大數據在服務導向警政之研究

台湾中央警察大學   吳斯茜

内容摘要：政府視民眾為顧客，期待「服務導向警政」的比重持續增加，為結合大數據分析、有效發揮警察的服務者角色，本文導入廣告行銷界「適地性服務」的概念，並輔以情境規畫技術，嘗試勾勒大數據應用於服務導向警政的未來輪廓。在推導的未來情境下，警方將結合電子化告示看板、螢幕、行動裝置，主動讓民眾有個人化的提醒，避免在錯誤的時間、出現在錯誤的地點，盼藉此提升民眾的守法程度，深化警民合作的意識，營造全民的安全感。

關鍵詞：大數據分析   服務導向警政   情境規畫

適地性服務

一、前言

大數據正鋪天蓋地而來，大數據的世界即將成形，在未來的世界裡，警察將呈現出什麼樣的面貌？

「思考那些想不到的事」這是1940年代未來學家赫曼康．卡恩（Herman Kahn）的代表金句，他提出的「情境規畫技術」（scenario planning）亦成為各領域策略規畫的技術之一。尤其商業環境不確定性高，傳統策略規畫假設確實有專家存在，能夠預知最有可能的未來，所以偏好單一解決方案；但情境規畫鼓勵企業思考多重未來的可能性，特色在於找出未來模糊不清有多少是基於不確定性，又有多少是屬於人的輕忽與狹隘認知所造成（林秀津譯，2005）。情境規畫最終的產物是故事，透過故事的舖陳，能夠有效地讓多種不同訊息擁有共通的架構（陸劍豪譯，1999），雖然故事情節虛構，但可協助相關人員一窺未來的可能性。

美國警政學者詹姆士．威爾森（James Q. Wilson）（1968）將警察的工作性質依其型態分為守望型態（watchman style）、法治型態（legalistic style）、服務型態（service style），據此定義發展出警察的看守者、執法者、服務者等三種角色，早期服務者角色不容易理解，後來受到新公共管理思潮的影響，政府推動行政革新，視民眾為顧客，愈來愈重視為民服務，警察的角色功能亦愈來愈服務導向，一改剛正執法者形象，努力展現親民態度，主動協助民眾生活，希望獲得民眾的信任，建立良好的警民關係。

例如臺灣地區為引導公部門回應民眾需求及社會期待，每年舉辦「政府服務品質獎」，各地警察機關非常積極參與，也頻傳佳績；2017年警政署以「智慧警政、行動警察」為服務策略而獲獎，由此可見，警察的服務者角色愈來愈突顯。

有鑑於大數據之優勢特性，監控、追蹤裝置無所不在，提供警方針對犯罪者或潛在犯罪者已有許多具體的應用，最知名的警用大數據工具—PredPol，係以犯罪者、犯罪地區的角度切入，美國警方使用PredPol預測可能發生犯罪的熱點，加強在該區域巡邏，改善警力布署。臺灣地區陸續建置「犯罪地圖資訊管理系統」（Geographic Information System，GIS），掌握地區犯罪熱點，警力重點部署；商店或居家亦可連結警政系統中，連線監控環境安全，防範竊盜，可預期警察的看守者和執法者角色會更加茁壯；但同時政府又期待「服務導向警政」（Service-oriented Policing）的比重持續增加，警察的服務者角色該如何結合大數據分析作更多發揮？如果視民眾為顧客，商業模式思維可否供服務導向警政參考？本文乃試圖以情境規畫的方法，探討此類應用的可能性。

二、服務導向警政的內涵

警察維護治安屬於政府運作系統的重要一環，這個想法現代人認為理所當然，但從歷史軌跡來看，人類社群的統治模式至到17世紀的西方世界陸續從君主（皇帝）王朝統治轉型為現代國家的政府結構，在各類統治時期皆有象徵警察職能的展現，或類似警察的專職人力。大體上，史前時代追求被害人滿意，王朝統治時代追求君主（皇帝）滿意，如今的現代國家則追求民眾滿意，警察權力來源也從人治轉向法治，演變過程如下表1所示：

表1、西方世界警察職能歷史演變

修改自：王小海（2015：100-101）

再從近代觀察，服務的觀念滲入到警政領域，發生並非一朝一夕，警察職能的變化以美國警政改革階段最清晰。1970年代末期歐美各國開始倡議「新公共管理」或「政府再造」，強調政府部門要效法企業精神，以顧客為導向。隨此新思潮，美國警政自1980年代起開始推行社區警政、問題導向警政，至今可發現警察工作目標的變化，非犯罪問題和民眾關心的生活質量問題愈來愈受到關注，警察工作方法從「執法」轉向為「解決問題」，民眾滿意度、安全感受亦成為衡量警察工作績效的重要指標（薛向君，2017），當前各國警政依循此路徑發展。新聞處理是明顯的例子，當警察執勤被民眾投訴服務態度不佳，也可以和破案一樣成為新聞報導題材，但態度只是主觀且一時的事件，破案卻是警察勞心勞力長期付出的成果。

以上簡要說明服務導向警政的發展脈絡背景，具體實踐可觀察民眾的報案情況，臺灣地區主要方式為撥打110服務專線及親自到各警察單位報案，統計2006至2016年臺灣地區受理民眾報案服務件數，從2006年總計1,746,340件，至2016年總計4,415,429件，呈現不斷成長的趨勢（如圖1）；尤其民眾對110專線的使用日益熟悉，一方面警察機關向民眾宣導110即時求助管道，使民眾日益倚賴撥打，另一方面，警察也藉此展現為民服務的績效，提升警察親民形象

圖1、2006至2016年臺灣地區受理民眾報案服務件數

資料來源：警政署2016年警政統計年報

警察的為民服務工作包羅萬象，不僅形成工作負荷、浪費行政資源，一謂追求顧客滿意，難免分散警察執法的力道，最核心的問題在於警察可管可不管的事太多太雜，開始有提議得作出取捨，例如大陸地區先前訴求「有困難，找警察」，如今修正為「有危難，找警察」，目標是讓警察管好該管的（薛典武，2011）。臺灣地區2016年亦針對110報案專線訂定約束性的罰責，無故撥打110報案專線不聽勸阻，依法可處拘留或最高新台幣一萬兩千元的罰款。

兩岸對服務導向警政的反思，亦說明了警察與企業為追求利潤而滿足顧客的不同，警察的親民愛民形象，確實拉近了警民關係，但服務導向警政仍需回到主軸，發揮維護治安的綜效，以下將從商業模式的廣告行銷界取經。

三、大數據的商業模式：以廣告行銷為例

廣告的興起在人類文明歷史並不久，《消費社會學》作者彼得．柯睿耿（Peter Corrigan）提到，當工業革命製造出大批廉價量產的物品後，引發出創造消費者市場的必要，否則資本主義無以為繼；換言之，製造商不僅生產物品，也要創造購買物品的人，因此造就了「廣告」這一行（王宏仁譯，2010）。

美國是廣告業興盛的國度，1920年代美國面臨了過度生產的壓力，政府思考究竟要減少生產，還是增加消費，從現在看來答案很明顯，問題是當時的美國人有清教徒的節儉精神，但既然決定要增加消費，廣告人就開始大顯身手了，首先要改變消費者的觀念，不是舊的東西壞了，而是過時、不流行了；自此，製造商也不再以物品的耐久使用為目標，逐漸轉向對美學時尚設計的追求了（謝樹寬譯，2016）。

知名的廣告人—戴夫．卓特（Dave Trott）指出，許多人以為廣告是讓人衝出去買從未想要買的東西，為澄清關於廣告的迷思，他舉購車為例（許恬寧譯，2014：77-78）：

如果你身處汽車市場，或許我能讓你買我的品牌。

然而前提是，你必須一開始就身處汽車市場。

如果你從未考慮買車，我無法讓你想買車。

我無法讓核心非使用者成為核心使用者。

因為廣告只是眾多過程之一。

從上述廣告業者的想法可知，最急於克服的問題是消費者是誰？否則，花大錢打廣告的效果很有限。一旦能夠掌握潛在的消費者，廣告便如虎添翼了，這也可理解大數據為何成為廣告業者的新寵。

2012年《紐約時報》記者杜希格（Carles Duhigg）揭露美國零售業者塔吉特（Target）運用購物行為的大數據分析，成功預測一名16歲的懷孕顧客，因為新手爸媽和懷孕婦女是零售業者眼中的肥羊，在這個階段他們的購物行為最大方，對價值也不敏感，塔吉特甚至預測懷孕階段，寄發不同需求的折價卷，也就更容易打動消費者了，利潤可觀。除從顧客的購物資料建立大數據庫，也向其他資料業者採購，以確認顧客的消費習慣，進一步預測購物行為。塔吉特宣稱，有能力寄給所有顧客一本量身打造的廣告目錄（鍾玉玨、許恬寧譯，2012），相關研究發現，加入顧客忠誠計畫反而會比未加入者花更多錢了（王怡文譯，2014）。

這是大數據商業模式的經典實例，因為這位懷孕顧客的家人當時都還不知情，塔吉特的大數據分析實力因此聲名大噪，當然，懂得往巨量資料淘金的業者愈來愈多，成功辨認消費對象後，就能進一步滿足其需求。同時也造就職場上對於「資料科學家」（data scientist）的求才若渴，《哈佛商業評論》更將「資料科學家」評為本世紀最性感的工作（Davenport & Patil, 2012）。

大數據的商業模式，對於廣告行銷界帶來莫大的助力，媒介也更多樣了。對廣告主而言，有三個重要問題：顧客是誰、想要什麼、在哪裡？谷歌的搜尋演算法，會先知道「想要什麼」；至於臉書對於「顧客是誰」則奪得先機；最後一個問題「在哪裡」，手機的GPS、上傳分享照片皆可以透露位置，而這種「適地性服務」（Location Based Services）的效益驚人（林俊宏譯，2016：92-95）。

大數據分析在旅遊業已經有成功案例，Vpon威朋廣告公司建議分三階段，旅遊前將目標鎖定在經常旅遊及護照持有者，提升對旅遊的興趣；旅遊中則透過上述大數據的技術鎖定當地旅客，鼓勵當地消費；旅遊後則是針對之前對廣告有興趣的受眾再次推播，增強品牌忠誠度。美國運通在2016年8月至12月按上述規劃，成功地辨別出高價值顧客，締造了海外刷卡數成長260%，及海外交易金額成長500%的佳績（楊彩甄，2017）。

加上現今行動裝置的普及，2015年美國eMarketer調查報告指出，美國有80%的數位折價卷是透過手機來使用，當「行動廣告」（mobile advertising）搭配了地點資訊後，可進化成「行動促銷」（mobile promotions），主要差異在於前者通常在消費者查詢商品時附帶出現商家廣告，後者是以消費者進入特定區域或特定行為作觸發點，從手機出現短期促銷方案（Andrews, Goehring, Hui, Pancras, & Thornswood, 2016），為說明其威力，請想像你未來逛街時：

圖3、行動促銷示意圖

平面的報紙、雜誌廣告會走向沒落，也不足為奇了，傳統廣告行銷手法無法蒐集到顧客是誰、想要什麼、在哪裡的情報，因此浪費許多資源，但藉由大數據分析，從大眾市場走向分眾，催生了一對一行銷（洪嘉蓮、劉子寧，2015）。大數據時代裡，數據經紀商的龐大利潤來自於販賣清單，換言之，透過大數據分析能夠將顧客「分門別類、差別對待」。例如沃爾瑪公開了顧客的三種分類方式，「品牌追求者」是沒太多錢但不想看起來窮酸的購物者、「價格敏感富人」是節儉的有錢人、「重要價格者」是一般的節儉者（王怡文譯，2014：170），我們可以想像沃爾瑪真正的分類一定更細膩，這是大數據分析的精華所在，才能夠瞄準對的人，在對的時間、對的地點作行銷出擊。

四、大數據應用於服務導向警政的情境規畫

由前述服務導向警政的發展脈絡可知，在現今的社會結構下，提升生活品質、民眾滿意是治安工作追求的重點，警察機關勢必要持續擴充服務者角色的作用；另從商業領域觀察廣告行銷的大數據應用模式，亦可理解商品欲求、顧客對象、地點資訊的重要性，尤其地點資訊的潛力不容忽視，掌握了「適地性」原則可讓大數據發揮加乘效果。本文基於商業對大數據應用的敏銳度，從廣告行銷取經，思考如何跨界啟發並協助警察扮演服務者角色。

人們生活如今與各種科技媒體緊密相連，尤其隨著智慧型手機的普及，雙向、主動式的訊息傳遞取代了以往單向、被動式的接受訊息，警察與民眾之間開始有了新的訊息互動模式，例如臺灣地區由警政署陸續開發手機APP項目（圖2），開發經費總計新台幣3,326,109元，至2017年4月統計下載803,660次，目前推出治安、交通、服務三大類，各類訊息包括如下：

1、治安：查捕逃犯、失竊車輛、受理案件、失蹤人口(相片比對、身分證號及姓名查詢)、專案線索上傳。

2、交通：收聽警廣、違規拖吊查詢、即時路況查詢、即時路況通報、測速執法點查詢。

3、服務：服務據點、酒駕防制、入山申請、警廣招領遺失物、警廣協尋遺失物、警廣協尋失車、警廣協尋失蹤人口、關於法律、多國日常問候語。

圖2、警政手機服務APP示意圖

然而，上述警政手機服務APP，就便利性而言，的確有大幅的提升，若能考量納入適地性原則更佳，為具體呈現適地性的效果，以下引用《未來學人》科技雜誌副總編輯派區克．塔克（Patrick Tucker）所提出的大數據情境模擬故事，從中可發現未來民眾如何使用大數據分析，降低個人受害機率。

資料來源：王怡文譯（2014：304）

目前警察機關的應用層面僅止於資訊查詢為主，除了上述警政手機服務APP外，臺灣地區臺北市於2015年配合「市民安心地圖」政策，首創開放住宅竊盜、汽車竊盜及自行車竊盜案3項資料，希望提醒民眾對相關區域提高警覺；警方亦有規劃針對「治安人口影像監控系統」的大數據升級方案，透過即時的人臉辨識，強化犯罪人、車動態軌跡掌握（許華孚、吳吉裕，2015）。未來如果要讓服務導向警政能結合大數據的預測優勢，則要轉向以民眾為使用者的角度出發，不只是資訊通報或查詢，要能避免讓民眾在錯誤的時間、出現在錯誤的地點。

以廣告業使用的「適地性服務」、「行動促銷」技術為例，可以想像在交通警察的應用上，電子看板即時呈現道路車流量，或顯示你和前車的車距在安全範圍，讓你可提高時速；車內的GPS會結合大數據分析的事故熱點，或某路段舉辦馬拉松路跑活動，另外引導路徑；甚至預測你晚上習慣開快車，提醒你小心超速；或你將前往的區域此時停車不易，手機傳來警察在當地取締違規停車的件數，以及使用某停車場的優惠卷。

對照目前街頭林立的告示警語，警政署亦經常發送防詐騙的手機簡訊，如同傳統的廣告手法，無法有效的針對目標顧客。警方在駕駛行為的提醒通知上，以雪山隧道為例，目前高公局有運用廣播系統提醒隧道內的駕駛，廣播員會點出車子的顏色、廠牌，但在大數據的時代，只要系統加以整合，再運用數位看板或手機提出警示，全程不需要人工作業。

服務導向警政的利器將是改良現行告示警語的作法，結合大數據分析與各類行動裝置的螢幕顯示，重點不在於違規行為的蒐證舉發，而是讓民眾有個人化的提醒，正如同商家藉大數據更精準地投放廣告一般，民眾可以瞭解未來的風險，並調整行動，確實守法。商業界積極辨別出高價值顧客，警方則需積極辨別出高服務需求的民眾，因此，如果進一步能掌握經常使用警察服務的民眾清單，例如亂打報案電話、酒醉路倒、夜間妨礙安寧者，或許可設定手機的簡訊通知，提醒民眾注意。

綜上所述，比較傳統服務導向警政，以及應用大數據之適地性服務導向警政的差異（如表2），可理解透過大數據工具的運作，可大幅降低警力裝備的資源需求，讓民眾負起個人安全的責任，但仍無法替代民眾需警察到場的情況，故未來應是相輔相成的運作形式。

表2、傳統服務導向警政、大數據適地性服務導向警政之差異

此外，洛杉磯警察局運用PredPol宣稱降低 36%犯罪率（張瑋倫，2016）。但有學者認為警察採取大數據進行犯罪預測，又同時是未來犯罪事件的參與者和干預者，將難以驗證長期的成效；且大數據分析僅就已數據化、過去的事件作預測，故警察決策不能過度依賴，切勿讓人的觀察與思考缺席（彭知輝，2016）。

要實現大數據適地性服務導向警政，仍需具體執行的細節，包括資料蒐集、儲存、整合、傳輸、載具、隱私權保護…等重要議題，但大數據的商業應用將領先警政應用，可以先觀察商業在適地性服務的經驗，然而，種種軟硬體的投資與行政成本不容小覷，如果全由警察機關負責開發，勢必緩不濟急。因此，各國政府開始催生「透明化政府」，其理念即是釋出政府資料，引導徵求商業、非營利性機構，對公共治理問題提出大數據工具的解決方案。建議服務導向警政的大數據工具，要能鼓勵守法民眾、增加守法的誘因，與打擊犯罪作更緊密的結合，確保社會朝有秩序的方向穩定發展。

五、結語

兩岸警方皆重視服務導向警政，有鑑於科技的突飛猛進，各方皆看好大數據的潛力無窮，大數據的應用需要更多的想像，本文運用情境規畫技術推導的故事，唯無法直接獻策但可形成假設，主要是提案測試的前置作業，透過上述的故事可引導思考如何善用大數據分析來改善現行的服務導向警政。

最後呼籲兩岸警方要慎選大數據開發項目，建議以「建設法治社會」為目標，而非一謂地開發便民項目，才有助於提升民眾的守法程度，深化警民合作的意識，營造全民的安全感。

參考文獻：

1、Andrews, M., Goehring, J., Hui, S., Pancras, J., & Thornswood, L. (2016).Mobile

   promotions: A framework and research priorities. Journal of Interactive

Marketing,34, 15-24.

2、Davenport , T. H., & D. J. Patil, (2012). Data scientist: The sexiest job of the 21stcentury.  

https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century

Wilson, J. Q. (1968). Varieties of police behavior. New York: Harvard University

Press.

3、王小海（2015）。社會變遷中的警務—西方警察職能演變的歷史探究。貴州警官職業學院

學報，2015（1），92-102。

4、王宏仁（譯）（2010）。消費社會學（原作者：P. Corrigan）。臺北市：群學。

5、王怡文（譯）。遙測個人時代：如何運用大數據算出未來，全面改變你的人生（原作者：P. Tucker）。臺北市：遠流。

6、林秀津（譯）（2005）。管理思想如何改變世界（原作者：D. Dearlove）。臺北市：商周。

7、林俊宏（譯）（2016）。未來的犯罪（原作者：M. Goodman）。新北市：木馬文化。

8、洪嘉蓮、劉子寧（2015）。大數據行銷。《30》雜誌，2015年7月號第131期。

https://www.30.com.tw/article_content_29088.html

9、張瑋倫（2016）。犯罪能精準被預測？洛杉磯警局用大數據分析降低 36%犯罪率。https://buzzorange.com/techorange/2016/09/21/use-data-analysis-predict-crime/

10、許恬寧（譯）（2014）。掠食者思考（原作者：D. Trott）。臺北市：先覺。

11、許華孚、吳吉裕（2015）。大數據發展趨勢以及在犯罪防治領域之應用。刑事政策與犯

罪研究論文集，18，341-376。

12、陸劍豪（譯）（1999）。預演未來（原作者：K, Van der Heijden）。臺北市：商周。

13、彭知輝（2016）。基於大數據的警務預測：局限性及其順應之道。公安大學學報（社會

科學版），180，37-45。

14、楊彩甄（2017）。定位知我心．觀光旅遊的行銷好幫手。

http://www.ectimes.org.tw/Shownews.aspx?id=170402225516

15、薛向君（2017）。當代美國警務理念與模式創新。公安大學學報（社會科學版），185，

81-90。

16、薛典武（2011）。淺論我國服務職能定位與服務方式轉變。公安研究，204，85-88。

17、謝樹寬（譯）（2016）。物窒欲：越多不等於越好，用「體驗消費」與「共享經濟」取

代物品囤積，打造美好生活（原作者：J. Wallman）。臺北市：漫遊者。

18、鍾玉玨、許恬寧（譯）（2012）。為什麼我們這樣生活那樣工作（原作者：C. Duhigg）。

臺北市：大塊文化。