当前法律大数据分析的研究和实践正面临历史性机遇和现实性挑战，应该抓住机遇，迎接挑战，并期待数据来源在质和量上获得提升。

　　法律大数据分析的历史性机遇主要是指近年来司法数据的公开，这是我国法治化进程的重要体现。第一，裁判文书数据的公开。最高人民法院于2014年初设立“中国裁判文书网”，截止到2016年5月15日，已经公布了约1739万篇裁判文书。根据四川大学法学院“法律大数据实验室”与“法合实验室”联合发布的《法律大数据双年报（2014-2015）》数据估算，2016年裁判文书公布总量预计将超过1500万篇；到“中国裁判文书网”建立5周年之际，即2019年年底，裁判文书公布总量将超过1亿篇。第二，案件审判流程和案件执行数据的公开。最高人民法院设立了“中国审判流程信息公开网”和“中国执行信息公开网”，全程公开案件审判流程数据和案件执行数据，现阶段可以进行部分数据的查询，相关司法数据总量将数倍于裁判文书数据。第三，全国和地方法律法规文件数据的公开。我国现行有效的全国法律规范性文件总量为20余万部，地方法律规范性文件总量为100余万部。2015年修改后的《立法法》授予了设区的市的人民代表大会及其常务委员会地方性法规立法权，可以预见，未来我国地方性法规以及相关地方政府规章的数量还将大幅增长。

　　法律大数据分析的现实性挑战主要是数据分布和数据质量的挑战，尤其是数据质量对数据清洗和数据挖掘提出了较高要求：第一，裁判文书分布的不均匀性。在844个民事案由、469个刑事罪名和918个行政案由中，前十大案由或者罪名的案件占比约为三分之二。从笔者的研究经验来看，判决书数量超过200篇才能进行一定的统计分析，满足这一需求的民事案由不足300个，刑事罪名不足150个，行政案由不足100个；判决书数量超过1000篇才能进行较为深入的数据挖掘，满足这一需求的民事案由不足200个，刑事罪名不足100个，行政案由不足50个。第二，裁判文书质量参差不齐。对法律大数据分析影响最大的是裁判依据的错误引用。例如《民法通则》总计156个条文，但有的法院竟然引用了第1108条。此外，有的法条不但从未被正确引用过，而且同一法院多份判决书还“以讹传讹”，有的条文被错误引用的次数居然超过了被正确引用的次数，有的还出现了数字颠倒。第三，主要裁判依据范围的不确定性。法律、行政法规和司法解释是判决书的主要裁判依据。根据笔者长期跟踪研究，我国现行有效法律为249部，行政法规为555部，司法解释为1251部，但仍然缺乏官方权威认定。地方规范性文件更是数量庞杂，部分存在范围不明和效力存疑问题。

　　法律大数据分析的开展主观上要加强数据挖掘方法的研究，客观上则期待数据来源在质和量上的提升。第一，裁判文书数据的全面公开。“中国裁判文书网”2015年公布裁判文书713万篇，同期审结、执结案件1673万件，同比公开率约为43%.未来裁判文书的公开比例应该逐步提高，最终实现全面公开。第二，裁判文书数据质量的稳步提高。首先是案由信息的标准化，部分裁判文书未准确包含民事案由或刑事罪名信息，行政案由则亟待规范。其次是案号信息的统一化，判决书案号缺乏全国统一规划，容易造成“同案号不同案”的情况。最后是裁判依据的准确性。第三，法律法规文件数据的权威回溯性发布。全国人大法工委应该建立法律、法律解释、地方性法规、司法解释和其他规范性文件的权威发布平台，国务院法制办应该建立完整的行政法规、部门规章、地方政府规章和其他规范性文件的权威发布平台，并实现全面的回溯性范围和效力认定。