警务的未来不仅取决于改变警力结构或投资人工智能，还取决于让数据能够跨边界发挥作用。

警务工作正被要求快速变革。内政部白皮书《从地方到国家：警务新模式》提出了数十年来最重大的警务改革之一：更少但更大的地区警力、新的国家警察服务、更强的国家标准、更多使用技术和数据，以及更协调地打击严重和有组织犯罪。1

数据是这些计划的核心。白皮书指出，目前估计超过90%的犯罪涉及数字元素，而数据分散在43个警力中，并以不同格式记录。它提议建立新的国家数据集成与利用服务（NDIES），强制实施国家数据标准，并为关键国家数据集设立单一决策者。

时间表雄心勃勃。警察国家计算机计划在2026/2027年关闭，由执法数据服务（LEDS）取代，而NDIES预计将在同年年底前开始交付。2

这使得数据架构不仅仅是一个技术决策，更是一个改革决策。

问题不在于缺乏数据

警务部门已经持有大量有价值的信息。内政部白皮书将其所处的环境描述为不同系统、标准和流程的“拼凑被”，每个警力在技术和数据方面做出许多自己的决定。

对调查人员来说，后果是实际的。一项郡线调查可能涉及多个警力持有的情报以及国家数据集。调查人员可能不知道另一个警力或国家数据集是否持有任何相关信息，因此会花费时间请求和查询不存在的信息。如果信息确实存在，找到它可能意味着搜索多个系统、向其他组织请求，或处理在其他地方以不同方式记录的数据。

因此，挑战不仅仅是收集更多数据，而是让现有的警务数据更易访问、更一致、更有用。

集中化还是连接

白皮书将NDIES描述为一种集中化的数据集成与利用方法。但国家集成不一定意味着将所有数据集放在一个地方。

对“在国家层面集成数据”的本能反应是将所有内容汇集到一个中央平台。这会产成依赖关系。如果警力结构发生变化，数据可能需要迁移。如果新能力出现，可能需要新的集成。随着中央环境的增长，依赖它的一切也在增长。而对其架构、安全、治理或供应商的每一次更改，都会对建立在其上的每个警力和能力产生连锁影响。这减缓了创新；当能力与持有数据的平台绑定时，新工具必须等待平台更改，而改进一项能力可能会干扰另一项能力。

有历史依据需要保持谨慎。NHS National Programme for IT 于 2011 年被解散，预计成本为 98 亿英镑，而收益仅为已支出的一半。议员们发现，该计划难以说服 NHS trusts 采用国家统一采购的系统，并呼吁在标准化与本地所有权之间取得平衡。3 FiReControl 旨在用九个区域中心取代 46 个地方消防控制室，但在没有地方消防和救援服务支持的情况下强推国家系统，最终至少浪费了 4.69 亿英镑。⁴ 教训并非国家计划行不通，而是在没有地方服务运营者支持的情况下强推国家系统，极难交付。

另一种模式是在数据留在其创建和治理的环境中时进行连接。这就是 data mesh 背后的思路：数据被视为一组可复用的产品，具有明确的所有权、标准和访问控制，经授权的能力通过通用接口消费这些数据，而无需移动数据。由于能力与数据解耦，它们可以独立构建、测试和替换，而无需更改底层数据或彼此。能力招标变成了对应用程序的竞争，而非其背后的数据工程，因此规模较小、更具创新性的公司可以与大型集成商同台竞争。更多竞争推动更快创新，并为纳税人带来更好价值。

这使国家访问与地方问责得以共存。分析师可能看到模式和趋势，调查人员可能在获授权时看到案件级信息，而面向公众的服务可能只看到聚合数据。原则很简单：让需要信息的人能够获取信息，而不是让所有人都能获取所有信息。

这也适合改革本身。随着各警队走向更少、更大的组织，连接模式让结构可以变化，而底层数据仍由地方治理，而不是把每次合并都变成数据迁移。

保持选择开放

只有当数据与能力之间的接口保持开放时，解耦才能持续。相反的做法是由单一供应商从数据层到上层应用构建一切。无论该平台多么强大，没有供应商参与就无法改变任何东西，而每项新需求、重组或续约都要在依赖地位下谈判。警务不应承担这种风险。开放接口、通用标准和非专有格式将选择权留在警务部门手中。只要这些接口保持一致，其背后的技术就可以演进或替换，而不会中断依赖它们的能力，应用程序和供应商也可以更换而无需从头再来。

连接模式为警务带来的价值

我们的白皮书在不涉及任何产品的情况下阐述了这一架构。Elastic 已经提供了构建它的基础；我们称之为 Elastic data service：警队或国家机构拥有的数据，以及基于其构建的搜索分析和 AI agents，通过通用且安全的接口暴露。

• 控制权留在数据所有者手中：每个警队或国家机构运行自己的 Elastic data services，并决定谁可以查看什么，细至单条记录和字段。每次访问都可审计。问责权留在立法指定的位置，也是公众期望的位置。

• 国家覆盖而无需国家副本：调查工具、分析和 AI agents 按需使用 Elastic data services，每个只接收任务所需的内容。同一起 county lines 调查可以使用不同警队掌握的情报，而无需任何人构建新的中央存储。

• 一次构建，处处交付：国家能力（如情报服务）可以设计一次并交付给每个警队，而不是重复发明 43+ 次。与中央系统不同，数据不会移动。每个警队获得相同的能力和技术；可以根据任务需要在地方、区域或国家层面搜索；同时仍保留对自己数据的所有权和控制权。

• 在数据需要的地方运行：无论数据在云端、本地还是完全物理隔离，敏感数据都可以留在其所有者选择的环境中。

AI 需要先打好基础

英国政府已承诺在三年内投入 1.15 亿英镑，支持警务领域采用 AI 和自动化，包括新的 National Centre for AI in Policing，即 Police.AI。白皮书明确指出，碎片化的基础设施、老旧的系统、手动流程和糟糕的数据质量是障碍。如果每项新的 AI 能力都需要自己的数据准备和管道，扩展创新将依然缓慢。

连接型基础改变了这一起点，并让专业知识发挥作用。没有人比数据产品的所有者和维护者更了解它。借助 Elastic，他们可以将这些知识转化为 AI agents 和自动化工作流，一次构建并供整个警务领域任何获授权者使用。Elastic data service 以暴露数据的方式暴露这些 agents，因此新能力可以同样轻松地使用它们。这些 agents 与人员使用相同的搜索和分析，因此它们可以回答 where 和 when，而不仅仅是 what。白皮书自身关于更好分析的示例包括热点和犯罪模式。¹ 它们可以搜索内容本身，而不仅仅是记录在案的元数据，跨文档、图像、音频和视频。而且它们在相同的访问控制下工作，因此 agent 看到的内容不会多于其服务的人。

优质的上下文还能让 AI 运行得更便宜、更快速。从准备充分的数据出发、而非在每个问题上重新发现数据的智能体，所需的步骤更少。这正是 Elastic 所扮演的角色：警务数据与其 AI 之间的上下文层。在 Elastic 公布的测试中，提前准备上下文使 AI 模型必须处理的输入减少了约 58%，支持案例调查的响应时间缩短了约 40%，且事实准确性没有统计学上的显著损失。在另一个使用相同模型和数据的示例中，智能体所采取的步骤数从 33 降至 9，回答时间从 213 秒降至 64 秒。

各组织保留对 AI 模型的选择权，包括为满足主权或气隙（air-gapped）使用需求而自行托管的模型。这使得本地创新更容易在全国范围内接受测试，并在行之有效时按内政部白皮书的设想大规模推广。

下一阶段的 3 项原则

随着白皮书从政策走向实施，三项原则有助于保持架构的灵活性：

• 将数据基础与应用分开构建：集成层应支持当前的能力，同时不成为未来能力的制约。

• 以开放为默认：国家标准应创造一致性，而开放接口和格式允许现有系统连接、新技术引入，无需整体替换。

• 默认互联，有理由时才集中：某些数据集和能力自然需要国家所有权或集中化，但这应是运营和政策层面的选择，而非对每个集成问题的自动答案。

面向警务的互联基础

Elastic 为全球警务提供支持。以 Elastic 作为数据基础，每个组织都可以运行自己的数据服务，同时为国家能力做出贡献，而无需集中其数据。

如需详细讨论，请联系我们的公共部门团队。

• GOV.UK，“从地方到全国：警务新模式”，2026 年 3 月。

• GOV.UK，“政府对 Southport 调查第一阶段的回应”，2026 年 7 月。

• 下议院公共账目委员会，“被拆解的 NHS 国家 IT 计划”，2013 年 7 月。

• 国家审计署，“FiReControl 项目的失败”，2011 年 7 月。

本博文中描述的任何特性或功能的发布和时间安排均由 Elastic 自行决定。当前不可用的任何特性或功能可能无法按时交付或根本无法交付。

在本博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自所有者拥有和运营。Elastic 对这些第三方工具没有任何控制权，我们对其内容、运营或使用不承担任何责任或义务，也不对您使用此类工具可能产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时请务必谨慎。您提交的任何数据可能被用于 AI 训练或其他目的。无法保证您提供的信息会被安全或保密地保存。在使用任何生成式 AI 工具之前，您应熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch 及相关标志是 elasticsearch B.V. 在美国和其他国家的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：Elastic Blog

原创地址：https://www.elastic.co/blog/making-data-work-across-boundaries-policing