前言

疫情如白色的霧霾一樣籠罩著，壓得人喘不過氣。在這凜凜寒冬中，黑夜的光似乎還很漫長。這時，上帝也不說：“要有光”了。

霧霾下的和平鴿廣場

國內互聯網

國內互聯網經過十幾年長足發展，逐漸壯大，各大巨頭部署的雲計算，幾乎全面得佔據了超多場景下的服務器應用。

基礎設施也很關鍵，4G、5G 通信技術的成熟落地，超大機房，以及智能手機的普及，讓互聯網有了極為豐富的生態。

數據，數據，數據

<strong>醫護人員是前線衝鋒的士兵，技術人員是後方補給的彈藥。

數據太重要了。

對於電商平臺，跟蹤用戶的消費習慣，準確地將商品推送到對的消費者

而對於疫情，首先是根據醫學專業的研究，制定詳細的預防和切斷步驟。其次，就要有的放矢，精準布控，實時掌握。數據分析，引導布控策略，這大概是大數據最經典的應用場景了。

大數據的來源與媒介

出行大數據

智能手機的普及，提供了數據採集的硬件；APP的普及，提供了數據採集的軟件。例如根據位置數據，進行人口遷移熱力圖統計。

騰訊人口遷徙熱力圖

由於有了大量可供使用的歷史數據，真實有效。決策者在進行判斷之前，參照數據給出的提示，可以將人力、物力和資源，有針對性地部署，減少不必要的浪費。

實名制

實名制為我們追溯人員的活動軌跡，提供了重要的數據採集支持。特別是我們國家大力推進火車網上售票，12306正式升級為國家平臺，國民軟件。

此次疫情在武漢封城前後，人員都來自哪裡？人們都從武漢去到哪裡？如果是以前的紙質車票，一個一個的查對清單，時效性上簡直不敢想象。

12306列車監控

通過12306網站售票，APP售票，鐵路部門可以獲取較為實時，且可追溯的人員乘車情況。

統計維度就比較的多了，比如：

1. 某個人，某段時間，去了哪兒
2. 某一城市，來源地排行統計
3. 某一時間段內，人員分佈，列出頻次
4. 某一車次空閒、繁忙情況
5. 某一時間，某一車次，某一乘客的位置，以及同行者列表

只要想挖掘，總有你想要知道的內容，數據不會說謊。

事實證明，此次疫情，國家在防控戰略中，依靠12306提供的技術數據，決策部署有的放矢，效率空前的好。這也是技術所應做的擔當。

技術人員的使命

我們說了，國家的互聯網硬件和軟件環境，發展的較為完善。世界範圍內編程語言種類繁多，提供了數量龐大的工具集。

做一個特定用途的功能，變得輕鬆而容易。比如最早媒體，零零散散地報道了一些確認人員的出行路線，號召同行人員做好自我防護。全國的城市有很多，車次有很多，趕上春運，車次也很多。信息繁瑣龐雜，這不是我們想要的結果。

程序的使用，就是去除繁雜，變得簡單高效。

一家成都的公司，快速開發了一個網頁，使用簡單的數據庫記錄這些媒體的報道數據，然後開放給全國使用。本質是篩選表單，加上表格展示。

成都無糖信息公司提供的在線查詢工具

github上的聲援

一方有難八方支援。

有錢的出錢，有糧食的出糧食，有技術的出技術。國內的程序員迅速在 github 上搭建了不少倉庫，用戶為疫情提供數據和技術支持。

軟件服務於生活，技術讓生活更美好，可不是說說玩兒的。

倉庫一：【可視化】https://github.com/lispczz/pneumonia

根據權威發佈的數據，繪製疫情地圖。對於國民用戶，一目瞭然。

使用高德地圖繪製的疫情地圖

倉庫二：【可視化】https://github.com/shfshanyue/2019-ncov

此倉庫根據丁香園肺炎疫情實時動態，繪製疫情地圖。

丁香園疫情首頁

倉庫三：【歸檔】https://github.com/2019ncovmemory/nCovMemory

為了忘卻的紀念。這場暴風雨一樣壓抑的疫情，我們應該銘記。代碼部署在了 github page https://2019ncovmemory.github.io/nCovMemory/。

彙集了網友收集的時間線上的媒體報道文章

倉庫四：【模型預測】

該倉庫使用實際數據，建立模型並預測疫情。

估計和預測 2019-nCoV 新型冠狀病毒在武漢的爆發情況模型

1: 估計武漢封城時的感染人數模型

2: 模擬預測武漢封城後肺炎感染人數以及峰值

根據丁香園最新數據預測全國未來幾天的確診人數趨勢

在數學上，是統計；在計算機上，是機器學習。

AI助力，如虎添翼。

世界範圍內新冠疫情分佈統計

倉庫作者稱讚的目前為止最全面的動態分佈圖

寫在最後

17年前，互聯網剛經歷過一場泡沫恢復平靜。人們開始腳踏實地地做產品，開發軟件，一個領域一個領域地信息化，到今天，我們無法離開互聯網。

科技強盛，帶來文明的進步。文明的進步，給我們戰勝災難的方法。

我是 ，持續分享編程與程序員成長相關的內容，歡迎關注~~

閱讀更多 程序員小助手 的文章

關鍵字: 陰影 大數據 疫情