即时新闻:
派出所
派出所频道  >  社区警务  >  创新警务 > 正文

大数据+警务”:科技信息化助力民生服务

2017年10月20日 15:50    来源:中国警察网   作者:邱素婷   

  中国警察网讯 2017年8月,占地2100平方米的南山区警务数据中心正式投入使用。据南山公安分局视频大队叶军大队长介绍,数据中心通过整体规划、分期建设,能满足未来8到10年“大数据+警务”的应用存储需求。

  叶军说,数据中心在技术优势、存储规模、应用空间等是目前全国县区级公安机关首屈一指的,为辖区海域求援、森林防火、交通管理、重点区域监控、出租屋流动人口管理、打防管控等民生工作、警务工作提供强有力的技术支撑。

  数据中心的投入使用是南山区警务信息化建设取得的成果之一。南山区副区长、公安分局局长华振强告诉记者,“2016年9月以来,南山公安分局推动区委区政府制定了南山区警务信息化建设三年工作计划,通过科技信息化建设,提升警方打防管控能力,助力民生警务,实现南山警队跨越式发展。”

  据介绍,2016年下半年,南山警方依托智能警务体系和科技信息化建设成果,以“大数据+警务”为切入点,建设推出了“社区警务再造” 、“服务E车”、 “外国人管理1+N”等便民利民项目,得到了辖区市民群众的一致好评。

  智慧警务管控平台促“社区警务再造”

  南园警务室是典型的城中村警务室,治安要素复杂,是南山区治安特点的一个缩影。作为公安工作最基础的工作单元,各类警务工作都需要从警务室落地,同时社区警务工作又需要大量的业务数据作为支撑。据统计,社区民警的工作任务达150项之多。

  2016年9月,南山警方以该警务室为试点,应用“大数据+警务”,为社区警务室在硬件配备、功能分区、群众服务及信息拓展等方面进行全面升级,打造了社区智慧警务管控平台,以社区民警常用的数据库为支撑,定制了案件分析模块、控防模块等,科学引导社区警务工作。

  社区智慧警务管控平台涵盖警情分析、防控预警、综合治理等社区主线工作。依托此平台,社区民警形成了“结合需求取数据、针对重点搞防范、主动服务惠民生”的智慧社区工作新模式。

  据南园社区警长蔡坤海介绍,每天上班后,他会对本社区近期发案情况进行分析,梳理出案件相关联的人、屋、场所等要素,上门进行走访倒查,发现防范漏洞后结合实际制定管理工作计划。

  平台的应用让南园社区在一定程度上理顺了以往繁杂而没有头绪的防范工作,让社区警长的工作效能大大提升,以往向派出所要数据等数据变成了主动取数据分析数据,以往的地毯式排查、走访、整治变成了有目标、有计划的精确防控。效能优化后节省出来的时间,警长可以在社区开展群防群治、宣传服务等群众性工作。

  此外,警务室还增设了24小时便民服务区,引入出入境“签注易”、交警违章处理机、多媒体宣传屏、丰巢快递柜等设备,打造群众家门口的“服务驿站”,拉近民心,让群众对社区警务室的职责定位、服务理念有了全新认识。便民服务区的人群聚集效应,拉近民警和群众之间的距离,既聚集了人气,又凝聚了民心。

  试点第一年,南园社区110有效警情同比就下降了23%,其中“八类暴力”警情为零。目前,该警务室的“大数据+警务”应用模式已在全局推广。

  “e车校园行”上门服务高校学生

  深圳市高校、研究生院大都集中在南山区,学校师生有着巨大的户政服务需求。

  近年来,南山公安分局以公安改革创新工作为契机,结合大数据应用,以便民利民为出发点,在做好窗口服务的同时,坚持“服务前置”,依托“e车”开展“e车校园行”专场户政活动,为高校师生提供便捷、优质、高效的户政服务。

  据分局人口科科长易敏介绍,分局专门抽调业务骨干成立工作小组,筹划“e车校园行”活动,还邀请深圳大学、南方科技大学等高校户口管理工作负责人一起开展座谈,及时了解学生入户需求情况。

  “e车”上门办理户政业务,需要前期在后台专窗批量办理落户录入,为后期上门打好基础,提供便利;同时提前做好设备安装调试,确保软硬件设备运作顺畅,服务当日采取“人轮换、机器不停”的方式,不间断受理业务。

  现场办理时,南山警方抽调户政业务骨干,以最高工作效率做好办证工作,窗口每天最大业务量达800张,平均每人两分半钟就可完成一个身份证办理工作。

  此外,2017年以来,结合辖区有较多外国人工作生活的情况,南山警方结合“大数据+警务”,创新推出“1+N”模式,进一步加强外国人管理服务工作。“1”即蛇口街道外管服务中心,“N”即统筹协调多部门、多平台、多资源的网络化、数据化运作模式,通过电子数据库建设,实现外管工作精细化。

  

责任编辑:王婧
中国警察网官方微信:扫一扫,免费订阅!
最权威、最及时、最全面的公安新闻发布平台。
精彩的警察故事,靓丽的警花警草,靠谱的预警知识……实乃广大“警粉”微信必备!
推荐阅读
点击排行
猜你喜欢