导语：如何才能写好一篇单个事件研判报告，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
平台总体架构包括数据源、数据仓库、数据集市、数据应用及数据管理5部分。
1.1数据源
数据源是指由公安交通管理综合平台、交通指挥平台及机动车缉查布控平台等公安交通管理信息系统采集汇总的交通管理大数据。
1.2数据仓
1.3数据集市
数据集市是根据不同专业用户群体在分析、内容、表现及易用性等方面的特殊需求，从数据仓库历史数据中抽取的一个针对性数据子集，用以满足特定部门、团队、客户或应用程序分析和报告需求。
1.4数据应用
在数据仓库或数据集市基础上，采用聚类、关联分析、时序分析、分类、值预测等挖掘技术，有效提取交通管理大数据中固有的、以前未知的潜在有效信息，并进行多维度、个性化集成、查询和展现。
1.5数据管理
对数据处理流程、数据质量检查及元数据进行有效管理，确保数据研判分析工作顺利开展。
2.1数据流向
公安内部综合应用平台所采集形成、开展信息工作所需的业务信息，包括各级公安机关交通管理部门采集形成的数据，如驾驶人管理、机动车登记、违法处理、事故处理、交警队信息平台、危险化学品运输管理等业务信息和异常业务预警信息。缉查布控系统产生车辆通行信息及主干公路监控数据在部级平台中直接获取；气象信息等跨行业数据通过互联网服务接口获取，并通过边界接入平台或人工方式转入公安网。
（1）综合应用平台、主干公路监控数据通过数据采集器按分类写入数据仓库与分布式文件系统。
（2）气象信息通过程序调用数据访问接口写入数据仓库。
（3）分布式文件系统通过批处理的形式，将数据清洗转换后写入数据仓库。
（4）数据仓库采用实时复制技术，按方案将数据复制至内存数据库。
（6）内存数据库、分布式文件系统同时为数据检索分析平台提供数据。
2.2数据整合处理流程
（1）数据抽取和标准代码库创建：产生的数据是转储数据和标准代码库。
（2）数据清洗：对转储的业务数据，根据定义的数据清洗规则进行清洗。产生的数据是问题数据库。
（3）数据转换：定义好数据转换的规则，对经过第一步清洗的数据，进行转换。产生的数据是经过转换的数据。
（4）数据集成：对转换完成的数据去查找关联，同时把数据按照要素和层次进行组织。
（5）数据装载：把完成前面步骤的数据装载到分析数据库中。
（6）数据校验：对完成整合的综合数据通过校验器定义好校验规则进行数据校验，找出第二批的问题数据，使得数据的质量进一步提高。
3、关键技术研判平台
总体功能包括数据处理、数据管理、统计研判、挖掘研判、多维度展现、应用管理、安全管理等功能，其中数据处理、数据管理、多维度展现作为基础性工作显得尤为重要，这关系到平台建设的可行性及可用性。
3.1数据处理包括数据镜像复制、数据抽取/清洗/加载、数据建模等功能。
（1）数据镜像复制
通过全库镜像及增量数据同步，将各数据源数据加载至数据仓库明细层。
（2）据抽取/清洗/转换/加载
将分布、异构的多个交通管理数据源中的数据抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
（3）数据建模
数据挖掘建模是指为特定的交通管理数据挖掘目的，做出一些重要简化和假设，运用适当的数据挖掘工具获得模型，然后利用该模型来解释特定现象的现实形态，并预测对象的未来状况，提供处理对象的优化决策和控制。数据挖掘的过程是一个不断探索数据特征、建立和检验模型，利用适合的模型来解决实际问题的连续过程。建模是数据挖掘工作的核心环节，数据挖掘中具体使用哪一种算法建模，取决于数据集市的特征和需要实现的目标，在应用中，往往是对多种建模方法的比较和综合。
3.2数据管理包括数据质量管理、数据处理流程管理、元数据管理。
（1）数据质量管理
通过探查数据内容、结构和异常，建立数据质量度量并明确目标，设计和实施数据质量业务规则、检查异常并完善规则等，消除数据中存在的重复属性、错误的值、错误的数据依赖、错误的计算、错误的范围、缺少数据、缺乏引用完整性、稀少的实体解释、多种数据源中缺乏数据对应、主键重复、源数据和目标缺乏同步、没有理由的关联、违反规则、不标准的格式等质量问题，切实提高数据真实性、完备性、自洽性。
（2）数据处理流程管理
数据处理对数据（包括数值的和非数值的）进行分析和加工的技术过程。数据处理包括数据采集、存储、检索、加工、变换和传输等过程。数据处理流程管理是指对数据处理过程进行规范化和科学化管理，确保数据处理工作高效性。
（3）元数据管理
采用集中管理方式，对技术元数据和业务元数据进行管理。技术元数据主要用来描述数据实体和数据处理过程中的技术细节和处理规则。如表结构、ETL映射关系等，技术元数据使用人员包括技术人员。业务元数据主要是对数据实体和数据处理的业务化描述，包括业务规则、业务术语、统计口径、信息分类等。如KPI定义和报表统计规则等，业务元数据使用人员包括业务人员、决策领导等。
（1）即席查询
提供自助式即席查询功能，用户可以基于业务逻辑、按照个性化需要通过鼠标拖拽的方式查询自己关心的内容，设置查询条件，设置过滤，定义格式，套用模版，提高个性化信息查询速度。
（2）专业报表
提供专业报表功能。报表支持多页设计，支持多查询，每个查询支持多数据源。报表的制作、、共享、权限控制等采用纯浏览器方式。用户只需要在浏览器中通过简单的鼠标拖拽、属性设置等操作就能进行各种报表的制作，如列表、交叉表、图表、仪表盘报表、KPI报表、复杂嵌套表头的非平衡报表等。
（3）多维分析
提供多维立方体和关系型数据库多维分析功能（MOLAP和ROLAP）。用户在Web界面中通过简单的鼠标拖拽等操作，就可以进行各种OLAP分析，如上钻、下钻、切片、旋转、切块等，同时支持用户进行混合粒度的分析，支持用户自定义子集，支持混合维度的分析，支持多维立方体之间的相互钻取，多维立方体和关系型数据库之间的钻取，能够使用用户从宏观到微观的决策思路和过程。
（4）事件处理
提供系统自动监控和管理管理功能，并通过门户新闻等方式通知和提醒用户，能够自动启动业务处理，触发各种任务的执行，如报表执行、新闻、数据库刷新、系统备份等。
（5）门户整合
提供将后台分散的应用和信息在用户界面上的整合功能，使用户得到统一的入口。同时用户可以方便地进行个性化定制，形成自己的门户界面。
4、结论
关键词：金融危机;风险早期预警体系;信号法;神经网络
一、引言
自1825年第一次爆发金融危机以来，频繁发生且愈演愈烈的金融危机对世界经济造成了诸多破坏性影响。据IMF统计，1980-1995年期间大约有65个发展中国家发生过银行业1危机，而公共部门用于处置银行业危机的成本约为2500亿美元。在至少12起的危机事件中，公共部门的处置成本约占到该国GDP的10%以上。1997年的东南亚金融危机中，泰国和韩国的银行重组成本高达GDP的30%，印度尼西亚和马来西亚则为20%。随着全球经济金融一体化的深入和金融业务与工具的创新，金融危机的影响范围和程度也较以往大幅延伸。2008年的国际金融危机导致全球金融市场动荡加剧，世界主要经济体至今尚未从危机的泥潭中摆脱出来。据不完全统计，2008年全球金融危机给世界经济造成的直接损失约为35万亿美元。
二、金融风险早期预警体系理论综述
正因为金融危机的影响巨大，因此各国理论界和监管机构均试图建立适当的风险早期预警模型对其加以预测。Edison（2003）认为早期预警模型体系应包括危机的准确定义和对危机进行有效预测的机制安排。总体上，这些分析都是针对宏观经济、金融部门等宏观审慎指标，然后采用各种分析技术与模型，从而得出分析结果。根据所采用的方法途径不同，国外对于早期预警模型的研究分为参数和非参数模型两种：参数技术包括probit/logit和向量自回归VAR模型，非参数技术则指的是主要指标法和信号法。具体又可以分为三类：
二是采用线性回归或受限因变量probit/logit技术。主要用于检验不同指标在确定金融危机发生概率时的重要性程度和有用性，通过监测危机发生之前指标的行为变化来计算危机发生概率。
三是最新技术。包括使用二元递归树来确定主要指标的危机阀值，人工神经网络和基因演算法来选取最合适的指标和马尔科夫区制转移模型。
（一）指标/信号分析法
Kaminsky和Reinhart（1999）的KLR法针对危机前的表现出异常行为的指标的演变进行分析，当指标超过既定阀值时，该指标将发出信号，表明危机在未来24个月内可能发生。变量主要包括：M2乘数、国内信贷/GDP，真实利率、存贷比、M2/储备、银行存款、进出口、贸易条件、真实汇率、股票价格等。Kaminsky（1999）提出构建基于单个指标基础上的金融脆弱性多种合成指数方法。其中第一个指数是所有可以作为危机信号的指标汇总;第二个合成指数通过界定单个指标极值的第二阀值来解释信号的严重程度;第三个指数旨在通过添加最新信号来表示基础面情况的持续恶化，最终的合成指数是所有解释变量根据其统计上重要性程度的加权平均值，合成指数的拟合概率可以作为危机概率的重要预测。
Borio和Lowe（2002）利用信号法分析了银行危机与资产价格、信贷、投资三者之间的关系，研究了资产价格、信贷等指标对银行危机的警示作用。Davis和Karim（2008）则针对105个国家的银行危机事件，研究了102次系统性银行危机事件。Christain（2008）详细介绍了信号法在工业国家和新兴市场国家银行危机预警的应用。
（二）受限因变量模型法（受限probit或logit回归法）
鉴于危机的爆发是一种二元性的离散事件，因此可以运用受限回归法（probit或logit模型）来对危机的发生进行预测。将危机指标作为二元性变量，通过一系列的解释性变量来加以估算。采用logit或probit预测法，预测出的结果被限定在单元区间，并被解释为危机发生的概率。这种方法的优点在于可以评估每个解释变量对于危机的贡献度，并可通过数理统计技术进行检验。
Frankel和Rose（1996）首次采用年度数据和probit模型来预测金融危机的发生。Eichengreen和Rose（1998）在分析新兴经济体的银行业危机时，采用了多元二项式probit来进行预测，结果显示国外环境变化对于发展中国家银行业危机的重大影响，其国内变量贡献度相对较小，但是汇率的估值、国内商业周期和外债水平非常重要，并为金融问题的产生创造了现实舞台。另一方面，财政政策变量、汇率机制和结构则作用较低。但年度数据的使用导致危机发生的概率的上升几乎与危机同时发生，从而限制了概率作为银行业危机的主要指标的使用。
Bussiere和Fratzscher（2006）设计了多元logit回归早期预警模型，对安全期、危机时期和后危机时期进行比较分析，发现这种模型比二元logit模型更好地预测了新兴经济体的金融危机。Beckmann（2007）采用20个国家的1970-1995数据，比较参数和非参数早期预警模型，发现参数预警模型可以更好地预测危机事件。
（三）神经网络3ANN模型
Nag和Mitra（1999）用ANN来构建货币危机的早期预警体系，通过预测马来西亚、泰国和印尼的货币危机来进行检验，并将结果与信号法得到的结果进行比较，认为ANN的效果要好于KLR模型。
Kolari等（2000）提出了非参数特征识别模型TRM。他们认为受限因变量回归法存在两个缺陷：无法确定哪个变量在预测银行破产中最有用，结果只能反映变量在区别破产与非破产银行的有效性;预测结果没有就每个变量如何影响类型1和类型2错误给出信息;这些模型不能很好地检验变量间的互动。
Franck和Schmied（2003）证明了一个多层级感知器在预测货币危机方面优于logit模型，尤其是能够预测发生在俄罗斯和巴西的货币危机和投机冲击。
三、金融监管部门的早期预警体系实践
（一）评级预测法
这种方法旨在预测金融机构在现场检查中的可能评级。该模型得以确定银行定期报告中的一系列变量和现场检查评级的历史关系，其结果将再次被用于评级的定期检查中。预测可以反映银行的当前状况，并可以定期反映银行状况的恶化情况。如美联储的SEER评级模型和美国联邦存款保险公司的SCOR模型。
SCOR基于季度财务数据，运用CAMELS等级的有序对数模型来估计当前CAMELS等级为1或2的银行在未来信用等级下降的可能性。模型将上年的财务报表与当前现场评级相匹配，从而估计被评估银行未来的等级次序。若银行当期评定等级为1或2，则其未来降级的可能性等于分别转变为等级3、4、5的概率之和，且模型将临界值设定为30%。
美国OCC运用这种方式也设计了两种模型，第一个估计破产概率和银行在两年后复活的概率，第二个模型（银行测算体系BankCalculator）运用标准化logistic回归模型来预测破产概率。其解释变量包括：来自银行报告的金融变量，以及可以解释银行业务环境变化的变量，并根据风险种类（银行投资组合风险、银行状况风险和银行环境风险）进行分类。
（二）预期损失模型
这种模型主要适用于那些银行破产情况不多发，没有足够的数据来支撑的国家或部门。法国银行业委员会的银行业分析支持系统SAAB通过估计潜在预期损失来预测银行的破产。该系统借助数据库和外部评级机构的信用等级数据，估计个人和企业贷款的违约率，然后对每一笔个人或企业贷款提取损失准备金，计算未来三年的潜在损失，并将损失总额从银行准备金水平中扣除，如果调整后的准备金水平仍高于其法定标准，则预期该银行在未来三年内可以持续经营并免于破产。
（三）其他类型
国际货币基金组织的宏观审慎指标评估通过众多指标变量反映金融和实体经济体系面对冲击的脆弱性程度，如通胀率、资产价格等，和微观审慎指标如资本充足率、资产质量、商品价格风险和收益率等。借助这些指标，宏观审慎分析可以来评估和监测金融体系的稳健性，对一国的经济或金融状况进行综合评价，如机构和监管框架现状或与国际标准的契合度等。其中，金融稳健指数FSI主要用于定期监测金融机构和市场、公司和储户的健康与稳健性。
英国RATE系统综合地评估银行风险，评估每个业务部门、机构及银行整体框架。其中业务因素包括银行的总体业务和外部环境。除了银行当前风险，还评估下一阶段风险演变，运用综合性评估中得到的信息和监管部门对于市场的预测。这种方式可以识别潜在脆弱性的部门并根据每个机构的特殊性进行分析，同时从整体上勾画银行业活动的蓝图。
亚洲开发银行的“早期预警系统VIEWS”（2005）以信号法为基础建立了东亚地区的银行危机预警非参数型模型。模型构建步骤为确定历史上危机发生的时段;选择主要指标如经常账户、资本账户、金融业、财政账户、实体经济和全球经济等六大类;设定噪声/信号比例最小化的百分位值即阀值;构建综合指数确定比较某个时期有多少个预警指标发出了危机信号;估算以综合指数为条件的危机概率。
四、启示
参考文献
[1]CarmenReinhartandMorrisGoldstein（1998）“Assessingfinancialvulnerability，anearlywarningsystemforemerging
[2]Honohan，Patrick（1997）.“BankingSystemFailuresinDevelopingandTransitionCountries：DiagnosisandPrediction.”
BISWPNo39.
[3]Kaminsky，GracielaandCarmenReinhart（1999）.“TheTwinCrises：TheCausesofBankingandBalance-of-Payments
Problems”，AmericanEconomicReview89（3），June1999，P473-500.
[4]Kaminsky，GracielaL.（1999）.“CurrencyandBankingCrises：TheEarlyWarningsofDistress”.
[5]Lestano，JanJacobsandGerardH.Kuper（2003）.“Indicatorsoffinancialcrisesdowork！Anearly-warningsystem
forsixAsiancountries”.
TheStudyontheTheoryontheFinancialRiskEarlyWarningSystem：ALiteratureReviewofForeignTheories
SONGYing
（HefeiMunicipalSub-branchPBC，HefeiAnhui230091）
关键词：大数据并案侦查立法完善建议
目录
摘要I
（一）大数据的概念1
（二）大数据对并案侦查的作用1
二、大数据时代并案侦查的困境2
（一）并案意识中的问题2
1.注重同类案件并案侦查，忽视异类案件并案侦查2
2.注重静态并案侦查，忽视动态并案侦查2
3.注重重特大案件的并案侦查，忽视小案的并案侦查3
4.时空跨度观念存在缺陷3
（二）挖掘并案线索的问题3
1.侦查基础工作存在缺陷3
2.侦查情报信息工作存在缺陷4
（三）串并分析中的问题4
1.过于依赖刑事技术4
2.不能有效区分本质差异和现象差异4
三、大数据下并案侦查的完善建议5
（一）强化并案意识的对策5
1.既要注重同类案件并案侦查，又要注重异类案件并案侦查5
2.既要注重静态并案侦查，又要注重动态并案侦查5
3.既要注重重特大案件的并案侦查，又要注重小案的并案侦查5
4.利用大数据改进并案侦查中的时空跨度观念6
（三）深挖并案线索的对策6
1.重视侦查基础工作在并案侦查中的作用6
2.完善侦查大数据情报信息工作6
（三）提高串并分析能力的对策8
1.建立大数据综合分析模式8
2.注意区分本质差异和现象差异9
结语9
参考文献10
不同机构或者学者对大数据的定义并不一致，这也使我们可以从不同方面认知大数据的一些特点，通常的观点认为，大数据的特征为四个方面：数据规模大、种类多、其要求处理速度快、数据价值巨大但密度低。
二、大数据时代并案侦查的困境（一）并案意识中的问题1.注重同类案件并案侦查，忽视异类案件并案侦查通过案件的类型进行传统划分，其并案侦查的一般做法就是分别串并。过去在这样的指导下，我们也破获了很多系列的案件，而这样的做法会让侦查人员形成一定的思维定势，也就是只注重案件的串并，就会对不同性质案件串并造成忽视。就现阶段社会上，犯罪主体案具有一定专制性，还有迁移特征，其犯罪动机、目的都是多样化，若是出现机会，就会实施“多栖”犯罪。还有案件侦查失误，就是侦查人员没有将作案手段与性质不同的案件进行串并分析。
3.注重重特大案件的并案侦查，忽视小案的并案侦查随着这几年来的不断发展，并案侦查的启动总是对社会影响较大的重特案件，在面对多发盗窃、抢夺、诈骗等一般刑事案件，都是因为案件值不高，所以也不被重视，更加不会进行串并分析，长期已久，造成这类的破案率就非常低，越随之积多。重特大案件只是占刑事案件的一小部分，而其小案就会形成刑事案件的主体特征，这与群众的关系有一定联系。通过“沙堆理论”，小案件的积累非常容易造成重大案件，很多重特大系列的案件，其犯罪主体都是从小案件实施。很多原因都是小案件侦查中非常容易忽视的部分。
4.时空跨度观念存在缺陷其主要在两个方面表现出来：一是注重本地案件的并案侦查，以此忽视外地案件的并案侦查。二是在重案中进行并案侦查，忽视了远期案件的并案侦查。针对流窜作案、跨区域都是新形势下刑事案件犯罪的特点，有些案件少的地区，很多都涉及到十几个地域，特别是侵财类的案件上，有非常明显的流窜作案特点。不过在侦查人员的思维上并没有跟上，而在案件串并过程中，并案的视角依旧集中在本地区中，并没有拓展到全国各地，从而反映出侦查人员的思维性不强。不仅如此，在实践中，并案过程只是较顾忌近期案件的串并，对于长期的案件，并不能及时纳入侦查视野中，以此反映出侦查人员纵向扩展的思维发展。
2.侦查情报信息工作存在缺陷随着部级、省级、市级各类大数据平台建设的深入和信息技术的发展，各类信息平台层出不穷，加大了串并案件的整合力度。不过由情报信息调查中得出，依旧存在很多问题。比方说，信息分散在各个地区，部门和警察之间，就不能实施共享政策。也就是说，相当一部分信息在数据库中依旧处于睡眠状态，未被激活，价值最大化，效益优化尚未真正体现。以此，对手机的信息并么有进行过滤，就不能有效体现出信息效果，各级政府情报信息能够利用的关联不够，资源的叠加程度较低，其社会辐射面也较小等。
2.不能有效区分本质差异和现象差异在串并案件分析的过程中，一些侦查人员对应急调查并没有形成正确的认识，导致在没有获得充分证据的情况下，盲目共轭或消除串通的可能性。如果侦查人员不能全面了解案件，就不能对案件异同形成的条件进行全面分析和深入探讨。它们不仅是肤浅的，还与案件之间的不同和相似之处不一致。从机制上类推，案例的分析只能是形式上的，而且从表面差异中找到基本的共同因素是不可能的。当作为犯罪手段和数量的增加或减少引起不同犯罪现场表征的不同场景，犯罪现场证据的不同场景，因为犯罪主体的反调查行为或环境，载体等方面的差异，一些调查人员会主观上认为它与犯罪不是同一主体，以此阻碍了案件的判决，甚至造成了案件的错误。
三、大数据下并案侦查的完善建议（一）强化并案意识的对策1.既要注重同类案件并案侦查，又要注重异类案件并案侦查像各种犯罪尤其是犯罪团伙的犯罪主体并不少见，随之这几年来，其现象一直在上升。所以在注意类似案件并案侦查的时候，要拓宽视野，建立不同类型的案件也能够提供并案线索的意识。比方说，盗窃与抢劫、抢劫与案件等，都是可能造成同一犯罪主体的进行，要客观仔细分析，发现其中是否存在并案线索。
3.既要注重重特大案件的并案侦查，又要注重小案的并案侦查由于现阶段的社会治安形式非常复杂，刑事案件数量也逐渐增加，然而小案的积累又占多数。也就是说，刑侦部门在努力破大案时，也需要在小案上尽心。由此可见，能够通过小案的并案侦查，其人员既能够使违法者数量得到有效的减少，努力维护社会治安，更加重要的一点，能够及时掌握侦查的主动权，遏制犯罪的发展升级。
（三）深挖并案线索的对策1.重视侦查基础工作在并案侦查中的作用利用科学技术的手段，提高侦查机关打击犯罪的能力，另外，不过也存在着对技术的过度依赖，忽视了传统手段的现象，导致了重大的案件分析，甚至难以找到案件线索。“事后，立即在网上进行传播，得到奖励”是这一现象的生动写照。不可否认的是，科学的侦查技术给侦查工作带来了极大的便利，而侦查手段只是对侦查工作进行科学技术的优化和完善或补充，不能完全取代传统侦查。也就是说，在运用科学技术的时候，要充分利用传统的侦查方法，挖掘出案件线索，避免单调。只有这样才能充分发挥综合效应，不断探索侦查思路。
2.完善侦查大数据情报信息工作（1）建立综合串并查档信息数据库
根据“横向交流与纵向交流”的思路，建立调查信息网络，让资源流动伴随着信息流动进行转移，从更大的空间掌握犯罪信息，改变信息落后状态，以及分权管理和独立拥有，促进信息快速转移和共享，从而提高案件侦查的质量和效率。集成数据库包括三个子数据库：各种类型的案例信息数据库，行为库和行为轨迹库。
（2）构建统一的情报共享机制
（3）积极发挥情报研判在并案中的功能
在此，我们以犯罪情报分析为核心侦查工作模式将未来的方向。
由此可见，对情报研究判断在并案侦查过程中的作用是非常重要的。首先，成立专门的情报研判团队，进行串并分析。然后还要梳理重点地区与时期案件的特点与规律现象，对重点人员与多发案件特别是小案实行积分进行预警制度，能够将案件的总体掌握。这样的分析在普通侦查人员串并分析具有常态化、相对主动性以及质量较高的优势等。其次，建立高智能的研判分析平台，增强研判的主动性与客观性，实现侦查信息的深度与应用。根据深层次的并案侦查，对原有串并的结果进行反复研究分析，实现又人工并案向职能并案跨越。
参考文献[1]杨婷.论大数据时代我国刑事侦查模式的转型[J].法商研究,2018,(02):25-36.
[2]徐永胜,徐公社.试论大数据背景下侦查合成作战机制[J].山东警察学院学报,2017,(04):73-79.
[3]方斌.大数据时代侦查思维变革[J].中国人民公安大学学报(社会科学版),2017,(03):89-97.
[4]王彬.论基于大数据的犯罪侦查[J].犯罪研究,2017,(02):2-9.
[5]王梦瑶,陈刚.大数据时代犯罪与侦查动态发展研究[J].山东警察学院学报,2017,(02):74-80.
[6]杜晋国.大数据时代对传统侦查模式的影响[J].法制博览,2017,(08):10-13.
[7]郝宏奎.大数据时代与侦查学术创新[J].中国人民公安大学学报(社会科学版),2016,(06):38-43.
[8]樊崇义,张自超.大数据时代下职务犯罪侦查模式的变革探究[J].河南社会科学,2016,(12):39-46+123.
[9]倪北海.“大数据”时代侦查(思维)模式初探[J].贵州警官职业学院学报,2016,(06):11-16.
[10]刘洪波.公安大数据背景下的侦查思维考量[J].贵州警官职业学院学报,2016,(06):17-25.
[12]董邦俊,黄珊珊.大数据在侦查应用中的问题及对策研究[J].中国刑警学院学报,2016,(02):7-13.
[13]胡志风.大数据在职务犯罪侦查模式转型中的应用[J].国家检察官学院学报,2016,(04):144-153+176.
一梦三年，雄心依旧。在互金概念已旧、金融科技尚新的当下，酝酿上市已久的众安在线财产保险股份有限公司（下称“众安保险”）以保险科技第一股的姿态，向香港联交所递交了H股招股说明书。
一切如约而至，2017年-2018年实现上市早已列入众安保险当初的规划。市场预测，如一切顺利，众安保险将在今年三季度完成上市。
然而，对于众安上市，业界却给出了截然不同的估值预期：一边是互联网金融概念下500多亿元的估值，另一边则是基于保险业绩30多亿元的估值。作为科技保险第一股的众安保险究竟价值几何？天壤之别的估值，恰恰反映出业界对处于风口之上的金融科技概念股的定位和认知上的分歧。
在互联网金融元年衔玉而生的众安保险，背负“三马”共建的基因，在亮相伊始就成为焦点。其成立之后不久，借互联网金融的热潮，易安保险、泰康在线和安心财险等三家互联网保险公司亦相继成立，从而形成四家各执一端的互联网保险格局。截至今年首季，四家互联网保险公司累计实现保费收入17.03亿元，同期增长达179.64%，在网销业务中的占比已达15.42%。
如果具体而微地分析公司个体以及具体的业务指标，可能会是另一番景象。从众安保险来看，三年来虽然勤于各种技术探索，但似乎“杀手级”产品并没有出现，车险保费亦与预想中的数亿规模差距甚远，险种几乎全线亏损，过于依赖股东业务，成本支出高企。基于这些表现，互联网和金融界各自从不同视角，给出了相差悬殊的估值。
众安保险诞生以来，一向强调自己的科技基因，在招股说明书中更是定位为“保险科技公司”。而在保险业看来，无论从其产品结构、经营模式、盈利模式乃至监管主体来看，众安保险本质上仍是保险公司。
有互联网金融人士指出，在金融牌照门槛提高、监管趋严的当下，特别是去年央行对金融科技划出“不得直接从事金融业务，须与持牌机构合作”的底线之后，作为持牌金融机构的众安保险，尽管保险业务不尽如人意，但其投资价值远超普通的互联网金融平台，这是其高估值的逻辑。
众安保险亦深谙其一手保险一手科技的价值。众安保险CEO陈劲此前曾对媒体表示，众安保险以保险为工具，以技术为基础，构建一张价值网络。
去年成立子公司众安信息技术服务有限公司（下称“众安科技”）之后，众安保险加快了打造科技板块的步伐，颇有向其股东蚂蚁金服和中国平安看齐的意味。登陆H股后，是否能够借资本之力实现新的谋篇布局？
资本市场上的投资者对即将成为首只互联网保险股的众安保险，“一直听说，从未了解”。在长达500多页的招股说明书里首次披露的诸多数据，将勾勒出众安保险怎样的面目？上市估值分化
IPO团队阵容不可谓不豪华：JP摩根、瑞信、UBS瑞银、招银国际组成联席保荐人。据媒体报道，众安保险拟向数家战略投资者出售5%-10%股权，H股IPO集资规模高达12亿-16亿美元，估值原则上不低于90亿美元（约合610亿元人民币），不过，据《财经》记者了解，上述事项目前还未最终确定。
成立三年有余就登陆资本市场，无论是作为互联网金融公司还是保险公司，速度不可谓不快。据了解，无论是投行还是众安保险内部，都感到出乎预料。
不过，对于众安保险来说，上市早已是其既定战略。早在2014年12月，众安保险股东大会批准设立以权益结算及以股份为基础的补偿计划。随后，众安保险实施员工持股计划，2015年初授予董事和员工6000万股股份。2015年修订员工持股计划，上海灏观投资管理合伙企业（有限合伙）和上海谦果投资管理合伙企业（有限合伙）入场，接盘其并列第二大股东优孚控股有限公司所持6000万股股份。
与此同时，众安保险亦启动A轮融资。2015年6月7日，完成A轮I资，摩根士丹利、中金证券（香港）、鼎辉投资（CDHAvatar，LP）、凯思博基金（KeywiseZAInvestment）和赛富基金（EquineForcesLtd）五家新股东加盟，以每股24元人民币、总计57.75亿元认购众安保险2.41亿股外资股。与原始股东主要来自互联网业不同，此次进入的五家新股东悉数来自投资界，此举亦被业界理解为其在铺路IPO。
此外，去年众安保险董事会和管理层有所调整，引入数位有投行或操盘IPO经验的新成员。比如，来自蚂蚁金服、出任众安保险董事的韩歆毅，曾操盘阿里巴巴集团IPO、阿里巴巴香港上市公司私有化和阿里巴巴与蚂蚁金服架构重组等项目，众安保险独立董事杜力是国内资深投资并购专家，去年初任总经理助理的胡天睿曾在瑞银投资银行等重要管理岗位任职。去年12月出任副总经理兼首席财务官的毕仕宇，曾就职于埃森哲，带领两家企业在美国和香港上市。
此次登陆H股，根据众安保险此前的规划，A股亦在其考虑之中。今年2月，业界曾传闻证监会拟为一些大型科技公司提供IPO“绿色通道”，有报道称，众安保险亦在名单之上。
据《财经》记者了解，早在A轮融资时，市场对众安保险的估值就存有争议。众安保险曾与一家传统保险公司洽谈，对方认为其估值过高而未谈拢。
彼时，内蒙君正收购华泰保险的股权时，参考人保财险H股的估值，给予其80.16亿-96.92亿元的估值。因此，众安保险的估值不为该传统保险公司接受，亦在情理之中。
从估值方法上来说，据了解，当时众安保险曾把陆金所、蚂蚁金服和美国的LendingClub作为估值样本，参考了中国大型互联网公司23.1的P/E倍数中位数和高成长保险公司16.2的P/E倍数，采用FY+2P/E估值法，得出来的估值基础为134亿元，假设估值倍数是15倍和25倍。而中华保险研究所估值采用的是保险公司动态非线性一般均衡定价模型（InsuranceCompanyPricingModel）。
有互联网风投界观点认为，对于互联网企业来说，对于用户数的价值判断，不仅看软件安装量、下载量以及活跃用户数，还要看传播因子和用户留存率。对于流量的考量，则主要看其变现能力即ARPU值。
众安保险在招股说明书中披露，成立以来累计销售72亿份保单，服务逾4.92亿名客户。截至2016年，78%客户至少被服务过两次，每名客户年内平均获得10.3份保障。众安强调用户数量和流量规模，颇有以互联网企业其用户量做估值基础的意味。
但如果从保险公司角度来说，众安保险的业务过于碎片化，2014年-2016年的件均保费仅分别为4元、7.30元和9.9元。如果以每个客户年均10份保单来算，年均保费亦不过百元左右。有保险公司人士指出，这种碎片化保险大多数是赚流量不赚规模，而且平台成本较高等于为平台打工。
分子实验室创始人刘扬表示，市场对众安保险估值的分歧，主要是对其定位的不同理解。如果从互联网保险逻辑来看，众安保险最大的问题是作为保险公司成立，而不是科技公司。从传统的资本逻辑上来说，把握互联网保险公司的概念可能是最好的选择。
刘扬认为，众安保险资本的价值大于保险本身，这或是其股东的初心，“所以不能以保险公司估值的逻辑看待”。
一位互联网保险从业人士认为，众安未来的价值在于是否能通过科技实现重塑保险价值链，打造金融科技生态。
对于众安保险发行价的估算，一些互联网金融和投资领域人士认为，低于其A轮融资的24元可能是大概率事件，“这个价格太贵了，可能个位数较合理”。一位互联网金融领域资深人士表示。
一位投资界分析人士则表示，香港市场通常给予科技股的估值不高，2004年腾讯控股在H股上市时，发行价仅3.7港元。本月上市的游戏硬件厂商雷蛇估值最高不过50亿美元。
今年5月，彭博数据显示，沪深300信息技术指数的市盈率在40倍，恒生综合资讯科技业指数41只成份股的市盈率中值仅为16倍，两地之差创历史新高。上述投资界分析人士表示，除非众安保险出现“全城热炒”的现象，否则在当下的港股估值水平下，股价恐怕很难达到A轮融资时的股价。
一位保险业人士表示，成为上市公司之后，能极大提升众安保险的品牌知名度，由此也将获得更多的客户和流量。利润与成本齐飞
对于一只脚已迈进IPO大门的众安保险来说，讲好一个动人的资本故事，博得一个漂亮的股价很重要。但动人的资本故事和高估值并非空中楼阁，亦需要数据和业务做支撑。
作为保险消费者和资本市场投资者，亦有必要充分了解众安保险的基本面，透析数据背后的经营实质，研判其真实的投资价值和未来的发展潜力。
分散在500多页招股说明书里的各项数据，勾勒出众安保险既有重视创业开局、不惮成本“烧钱”的互联网企业的风格，又有新兴保险公司赚快钱的激进投资风格。
如果以盈利指标来看，众安保险表现不错，迅速打破了传统财险公司七八年才能盈利的“惯例”。招股说明书显示，2014年-2016年，净利润分别为3698.1万元、4425.7万元和937.2万元。不过，这一持续盈利的局面，却在今年首季被打破，众安保险以亏损3.17亿元，位居亏损规模首位。
众安保险的利润结构亦与传统保险公司一样，主要来自投资收益，三年投资收益净额分e为8006.2万元、5.21亿元和9862.4万元。
在投资策略上，众安保险显示出较为激进的风格。2015年权益类投资占比高达23.4%，高于15.18%的行业平均水平，其中股票投资占比为16.7%。2016年这种投资风格得以延续，权益类占比亦有23.1%之多，高出13.28%的行业平均水平近10个百分点。其中股票占比17.8%，同比提升1.1个百分点。
具体到投资品种，除了股票，众安保险在2015年-2016年大笔投资在资管计划、信托计划和理财产品，其中，仅通过“众安乐享1号”账户投资于“上海信托-武汉四环线”集合资金信托计划就达3.5亿元。截至2016年底，并表的四只资管计划产品认购总额为6.16亿元，未并表的信托计划余额为9.70亿元，理财产品则为8.01亿元。无独有偶，泰康在线2016年四季度偿付能力报告亦显示，其2016年亦主要投资于信托计划和保险资管产品。
在2015年以来牛熊叠市的震荡行情下，众安保险较高的权益类投资占比，使其投资收益产生较大波动：2014年和2015年总投资收益率分别为7.3%和12.6%，分别超过行业平均投资收益率1个和5个百分点，但2016年却降至1.7%，远低于5.66%的行业平均收益率。
众安保险招股说明书显示，平安资管公司是其投资管理人。据了解，如此低的投资业绩，引起平安集团董事长马明哲震怒，平安资管公司内部已为此检讨和问责。
众安保险资产端的投资收益起伏不定，负债端则面临高企的业务成本。众安保险招股说明书显示，2014年-2016年，综合成本率分别为108.6%、126.60%和104.70%。从决定综合成本率高低的两大指标来看，费用率分别为35.2%、58.10%和62.70%，赔付率分别为73.4%、68.5%、42%。以2016年为例，这三个指标分别高于99.52%、39.85%和59.94%的财险业平均水平。
招股说明书显示，众安保险业务开支的最大部分来自咨询及服务费、手续费及佣金，咨询及服务费主要用于通过生态系统合作伙伴平台销售保险产品的费用。其中，咨询及服务费的三年数据分别为9446.2万元、5.91亿元和10.93亿元，在已赚保费净额的占比分别为13.3%、30.7%和33.9%。手续费及佣金分别为1615.4万元、1.01亿元和2.87亿元，在已赚保费净额的占比分别为2.3%、5.2%和8.9%。从增速上来看，这两项指标已超过总保费增速。
对比另外两家互联网保险公司，其技术服务费开支占比亦不算低，泰康在线2016年的技术服务费为1.34亿元，在已赚保费中占比23.39%。易安保险则为1.74亿元，占比76.99%。
一位财险公司业务部门人士指出，其实互联网保险的成本并不比传统渠道低，一些大型互联网平台代销航意险、航班延误险等险种的手续费高达70%-80%以上，有的险种甚至能达到90%。不过，据《财经》记者了解，众安保险与各平台合作，并不是按平台代销手续费方式付费，而是按以双方共同研发产品和系统的项目来打包收费。
一位保险公司网销部门人士则表示，做互联网保险，谁的成本控制得好，谁就是赢家。但是在激烈竞争中，大型互联网平台非常强势，即使是大型保险公司也没有多少议价权。目前，电商获客成本已高达300元以上。
然而，以高成本获得的流量客户的转化率并没有想象的高。上述保险公司网销部门人士透露，一般在千分之一。不过，据一位业内人士透露，众安保险通过嵌入场景的模式获客的转化率能达到10%以上。
一位保险公司人士表示，互联网平台对于保险公司的意义在于，一是收集保险需求甚至创造需求;二是用标准化降低边际成本，使保险产品从低频转向高频，逐渐形成规模效应。尽管成本高企，势必仍要联手平台。
去年成立众安科技后，众安保险加快打造科技板块的步伐。截至2016年，其研发资金高达2.14亿元，占总保费的6.3%。《财经》记者获悉，随着科技平台的扩展和更多项目孵化，今年众安保险在科研上的投放还将增加。
在诸多指标中，对于资本市场投资者来说，最为看重的是体现企业盈利能力的净资产收益率（ROE）。“股神”沃伦巴菲特有句投资名言：“看企业，我最看重ROE指标，能维持高ROE特性的股票，才是我最终的选择标的。”
以众安保险为例，其招股说明书显示，2014年-2016年该指标分别为3.7%、1.1%和0.1%，而同样具有金融与互联网属性的中国平安2016年的该指标则达16.27%，腾讯控股摊簿后的ROE亦达23.53%。一位互金领域人士表示，上市后的众安保险ROE能否成长，来看其未来科技保险模式打造出多大的想象空间。创新与发展困局
对于秉持价值投资的投资者来说，对持有保险公司牌照的众安保险，难以忽略对其保险业务结构和质量的考量。
根据众安保险2014年-2016年的三年规划，这一阶段的主要任务是面向未来，完成业务上的布局，其中包括车险、信用险等重点险种。
截至2016年底，这些业务线的布局如约完成。众安保险招股说明书显示，目前已形成生活消费、消费金融、健康、车险和航旅生态等五大主要生态系统。
根据众安保险在A轮融资路演时所展示的发展蓝图，2015年-2020年的车险保费收入将分别为1亿元、13亿元、30亿元、60亿元、110亿元和180亿元。众安保险CEO陈劲2015年接受《财经》记者专访时曾信心满满地表示，对于当时高达7000亿元规模的车险市场来说，这一预期并不算高，只要能进入这个领域，众安保险“一定有办法做到规模”。
然而，梦想丰满，现实骨感。众安保U招股说明书显示，截至2016年，车险业务保费收入为372万元，距离其当初13亿元的预测差距甚远。对于车险保费规模较小的原因，众安保险表示是与经营区域较少有关，2016年底该业务仅在6个地区展业。
不过有多位财险公司人士指出，众安保险车险保费较小的重要原因在于其与中国平安的保费分成政策。由于没有线下机构，众安保险只能借助于中国平安开展线下业务，联合推出的保T车险，保费和索赔付款比例皆按“三七开”划分，即众安保险占三成、平安占七成。
在市场竞争和发展压力之下，众安保险亦采用传统保险公司常用的营销套路，并为此付出了监管代价。因2015年11月至2016年8月众安保险通过PC官网、手机官网等自有渠道销售车险业务时向投保人或被保险人赠送礼金或礼券共计4.57万元，今年2月保监会对众安保险罚以20万元，并对分管车险的高管和车险部门负责人处以警告和个人罚款。
《财经》记者从有关渠道获悉，目前众安保险对于车险保费规模已不太刻意而求，而是侧重于以车险为切入口，打造与之有关的生态系统。
高企的综合成本率之下，众安保险主要险种的利润承压不小。2014年-2016年财报显示，几大险种的承保盈亏情况颇为飘忽：2014年责任险、保证险和信用险实现承保盈利，意外伤害险、家财险和其他保险（主要是货运退货险）承保亏损。2015年，除了信用险承保盈利，其他险种皆承保亏损。2016年，责任险、健康险和其他保险承保亏损，保证险、信用险和意外伤害险承保盈利。
今年以来，众安保险主要险种承保利润进一步恶化。众安保险在招股说明书中已预警，预计今年一季度，健康、消费金融和航旅生态系统的保费将大增，综合成本率亦将继续超过100%，经营开支的幅度将超过净保费收入，首季将由盈转亏。据了解，首季巨亏除了研发成本继续增加，投资收益亦不佳。
相比业务难获承保利润，众安保险的业务更令人质疑的是，过于依赖其股东的业务支持。招股说明书显示，众安保险的前五大保单持有人（支付宝、赢众通、招财宝、携程和顺丰速运），2014年-2016年的合计占比分别约占总保费的9%、29%和28%。其中，来自支付宝的保费收入最多。
众安保险在招股说明书中坦承，蚂蚁金服和平安保险是最重要的生态系统合作伙伴，没有股东的支持和资源，将无法实现快速增长。
据了解，虽然起步于股东资源和支持，随着自行研发的科技的逐渐运用，众安保险正在谋求股离与单个场景平台提供方的合作，转向电商全生态的连接，目前已连接了180多个合作方。
而在成立伊始，因为众安保险与这些股东平台的合作并不具有排他性，为了在同业红海中杀出重围，众安保险推出颇多创新的产品点子。
彼时正值互联网金融兴盛，一批所谓创新型保险产品推出市场，在引发互联网用户对保险的兴趣的同时，也因存在噱头遭到非议，有些则不符合精算原理被监管层叫停。
初涉保险领域的众安保险，亦遇到创新与监管的边界如何厘定之困，屡因踩线收到监管措施。2014年8月，其网络交易平台责任保险和个人航空行李托运丢失保险两款产品，因费率厘定不符合公平性原则被叫停。2015年1月，因对航班延误险的产品描述不准确，以及消费金融担保产品的风险披露不足被叫停。
两年前接受《财经》记者采访时，众安保险的自我认知是其业务模式尚不具独特性，也没有做出核心产品。两年来，尽管众安保险已形成比较齐备的产品线，但其保费规模仍不尽如人意。招股说明书显示，2014年-2016年，众安保险总保费收入分别为7.94亿元、22.83亿元和34.08亿元，已赚保费净额则分别为7.12亿元、19.21亿元、32.25亿元。
对于众安保险业务上的乏力，一位互联网保险研究人士表示，从资本方的角度来说，众安保险讲述的是一资本的故事，如果保险业务做得好，自然是锦上添花，即使业务不尽如人意，也未必影响其未来在资本市场上的表现。因为对很多投资者来说，模式比业绩更重要。对于众安保险来说，仅靠发展业绩恐怕也难以支撑太久，通过上市筹资并实现赚钱效应，发展才能持续。探路科技赋能金融
随着互联网金融领域“黑天鹅”事件频出，在今年金融监管全面趋严形势下，创新已让位于监管。4月保监会下发《中国保监会关于进一步加强保险业风险防控工作的通知》，其中提出保险公司要重点防范互联网保险等新型业务的风险，防范互联网跨界业务风险。
以创新立本的互联网金融，将何去何从？自我定位于保险科技公司的众安保险，将如何在与传统保险公司和金融科技公司竞争中谋得一席之地？
在撞了几次监管红线之后，众安保险对产品形态创新的尝试有所收敛，转而在定价、形态分销、核保、理赔和技术后援等环节进行技术上的创新探索。
陈劲2015年接受《财经》记者采访时曾表示，“如果不走向服务，永远做不大。众安保险必须思考如何运用互联网技术，改变既有的服务形态。”
2016年7月，众安保险下设的子公司众安科技成立，并迅速形成基于众安科技的机构网络。随后，众安科技斥资120万元收购杭州企汇网络科技有限公司，斥资1000万元成立上海员宝网络技术有限公司。今年2月成立北京有我在科技有限公司。
3月，众安保险为众安科技增资4.5亿元。随后，众安科技成立上海分公司和全资子公司众安（深圳）生命科技有限公司。目前，众安保险已初步在京、沪、深、杭构建了科技板块布局。
众安科技内部提出“1234”战略，显示出占位科技版图的野心：输出一个平台区块链云平台;立足金融、健康两个命题;以信任、连接和加速为三大使命;坚持在人工智能、区块链、云计算和大数据四个领域进行长期探索。
众安保险招股说明书显示，众安科技将进行S、X、T三个系列的技术输出，今年4月其基于区块链技术开发的“安链云”平台已进入商用阶段，是全球第一个部署在云端的保险核心系统。
目前，众安科技已向一些小保险公司合作输出S系列，为其打造互联网平台和系统。据了解，未来该系列将覆盖各类保险公司、经纪公司、公司和保险平台等保险业态。
去年11月在众安科技品牌会上，陈劲表示，众安正在逐渐形成自己的“科技大脑”，并在未来向生态圈输出科技能力。
向金融生态圈输出技术，正是蚂蚁金服当下之举。甚至在一些科技输出和运用上，双方已颇有对垒的意味，比如，5月蚂蚁金服推出基于图像定损技术的定损宝之前，众安保险已在其手机碎屏险等业务板块自我研发和应用了该技术。
众安保险在科技领域的布局，引起业内对其是否做成“小蚂蚁”或“小平安”的猜测。颇为微妙的是，自从推出Techfin概念、转型要做“技术流”以来，蚂蚁金服保险事业部所推出的首款产品车险分，平安和众安保险都未出现在合作名单中。
尽管目前尚幼，不可否认，众安保险作为首家以互联网公司组织架构建立，并实现线上完全承保和理赔的保险公司，其在互联网保险领域仍具杠杆意义。