在永无止境地寻找更有效打击犯罪的方法的过程中，有一点是明确的：理想的解决方案是首先防止犯罪的发生。自90年代以来，世界各地的许多执法机构一直在使用某种形式的情报主导的警务来预防犯罪。

然而，在近三十年之后，仍然存在许多争议，令人惊讶的是，没有太多的经验证据支持或诋毁这种数据驱动的预防犯罪方法。然而，实施了以情报为主导的警务工作的机构报告了令人信服的结果。

那么，情报警务目前处于什么位置？它真的是一种可行、切实可行的预防犯罪办法吗？它能否成功实施，同时避免分析等问题？

以情报为主导的警务的定义：

当谈到数据驱动的执法时，有两种方法：情报主导的警务和预测性警务。虽然这些方法并不相互排斥，但存在差异。预测性警务使用计算机来分析有关地理区域内犯罪的大数据，试图预测犯罪将在不久的将来发生的位置和时间。

虽然它没有确定谁将犯下罪行，但它确实确定了热点，以帮助执法部门预测一天中的大致时间和警察可能预计另一起犯罪的区域。有了这些信息，警察可以更有战略性地阻止正在进行的犯罪，或者更好地防止犯罪发生。

另一方面，情报主导的警务工作试图识别潜在的受害者和潜在的累犯，然后与社区合作，为犯罪者提供在因更严重罪行被捕之前改变行为的机会。根据美国司法部的说法，情报主导的警务是“一种协作执法方法，结合了解决问题的警务，信息共享和警察问责制，以及增强的情报行动。它旨在指导针对高频罪犯，地点或犯罪的警务活动，以影响资源分配决策。情报主导的警务的一个重要组成部分是，它鼓励各个机构和社区之间的合作，不仅包括当地警察，还包括其他地方执法部门、联邦调查局、国土安全机构，甚至缓刑和假释官员。

简而言之，预测性警务关注的是犯罪可能发生的地点和时间，而情报主导的警务（通常包括预测性警务）侧重于防止受害。

数据为王：情报主导的警务如何运作？

尽管当今的数据驱动型方法融合了复杂的技术和分析，但预测性警务已经使用了几十年，尽管形式更为简陋。长期以来，警方一直使用有关特定地区犯罪的信息来识别模式并预测下一次犯罪可能发生的位置。

随着技术的进步，各机构现在使用旨在跟踪模式的计算机和数据模型，以及其他因素，如一天中的时间、天气、地理和“余震”区域——那些犯罪已经成功并且已经成熟，可以重复相同的犯罪（例如，帮派报复）——来构建复杂的模型，以确定未来犯罪的可能性。然后，执法部门可以将资源集中在这些热点上。

同样，情报主导的警务工作也利用了数据。然而，它所关注的数据已经在执法机构的系统中，分析集中在个人而不是地理区域。情报主导的警务工作收集国内事件、逮捕、犯罪记录、交通拦截和帮派活动，并允许执法部门对这些数据进行分析。这些分析有助于执法部门识别更有可能成为特定犯罪或犯罪集团的累犯的罪犯。然后，执法部门可以跟踪这些人，观察他们何时从一类犯罪转移到另一类犯罪。如果罪犯再次犯罪，警察会被提醒该人的历史，让他们有机会进行干预，以防止更多的犯罪活动。

理论与现实相遇：它真的有效吗？

情报主导的警务在理论上听起来很有希望，但它在现实世界中有效吗？正如过去十年来一直在使用它的美国各地机构所证明的那样，答案是肯定的。统计数据怎么说？

• 2012年，兰德公司对路易斯安那州什里夫波特警察局使用预测技术进行了一项独立研究，得出的结论是，“该计划并没有在统计上显著减少财产犯罪。然而，该研究承认，它在有限的时间内只研究了几个地区，这削弱了该研究的统计意义。

• 美国统计协会（American Statistical Association）2015年发表的一篇论文研究了在加利福尼亚州洛杉矶警察局的三个部门和英国肯特警察局的两个部门使用预测警务算法与使用专门的犯罪分析师的情况。他们确定，模型预测的犯罪数量是专业分析师的1.4到2.2倍，并且由于巡逻时间，犯罪率平均降低了7.4%。

• 在另一个例子中，北卡罗来纳州海波因特的警察部队对家庭暴力罪犯实施了情报主导的警务工作，发现这些罪犯往往与其他犯罪活动有关，如毒品、袭击和抢劫。家庭暴力犯罪者倾向于认为他们被抓住的机会非常低，因为每五起事件中只有一起被报告。但是，知道一种犯罪的肇事者可能犯下其他类型的犯罪，使得执法部门更容易跟踪和识别这些人，如果他们因其他罪行而被抓获。当这种情况发生时，警方趁机警告他们持续暴力的后果，并希望阻止他们进一步虐待。

High Point已经成功地将同样的技术应用于帮派干预。当一个帮派遭到袭击时，警方知道经常会有报复，所以他们与两个帮派的成员交谈，并给他们一个威慑信息，告诉他们如果报复确实发生，执法部门会有什么期望。

虽然这些例子显示了情报主导的警务工作的潜在成功，但重要的是要记住，衡量所有结果的关键在于机构的参与。正如什里夫波特的例子所讨论的那样，只有少数几个地区使用有限的数据降低了研究结果的重要性。

芝加哥警察局：通过“战略主题清单”减少枪支暴力

伊利诺伊州芝加哥市警察局（CPD）使用情报主导的预测技术，根据先前的逮捕，帮派成员身份和其他因素，使用战略主题列表（SSL）来减少枪支暴力，这些人员估计参与枪支暴力的风险最高 - 无论是作为肇事者还是受害者。警方警告SSL上的个人，他们正在受到监视。分析显示，超过70%的被枪杀者和超过80%的因枪击事件被捕的人都在SSL上。研究人员还发现，超过40%的凶杀案受害者与一群人一起被捕，这些人加起来只占82，000人社区中人口的4%。

兰德公司的另一项研究得出结论，SSL上的个人或多或少不太可能成为枪支暴力的受害者，尽管他们更有可能因枪支暴力而被捕。然而，芝加哥警察局公开质疑该研究，理由是以下问题：

它没有评估预测模型本身（如研究所示），而是专注于干预策略的影响。

•该研究评估了CPD的自定义通知干预策略和预测模型的早期版本，这两者都发生了重大变化。

• 该研究暗示该模型使用种族，性别，民族或地理位置，而不仅仅是犯罪数据。

社会和公民权利问题

关于情报主导的警务工作的最大担忧之一是，它延续了少数族裔社区的过度警务，而不是消除偏见。

反对情报主导的警务人员提出了以下反对意见：

整个前提存在缺陷，因为基于计算机的分析只关注人类输入的数据，而这些数据来自已经存在偏见的警察部门，该部门针对少数民族和少数民族社区。

• 情报主导的警务可能导致警察和居民之间的敌对对抗。例如，如果一个社区发生汽车盗窃案，警察可能会认为走在该社区街道上的每个人都是嫌疑人，并可能产生不必要的打扰。

• 预测特定社区的更多犯罪将鼓励更多的警官被分配到该地区。在这种情况下，将形成一个反馈循环，延续了所讨论的社区比另一个社区更容易犯罪的概念。

• 跟踪被视为潜在犯罪者或犯罪受害者的特定个人，即使他们没有做错任何事，也接近于侵犯一个人的隐私权。

情报主导的警务的支持者反驳了这些论点，他们引用了该方法经过测试并发现成功的领域背后的一些令人信服的细节。他们声称，基于计算机的分析消除了基于人力的决策中可能固有的任何偏见，这些决策针对犯罪者以及预计会出现犯罪的社区。

佛罗里达州坦帕市：社区合作

对于那些关心社会和公民权利的人来说，情报主导的警务工作已被证明在适当应用时可以使执法部门和社区更加紧密地联系在一起，这可能会让人感到惊讶。以坦帕警察局的“关注四起犯罪减少计划”为例，该计划在六年内将犯罪率降低了46%。

“聚焦四”概念包括通过制定基于情报的应对措施，减少该市最常发生的四起犯罪的战略，这些反应体现了与社区合作等要素。警官们更多地与社区接触，这增加了公众的支持和基于警官与公民互动的犯罪相关信息的报告。例如，每个地区都制定了暑期方案，以解决在学校不上课时发生的与青少年有关的犯罪问题。在同一六年的时间里，该计划使夏季犯罪减少了51%。

坦帕警察局承认，如果没有社区的支持和参与，就不可能实施以情报为主导的警务计划。为了鼓励这种参与，该部门实施了“电子邮件树”，增强了邻里守望计划，以及反向911计划，以向社区发送有关热点的信息。

毫不奇怪，警察人数增加的地区犯罪率急剧下降。令人惊讶的是，周围目标地区的犯罪率也有所下降。看来，在一个地区感到舒适的罪犯不会将罪犯推到周边地区，而是会避免在不熟悉的领域犯罪。

支持者还声称，情报主导的警务的更大目标是防止犯罪发生，而不是在犯罪期间或之后抓住肇事者。一旦犯罪发生，财产损失就可能发生，或者一个人有可能成为受害者。目标地区的警察不会将每个人都视为嫌疑人，而是通过询问居民是否看到任何可疑情况，从而在社区中变得更加积极主动，从而改善社区与警察的关系。

使用数据只是解决方案的一部分

尽管数据分析对于预防犯罪的目标同样重要，但它只是解决方案的一部分。在实施以情报为主导的警务的每一个案例中，它都是整体战略的一个组成部分，包括执行赞助，员工教育，分析和实施利用数据的计划等等。

在每种情况下，实施该方法的执法机构也努力确保人员，计划和设备保持一致。然而，最重要的是，人为因素是成功的主要驱动力。最终，分析和研判数据最后决定如何使用它。来自各机构的人员与来自社区的人员一起工作，将这些数据驱动的计划付诸行动，并确保其成功。

结论

根据联邦调查局的数据，与2016年相比，2017年报告的犯罪数量总体上有所下降。虽然这是一个积极的事态发展，但继续寻找推动这一趋势的方法。从改善我们提供医疗保健的方式到解开宇宙的秘密，数据使我们能够在预防犯罪方面取得进展，这在十年前是不可能实现的。虽然仍然缺乏情报主导警务有效性的经验证据，但世界各地的执法机构已经为这种数据驱动的方法建立了一个非常有力的理由。

如分析或侵犯隐私之类的陷阱当然很重要，但在任何预防犯罪的方法中，尊重人们的权利都必须始终是一个考虑因素。随着数据分析方式的不断完善，加上情报利用数据并鼓励机构和社区合作的编程，情报主导的警务将继续加强其作为犯罪威慑的作用。

想了解更多情报动态资讯，

长按识别下方二维码加入情报学院知识星球，

星球内有超千篇情报专业资料可供下载！