時至今日,全國各地的疫情形勢趨於緩解,除湖北以外的省市陸續開始恢復正常。有相關學者利用大數據建模,通過對傳染病學仔細深入的研究,預測了全國各省之間疫情結束的相關時間。以浙江省為例,由於採取了一系列果斷的措施,防控效果明顯。2月10日,浙江省的R0=0.52(傳染學上有一個極為重要的指標,專門用來衡量一個病毒的傳染性強弱,這個指標就是R0(ReproductionNumber),即病毒再生繁殖數),在全國表現突出。
圖片來源:aliren區塊鏈聯盟
同時,通過模型預測浙江省的疫情會在2月末結束。這也與近期浙江各地緊密恢復生產,陸續開放公共場所的舉措相吻合。
圖片來源:aliren區塊鏈聯盟
那麼,大數據究竟在此次抗擊疫情的過程中發揮了哪些作用?
一、大數據助力疫情防控全流程
當前疫情形勢出現積極變化,防控工作取得積極成效,包括大數據在內的一系列措施和技術手段正在落地起效。大數據等新技術手段的運用,實時、準確、全面地為疫情防控提供強有力的支持。
1.支撐疫情防控科學決策和精準施策
全國熱門遷入地熱力圖,數據來源:百度地圖
本次新冠肺炎疫情的爆發正值春運,素有“九省通衢”的武漢又是中國重要交通樞紐,人口流動的數量之多、複雜程度之深給疫情的研判和預測帶來了更多複雜而多變的挑戰。各個層面、各個維度的大數據為中央和地方對疫情態勢研判、疫情防控部署以及對流動人員的監測統計,各地聯防聯控部門提前防範,精準施策提供了有力支撐。百度、騰訊、阿里巴巴等企業在第一時間建立了大數據查詢發佈平臺。以百度為例,利用其自身特有的搜索引擎建立了“疫情實時大數據報告”,及時更新有關疫情的消息。並且利用百度地圖等相關軟件產生的行使數據進行分析和研判,能夠精準分析武漢和湖北等重點地區的人員流動情況,有效掌握重點疫區人群遷移情況。
百度上線的疫情實時大數據報告
2.提供更為便民的抗擊疫情大數據服務
相比較於03年的非典疫情,新型冠狀病毒疫情發生後,民眾接受信息的渠道呈爆發式增長。微博、微信、抖音等自媒體平臺的發展,一方面有利於民眾瞭解疫情的具體發展情況,及時瞭解最新動向;但另一方面,有的自媒體平臺為了博人眼球,擅自發布一些有關疫情的謠言,這樣的謠言很容易引起民眾對疫情的恐慌。往往在這時,
人民日報聯合騰訊看點基於大數據推出的新冠肺炎校區查詢系統
3.保障防控戰略物資的精準供應
抗擊疫情迫切需要大量戰略資源持續而精準的供應。俗話說:“知己知彼,百戰不殆”。在利用大數據對疫情充分了解研判的基礎上,還需要充分掌握抗擊疫情戰略物資,包括人力、物力、財力等相關數據信息,提升資源供應效率,實現全國乃至全球戰略物資的高效調度,才能夠確保疫情防控工作落實到位,而這也是打贏本次疫情防控阻擊戰的關鍵環節。目前,如京東、淘寶等各大電商平臺,正在利用電商大數據、智能供應鏈解決醫療防護資源調配的問題,讓物資以最短物流路徑,最短在途時長從生產線到達疫區。從國家層面來看,基於疫情防控國家重點醫療物資保障調度平臺的設立,可詳細掌握各類重點醫療物資企業的產能、產量、庫存等情況,通過合理調配有效緩解資源不足等情況,並通過數據分析提高醫療物資供給和分配的有效性和時效性,提高了抗擊疫情的效率。
此外,在抗擊疫情的過程中,利用大數據、人工智能等技術,在病毒檢測、藥理毒理研究、新藥研發等工作中發揮巨大作用。同時將全國各地病例蒐集、整理、共享,利用大數據為部分醫療資源短缺的地區提供治療解決方案。
二、復工復學提上日程,大數據如何助力?
圖片來源:新華網
2月18日,歷時40天的2020年春運落下帷幕。相對於往年返程人群集中的特點,2020年的返程人群相對分散。思客數據顯示,受新冠肺炎疫情影響,全國鐵路、道路、水路、民航累計發送旅客14.76億人次,比去年同期下降50.3%。這也比此前多部門預測的30億人次少了約15億人次。思客數據顯示,各地的返程進展目前無明顯集中爆發點,返程率呈現緩慢增長的趨勢。從北京、上海的返程率來看,2月10日之後,返程率增長有進一步放緩趨勢。當前,疫情防控工作已進入關鍵時期,做好大數據支撐保障工作至關重要。這些數據是多地部署推動分批有序錯峰返程返崗相關政策效果的有效驗證,維持返程客流的平穩對於保護現階段疫情防控和逐步恢復經濟正常運行都具有重要意義。一方面,要堅持防控疫情第一的底線原則,保證疫情防控的有效性,萬萬不可麻痺大意,讓前期努力付諸東流;另一方面,在保證安全的前提下,要努力“搶”時間,復工復學,保證制定的各項目標能夠按時實現。
圖片來源:思客
在春運的後半程,受肺炎疫情影響,客流大幅縮水,旅遊流、商務公務流等彈性客流大幅減少,雖然一段時間內返崗等剛性客流峰值減少,剛性客流溢出春運期。隨著疫情狀況得到控制,復工復學等剛性客流不會因為春運結束而終止,仍有很多人還未返程,交通戰“疫”還在繼續。思客數據顯示,春運後半程,通過採取相應的限制措施,努力實現了返崗、返校等客流錯峰出行,約有2億人次農民工和1億人次學生客流將溢出春運期。農民工返程客運量約為3億人次,目前已返程約8000萬人次,到2月底將要返程約1.2億人次,3月以後返程約1億多人次。而預測待返校的學生客運量約為1億人次,學生返程時間將根據開學時間確定。對於這些人的返程,交通部門同樣需要做好保障工作。在這裡,就需要充分利用好現有技術優勢,利用好大數據等,實施合理、有序、穩健的措施,按順序復工復學。
圖片來源:思客
目前,針對企業的復工問題,各省市根據疫情狀況正在有序恢復。浙江省全面推行“健康碼”,運用大數據對疫情監測分析,實施精準防控,科學指導企業有序復工復產。在支付寶等平臺,申報個人健康信息,後臺大數據會對申報人在一段時間內,是否到過疫情嚴重地區等風險進行多方面分析審核,並自動生成個人專屬的二維碼。綠碼,可以亮碼通行;紅碼、黃碼,則需要集中或居家隔離。有了全省健康碼的大數據為基礎,浙江省還推出了五色“疫情圖”,通過對大數據的整合和研判,把所有市縣區分為五個不同等級的風險區,目前大部分區域處於較低和低風險地區,超5成的規模以上工業企業已經復工。
圖片來源於網絡
浙江省的這一做法,從原來的嚴格的封閉式管理,逐步地轉向精密智控,通過大數據的篩查來管住重點人,放開健康人,保證更多的員工及時返崗。大數據背景下的智慧城市的建設,保障了城市內的效率提升,對疫情的監督和防控起到很好的作用。毫無疑問,這樣的大數據使用,便民、利民、惠民,讓人們在疫情面前,從容不迫,井然有序。
此外,針對學校復課問題,各地的教育部門也在緊鑼密鼓的制定方案,根據疫情的變化及時調整措施。目前全國各地都採取的是延期開學的措施,但實際情況是,隨著復工浪潮的開啟,復課也應該提上日程。中小學生一般而言,流動性不強,可以充分利用大數據資源分析研判,儘早採取錯峰、分層次的方式恢復正常教學。而大學生由於流動性強,可以利用大數據對疫情嚴重的地區進行篩查隔離,而對大部分正常地區來說,可以按照錯峰、錯區域、錯層次的要求周密組織,逐步恢復開學。
三、大數據如此重要,但我們還應該注意哪些問題?
儘管大數據在抗擊疫情的過程中發揮了巨大的作用,也為接下來的復工復學提供了可靠的數據分析。但仔細思考,發現還是存在一些問題。
第一,數據採集過於混亂,數據綜合利用程度有待提高。不同行業的數據採集方法、手段均不相同。抗疫期間出現過各個部門、行業之間的數據未能實現共通共享的情況,疫情發生以來從武漢流動出去五百萬人的類型、去向、姓名、聯繫方式只能通過事後核實。即使目前全國各地的排查,也是利用國家交通運輸網的購票登記數據依靠人工展開。需要工信、衛健、網信、交通等多部門加強疫情防控相關數據的採集、匯聚、分析、共享,打通數據壁壘。利用大數據技術為醫院救治、跟蹤篩查、科研攻關等提供更好的支撐,通過多渠道、多種類、多維度數據的整合,提升大數據技術支撐疫情防控的能力水平。加強綜合分析和預測研判,可以藉助各大高校及科研院所,利用已有數據進行科研攻關,提供更多全面系統、科學精準的數據支撐和分析服務。
第二,平臺建設尚未完善,數字管理能力還有待加強。
參考來源:
1. 思客.“疫”考之下,大數據分析被“攤平”的春運丨思客數理話.[EB/OL]. 2020-02-19.
2. 思客.抗擊疫情·睿思數據觀:2020年返程大數據,“大”不一樣.[EB/OL]. 2020-02-18
3. 中國紀檢監察報.大數據在疫情態勢研判、精準防控等扮演重要角色.[EB/OL]. 2020-02-11
4. 人民網.大數據帶你讀懂疫情形勢的“積極變化”.[EB/OL].2020-02-18
5. 工人日報.2020春運落幕,還有約3億人次待返程.[EB/OL].2020-02-20
6. 新華社.科學戰“疫”,大數據能做什麼?.[EB/OL].2020-02-19
7. aliren區塊鏈聯盟.【科學預測】各地疫情結束時間表!.[EB/OL].2020-02-18.
8. 中國電子報.電子報快評丨大數據戰“疫”功不可沒.[EB/OL].2020-02-17.