“飞轮效应”是一种理论模型,最初是指某一组织的各业务模块在有机地相互推动时,各业务模块之间需要花费较多时间实现齿轮的彼此咬合,但一旦转动起来,就会越转越快。近年来,随着数据价值的不断涌现,“数据飞轮”效应的概念应运而生,其旨在强调大数据时代通过数据和业务的双向良性驱动,有效提升工作质效。
“数据飞轮”和数字检察的关联
当前,全国检察机关深入贯彻实施的“业务主导、数据整合、技术支撑、重在应用”数字检察工作机制中,“重在应用”就暗含了“数据飞轮”效应的基本原理。业务和数据位于“数据飞轮”的两端,两者紧密关联、动态耦合。一方面,检察数据的高频应用,可以显著提升检察办案、检务管理与检察服务的科学化水平和工作质效;另一方面,检察业务也会产生更多的检察数据资产,推动“数据整合”和“技术支撑”的优化完善。“重在应用”的“数据飞轮”是提升数字检察效能的关键环节,对于实现数字检察战略的逻辑闭环具有不可替代的重要作用。
需要说明的是,“数据飞轮”与此前热度颇高的“数据中台”有着明显区别。从严格意义上看,“数据中台”是检察机关数据整合、技术支撑等基础工作的重要抓手。在电子检务工程建设中,检察机关运行的支撑平台已经实现了核心重要业务数据库服务器的物理机部署和一般业务数据库服务器、互联网数据库服务器等的虚拟化部署,并通过云存储体系架构实现资源按需分配。检察机关应用支撑平台中的数据交换平台,也已实现不同部署点之间、不同系统之间、不同数据库之间的数据交换及共享,满足了检察业务应用系统各种数据的交换需求。同时,内置的数据管理平台,可以通过元数据管理、数据质量管理、数据标准管理实现对各类检察数据资源的统筹管理。可以说,经过检察技术人员多年的共同努力,检察信息化建设中“供给端”的数据中台建设任务已经基本完成。而“数据飞轮”实际则属于检察信息化建设中的“消费端”,其关键在于“重在应用”,目的是提升检察大数据的应用频率和质效。
发挥数字检察“数据飞轮”效应的关键点
要充分发挥数字检察的“数据飞轮”效应,需要以数字检察的具体应用系统为中间渠道,联通检察业务和数据资产,在此过程中,应当以“重在应用”为导向,以务求实效的工作理念改善相关工作。
一是强调检察需求的普遍性。数字检察工作机制中强调的“重在应用”,需以检察人员的实际工作需求为牵引。当前,部分数字模型颇具创新性,但从根本上讲,并不完全契合检察人员的需求“痛点”“难点”,部分模型只是针对某个或某类非常见案件而研发,这可能导致相关模型的回报率不高,往往在办结案件后,这类数字模型就会被闲置,成为数字“盆景”。而有的需求量很大的业务却没有得到足够重视。比如,在刑事检察业务的数字模型中,能否以实体法上常见的案发数量较高的罪名(如帮信罪、盗窃罪、诈骗罪等)和程序法上常见的非法证据排除规则等作为优先的研发方向和规则要素。再如,在检察办案办公中,基于大数据的检察文书纠错功能是所有检察人员的共同需求,可否对检察业务应用系统中的相关功能基于数据进行持续优化。笔者认为,只有以普遍性的检察需求为导向,才能使数字检察应用具有长久的可持续性。
二是重视数据资产的通用性。没有数据的数字模型,无法实现数据赋能的任务。数字检察的“重在应用”,要以通用的检察数据资产和公共数据资源为基础。如果个别基层检察机关在进行数字检察探索时,基于所在地的特色数字资源研发了模型,可能在当地取得了较好效果,但在进一步推广时,由于其他地区的检察机关无法获取所在地的相关数据,则会导致模型的推广价值受到限制。因此,在研发之初,就应当贯彻“可复制、可推广”的数字模型应用要求,在资源有限的前提条件下,优先基于检察业务应用系统的内生数据、其他行政机关的全国通用数据、裁判文书公开网等开源数据来研发构建数字模型,制定可替代数据的预案。在数字模型的研发、部署、应用中,还需要树立检察大数据资产意识,按照财政部《关于加强数据资产管理的指导意见》,加强数据资产的全过程管理。在保障安全的前提下,推进数字模型应用生成数据的开发利用与协同共享。
三是改进创新管理的针对性。数字检察的“重在应用”,要以一线检察人员使用模型的效果作为重要评价指标。在各级检察机关大数据法律监督模型竞赛活动中,均需按照“重在应用”的导向设置评价指标体系,将模型试点应用期间的使用频率、线索发现数量、案件转化数量、检察人员使用满意度、可推广性等作为评价重点。在日常管理过程中,应当按照“赛马不相马”的理念,以各类数字检察应用或模型的使用频率和用户黏性为关键指标,优先向使用频率高、试用效果好的各类数字模型投入相应资源,并纳入检察信息化日常建设项目或后期升级项目;省级以上检察院对省域范围内的优质数字模型可以定期组织评选,将条件成熟的模型转化为全国或全省范围内的数字检察通用模型,通过数字检察管理机制的与时俱进,推进数字检察应用生态的不断优化。
综上,数字检察高质量发展的核心任务,就是要通过持续打造、优化检察人员愿用且好用的数字检察应用模型,形成业务数据化和数据业务化的数据闭环,充分激活数据要素价值,持续发挥“数据飞轮”效应,最终推动大数据赋能检察工作的落地见效。
(作者为北京化工大学副教授、中国计算机学会计算法学分会执行委员金鸿浩)