转化的工作成效。“五大改造”的提出，是当下刑事执行工作的一个高标准、高难度的决策和动作。在大数据的时代背景下，这一决策的启动和运行并非仅仅基于经验和直觉，更多地需要基于大量数据和精准分析。（五）提供动的法律服务路径传统的公共法律服务模式受到技术手段、思想意识等局限，存在被动性、孤立性、粗放性特点。大数据时代，依托法治大数据，运用现代信息技术，通过大数据挖掘和分析，实现“以需求定主题”“以问题为导向”，推进司法行政机关主动服务、精准服务、协同服务。一是主动服务。基于大数据的挖掘和分析，有利于准确把握社会的公共法律服务（法律知识、矛盾纠纷调解、公证服务等）需求、公众法治意识的变化以及某一执法事件或司法案件的被关注情况，进而有效识别普遍性和趋势性问题，主动采取相关措施加以应对，改变以往刺激—反应的被动模式。二是精准服务。通过对公众个体关注、搜索公共法律服务信息等数据情况的追踪，形成“个人需求画像”，通过精准识别、匹配和智能推送，实现个性化服务，使公共法律服务由“大水漫灌”向“精准滴灌”转变。三是协同服务。根据不同时期、地域、群体的需求，分阶段、分地域、分类别地提供公共法律服务，有效发挥各项业务职能，为群众提供全时空、全业务的公共法律服务。三、法治大数据应用的有待创新大数据时代的来临，虽然为司法行政部门科学评价法治建设水平、提升行政立法质量、规范行政执法行为、促进刑事执行水平以及优化公共法律服务提供了跃升空间和技术支撑，但在智慧司法建设过程中，如何解决大数据思维缺乏、法治大数据获取难题及价值挖掘能力不足等现实困难，完善法治大数据在技术层面和业务层面的高效耦合与互动，实现大数据对法治国家建设的有效驱动，是当前面临的现实挑战。一是法治大数据思维缺乏。大数据思维的缺乏是大数据时代智慧司法建设的首要挑战。当前大数据思维和精细治理理念尚未渗透到司法行政部门业务工作各个环节，传统数据统计和决策模式仍占主导地位，受制于管控型思维和信息技术壁垒的掣肘，既有的管理模式和数据使用方法，难以有效激活大数据分析和决策模式的创新力和驱动力。二是法治大数据的获取使用难题。只有在获取的数据满足充分性、多样性、多维度性要求的前提下，数据的挖掘与分析才能保证准确性与科学性。从来源上分，法治大数据获取途径主要分为两类，即司法行政部门内部采集与外部获取。内部数据是指司法行政部门内部各个层级、各个业务条线可获取的业务数据。外部数据是指来源于司法行政部门外部，包括其他政府部门和社会主体（包括各种网络、流媒体）的数据，可以用于智慧司法建设的各种数据。内部数据的困难在于：一方面，尚未制定全面覆盖司法行政所有业务条线、统一的数据标准；另一方面，在使用上当前内部数据上传报送是一种常态，但是数据反哺下级单位存在各种体制机制障碍。外部数据的困难在于：质量和共享使用意愿。外部社会公开数据可以通过网络技术手段（网络爬虫等方式）获取，但难以保证质量与稳定性。外部数据的数据控制主体，包括政府部门和企事业主体，对于自身数据的开放共享普遍不够。三是法治大数据的价值挖掘、辅助决策能力不足。由于受到技术、管理体制等因素的限制，大多数法治数据都处于休眠状态，在智慧司法建设上未充分有效发挥作用。四、法治大数据的技术路径（一）基于数据的采集技术智慧司法的实现首先需要一定的数据基础。法治大数据是网络空间存在的与法治有关的数据集合，来源非常广泛：从产生方式看，涵盖司法行政部门内部、其他政府部门以及各类社会主体。从载体看，有业务信息系统、网站、微博、微信、APP、论坛等；从形式看，有文字、报表、图片、音视频等；从对象看，涉及不同年龄、职业、地域、教育水平的社会公众以及行使公权力的各类组织；从内容看，涉及立法、执法、司法、守法等方面。大数据采集是指对通过ETL(ExtractTransform-Load：抽取、转换、加载）操作，为数据分析挖掘提供数据支持。从数据源抽取出所需的数据，经过数据清洗，按照预先定义好的数据模型，将数据加载至数据仓库。数据采集位于数据分析生命周期的第一环，是数据分析挖掘的先决条件。当前大数据采集技术主要有三类：一是日志采集技术。常用的日志收集工具有Flume、Scribe等。通过采集目标对象的业务平台日志数据，进行数据分析，挖掘日志数据中的潜在价值。二是网络数据采集技术。常用的网络数据采集工具有ApacheNutch、Crawler4j、Scrapy等。将非结构化数据和半结构化数据的网页数据从网页中提取出来，清洗、转换成结构化数据进行存储。三是数据库采集技术。通过数据库采集工具直接与目标对象业务后台服务器对接，将业务后台实时产生的业务记录写入到数据库，最后由特定的处理分析系统进行数据分析。法治大数据的采集，一方面需要保证数据源的质量。数据的真实性和可靠性是大数据分析、决策的基础。另一方面需要把握好全面与重点的关系。数据的全面性对审视法治建设中的问题、展示社会事件的全貌至关重要，是保证后续分析中发现影响因素之间关联性的前提。对于收集来的数据经过分析后应按轻重缓急分级归类，重要问题需要重点关注，优先分析解决。（二）多门学科的融合，赋能数据挖掘技术大数据挖掘是指在大量的数据中挖掘出有效信息，通过分析来揭示数据之间的联系、趋势和模式。数据挖掘是交叉性学科，是数据库技术、机器学习、统计学、可视化分析、模式识别等多门学科的融合，通过对海量、高质量的数据价值挖掘，获得确定的判断，产生认知模型，形成人们解决问题的知识。根据挖掘任务，数据挖掘技术可分为预测模型发现、聚类分析、分类与回归、关联分析、序列模式发现、依赖关系发现、异常和趋势发现、离群点检测等。根据挖掘对象，可分为关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据库、异质数据库等挖掘。根据挖掘方法，可分为机器学习方法、统计方法、神经网络方法和数据库方法。（三）法治决策过程大数据辅助决策是根据决策者确定的决策目标，通过大数据采集和分析技术，精确分析决策目标的各影响因素之间的关联关系，辅助决策者优化选择决策方案的过程。传统决策历经经验决策、科学决策、人机智能决策三个阶段，受限于数据来源、数据处理能力以及决策者自身能力水平，导致决策的合理性、全面性、智能性可能不足。基于法治大数据的法治决策，其决策过程可以描述如下：首先，确定决策目标。正确的决策始于清晰明确的决策目标。依托法治大数据及相关技术，提取有效信息，将政府的政策导向和公众的真实需求相结合，从而更加明确决策目的。其次，采集全量数据。通过海量规模数据分析处理，使决策结果更客观理性。第三，挖掘决策数据。通过数据挖掘分析，特别是运用数据可视化技术，展现数据之间的关联关系，使决策者更好理解大数据中包含的信息。第四，作出决策。将数据分析、业务领域等方面专家的知识经验和机器智能决策模型的自动化决策相结合，形成最优方案帮助作出决策。最后，持续优化。重复一至四环节，审视、检验决策合理性，并不断完善优化，推动相关决策落实并发挥实效。五、大数据的法治（一）转变观念，转思维方式一是由样本思维到全量思维。样本分析是以点带面、以偏概全的思维，而全量分析真正反映了全部数据的客观事实。传统条件下，受到技术手段的限制，往往以样本数据作为数据分析研究的起点，难以进行全量分析。比如，以前组织某项重大行政决策出台的公众意见采集，需要在人工条件下，采取问卷、座谈、实地调研等方式开展，工作周期长、效率低，只能基于样本思维进行分析和推测。大数据时代，大量的信息已经实时数据化、联网化，通过运用大数据分析挖掘技术能够高效地处理海量数据，实现全量分析。二是由因果思维到关联思维。因果关系分析法是指通过建立事物的因果联系，解释事物与发生原因的一种分析方法。基于因果关系的“发现问题—原因分析—解决方案”的解决问题思路，是一种线性问题处理方式。关联关系分析法是指通过观察因素之间的相关性，从而发现、影响事物的发展趋势。基于关联关系的解决问题的思路的“数据采集、关联分析、趋势预测、工作指导”，是一种发散型的问题思考方式。从经验上看，事物之间若存在因果关系，一般会有关联关系，事物之间不存在因果关系时，也有可能存在相关关系，因此关联关系比因果关系要更为广泛且普遍。大数据分析为关联关系的发掘提供了条件。三是由定性思维到定量思维。培养司法行政部门工作人员的大数据思维，养成善于用大数据思考问题，善于用大数据推进工作，“用数据说话、用数据决策、用数据管理、用数据创新”，不断提升大数据应用的自觉性，推动工作方式转变优化。（二）加强司法、行政系统数据共享机制建设一方面应尽快完善法治数据资源标准规范。建立健全司法行政部门信息化标准规范体系，完善法治数据、基础平台、应用技术、基础设施和管理等方面标准规范。建立标准动态调整机制，定期对各项标准进行评估、改进。强化标准的宣传、培训、应用，为司法行政部门业务应用互联互通、数据共享提供保障。另一方面应加强与相关政府部门的数据共享机制研究。当前,我国还未建立完备的政府公共数据开放与共享机制,政府公开数据主体不明确、责任无法落实等问题依然存在。当下，各级大数据管理机构相继成立，政务数据共享的制度建设不断完善，在此过程中，各级司法行政部门应该主动协调、积极参与，从便利收集各部门行政执法、普法等数据角度，提出相关数据共享的主体、程序、数据标准、安全、监督等规范，确保行政执法、普法等数据