洛杉矶警局与加州大学洛杉矶分校合作，采集分析了80年来1300万起犯罪案件，用于进行犯罪行为的大型研究，通过算法预测成功将相关区域的犯罪率降低了36个百分点。

可见，算法不仅仅可以帮助运营人从用户数据挖掘中获得灵感，同样，如果不是简单地分析以往的犯罪规律，而是采用预测式警务的做法，分析人员就可以利用之前犯罪行为表现出来的规律，全神贯注地分析下一个可能发生犯罪行为的地点并重点干预。

10年前，在梳理2.45亿顾客每周生成的海量数据时，沃尔玛公司的数据挖掘算法偶然发现了一条奇怪的信息：在发布恶劣天气预警后，除了管道胶带、啤酒及瓶装水等应急用品以外，草莓酱馅饼需求量的增长幅度最大。为了验证这一发现，在2004年飓风 弗朗西斯 即将袭来的消息发布后，沃尔玛超市的管理者下令用卡车装载家乐氏快餐，运送至可能遭受飓风袭击的地区。结果，这些快餐很快就被抢购一空。通过这个案例，沃尔玛的管理者对消费者的消费习惯及 公式 的威力有了非常清楚的认识。

认识到这个发现具有重要价值的并不仅仅是沃尔玛的管理层。当时，心理学家考林 麦库与洛杉矶警察局长查理 贝克正准备合写一篇论文，并向法律实施方面的杂志《警察局长》投稿。他们以沃尔玛的这个发现为契机，对警务工作进行了再思考，认为其要由反应式向预测式转型。

2009年，他们的这篇题为《预测式警务：沃尔玛及亚马逊对打击经济衰退期犯罪行为的启示》的论文一经发表，就立刻引起了美国法律实施专业人士的关注与思考。麦库与贝克所谓的 预测式警务 ，是指由于计算机科学的发展，犯罪数据的收集与分析工作有可能做到 准实时 ，因此在将来可用于提高预测、预防和响应犯罪行为的效率。借用Quantcast的广告词来形容，这意味着警察可以 提前了解、提前行动 。

目前，与预测式警务联系最紧密的人当属洛杉矶警察局的肖恩 马林诺夫斯基警官。他被指派协助威廉 布拉顿局长的工作，先是当他的助手，后来成为他的参谋长。从此，马林诺夫斯基时来运转。在来到洛杉矶之前，布拉顿在纽约市工作。

他只用了几年时间，就将纽约市的犯罪率降低到之前的一半，在警界名声显赫。布拉顿的工作方法很有效率，但也明显不循常规。在到纽约市警察局之前，他还担任过纽约交通警察部门的领导者。在此期间，他首先对逃票行为予以打击，把纽约市地铁系统从一个犯罪案件频发的暴力之地变成了一个遵纪守法、安宁整洁、秩序井然的场所。

换句话说，在重大犯罪率创历史最高纪录的时候，布拉顿首先关注的是让人们掏钱买车票。他的理由十分简单。2009年，他在回忆录中说，逃票是导致更严重犯罪行为的根源。布拉顿指出： 合法乘客会认为他们身处一个不讲法律、没有秩序的场所。

他们看到人们不买票就能乘车，便开始怀疑遵纪守法是否明智。久而久之，整个社会就会陷入一片混乱。 通过制止并惩处违法行为，甚至连最轻微的犯罪行为也不放过，就会让那些制造麻烦的人明白，最好还是掏钱买票，并且把武器（搜查时通常会被发现）留在家中。因此，犯罪率开始急剧下降。

来到洛杉矶之后，布拉顿希望继续实施某些先发制人的手段。马林诺夫斯基在布莱顿的手下工作了5年，亲眼见证了布拉顿单凭意志力就使一个暮气沉沉的部门发生了种种良性的变化。他说： 如果我们所处的机构官僚主义盛行，我们就会对遇到的各种阻力习以为常，而我们的创造力却会受到限制。布拉顿告诉我不要受到官僚主义的影响，他还教导我要有远大的志向，要有所作为。

在工作中，布拉顿最迫切期待的是不断出现一些可以带来革命性变化的 奇思妙想 。他认为，预测性分析可以帮助他实现这个愿望。布拉顿发现，犯罪率与数据分析的速度之间存在某种联系。1990年，警察局一年只能完成一次犯罪数据的收集与研究工作，而同一年，美国大多数城市的犯罪率正在急剧攀升。

到1995年年底，警察局可以做到每月研究一次犯罪数据，而同期的犯罪率却有所下降。现在，他们可以随时查看犯罪率情况，因此布拉顿希望通过预测可能发生犯罪行为的地点，大幅度降低犯罪率。既然Quantcast和谷歌等公司可以从用户数据挖掘中获得灵感，同样，如果不是简单地分析以往的犯罪规律，而是采用预测式警务的做法，分析人员就可以利用之前犯罪行为表现出来的规律，全神贯注地分析下一个可能发生犯罪行为的地点。用亚马逊的话说： 既然你敢偷手提包，难道你就不敢抢酒庄吗？