智慧公安以大數據、云計算、人工智能、物聯網和移動互聯網技術為支撐，以“打、防、管、控”為目的，構建公安智慧大數據平臺，實現警務信息融合、共享，實現公安信息數字化、網絡化和智能化。

一、社會治安管理防控模型

建立社會治安分析評估、警情動態監測預警以及人、車、物、場所一體管控等機制。包括：

重點人管控，包括：重點人員活動態勢、重點人員管理、布控管理、預警處理、重點人分析模型、重點人員檔案。

群體管控，包括：聚集訪研判、群體聚集分析。

二、偵查實戰模型

將各偵查業務警種力量、資源、手段、線索統一接入大數據平臺，建立多資源無縫對接、多手段同步上案、多警種聯合作戰，包括：

案件研判/團伙挖掘，包括：警情案件分析、要素關聯分析、研判模型、團伙發現。

隨著國內信息化系統的不斷建設，相關的數據量級已從TB級別躍升到PB級別，形成了名副其實的大數據。但是這些以往的海量數據大多只存在于垂直業務和單一應用中，數據過于分散且信息內容單一，而且缺乏有效的數據分析方法，數據處理效率低下，致使海量的數據無法被共享利用，嚴重制約信息化建設整體發展的速度。因此，需要通過信息化手段對已有各系統的海量數據進行整合、分類、歸納，搭建數據倉庫，實現有效的數據存儲與管理。

利用各種分析方法，對已有數據進行統計和分析，提供歷史數據的分析結果。幫助決策者能快速有效的從大量資料中，獲得有價值的分析結果，做出科學的決策，幫助建構商業智能(BI)。

近年來，數據挖掘理論及其技術研究和開發取得了較為快速的發展，其在各個領域應用有著非常廣闊的空間和潛力。數據挖掘成為解決數據處理難題的有效途徑，主要依賴兩項技術：一是對某個領域各部門產生的各種業務數據進行整理和集成，搭建支持決策的數據分析環境，即數據倉庫；二是發現隱藏在各種監測數據之中的有用知識，即數據挖掘。

作為一個多學科交叉的領域，數據挖掘可以用多種方式定義，例如“從數據中挖掘知識”、“知識挖掘”等。許多人把數據挖掘視為另一個流行術語——數據中的知識發現（Knowledge Discovery in Database，KDD）的同義詞。由以下步驟組成：（1）數據清理：清除噪聲和刪除不一致數據；（2）數據集成：多種數據源可以組合在一起；（3）數據選擇：從數據庫中提取與分析任務相關數據；（4）數據變換：通過匯總或聚集操作，把數據變換和統一成適合挖掘的形式；（5）數據挖掘：基本步驟，使用智能方法提取數據模式；（6）模式評估：根據某種興趣度量，識別代表知識的真正有趣模式；（7）知識表示：使用可視化和知識表示技術，向用戶提供挖掘的知識。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。