面对庞杂的线索信息，则可以借助大数据分析技术实现深入，高效的挖掘分析，进而快速找出要素之间的关联关系。警务大数据的关键是建模挖掘分析人员、组织、案（事）件、物品、地点各种信息，通过合适的数据分析挖掘技术建立模型找到蕴藏在数据下面的规律，并进行智能碰撞比对和关联分析。

大数据算法模型的主要目标包含：

预测趋势
采用数据挖掘技术自动在大型数据库中寻找预测性信息，如利用时序分析、数据融合预测警情趋势、某个区域的社会治安管控情况。

关联分析
数据关联是数据库中存在的一类重要的可被发现的知识，关联分析旨在找出具有强相关关系的几个属性。比如研究报警量与巡逻覆盖的关联比值关系，找出最佳巡逻区域，巡逻点位等。

聚类
数据库中的一些相类似的记录可以划归到一起，即聚类，聚类分析没有先验知识，一般是将一堆看似毫无规则的数据根据某种特征进行划分，不同属性的数据分到不同的组。警方可以根据时间或者空间为基准属性，对采集到的身份证号，报警信息，手机串号等进行分组，进而发现可疑线索。

       其他算法模型包括：决策树、神经网络、多元线性回归、广义线性回归、贝叶斯网络等等。这些算法模型有的适合预测趋势和行为，有的适合关联分析，有的适合分析 ，每种模型算法都有各自的优劣性，我们可以针对不同的场景选择合适的算法模型进行大数据分析挖掘。