三、大数据侦查思维

（一） 关联性思维

侦查活动的实质是重构犯罪的过程，是侦查人员根据犯罪行为所留的实物证据和相关言词证据、犯罪线索，通过分析、研判，逐渐回溯性地还原犯罪事实的过程。其中，犯罪行为是“因”，犯罪证据和线索是“果”。侦查活动遵循人类由“果”及“因”的思维模式，逆向溯源犯罪事实。传统的侦查思维乃至整个法律领域的思维，都建立在因果逻辑的基础上，对犯罪事实的认定，必须严格地遵循因果关系逻辑，要求证据与事实之间具有引起与被引起的因果关系。然而，大数据却颠覆了人类传统的因果思维，强调事物之间的相关关系而非因果关系，这是大数据之父舍恩伯格所提出的大数据三大思维特征之一。大数据的关联性主要通过量化两个数值之间的数理关系而得出，这种关联性只告诉人们“是什么”却不解释“为什么”，即“知其然而不知其所以然”，对这种相关性进行因果关系分析，凭借人们的知识和经验有时候很难做出合理的解释和有效的判断。将大数据的关联性思维运用至侦查中，可以大大拓展侦查的思维视野，发掘更多的线索、情报。具体而言，侦查人员可以从以下两个方面运用大数据相关性思维。

一是在从事物、行为获取的数据中“找到一个关联物并监测它”，通过数据运算来发现各要素之间有无相关性。这是大数据分析运用的基本操作要领。通过大数据可以找到一个现象的内在关联物，通过对关联物的分析来观测现象本身。大数据的这一做法要领同样可以运用于侦查领域，如果甲和乙经常一起出现，只要甲现象发生了，那么我们就可以推测乙现象也发生了。例如可以通过对证券账户的观测来监控证券欺诈现象，可以通过对个人资产数据的监控来判断国家工作人员是否有贪污受贿嫌疑，可以通过对社交关系网的分析来判断哪些人与恐怖分子有联系，这些都是大数据相关性分析在侦查中的具体运用。并且，随着大数据技术的发展，未来我们不再需要人工选择关联物，大数据通过计算能够告诉我们谁是最好的代理人。

二是挖掘数据潜在的关联性。在传统的侦查活动中，侦查人员主要凭借个人的能力和经验，收集、分析、研判与案件有明显因果关系的线索、证据，一时难以确认证据、线索背后的内在必然联系。而大数据分析方法能够从海量看似与案件无关的数据中挖掘出关联信息，并将之用作案件侦查的线索和依据。譬如，在侦查过程中所获取的手机数据、计算机数据的解读，交易、交流数据的挖掘，看似与案件并无明显的关联，但是对其进行数据分析后，则能够发现当事人的行踪轨迹、人际交往状态、通话规律、消费习惯等大量有价值的信息。这些信息表面看起来与案件事实没有明显的因果关系，但经进一步大数据分析后能够为案件侦查提供线索。例如，在某市检察院查办的一起贪污贿赂案件中，举报人称嫌疑人受贿贪污资产达上千万元，但侦查人员并没有发现嫌疑人本人及其家庭成员的房产、银行存款、证券资产等存在明显异常情况。后侦查人员对嫌疑人的手机数据进行收集并分析，发现以下几条敏感信息：通讯录中多位密切联系人为该区著名企业老板，深圳某区供电局告知本月用电度数和电费金额，嫌疑人咨询如何办理移民香港手续。侦查人员事先已知其女儿在香港定居，结合手机中的敏感信息，推测嫌疑人在深圳有房产，资产大部分已经转移至香港，并有移民香港的倾向，据此为突破口对嫌疑人展开讯问；同时，分析有关公司经营活动与嫌疑人职责职权的关联关系，对与嫌疑人密切联系的企业老板进行深度话单分析；侦查人员还根据手机数据对嫌疑人的兴趣爱好、行为特征以及交往群体进行了分析，并以此来制定审讯策略。最终案件成功侦破，查获嫌疑人受贿556万余元，贪污20余万元的犯罪事实。在本案中，手机“大数据”大大拓展了侦查范围，很多隐藏的线索在“大数据”技术下纷纷浮出水面。这种侦查方式耗时少、成本低，相对于侦查人员的人工分析，数据得出的结果也更具有客观性和说服力。

由此可见，侦查人员通过对虚拟空间的数据进行碰撞、挖掘，会发现大量数据间的相关关系，能够大大拓展侦查线索、情报的来源，引导侦查人员多角度、全方位地寻找案件突破口。当对一些案件嫌疑人直接进行侦查有障碍时，可以从与人或事相关的现象着手展开分析；当物理空间的线索、证据不足时，侦查人员可以寻找虚拟空间的相关数据，通过对数据的二次分析来发掘更深层次的信息。当然，大数据分析是借助机器的运算逻辑来实现的，与人类的主观逻辑毕竟不同，有些数据关联性能够进行因果解释，而有些数据的关联性则无法进行因果解释。因此，侦查人员还需要运用传统侦查方法，对大数据所提供的“数据线索”进一步研判和验证。

（二） 整体性思维

人们从大量数据中获取规律性的统计结果，一般采用的是抽样调查的方法，从全部被调查对象中，抽选一部分样本做出估计和推断，同样能起到全面调查的作用。而大数据技术对海量数据集整体规律性的分析针对的是“全体”，而非“样本”。大数据的这一思维模式改变了传统抽样调查的方法。在大数据时代，利用大数据平台的强大功能，我们有条件获得某个研究对象的所有数据，可以达到“样本=全体”的规模，不必再拘泥于技术限制进行数据抽样分析。这种“全数据”的思维模式，有利于人们对事件进行全景式的观察，不放过任何一个细节，弥补了传统抽样调查片面和存在漏洞的缺陷。大数据侦查活动中，与以往不同的“整体性思维”主要体现在以下两个方面。

第一，突破了传统取证思维的局限性。犯罪行为在一定物理空间内发生，但留下的各种物证、书证、电子数据等证据和线索，有的在物理空间，有的在虚拟空间；有的显在可见，有的潜在不可见。传统的侦查取证过程中，由于时空条件的限制和人类认知能力的局限性，侦查人员很有可能只收集了一部分的线索、证据，不知晓除此之外还有多少潜在的线索、证据。在大数据整体思维模式下，可以建立起一个与物理空间相对应的虚拟（数据）空间。大数据侦查活动在这样的数据空间中展开，不再局限于物理空间的书证、物证、人证等载体，而是关注虚拟空间的相关数据。数据空间的技术特征赋予了侦查人员获取全数据的可能性，能够对数据进行整体性、全面性获取。

第二，克服了传统事实还原思维的片面性。取证思维的整体性同样也带来事实还原思维的整体性。在传统的侦查中，侦查人员根据已经收集的证据去还原一个个零散事实，再通过这些零散的事实去拼凑出“整体”事实，这是一种“从小事实到大事实”的逻辑过程。然而，由于获取证据的有限性，所还原出的事实往往是不全面的，并且往往带有侦查人员主观推断的成分，甚至会由于证据的不足而不得不放弃对真相的追求。通过对单个证据的收集和审查去认定案件事实，充其量是一种小数据时代的抽样调查方法，这种样本分析法往往不可避免地带有偏见和漏洞。而大数据侦查则运用一种整体性的事实还原思维，利用各种大数据如手机数据、电脑数据、网络数据、视频数据等还原被调查对象在一段时间内的生活、工作事实，与案件相关的事实必然也置于这个“整体事实”之中。侦查人员再借助一定的技术手段去判断、甄别其中与案件有关的事实。这是一种“从大事实到小事实”的逻辑过程。相比于传统片面化、零散化的事实认定方式，大数据侦查基于整体性思维，所还原出的事实更具有全面性和完整性。

（三） 预测性思维

维克托·迈尔-舍恩伯格认为，大数据最重要的价值在于其预测功能，预测是大数据的核心价值。大数据预测的原理就在于关联性的分析，通过对关联物的观察来预测未来。在侦查破案过程中，侦查人员利用大数据的预测功能，通过对犯罪预备、犯罪实施及犯罪结束等一系列环节的观测，总结归纳犯罪特点、规律，分析预测犯罪态势。

大数据预测思维在犯罪侦查领域的运用，不仅着眼于犯罪预测，还有助于侦查机关合理分配侦查资源，提高打击犯罪的精准性，更重要的是能够在一些犯罪活动尚未发生时或者是在其发生过程中，就及时将其辨识出来，从源头上保护公民的生命、财产等利益免遭侵犯。