论大数据与公安情报学的结合:由“进入”到“融入”
|
摘要
公安情报学中有关大数据的研究面临一个突出问题,即大数据与公安情报学的关系以及两者如何结合。梳理分析大数据与公安情报学结合的逻辑发展路径,大数据将经历由"进入"公安情报学,到"融入"公安情报学,到最后趋于消亡的过程。目前大数据已经"进入"公安情报学,由此打破了公安情报学原有格局,使它面临术语表达、研究对象和研究内容安排等方面的困境。大数据与公安情报学都以信息链理论和情报转化理论为基础,以数据为对象,以价值发现为核心,因此,大数据应该进一步"融入"公安情报学。随着大数据的"融入",公安情报学主动寻求与大数据结合,从而拓展研究内容,创新理论方法,同时有选择性地、批判性地吸收大数据。为确保大数据与公安情报学的有效结合,应确立公安情报学的主导地位,明确"人"的主体地位,客观评估大数据的影响,兼顾科学与人文。当大数据融入公安情报学,与公安情报学完全融合,那么,大数据将在公安情报学中"实存而名亡"。
The research on big data in public security intelligence studies faces a prominent problem,that is,the relationship between big data and public security intelligence studies and the way of their combination. By analyzing the logical development path of the combination of big data and public security intelligence studies,this paper points out that big data develop from initial "entering","integrating"to disappearing for a combination. At present,big data has "entered"the field of public security intelligence studies,which brings a changed intellectual map of public security intelligence studies and academic difficulties such as terminology,research object and research content arrangement. Both big data and public security intelligence studies,based on the information chain theory and the intelligence transformation theory,take data as the research object and value discovery as the core,so big data should be further "integrated"into public security intelligence studies. With an "integration"of big data,public security intelligence studies can expand the research scope,innovate theories and methodologies,and selectively and critically absorb the theories and methods of big data. In order to ensure an effective combination of big data and public security intelligence studies,the principles should be followed: give the dominant status of public security intelligence studies,define "person"as principal,objectively evaluate the impact of big data,and keep a balance between Science and the humanities. When big data is fully integrated into public security intelligence studies,it will exist in name only.
The research on big data in public security intelligence studies faces a prominent problem,that is,the relationship between big data and public security intelligence studies and the way of their combination. By analyzing the logical development path of the combination of big data and public security intelligence studies,this paper points out that big data develop from initial "entering","integrating"to disappearing for a combination. At present,big data has "entered"the field of public security intelligence studies,which brings a changed intellectual map of public security intelligence studies and academic difficulties such as terminology,research object and research content arrangement. Both big data and public security intelligence studies,based on the information chain theory and the intelligence transformation theory,take data as the research object and value discovery as the core,so big data should be further "integrated"into public security intelligence studies. With an "integration"of big data,public security intelligence studies can expand the research scope,innovate theories and methodologies,and selectively and critically absorb the theories and methods of big data. In order to ensure an effective combination of big data and public security intelligence studies,the principles should be followed: give the dominant status of public security intelligence studies,define "person"as principal,objectively evaluate the impact of big data,and keep a balance between Science and the humanities. When big data is fully integrated into public security intelligence studies,it will exist in name only.
引文
(1)大数据概念有广义、狭义之分。狭义大数据,是指现有的一般技术难以进行管理的大量数据的集合。广义大数据是一个综合性概念,包括难以进行管理的大量数据的集合,以及对这些数据进行存储、处理、分析与利用的理论、方法、技术。本文所论大数据为广义大数据,在使用狭义大数据概念时,则称之为大数据资源。参见城田真琴:《大数据的冲击》,周自恒译,北京:人民邮电出版社,2014年,第2—9页。
(1)参见若冰:《以“全省一片云、用云要用心”指导推进警务云建设》,《人民公安报》2013年11月26日,第5版。
(2)参见吴心远:《“大数据”成反扒新抓手,上海首推官方“反扒地图”》,2014年3月31日,http://sh. people. com. cn/n/2014/0331/c134768-20893797. html,2018年12月1日。
(3)参见杨槐柳:《武汉:警务大数据“神器”为基层增添新战斗力》,《人民公安报》2017年8月4日,第2版。
(4)参见宫新:《大数据,江苏“智慧警务”强大引擎》,《江苏法制报》2018年1月22日,第1版。
(5)参见何春中:《公安部成立全国公安大数据工作领导小组》,2018年1月26日,http://www. mps. gov. cn/n2255079/n5967516/n5981117/n5981177/c5992808/content. html,2018年12月1日。
(1)参见彭知辉:《公安情报学研究30年(上):研究内容及其分布状况》,《北京警察学院学报》2017年第1期。
(1)参见吴超:《为何安全领域的论文标题以“基于”开头的如此之多》,2016年9月26日,http://blog. sciencenet. cn/blog-532981-1005187. html,2018年12月1日。
(1)参见李广建、杨林:《大数据视角下的情报研究与情报研究技术》,《图书与情报》2012年第6期。
(2)参见苏新宁:《大数据时代情报学与情报工作的回归》,《情报学报》2017年第4期。
(3)李广建、化柏林:《大数据分析与情报分析关系辨析》,《中国图书馆学报》2014年第5期。
(4)Landon-Murray M,“Big data and intelligence:Applications,human capital,and education,”Journal of Strategic Security,vol. 9,no. 2,2016.
(5)H. N. Rothberg, G. S. Erickson,“Big data systems:knowledge transfer or intelligence insights,” Journal of Knowledge Management,vol. 21,no. 1,2017.
(6)W. P. Timothy,“Analysis in Business Planning and Strategy Formulation,” http://www. knowledgeagency. com/sites/knowledgeagency. com/files/Analysis. pdf,December 1,2018.
(7)参见化柏林:《情报学三动论探析:序化论、转化论与融合论》,《情报理论与实践》2009年第11期。
(8)参见刘莉、王翠萍、刘雁:《“数据—信息—情报”三角转化模式研究》,《现代情报》2015年第2期;彭知辉:《数据:大数据环境下情报学的研究对象》,《情报学报》2017年第2期。
(1)J. Manyika,et al.,“Big Data:the Next Frontier for Innovation,Competition and Productivity,” http://www. mckinsey. com/insights/business_technology/big_data_the_next_frontier_for_innovation,December 1,2018.
(2)参见Bill Franks:《驾驭大数据》,黄海、车皓阳、王悦等译,北京:人民邮电出版社,2013年,第3—23页。
(1)参见邬贺铨:《挖掘释放大数据价值》,《中国经济和信息化》2014年第14期。
(2)参见谢尔曼·肯特:《战略情报:为美国世界政策服务》,刘微、肖皓元译,北京:金城出版社,2015年,第4—7页。
(3)李零:《孙子译注》,北京:中华书局,2007年,第23页。
(4)参见埃里克·西格尔:《大数据预测——告诉你谁会点击、购买、死去或撒谎》,周昕译,北京:中信出版社,2014年,前言。
(5)参见李零:《孙子译注》,第5—6页。
(6)参见化柏林:《从棱镜计划看大数据时代下的情报分析》,《图书与情报》2014年第5期。
(1)参见李天柱等:《大数据价值孵化机制研究》,《科学学研究》2016年第3期。
(2)参见彭知辉:《大数据:让情报主导警务成为现实》,《情报杂志》2015年第5期。
(3)参见钟政:《基于大数据的情报主导警务模式研究》,《公安学刊》2015年第3期。
(1)参见张明旺:《大数据环境下情报主导警务模式研究》,《北京警察学院学报》2016年第3期。
(2)参见彭知辉:《论基于大数据的情报搜集》,《图书馆学研究》2017年第9期。
(3)参见彭知辉:《论大数据环境下公安情报流程的优化》,《情报杂志》2016年第4期。
(1)参见李伟:《大数据技术在公安综合情报工作中的落地与应用》,《警察技术》2015年第3期。
(2)迈尔-舍恩伯格、库克耶:《大数据时代》,盛扬燕、周涛译,杭州:浙江人民出版社,2013年,第49页。
(3)T. Hey,S. Tansley,S. Tolle,“The fourth paradigm:data-intensive scientific discovery,”Microsoft Research,Redmond,Washington,2009,pp. xvii-xxxi.
(4)参见米加宁等:《第四研究范式:大数据驱动的社会科学研究转型》,《社会科学文摘》2018年第4期。
(1)参见张海旭、胡访宇、赵家辉:《基于话单数据的移动通信用户画像研究》,《计算机系统应用》2018年第11期。
(2)参见曾建勋:《精准服务需要用户画像》,《数字图书馆论坛》2017年第12期。
(3)朝乐门、邢春晓、张勇:《数据科学研究的现状与趋势》,《计算机科学》2018年第1期。
(4)参见陈雷:《公安院校数据科学与大数据技术专业建设探索》,《公安教育》2018年第10期。
(5)迈尔-舍恩伯格、库克耶:《大数据时代》,第67页。
(6)参见陈鼓应注译:《老子今注今译》,北京:商务印书馆,2016年,第226—228页。
(1)参见彭知辉:《基于大数据的警务预测:局限性及其顺应之道》,《中国人民公安大学学报(社会科学版)》2016年第2期。
(2)史蒂夫·洛尔:《大数据主义》,胡小锐、朱胜超译,北京:中信出版社,2015年,第9、94页。
(3)参见李广建、化柏林:《大数据分析与情报分析关系辨析》,《中国图书馆学报》2014年第5期。
(1)参见钟政:《基于大数据的情报主导警务模式研究》,《公安学刊》2015年第3期。
(2)参见叶夫根尼·莫罗佐夫:《技术至死:数字化生存的阴暗面》,张行舟、闾佳译,北京:电子工业出版社,2014年,第239页。
(3)迈克尔·帕特里克·林奇:《失控的真相》,赵亚男译,北京:中信出版社,2017年,第219页。
(1)参见王崇德:《关于情报》,《情报资料工作》1996年第3期。
(2)参见巴志超等:《数据科学及其对情报学变革的影响》,《情报学报》2018年第7期。
(3)参见李佩珊:《社会达尔文主义和达尔文进化论在中国》,《自然辩证法通讯》1991年第3期。
(4)参见迈尔-舍恩伯格、库克耶:《大数据时代》,第17—23页。
(1)有关数据和大数据批判的文献很多,单以专著而言,可参见斯蒂芬·贝克:《当我们变成一堆数字》,张新华译,北京:中信出版社,2009年;维克托·迈尔-舍恩伯格:《删除:大数据取舍之道》,袁杰译,杭州:浙江人民出版社,2013年;叶夫根尼·莫罗佐夫:《技术至死:数字化生存的阴暗面》;冯启思:《对“伪大数据”说不:走出大数据分析与解读的误区》,曲玉彬译,北京:中国人民大学出版社,2015年;迈克尔·帕特里克·林奇:《失控的真相》。
(2)参见王子迎、高乐田:《论大数据的科学特性及其决策学意义》,《决策与信息》2018年第11期。
(3)C. Anderson,“The End of Theory:The Data Deluge Makes the Scientific Method Obsolete,”http://www. wired. com/2008/06/pb-theory/,December 1,2018.
(4)参见杨子飞:《“第三洞穴”与“数据主义”——论大数据社会科学的内在矛盾》,《自然辩证法研究》2016年第8期。
(5)朱亚宗:《科学与人文:理性与价值的碰撞——爱因斯坦的超越与〈大数据时代〉的偏执》,《中国政法大学学报》2015年第5期。
(1)参见陈泓茹、赵宁、汪伟:《大数据融入人文社会科学的基本问题》,《社会科学文摘》2016年第2期。
(2)参见罗伯特·波西格:《禅与摩托车维修艺术》,张国辰译,重庆:重庆出版社,2011年,第152页。
(3)迈克尔·帕特里克·林奇:《失控的真相》,第222页。
(4)尤瓦尔·赫拉利:《未来简史:从智人到神人》,林俊宏译,北京:中信出版社,2017年,第357—359页。
(1)参见若冰:《以“全省一片云、用云要用心”指导推进警务云建设》,《人民公安报》2013年11月26日,第5版。
(2)参见吴心远:《“大数据”成反扒新抓手,上海首推官方“反扒地图”》,2014年3月31日,http://sh. people. com. cn/n/2014/0331/c134768-20893797. html,2018年12月1日。
(3)参见杨槐柳:《武汉:警务大数据“神器”为基层增添新战斗力》,《人民公安报》2017年8月4日,第2版。
(4)参见宫新:《大数据,江苏“智慧警务”强大引擎》,《江苏法制报》2018年1月22日,第1版。
(5)参见何春中:《公安部成立全国公安大数据工作领导小组》,2018年1月26日,http://www. mps. gov. cn/n2255079/n5967516/n5981117/n5981177/c5992808/content. html,2018年12月1日。
(1)参见彭知辉:《公安情报学研究30年(上):研究内容及其分布状况》,《北京警察学院学报》2017年第1期。
(1)参见吴超:《为何安全领域的论文标题以“基于”开头的如此之多》,2016年9月26日,http://blog. sciencenet. cn/blog-532981-1005187. html,2018年12月1日。
(1)参见李广建、杨林:《大数据视角下的情报研究与情报研究技术》,《图书与情报》2012年第6期。
(2)参见苏新宁:《大数据时代情报学与情报工作的回归》,《情报学报》2017年第4期。
(3)李广建、化柏林:《大数据分析与情报分析关系辨析》,《中国图书馆学报》2014年第5期。
(4)Landon-Murray M,“Big data and intelligence:Applications,human capital,and education,”Journal of Strategic Security,vol. 9,no. 2,2016.
(5)H. N. Rothberg, G. S. Erickson,“Big data systems:knowledge transfer or intelligence insights,” Journal of Knowledge Management,vol. 21,no. 1,2017.
(6)W. P. Timothy,“Analysis in Business Planning and Strategy Formulation,” http://www. knowledgeagency. com/sites/knowledgeagency. com/files/Analysis. pdf,December 1,2018.
(7)参见化柏林:《情报学三动论探析:序化论、转化论与融合论》,《情报理论与实践》2009年第11期。
(8)参见刘莉、王翠萍、刘雁:《“数据—信息—情报”三角转化模式研究》,《现代情报》2015年第2期;彭知辉:《数据:大数据环境下情报学的研究对象》,《情报学报》2017年第2期。
(1)J. Manyika,et al.,“Big Data:the Next Frontier for Innovation,Competition and Productivity,” http://www. mckinsey. com/insights/business_technology/big_data_the_next_frontier_for_innovation,December 1,2018.
(2)参见Bill Franks:《驾驭大数据》,黄海、车皓阳、王悦等译,北京:人民邮电出版社,2013年,第3—23页。
(1)参见邬贺铨:《挖掘释放大数据价值》,《中国经济和信息化》2014年第14期。
(2)参见谢尔曼·肯特:《战略情报:为美国世界政策服务》,刘微、肖皓元译,北京:金城出版社,2015年,第4—7页。
(3)李零:《孙子译注》,北京:中华书局,2007年,第23页。
(4)参见埃里克·西格尔:《大数据预测——告诉你谁会点击、购买、死去或撒谎》,周昕译,北京:中信出版社,2014年,前言。
(5)参见李零:《孙子译注》,第5—6页。
(6)参见化柏林:《从棱镜计划看大数据时代下的情报分析》,《图书与情报》2014年第5期。
(1)参见李天柱等:《大数据价值孵化机制研究》,《科学学研究》2016年第3期。
(2)参见彭知辉:《大数据:让情报主导警务成为现实》,《情报杂志》2015年第5期。
(3)参见钟政:《基于大数据的情报主导警务模式研究》,《公安学刊》2015年第3期。
(1)参见张明旺:《大数据环境下情报主导警务模式研究》,《北京警察学院学报》2016年第3期。
(2)参见彭知辉:《论基于大数据的情报搜集》,《图书馆学研究》2017年第9期。
(3)参见彭知辉:《论大数据环境下公安情报流程的优化》,《情报杂志》2016年第4期。
(1)参见李伟:《大数据技术在公安综合情报工作中的落地与应用》,《警察技术》2015年第3期。
(2)迈尔-舍恩伯格、库克耶:《大数据时代》,盛扬燕、周涛译,杭州:浙江人民出版社,2013年,第49页。
(3)T. Hey,S. Tansley,S. Tolle,“The fourth paradigm:data-intensive scientific discovery,”Microsoft Research,Redmond,Washington,2009,pp. xvii-xxxi.
(4)参见米加宁等:《第四研究范式:大数据驱动的社会科学研究转型》,《社会科学文摘》2018年第4期。
(1)参见张海旭、胡访宇、赵家辉:《基于话单数据的移动通信用户画像研究》,《计算机系统应用》2018年第11期。
(2)参见曾建勋:《精准服务需要用户画像》,《数字图书馆论坛》2017年第12期。
(3)朝乐门、邢春晓、张勇:《数据科学研究的现状与趋势》,《计算机科学》2018年第1期。
(4)参见陈雷:《公安院校数据科学与大数据技术专业建设探索》,《公安教育》2018年第10期。
(5)迈尔-舍恩伯格、库克耶:《大数据时代》,第67页。
(6)参见陈鼓应注译:《老子今注今译》,北京:商务印书馆,2016年,第226—228页。
(1)参见彭知辉:《基于大数据的警务预测:局限性及其顺应之道》,《中国人民公安大学学报(社会科学版)》2016年第2期。
(2)史蒂夫·洛尔:《大数据主义》,胡小锐、朱胜超译,北京:中信出版社,2015年,第9、94页。
(3)参见李广建、化柏林:《大数据分析与情报分析关系辨析》,《中国图书馆学报》2014年第5期。
(1)参见钟政:《基于大数据的情报主导警务模式研究》,《公安学刊》2015年第3期。
(2)参见叶夫根尼·莫罗佐夫:《技术至死:数字化生存的阴暗面》,张行舟、闾佳译,北京:电子工业出版社,2014年,第239页。
(3)迈克尔·帕特里克·林奇:《失控的真相》,赵亚男译,北京:中信出版社,2017年,第219页。
(1)参见王崇德:《关于情报》,《情报资料工作》1996年第3期。
(2)参见巴志超等:《数据科学及其对情报学变革的影响》,《情报学报》2018年第7期。
(3)参见李佩珊:《社会达尔文主义和达尔文进化论在中国》,《自然辩证法通讯》1991年第3期。
(4)参见迈尔-舍恩伯格、库克耶:《大数据时代》,第17—23页。
(1)有关数据和大数据批判的文献很多,单以专著而言,可参见斯蒂芬·贝克:《当我们变成一堆数字》,张新华译,北京:中信出版社,2009年;维克托·迈尔-舍恩伯格:《删除:大数据取舍之道》,袁杰译,杭州:浙江人民出版社,2013年;叶夫根尼·莫罗佐夫:《技术至死:数字化生存的阴暗面》;冯启思:《对“伪大数据”说不:走出大数据分析与解读的误区》,曲玉彬译,北京:中国人民大学出版社,2015年;迈克尔·帕特里克·林奇:《失控的真相》。
(2)参见王子迎、高乐田:《论大数据的科学特性及其决策学意义》,《决策与信息》2018年第11期。
(3)C. Anderson,“The End of Theory:The Data Deluge Makes the Scientific Method Obsolete,”http://www. wired. com/2008/06/pb-theory/,December 1,2018.
(4)参见杨子飞:《“第三洞穴”与“数据主义”——论大数据社会科学的内在矛盾》,《自然辩证法研究》2016年第8期。
(5)朱亚宗:《科学与人文:理性与价值的碰撞——爱因斯坦的超越与〈大数据时代〉的偏执》,《中国政法大学学报》2015年第5期。
(1)参见陈泓茹、赵宁、汪伟:《大数据融入人文社会科学的基本问题》,《社会科学文摘》2016年第2期。
(2)参见罗伯特·波西格:《禅与摩托车维修艺术》,张国辰译,重庆:重庆出版社,2011年,第152页。
(3)迈克尔·帕特里克·林奇:《失控的真相》,第222页。
(4)尤瓦尔·赫拉利:《未来简史:从智人到神人》,林俊宏译,北京:中信出版社,2017年,第357—359页。