8个@@月@@@@，发现问题@@34857个@@，发现涉嫌违纪问题线索@@2613个@@，挽回经济损失@@3 .64亿元@@。
这是沈阳市纪委监委@@2018年@@的一组监督工作数据@@。3万多个@@问题平均到@@8个@@月@@@@，意味着每天被发现的问题超过@@140个@@。
高效监督的背后@@，是沈阳市纪委监委与中国科学院计算技术研究所合作建设@@的大数据@@监督平台@@@@——机器日夜不停地运转@@，通过交叉比对几十亿条@@@@电子政务@@数据@@，帮助纪委监委获得问题线索@@。
沈阳市并不是唯一通过大数据@@开展监督工作的城市@@。据不完全统计@@，2012年@@至今@@，江西省的修水县@@，湖南省的麻阳县@@、澧县@@、宁乡市@@、怀化市和麻阳市@@，都探索应用了大数据@@监督平台@@@@，且覆盖了民生资金@@@@、工程项目等涉及到国库集中支付的领域@@。
“雁过拔毛@@”
“大数据@@碰撞@@”发现基层冒领@@“死人@@低保@@”
2018年@@1月@@，江西省九江市修水县民生资金@@项目大数据@@监察平台@@上线运行@@。很快@@，县纪委发现异常情况@@：有@@人@@已经去世@@，却仍在领取低保@@。
吃@@“死人@@低保@@”，是基层腐败案件@@的一大典型@@。公安@@、民政部门和银行的数据无法及时打通@@，一些基层干部@@便钻了信息不对称的空子@@，冒用死者身份继续领取低保金@@。
修水县是江西省面积最大的县@@，也是国家扶贫开发工作重点县和省定特困片区县@@。基层干部@@“雁过拔毛@@”式腐败@@，贪腐金额看似不多@@，却直接影响到原本就生活困难的特殊群体@@，同时@@，也影响到当地的脱贫攻坚与经济发展@@。
“雁过拔毛@@”式腐败@@问题@@，往往相当隐蔽@@。此前@@，纪委调查这样的问题需要走村入户@@、实地谈话@@，收集线索后@@，再协调相关部门一一核实@@。就算能发现异常@@，一个@@问题可能也要追踪几个@@月@@@@@@。
“我们这里地处山区@@，很多村子比较偏远@@，开车过去@@要两三个@@小时@@。而且以前都是人@@工发放资金@@@@，审计起来比较难@@。”修水县信息中心电子政务@@管理科科长卢宇鹏说@@。
在民生资金@@领域@@，除了违规领取农村低保@@，还有@@其他类似的腐败现象@@，如伪造危房改造资格@@、违规领取贫困寄宿生补助@@、同时@@领取城市低保和农村低保@@，等等@@。
怎样能更好地发现此类问题@@，提升纪委监督效率@@？抱着这样的想法@@，有@@修水县纪委人@@员联系到中科院计算所方金云研究团队@@，寻求技术支持@@@@。经过@@数月@@攻关@@，在修水县民生资金@@电子监管平台@@的基础上@@，大数据@@监察平台@@建设@@完成@@。
修水县纪委常务副书记@@、监委副主任陈小平用@@“大数据@@碰撞@@”通俗地解释平台@@运作原理@@。“将农村低保资金@@与基础数据中的死亡人@@员名单进行互斥比对@@，就会发现死人@@吃@@低保的现象@@。”他举例说@@。
进行大数据@@监督@@，打通政府@@部门间的@@“数据孤岛@@”是关键@@。陈小平坦言@@，初期也遇到过职能部门数据更新不及时的现象@@。为此@@，修水县专门出台了相关管理制度和调度机制@@，“要求民生资金@@下达文件@@下发后@@5个@@工作日内@@，数据必须上传到位@@，必要时启动约谈@@”。
纪委牵头推动之下@@，大数据@@监督初见成效@@。据修水县统计@@，平台@@上线一年@@多以来@@，纠正违规使用资金@@问题@@6000多例@@，涉及资金@@@@2300余万元@@；产生预警信息@@5583条@@，发现有@@价值的线索@@164条@@，处理@@111人@@。
数据探针@@
通过比对@@、叠加和交叉验证找到问题线索@@
1999年@@，政府@@上网工程正式启动@@。到今天@@，中国的电子政务@@已发展了@@30年@@，积累了大量数据@@。
中科院计算所研究员方金云认为@@@@，党员干部@@、公职人@@员的权力行使过程@@，一定会留下数据痕迹@@。政务@@数据就是权力运行的@@“数据日记@@”。但长期以来@@，各个@@部门的电子政务@@数据没有@@打通@@，导致一些问题隐匿其中@@@@。
监督是否有@@效@@，发现问题@@是关键@@@@。大数据@@监督的要义@@，就是通过数据比对@@、叠加和交叉验证等方式@@，从电子政务@@数据中找到问题线索@@。就像探针一般@@，深入到人@@类难以察觉之处@@。
以修水县为例@@，陈小平告诉南都记者@@，纪委将民生项目划分为计划@@、设计@@、招标@@、建设@@、监理@@、拨款@@、验收等@@19个@@关键环节@@，共设置@@28个@@评价指标@@。每个@@指标被赋予一定分值@@，系统发现异常后自动扣分@@，并进行实时预警@@。
异常线索推送给相关职能部门及纪委后@@，由职能部门进行核实和整改@@。若各职能部门在核实过程中发现有@@价值的线索@@@@，则须反馈给县纪委@@，由县纪委再进行调查核实@@。
将党章法规@@、国家政策中的诸多规定转化为机器可以理解的指标和规则@@，并不容易@@。方金云说@@，以低保为例@@，不同的地区发放额度不同@@，中央的规定到了地方后也可能再做调整@@，很复杂@@。
机器与人@@不同@@，接收到的指令必须清晰明确@@、没有@@歧义@@。文件@@中也许只有@@一句话@@，转换到系统里@@，就要变成几十行的代码@@ 。要把复杂的政策给机器解释清楚@@，工作量很大@@。
而从另一个@@角度看@@，即便是人@@本身去读政策@@，不同的人@@也难免有@@不同的理解@@。方金云说@@，为了能清楚地反映政策要求@@，每次@@设置规则@@，当地纪委监委@@、研究团队都要与领域内的资深专家对接@@，共同确定分析规则@@，让机器知道什么是对@@、什么是错@@。
“比如说民政部门有@@规定@@，如果一个@@人@@有@@两套及两套以上@@房产或者店铺的@@，就不符合低保领取条@@件@@@@。”修水县信息中心电子政务@@管理科科长卢宇鹏举例@@。
关口前移@@
防止错误行为由小到大@@、由轻到重的恶化@@
大数据@@监督是减存量@@、遏增量的有@@效手段@@。
2018年@@3月@@，监察法颁布施行@@。关于六类监察对象的规定@@，从法律层面上把所有@@行使公权力的公职人@@员纳入监督@@，实现国家监察全面覆盖@@。
随着监察全覆盖的推进@@，监督对象大量增加@@，对精准监督提出了更高要求@@。要履行好监督的第一职责@@，纪委监委既不能@@“胡子眉毛一把抓@@”，也不能@@“隔墙扔砖@@、砸到谁算谁@@”。
对纪委监委而言@@，把监督挺在前面@@，是为了发挥监督的基础性作用@@，防止干部错误行为由小到大@@、由轻到重的恶化@@。简而言之@@，关口前移@@、抓早抓小@@。
“我们每个@@人@@都特别痛恨腐败@@，但也有@@句话说@@，没有@@监督的权力@@，必然产生腐败@@。”方金云认为@@，许多干部犯错@@ ，其实都是从@@“小问题@@”开始@@，也反映出监管制度存在漏洞@@。
人@@力毕竟有@@限@@，未必能面面俱到@@。让大数据@@监督织就一张网@@，把腐败问题发现在细微之时@@，既能帮助纪委监委堵住漏洞@@、改进制度@@、促进经济发展@@，也能防止干部进一步犯错@@。
在修水县纪委常务副书记@@@@、监委副主任陈小平看来@@，大数据@@平台@@@@，犹如打通了监督的@@“最后一公里@@”，有@@效破解了民生资金@@项目来源@@@@“多头化@@”、管理层级@@“复杂化@@”、管理责任@@“无序化@@”造成的监管漏洞@@。
他告诉南都记者@@，大数据@@平台@@@@启用后@@，每笔资金@@公开到村@@、到户@@、到人@@头@@，大大提高了精准监督和末梢监督的效率@@。公职人@@员及家属领取低保@@、有@@商品房或车辆的群众领取低保@@、重复领取农村低保和城镇低保@@、去世人@@员领取各类补贴等现象@@，基本得到杜绝@@。
方金云本人@@也是党员@@。他说@@，帮助纪委监委做大数据@@监督@@，除了能切实探索如何把权力关进制度的笼子里@@，也常常觉得@@“心里挺软的@@”。
有@@一年@@@@，某县的监督平台@@查出一批违规领取低保的行为@@，追回@@3000多万元低保资金@@@@。结合大数据@@系统@@，该县纪委重新确定了符合领取条@@件@@的贫困家庭@@，选在一天集中发放@@。
方金云也去了现场@@。发放过程中@@，一位妇女听完干部对大数据@@系统的介绍@@，忽然走到方金云面前@@，用当地方言说了些什么@@。方金云没有@@听懂@@，却眼见着这个@@妇女要跪下@@，赶紧将对方扶起@@。
“不到一万块钱@@，对基层贫困户来说却是雪中送炭@@。这个@@事儿确实搞得人@@心里特别软@@，也坚定了我们做大数据@@监督的信心@@。”方金云说@@。
沈阳样本@@
“不仅要看怎么用钱@@，还要监督决策@@、行权过程@@”
辽宁省沈阳市纪委监委大楼八层@@，有@@着近百台服务器@@。沈阳市纪委监委和中科院计算所合作建设@@的大数据@@监督技术实验室@@，就坐落在这里@@。尽管计算所的办公室在北京@@，过去@@一年@@@@，方金云却把大多数时间花在了沈阳的实验室@@。
2018年@@，沈阳市纪委监委开始@@与中科院计算所深度合作@@，探索大数据@@支持下的精准监督@@。
方金云说@@，以往针对民生资金@@@@、工程项目的监督平台@@@@，还只是@@“1.0版本@@”，主要监督的是钱袋子@@。在沈阳@@，纪委监委希望打造@@2.0版本@@，把涉及公共财政的项目@@、资金@@、物资@@、决策和权力@@，都纳入监督范畴@@。
“对于要监督的部门@@，不仅要看它怎么用钱@@，还要监督它的决策过程@@、行权过程@@。这样一来@@，就把监督的笼子扎紧了@@，让干部少犯错@@。”他说@@。
行权过程@@，听起来抽象@@，但在实践中@@，其实会有@@各种各样的数据痕迹可供分析@@。方金云举例说@@，管理水务的部门@@，收水费就是行权@@。如果某个@@人@@或某个@@单位的水费为零却又有@@用水量@@，数据就比较可疑@@，这就反映了水务部门的行权情况@@。
“我们在沈阳@@做了信息化普查@@，统计到大约@@2400多个@@信息系统@@。这其中@@其实有@@大量的行权数据@@。”方金云说@@。
通过大数据@@做监督@@，数据是基础@@。过去@@，不同部门建设@@了不同种类的信息系统@@，就像一个@@个@@数据孤岛@@@@。对于部门来说@@，数据如同资产@@，谁的数据多@@，谁的优势就大@@。这导致条@@块分割问题突出@@，电子政务@@数据很难被利用@@。
为了打破这一困境@@，沈阳市纪委监委推动全市建立数据备案机制@@。纪委监委对房产局@@、民政局@@、人@@社局等业务单位的数据进行汇集和备案@@，经过@@数据清洗和加工@@，形成@@“大数据@@仓库@@”。
信息整合以后@@，许多曾经隐秘的贪腐问题变得无处藏身@@：有@@建筑公司近三年@@投标@@337次@@，中标@@0次@@，存在围标嫌疑@@；有@@人@@员有@@房有@@车@@，却一直在领取低保@@。
结合大数据@@监督平台@@的线索@@，纪委监委人@@员会进行调查核实@@。以前几十个@@人@@的团队工作半年@@才发现的问题线索@@，平台@@可能只需要一天就达到同样数量@@，准确率在@@86%以上@@。
沈阳市纪委监委数据显示@@，截至目前@@@@，沈阳市共计纳入数据@@25.1亿条@@@@，其中@@，财政资金@@数据@@5060万条@@@@。已发现疑似问题@@90737条@@，涉及人@@员@@11719人@@。通过人@@机结合方式@@，已核查确认违规问题@@70480条@@，立案@@1538件@@，给予党纪政务@@处分@@1237人@@、移送司法机关@@25人@@、诫勉谈话@@61人@@、批评教育@@11228人@@，有@@13694人@@主动说明问题@@。
长期任务@@
机器学习的过程@@“无时无刻不在优化@@”
方金云提到@@，大数据@@监督还有@@一个@@重要优势@@：能有@@效防范数据造假@@。
党员干部@@违法违纪行为中@@，有@@一类行为叫做@@“烧账本@@”。“湖北一名干部竟故意将@@‘小金库@@’的账本和部分凭证焚毁@@”“山东一名干部烧掉账目资料并于事后谎称车辆自燃@@”……类似的案例@@，在公开报道中屡见不鲜@@。面对纪委@@，一些党员干部@@心存侥幸@@，试图通过这种方式毁灭证据@@、逃避处罚@@。
大数据@@监督平台@@如何寻找@@“烧掉的账本@@”？“他把自己部门的记录给删了@@，但是我们在别的部门又发现了相关的记录@@。这就找到了痕迹@@。他得说明@@，为什么这条@@记录没有@@了@@？钱去哪里了@@？说不清楚@@，就可能有@@问题@@。”方金云解释@@。“很多数据不是某个@@权力部门能干涉的@@。各种信息和数据交叉验证@@，即使某个@@数据被删除了@@，问题线索也还在@@。”
值得注意的是@@，大数据@@监督平台@@的背后@@，也有@@着人@@工智能的影子@@。
教会监督平台@@发现问题@@的过程@@，其实是机器学习的过程@@@@。方金云介绍@@，监督规则的调整@@，术语叫做@@“调参@@”。哪怕是针对同一个@@问题@@，在不同的地区和不同的数据体量下@@，规则也会不一样@@。监督规则不一定都是内容越来越细@@、条@@数越来越多@@，有@@时候也会根据地方实际减少数据采集环节和条@@数@@。
除了监督规则@@，监督平台@@的运行中@@，也涉及到计算机系统本身的优化@@。方金云回忆@@，刚在湖南某市做实验时@@，计算某个@@项目的结果@@，花了@@40多个@@小时@@，后来经过@@算法优化@@，只用@@1个@@多小时就能结束@@战斗@@。
作为给纪委监委提供技术支持@@的一方@@，研究团队最担心的是@@“不准确@@”。“一定要讲究准确率@@，现在发现问题@@的准确率可以达到@@86%，将来不能说到@@100%，但是一定要不断地提高@@。”方金云说@@。
在他看来@@，优化是一个@@长期的任务@@，“无时无刻不在优化@@”。
已被发现的案例@@，也能反哺平台@@@@。过去@@半年@@@@，经沈阳市纪委监委特许@@，研究团队访谈了数位留置人@@员@@，了解他们的腐败@@“经验@@”。
“他为什么能腐败@@，是怎么腐败的@@？”方金云说@@，访谈获知的情况@@，可用于调整平台@@规则和参数@@，从而帮助纪委监委进一步提升精准监督实效@@。
在访谈中@@，一位留置人@@员提到@@，他曾帮助@@28个@@人@@伪造工龄@@，调高其养老金@@。由于相关数据还是手工登记@@，该留置人@@员认为@@，就算纪委监委用上了大数据@@@@，也很难发现问题@@@@。
方金云把@@28个@@人@@的资料放进机器@@，经过@@20多个@@小时@@的运算@@，挖掘出数据特征@@：异地转入养老时间短@@、本地补缴时间长@@、审批数据和工龄数据异常@@，有@@些涉及伪造公章@@，有@@些涉及伪造劳动文件@@@@。
研究团队据此对比了沈阳市的工龄认证文件@@@@，发现了数千个@@相似案例@@。
目前@@，纪委监委仍然是设置监督规则的主力@@。方金云希望今后能完成技术攻关@@，让机器能在一定程度上去自主学习@@、理解和设定规则@@。
但他认为@@，精准监督本身@@，仍需要持续探索@@。“机器有@@强大的存储和检索能力@@，比人@@记得多@@、找得快@@。但它没有@@人@@类的综合能力@@。当前@@，纪委监委的监督工作@@，还是要人@@机结合@@。”他说@@。
