随着大数据技术的产生和发展，其在司法实践中的运用越来越广泛，在侦破案件和预防犯罪方面发挥着重要的作用。特别是在职务犯罪中，犯罪分子反侦察能力强、犯罪手段多样，犯罪线索隐蔽，因而在职务犯罪中进行大数据整合运用的价值更加明显。但是大数据具有数量庞大、种类繁多、价值密度低等特点，需要通过科学的方法对其进行整合，从而建立一个科学的模型数据库，克服经验判断的缺陷，快速找出事件的相关性。利用科学方法对大数据进行整合运用时，需要特别注意逻辑问题，它直接决定数据间的关联性和准确性，影响案件侦查与预防的效果。
一、职务犯罪大数据整合运用的现状
李克强在十二届全国人大第三次会议上提出制定“互联网+”行动计划，推动互联网、云计算、大数据等与现代制造业结合，促进电子商务、互联网金融的健康发展。“互联网+”刮起一股旋风，各行各业高度重视与互联网相结合，特别是注重大数据的整合和运用。随着大数据整合运用的领域越来越多，其在方便服务、优化流程、分析预测等方面的优势受到各领域的重视，但在安全、执法、司法领域，尤其是在司法领域的整合运用刚刚起步。尽管大数据在司法领域还没有得到充分利用，但目前大数据在侦查和预防犯罪方面的优势已受到高度重视。安徽省在修订后的《安徽省预防职务犯罪工作条例》中规定：“检察机关应当健全职务犯罪档案查询系统，为国家机关和有关单位在公共资源交易、招录、选任等工作中查询相关单位或者人员是否有职务犯罪记录提供服务”(1)《安徽省预防职务犯罪工作例》，安徽省人民政府网，http://www.ah.gov.cn/UserData/DocHtml/1/2016/5/8/5907697365595.html，2016-05-18访问。。就全国范围来看，大数据的整合运用主要体现在职务犯罪工作中的两个方面：“一是职务犯罪档案查询。为遏制职务犯罪，促进社会诚信体系建设，检察机关对职务犯罪案件判决信息进行分类、整理、录入、储存，建立数据库。二是职务犯罪年度总结。检察机关通过分析、统计、归纳、分类等方式对职务犯罪案件进行全面总结，针对年内职务犯罪发案的特点、原因、规律、发展趋势等情况提出预防措施，通过层层的数据统计、研判、总结，对易发、多发职务犯罪高度重视，防止职务犯罪的再发生。”[1]
二、职务犯罪大数据整合运用的必要性和可行性
1. 职务犯罪大数据整合运用的必要性
(1) 职务犯罪侦查模式的传统性。网络时代，信息的爆炸式增长给检察机关侦查工作带来了前所未有的挑战。网上交易、手机支付等多种新形式的高科技方式的使用，以及越来越隐蔽的职务犯罪作案手段，导致新型受贿方式的出现，如长期借款、廉价购房、退休后担任企业顾问等。“一张纸、一支笔、两条腿”的传统职务犯罪侦查方式，已经难以适应大数据时代的要求。“这种方式不仅很难发现犯罪，而且很难认定犯罪。”[2]“预防职务犯罪的关键在于功能前移，以确保在职务犯罪发生前就予以成功遏制。”[3]传统的侦查模式只有紧跟时代、与时俱进，针对全新的犯罪形式、犯罪手段，充分发挥大数据的优势，改变侦查工作方式，更新传统侦查理念，使僵硬固化的传统侦查模式变为以大数据为基础的全方位侦查模式，才能发现隐蔽的线索，侦破案件。要想通过海量数据推算出所需要的特定信息，就必须发挥大数据在发现信息、提取信息和推算信息等方面的优势。
(2) 预防职务犯罪的被动性。预防宣传、预防咨询、警示教育等方式是检察部门采取的预防职务犯罪的主要措施。检察部门进行宣传教育的重点是改造预防对象的思想观念、生活作风、道德品质等主观世界。这种预防职务犯罪的方式只能暂时起到一定的警示作用，但持续性不强，效果不佳。此外，这种预防方式需要被预防对象的配合，若被预防对象不配合或消极配合，则职务犯罪预防工作将陷入被动。
(3) 预防职务犯罪的滞后性。当前，职务犯罪预防工作存在滞后性，在没有把侦查和预防相结合的侦查部门，只有在侦破案件后才进行预防。而预防部门对案件情况了解更加滞后，为了探究犯罪的原因，需要对案件进行分析和调查，进而提出检察建议，然后通过具体案件深入到发案单位所处的行业和领域，提出有针对性的预防措施，帮助单位建立相关制度，防止类似案件发生。通过大数据的研判和预测，对数据库中的数据进行分析和推算，可以发现凭个人经验难以发现的有效信息，据此进行动态检测分析并提出意见，总结犯罪的趋势、发案特点，从而为预防犯罪提供指向。
(4) 建立信息共享平台的需要。“职务犯罪案件要实现‘信息引导办案’就不可避免地要完成信息资源的高度共享。”[4]目前，检察系统内部预防工作较为分散。检察数字专线网络虽是“运用网络通信信息管理等技术所建立的连接各级检察机关的网络系统，并按级别分为三级网络系统”[5]，但大部分职务犯罪预防部门“闭门造车”，不同地区间的预防大数据未能统一和共享。随着各单位的业务与大数据紧密结合，职务犯罪预防工作要抓住此特点转变预防手段，通过对大数据的共享和研判加强事前预防。通过大数据进行事前预防的效果，优于工作人员依靠经验进行事后预防的效果。
2. 职务犯罪大数据整合运用的可行性
当前，个人的财产进出、社会交往等多方面已经基本实现了信息化管理，为利用大数据预防职务犯罪提供了契机。信息化时代，我们能够通过对大数据的分析和推算，发现职务犯罪预防或侦查所需要的信息。当下职务犯罪的“信息痕迹”比传统职务犯罪的“物质痕迹”增加，并且“信息痕迹”更不容易变更、销毁与灭失。但是数据具有数量庞大、种类繁多、价值密度低等特点。“大部分数据是非结构化的数据，数据质量参差不齐”[6]，这就需要对大数据进行整合。“工作人员以大数据为基础，通过整理、提炼、挖掘、分析等，研究犯罪形势，判断犯罪趋势，把握犯罪规律，发挥主观能动性，有针对性地采取侦查措施，从而实现宏观层面的准确判断和微观层面的精准打击。”[7]
如何通过大数据“捕捉现在”从而来“预测未来”?通过科学的方法对大数据进行整合，从而建立一个科学的模型数据库，能够克服经验判断的缺陷，快速找出事件的相关性。若侦查对象的社交人群、银行存款等信息出现异常，大数据平台就会发出预警，然后通过数据库对侦查对象的交易记录、住宿记录等进行分析，判断侦查对象是否存在职务犯罪的可能性，从而使检察机关在第一时间介入，变传统的“以人为中心”的侦查思维方式为“以数据为中心”的新型侦查思维方式[8]，实现预防从主观教育到客观制约的转变。“以多视角、全方位的方式和思路展开对案件的侦查工作，坚持以数据主导侦查的理念来指导侦查工作，最大程度地避免刑讯逼供和冤假错案的发生。”[9]
三、职务犯罪大数据整合运用中的逻辑方法
1. 演绎推理法
演绎推理是从一般到特殊的推理，它是援用一般性的原理或规则来论证较特殊的命题。例如，“国家工作人员利用职务的便利，索取他人财物，为他人谋取利益的行为构成受贿罪。”这是构成受贿罪一般的法律规则。如果某国家机关工作人员甲利用职务上的便利，为乙谋取利益并非法收受财物，那么就可以得出甲构成受贿罪的结论。这就是一个演绎推理的过程。推理是由已知推未知的一种思维活动。由上面例子可以看出演绎推理的方法：一是已知并需要进一步认识的特殊的事实情况，即“某国家机关工作人员甲利用职务上的便利，为乙谋取利益并非法收受财物”；二是运用一般性规则，即对个别情况的普遍认识，将特殊对象的情况涵摄于一个一般性原理或规则之下，从而得出对特殊对象的新认识。
演绎推理法可以在职务犯罪大数据的运用过程中广泛使用，并能够提高职务犯罪案件的侦查效率。随着职务犯罪分子反侦查意识不断增强，其手段更加隐蔽，加大了侦查人员的破案难度，花费大量的人力、财力和时间。而在大数据背景下，可以运用科学的方法对职务犯罪大数据进行整合，对职务犯罪大数据进行分析和归纳，对职务犯罪的手段、特点、隐匿方法等进行分类和总结。在此基础上，对被怀疑对象可以运用大数据对其进行分析和监控，而演绎推理法在其中发挥着重要作用。整合出的大数据具有一般性的特点，它是对各种情况进行的分类总结归纳。在实践中，当个别情况发生时，可以运用整合的大数据对个别情况进行分析，将特殊情况涵摄于一般情况，进而能够快速判断个别情况是否已经构成犯罪。
2. 归纳推理法
归纳推理是从特别到一般的推理，是从一系列的个别事件中认识一类事件的一般规律。它是通过对一系列个别事件的观察整理，得出包括这一系列对象在内的结论，但该结论是对一类事物认识的扩展，其实就是对已知事实进行抽象和概括的过程。这种过程，可以表述为下面的推理形式：
A1具有a属性；
A2具有a属性；
A3具有a属性；
……
归纳推理的根本特点在于对前提考察事件所得结论超出前提的范围，是根据观察已知的事件预测更多事件。但是，归纳推理是一种非形式推理，其结论具有或然性。因此，在得出结论特别是在犯罪案件中得出结论时，所获取的材料必须尽量真实客观，并进行不断验证。
归纳推理方法也可以在职务犯罪大数据的整合过程中广泛使用。大数据具有数量庞大的特点，必须对其进行整理归纳，以使数据更清晰直观。职务犯罪案件呈现出犯罪手段多样、犯罪形式多样、犯罪主体多样等特点，因此需要对职务犯罪的各种特点进行归纳整理，在此基础上对各类职务犯罪进行细化分析，使职务犯罪大数据更加规整和清晰。这样的职务犯罪大数据能够提高侦查的效率和预防的效果。“例如，某市检查机关侦查人员在摸查某银行副行长经手的贷款去向时，发现他经手的贷款多次流向房地产行业。根据这一信息，侦查人员调查了刘某经手的多家房地产公司贷款资料，并从中筛选8家房地产公司，对其负责人进行传唤。”[10]由于反腐行动声势浩大，各监察部门高度重视，在强大的压力下，各房地产负责人交代了向刘某行贿的犯罪事实。在这里，“每一笔大额资金的流动都可能伴随着腐败的行为”就是通过归纳推理得出的。根据该推理，呈现出刘某多起贷款受贿事件的全过程，使案件得以快速侦破。
3. 类比推理法
“类比推理是根据两个对象的某些属性相同或相似，从而推出它们的另一个属性也相同或相似。”[11]其推理形式可表示为
A具有a、b、c、d、e属性；
类比推理是在类比对象与认识对象之间进行的推理活动。类比推理在职务犯罪侦查过程中运用比较广泛，可以根据两个案件某些方面属性的相同或相似，为侦查提供线索和方向。“大数据就是基于对两组数据的数理关系做到量化评定从而来构建关联性。”[12]特别是两起案件在某些方面具有相同或相似的特点，如性质、情节、方法、手段、动机等，往往可以直接得出结论。但类比推理属于一种或然性推理，其结论不完全可靠，需要通过事实证据不断论证，在已有事实条件下一步一步向真相靠近。也正是由于类比推理具有或然性这一性质，决定了在运用类比推理时要注意增强推理的合理性，针对推理的特点努力提高结论的可靠程度。为此，在进行类比推理时要尽量遵循三项逻辑要求：一是进行类比的属性，要与推出的属性具有相关性，相关性越高则得出的结论越可靠。二是对于进行类比的两个事件，应尽量找出它们更多的相似或相同属性，相同属性越多则得出的结论也越可靠。三是不仅要找出两个案件的相同属性，还要找出它们的不同属性，考察不同属性是否对案件的性质产生实质影响。如果不同属性对案件的定性起关键作用，那么即使有再多的相同属性，则结论也非常可能是错误的。
在大数据的整合运用过程中，类比推理是一个非常重要的方法。通过类比不仅可以直接对具有相同或相似性质、情节、方法、手段、动机等特点的案件进行分类，而且可以通过类比推理对隐含的需要推理得出的具有相同或相似属性的案件进行分类。这样可以使职务犯罪大数据的分类更加细致，提高职务犯罪案件的侦破率以及侦查效果，从而有效防止出现冤假错案。在大数据的运用过程中，使用类比推理方法进行案件侦查是非常普遍的。通过对大数据的整理分类归纳，已经比较清晰地呈现出各类职务犯罪及其特点，在侦查过程中可以直接运用大数据进行预测，从而提高侦查效率。例如，某县公安局在侦查一起金融诈骗案时，发现涉案巨额财产的进出是通过某银行进行转账的。根据大数据分析，这种情况一般在银行高管的协助下才能进行。侦查人员据此开展进一步的侦查，发现犯罪嫌疑人王某与该银行的副行长孙某是亲戚。侦查人员推断该银行高管具有职务犯罪嫌疑，并在此假设的基础上很快侦破案件。该案的推测就是通过大数据进行类比推理得出的，并通过案件侦破得到验证。
当然，在大数据的整合运用过程中，三种逻辑方法不是相互割裂的，而是相互结合的。演绎推理方法的运用，是在归纳整理相关数据的基础上进行的，因为演绎推理自身的特点，其大前提必须是一般的原理和规则，而一般的原理和规则通常情况下是通过归纳总结得出的。在运用归纳推理方法时，也离不开演绎推理。在为归纳作准备而搜集数据时，必须以一定的原理为指导才能确定方向。归纳推理与类比推理也密不可分、相互联系。在对大数据进行分类的基础上，归纳出各类大数据的特点，使庞杂的大数据清晰化，当出现相同或类似的情况时发出警报引起注意，有助于为侦查和预防犯罪提供方向。类比推理法与演绎推理法也是相互连系、相互依存的。在职务犯罪的预防和侦查过程中，类比推理的运用是为演绎推理作准备的，通过类比可以知道行为人可能出现犯罪，但最终要将其确定为犯罪嫌疑人还需要通过演绎推理，判断该行为是否涵摄于一般原理，如果涵摄则可以将其确定为犯罪嫌疑人，采取重点监控预防措施。
四、职务犯罪大数据整合运用中应注意的逻辑错误
这里所说的逻辑错误主要是指违反逻辑思维规律而导致的错误。逻辑思维规律包括同一律、矛盾律、排中律和充足理由律，要求思维的确定性、不矛盾性、明确性和完全性。在大数据的整合运用中，要严格遵循逻辑思维规律，这是最基本的要求，否则将会出现数据错误，导致判断错误，影响预防效果和侦查效率，在人力物力财力等方面造成损失，严重的还可能导致冤假错案。
1. 违反同一律
同一律是指“在同一思维过程中，任何思想与其自身同一”[13]。它要求在同一思维过程中概念必须与其自身保持一致，即使用的概念内涵和外延必须确定。在大数据的整合运用过程中会使用许多概念或者判断，这要求在同一思维过程中，即对象、时间、关系相同的情况下，概念或者判断必须与其自身同一，否则将会出现逻辑错误。
(1) 偷换概念。偷换概念“是在论证过程中自觉或不自觉地改变了一个概念的内涵或外延，把两个本来不同的概念混为相同概念，并且用其中的一个概念暗地替换了原先使用的另一个概念。”一种情形是把两个不同的概念作为相同的概念。例如，把“贪污”与“职务侵占”混为一谈，把“国家工作人员”理解为“国家机关工作人员”等。另一种情形是改变一个词语的概念，替换原来的概念。例如，把被告在部队时的立功表现，作为《刑法》中所说的立功表现。由于语言本身具有模糊性和歧义性，偷换概念错误在大数据的整合运用中比较常见。在大数据的整合过程中，要注意概念的内涵和外延，把具有模糊性歧义性的概念内涵和外延解释清楚，尽量减少整合中出现错误。因此，在大数据运用过程中也要注意概念的内涵和外延，在同一过程中保证概念的一致。
(2) 转移论题。所谓转移论题是指已证明的论题与需要证明的论题不一致。在实践中，为了证明职务犯罪嫌疑人有罪，无论这个过程多么复杂，侦查人员必须保持论题的一致。通过大数据可以整合职务犯罪的特点以及犯罪嫌疑人的表现，但这些只说明可能是职务犯罪，并不能说明已构成职务犯罪。侦查人员往往通过犯罪嫌疑人开支较大、收支悬殊，并且是国家工作人员从事部门营业工作，从而判断犯罪嫌疑人是职务犯罪并实行抓捕。一方面，犯罪嫌疑人的确有职务犯罪的可能，但这样的证据不足以证明犯罪，最后可能被翻供，打草惊蛇。另一方面，这也可能导致判断错误，即犯罪嫌疑人并没有犯罪。因此在运用大数据时，要注意证明的论题，构成犯罪和具有犯罪嫌疑是不可相互替代的。
2. 违反矛盾律和排中律
(1) 自相矛盾错误。矛盾律是指在同一思维过程中，相互矛盾的思想不能同时为真，必有一假。违反矛盾律就会犯自相矛盾的逻辑错误。矛盾律的作用在于排除思维中的矛盾错误，在大数据整合运用过程中具有重要作用。在大数据的整合运用中，必须保证大数据的一致性，不能自相矛盾，否则将会降低大数据的效用。遵守矛盾律，应保证大数据的准确性、科学性、严谨性。
(2) 模棱两可错误。所谓模棱两可是违反排中律的典型错误，是在相互矛盾的两种思想前既否定这种、又否定那种，看似有所断定，实则在两种思想之间游移不定。首先，在大数据的整合过程中，对于相互矛盾的思想应当有所取舍，不能同时否定，要根据大数据对信息进行分析，得出清晰确定的结论。其次，在大数据的运用过程中，更要注意排中律的运用。在职务犯罪侦查过程中，侦查人员应遵守排中律，先否定后肯定，对案件作出确定的判断。在此过程中，其作出先否定后肯定的论断依据是大数据，大数据已经对职务犯罪的信息进行了整合，通过大数据可以快速对事实进行判断，解决侦查过程中面临的模棱两可的困境，有利于侦查人员快速侦破案件。
3. 违反充足理由律
所谓充足理由律是指任何一个判断都有其充足的理由或根据。世界上任何事物和现象的出现都不是无缘无故的，都有其特定原因。在大数据的整合运用过程中，要抓住事物和现象的这种特点，分析整理出其相关关系，“通过找到一个现象的良好关联物，相关关系可以帮助我们捕捉现在和预测未来。”[14]但在此过程中，应该注意避免逻辑错误。
(1) 预期理由错误。真实性不确定的论据是预期理由，以证明论题真实发生的错误。预期理由错误常常表现为将主观猜测或想象作论据，以证明论题的真实性或正当性。尽管这样的论据不一定为假，但也不一定为真，如果用这样的论据来证明论题，很可能会导致错误。在大数据整合和运用过程中，尽管对职务犯罪大数据进行归纳、总结、分类能够清晰地了解职务犯罪的表现、特点等，但对大数据的分析主要是为了预防职务犯罪，或帮助侦查人员快速侦破案件，并不能直接得出结论。例如，根据大数据分析，某市银行公职人员王某近期消费较高、次数较多，已超出了其购买力，具有职务犯罪的嫌疑，但据此只能对王某产生怀疑，将其确定为重点侦查对象，并不能将其作为犯罪嫌疑人进行抓捕。若把王某当作犯罪嫌疑人，很可能会出现判断错误，即使判断没有错误，也可能会打草惊蛇。
(2) 推不出错误。所谓推不出错误是指论据与论题之间没有必然的逻辑关系，其特点是论据与论题不相干，因此即使论据真实也不一定能证明论题真实。在大数据整合运用过程中，主要是归纳各类职务犯罪的共性，当某国家工作人员具有上述共性特点时，就可能存在职务犯罪现象。当然，这里也要注意个别职务犯罪案件的特点，因为随着社会的发展变化，新的犯罪手段、犯罪方法等可能被运用。这里的共性和个性特点都与职务犯罪具有直接或者间接的联系，而不是一些不相干的事实。例如，国家工作人员张某平时消费大手大脚，经常购物，并且买了许多衣服。按照一般人的理解，张某是一个喜欢购物、喜欢买衣服的人，而不应直接把她作为职务犯罪嫌疑人进行重点侦查。根据大数据整理出的职务犯罪表现是花费远远超出收入，而消费多是职务犯罪的不相干条件，从而会导致推不出错误。
五、结 语
大数据在司法领域的推广使用，将转变传统的侦查与预防工作模式，变被动为主动，变案后为案前，顺应时代潮流，提高工作效率。但在大数据整合运用过程中应注意一些问题，特别是逻辑错误问题。遵循逻辑思维规律是大数据整合运用过程中的基本要求，是发挥大数据应有价值的前提条件。大数据是时代的产物，采取科学有效的方法对大数据进行整合运用，能够提高大数据在司法领域的运用效果，发挥大数据的优势与价值。但在大数据的整合运用过程中，应加以适当的规制，加强人权保护，防止个人隐私泄露。“对于重大案件可以使用秘密手段进行相关数据的搜集，但法律对于不同程度、不同类型的犯罪能够搜集到何种秘密程度的个人信息没有具体标准。”[15]该问题是关于大数据安全的重大课题，值得进一步深入研究。
[1] 钱益莘.大数据技术下的职务犯罪预防 [J].法制与社会，2016(10)：276-277.
[2] 程宏.大数据背景下反贪侦查模式的转型 [J].中国检察官，2015(3)：54-56.
[3] 付艳茹，马强.大数据背景下职务犯罪预防途径和方法 [J].中国人民公安大学学报，2015(6)：9-16.
[4] 北京市人民检察院课题组.信息引导职务犯罪侦查机制研究 [J].国家检察官学院学报，2011(1)：121-127.
[5] 杜少尉.大数据环境下职务犯罪信息平台建设 [J].知与行，2017(1)：90-93.
[6] 于兆吉，魏闯.大数据下主题数据库的研究现状与展望 [J].沈阳工业大学学报(社会科学版)，2014(3)：263-266.
[7] 李蕤.大数据背景下侵财犯罪的发展演变与侦查策略探析——以北京市为样本 [J].中国人民公安大学学报(社会科学版)，2014(4)：150-156.
[8] 张俊岳.“大数据”背景下侦查工作变革 [J].北京警察学院学报，2014(4)：48-50.
[9] 毛鹤.浅谈“大数据”背景下侦查工作的变化与发展 [J].佳木斯职业学院学报，2015(2)：308-309.
[10] 柴学友，朱武.试论职务犯罪侦查假说的思维方法 [J].中国刑事法杂志，2009(2)：95-98.
[11] 柴学友.职务犯罪侦查难的逻辑破解 [J].人民检察，2016(21)：68-69.
[12] 大米顿.大数据在职务犯罪侦查模式转型中的应用 [J].中文信息，2016(11)：299-302.
[13] 雍琦.法律逻辑学 [M].北京：法律出版社，2004：351-352.
[14] 维克托·迈尔·舍恩伯格.大数据时代 [M].盛杨燕，译.杭州：浙江人民出版社，2013：50.
[15] 孟祥雨.试论大数据背景下公安情报搜集法律规制 [J].政法论坛，2015(2)：9-10.