用好信访大数据 确保数据共享和保密工作双轨运行

以需求为导向，明确信访大数据库所需采集的内容;以制度为保障，制定科学有效的管理机制配套支持;坚持差别原则，确保数据共享和保密工作双轨运行。

　　信访 大数据 具有调研总结、访情预判、绩效考核、管理决策以及信访档案等价值，对于克服传统的信访工作短板和实现信访接谈工作规范化意义重大。然而，从本质上来看，信访大数据以及其所依托的人工智能仅仅是工具。既是工具，其价值和功能的积极发挥赖于我们对工具的开发、优化和熟练使用，也赖于对数据的长期积累、充分挖掘、系统分析，更赖于与之配套的管理机制的建立与完善。本文尝试从以上角度分析信访大数据建立的方法，供从事信访大数据开发使用的同仁参考。

首先，以需求为导向，明确信访大数据库所需采集的内容。围绕调研总结、访情预判、绩效考核、管理决策以及信访档案建立，克服传统的信访工作短板，规范信访接谈工作等初衷，我们认为信访大数据库需要采集三类数据。一类是信访人基本信息采集，包括信访人姓名、年龄、工作单位、家庭住址、案件当事人名称、信访人与案件当事人关系、联系方式等。第二类是信访相关的案件信息，包括案号、案由、立案日期、结案日期、审判类型、裁判文书、被信访的案件承办法官、案件所在承办庭室、案件承办法院、结案方式。第三类是信访信息，包括来访时间、信访诉求、诉求所依据的事实和法律、信访反映的问题归类、信访人提交的信访材料等。第四类是信访化解过程信息，包括接访人姓名、接访笔录、接访录音录像资料、接访人答复内容、诉访甄别、化解方案、化解成效、化解不成后信访部门下一步处理意见、相关部门的案件复查报告及化解成效等。整个信访处理过程全程留痕，全部入库。

其次，以制度为保障，制定科学有效的管理机制配套支持。要将数据库软件研发的工作交由专业人才打理。在研发过程中，信访部门和技术研发人员应做好衔接沟通工作，将信访数据库的需求细化到每一个项目，保证所需要的各项数据都能得到数据库软件的支持。在软件使用过程中，信访部门应将发现的问题及时和研发人员交流，不断完善和优化软件。

没有可借助的工具，美好的愿景和理念只会停留在形而上学层面。只有数据库软件，没有配套管理机制来促进工具的使用，那么再好的工具也只是摆设而已。主观层面，数据库软件的使用率和接访人员对工具的认识、工具使用的便利性、熟练性有关;客观方面，数据库软件使用率的提高有赖于科学有效的管理机制来配套支持。

因此，在制度上，可以从以下思路着手：一是建立培训制度，包括定期或不定期加强对信访工作人员培训，加强对信访大数据价值认识以树立大数据思维，加强数据库软件的使用培训、数据分析培训;二是完善岗责制度，岗位分工明确，以岗定责，防止数据库软件闲置;三是建立科学的考核机制，在入库的数据量、数据采集的准确率和效率、数据分析工作完成的质量等角度完善数据采集和分析岗位的绩效考核，通过物质和精神等方式进行正向激励，提高使用率;四是完善财物保障制度，在数据库依托的硬件设备、人才、激励机制等方面提供保障。

第三，坚持差别原则，确保数据共享和保密工作双轨运行。信访大数据是一把双刃剑，在数据共享上用好了能推动信访工作升级换档，在数据的保密工作中没有做到位可能引发不利影响。信访数据的差别原则是指，在司法机关内部各部门之间做到数据共享，方便领导对业务工作进行管理决策，促进干警提高服务的质量;在司法机关外部做好数据保密工作，全面杜绝信访情报泄露，防止因为数据的使用给工作带来不利影响。

信访数据共享指的是部门之间、各司法机关之间拆除信息壁垒，畅通共享渠道。需要注意的是，信访数据共享是双向共享，而不是由信访部门连结到其他部门的单向共享。只有建立在双向共享的基础上，将信访数据和案件数据共同抓取，数据分析人员才能精准地分析出信访和案件之间的关联性，以得出更有管理决策参考价值的数据分析结论。在共享的同时，数据安全隐患暴露无遗，比如信访人的身份证号、家庭住址等个人隐私，再如审判秘密、信访工作中不宜公开的事项都有泄露的可能。如果不加强保密工作，可能给犯罪分子提供可乘之机，或者因为泄密给审判和信访工作带来不利，甚至给国家安全带来隐患。因此，我们在享受信访大数据带来的好处时，更应该注意保密工作。

　　在科技迅速发展的时代，基于 大数据分析 带来的福利再一次丰富了“福利”一词的内涵。抓住信访大数据这一福利，不论是对司法机关信访工作升级换档，还是在提高司法服务质量上都意义深远。树立信访大数据思维，通过信访大数据库的建设，分析出每一个信访人感受不到公平正义的原因，对“让每一个当事人都感受到公平正义”的司法目标的实现，提供了新的思路和工作模式。总之，信访人的每一次信访对我们来说，都应该被视为价值连城的数据。这些数据的日积月累，必将为新时期我国信访工作作出巨大贡献。

注：本文转载自人民法院报，作者申友祥，版权著作权属原创者所有，欲了解更多大数据行业相关资讯，可搜索数据观(中国大数据产业观察网www.cbdio.com)进入查看。

责任编辑：汤德正