4.2 风险情报分析发现

美国《国防部军事与相关术语字典》认为，情报分析是通过对全源数据进行综合、评估、分析和解读，将处理过的信息转化为情报以满足已知或预期用户需求的过程。

风险情报分析的目的是提供社会治理决策者或组织决策者有关风险信息的一整套综合决策支持和应对处置流程。

风险情报分析平台一般包括多源数据采集收集、应用检索、决策知识库、数据分析（包括可视化呈现）、风险预警、决策支持、任务响应、行动协同、效能监测等几个部分。

有分析说：“战争中得到的情报，很大一部分是互相矛盾的，更多的是假的，绝大部分是相当不真实的。这就要求军官具有一定的辨别能力，这种能力只有通过对事物和人的认识和判断才能得到。”面对现代战争中越来越多的信息，如果不能有效提取优质信息，去除其中夹杂着的大量“信息糟粕”，就可能陷入“信息误区”，从而处于信息劣势地位，无法取得战争的主动权。

大数据技术就是从复杂信息中发现信息的关联性，揭示隐蔽性的事实，增强可信性的一门科学，它能够有效弥补传统分析方法在信息加工方面的不足，因此在战略态势感知方面越来越需要大数据技术的参与和支持。

风险情报数据分析算法的科学性对大数据处理来说至关重要，其直接影响所得结论的准确性。对于战略态势感知来说，需要有针对性地运用不同的算法，对特定事件出现的各种征兆或迹象进行采集、质疑、假设、数据补充、验证和评价，这一过程往往需要重复循环进行并不断修正，以提高结论的准确性。然而有关算法的逻辑基础大多是基于人的判断，虽然人的判断在后续会得到修正，但是如果一开始方向就是错误的，得到的结论可能会距离真相越来越远。

对于态势感知来说，大数据处理算法需要因时、因势、因事而定，片面的或者僵化的算法都将产生严重的误差，而人为因素的全程介入，则又将造成一定的主观性，二者的矛盾需要很好地协调解决，才能切实增强感知的有效性。同时，不同的数据场景、需求和应用场景也决定了使用的算法的不同或者性能的优劣，只有在不断地对相关算法进行调整、修正和测试比对的过程中才能找到最高效和接近现实演变及发展规律的算法。

通过大数据分析的方法发现风险的演进规律和预警性情报，对有效打击和预防风险提供必要的决策支持。信息化在国家安全领域的持续推进，随之带来的是各部门信息和数据意识的不断提升和增强，这也使得实际工作中大量数据的产生，在此类规模庞大的数据中，包含着我们尚未发现的有价值的内容。为有效利用海量数据，必须要有专门和高效的分析工具，实际运用和大数据有关的挖掘技术，将是有效解决这一需求的重要途径。

计算机应用技术的发展大致可以分为数值计算、数据处理、知识处理等三个方面。其中，数值计算主要侧重对于算法的研究；数据处理的主要对象为海量数据，数据库语言是其最具代表性的语言。伴随技术的发展，信息管理系统在数据库的基础上应运而生，主要作用在于实现对数据库进行方便的查询、修改和汇总，并及时提供我们需要的计算结果，以提高对数据库的管理效率。但是，实际工作中发现，对于复杂的系统，仅仅简单地依靠人工的方式提出计算指标，很难有效地实现对数据库的管理。此时，最有效的解决方案就是计算机代替人工对模型进行优化，再提出具体的解决方案。

数据库使用的时间越长，其自身所积累的数据就越多。随着数据的大量搜集和积累，我们运用有效的方式从中挖掘有用的信息就显得格外重要。解决问题的方法总是伴随问题而生，美国数据仓库之父比尔·恩门（Bill Inmon）在《建立数据仓库》中提出了数据仓库概念，即数据仓库是面向主题的、集成的、相对稳定的且随时间变化的数据收集，为管理决策提供支撑。其主要作用是将分散在不同平台上的数据进行重新组合和处理，形成主要面向决策的数据集。数据仓库最根本的特点是其中的数据不是新产生和专有数据，而是对其他数据库中数据的重新整合。数据仓库的建立不是取代原有的数据库，而是建立一个更加全面、完善的信息应用平台来支持高层决策分析。

数据仓库是在数据库技术上发展的一个新应用，最大特点是利用数据库管理系统对数据进行管理，体现在面向主题、高度集成、系统稳定、数据量庞大四个特点上。在运行过程中，数据仓库还需借助可视化工具、联机分析处理等前端访问工具。可视化工具以图形的形式显示数据，以了解数据结构的特点上。联机分析处理能够实现在线分析的功能。从此类长期积累的数据中挖掘分析有用的信息，实现知识发现的主要任务。数据挖掘（Data Mining）是知识发现（Knowledge Discovery in Database）的处理过程，也同时是知识发现的最重要环节。其具体含义是根据特定的要求从数据库中提取潜在有用信息的过程。

人工智能、统计学等也是知识发现和数据挖掘最常用的工具。人工智能概念在达特茅斯学院召开的研讨会上首次被提出来，到了20世纪70年代初期，人工智能开始新一轮的发展高潮，出现了大量成功的专家系统应用程序。20世纪80年代后期，人工神经网络研究将人工智能再次推向一个新的高度。与人工智能相关联的专家系统和机器学习等分支也在迅速发展。现实案例中典型的专家系统有两个部分：一是知识库+推理机+人机接口，与上述决策支持系统有些相似；二是人工神经网络系统，主要实现统计、回归、聚类等功能。知识发现和数据挖掘综合应用这些技术，从大量的数据中发现规律，提取模式，形成新的知识。虽然现在有专门的软件，但技术不能说已经非常成熟，人们已经认识到利用数据挖掘技术来寻找与行业工作相关的信息是每个行业适应信息时代发展的需要。因此，数据挖掘技术在各个行业中的有效应用逐渐受到人们的研究和重视。

“情报”在《辞海》里的解释为：“以侦察手段或其他方法获得的有关敌人军事、政治、经济等各方面的情况，以及对这些情况进行分析研究的成果”; “泛指一切最新的情况报道，如科学技术情报”。

社会安全风险情报工作是利用各种技术手段搜集、分析、研判、综合获取的内容，最终形成各种形式的风险情报产品。伴随现代化信息技术的发展，用户能够借助数据库和搜索引擎得到更多资源，并通过数据分析系统进行初步分析和研判。通用的信息获取和分析手段中，数据挖掘是最重要的技术之一，用户能够利用数据挖掘技术构建全面高效的情报分析预警体系。在新的国际环境和时代背景下，单纯依靠情报人员归纳、推理进行数据分析难以满足需求，在现有技术条件的支撑下，开发适合部门业务特点的数据挖掘和分析系统，将是提升风险情报发现能力赢得治理主动权，进而构建现代社会风险治理体系的必由之路。