数据是一种核心资产已成为共识。2020年4月，国务院公布《关于构建更加完善的要素市场化配置体制机制的意见》，首次将“数据”作为一种新型生产要素写入中央文件中，与土地、劳动力、资本、技术等传统要素并列为要素之一。这意味着数据的重要性正逐步提高，对社会经济的发展发挥着越来越重要的作用。

一、监狱大数据的特点与现状

（一）监狱大数据的特点

1.类型复杂多样。

一方面，监狱大数据涉及的业务面广、来源复杂，包括罪犯基础档案数据、刑罚执行数据、生活卫生数据、教育改造数据、狱内通联数据1、监控视频数据、门禁数据、外来人员与车辆数据、安防设备运维数据、民警履职数据、民警执法数据、外部共享交换数据等；另一方面，监狱大数据类型繁杂，除了结构化数据以外，还包括多种载体形式、媒体形式和呈现格式的半结构化数据以及非结构数据，如WORD、TXT格式的文档数据、PDF格式的卷宗数据、图像数据、音视频数据等。不同类型的数据增长迅猛，使监狱大数据愈发复杂多样。

2.生成速度快。

信息资源数据和业务数据在各业务系统或模块间高速流转，交互催生了监狱数据的爆发式增长。一方面，监狱数据更新周期短，每分钟会产生监控视频数据、运维数据与安防设施数据、移动执法终端数据，每小时会产生罪犯劳动数据、民警执法数据，每天会产生会见音视频数据、罪犯计分考核数据等，数据量呈井喷式增长。另一方面，在政府数据共享与业务协同的大环境下，共享数据等外部数据的汇入也加速了监狱数据的快速增长。

3.体量规模庞大。

以江苏省为例，每年全省监狱的结构化数据以TB级增长。各个监狱每天产生大量的监控视频数据、执法记录仪数据、电子卷宗等数据，全省每年半结构和非结构化数据以PB级速度增长。

4.价值大，但密度低。

一方面，由于数据标准不全，监狱结构化数据资源优劣混杂，数据质量参差不齐，交叉重复严重，数据缺项、漏项错项参差不齐，再加上缺少相应的数据目录，这些都使得结构化数据分析复用难度加大。另一方面，由于开发厂家不同，各监狱的视频监控数据及运维数据接口不统一，再加上缺少结构化解析规范，这些都使得本来价值密度就低的海量视频监控数据更加难以融合利用。

综上，监狱数据呈现出规模庞大、种类繁杂、高速增长以及低密度的特征，这给监狱数据管理带来前所未有的挑战。海量的数据好比刚到图书馆的书籍，需要经过采集编目、分类上架、系统管理，甚至个性化服务推送，读者才能知晓有什么书，才能快速找到所需要的书，才能充分发挥出书的价值，进而创造出新的知识。同理，海量的监狱数据资源需要有效的数据治理，需要系统的提炼加工，如此才能挖掘和彰显数据金矿的价值。

（二）监狱大数据发展现状

随着“数字法治智慧司法”与“智慧监狱”建设的不断推进，监狱信息化已由创建业务系统阶段进入数据决策的智能化阶段，数据驱动、辅助决策、态势感知已成为监狱治理的新方法、新手段。然而，在实践场景中，海量的数据如同不断涌出的原油，必须经过提炼、加工才能转化成汽油、机油，从而为引擎所用。如何把数据变为数据资产，如何管理、评估数据资产以实现监狱数据的价值最大化是急需解决的问题。

目前，监狱系统在数据分析研判方面正不断进行积极探索，例如，通过大数据分析提供监狱整体的风险预警和解决方案、提醒民警重点罪犯的监管风险并推送适合的教育改造方案、评估罪犯的改造质量等。但要实现态势感知，真正建成“监狱大脑”还需要加强人工智能和大数据分析在监狱管理中的深度应用。制约监狱数据应用深度、融合广度、智能化水平高度的不是人工智能算法，也不是大数据分析方法，而是作为“原材料”的监狱数据的质量。尽管建有综合性业务系统，每天有大批民警负责录入数据，但是监狱的数据管理水平总体较低，数据质量仍存在诸多问题，例如，数据不一致、数据重复、数据不准确、数据不完整、数据关系混乱、数据不及时、缺少核心关键数据，等等。

1.重应用轻治理。

如果说数据的智能化应用是一栋大楼的面子，那么数据治理就是大楼的里子，是支撑上层应用的坚实地基。然而，里子工程周期长、见效慢，监狱管理者以及学术研究者更青睐见效快、易出成果的数据应用，更倾向于在数据分析建模、区块链等智能应用上投资金、建项目、做研究。俗话说，地基不牢，地动山摇，不重视治理的数据应用显然无法长久。

2.重规模轻质量。

关注积累了多少量的数据，却忽视了这么多的数据到底有多少数据能够被使用。大量的数据被采集，但是缺乏有效的、系统的数据检验工具，造成数据缺项、错项、漏项严重，大量低质量的数据无法进入使用环节，不仅给数据清洗带来了繁重的负担，甚至影响了数据分析研判的结果。数字化的初衷是给民警减负，然而，重量不重质使得线上数据不准确，线下数据还得走一遍，线上线下两层皮不仅没有让数据红利反哺基层民警，反而增加了民警的采集负担，进而导致民警在采集过程中出现应付差事、虚报漏报的现象，如此往复，数据质量陷入了恶性循环。

3.重流程轻业务。

由于综合业务系统是面向业务的联机事务处理系统(OLTP)，采集的数据多与业务流程办理有关，对监狱业务的分析价值不高。尽管综合业务系统中包括了民警的个别谈话教育记载、会见电话监听记录、狱情分析记载等工作日志或表卡，但是面向流程事务的数据项颗粒度过粗。比如，个别谈话教育只记录谈过还是未谈，效果良好或是不好，至于具体谈什么、怎么谈、罪犯有什么反应则没有记录。于是，采集的信息没有用，有用的信息没采集，关键业务数据没有做实做细，缺乏可用于重点筛查或仔细甄别罪犯再犯危险性的异常行为数据，对重点“人、事、案、物”等狱情信息进行交叉比对与深度挖掘更是无从谈起。

此外，缺乏治理的监狱数据在服务创新、数据质量、安全合规、隐私保护等方面也面临着越来越严峻的挑战。

二、监狱数据治理的发展与挑战

在数据管理方面出现问题，究其根源是在更高的数据治理层面出现了混乱或缺失。数据管理的业务流程往往因为缺少完善的数据治理计划、一致的数据治理规范、统一的数据治理过程以及跨部门的协同合作而变得重复和紊乱，从而导致安全风险的上升和数据质量的下降。有效的数据治理则可通过改进决策、缩减成本、降低风险和提高安全合规等方式，最终实现服务创新和价值创造。

（一）监狱数据治理的内涵与外延

目前，数据治理的内涵没有统一的定义，其外延与数据管理紧密联系在一起。主流的数据治理内涵界定主要来源于3个方面：国际数据管理协会提出的数据管理知识体系DAMA-DMBOK、企业数据管理委员会(EDMCouncil)开发的知识体系DCAM2与我国制定的国家标准《信息技术大数据术语》（GB/T35295-2017）。

图1DAMA-DMBOK语境中的管理和治理

DAMA-DMBOK对数据治理以及数据管理作出的定义:“数据治理是在管理数据资产过程中行使权力和管控，包括计划、监控和实施。数据管理是为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制订计划、制度、规程和实践活动，并执行和监督的过程。”3

由此可见，数据治理行使有关数据管理的权力、控制和共享决策制定，而数据管理开发、执行和监督有关数据资产及其生命周期的计划、政策和程序。

图2DCAM语境下的管理和治理

DCAM将数据管理定义为:“正确的数据管理是将数据管理得有意义。”数据治理则被定义为“约定数据管理的业务规则，重点关注制度、标准和操作过程的实现，确保规范利益相关者的行为。”

我国标准《信息技术大数据术语》（GB/T35295-2017）对数据治理的定义是：“数据治理是对数据进行处置、格式化和规范化的过程。数据治理是数据和数据系统管理的基本要素；数据治理涉及对数据全生存周期的管理，无论数据处于静态、动态、未完成状态还是交易状态。”

上述三种定义的不同之处在于，对数据治理与数据管理的角色、关系没有明确一致的定义。而共同之处在于，数据治理的目标是为了管理数据、提高数据使用效率、释放数据潜在价值。同时，大数据治理是一项系统工程，具体包括在大数据全生命周期内使用的技术、管理规范与政策制度。

综上所述，监狱数据治理是在大数据环境下对监狱数据生命周期进行科学管理的一套治理方法，是对监狱数据资产进行管理和控制的系列活动的集合。监狱大数据治理体系建设不是简单地针对某个犯群或者某个业务领域，而是一个覆盖监狱全业务全生态的体系。制度层面包括组织的变革、政策的制定、流程的重组，技术层面涵盖大数据管理、存储、质量控制、共享开发、数据安全与隐私保护等，主要实现对监狱元数据的管理、数据资源目录的制定、主数据的管控、数据质量提升、数据服务的定制、数据全生命周期管理、据隐私与安全管理等内容。

（二）监狱数据治理与监狱治理现代化的关系

1.大数据治理能力是监狱治理体系的组成部分。

大数据治理是国家实施大数据战略的重要保证，是发挥大数据作用、做大做强大数据产业的重要因素。数据治理成为政府治理方式变革的必然趋势，数据治理能力成为国家治理体系的重要组成部分。作为国家的刑罚执行机关，监狱承担着维护国家安全和社会稳定的重大政治责任，数据治理理应成为监狱治理重要组成部分，并在一定程度上代表监狱治理现代化的水平。

2.大数据治理为监狱治理现代化提供基础保障。

一是安全保障。数据治理政策和规则的制定在主要业务和跨业务职能间采用一致的数据标准，为合规监管创造统一的应用环境，通过有效的治理可以显著降低因不遵守法规、规范和标准所带来的风险。在数据资源目录和地图、数据共享交换与服务、数据处理规范、数据资源整合、数据安全与监控等方面开展统一的大数据治理，有助于提高监狱数据的安全性、完整性及一致性。二是数据保障。通过建立并遵循数据相关的规则、标准和过程，有效的数据治理可以产生高质量的数据，增强数据可信度。与此同时，将大数据治理理论引入到监狱业务流程中，可改变先建设后改造的旧有路径。三是发展保障。实施数据治理不是为了治理数据而治理数据，其背后是由监狱治理目标以及具体业务需求所驱动的。有效的数据治理能够通过优化和提升数据的架构、质量、标准、安全等技术指标，显著推动数据服务实战，数据驱动创新的能力，进而创造出更多更广泛的数据价值。

3.大数据治理为监狱治理现代化提供创新引擎。

数据是信息化工作的基础，是监狱治理创新的新引擎。业务应用和数据分析都建立在数据的基础上，要使用数据进行分析，使用数据精准研判，实现监狱治理现代化，提供肥沃“土壤”的高质量数据不可少，摸清数据台账、盘活数据资产的数据目录不可少。当数据质量不断提升、冗余数据不断减少，相关标准得到推广，数据决策的水平也会随之提升。科学的数据治理框架通过协调不同部门的业务目标，为不同的业务系统提供更为广泛、深入和可信的数据服务，进而产生与整体目标相一致、更有洞察力、前瞻性和更为高效的决策。

4.大数据治理能力彰显监狱治理现代化的水平。

监狱大数据给监狱决策模式带来了变革，怎么管理罪犯、生产什么、如何配置警力从过去的经验决策迈向了数据决策。低质量的数据无法支撑数据分析，分析结果与实际偏差较大。要实现数据驱动管理、数据驱动业务的目标，没有高质量的数据支撑是行不通的。只有摸清数据台账，提高数据质量，才能盘活数据资源，充分释放数据价值；才能深入挖掘监管改造内在规律，为监管改造、监狱治理提供科学的决策依据。治理好监狱数据，管理好数据资产成为监狱新常态下面临的新任务和新挑战。因此，在一定程度上，数据治理能力彰显着监狱治理现代化的水平。

（三）监狱数据治理面临的问题

1.缺乏对大数据治理的整体认识。

尽管监狱对数据重视程度和对数据价值预期逐渐提升，但是普遍存在重采集轻治理，重数量轻质量，重应用轻安全的监狱数据管理现状。一方面，对于大数据治理的相关理念、方法和工具仍然缺乏深入细致的理解，没有形成行之有效的方案；另一方面，相对于开发应用而言，数据治理属于短期“看不见”成果的里子工程，领导者更倾向于将资金投入到能立竿见影的项目中。于是，顶层设计与一把手领导支持的缺位、整个治理项目明确流程的缺乏、数据模板、数据所有权和问责机制不清等因素都是导致数据治理项目缺位或者治理结果不理想的重要原因。

2.大数据治理标准体系规划尚不完善。

监狱数据治理的主要目标是将数据作为监狱的核心资产进行应用和管理。合理的数据治理能够建立规范的数据应用标准，消除数据的不一致性，提高监狱系统内部的数据质量，推动数据的广泛共享，充分发挥大数据对监狱主责主业以及战略决策的重要支撑作用。目前，大部分监狱或是监狱管理部门的数据治理能力普遍不足，需要建立大数据治理标准体系，通过标准化的手段为监狱行业的数据治理提供指导和规范，不断扩大标准化在数据治理领域的广泛应用，促进监狱完善数据治理机制，提升数据治理能力，加强系统内外的数据交换共享，提升数据价值。

3.业务部门在标准制定中的支撑力度不够。

标准的制定归根到底要落实到业务实战中，大数据治理的相关标准需要监狱各个业务部门的广泛参与与通力合作。同时，标准化的推进程度和应用深度对监狱主责主业发展的健康性、持续性有促进作用。司法部相继发布了《全国监狱罪犯信息编码标准》《全国监狱罪犯信息数据交换标准》《罪犯信息库编码规范》等一系列标准规范，对大数据领域的重点标准的研制工作也在推进中，但是，这些标准尚未形成一套有机整体，无法指导全国各省份的监狱开展大数据治理，无法全面支撑大数据在监狱业务各领域中的应用。

三、监狱大数据治理体系构建

（一）监狱大数据治理体系的核心目标

数据质量和数据安全是数据治理的核心目标，是监狱能够利用数据，创造业务价值的基石。数据治理体系建设应始终以数据质量的提升为重点，检验数据治理的成效。通过建立全面的数据治理体系，设计总体框架目标，并根据需求分步实施，组建数据治理组织，统一数据标准，建立数据获取、处理和使用流程，形成数据集成与共享应用管理机制，建立全面数据资源共享新模式，形成数据资源及应用服务开放目录，支撑数据战略有效实施。

科学筹划数据治理体系顶层设计的建设思路，建立数据认责机制，将数据责任明确化；参考国家、行业标准，建立统一的监狱数据标准和规范，并遵循“循序渐进、不断完善”的原则稳步推进；将监狱数据沉淀成监狱的“知识”，通过“知识”映射了解监狱各业务之间的关系，再从“关系”的角度提供智能分析问题的能力，实现数据资源显性化。

（二）监狱大数据治理体系的构建原则

1.大数据治理技术与监狱主责主业深度融合原则。

监狱大数据治理涉及的业务深、数据多、技术难，应遵守有效性、开放性、安全性、可访问性和及时性的基本原则，提升监狱多源异构的数据采集、汇聚、融合、挖掘和驾驭能力，实现数据治理智能化和自动化，充分发挥监狱数据资产潜力。从数据的应用需求出发，收集业务部门最为迫切和重要的数据应用需求；从业务部门关心的数据需求、数据问题为切入点进行深度处理，避免大而全的建设。

2.长远目标与短期实效相结合原则。

“大处规划，小处着眼，重点实施，分步治理”的实施原则，4设计长远发展的数据治理体系架构，形成数据资源及应用服务开放目录，以满足监狱及业务部门短期和长期的数据需求，解决数据问题。数据治理体系的建设是监狱增强数据资产管理的长期任务，短期很难见到成效。监狱或监狱管理部门应从自身的战略、业务、机构和人员、管理流程等方面，综合评估，并根据各阶段的业务目标，分步建设数据治理体系。在治理体系建设的每个阶段，都应结合监狱业务现状和问题，有针对性制定方案，并落实解决。通过“局部执行，快速见效”策略，以点带面，推动治理体系的分步推进。

3.标准规范与运维保障相结合原则。

监狱数据治理，应通过将数据标准规范并固化到数据治理平台中，通过技术手段保证运维质量和应用效果，通过数据的服务机制，保证数据的应用质量以及数据的一致性。同时，建立反馈机制，形成迭代闭环运维管理模式，在数据治理方案中嵌入问责机制，纳入监督考核办法。坚持“业务部门牵头、信息部门统筹管理”，4避免唯信息部门孤军作战，避免流程过长和授权模糊不清。

（三）监狱大数据治理体系的总体框架

图3数据治理总体框架图

数据治理总体架构包括数据治理核心领域、数据治理支撑体系与数据治理项目管理三方面。5其中，数据治理核心领域包括数据架构、数据服务、元数据管理、数据质量管理、数据标准管理、主数据管理、数据安全管理、数据生命周期管理；数据治理支撑体系包括组织（组织架构、组织层次、岗位职责）、制度（管控模式、规章制度、考核机制）、流程（归口部门、管理流程、流程任务等）、技术（数据集成、数据清洗、数据开发、数据应用、数据运营、支撑平台、实施方案等）；数据治理项目管理方案包括项目组队、项目计划、质量保证计划、配置管理计划等。

（四）监狱大数据治理体系的核心环节

1.监狱数据治理成熟度评估。

数据治理成熟度反映的是监狱进行数据治理所具备的条件和水平，包括元数据管理、数据质量管理、业务流程整合、主数据管理和信息生命周期管理等。数据治理成熟度评估是利用评估工具结合实践情况，针对监狱的数据治理现状进行客观评价和打分，找到监狱数据治理的短板，从而制定切实可行的行动方案。

数据治理成熟度评估结束后方可制定数据治理战略、数据治理指标、数据治理规则，明确数据治理权责。其中，数据治理指标定义了数据治理目标的衡量方法；数据治理规则和定义包括与数据相关的政策、标准、业务规则和数据定义等；数据治理权责规定了由谁来负责制订数据相关的决策、何时实施、如何实施，以及相关部门和责任人在数据治理策略中该做什么。5

2.监狱数据质量问题根因分析。

数据治理的初衷是解决业务问题而提升数据质量，从而为数据驱动的监狱决策管理提供源动力。然而，在实践中，一旦涉及数据质量，常常会出现技术部门和业务部门相互推诿，甚至“打架”的现象，技术部门发现数据质量问题，业务部门要么不作认领，要么以不影响现有业务为由不予理会，要么将数据质量问题推给技术部门，久而久之，问题数据越积越多，严重影响后续的数据分析与应用。产生数据质量问题的原因有很多，有业务方面的，有管理方面的，也有技术方面的。按照“80/20法则”，680%的问题是由20%的原因造成起的。如果能够回应这20%的原因，就能得到80%的改进。

图4数据质量问题根因分析鱼骨图

3.监控评估数据治理实施效果。

随着大数据技术的不断发展，应从监狱业务的全局角度，明确数据治理关键技术运用及其标准规范，构建成效评估指标体系，进行治理效果评价；并运用数据治理能力成熟度模型再次评估，界定数据管理层次，从而使得跨系统、跨业务、跨部门的数据治理体系的建设与实施能够通过各方协作顺利进行，实现卓越数据治理，进而通过数据驱动业务、数据驱动管理以实现监狱工作的提质、扩面、增效，从而达到监狱治理体系的创新。

监狱数据治理模式不应是一个项目、“一阵风”，而应业务化、常态化。作为现代化监狱治理体系的一部分，数据治理工作应像监管改造、安全防范一样作为一项重点的业务工作开展，构建专业的数据治理组织，设置合适的岗位权责，建立相应的管理流程和制度，让数据标准贯彻到每个监狱业务环节，形成一种常态化的治理模式。

只有在监狱数据源头加强数据治理，让常态化治理成为日常业务，才能彻底解决监狱数据质量的各种问题，才能让数据真正转化为监狱资产，从而实现数据驱动流程优化、数据驱动业务创新、数据驱动管理决策、数据治理助推监狱治理现代化的目标。

注释:

1.内通联数据指罪犯在监狱内对外通信联系的数据,包括亲情电话数据､会见数据､来往书信数据､帮教数据等.

2.据管理成熟度评估模型.

3.美]伊琳娜·斯坦贝克著,杨志洪译:《数据管理和数据治理》.

4.料来源“个人图书馆”:成功的大数据治理项目须坚持“六个导向”和“三个相结合原则”及“四个坚持和五个避免”.

5.料来源“个人图书馆”:企业数据治理的十个最佳实践.

6.料来源“个人图书馆”:企业数据治理的十个最佳实践.

郑曦.大数据助推监狱治理现代化的进路[J].犯罪与改造研究,2020(12):2-9.