在过去两个世纪中，技术极大地改变了执法方式。指纹的使用是法医革命的开端。DNA、弹道分析、闭路电视和其他类型的技术也发挥了重要作用。但大数据可能很快就会对执法产生比 21 世纪任何技术发展都更大的影响。大数据在执法中已经使用了一段时间。国家犯罪数据库使执法官员能够检查全国不同司法管辖区的 DNA、指纹和其他法医数据。直到最近，大数据主要用于监测法医数据以解决特定犯罪。然而，专家们已经开始使用预测分析算法来识别更广泛的趋势。这在很多方面对他们有帮助：
- 他们可以提出令人信服的案例来获取紧急资源来打击最近的犯罪浪潮
- 他们可以确定他们正在处理连环犯罪者的可能性
- 他们可以寻找导致犯罪泛滥的诱发因素，并将这些信息传递给决策者，以采取预防措施
这可能是全球打击犯罪的最大突破之一。
大数据在打击犯罪中的重要性日益提高
世界各地的警察都开始利用大数据来预测犯罪，并将技术融入到他们的警队中。英国正在利用这项技术帮助创建“犯罪预测地图”。这使得警察部门 产管理软件允许定期分配任 能够在犯罪真正发生之前预测犯罪发生的地点。这项技术已经在美国投入使用。研究表明，英国拥有可用的大数据，但长期以来缺乏以有意义的方式使用这些数据的能力。
预测犯罪地图的工作原理
大数据用于预测犯罪地图绘制已有近十年，该技术不断发展和进步。从根本上讲，这项技术非常简单，将创建基于以下方面的热点：
- 犯罪类型
- 日期
- 时间
- 犯罪地点
完成此操作后，可以根据过去的犯罪指控和数据生成热点。消息来源显示，在英国，这些地图能够比警方预测犯罪发生地点准确 10 倍。肯特郡和曼彻斯特自 2012 年至 2013 年以来一直在使用预测地图，并使用曾经用于地震的改良软件，派遣更多的警力来降低犯罪率。警察正在打印他们的预测地图，用于巡逻打击犯罪。
使用过去犯罪数据提出的问题
尽管准确度更高，但这些大数据解决方案也在从过去中学习，因此信息可能会产生歧视或偏见。为什么？例如，假设过去两年该地区发生了 100 起男性犯罪。这将产生一种偏见，认为男性会犯下这些罪行。同样的数据也可以输入年龄、宗教和种 比特币电子邮件列表 族。因此，它确实呈现了一种可能产生偏见并在警察队伍中强化这种偏见的系统。实时数据将更有用，但警察部门缺乏这种数据。预测算法也在努力确定一个人成为“再犯”的风险。这些信息可能将一个人识别为“高风险”、“中风险”或“低风险”。如果 John Doe 被判强奸罪，并且他所有的强奸案都发生在 High Street，那么如果满足以下条件，算法可能会认为 John Doe 是强奸犯。