您好，
访客
登录/注册
摘 要：为提高预备警官的数据能力，通过对大数据技术的分析，明确数据能力的具体内容包括收集、处理、可视化、建模分析和交流。针对当前预备警官数据能力培养存在的问题包括数据思维不强、数据技能学习欠缺、师资和应用场景不足，公安院校要强化预备警官数据意识，优化师资队伍，全面开展校校、校局、校企协同合作，实现大数据背景下公安人才的数据能力提升。
关键词：大数据 预备警官 数据能力 分析研究
中图分类号：D361 文献标识码：A文章编号：1672-3791（2021）05（c）-0030-03
Analysis and Research on Data Capability of Preparatory Police Officer with the Background of Big Data
HU Yansong DU Tianya
（Department of Public Security， Guangdong Police College， Guangzhou， Guangdong Province， 510000 China）
Abstract： In order to improve the data capability of preparatory police officers， through the analysis of big data technology to confirm the contents of data capability include collection， processing， visualization， modeling analysis and communication. Focus on the current problems on the data capability training of preparatory police officers， the lack of data thinking， data skills learning， teachers and application scenarios. Public security colleges should strengthen the data awareness of the preparatory police officers， optimize the teachers' team， cooperate with other schools， bureaus of public security， companies and so on， to improve the data capability of police talents with the background of big data.
Key Words： Big data; Preparatory police officer; Data capability; Analytical Study
隨着物联网、区块链、5G、云计算等技术的迅猛发展，大数据时代已经到来[1]，“智慧新警务”“大数据指挥中心”[2]“警务大数据研判分析平台”[3]等也在公安工作中得到初步应用。在大数据背景下，公安人才不仅要具备扎实的专业知识，还要运用数据思维对警务事件进行分析研究，寻求创新的解决方案，精准高效地完成国家公安工作。在大数据背景公安院校如何顺应时代要求提高预备警官的数据能力，已成为当前的重点研究内容。
1 大数据背景下的数据能力内容
大数据技术是以海量数据作为对象，对其进行采集、存储、处理和应用，进而产生巨大经济效益的技术[4-5]。尽管“大数据”众所周知，但其所要求的数据能力内容却未有明确探讨，现结合大数据技术涉及到的数据收集、处理、可视化、建模分析和交流这5个层面进行分析，为预备警官的数据能力确定具体内容。
1.1 数据收集
数据收集是基于对数据场景的分析，选择便捷高效的方式从海量数据中，提取目标数据。数据收集是大数据技术应用的基础，一旦数据源出错，轻则数据处理难度增大，提高硬件设备要求，重则基于数据应用的结果造成重大危害。
随着物联网和信息技术的不断发展与应用，不仅扩大了大数据技术的应用场景[6]，也对数据收集能力提出了更高的要求。数据收集能力要求公安人才能运用过硬的专业知识和业务能力对数据场景的特点、体量、类型等进行分析，熟练应用数据采集技术在大量繁杂的数据中获取真实可靠的目标数据。
1.2 数据处理
数据处理是对收集到的数据进行审核校验和加工，保障输出的数据能满足应用要求。原始数据往往无法直接应用，须对其有效性进行审核验证，清理错误及无效数据，然后对数据量、颗粒度等进行初步评估，最后选择合适的工具实现数据加工和输出。
警务数据处理逐渐在公安工作中形成一个独立的工作岗位。数据处理能力要求公安人才具备一定的数据分析和计算机科学的基础知识，能够实现大量数据的自动化处理和动态追踪，高效完成数据清洗。
1.3 数据可视化
数据可视化是指通过一定的美学设计，选择最有效的方式将数据处理结果直观展现给目标对象。基于数据可视化的应用场景和目标对象的分析，选择合适的数据可视化工具，通过图表的选择和设计，高效直观展示出来。
当前各类警务系统的监控平台，大数据研判平台等都是数据可视化的产物，在大数据背景下的数据可视化能力不可或缺。数据可视化能力不仅要求公安人才具备数据交互处理方法，灵活运用数据可视化工具，为达到更好的可视化效果，还需要一定的美学基础和设计能力。
1.4 数据建模分析
数据建模是以有效数据为对象，结合数据间的逻辑关系，构建有效模型，实现数据的深度探索与应用。如何实现对未来时间、空间数据的有效预测是大数据技术应用的重要方向，而数据建模即是这一领域的基础，数据建模分析能力是大数据背景下的数据能力的核心。
数据建模分析能力的基础是数据思维，要求建模者掌握扎实的数学、数据分析和计算机科学等学科的专业知识，为保障模型的有效性和准确性，对建模者业务能力也提出了较高的要求。公安人才不仅要掌握过硬的业务技能，更要具备大数据思维和一定的数据建模分析能力，才能有效推进警务大数据技术的应用。
1.5 数据交流
数据交流是指将数据场景、处理过程、建模方法等，通过有效的方式方法传达给目标对象。大数据的技术产物只有转化成为目标对象的服务，其经济效益价值才能得到最大化，数据交流能力是警务大数据传播、应用和实现的必备能力之一。
在大数据技术迅猛发展的同时，数据服务对象的越来越庞大，为更好地实现大数据的服务和应用，这需要较强的数据交流能力。数据交流能力具体包括数据表达、数据写作、数据传播。数据交流能力要求公安人才能够通过语言或者文字将数据分析结果，简洁且准确无误地表述出来，并通过有效的传播途径让目标对象精准快速获取。
2 预备警官数据能力教育现状
警务大数据技术应用和发展，要求预备警官具备大数据思维，能够通过大数据技术对警务事件中各因素的关系进行分析，实现预警和预防。当前预备警官数据能力教育现状主要存在以下几个方面的不足。
2.1 数据思维不强
大数据不仅是一次技术的发展，更是一种思维模式的转变[4]。数据思维是指对应用场景的关键特征数据进行分析，探究数据间的逻辑关系，并进行研究和应用。随着数据采集技术的不断应用，数据涵盖的范围不断扩大，但许多预备警官对数据的普遍认知还停留在数字上。
对警务事件的理解停留在传统的单因果关系分析，而实际警务事件是多变量综合作用的结果，不能以数据的角度来分析事物之间的关系，对警务事件的分析仅停留在文字层面，整体数据意识较为薄弱。
2.2 师资欠缺
高等院校的师资队伍主要依据学生培养方案和学科发展方向进行组建，而公安院校作为特色高校，师资队伍更具有针对性，主要由具备公安学教育背景的人才组成，数据能力方面的师资存在一定的空白。
公安院校并不是大数据技术研究的主战场，缺乏掌握大数据技术的专业科研人才，科研带动教研的动力不足，数据能力相关的教研项目少，无法形成浓厚的数据能力教育氛围。
2.3 数据技能學习欠缺
由于公安工作的综合性，预备警官的课程内容覆盖面偏大，包括基础课程、法学知识和专业课程，还有大量的实践课程。紧张的课时安排使大数据技术相关课程很难进入课堂，导致预备警官在数据技能方面的学习较为欠缺。
大数据技术在公安工作中发挥着重要作用，但公安院校的本科教育与其衔接存在不足，且未对大数据背景下的数据能力要求进行具体的研究，数据能力的内容未融入传统的课本理论和经验式教学中。
2.4 应用场景不足
大数据技术作为应用型技术，只有以应用场景为对象，结合专业知识进行数据化研究，才能真正理解并掌握这门技术。由于公安工作的特殊性和保密性，公安院校预备警官很难接触到警务事件的详细数据，缺少利用警务事件锻炼数据能力的机会。
尽管公安院校教师具备丰富的教学经验，但对日新月异的执法要求和场景信息把握存在一定不足，对应用场景分析的有效性较难保证，以警务事件为对象的数据能力教育很难取得理想的效果。
3 提高预备警官数据能力举措
为满足大数据背景下对预备警官数据能力的要求，向公安机关单位输送复合创新型警官，推进警务大数据的应用和发展，从个人、校园面和社会面提出改善预备警官数据能力培养举措。
3.1 强化数据意识
营造数据能力学习氛围。推进警务大数据技术的校园宣传，定期邀请高校、企业、公安机关单位的专家开展警务大数据技术相关的讲座，增强预备警官对大数据技术的认识。开展数据能力技能的相关课程与培训、设立兴趣社团、组织校园活动等提升预备警官数据能力。
走出校门，拓宽大数据认识。鼓励预备警官参加各类大学生数据技术应用竞赛，组织参加社会面大数据技术交流活动，了解大数据应用发展，紧跟时代核心技术热点，激发预备警官的数据思维能力，强化数据意识。
3.2 优化师资队伍建设
引入地方院校先进的大数据技术和人才力量，吸纳警务大数据实战人才作为兼职教师补充到师资队伍中，实现综合全面的师资队伍建设，弥补公安院校大数据技术人才的空白。
发挥青年教师的作用，鼓励青年教师探索大数据技术在学科发展的应用，形成具有公安特色的大数据应用技术，以科研带动教学革新。选拔合适的人员成立横向大数据技术应用教研团队，协同开展大数据技术的科研项目以及学生数据能力培养的教研项目，组成校级层面的教学力量，全面推进预备警官的数据能力教育。
3.3 结合应用场景开展数据技能课堂
将数据能力的内容加入到预备警官培养方案中，完善公安人才在数学、数据分析、计算机科学等基础课程的设置，并开设大数据技术相关课程。公安类专业课程和数据技术进行结合形成交叉型课堂，协同警务大数据的师资开展“双师”教学模式，实现理论和技术的课堂融合，在巩固专业知识的基础上同步开展数据能力的应用，提升预备警官的综合能力。
微课以时间短，针对性强等特点[7]，可将警务事件作为对象，应用公安知识和数据能力，对场景数据进行分析研究，将数据能力应用在实际案例中，制作警务数据微课程。警务数据微课程能够将公安知识和数据技术结合在一起，提高预备警官数据能力。
3.4 强化大数据领域的校局合作
强化校局大数据领域的教育与科研合作。公安院校和公安机关单位深化科研合作，共同申报大数据领域的研究项目，将理论和实战优势充分发挥出来，推进警务大数据的研究进程。在保障数据保密和安全的前提下，与公安院校共享部分警务数据，为预备警官数据能力培养提供警务数据场景，为预备警官的数据能力培养提供基础。
开展校局双育模式。定向技术交流学习，警务一线人员进校园，精细化预备警官能力培养，结合不同岗位的需求，明确数据能力培养的要求。预备警官进单位，贯彻落实学以致用，协助完成警务工作的同时，检验数据能力的实战效果。
4 结语
在大数据背景下，公安工作的变革和发展正稳步推进，公安院校作为警务人才的主要输送基地，预备警官的数据能力教育也亟待提高。只有具备大数据思维和数据能力的复合型警官，才能在适应新时代要求，实现警务工作和大数据的有机结合，推进警务大数据的发展，实现新时代下的为人民服务。
参考文献
[1] 宋晓辉，柴龙.公安院校大数据警务人才培养路径探索[J].公安学刊（浙江警察学院学报），2020（1）：109-113.
[2] 张文泽.大数据背景下公安指挥中心效能提升研究[D].中国人民公安大学，2018.
[3] 王海燕，胡婷，刘际鹏.基于数据中心的公安大数据应用研究[J].智能计算机与应用，2017，7（5）：60-65.
[4] 周国民，朱龙飞，刘强.大数据背景下的现代警务人才教育培养探究[J].公安教育，2019（2）：55-58.
[5] 张传浩，胡传平.智慧警务背景下的公安技术专业建设研究[J].公安教育，2019（12）：57-61.
[6] 余文科，程媛，李芳，等.物联网技术发展分析与建议[J].物联网学报，2020，4（4）：105-109.
[7] 王超奇.大学生个性化教育中微课程的创新应用探索[J].高教与成才研究，2019，11（32）：6-7.
