来源：《中国人民公安大学学报（社会科学版）》2026年第2期。
摘要：数字经济背景下，经济犯罪呈现高频交易、资金跨域流动及涉众规模庞大等特征，使得资金数据分析报告成为侦查破案的核心证据形态，即“金析为证”。然而，该类报告在司法实践中面临证据属性模糊、证明力认定困难及算法“黑箱”等争议，现有的书证或电子数据分类难以涵盖其复合特征。基于“小数据+专业判断”的结构化特征，论证了资金数据分析报告作为“鉴定意见”类证据的法理正当性。与大数据或人工智能证据不同，资金数据分析报告具备更高的数据透明度与可解释性，其真实性审查路径与传统鉴定意见高度一致。据此，应构建包含分析人员资质审查、数据全程留痕、算法透明化及法庭质证在内的标准化程序体系，以实现从“存在性证明”向“实在性证明”的转变，为规范资金数据分析报告的司法适用提供理论支撑与制度路径。
关键词：金析为证；鉴定意见；小数据；证据属性。
一、问题的提出
随着数字经济的深度发展，经济犯罪案件呈现出涉众规模庞大、资金流转高频、跨区域链条交织等新特征。由此生成的“资金数据分析报告”，在司法实践中被形象地称为“金析为证”，已成为揭示资金流向、查明非法获利规模及还原交易结构的关键证据。然而，这一新型证据在刑事诉讼中的法律定位却长期处于模糊地带。尽管公安部相关规定试图将其纳入鉴定意见范畴，但在理论界与实务界，关于其究竟属于书证、电子数据、鉴定意见，还是独立的“派生型数据报告”，仍存争议。这一争议的根源在于，资金数据分析报告兼具客观数据记录与主观专业判断的“双重属性”：它既不像传统书证类实物证据那样具有客观记录性，也不像人工智能生成的“机器证据”那样深深刻有算法的“主观”偏见。虽然中国司法解释引入了抽样验证等机制，但在面对算法不透明、证据归类混乱等问题时，现有的证据理论体系显得捉襟见肘。基于此，本文旨在厘清资金数据分析报告的证据属性，提出“小数据+专业判断”的理论定位，论证其归属于鉴定意见类证据的正当性。本文将首先界定实践中的争议焦点，进而剖析明确其属性的必要性，并结合“北京样本”的实践经验，构建一套包含审查规则与技术标准的制度完善路径，以期推动我国刑事证明结构从“存在性判断”向“实在性判断”的现代化转型。
围绕资金数据分析报告的证据属性，学界主要存在三种观点：书证说，认为其来源于客观记录，具有文书性，“从简单的资金数据分析到复杂的资金数据分析都可以不同形式的书证呈现”；鉴定意见说，强调分析人员基于专业方法做出的判断分析报告；辅助说，将其界定为在原生电子数据基础上“加工生成”的派生性证据。按照现行司法解释，资金数据分析报告可以作为证据提交。在国外司法实践中，美国将类似通过算法分析生成的内容归为“机器证据”（Machine Evidence），欧盟则称之为“算法证据”(Algorithmic Evidence)，二者均强调技术过程的验证性与可解释性。不论是将其视为独立证据还是复合证据，上述理论均未充分揭示其生成机制中的“双重性”：既依赖原始数据，又包含人工判断；既体现结构化分析，又受算法与筛选方式影响。公安机关陆续出台的“三项新规”等规范性文件，使得理论界与实务界在某种程度上出现意见趋同，为重新审视资金数据分析报告的证据属性提供了更成熟的制度条件。
然而，从资金数据分析报告呈现出的复合性与多维度特征来看，其证据属性并非简单地通过归类即可解决，而是需要对若干现实问题做进一步澄清：第一，从证据形态本身出发，其结构既包含算法处理，也包含人工判断，呈现出复杂的混合形态，亟须厘清其在法定证据体系中的定位；第二，从证据证明理论出发，将其纳入鉴定意见类证据的观点，需要提供更加充分的理论基础与正当性论证；第三，从侦查实践来看，如何在保证准确性的同时防止数据分析滥用、程序失控，此类实践中的挑战在制度上必须予以回应。唯有对上述问题逐一展开分析，明确资金数据分析报告的局限性与适用边界，才能在保障诉讼权利与程序正义的前提下，使该类证据的使用真正具备稳定性、可控性与正当性。
从证据法定原则来看，公安部出台的相关规范性文件，在形式上为资金数据分析报告提供了“可作为证据使用”的制度依据，“但部门规章能否直接界定证据属性，仍需在学理上深入探讨此类算法驱动报告的证据本质”。当前司法实践中，法院在审查类似技术型证据时，通常更关注数据来源是否合法、载体是否真实、处理过程是否留痕等表层技术属性，而对其中蕴含的算法机制、选择逻辑、特征提取方式等“黑箱部分”缺乏有效解释。此外，从理论分类看，大数据证据、算法证据、人工智能证据之间并无统一的分类基础，各类技术证据往往交叉混合，使得资金数据分析报告难以精确归入某一单一类别。实际上，该类报告既不属于典型意义上的大数据证据，也未达到人工智能证据依赖深度学习与自动推理的程度，更多呈现“小数据+专业判断”的特点。即便将其归为鉴定意见类证据，在侦查与诉讼环节仍然可能面临失真、偏差、不确定等风险。因此，有必要通过完善刑事诉讼程序，对资金数据分析报告的制作、审查与使用作进一步规范，以确保其具备可审查性与可控性。
二、资金数据分析报告的证据属性
由于资金数据分析报告在案件查明中的重要作用、在证据体系中的互证性以及程序上的法定要求，有必要对该类报告的证据本质、法律定位与适用规则进行系统分析，以适应现实司法需求。
（一）资金数据分析报告证据运用中的抽样性分析
抽样性通常被视为大数据证据的基本特征之一。而在资金数据分析报告中，同样存在抽样使用的现实需求和方法逻辑。
首先，经济犯罪案件往往涉及大量交易记录和跨账户资金流动。在全量数据规模巨大、处理成本高昂的情况下，对其进行全面分析在实践中并不现实。因此，侦查人员通常通过抽样方式，选取具有代表性的数据节点进行分析，以便在有限时间内揭示资金流动规律，提高分析效率。相关司法机关已针对抽样带来的证明难题作出制度回应。例如，2014年最高人民法院、最高人民检察院、公安部《关于办理非法集资刑事案件适用法律若干问题的意见》提出了综合认定规则，并被2022年《最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释》等规定沿用；2021年《人民检察院办理网络犯罪案件规定》提出了抽样验证规则，2022年最高人民法院、最高人民检察院、公安部《关于办理信息网络犯罪案件适用刑事诉讼程序若干问题的意见》规定了类似的“按照一定比例或者数量选取证据”规则和涉案账户的资金属性推定规则。这些规定共同构成了资金数据抽样使用的制度基础，使抽样分析在案件中具有明确的法律依据与可操作性。
其次，抽样不仅具有提高效率的功能，其本质目的在于通过对部分数据的深入检验来反推整体规律，从而验证资金流动的模式和链条。抽样结果与其他证据（银行记录、财务资料、证人证言等）共同使用时，能够增强对案件事实的整体性判断。需要注意的是，抽样分析虽然可以提高分析效率，但也存在一定的风险。抽样方法若存在样本偏差、比例过小或选择不当，将可能导致对资金链条的误判或遗漏。因此，抽样分析必须同时满足“代表性”与“可解释性”，并与全量数据的背景信息相结合。
最后应指出，在多数经济犯罪案件中，主要犯罪事实往往已有初步清晰的证据基础。此时抽样验证的目标并非“直接证明新的事实”，而是用于印证现有结论的可靠性。这一点决定了资金数据分析报告更适合作为证据链中的辅助性证据，而且，这种辅助性远超解释其他证据的“示意证据”。其作用在于提升证明体系的完整性，而非仅由分析报告决定案件事实。
（二）资金数据分析报告侦查运用的合法性分析
资金数据分析报告在侦查阶段的运用具有合法性基础，可从“实质正义”与“程序正义”两个维度加以分析。在实质正义层面，其合法性具有明确的司法解释依据。现行规范确定了侦查机关调取、分析资金数据的权限。《公安机关资金分析鉴定工作程序规定（试行）》第19条、第21条进一步规定鉴定人的独立性及回避制度，为侦鉴分离提供制度保障，使分析人员具备“以专门知识协助查明事实”的合法主体资格。在实践中，该报告能够系统呈现资金来源、流向、交易模式等关键信息，与案件核心事实具有高度关联性，因此在侦查中具有重要价值。在程序正义层面，数据收集、清洗、分析等环节遵循合法程序，报告即不因“形式上的取证方式争议”而失去证据资格。换言之，分析主体合法、数据来源合法、处理过程可验证，是判断其程序合法性的核心标准，而不应因其技术性或形式新颖而被排除在证据体系之外。综上，只要在制作和使用过程中确保合法性与规范性，资金数据分析报告即可在侦查和审判中发挥应有作用，为查明案件真相与实现公平审判提供有力支持。
（三）资金数据分析报告的法庭质证的可重复性分析
资金数据分析报告在法庭上的一个关键优势在于其可重复性。可重复性意味着资金数据分析报告的内容可以被再次检验、核实和确认，确保其真实性和准确性，这一特性是确保资金数据分析报告具有证据资格的重要基础，也是其作为有效证据被法庭采纳的关键。
首先，报告所依托的原始数据具有可核实性。银行交易记录、第三方支付数据、会计凭证等原始材料均可追溯、可复查，使报告内容能够接受对照验证。法官与辩方均可依赖原始数据对分析人员的结论进行检查，从而保障报告的透明度与可靠性。审判实务人员也认为，资金分析报告可以借鉴专家证言“可靠性”标准。
其次，报告揭示的资金流动链条、交易结构、账户关联情况可以与其他证据进行比对印证。如被告人供述、财务记录、电子数据取证材料等均可作为复核依据。这种“多证印证”机制使得资金数据分析报告具有较强的可重复检验性。
最后，可重复性意味着报告中的技术步骤可复现、数据来源可查证、分析逻辑可解释、结论可再验证。这种现实性和可重复性共同构成了资金数据分析报告作为有效证据的重要基础，为经济案件的侦查和审判提供了有力的支持。
三、资金数据分析报告归属鉴定意见类证据
要将资金数据分析报告纳入证据体系，首先必须满足证据最基本的要求——具有“客观实在性”。即其内容必须以客观数据为基础，能够独立存在，而非仅为其他证据的附属物。因此，它既不同于对电子数据简单再复制的书证，也非从电子数据机械推演出的逻辑结果，而是基于结构化数据加工、分析后形成的独立材料。然而，仅具有纯粹的形式意义上的客观性，就会落入西方证据方法形式论陷阱。一方面，其并非纯粹的信息载体（如电子数据证据）；另一方面，其也不同于完全自动生成、无人工干预的“大数据证据”或“人工智能证据”，后者更接近“机器产物”。资金数据分析报告在本质上是介于客观记录与主观判断之间的专业意见性证据，其基础数据具有客观性，但其分析模式、筛选逻辑、判断结论均包含专业人员的主观分析。因此，其定位更接近鉴定意见类证据。尽管这一归类在理论上仍有争议，但现实司法需求，尤其是资金链条复杂、案件规模庞大的经济犯罪类型的侦办需要，为其作为鉴定意见提供了强有力的实践支撑。
然而，归类为鉴定意见类证据的理论解释力仍显不足。我们还需追问，这种报告的客观性与证据三性中的“客观性”一致吗？法哲学意义上证据的“存在”与“实在”是否需要重新认识？作为鉴定意见类证据，资金数据分析报告既无法阐释作为信息类证据的电子数据的存在性、真实性的功能式“存在”，也无法区别基于人工智能技术自动分析生成的“大数据证据”的流程判断式“实在”。除去“实在”的客观性意见之外，资金数据分析报告中的“分析报告”作为“言词意见类”证据，还应当介入主观分析，即鉴定对象——资金数据本身不是对经济犯罪事实本身的证明或评价，不是科学的证据，而是一种科学的意见。因此，相对独立的客观性使资金数据分析报告具备证据的资格，现实需求也提供了强烈的反向支撑。这一点可以搁置有关证据与否的争议，并且也可以较好地回应律师界认为“资金分析结果归类为鉴定意见理论依据不足”的观点。
区别于大数据证据，资金数据分析报告依托“小数据”结构，反而能够有效避免大数据证据在我国证据体系中面临的“双重困境”：一是未被纳入法定证据种类所导致的身份尴尬；二是算法黑箱、模型偏差等引发的理论争议与程序争议。正是由于“小数据性”使其具备更高的透明度、可解释性与可复核性，资金数据分析报告得以摆脱大数据证据的制度性束缚，从而在法律体系中获得更为清晰的定位。其独特性在于，资金数据分析报告属于“小数据+专业判断”的结构化证据；其一致性则在于，其真实性判断路径与传统鉴定意见并无本质差别——均通过主体资格审查、程序合法性审查、方法科学性审查以及庭审质证完成证据的真实性建构。正是在这种“独特性”与“一致性”的交汇之处，资金数据分析报告的证据属性得以明朗化，其归属鉴定意见类证据的观点便成为水到渠成、顺理成章的学理解释。
进一步来看，这一归类背后蕴含着证据理论的深层变迁。从证据证明结构上看，技术型证据的介入使刑事证明从传统意义上基于现实世界客体的“存在性判断”，逐步转向对虚拟化数据环境中“实在性构建”的判断。资金数据分析报告所反映的并非自然事实本身，而是经规则化处理、算法抽取与人工判断所生成的一种“结构化实在”。因此，其归属鉴定意见类证据，意味着现有证据理论需要进一步发展，构建一种能够涵盖全景式数据关联、结构化事实建构及结果导向型判断特征的现代鉴定理论。
换言之，资金数据分析报告的证据属性不仅是分类问题，更反映出技术变革下证据法理论的重构趋势：从以传统物理事实为核心的“存在式证明”，走向以数据关联与结构重构为核心的“实在式证明”。在此意义上，将其纳入鉴定意见类证据，不仅符合实践需求，也是证据法理论现代化的必然方向。
（一）资金数据分析报告的小数据性
资金数据分析报告既不同于典型的大数据证据，也并非人工智能算法完全自动生成的“机器证据”。其数据规模、分析方式与推理机制均呈现出典型的小数据特征，这一特征是其归入鉴定意见类证据的重要基础。资金数据分析报告作为“小数据证据”，其核心特征主要体现在以下4个方面，每一方面均直接影响其在诉讼中的证明力、可审查性与证据定位。
第一，资金数据分析报告处理的数据量相对有限，主要来源于银行交易记录、账户信息、资金流水等高度结构化的数据。与大数据证据需要跨平台、多源、多类型数据集合相比，资金数据分析报告的分析对象集中且目标明确。报告通常包括以下内容：账户信息（账户名、账号、开户行等），用于确定资金的起点与终点；交易明细（时间、金额、对方信息等），用于重建资金流转路径；交易类型分类（取现、转账、代付、充值等），用于识别行为特征；异常交易标记（大额交易、频繁交易、跨境交易等），用于识别可能的违法线索。由于其关注重点在于犯罪链条本身而非全量数据的趋势挖掘，其分析具有更高的精准性、关联性与可解释性。算法干预主要体现在数据清洗、排序、比对等可控操作，不涉及深层黑箱推理，因而其客观性反而更加突出。
第二，资金数据本身质量较高、冗余度低，使资金数据分析报告具有天然的“高价值密度”。银行流水、支付记录等作为经过监管体系审核的数据，真实性与可靠性相对较强，且无关信息较少，重复度低、噪声低。即便数据量较大，也通常通过人工与半自动化工具即可完成清洗与梳理。相比之下，典型的大数据证据往往包含大量冗余、噪声、不相关甚至误导性的数据，需要复杂算法与多轮筛选才能提取有效信息，并可能受到算法偏见、数据黑箱、模型缺陷等因素影响。资金数据分析报告由于数据质量稳定、分析流程清晰，使其在经济犯罪中的证明价值更加直接、明晰。
第三，资金数据分析报告的结论通常具有高度可解释性。其分析逻辑基于明确的资金流动规律：合法经济行为具有稳定、可追踪的交易结构；违法犯罪活动往往呈现异常路径，如短时间内多次分流、频繁跨账户转移等；无论犯罪手法如何变化，资金最终都需进入行为人可实际控制的账户。因此，报告所呈现的资金来源、流转路径、去向等内容，均是对原始交易数据的归纳式总结，而非推断式预测。其因果链条明确、变量有限、数据背景清晰，使其在庭审中能够接受针对性核查。若报告结论受到质疑，办案机关可以通过“追踪到每一笔流水”进行解释，显著区别于依赖模型推理的大数据证据。
第四，资金数据分析报告的“小数据+专业判断”属性还体现在其结论形成过程中存在显著的人工参与。与依靠模型自动生成结论的大数据证据不同，资金数据分析报告在多个关键环节均依赖分析人员的专业经验与逻辑判断，包括：数据筛选与排除；异常交易特征识别；资金链条重建路径选择；资金用途与账户属性的推断；混同资金的处理逻辑确认。因此，报告的最终结论本质上属于一种专业意见证据，兼具技术性、经验性与判断性。这种特征与传统鉴定意见的结构高度相似，为其归类提供了重要依据。海量的数据之所以能够呈现出“规律”，是因为在分析数据前人为地选定了分析数据的方法，也就预先设定了输出的数据结构化关系结果。避免了人工智能证据的“机器意见”属性所带来的自生成自学习的自我表达属性难以归类。将小数据的资金数据分析报告视为一种鉴定意见，在相当程度上，仍然归属于“从观察事实所得出的推论”的意见范畴，除去了机器证言带来的法庭证人证言类质证等一系列麻烦。最大程度防止了对中国证据审查判断体系造成的冲击。
小数据特征使资金数据分析报告的证据特征更加清晰化。首先，从数据规模与来源看，资金数据分析报告通常依赖单一来源或有限来源的数据，如银行流水、账户信息、交易明细等，其数量远未达到人工智能所需的海量训练数据规模。其分析多基于既定查询规则、固定算法或数据库结构匹配，而非依赖深度学习等自我演化模型。因此，其更适合界定为“程式化分析证据”，在国外体系中属于第二代证据，而与第三代“GAI（生成式人工智能）证据”有本质区别。其次，资金数据分析虽然使用了数据库检索、自动比对、可视化等智能技术，但分析人员仍然需在数据筛选、路径判断、风险识别等关键环节作出专业判断。也就是说，资金数据分析报告不能理解为纯机器输出的“全自动证据”；最后，与典型大数据证据相比，资金数据分析报告不存在海量非结构化数据，也不涉及复杂的模型构建、特征提取或机器推理链条，因此技术黑箱程度大为降低，具备更高的透明性、可解释性与可复核性。这种“小数据+专家判断”的模式使其天然接近鉴定意见的真实性判断路径。
资金数据分析报告的小数据性不仅使其具备较强的精细化分析能力，更使其避免了大数据证据的分类困境，能够更自然地归入法定证据体系，从而回应学界长期以来对其证据归属的质疑。
（二）与鉴定意见真实性判断机制本质相同
资金数据分析报告与鉴定意见具有同质性，第一，两者对案件的核心事实的真实性判断并无实质不同，是一种具有不可替代的证据判断方法。第二，与其他证据之间具有较强的相互印证性，具有一定意义上的鉴真性。在实践中，对侦查机关形成证据链条，构建完整的事实，提升案件审查判断的准确性具有同样重要的作用。第三，两者的适用必须遵循严格的证据程序，以及配备专业鉴定机构和人员。虽然资金数据分析报告与鉴定意见在证据方法手段等有差异，但皆属形式差异，在真实性判断机制上，与鉴定意见趋向一致，并无实质差异。
鉴定意见的真实性判断通常包括4个基本维度：鉴定人资格审查、鉴定程序合法性审查、鉴定意见科学性审查以及法庭质证。从本质上看，虽然具有算法分析与人工判断交互的复合结构，部分学者甚至将其视为“数智鉴定”（算法辅助下的专业判断），但其结论最终仍需依赖具有法定资格的分析人员进行筛选、解释和确认，因此并不会因为存在自动化环节而脱离鉴定意见的证据属性。
公安机关生成的资金数据分析报告是否能够为司法人员准确理解、是否能够作为定罪量刑依据，均应比照鉴定意见真实性审查的4个维度进行评价。
第一，应审查资金数据分析人员是否具备合法资质。按照公安机关内部规定，资金数据分析应由经省级及以上公安经侦部门测试认证、取得资金数据分析资格证书的人员承担。分析人员还应当满足独立性要求，与所分析案件不存在回避情形，确保其具备从事资金分析的专业能力与中立立场。这是确保分析结论可靠性的前提条件。
第二，必须对资金数据来源、数据清洗及处理流程的合法性与规范性进行全面审查。重点包括：一是数据来源是否合法。应检查是否符合资金查控的相关工作规范，调取数据时，确保执法办案部门及时上传具备法律效力的文书信息。若通过线下方式调取，应符合《公安机关办理刑事案件程序规定》第237条之要求：由查询机关出具法律文书，两名民警持证向银行等金融机构依法调取数据。二是辅助数据来源是否合法。若需使用企业财务资料或OA系统数据，应确认办案单位是否依法通过扣押手续取得。对于属于计算机或移动存储介质的电子数据，还需经电子数据鉴定后方可使用。数据原始性与完整性审查应核对数据哈希值，防止数据在传输或处理过程中被修改或替换。以上审查确保资金数据分析报告在程序上具备合法性基础。
第三，应对资金分析逻辑的科学性和结论的可验证性进行审查。资金数据分析通常以涉案账户的借贷双方信息为基础，逐层穿透上下游资金流，形成完整的资金链条。其分析逻辑包括：对未发生资金混同的资金持续追踪至取现环节；对发生混同的资金持续追踪至无法区分的末端节点；最终形成资金流向、用途与转移路径的全链条图景。在此过程中，分析人员通常将账户用途的非法性与账户内资金属性进行对应推定。当犯罪嫌疑人或辩护人对资金属性提出异议时，分析人员应能够就资金属性作出合理说明。因此，对资金分析结论的审查应侧重于判断其逻辑是否完整、推理是否清晰、各项结论是否能够被第三方复核。若分析链条存在断裂或推论缺乏支撑，则相应结论不宜作为定案依据。
第四，还应关注资金数据分析报告的可溯源性。报告中关于资金来源、去向及用途的判断，应有明确依据支撑。即使报告正文因篇幅限制未能列明全部分析过程，也必须保证在司法需要时可以即时回溯。例如，可通过附卷原始数据、可视化资金链展示图等方式，将各层级资金明细完整呈现，以便法院对关键结论进行重点审查。若报告未详列的内容可能对案件定性产生重大影响，法院应要求分析人员进行补充说明或出示回溯材料。同时，作为资金查控的原始数据，应全部附卷，以便法院检验数据清洗的完整性与分析方法的科学性，为后续质证提供充分基础。
综上所述，在经济犯罪案件中，资金数据分析报告与鉴定意见的真实性审查判断路径在结构上高度一致。无论是对资金流转事实的分析，还是对涉案财务状况的判断，均需遵循严格的程序规范与科学方法，并在法庭上接受充分的质证。只要满足上述条件，资金数据分析报告便能够成为具有较强证明力的专业意见证据。
四、资金数据分析报告运用的合理化
资金数据分析报告作为一种典型的“小数据+专业判断”型技术证据，本质上属于鉴定意见类证据，但在真实性、科学性与可审查性方面又具有区别于传统鉴定意见的特殊性。与大数据证据相比，其取证范围有限，结构透明度更高，但在数据选择、算法公开与程序合规方面仍存在潜在风险。因此，在司法实践中，一方面应充分肯定其纳入法定证据体系所具有的制度意义；另一方面也需严肃对待因技术介入所带来的证据滥用风险，在“技术—法律”融合的背景下，构建透明、可控、可审查的证据运用机制，使其既经得起历史检验，也经得起法庭质证。
（一）合理看待大数据证据差异
资金数据分析报告在证据运用上存在天然的局限性，这源于其特定的分析范畴与数据来源。此类报告通常聚焦于涉案资金的流向、用途及沉淀效果，侧重对历史交易数据（如进出账户、金额、时间、交易对手关联性）的梳理与回溯。然而，这种分析往往局限于单一的银行流水数据，缺乏对企业债权债务、固定资产价值等专业财务会计信息的整合，因此难以全面映射企业的实际运营状况，且对未来经营趋势的预测能力相对有限。
相比之下，大数据证据具有更为广阔的挖掘维度与应用潜力。它能够打破单一资金维度的限制，更全面、准确地评估对象的财务健康度与经营绩效。鉴于资金数据分析报告和大数据证据在证明机理与覆盖范围上的显著差异，在实务中应坚持“取长补短”的原则，应根据案件性质、证明需求和证据结构合理选择证据类型。大数据证据擅长揭示关联模式和行为结构，但可能面临相关关系大于因果关系的问题；资金数据分析报告则擅长提供资金流动事实的精准重构，但其证明范围较为狭窄。二者应在具体案件中取长补短，避免将资金数据分析报告赋予超出其能力边界的证明功能，同时也避免对大数据证据形成技术迷信。
（二）补足算法“黑箱”客观性缺陷
资金数据分析报告的证据运用中，除关注数据范围与分析方法的合理性外，必须高度警惕“算法黑箱”对证据效力的侵蚀。算法的不透明性不仅削弱了报告的可信度与可靠性，更加大了其在法庭质证环节的解释难度与法律风险。
为消解“黑箱”带来的证据瑕疵，应构建多维度的客观性补足机制：一是提升算法透明度与可解释性。优先选用具备可解释性的算法模型，并详细披露算法原理及数据处理逻辑，为审查验证提供技术基础。二是强化全流程验证鉴真。建立“内部测试+外部评审”的双重把关机制，公安机关在使用某一算法前需完成单元测试与系统集成测试，并引入专家同行评审制度，确保算法的科学性。三是保障程序性权利与伦理审查。赋予被追诉人对算法的解释权、异议权以及申请重新鉴定（使用不同算法）的权利。此外，还应完善算法伦理裁量规则与定期审查制度。
值得注意的是，由于算法可能涉及商业秘密保护，部分算法难以完全公开，导致其仅具备“不完整的客观性”。因此，必须通过上述技术补强与程序保障，将这种技术层面的“不完整客观性”转化为法律层面的“有效客观性”，这正是电子数据实现从“材料”向“诉讼证据”转化的核心要义。
（三）从公开性角度完善法定程序
“公开性不足”是制约资金数据分析报告证据效力的关键瓶颈。为提升其在司法中的可信度与接受度，必须构建从生成到质证的全流程透明化机制。
首先，构建全链条透明的生成机制，便于法庭调查追溯。报告的透明度应延伸至“数据采集—清洗—分析—结论”完整生命周期。除算法公开外，应详细披露数据清洗规则及分析模型的构建逻辑，并附带可视化演示文件。必须建立“评估—解释—检验—策略”的循环验证体系，确保每一个分析环节均可溯源、可追踪。
其次，强化数据来源的可靠性。资金数据分析的可信度高度依赖数据来源的真实性与完整性。为此，应从数据获取、存储、校验三个环节加强规范。一是合法获取资金数据，严格遵守资金查控规范，通过法定程序调取资金流水，防止数据来源瑕疵削弱证据能力。二是定期审核与校验机制，对已调取的资金数据进行定期校验，采用哈希值或数字签名等技术手段防止数据被篡改，提高资金数据的可信度。三是技术标准统一化，对数据采集、储存、传输和调用制定统一技术标准，提高数据处理的规范性和稳定性，确保资金数据技术规范与法律规范的协调统一。数据来源不可靠将直接削弱分析结论的证明力，因此必须通过制度化手段确保数据的合法性与真实性。
再次，需建立独立审查与验证机制。为了确保资金数据分析报告的客观性与准确性，应构建双层审查机制。在内部审核机制上，由分析报告生成机构对数据清洗、分析逻辑、结论合理性进行内部复核，保证报告本身的技术质量。在外部审核机制上，对重大或疑难案件，可引入第三方独立机构或专家对分析逻辑进行验证，确保其符合科学方法和司法要求。审查结果应适度公开，以增强公信力。这一“双轨审查”模式有助于提高报告的客观性，也能够减少因技术缺陷或程序瑕疵导致的司法风险。
最后，完善法庭证据展示与质证规则。资金数据分析报告在庭审中的展示方式，决定了其能否经受住质证检验。资金数据分析报的质证应参考意见类证据的质证规则，建立适配技术证据特点的法庭展示制度。主要包括：明确报告的格式和内容要求；规范报告的提交流程和审查步骤；对分析人员出庭作证、解释数据来源和分析方法做出明确规定；建立交叉询问机制，使当事人能够充分质疑分析方法和结论；推广可视化展示，如交易图谱、链路图、清洗前后数据对比等，提高审判人员理解效果。通过制度化的法庭展示规则，可显著降低报告被质疑的概率，提高其在事实认定中的适用价值。只有通过加强透明度、确保数据来源可靠性、增强审查和验证过程的透明度，以及完善法庭证据展示规则，才能有效提升资金数据分析报告的可信度和接受度，使其在刑事实践中发挥更大的作用。
五、资金数据分析报告证据性的完善
随着侦查实践的深入，资金数据分析报告在诉讼中的应用日益频繁，其证据理论也日趋成熟。然而，司法的生命力在于执行。作为一种理论准备尚显不足，运用解释机制尚缺的“新证据”，资金数据分析报告可被视为大数据证据广泛应用的“前哨”。为确保其证据效力，必须建立贯穿始终的风险监测机制、细致的技术规范以及严谨的程序精神。
（一）完善数据分析处理活动的风险监测
第一是技术层面的合规监管。在数据处理活动中，必须强化风险监测机制。一旦发现数据安全缺陷或系统漏洞，应立即启动补救措施，并按规定向主管部门报告，确保数据载体的安全性与稳定性。
第二是诉讼层面的法律监督。资金数据分析应当纳入检察机关法律监督的范畴。赋予辩方辨认权与鉴定申请权：当事人对资金数据有异议时，应赋予其对资金载体、流向等电子数据的辨认权利。具备条件的，应交由当事人或证人辨认；必要时，应启动司法鉴定程序。规范鉴定主体管理，参照《公安机关资金分析鉴定工作程序规定（试行）》，由公安部经侦局统筹管理，实行“部、省”两级鉴定机构与鉴定人登记管理制度。未来应逐步过渡由各地公安机关资金分析鉴定中心（实验室）的专业人员承担鉴定职能。强化非法证据排除与瑕疵补正，在法庭调查与质证阶段，针对辩方提出的关于算法漏洞、数据歧视或取证合法性的合理怀疑，检察机关应及时监督，必要时要求侦查机关补充侦查或进行重新鉴定。对于数据来源的合法性（如勘验、搜查、扣押程序），应比照相关司法解释进行严格审查，对程序瑕疵要求出具补正说明或合理解释。
（二）建立资金数据分析报告的司法鉴定标准和技术规范
资金数据分析报告要想在司法体系中形成稳定、可控且具有可接受性的证据属性，必须通过建立司法鉴定标准与技术规范，减少自动化偏差、强化算法可解释性并确立规范化的操作流程。
譬如，建立全流程“数据审计”机制。在数据分析初期即植入可追溯系统，对数据的删除、修改、聚合、清洗等操作形成完整的“电子数据分析轨迹”日志。借鉴美国相关经验，开发专门软件对“黑箱”算法设备进行“侵入式”测试，以验证其准确性与可靠性。
在证据分类上，细化数据分类标准。建议将基础数据划分为“资金类数据”与“非资金类数据”两大板块，构建清晰的证据金字塔：资金类数据（核心）：细分为涉案核心数据（内部/外部）与关联数据。非资金类数据（验证）：包括财务、税务、政务、警务等用于验证资金环境的数据，起到比对印证作用。如图1：
设立标准化的检验流程。基于细致的分类，侦查机关设立从“数据清洗”到“报告出具”的标准技术规范，确保每个环节均有章可循（如图2）。推进应用推广的制度保障。在正式纳入法定证据种类前，需落实“侦鉴分离”原则，设立具备独立资质的检验机构；同时完善相关法律法规，为资金数据的全生命周期管理提供法律依据。
（三）遵循鉴定意见类证据的法定程序标准
目前，侦查机关出台的《公安机关资金分析鉴定工作程序规定（试行）》，就列出了试行性的资金数据取证规程、分析规程等。已经对资金数据的取证规范、分析规程、报告出具程序等做出了试行性安排，为资金数据分析报告的程序合法性提供了初步制度基础。然而，这些规定仍需进一步与司法审查标准衔接，特别是在“证据可采性”与“证明证明力”的审查体系中，如何将资金数据分析报告纳入鉴定意见类证据的程序范式，仍是司法实践亟须解决的问题。从比较法视角看，美国关于“法律相关性”证据规则具有重要启示意义，法官应权衡证据的证明价值与公共政策（如隐私保护、算法伦理）。如果算法存在的“自动化偏见”被认定为“不公平偏见”，且其负面影响超过了证据本身的证明力，则应予以排除。因此，资金数据分析报告要想作为鉴定意见类证据进入诉讼，必须建立起从“证明力→权重→可采性”层层递进的审查体系，使其能够满足公平审判与程序正义的要求。
六、结语
资金数据分析报告是经济犯罪案件证据体系中的核心一环。尽管其具有“不完整人工智能证据”的特性，但凭借“小数据”的精准指向性与鉴定机制的一致性，它已具备了客观证据的实质要件，是完善证据链条的关键拼图。从司法实践看，资金数据分析报告在“抽样分析、合法取证、重复质证”三个维度的表现，有力验证了其证据属性的现实价值。展望未来，深化资金数据分析的应用，关键在于“建规立制”。公安司法机关应致力于构建“技术标准+法律规范+审查规则”三位一体的制度体系，从而实现经济犯罪侦查从“经验驱动”向“技术驱动”与“法治规范”的深度融合，全面提升司法证明的科学性与有效性。
