用好大数据 提升法院工作能力

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

随着信息技术的发展和扩张,互联网对人民法院的工作产生了巨大影响。近年来,我国法院系统在“科技强院”背景下,强调通过数据分析加强法院管理和审判能力,并取得了一定成效。

事实上,数据统计本身并不困难,真正困难的是反映在数据背后的一整套科学管理制度和流程。系统搜集数据意味着数据统计不能以事后方式为满足考核指标而完成,而是需要自动体现在整个诉讼和日常管理活动中。在业已建立起包括立案、分案、开庭、送达、结案、归档等重要节点在内的、成熟的案件处理流程的法院,整个组织的协调能力强,信息技术的应用能够进一步帮助这类法院提高审判效率。如上海市第一中级人民法院新审判执行管理系统中设有“日历、备忘录”功能,对于开庭时间、审限到期等事项在日历中予以标注提醒;此外,用户台账界面的面板要素及排列顺序还可以根据需要进行个性化的配置,不但能够提醒办案法官掌握重要时间节点和程序事项,满足不同法官的审判需求,而且有助于强化对审判过程的管理和控制。

法院能否用好大数据,组织制度基础非常关键,信息技术需要和法院审判流程的完善共同演进,这是“代码就是法律”这一经典论断在诉讼法中的体现。值得注意的是,有缺陷的信息技术平台可能成为法院完善审判流程的障碍。和很多政府部门一样,各级法院的案件信息管理系统相对封闭,适用的基础信息标准不统一,由此形成的案件信息、统计数据无法按照统一标准处理和分析,“信息孤岛”现象严重。在全国推进信息化数据平台的大政策下,有必要妥善处理这一矛盾。上海一中院在审判执行管理系统改造升级的过程中,非常重视指标库的建设和维护。根据收结存、质量、效率、效果、监控、执行等类别设置了110余项指标,明确了指标的定义、统计口径、计算规则等,不同的应用系统和报表显示的指标均出自该指标库,调用的数据是同一个,这就在很大程度上解决了“信息孤岛”问题,其经验做法值得借鉴和推广。

在搜集大量数据的基础上,除了上面提到的强化内部管理外,数据分析可以帮助各级法院在如下几个方面改善能力:

一是在微观尺度上深入理解审判规律。传统的司法统计是为了帮助上级法院特别是最高人民法院作出科学决策,理解审判规律,完善司法政策和司法解释,更好地使法院作为一个整体参与社会治理。现在的信息技术可以使各级法院自主地搜集和处理各类信息,依据本地情况以需求为导向进行数据分析,发现具有地方意义的数据关联性,从而可以更加深入地在微观尺度上理解审判规律,以数据形式展示审判活动同地区具体问题的内在联系。上海一中院新审判执行系统实现了与上海市高级人民法院审判管理系统、上海法院中心数据平台相对接,为科学决策奠定了高质量的数据基础。

二是对传统调研的有益补充。传统法院的调研方式包括调查组开座谈会、实地观察、书面调查、资料收集等,依靠有限的样本和经验对审判工作的真实情况进行认识。而通过互联网和信息技术平台则能够将审判实务经验同数据结合起来。比如,上海一中院新审判执行管理系统与该院研发的案件信息智能分析系统相对接,系统中的多个工作界面均有案件智能查询入口,不但实现了不区分检索项的一键即查,查询结果按照匹配程度智能排序,还可以在系统中对判决书、法条、相关判例等进行个性化的批注、撰写心得等,而这些“灵感”的“火花”都会被保存在用户个人账户中,案件查询输入项也会被自动记忆,实现了为调研工作随时而连贯地积累一手素材。

三是寻求公正的判决。上海一中院新审判执行管理系统根据法官审理案件的案由、上诉请求、援引法条等信息,智能推送与案件类似的最高人民法院、最高人民检察院公报案例、指导性案例和该院既判案例,供法官参考,对于实现同案同判,统一法律适用,维护司法公正非常有意义。

当然,尽管有助于考虑到更多的因素,但数据分析本身无法揭示案件背后复杂的社会关系,容易抹平地区差异,也就无法取代法官在个案特别是疑难或复杂案件中的自由裁量、利益平衡以及对校正公平的判断。特别是在大陆法系国家,司法经验和以后果为导向的实用主义思维方式比纯粹依赖数据作出的判决更加可靠。而那些事实清楚、法律规定明确的案件尽管可以预测,但一般都不会进入法院,而是事先庭外和解或以其他纠纷解决方式解决了。同时,鉴于中国地方法院往往会深入介入本地政治经济社会的发展,因此在司法统计基础上发展起来的大数据分析更有可能加强各级法院整体上的能动性,而非在个案中提供指引。不过分依赖抽象数据,真正将人的因素放在首位才是追求司法公正的应有之义。

最高人民法院已经对人民法院在网上公布判决书进行了规范,这就不仅有利于法院自身对判决书进行分析,对推进法学研究和法律服务等活动都非常重要。司法文书在隐去当事人隐私信息之后,是一种重要的公共资源。现在的信息技术已经允许向社会公开这类数据资源,在法院能力有限的条件下可以考虑向第三方研究机构开放共享,提供数据分析的增值服务,为法院科学决策提供帮助,使各级法院在过去相当长时间内积累的海量数据得到有效利用和开发。但需要注意的是,私人机构对公共数据资源的使用和开发也需要受到一定限制,并以满足公共利益为前提,防止少数机构垄断对公共数据资源的开发和获取排他地位收益。从这个意义上讲,上海一中院的做法是数字时代加强自身数据能力、确保公共审判机关自主性的重要尝试和实践。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
287 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
44 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
85 1
|
2月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
54 3
|
24天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
58 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4
|
1月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
58 3
|
1月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
66 2
下一篇
DataWorks