大数据 CompStat 街头警察的创新传奇

案件发生在哪里警察就出现在哪里，是让罪犯牵着鼻子跑；要控制局面，抓到老鼠，警察一方必须掌握主动，做一只有“预测能力”的猫。 CompStat，这个以地图为基础的统计分析系统，能够帮助警方发现发现犯罪的规律，从而合理调配警力，让警方在正确的时间出现在正确的地方。

预测未来的图表

将数据分析大规模地引入到治安管理工作中的做法，起源于纽约。

纽约，是全世界的金融和商业中心，在美国的经济和政治生活当中占有举足轻重的位置。

纽约警察在执勤

纽约市也是美国人口数量最多、密度最大、多元化程度最高的城市。它拥有810多万人口，其中超过三分之一是非美国本土出生的外籍人员，这些人来自全世界不同的国家和族裔，使用100多种语言。

因为人口众多，不免鱼龙混杂，纽约也曾经是一个著名的犯罪之都。从上个世纪70年代起，黑帮横行、毒品泛滥，该市的治安情况不断恶化。1990年，纽约市共发生了凶杀案2245宗、车辆盗窃案147123 宗，平均每天有6个人死于恶性犯罪，每小时有16台车辆不翼而飞。

1994年，纽约市的警察部门启用了一个新的治安信息管理系统。这是一个以地图为基础的统计分析系统，随着它的出现，纽约城的治安开始逐年好转。这个叫做“CompStat”的系统也开始名扬全国，成了20世纪美国警务管理工作当中最为浓墨重彩的一笔。

CompStat，是COMPuter STATistics（计算机统计）的缩写，现在已经演变成为一个专有名词，特指一种警务管理模式。

纽约市警察局CompStat“情报引导警务”模式

这是一个传奇故事，一个源于地铁，发生在一位巡警、一位局长和一位市长之间的传奇故事。

1970年，杰克·梅普尔（Jack Maple）刚刚高中毕业，他加入纽约市交通警察局成为一名地铁线上的警察。当时，地铁线上的抢劫案非常频繁，地铁警察，被认为是纽约最危险的工作之一。

为了追踪抢劫案，梅普尔在时代广场做过便衣，在中央车站指挥过拦截和抓捕。在十几年街头警察的经历当中，他慢慢“悟道”：案件发生在哪里警察就出现在哪里，是让罪犯牵着鼻子跑；要控制局面，抓到老鼠，警察一方必须掌握主动，做一只有“预测能力”的猫。

于是，这位高中毕业生开始研究地铁抢劫案的发生规律。

梅普尔在办公室的墙上挂上了几百幅地图，用不同颜色的大头针来跟踪地铁抢劫案发生的时间和地点，分析其中的原因和规律。无数个夜晚，他点着香烟，站在巨大的地图面前，时而举头凝视，时而低头徘徊，揣度琢磨第二天可能发生抢劫的时间和地点。在一阵苦思冥想之后，最后用大头针按下的那个小点，就代表了他第二天的伏击地点。

梅普尔后来晋升为警督（相当于派出所所长），他就采用这种方法来部署和调配他所辖区的警力。他的办公室挂满了地图，被同事戏称为“地图墙”，他却称之为“预测未来的图表”（Charts of the Future）。

1990年，“预测未来的图表”引起了新任局长布雷特（William Bratton）的注意。布雷特是位退伍军人，他雷厉风行、慧眼识才，在认真研究了“地图墙”之后，他认为梅普尔的方法很“靠谱”。于是开始在全局推广梅普尔的图表管理方法。

第二年，纽约市的地铁抢劫案下降了27%。

CompStat诞生 犯罪率应声而降

除了地铁抢劫案，其他的案件都还居高不下。这更令布雷特相信，“预测未来的图表”确实行之有效。

1993年，治安持续恶化。这个问题，甚至成了纽约市市长竞选当中最热门的话题。

这个话题也带来共和党候选人鲁迪-朱利安尼（Rudy Giuliani）的政治机遇。

朱利安尼出生于纽约市的一个普通劳工家庭。他1968年法学院毕业之后，长期在司法部门工作。1983年，他晋升为纽约市的联邦检察官。在他担任这个职务的6年期间，朱利安尼先后将4000多名嫌疑犯送进了监狱，其中有不少都是轰动全国的黑道大哥、帮会首领。朱利安尼作为公诉人，多次受到黑社会的威胁，但他刚正不阿，始终秉法办案，在新闻界获得了“铁面”的美誉。

作为共和党的市长候选人，朱利安尼的主打牌就是“治安”。他在竞选演讲中介绍说，他的朋友在餐馆等公共场合碰到他，都不敢和他打招呼，因为怕被黑社会盯上、莫名其妙受到报复。他在街上，也经常碰到一些刑满释放的人员，那些人对他做出鄙夷的表情，并当面嘲笑他说：“你没人缘，选不上！”

朱利安尼却呼吁说，如果纽约人民真正想改善治安，就不能让他落选！因为他是改善治安最好的人选——别无其他！

他的演讲，情理并茂，他的铁面形象和诚恳的态度，最终打动了纽约人，得以高票当选。

一上任，朱利安尼就立即任命布雷特为纽约市警察局局长。

而布雷特到任的第二天，就任命梅普尔为第一副局长，并要求梅普尔立即组织开发一套电子版的“预测未来的图表”。

“CompStat”于是诞生了。

1994年，互联网还没有普及。CompStat的工作人员每天通过电话和传真向全纽约76个警区收集数据，再将数据统一录入到CompStat，进行加总和分析。

每周二、周四的早晨7点，布雷特就召集全部警区的指挥官开会。最新发生的案件以圆点的形式出现在各个辖区的地图上，不同颜色代表着不同类型的犯罪，特定位置的成串圆点则表明那里发生了一系列的案件。各个指挥官在这些“绩效指示灯”前面依次陈述自己辖区的情况、对策以及警力的调配，一个回合下来，不少人满头大汗。

为了保证CompStat的落实和推行，布雷特一共撤换了近三分之二执行不力的指挥官，可谓“铁腕”。

次年，纽约的犯罪率应声而降。凶杀案从1994年的1561宗下降到1177宗，车辆盗窃案由95420宗下降到72679宗。此后，这些重要的指标不断下降。2009年，凶杀案下降到466宗，创下了50年之最低。这个指标，已经使纽约跻身全美最安全的大城市行列。

当然，布雷特在纽约推行的警务管理模式，其做法并不仅仅局限于“地图和数据”。

例如，他非常推崇“破窗理论”（Broken Windows Theory）。该理论认为，一个城市，如果对小的违法行为纵容姑息，不良现象就会被放任、模仿，逐渐扩大、蔓延为成片的犯罪行为。所以，即使对一个窗户玻璃被砸破的投诉，接警中心也要认真记录，并纳入地图上的数据分析。也就是说，地图上的圆点不分案值大小、案情轻重，一律同等对待。

又例如，露宿公园、街头的青年，常常是酗酒、卖淫和吸毒活动的参与者，布雷特要求，不能仅仅是打击、驱散，必须刨根问源：他们从哪里来？面对什么困难？需要什么帮助？只有真正解决了这些问题，那些地图上代表犯罪的“圆点”才能最终被消除，而不是从一个区域转移到另一个区域、在地图上“此”起“彼” 伏。

数据和信息是执法制定战略和决策的基础

纽约的巨大成功，很快引起了其他地方政府和联邦政府司法部的注意。90年代起，全美各地有近三分之一的治安管理部门都陆续复制引进了 CompStat的管理模式。1993年，克林顿任命珍妮特-雷诺（Janet Reno）担任司法部长。雷诺是美国历史上第一位女司法部长，在她的任期内，她大力推行“数据驱动”的管理方法（Data-Driven Management），并不断强调：

“数据和信息是执法工作当中制定战略和决策的基础。”

1996年，CompStat获得了哈佛大学的美国政府创新奖（Innovations in American Government Award）。此后，CompStat甚至进入了美国总统和副总统的视野。

1998年10月1日，副总统戈尔宣布，司法部要会同全国政府改革合作委员会15成立专门的工作组，在全国的警务部门研究推广“地图映射和数据驱动的治安管理”（Crime Mapping and Data-Driven Management）。克林顿总统甚至在1999年的国情咨文中，也提到这种新的方法和系统。。

决策效果“出人意料”地显著

随着时间的推移，越来越多的事实和发现证明，这种方法不仅对治安管理行之有效，还可以推广到其他领域，很多时候，还可以带来出人意料的发现。

2006年，通过把20多年的犯罪数据和交通事故的数据整合到一起，并映射到同一张地图上之后，警务研究人员惊奇地发现，交通事故的高发地带，也正是犯罪活动的高发地带，甚至交通事故的高发时间段，也是犯罪活动的高发时间段。

维护交通安全、打击犯罪活动，这两个职能本来分属于不同的联邦部门。基于这个新的发现，美国国家高速公路交通安全管理局（NHTSA）、国家司法援助局（BJA）和国家司法研究所（NIJ）联合成立了一个“数据驱动的新方法：犯罪和交通安全”的工作组，在马里兰、堪萨斯等州的城市开展联合治理的试点。

试点的重点内容是针对犯罪活动和交通事故，为基层警队建立一套完整、严谨的数据整合、分析的系统。由于情况的波动，1年的数据往往不可靠，必须累积 3年的数据作为分析的基础；10万人口以下的城市必须使用4到5年的数据。此外，犯罪活动和交通事故极少发生在完全一模一样的地点；除了收集数据，还要在地图上运用簇群关联的数据显示技术，才能划分确定两种活动频发的共同区域。

确定了共同的“黑点”，就可以将交通警察和治安警察的资源整合到一起，有的放矢，在特定的时间、特定的地点开展联合治理，这不仅能提高警力使用的效率,还可以改善执勤巡逻的效果。

联邦政府工作组的试点取得了非常显著的效果，试点区域的抢劫、盗窃等犯罪活动明显下降，同时，违规驾驶的罚单明显增多。2008年，为了在更多的地方政府推广这种模式，该工作组总结了试点经验，制订了项目实施的基本原则，其中最重要的一条就是：数据收集和数据分析必须成为基层警务部门的一种文化，这种文化代表着基层警务部门一种管理哲学的改变，这种改变，也是该项目实施过程最大的挑战。

这种基于数据的警务管理模式，也引起了学术界的高度关注，有学者将其概括为“数据驱动的警务管理”或“数据驱动的司法管理”（Data-Driven Policing or Justice）。

本文摘自《大数据》，作者涂子沛，在此鸣谢。