在执法中使用数据治理和数据管理制定一个包括战略、实施和创新需求的研究议程

执法部门、政策制定者和社区安全合作伙伴高度依赖数据来做出决策，然而执法数据的质量和互操作性存在重大问题，阻碍了决策和行动。为解决这一问题，研报提出了利用数据治理/数据管理（DG/DM）方法来提高执法数据质量和互操作性的五个主要主题：

• 提升执法部门的数字取证/数字调查能力：制定分布式生成/需求管理指南、核心流程、培训以及与供应商合作的指导，以提升数据质量和互操作性。
• 提高执法数据保护措施：在整体上加强执法数据的保护，并与当地社区团体合作以确定他们自身辖区数据正当用途和限制。对用于机器学习应用（例如，预测警务）的数据和分析实施特殊保护。
• 提升传统执法数据的价值：支持执法记录管理系统的现代化和计算机辅助调度，以支持跨部门数据共享；与核心联邦存储库共享，包括国家基于事件的报告系统（国家犯罪事件统计数据报告）和美国联邦调查局使用武力数据库；以及与其他刑事司法系统部分共享，以追踪在整个刑事司法系统中的流量和个案生命周期。
• 提高数据决策中的社区参与度：包括关于数据公平和参与式决策的方法，以及将负责社区安全数据的个人角色和责任。
• 利用DG/DM实践来支持新型数据和流程的发展：支持新型数据和处理过程的发展，以便解决问题—捕捉公共安全问题及其解决方案进展的数据以及更广泛的提高社区安全的努力，包括利用执法机构之外的数据，并支持分流转介工作。

研报还提出了针对每个主题的具体需求，例如制定数据策略、开发教育和培训材料、建立模型政策和审计方法、公布对数据负责人员的模型角色和职责，以及开发包含关键数据治理要求的通用合同语言。通过实施这些需求，可以提高执法机构以及所有其他参与社区安全事业的机构和团体的社区安全数据的质量和完整性，从而更好地支持社区安全决策和行动。