在执法中使用数据治理和数据管理制定一个包括战略、实施和创新需求的研究议程（英）

运用数据治理与数据管理于执法 构建包含战略、实施和创新需求的研究议程 JohnSHollywoodDulaniWoodsSamuelPetersonMichaelJDVermeer BrianAJackson 执行摘要 选定的优先需求 结果 开发工具和培训，使非传统数据（尤其是数据库注释和社区调查中的免费文本）可用于决策。应扩大联邦或州的标准或指南，包括数据共享性、数据所有权、数据使用条款和可转让性。建立模型政策，以执行技术审计，识别新技术的主要安全、隐私和公民权利风险，并确定缓解策略。开发模型政策和审计方法，以识别某些人具有高风险，在他们犯罪之前就对人们进行预判。任何此类方法都应透明，需要刑事先决条件，并包括正当程序。公布对数据负责人员的模型角色和职责（这些人可能不在警察部门）。开发包含如数据隐私、数据所有权、法律和合规性以及可转让性等关键数据治理要求的通用合同语言。 各级执法官员、政策制定者和社区安全合作伙伴强烈依赖数据来做出决策。然而，专家和评估报告反复指出，执法数据的质最和互操作性（在本报告中广义定义）存在重大问题，结果有时会阻碍执法决策和行动。 研究领域数据治理并且数据管理DGDM特别针对通过提高数据质量和互操作性来优化数据的方法。数据治理涉及控制（规划和管理工作，包括政策、组织结构和正式程序。）数据管理涉及执行 对于那些行动，包括技术、教育和文化努力，以改善数据。DGDM还包括利益相关者参与该部分涵盖了识别组织内部和外部利益相关者对数据需求的实践，以及在组织内部构建支持以应对这些需求的变革。DGDM解决组织的、政策的和程序性的要求，以及改进数据的技术活动和管理的策略，但不包括技术活动的完成本身。 代表司法研究所、警察行政研究论坛和兰德公司，于2023年4月18日和20日召开了一次研讨会，旨在征求法律执法信息技术、DGDM以及隐私、宪法法和数据法专家的意见，以确定利用DGDM知识，推动执法数据质量和互操作性的重大改进的最迫切需求。 参与者们的讨论结果产生了以下五个总体主题。 提升执法部门的数字取证数字调查能力。一般来说。优先事项包括制定分布式生成需求管理指南、核心流程 、培训以及为机构提供与供应商合作的指导，包括数据质量和互操作性方面的模型征求和合同语言。这些改进的能力为解决其他四个主题提供了一个基础。 面向警务（例如，捕捉公共安全问题及其解决方案进展的数据）；当前执法记录数据通常不涵盖社区安全问题或解决这些问题的努力。这一主题还包括更广泛的改善社区安全的努力，这些努力与警方相邻，且超出执法范围（例如，改善环境以提高安全性），包括利用执法机构外部的数据以及支持转向和分流工作。 提高执法数据保护措施在整体上以及与当地社区团体合作以确定他们自身辖区数据正当用途和限制方面。参与者还呼吁对用于机器学习应用（例如，预测警务）的数据和分析实施特殊保护。利用DGDM（数据治理数据管理）以各种方式改善社区安全数据保护，是研讨会中涌现出的最高优先级主题。 提高数据决策中的社区参与度。 包括关于数据公平和参与式决策的方法，以及将负责社区安全数据的个人角色和责任。 开发新的数据和流程，以支持广泛的、多机构的社区安全概念。超越传统执法数据的方法。优先事项包括支持新型数据和处理过程的发展，以便解决问题 提升传统执法数据的价值总体而言，优先事项包括支持执法记录管理系统的现代化和计算机辅助调度，以支持跨部门数据共享；与核心联邦存储库共享，包括国家基于事件的报告系统（国家犯罪事件统计数据报告）和美国联邦调查局使用武力数据库；以及与其他刑事司法系统部分共享，以追踪在整个刑事司法系统中的流量和个案生命周期。 利用DGDM实践来支持这些主题将提高社区安全数据的质量（包括完整性和安全性），以及执法机构和其他所有参与社区安全企业的机构及团体之间的互操作性。 研讨会参与者呼吁对数据和分析师实施特别保护。机器学习应用（例如，预测警务）中使用的ses。 使用分布式生成分布式管理系统以增强社区安全数据保护最高优先级的主题，源于研讨会。 引言 各级执法官员、政策制定者以及社区安全合作伙伴高度依赖数据来做决策。然而，专家和评估机构反复指出，执法数据的质量和互操作性存在重大问题。在此，我们对这两个术语做广泛定义。质量包括确保执法数据适合使用所需的所有数据属性的全范围，包括整体正确性 、可访问性、代表性、相关性、完整性和安全性。1互操作性包括所有用户和组织在界限内有效共享和使用信息的所有技术、语义和组织需求。2问题存在于这两个领域中的任何一个或两个领域，都阻碍了执法部门的决策和行动。以下两个例子： 机构“仍然没有以标准化的方式持续收集关键事件、执法活动和其他重要措施的数据。” “T数据记录的方式可能会使人们难以理解那些事件中发生了什么（例如，与心理健康相关的电话在CAD系统中被编码为‘非法入侵’），警方干预取得了什么成果，以及哪种干预最终或最能解决局势。” 机构“缺乏数据与测量的文化。官员们不理解收集和报告所需数据的理由。” “没有有效的策略来激励官员以一致和有用的方式收集所需数据。” 在2021年底，美国政府问责办公室报告称，由于无法从代表60警官的机构获取数据，联邦调查局（FBI ）未能获取足够的数据以满足管理预算办公室对其国家使用武力数据收集系统（UoF）的要求（美国政府问责办公室，2021；杰克曼，2021）。 所有前五项需求（至少在很大一部分上）是（需要） 。数据问题无论是系统、数据结构、数据意义，还是组织政策和规范。 有必要从询问执法数据是否需要改进转移到询问它们应该如何改进。领域包括数据治理并且数据管理DGDM关注通过提高数据质量和互操作性来改善数据的途径。简而言之，数据管理涉及到执行包括技术 、教育和文化行动，以改善数据。 缩写 人工智能人工智能 计算机辅助设计（ComputerAidedDesign）计算机辅助调度 CDO（抵押贷款支持证券）首席数据官 成本加运保费公约CRFRateAformulaaccountingthatincludesthecostvalueoftheproductstogetherwiththeexpensesfromthefactorytothefinaldestination联邦法规代码 首席信息官首席信息官 DGDM数据治理与数据管理DMBOK数据管理知识体系 美国联邦调查局联邦调查局 HIMSS健康信息与管理系统学会信息技术信息技术 NIBRS国家事件基于报告系统 美国国家司法研究所（NationalInstituteofJustice）国家司法研究所 PCJNI优先刑事司法需求倡议流行问题导向警务 RMS记录管理系统 UoF国家武力使用数据收集系统 近40的执法机构没有向联邦调查局的国家基于事件报告系统（NIBRS）报告2021年的犯罪事件数据，这损害了联邦调查局报告2021年全国犯罪情况的能力 （AxiosLocal，2022）。3 参与过去优先刑事司法需求倡议（PCJNI）关于执法创新需求的研讨会的人员一直呼吁提高质量与互操作性数据的水平。这些问题和需求往往排名较高。例如，在PCJNI最近举办的正义更好测量小组委员会中，大部分讨论和需求均呼吁改善刑事司法数据。以下是正义更好测量小组委员会（Barnum等人，2024年）确定的五大问题摘要： “数据存储于多个系统中”（例如，记录管理系统RMS计算机辅助调度CAD、MicrosoftAccess和Excel，以及纸质记录）。 参与者 安东尼阿尔金 阿尔格明数据领导力 JeffAsherAH数据分析 克里斯托弗卡拉汉国家政府委员会 布莱克克里斯滕森丹佛公共安全部门 梅丽莎卡明斯休斯敦警察局 安德鲁费鲁根森 美国大学华盛顿法学院 诺亚弗里茨 公平县警察局（弗吉尼亚州） 大卫菲尔普斯 莫尼森犯罪分析中心（纽约） KathyRondon TheReportsandRequirementsCompany已退休 杰森施伊斯 达勒姆警察局（北卡罗来纳州） 杰伊斯坦利 美国公民自由联盟 SemaTaheri措施保证正义 rinthDAMAInternational无日期；DAMAInternational2017；SebastianColeman2018。联邦政府还提供了一个数据相关资源的存储库，包括DGDM资源（Resourcesdatagov，无日期）。 代表国家司法研究所（NIJ），警方执行官研究论坛和RAND于2023年4月18日至20日召开了一次研讨会，旨在征求来自执法信息技术（IT）、DGDM以及隐私权、宪法法和数据法专家的意见，以确定利用DGDM知识以提高执法数据质量、可用性和互操作性最紧迫的需求。研讨会参与者讨论了解决这些需求的创新解决方案，并推荐了NIJ和其他联邦机构进一步探索这些潜在解决方案的优先事项。 在本报告中，我们总结了专家参与者关于机构如何开始实施数据治理数据管理的建议，展示了数据治理数据管理实践如何在实际中显著改进数据和操作，并讨论了在数据治理数据管理实践的主要类别中创新的需求。附录A介绍了数据治理数据管理概念、实践和常用工具，提供了关于数据治理数据管理的额外背景和详细信息。（附录A仅作为数据治理数据管理的入门参考。）附录B提供了如何计算需求优先级的技术信息。 数据治理涉及控制计划和管理的这些行动，包括政策、组织结构和正式程序。数据治理数据管理（DG DM）通常通过解决组织、程序和政策手段来直接改进数据；它们关注的是提高数据的技术倡议的战略规划和管理工作，而不是技术倡议本身的完成。（因此，DGDM有时被称为数据的“人文”方面。）这些紧密相关的领域的主体协会是国际数据管理协会（DAMAInternational，原名为数据管理协会），该协会维持了数据管理知识体系 《DMBOK》（数据管理能力成熟度模型），作为数据治理数据管理实践的核心理念参考，以及一份数据治理数据管理的执行指南。导航迷宫 组装工作坊和初步访谈 为了确定和优先考虑那些适合额外研究投资的机遇，警察执行研究论坛和兰德公司召集了一组专家研讨会 ，涉及数字取证数字调查、执法、数据隐私和民权问题以及法律。为了招募参与者，我们通过现有的专业网络（如DAMA、Dataversity、国际犯罪分析师协会） 、社交网络（例如LinkedIn）以及有关该主题的出版物中识别出有知识的人。然后，我们向这些个人发出邀请，让他们参加研讨会以及研讨会前的系列小组访谈 。 我们进行了三次分别的提前访谈一次是为执法实践者讨论主要数据挑战，一次是为隐私和民权专家讨论与执法数据相关的主要问题，还有一次是为DGDM专家介绍DGDM实践以及它们如何最好地应用于执法数据问题 。 初步关于建立数字政府数字管理实践的建议 在提前采访DGDM专家时，我们询问了这些专家在实施DGDM实践以改善其数据时应从何开始。图1总结了他们的评论。他们确定了以下四个主要初始活动： 通过利益相关者的输入识别数据的主要需求。CDO必须运行一个广泛包容的过程，以确定数据的关键需求。这项任务包括激发什么样的数据或数据质量改进将最有助于增强决策能力，减少时间浪费，并改善结果。此过程还将包括收集关于数据限制和保护的需求数据，以确保隐私和公民权利得到保护。4 找出一个可问责的当事人。此人为首席数据官（CDO）。与会者指出，此人必须具备与机构数据的大量经验，并拥有采取行动的权力，包括为提升机构自身数据以及与其他机构合作共同改善共享数据而获取资源。 描述该组织的数据。参与者指出，组织通常对其拥有的数据缺乏全面的理解。这种认识要求对机构拥有的数据集和使用的第三方数据集进行盘点，并将结果纳入数据目录。该清单还应包括对数据资产状况的评估，例如以下方面： 确定数据利益相关者他们的数据关联及其作为数据的生产者、维护者、使用者以及或受数据影响的人员 （例如，有犯罪记录数据的人）。内部，利益相关者包括指挥官、分析师和一线官员。外部，它们包括地方政府、社区