quyết định liệu có nên thả một ai đó khỏi nhà tù hay giam giữ
anh ta. Ngày càng có nhiều nơi ở Hoa Kỳ - từ các phân khu ở Los
Angeles đến các thành phố như Richmond, Virginia - áp dụng
“chính sách tiên đoán”: dùng phân tích dữ-liệu-lớn để chọn
những đường phố, nhóm và cá nhân phải bị giám sát thêm, đơn
giản vì một thuật toán chỉ ra là họ có nhiều khả năng phạm tội.
Tại thành phố Memphis, Tennessee, một chương trình gọi là
Blue CRUSH (Giảm Tội phạm bằng cách Sử dụng Lịch sử Thống
kê) cung cấp cho cảnh sát tương đối chính xác các khu vực cần
quan tâm về địa điểm (một vài khối phố) và thời gian (một vài
giờ trong một ngày đặc biệt của tuần). Hệ thống dường như
giúp lực lượng thực thi pháp luật phân bổ nguồn lực khan hiếm
của họ tốt hơn. Từ khi chương trình được triển khai vào năm
2006, những vụ phạm tội với tài sản lớn và các hành vi bạo lực
đã giảm một phần tư (mặc dù tất nhiên, điều này không nói lên
được gì về quan hệ nhân quả, cũng không có gì để cho biết rằng
sự sụt giảm là nhờ Blue CRUSH).
Ở Richmond, bang Virginia, cảnh sát lập tương quan dữ liệu tội
phạm với các bộ dữ liệu khác, ví dụ thông tin khi nào các công
ty lớn trong thành phố trả lương cho nhân viên của họ, những
ngày diễn ra các buổi hòa nhạc hoặc các sự kiện thể thao. Làm
như vậy đã xác nhận và đôi khi tinh lọc những nghi ngờ của
cảnh sát về xu hướng tội phạm. Ví dụ cảnh sát Richmond một
thời gian dài cảm nhận có một sự tăng về tội phạm bạo lực tiếp
sau các triển lãm súng. Phân tích dữ liệu lớn đã chứng tỏ họ
đúng, nhưng không hoàn toàn: sự tăng thường xảy ra hai tuần
sau đó, chứ không phải ngay lập tức sau những sự kiện này.
Các hệ thống như trên hướng đến việc phòng ngừa tội phạm
bằng cách dự đoán, mục tiêu cuối cùng là đến tận cấp độ cá
nhân - những kẻ có thể gây ra chúng. Điều này cho thấy khả
