重庆市局:以大数据为引领 探索打假新模式

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

面对“互联网+物流快递”等新型涉烟违法犯罪行为日益多发的挑战,2016年,重庆市烟草专卖局创新思路、主动作为,以大数据运用为核心,联合公安部门组建涉烟情报信息分析研判中心,以情报导侦为抓手,革新作战技法、提升打假能力,引领专卖工作转型升级。

强化协作 升级打假体系

2015年年底,重庆市政府成立烟草产业发展领导小组,进一步加强对卷烟打假的组织领导、统筹协调。

以此为契机,重庆市局积极联合社会综治、工商、海关、质检等部门,在信息化监管、数据共享、执法资源共用等方面探索新的合作渠道与方式,巩固了“党委领导、政府主导、烟草牵头、部门联动”的打假格局。

具体而言,重庆市局联合重庆市公安局共同出台了《关于进一步深化卷烟打假长效协作机制的意见》,挂牌成立打击涉烟违法犯罪办公室。同时,重庆市局与交通管理、邮政管理部门新建协作机制,通过信息共享、数据比对,准确锁定打击目标。截至目前,全市已拦截寄递假烟包裹十万余个,查处单次寄递假烟数量上千条的案件近百起,有效遏制了寄递渠道分销假烟的猖獗势头。

此外,重庆市相关部门还通过个案研讨、类案指导,厘清新型涉烟违法犯罪电子证据的采集及认定标准,为打假追刑提供了法律支撑。“线上分析、线下打击”相结合的新模式,为公安及相关执法部门实施互联网商业模式监管开辟了新路径,奠定了更坚实的联合打假基础。

在健全完善联合执法卷烟打假体系的同时,重庆市局还积极与行业兄弟单位合作,强化信息共享、执法联动,构建了全国专卖大融合的协作机制,密织了“打源头、断渠道、控终端”的立体防控网络。

福建省局等单位提供快递单五万余份,从假烟源头拓展信息来源;江西省局、湖南省局等单位从快递包裹外观识别、货物现场印证方面为重庆卷烟打假传授经验、提供支持;浙江省局积极协调,帮助形成完备的证据链条。

在行业单位的大力支持下,情报中心数据库进一步充实丰富,数据分析、情报导侦能力大幅提升。在上级单位的统一部署下,情报中心积极开展“双11”“双12”电商涉烟案件线索分析,通过异地推送线索、属地实施抓捕,全国共计刑拘52人,形成了“以网制网、以网破网”的大格局。

技术支撑 抢占前沿阵地

情报中心以“大情报”体系为根本,结合烟草稽查实际,充分借助各种执法资源,广泛筛选、关联海量信息,对不法分子进行思维模拟、行动推演,拼接描绘违法犯罪过程,实现全时空、全视角、针对性的动态化监控。

同时,注重“技术、数据、经验”的有机结合,以新制新、以网破网。比如,重庆市局与公安部门合作开发“天络递网”监管系统,综合运用数据信息,日均处理数据50余万条,有效信息率占比0.1%,在关键节点取得突破。同时,重庆市局自主开发“E专卖”APP,实时采集信息,对全市打假数据采集、信息传递、指令下达进行流程化管控,实现全面覆盖、按需联网、快速响应。

通过数据碰撞与实地查控相结合,重庆市局联合公安部门实施有针对性的查证布控及定向抓捕,形成了“以我为主、为我所用”的特色信息研判模式,抢占了信息战的前沿阵地,打击精准率不断提升。

突出重点 严控终端市场

抓住重点,才能有的放矢,取得实效。

重庆市局将全市划分为五大片区,以终端市场、寄递渠道和物流监管为重点,整合全市专卖稽查力量,开展整体防控、重拳治假。

2016年以来,情报中心推送市内案件线索1178条。重庆市局稽查总队查获违法卷烟856万支,实物案值1375万元。

2016年8月起,重庆市政府在全市范围内组织开展了卷烟打假打私打非“利剑”专项行动,查处违法卷烟1420万支,取缔涉假名烟名酒店404户,有力维护了市场秩序。同时,重庆市局积极响应国家社会诚信体系建设,推送销售假烟等涉烟严重违法户进入全市联征系统,切实树立烟草打假权威。

一系列努力带来的成效明显:2016年,重庆全市查处涉烟案件1.1万起、违法卷烟7500万支,实物案值7092万元。其中,5万元以上案件112起,百万元以上案件20余起,集群战役4起。

下一步,重庆市局将进一步完善指挥管理体系,加强专卖队伍建设,深化协作机制,促使卷烟打假取得新成果。

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 
目录
相关文章
|
1月前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
158 6
|
1月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
65 2
|
1月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
56 2
|
1月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
57 0
|
1月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
69 0
|
3月前
|
分布式计算 资源调度 大数据
【决战大数据之巅】:Spark Standalone VS YARN —— 揭秘两大部署模式的恩怨情仇与终极对决!
【8月更文挑战第7天】随着大数据需求的增长,Apache Spark 成为关键框架。本文对比了常见的 Spark Standalone 与 YARN 部署模式。Standalone 作为自带的轻量级集群管理服务,易于设置,适用于小规模或独立部署;而 YARN 作为 Hadoop 的资源管理系统,支持资源的统一管理和调度,更适合大规模生产环境及多框架集成。我们将通过示例代码展示如何在这两种模式下运行 Spark 应用程序。
256 3
|
23天前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
1月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
40 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
1月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
|
1月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
43 5
下一篇
无影云桌面