违法犯罪人员入住宾馆规律

实例目标：分析 10 年以来在押的违法犯罪人员曾入住旅馆的规律，为治安防控核查工作提供指导。

通过多方努力，我们汇聚到 10 年的旅馆数据约5 亿余条，10 年内本地在押的人员数据约 65 万条。利用计算机集群，首先建立了比对模型，根据 HADOOP开展比对来组织数据，将 65 万条人员数据放到 5 亿条住宿数据中去找相同项。以“1O + 1”的模式，即10 台服务器作数据节点，1 台作为控制节点，“跑”一遍的时间是 50 分钟左右。最后得到 10 年间在押的人员曾经入住旅馆数据约72. 1 万条。

( 1) 全部在押人员各时段入住旅馆情况的占比分析，具体情况见图 3。

这是一种比较常规的分析方式。面对 70 万的小数据，从 10 年全部在押人员自身入住情况对比，可称为“自占比”分析。从上图 3 可以看出，在押人员入住“自占比”的第一峰值在 22 时左右，第二峰值在 13 时左右，谷值在 6 时左右。这说明，按照 10年来积累的数据看，我们关注嫌疑对象入住旅馆的重点时段应该是夜间 10 时左右和下午 1时左右。

( 2) 针对全部入住旅馆人员各时段占比分析，具体情况见图4

根据 10 年来全部数据量的规模，传统的关系型数据库处理这些数据效率会很低。用 HADOOP 的MAP －ＲEDUCE 计算框架，15 分钟左右全部完成计算工作，得出图 4 中的结果，可与第一项在押人员入住规律作比较。通过对比可以明显看出，在押人员入住“自占比”趋势与全部人员入住占比的趋势基本一致。这说明在 21 时和下午 1 时左右，本身也是正常人员入住旅馆的高峰时间。因此，这项分析虽有意义，但是针对实战的指导性分析还需要进一步研究。

( 3) 各时段在押入住旅馆人员与该时段全部正常入住人员的占比分析。

如果把上面的比较分析方式称为关注对象的“自占比”，那还有另一种比较方式，即关注对象与全部对象之间的比较，我们可称为“全占比”。各时段在押人员入住旅馆的“全占比”情况见图 所示。

进一步思考通过上述两个案例分析，我们不难发现，基于’大数据#统计分析相关规律的业务建模，可能会逐步超越目前的行业经验，发现事物本质的新的联系，颠覆一些传统的行业规则$因此，迎接’大数据#时代的到来最需要的是一种全新的思维方法。

大数据思维是一个不断演进的过程

两个实例代表了对’大数据#处理与应用的一个演进过程。在起步阶段，我们受到’小数据”思维的惯性控制，增加计算能力的直接目的就是为了提高精确性，总希望直接找到违法犯罪分子。但因为数据量庞大，传统的技术效率低，不能完成海量数据处理任务了，因此想到了分布式计算，并取得了一些应用成效。

在第二个案例中，我们进一步发现，大数据分析中的精确查询之外，还有更广泛应用的更重要的趋势分析和宏观研判。大数据处理更能体现的是一种群体行为，通过海量的数据去发现一个隐藏在数据背后的客观事实，公安大数据要更加重视通过各种工具与方法，通过海量数据的分析发现大数据中隐含的知识和关系。这种’大数据#的思路决定了我们今后的出路! 规律分析是未来一个时期公安’大数据#应用的重点从上述实例中可以看出，引用的数据并不是非常庞大，分析方式是比较简单的比对方法，展示方式也是用较直接和较单一的折线图，仅此就能挖掘出服务实战的结果，这是传统的数据处理方式无法实现的$这就是’大数据#思维产生的作用。

在’小数据#时代，由于掌握的数据量不够多，范围不够全，因此我们的决策更依赖直觉和经验，对事物规律性的把握往往需要一个很漫长的积累过程，而且也容易遗漏。但是，随着’大数据#时代的来临，丰富的多维度数据应用使得公安传统的业务思路得到了极大的丰富，大数据破题的真正关键，在于领会贯通大数据的思维方式。