陈军标|检察数据可视化的探索、应用与创新

文章正文
发布时间:2024-08-18 01:37

数据可视化广泛应用于社会各行各业的动态监管、风险防控、决策治理等领域,是直接面向用户的交互窗口,关系到数据价值的最终实现,在数据管理和运用体系中作用重大,也对社会的发展、行业竞争力的提升具有极为重要的意义。结合基层检察实务的现实需求以及当前数据可视化的应用形态,有必要结合检察数据治理试点,借鉴数据可视化的基本方法论,进一步探索创新检察数据可视化的实务应用。具言之,要从数据治理团队的运作、数据定制服务的探索、数据技术路径的演进以及数据基础平台的构建等方面,推动检察数据价值的充分挖掘。

目前,随着大数据技术的日渐普及,数据可视化被广泛应用于政府、金融、医学、工业、电子商务等行业发展、社会治理的各个领域,对社会各行各业的动态监管、风险防控、科学决策、系统管理等方面都发挥着积极作用。所谓数据可视化,就是指将不同数量、规模的数据通过清晰且直观的图像、图形等形式呈现出来,以便数据运用者快速地从诸多复杂的数据资料中提炼可运用的信息。在这一过程中,数据变得易观察、可感知,数据运用者可以通过这一可视化的方式,作出更为高效、精确的决策。具言之,就是借助于图形化、图示化的手段,将数据库中的每一个数据项作为图元元素,将数据的各个属性值作为维度数值,以特定组合数据集构建图像,以便于从不同的角度深入观察和分析数据,洞察数据中的规律性和关联性。通过这种数据可视化的方式,可以最大化挖掘并实现数据的价值,有助于促进行业竞争力的提升以及社会的发展。正如有论者提及的那样,数据可视化,作为科学技术领域中一门与数据视觉表现形式相关的研究,其作用的发挥使得大数据更加具有实践意义。因此,在当前新时代“以人民为中心”价值理念的指引下,借鉴数据可视化的方法论,进一步探索检察数据可视化的实务应用,同样顺应于现阶段社会发展以及检察工作实践的现实需求。基于此,为推动检察工作的数字化转型,笔者拟结合基层检察机关创新实践的分析,以期对进一步探索完善检察数据可视化的实务应用有所助益。一、数据可视化相对统计分析的形态超越结合数据运用的特点及分类,我们知道,数据可视化与统计分析均属于数据运用的重要方式。二者在数据收集过程、定量处理技术以及服务决策目标等方面都存在不少相似或者相通之处,但也有所区别。从本质上而言,数据可视化是现阶段大数据背景下对传统统计分析形态的一种超越,由此也产生了有别于传统统计分析形态的新的特点。具体而言,数据可视化作为数据运用方式中新的类型,具有四个方面的新特征:
(一)数据文字到视觉图形的表达升级

一直以来,数据列表和文字描述均是统计分析的主要表达方式。虽然近年来对于统计分析的表达,越来越多地采用图形元素的方式,但该方式并未上升至主流的地位,仍主要属于辅助的功能。而事实上,自20世纪中期计算机图形学进入早期发展阶段开始,数据可视化的概念也由此萌芽起来。可见,数据可视化已经经历了长期的沿革与发展过程。而在这一过程中,其内涵与边界也得以不断延伸与扩大,从本质意义上而言,数据可视化是数据文字到视觉图形的表达升级。具言之,表现为以下几个方面:

首先,数据可视化是将视觉特征作为表达的基点。根据有关研究数据以及资料表明,视觉是人类获得信息的最主要途径,眼睛感知信息的最高带宽可达到2.3GB/s;而在人脑中,近一半的功能要被用作与视觉信息相关的处理器,因此,人脑对于图像信息的记忆力远超对文字记忆力的6万倍左右。鉴于此,基于实践应用的考究,如果可以通过研究和应用数据可视化的技术,将实践中得到的纷繁复杂的数据资料转化、映射为可直观识别的图像、视频等信息,则可以充分发挥视觉感知的作用,从而“加深和强化受众对象对于数据的理解和记忆”,提升受众群体对于数据信息的接受度、认可度。其次,数据可视化是将视觉元素作为表达的要件。对视觉元素的充分运用与否会直接或间接影响数据可视化的效果,因为数据的可视化通过图像、动画、视频等形式表现出来,而这些图像、动画、视频等载体信息又由一系列不同的点线面形状,不同的尺寸大小,不同的字体标签,不同的颜色、纹理、模糊度、透明度和亮度等视觉元素组合而成。这些视觉元素都是数据可视化设计的基本要素,可以用于呈现比较、关系、分布和组合等数据视觉。由此,充分挖掘并运用好各种视觉元素在数据可视化中的表达,有利于形成更为直观的数据视觉,为信息获取、科学决策等方面提供建议参考。其三,数据可视化是将视觉影响作为表达的追求。正如前文所述,视觉元素的充分运用与否影响着数据可视化的效果,而这也引申出数据可视化的价值追求问题。笔者认为,视觉影响是数据可视化的最终价值,而评判数据可视化的重要标准之一则体现为数据表达的艺术性。因为数据可视化的目的虽然仍在于通过对数据真实、完整的表达,来满足数据受众群体对于数据的获取、利用、转化等实用性需求,但要更好地满足这些实用性需求,通过“艺术性”、直观性的处理往往能产生更好的效果。正如有论者所认为的那样,符合审美规则的数据表达往往更能激发数据受众群体的兴趣,为其提供更好的视觉体验。
(二)静态分析到动态监管的功能迭代

数据可视化的技术应用也表现为从静态分析到动态监管的功能迭代过程。结合传统统计分析与数据可视化的比较而言,我们知道,传统的统计分析通常是一项阶段性的任务,其可以在特定的时间点,通过运用业务数据来分析回顾过去和展望未来;而数据可视化则更侧重于对数据的动态呈现,从而为分析相关业务情况提供更为常态化的决策支持。具体而言,对于数据可视化的动态呈现与表达,主要表现为以下三个方面:一是实时监测。随着当前数据采集技术、设备等的不断进步与发展,通过实时采集、监测日常所需要的数据,并运用可视化的方式展现出来,已经成为各个领域数据运用的基本手段。比如,在军事人力资源数据可视化的应用中,基于地理信息系统,可以实时查看人员在岗状态、分布等内容,支持快速掌握各单位当前人员在位情况和详细信息,可以对各类型人员进行实时监控,还可以根据减员情况进行单方调度和多方协同调度。二是问题定位。通过数据可视化的手段与方式,还可以精准定位实践中的问题所在,从而根据发现的问题寻找针对性的解决方案与对策。就比如在针对高速公路的管理中,通过数据可视化的方式,就可以将收费站流量、道路封闭管制情况、交通事件频次等系列相关数据,根据不同权重、不同类别以及不同要素将其充分融入复杂数据的分析过程当中,基于多维数据叠加生成的热力图,由此能够直观地反映路网中通行能力较差或者容易发生交通事故的路段、时间点,从而进一步标注可能存在的路网管理薄弱点。这对于增强高速公路管理能力,针对交通事故的治理与预防制定针对性化解方案均具有十分重要的意义。三是价值发现。数据可视化其实是从诸多复杂、不易发现、看似关联不大或者无从解释的数据现象中挖掘数据与数据之间的规律与联系,从而实现让数据进行自我解释的目的。从这一层面而言,通过在纷繁复杂的数据中建立联系,也更能进一步获取、发现并实现数据的价值。就比如电子商务相关领域,个人进行网上购物的偏好、习惯、频率等都会最终通过数据的形式表现并保存下来,商家及相关人员可以对这类数据进行可视化分析画像,从而方便定位理想用户群体,制定精准营销策略,完善个性化定制服务,改善用户购物体验。
(三)区域覆盖到全局关联的内容拓展

从内容拓展层面来讲,数据可视化也实现了从区域覆盖到全局关联。相比较而言,传统的基于任务的统计分析,其数据的覆盖范围是相对有限的,而对于将业务运行作为表达对象的数据可视化技术而言,其边界则可以通过以下“三重关联”拓展到全局:一是打通信息孤岛,实现系统与系统之间的关联。通过数据可视化的运用与探索,对于打破系统平台之间的壁垒,破除信息孤岛的现象具有积极作用。就比如集装箱码头的生产管理领域,一般而言,涉及集装箱码头生产管理的系统往往会根据不同岗位的实际需求来划分策划、生产、绩效等不同板块,并设置相应的分版块或者菜单。这种数据系统的管理模式又常常会出现不同要素之间各自独立、各自为政的现象。而通过数据可视化技术的运用,则可以打通系统之间的壁垒,为管理层快速、准确并全面获取业务数据提供了有效支持。二是借助人机交互,实现了数据与数据之间的关联。数据可视化系统可以实现对全局、大量数据的呈现,有利于进一步有效挖掘数据的价值。在数据可视化技术的支持下,通过丰富的人机交互方式,比如条件筛选、多维联动、图层叠加、对比分析、主题切换、数据下钻等,可以方便用户快速检索定位到其所需要的内容,从而实现多数据在不同维度指标下的交互联动,比对数据分布和趋势的动态差异变化,这有利于进一步发现数据背后的规律与特征。三是通过信息共享,实现了用户与用户之间的关联。我们知道,数据可视化的受众是广大用户。通过全局化的数据信息共享,数据可视化技术的运用有利于不同岗位的用户逐渐摆脱本位主义思维的局限性,继而从整体、全局的数据视野来检视其本职工作,在数据整合中加强联动,在差异比较中寻找问题短板,在关联与分析中预判未来趋势,最终形成基于统一数据源的全新用户协同模式。
(四)业务专精到技术融入的跨界平台

传统的统计分析质量主要依靠主创者的业务专精水平,其很大程度上受人的因素影响;而随着数据可视化的产生并发展,数据的运用与可视化分析则更离不开数据技术的融入。具言之,数据技术的融入主要包括三项内容:一是数据库技术。该技术主要用于不同来源数据的集中存贮和处理,可以根据数据量的大小作为区分,来选择运用不同的数据库技术。对于简单的、规模较小的数据,可以用EXCEL和Access等数据工具;对于常规数量的数据规模,可选择的数据库类型则包括MySQL、PostgreSQL、Oracle、SQLServer、达梦和金仓等关系数据库;而对于超大规模的数据,则需要Hadoop等分布式计算支持,由此也衍生有数据仓库、大数据平台、数据中台以及数据湖等海量数据管理概念。二是数据挖掘技术。对于数据挖掘(Data Mining)这一概念,学界也称之为数据库中的知识发现(KDD)。我们知道,从数据准备到结果分析的一个完整过程,通常有数据收集、数据集成、数据清理、数据转换、数据分析等环节,从其概念上分析,数据挖掘其实指的是对大量数据中可供人们利用的内容的发现,旨在从大量数据中挖掘先前未知的、有效的、可使用的内容,以更好服务决策支持。三是数据可视化技术。关于数据可视化技术,其实在前文已经有所提及,该技术就是将复杂的数据信息通过图形化的直观手段表现出来。该技术的实现又融合了诸多不同技术的应用,比如数学领域的专业人士常用R语言、python语言的matplotlib和seaborn库等技术,该技术有丰富的算法模型支持;想快速入门和实施的,则可以利用成熟的数据可视化工具,比如TABLEAU、POWERBI、永洪、FINEBI(帆软)、MicrosoftExcel等;而对于具有计算机编程基础的,则可以利用百度ECharts开源可视化图表库、bootstrap前端开发框架等技术,进而根据不同的业务需求定制数据可视化应用。二、基层检察机关数据可视化的实务应用需要数字检务的体系支撑由前文可见,数据可视化已经运用到各个领域以及社会管理的各行各业。从信息化发展与检察实务的角度而言,数据可视化技术在检察机关中的应用也已相当普遍,特别是通过运用酷炫大屏幕来展示本单位相关业务开展的数据情况,其品牌宣传的效果明显。而且通过采取大数据、云计算等一系列技术手段,对所搜集以及积累的相关实务资料、司法数据实现智能整合、分析,继而将其运用、服务于司法办案、司法管理、司法便民、司法公开等各个环节、各个方面,有利于充分有效地提升司法机关维护社会公平正义的效能。但不可否认的是,对标数字化转型的时代新目标,数据可视化技术在推动检察工作模式现代化转变方面,尚存许多可供拓展的空间。而提升检察数据可视化效用又不仅仅只是技术层面的问题,其更需要进一步依靠数字检务的体系支撑。
(一)同步发展的数字化转型理念支撑

数字化转型是经济社会飞速发展背景下对社会管理、模式转化等方面提出的新要求,旨在通过对一个单位日常运行、产品服务、行业趋势等一系列数据的收集与整合,以形成日常运营管理的数据全景图,由此助益于自身业务水平及管理模式的改进。从这一层面上来讲,探索数据可视化技术的应用与发展一定程度上是适应当前数字化转型的现实需要,体现在检察工作层面,则是依靠数字检务的体系与理念支撑。因此,笔者认为,检察工作要同步跟上大数据时代背景下数字化的转型与发展,在理念上要有以下三个方面的转变:一是业务数据化。要在日常工作中形成数据意识,不断推动业务数据化,通过电子数据的网络化应用,打造覆盖检察机关全业务的数据管理方案。由此,一方面提高了检察业务工作的效率;另一方面,也可以以数据方式实现对日常开展的各项工作的最大化收集,从而用于丰富网上检察工作全景图的创作素材。二是数据资源化。要将数据列为驱动检察工作高质量发展的战略资源,因此,有必要进一步对检察工作所涉及的各项业务数据的价值进行专门化的挖掘。三是数据运用常态化。要将数据运用真正融入日常的检察工作之中,通过数据可视化技术的实务探索加强对检察数据的运用,将成为检察机关进一步探索检察业务能力提升的过程中发现问题和改进工作的主导方式。
(二)全面全程的一体化管理机制支撑

检察机关数据可视化的实务应用还有赖于全面全程的一体化管理机制支撑。符合“艺术性”与审美规则是数据可视化的形式要件,但如果不注重数据的真实性,通过美观的“大屏”传播错误的数据,只会进一步扩大错误,因而内容丰富、规范和适用才是关键的实质要件。随着全国统一业务系统应用的深化,检察机关数据的准确性、及时性和完整性持续提升,覆盖四大检察、十大业务的数据全景图初步构建,以案件质量评价指标体系为标尺的业务数据研商机制,也正充分发挥着运用数据来改进检察工作的实效。但是,对照现阶段数字化转型的标准,在数据源的管理机制上,还存在诸多方面尚待加强。具言之,包括:第一,全局关联有待进一步加强。长期以来,检察机关在数字检务、智慧检察等方面的应用与探索较多偏重于业务办理领域,尚未形成覆盖检察机关业务以及业务外领域的全局关联。因此,有必要实现从聚焦业务到队伍管理、办公宣传和检务保障的全面延伸,从而推动检察数据的全局关联。第二,跨界共享有待进一步完善。为了加强检察业务数据在整合过程中的联动,则有必要实现从单一检察数据到政法数据、社会数据的多源聚合与跨界共享。第三,集约管理有待进一步实现。目前,对于检察机关数据的运用与管理尚未完全实现一体化的整合,而是管理相对分散的,因此,检察机关数据运用有必要实现相对专业的集约管理,推动从基于信息系统边界的分散管理到一体化整合的转变。
(三)适配需求的规格化业务逻辑支撑

在实务应用中,最大化地收集、分析并整合相关数据是业务价值挖掘的基础。对于原始数据而言,其只是存贮于计算机当中的记录,只有在适配业务需求并进行加工定制,形成符合数据可视化运用规格的逻辑算法,如突出显示的预警阀值、趋势对比的参数选项、要素分布的排列方式、评价指标的计算公式等的情况下,存贮于计算机中的数据的价值才得以充分发挥出来。因此,数据可视化的实务应用还需要适配需求的规格化业务逻辑的支撑。当前,在业务逻辑规格化的过程中,需要破解以下三个难题:一是量化难题。检察工作往往涉及人的工作,案件办理以及达成“案结事了人和”的目标,并非机械适用法律条文就能实现,而是需要检察人员丰富的工作经验与业务能力的加持,这中间涉及在严格遵循合法性的基础上,为了实现比例原则或者是合理性原则,而基于办案经验形成的主观能动性的发挥。这种检察工作经验往往是非线性的,尚未形成统一的、可供参照的模板。而这种非线性的检察工作经验,一定程度上给数字化的转型带来了难题。二是融合难题。其实,检察技术与检察业务涉及的是不同的知识领域与知识体系,数据可视化更多的是体现为技术层面的运用,是通过这一技术的融入与应用推动检察工作的高质量发展。因此,检察技术思维与检察业务逻辑是两个层面的概念,技术思维与业务逻辑的融合需要“痛苦”的磨合过程,就目前而言,既懂检察业务又懂检察技术的复合型人才并不多。三是应变难题。随着新时代背景下,人民群众对于安全、民主、法治等各个领域都有了新的期待,这使得检察工作也有必要在回应新期待的过程中不断作出调整与变化。但是,目前的难题就在于,以项目化方式推进完成的数据可视化应用在投入日常运行之后,有时候并不能快速回应检察业务规则的调整变化。
(四)自主可控的平台化数据技术支撑

当数据可视化成为检察业务全景展示窗口之时,其技术上离不开综合数据管理平台的支撑,以此与检察数字化转型相关照。在自主可控的平台化数据技术的支撑下,其可以在功能上满足大容量数据的集中存贮、相关信息系统数据的定时抽取、多源数据的清洗整理、基于业务逻辑的分析加工以及可视化图形界面的组合定制等需求。基于此,技术平台可以根据检察机关的层级、数据的规模等作为区分,找寻具体情况下最佳的技术实现路径。而在这其中,自主可控是常态运行的关键要素,主要体现在三个层面:一是技术主导。要实现数据技术的自主可控,检察机关就必须在检察数字化转型的过程中发挥技术主导的作用。因此,检察机关有必要主动掌握核心技术,尽可能摆脱对特定公司的技术依赖。二是业务同步。要实现对检察业务数据的动态跟踪与反馈,实时监测并保障数据收集、分析、运用的及时性、有效性,以避免数据质量和业务规则等相关实际情况发生偏离。三是机制联动。检察技术是保障并提升检察业务质效的重要把手,检察业务的高质量发展则是探索检察技术发展与应用的最终价值与归宿。因此,要实现机制联动,在探索包括数据可视化在内的检察技术的应用与发展的过程中,应主动融入业务,建立检察技术与业务合作共赢的可持续升级模式。三、检察机关数据可视化实务应用的创新探索与路径基于以上可知,检察机关数据可视化的实务应用与探索离不开当前检察数字化转型的重要支撑。而数据可视化技术的提出与运用,又可以令大规模而复杂的数据得以聚集呈现,由此使数据更具可塑性、可行性,以便于信息运用者能够在短时间内挖掘数据的关键点,满足人们的现实需求。据此,上海市黄浦区检察院自2019年底,便在上海市人民检察院的指导之下,启动了基层院检察数据治理试点工作,就是旨在创新数据管理模式,以数据治理中心为枢纽,将数据作为检察工作的基础性战略资源进行一门式集中管理,充分运用数据可视化方式,多方位服务办案、管理和决策。虽然目前黄浦区检察院在数据治理试点工作中开展的数据可视化探索,仅是研究型实践,在业务融合、快速应变、规范权威、技术强化等方面也还有许多短板,但如果持续创新深化,不断加强数据治理团队的运作与发展,专研于数据定制服务的探索、数据技术路径的演进升级以及数据基础平台的构建与完善,数据可视化技术在检察实务中的应用必将发挥巨大的价值。
(一)数据治理团队的运作与发展

数据治理涵盖了数据应用所涉及的一整套组织管理体系,其内容包括制度管理、程序应用、工具等方面,目标在于进一步提升数据的价值。从一定程度上而言,数据治理作用的发挥以及数据治理团队的成立与运作是实现检察数字化转型的基础,也是检察机关探索数据可视化实务应用的重要保障。因此,检察机关在探索数据可视化的实务应用并完善创新路径的过程中,数据治理团队的成立以及运作至关重要。对此,上海市黄浦区检察院积极探索创新,适时出台《开展数据治理工作总体方案》等相关规定,以此为指引,组建了由检察业务人员和技术人员共同参与的数据治理中心,授权明确了全院所有信息系统数据的集中统一管理模式。具体而言,组织保障层面,黄浦区检察院成立了由检察长担任组长,分管检察长和部门负责人全部参加的数据治理试点工作领导小组,将数据治理工作列为一把手领衔的全院重点工程。管理流程方面,以检察数据的生产、采集、流转、加工、存储、交换全流程为管理对象,设立信息系统管理、数据质量管理、业务需求管理、技术平台管理、应用定制管理和服务反馈管理等职责分工,从而实现检察数据一站式整合、专业化处理、一体化共享和个性化服务,提升检察工作“精细管理、科学决策、智能辅助”的总体水平。工具保障层面,则形成了数据可视化设计、数据库管理、编程开发、移动应用定制等系列工具包,由此为后续检察数据服务个性化定制提供支持。总体上而言,数据治理是一项长期系统性的工程,是实现检察机关数据可视化实务应用纵深发展的重要内容与基础。对此,有必要进一步推进数据治理试点工作,在探索形成相关基础数据库、业务主题库建设,持续挖掘数据资源的同时,要不断加强管理、规范流程、升级技术,从而不断提升检察机关数据治理服务中心工作的能级。
(二)数据定制服务的探索与提倡

自数据治理中心成立以来,黄浦区检察院已经先后推出了全国统一业务系统填录信息校验辅助工具、案件前科和重复管辖自动提示、数据简报、数据专题研判分析、案件质量评价指标月度报告、移动应用快速定制等诸多数据定制服务。就以黄浦区检察院关于危险驾驶案件的可视化分析项目为例,黄浦区检察院数据治理团队立足于司法实践中所发生的6532起醉驾公诉案件数据基础,通过自主研发技术工具、构建算法模型的尝试,发现数据异常波动的情况以及数据特点,通过放大异常点定位数据异常波动的原因。通过这种可视化的分析方式,可以进一步展示传统形式与载体难以形象表达的维度层次和关联关系,有利于为办案提供专业化、精细化的数据支持,由此值得深入提倡。
(三)数据技术路径的升级与演进

检察机关数据可视化实务应用的创新探索还依靠于数据技术路径的升级与演进。长期以来,基层检察机关创新探索数据可视化技术应用的过程面临数据规模小、技术力量薄弱以及资金投入少等现实问题。基于此,数据可视化的技术路径也经历了三个阶段的变迁:第一是工具使用阶段。该阶段主要使用市检察院统一部署的数据可视化产品工具(永洪BI),并结合本单位的现实需求,来制作数据可视化分析报告。在这一阶段,使用同一部署的数据可视化产品工具的优点在于,检察技术人员学习入门快,内置许多美观的可视化元件和常用的数据运用模板,通过鼠标拖拽和参数配置,可以快速地实现设计要求。但缺点则在于,限于产品功能的边界,往往难以满足特殊定制需求。第二是开发定制阶段。在这一阶段,更注重于个性化服务的开发与提供。由具备研发能力的检察技术人员根据特殊需求进行定制开发,其优点在于可适配灵活复杂的需求;缺点则是开发周期相对较长、技术规范性不高、界面友好度不够。第三是框架复用阶段。在该阶段,引入了数据可视化设计模板精美和丰富的bootstrap网页前端开源框架,结合简单、易于维护ASP编程语言,通过复用热门和简易的源代码,寻求平衡工具与定制优劣的技术解决方案。经过这三个阶段的发展,可以看出,数据技术路径其实在不断经历着演进与升级,由此为增强技术规范性,推动检察机关数据可视化应用个性化服务定制,从而为检察机关案件办理、创新参与社会治理提供专业化、针对性的数据支持。
(四)数据基础平台的构建与完善

数据基础平台的构建与完善也是检察机关数据可视化实务探索的重要内容。当前,黄浦区检察院所建立的检察数据可视化基础支撑平台基本可以划分为四个层次:一是来源层。其涵盖了两个层面的数据内容,一方面是市检察院限定开放的全国统一业务系统和统计管理系统的部分后台数据;另一方面则是全国、全市统一部署或自主开发的综合业务、队伍管理、检务保障等各类信息系统中可以导出的数据。二是数据层。根据预定规则,可以定时和定量地从不同来源处抽取应用定制所需的各类数据,进行一定加工处理后,汇聚在同一数据库集中存贮。三是业务层。围绕基层检察院工作特征,初步设立了批捕起诉、刑事监督、民行检察、公益诉讼、综合业务、队伍管理和检务保障七大板块,以便于分类容纳不同业务数据可视化应用。四是表现层。以动态网页为技术载体,以数字和图形为基本元素,通过聚合首页概要描述全院工作的总体情况,通过分层分类的菜单进行业务导航,通过突出、比对、趋势、分类、列表等方式综合展示具体数据内容。

往期精彩回顾

罗艺 曹子贤|社区数字化治理的法律风险防范的路径探索

温姝菀|数字法治政府建设的期待、挑战与未来因应

聂加龙|数据特区建设的法学思考

郭宇航|数字经济时代我国增值税的税制和征管面临的挑战及对策

王秦|数字法治政府建设如何化解规范与价值难题

徐伟琨|数字化转型背景下企业数据产权保护的理论证立和规范构造

上海市法学会官网