大数据视阈下公职人员廉政风险动态监测及预警
丁璐 缪国书
摘 ? 要：廉政风险防控具有前瞻性和高效益，属治本之策。大数据为公职人员廉政风险防控提供了新的研究视角和方法，可通过协同联动的廉政风险防控平台深度挖掘规模剧增的海量数据进行动态监测及预警。基于目前理论研究和实践现状，以公职人员为无差别微观研究主体，将公职人员廉政风险预警流程设计为廉政风险信息采集、廉政风险信息分析、廉政风险信息评估、廉政风险信息处理四部分，利用大数据量化研判，实现公职人员个体相关数据的分析评估和实时监测，可及时防控和遏制腐败行为的发生。
关键词：大数据;公职人员;廉政风险;动态监测
中图分类号：D035.4 ? ? ? ? ? ? ? ? 文献标识码：A ? ? ? ? ? ? ? ?文章编号：1674-9170（2020）02-0042-07
廉政风险防控是防治腐败、加强廉政建设的首要环节，较腐败治理而言，更侧重微观、关注权力。[1]廉政风险防控客体是腐败行为发生的条件或前提征兆，这种条件具有作风不正、举动异常等外在表现形式，是可以防范的[2];而其主体则是代表公权力的公职人员，“经济人”与“政治人”两种角色合一的内生性矛盾导致了腐败动机的产生。学术界不断关注以公职人员为对象的廉政风险防控管理[3]，但既有研究重点是主要领导和重点岗位[4]，或简单涉及一般公职人员的廉政风险防控[5]，未将公职人员无差别地统一视为廉政风险的主体，未能同时关注数量多且直接面对社会公众、代表政府廉洁形象的一般公职人员。大数据作为信息社会“规范权力运行、强化监督制约”的重要手段[6]，能转变廉政风险防控思维、优化反腐技术。大数据的核心在于预测，以“相关关系”[7]为关键，通过相关信息预测廉政风险发生的可能性，压缩腐败空间，提高反腐败斗争的实效性。[8]公共权力（资源）、腐败动机和腐败机会是腐败行为发生的三个必要条件[9]，任一要素的松动都会形成廉政风险。因此，从掌握和行使公权力的公职人员这一无差别的微观群体出发，以大数据为基础，将着力点放在防控腐败机会上，通过公职人员个体数据的挖掘分析实时监测异常变动，能够发现腐败迹象，提出风险预警，及时控制和制止腐败行为的发生。
一、大数据视阈下公职人员廉政风险预警机制的总体结构设计
现有的公职人员廉政风险防控管理已经利用网络等信息化工具，但对廉政风险防控机制的构建及其协调、大数据的利用及效用发挥还缺乏进一步的研究。大数据视阈下构建公职人员廉政风险管理体系的核心在于利用大数据实现风险预警，从风险预警系统理论出发，按照系统化顺序依次设计公职人员廉政风险信息采集、公职人员廉政风险信息分析、公职人员廉政风险信息评估、公职人员廉政风险信息处理四部分的运行流程（见图1），并基于此建立廉政数据平台和在线数据库，实现全面、多方位、动态的评估、监测及风险预警。该平台除了公职人员廉政风险数据采集和分析的专业性、全面性之外，也具有部门间、区域间的协调联动、共享反馈和指挥调度的职能，以各地电子政务平台为支撑，将地方各级廉政风险防控管理的指挥中心与预警系统连接起来，纳入智能化的信息管理平台，重视整体性、协调性廉政建设;通过各区域各单位的协同联动和实时反馈建立公职人员廉政风险信息数据“生态系统”，实现廉政风险信息的纵横管理和互联共享，形成资源耦合，强化数据信息的一致性和内生力，不断挖掘、提高数据价值和实效。
基于海量的数据收集和高效的计算机处理技术，建立廉政风险预警信息数据平台和在线数据库，运用科技手段充分整合廉政风险信息并进行监测、研判和预警，通过长期的数据分析和反馈对防控系统进行修正与完善。一旦发现倾向性问题及时采取全面调查，对照划分廉政风险等级，明确紧急程度和严重程度，将风险等级和预警信息及时、迅速、准确地传递给各级政府，并根据相关要求和文件指示有选择地将有关廉政风险数据通过网络手段向媒体和社会大众公示。公职人员所在单位及相关纪检监察部门要根据预警信息和风险程度分级别采取预防性处置措施，及时完成后期风险警情处置化解等工作，确保廉政风险预警及处置的及时性，有效实现廉政风险的前期预防。此外，要注重数据的生命周期，引导其自我完善，对评估系统和预警平台进行定期维护和修改，以适应社会变化及发展。
二、公职人员廉政风险信息采集
廉政风险数据信息采集是公职人员腐败预警机制的基础，是廉政风险预警工作的关键。[10]公职人员廉政风险动态监测及预警系统突破以权力运行过程为主线的廉政数据收集方法的局限性，转而以公职人员这一微观个体作为风险监测对象，分别从资产数据、消费数据、行踪数据、社会数据四个方面的数据进行关联、融合分析（见表1），全面掌握公职人员个人及其社会关系等情况。
人是社会人，无法脱离社会关系而孤立存在。资产数据、消费数据和行踪数据可以充分显示出公职人员个人的行动轨迹及其社会活动数据，能够分析其腐败的发生、发展迹象。除此之外需要对公职人员的社会关系情况进行统计，除公職人员自身及其配偶子女外，中间人的介入会推动腐败规模的扩张和腐败交易的集中[11];从金融机构等处采集的诚信数据则可以帮助了解个人品行、预测个人行为②，有助于捕捉现在和预测未来。公职人员的社会数据和相关数据或许不能直接反馈其腐败发生的原因，但足以清晰明确地提醒我们其正在发生，因此，要加强对相关的重要数据进行监测，收集全面、体系化的廉政风险数据。
信息化时代，个人的所有数据几乎都在网络留痕，相关数据都是可以监测、收集的。廉政风险防控管理就是基于这一社会发展现状和个人信息数据的获取现状，从金融部门、电信网络部门、公安民政部门等采集数据实现监测及预警，转变以少数为关键点、以主观分析为主的既有廉政风险防控管理现状，通过海量数据的深度挖掘、漏洞洞察、问题数据溯源和流程优化等，实现以智能化、定量化为主的客观分析，提高数据的准确性、层次性和系统性，实现数据利用的广度与深度并重。
三、公职人员廉政风险信息分析
基于大数据的公职人员廉政风险防控不仅仅是对于风险数据的收集，更强调对数据信息进行相关性分析评估，通过进一步的挖掘、整理和分析，形成预测结果。有学者提出通过构建多元回归方程预测公职人员的廉洁情况及趋势这一想法[12]，受制于数据资源的可获取性，该研究对于具体的变量因素及方程模型未做说明。就实际情况而言，即使利用有限的既有腐败案件人员作为研究对象，也无法同时获得公职人员个人的廉政风险影响因素（如个人消费数据、行踪数据等）及其腐败情况等数据并做回归分析。因此本文从公职人员个人相关数据的实际情况出发，将关于腐败行为、廉政监控的最新研究与多地廉政建设实践进行有机结合，通过多层级指标的方法对相关数据因素进行等级划分，将原来的单一评价形式和内容转化成多因素多层次交叉结合的廉政风险评估指标，确定三级指标、30个风险点的公职人员廉政风险数据评估分析指标表（见表2），对各项指标进行权重估值，主要分析相关数据值的变动情况，如资产数据的变动率及净增长率、个人消费数据的增长及变动情况、个人行踪数据的转移情况、社会关系相关人的资产及行动情况等。
从图表中可见，部分数据是需要公职人员自行上报的，如资产数据和出入境数据等，為保证数据的真实性和有效性，需要安排专业人士对系统录入的数据进行审核。目前这些数据都有专门的收录系统，公职人员廉政风险数据信息系统的基础在于将这些现有的独立的数据系统进行对接整合，做好数据跟踪和动态监测。
本文从多层级多维度的角度尝试构建公职人员个体的廉政风险评估分析模型。现有研究多通过层次分析法或模糊综合评价法、利用量表判断值确定各指标权重，将半定量、半定性数据转化为定量数据，但公职人员廉政风险数据评估分析指标体系分为三级四类30个风险点（见表2），所涉因素众多，参与测评人员的素质也参差不齐，基于量表判断的层次分析可能会导致指标数据的客观性、准确性不足。因此，本文主张采用层次分析法并结合D-S证据理论来对量表判断性数据进行有效综合，通过多个信息融合消除数据的不确定性，明确指标权重并建立评估模型。
1.利用层次分析法确定评价指标的权重。通过专家咨询等对每一层级的各因素进行两两比较并赋予相对重要性，构造判断矩阵求各指标权重，进行一致性检验避免产生重大偏差，构成评价的基本框架。
构建判断矩阵对某一级指标进行比较，以Uij表示指标i与指标j比较的相对重要性比值的评价结果。
2.建立风险评估模型。利用证据理论Dempster合成法则确定各级指标风险因素的基本可信度分配值和证据的联合作用，并利用bel信度公式和一级指标的基本信度分配值计算廉政风险的可信度值β，最终利用风险计算公式计算廉政风险值。
将各指标的评价标准分为低风险（X1）、较低风险（X2）、中等风险（X3）、较高风险（X4）、高风险（X5）五个等级，E（X）为相应的评估值，其取值范围是0？垲E（X）？垲1。利用德尔菲法对各指标的五个风险段进行勾选，确定风险因素的概率和MASS函数，在此基础之上结合单个因素的权重来建立可信度分配表。
其中，表2中数据属性基本表现为增长及变动情况，即存在变动值Cij，其评语集表现为取值范围;对其他存在主观性或非数值型指标数据（如配偶的职业情况等），采用模糊评语集的方式对各项指标进行评价，但该类数据意在展示公职人员的社会关系情况，一般难以发生明显异常变动，经第一次信息统计之后则可形成数值E（见表3）。
如表2所示，指标描述通常为变动率等具有腐败倾向性的数据，因此，等级评分数值越大，说明廉政风险越高，即腐败发生的可能性越大，需要对该公职人员采取更严格的风险管控措施。
四、公职人员廉政风险信息评估
中纪委出台的《关于加强廉政风险防控的指导意见》根据职位职权的重要程度、自由裁量权的大小、腐败现象发生的概率等因素，设置“高”“中”“低”三个廉政风险等级。参考多种社会应急预警划分标准，将廉政风险评估（见表4）由轻到重划分为五个等级，根据严重程度和紧急程度对公职人员进行廉政风险评估，分别设置相应的风险值分布区间和不同颜色的预警信号。将已获悉的公职人员个人廉政风险值R，对照公职人员廉政风险动态监测及预警评估表，明确公职人员的廉政风险现状，并对公职人员的系列行为发展趋势进行预测。
根据风险值的分布可划分五种风险等级，其中一级预警为零度风险，即无风险迹象或者风险程度极低，但仍要关注内外部环境变化，防止偶发性的、不可预测的风险。二级预警为轻度风险，即基本没有风险或者风险程度较低，但要警惕个体潜在性风险、突发性风险。三级预警为中度风险，即存在一定程度的风险，一般情况下，仅会造成微小的损害，需根据情况进行控制，消除隐患。四级预警为高危风险，即风险程度较高，但不会构成致命威胁，对这类风险必须及时加以预防和控制，避免风险扩大，降低风险损失。五级预警为严重风险，即风险程度达到构成致命危险级别，一旦发生，后果极为严重。对这类风险要高度关注，时刻警惕，如果出现征兆，必须立即预警并果断处置，以免发生灾难性损失。
数据的采集、分析是为了应用，但数据分析到评估过程之间需要谨慎测量、科学分析，纷繁复杂的数据意味着大数据廉政风险预警需要具备一定的容错率，为确保预警的有效性要对所监测信息进行人为检验。在信息初步分析之后，对公职人员廉政风险数据做折线图等数据可视化分析，针对出现显著异常变动的指标数据，要进行二次研判，以明确数据有效可靠和产生真实变动的原因，精准衡量对应公职人员的廉政风险程度。首先，与在线数据库中的案例数据进行对比分析找出和参照案例之间的异同点。其次，将相关数据及对比结果转交至预警专家进行分析判断，若情况相同且确实存在较为明显和重要的数据异常，则对应参照案例的处理结果采取相同应对措施;若情况不同或者存在其他影响因素且存在可疑情况，则返回前一步，进行细化分析、评估并找出存在问题，形成新的结果和预案，纳入数据库成为后续状况的参考案例;若情况不同且无明显特殊异常，则反馈给信息分析人员并保持持续跟踪。系统中不断纳入的数据信息和各类案件预警结果有助于提高数据丰富性和数据挖掘程度，进一步推动公职人员廉政风险预警的精确化、有效化。
五、公职人员廉政风险信息处理
公职人员廉政风险信息处理主要分为两部分：一是廉政风险预警信息的传播与发布，二是对应不同预警等级要采取的廉政风险管理措施。前者主要是针对发生或者可能发生、造成或可能造成严重社会危害的公职人员腐败事件、预警信息进行集中统计，根据相关文件和指示要求选择不同的预警信息传播渠道，发布预警信息，实现公职人员所在单位机关内部纪检部门和专门纪检监察机关的数据共享与信息对接，保证风险警情能够第一时间获取和处理。后者是在公职人员廉政风险动态监测及预警评估表（见表4）设置相应警情和风险程度下不同的应对处理措施，由负责部门实施相应的风险管理措施（见表5），强化公职人员廉政风险防范意识，推动廉政风险管理工作正常化、规范化。
根据风险预警等级或预警信号颜色，对不同程度的廉政风险进行区分处理，制定和实施不同的管理措施。针对一级预警的无风险要采取激励措施，对二级预警的容忍风险则保持观测，这两级预警无风险或风险较轻，由机关内部纪检部门负责，持续观测，无需对外发布预警信息。三级至五级预警意味着存在一定程度的风险甚至是致命性风险，需要引起重视，应转由专门纪检监察机关负责。
针对三级预警的检查风险，采取信用预警、廉政教育等措施，重新评估个人职业诚信数据，加强思想教育，引导公职人员正确履行职责，督促他们依法行政，防止风险扩大。针对四级预警的监察风险，综合运用内外部信息，及时发现、纠正倾向性问题和违规行为，遏制腐败行为的发生，并对该人员保持网络实时监测，通过阶段性追踪明确发展趋势，确保再无廉政风险。五级预警的严控管理风险意味着该公职人員腐败可能性很高，因此，要加强多方位防控，重点关注该个体数据的异常变动，剖析问题、抓住关键，对违规行为进行党内处理或组织处理，对明显违纪行为由纪检监察机关给予纪律处分，涉嫌违法犯罪的，移送司法机关依法处理。
防控管理措施并非一成不变，要动态跟踪个体公职人员的廉政风险等级的变化，实时考量廉政风险预警管理的效果，及时调整应对策略。此外，当某地区多个公职人员廉政风险数据发生异常时，要对该区域或该部门的反腐倡廉形势作出整体判断，并及时报送上级决策层研究处理。
六、结语
利用大数据的技术优势和数据价值进行公职人员廉政风险实时监测和动态预警，转变了既有的廉政工作机制，提高了公职人员廉政风险防控的效率和客观性，是有效防治腐败、优化政治生态的重要途径。公职人员廉政风险防控以腐败发生的三个条件为依据，以大数据为基础，通过对公职人员个体信息的全方位、立体化监测，衡量公职人员的廉政风险情况和行为倾向;对比廉政风险信息数据库进行谨慎验证并有选择地对外发布部分风险数据和预警信息，根据严重程度和风险等级由不同的负责单位对公职人员进行预警处置，从源头遏制腐败行为的发生，最大程度地避免腐败造成的不良影响。
无差别的公职人员微观个体层面的廉政风险防控为廉政数据平台的建设提供了一个出发点和参考点，通过推行统一规范和建设标准，打造协同联动的公职人员廉政风险预警和防控一体化平台，为区域廉政信息共享和数据深度融合、廉政预警精准化提供有力支持，助力从宏观层面把控廉政建设大局，实现廉政建设的规模化、整体化。我国幅员辽阔，灵活自主是必要的，但若各地各单位因地制宜地建立不同的防控标准，廉政风险防控大数据平台则无法真正形成，容易陷入信息孤岛等困境，其实际效益也会大打折扣。
此外，大数据的运用容易产生信息泄露、侵犯公职人员个人隐私、“数据主义”等问题，因此在采集、利用公职人员相关数据信息时要注重对个人隐私的保护，注意数据的生命周期，加强对专业人才的培训和系统平台的建设、维护工作。在有效实现公职人员廉政风险动态监测及预警的同时，也要符合伦理道德，以负责任的态度使用相关数据，合理保护公职人员的个人隐私。
参考文献：
[1] 谢一帆.关于廉政风险管理的理论思考[J].国家行政学院学报，2010（4）：102-104.
[2] 葛本成.廉政风险防控在实践中的困境与对策探讨[J].广州大学学报：社会科学版，2013，12（8）：5-10.
[3] 张冬.风险管理视角下公职人员利益冲突及风险防控探析[J].云南社会主义学院学报，2019，21（1）：125-131.
[4] 过勇，杨小葵.基于大数据的领导干部廉政监督机制研究[J].国家行政学院学报，2016（6）：22-27，125.
[5] 李红权，赵连章.构建中国特色的廉政指标体系[J].统计与决策，2008（1）：64-66.
[6] 孟天广，郭凤林.大数据政治学：新信息时代的政治现象及其探析路径径[J].国外理论动态，2015（1）：46-56.
[7] （英）维克托·迈尔-舍恩伯格.大数据时代[M].浙江：浙江人民出版社，2013：33-45.
[8] 赵淑梅.“大数据”与提高党的建设科学化水平[J].江西社会科学，2014，34（6）：11-15.
[9] 程文浩.预防腐败[M].北京：清华大学出版社，2011：4-9.
[10] 廖晓明，郑燕.论大数据视阈下公职人员腐败治理[J].江西社会科学，2019，39（1）：233-239.
[11] 胡胜强，龚会莲.交易匹配、风险规避与中间人参与型腐败机理研究[J].云南财经大学学报，2018，34（7）：105-112.
[12] 万璐，庄国波.大数据时代廉政预警新模式[J].领导科学，2017（1）：9-10.
[13] 何旗.家族式腐败的生成逻辑及其治理路径[J].中州学刊，2019（1）：7-11.
责任编校 ? 王学青
Abstract： Forward-looking and effectiveness in the prevention of integrity risks are of fundamental importance. Big data has provided new perspectives and methods in the study of related areas， dynamics supervision and prevention made possible by means of the mass data collected from the platform for coordinated prevention of integrity risks indicating the sharp increase in volume. Based on the current status of theoretical study and practice， government employees taken as micro-study subjects， the procedure for the prevention of such risks can be divided into four parts， namely， data collection， data analysis， data evaluation， and data treatment. Quantified analysis based on big data helps realize the analysis and evaluation of individual government employees and real-time supervision， timely prevention and containment of corruption made possible.
Key words： big data; government employees; integrity risks; dynamic supervision
