計算機(jī)大數(shù)據(jù)在新冠疫情防控期間的應(yīng)用

計算機(jī)大數(shù)據(jù)在新冠疫情防控期間的應(yīng)用摘要

在疫情期間，大數(shù)據(jù)技術(shù)參與了多項公共衛(wèi)生的創(chuàng)新，這些創(chuàng)新幾個世紀(jì)以來一直是疾病預(yù)防和控制戰(zhàn)略的核心。公共衛(wèi)生部門實施數(shù)據(jù)創(chuàng)新的速度比其他部門慢，并且?guī)砹饲八从械奶魬?zhàn)和經(jīng)濟(jì)需求，推動了新數(shù)據(jù)技術(shù)的大規(guī)?？焖侔l(fā)展和采用。數(shù)據(jù)技術(shù)在利用在線數(shù)據(jù)集支持流行病學(xué)情報、確定病例和感染者、快速追蹤接觸者、監(jiān)測封鎖期間的進(jìn)行大規(guī)模公共衛(wèi)生信息傳播方面具有巨大潛力。但數(shù)據(jù)技術(shù)的廣泛應(yīng)用仍然存在障礙。試著換一個方法來組織對大數(shù)據(jù)疫情應(yīng)用的分析，并在分析過程中，給出我們的一些總結(jié)和思考。

大數(shù)據(jù)疫情應(yīng)用本質(zhì)上屬于公共衛(wèi)生信息化范疇，而圍繞公共衛(wèi)生事件的應(yīng)急管理屬于國家大應(yīng)急管理的一個門類。關(guān)鍵詞：大數(shù)據(jù)；概念；機(jī)遇第一章大數(shù)據(jù)應(yīng)用背景

2020年底，以武漢為首的疫情爆發(fā)帶動各大城市使用健康碼，杭州率先實行“綠碼、紅碼、黃碼”三色動態(tài)管理，拿到“綠碼”的人正常通行，拿到“紅碼”和“黃碼”的人需要按照規(guī)定進(jìn)行隔離和衛(wèi)生打卡，符合條件后將轉(zhuǎn)為“綠碼”。大量人員申請支付寶健康碼，上線首日頁面瀏覽量達(dá)到1000萬。

一方面，健康碼出臺可以保證人口密集的公共區(qū)域，人員進(jìn)出符合公共衛(wèi)生和安全的要求；另一方面，在突發(fā)疫情情況下，企業(yè)可以迅速向可能接觸疫情傳染源的相關(guān)人員發(fā)出警報，并采取應(yīng)急措施。此行以真實數(shù)據(jù)為基礎(chǔ)，確定人員是否與某些感染者有直接或間接接觸，從而確定人員是否需要隔離和調(diào)查。

但是健康碼的生成充分利用了用戶的隱私數(shù)據(jù)，雖然官方未公開數(shù)據(jù)的來源，但猜測健康碼會結(jié)合用戶的自認(rèn)關(guān)系數(shù)據(jù)、GPS定位數(shù)據(jù)、電信運營商數(shù)據(jù)、消費記錄數(shù)據(jù)、線下掃碼位置數(shù)據(jù)等相關(guān)數(shù)據(jù)信息，進(jìn)而判斷人員是否出入高危場地。就一個初發(fā)事件的主要源地、主要病征、關(guān)鍵區(qū)域較早地得到一個初步識別，上述信息與數(shù)據(jù)庫進(jìn)行對比分析后，對可能存在的流感、疫病等進(jìn)行初步的評估界定健康碼的應(yīng)用，屬于大數(shù)據(jù)技術(shù)的典型案例，網(wǎng)絡(luò)服務(wù)提供者利用收集到的用戶數(shù)據(jù)，提前去預(yù)測用戶的健康狀況，讓疫情防控更加高效、精準(zhǔn)。提前預(yù)案開創(chuàng)了先例，并可能在緊急情況之后仍然存在，但這將導(dǎo)致收集有關(guān)私人公民的信息持續(xù)進(jìn)行，而與緊急情況可能無關(guān)。所有數(shù)據(jù)都需要關(guān)注隱私是否受到侵犯，也需要遵守當(dāng)?shù)氐姆煞ㄒ?guī)。根據(jù)法律合同去共享數(shù)據(jù)的使用，并說明確目的和時間，并要求進(jìn)行獨立審計，確保數(shù)據(jù)不用于與疫情無關(guān)的目的。第二章大數(shù)據(jù)的概念首先，大數(shù)據(jù)（bigdata）之所以“大”，是因為我們每個人每天都會向公司傳遞千兆級別的信息，當(dāng)數(shù)據(jù)累積起來變得足夠大的時候，就不能應(yīng)用傳統(tǒng)的方法來進(jìn)行處理了。

大數(shù)據(jù)定義很多，大體上以實現(xiàn)的應(yīng)用可以概括為兩個方向：一個是精準(zhǔn)化定制；第二個是預(yù)測。精準(zhǔn)化定制定制可根據(jù)不同業(yè)務(wù)需求進(jìn)行設(shè)計開發(fā)，通過數(shù)據(jù)去解決一些行業(yè)應(yīng)用難點，例如：智慧城市、可視化大屏、警務(wù)大數(shù)據(jù)、金融大數(shù)據(jù)等，更多居于toB領(lǐng)域。

而預(yù)測類：比如像通過搜索引擎搜索同樣的內(nèi)容，每個人的結(jié)果卻是大不相同的。會利用大數(shù)據(jù)推薦算法等模型來進(jìn)行推送。再比如精準(zhǔn)營銷、百度的推廣、淘寶的喜歡推薦，或者你到了一個地方，自動給你推薦周邊的消費設(shè)施等等。頭條新聞信息推薦等等，更多趨向于toC領(lǐng)域。第三章大數(shù)據(jù)的“利”3.1.分析以及預(yù)測

數(shù)據(jù)建模分析可通過利用不同的分析工具，以關(guān)系圖、時序圖、位置軌跡、詞云、時光軸、畫像分析、可視化大屏等可視化方式進(jìn)行分析。（針對不同的需求，可利用將多個工具結(jié)合進(jìn)行全維度數(shù)據(jù)分析）防止?jié)撛诓』颊哂咳脶t(yī)院，形成交叉感染群，在此大數(shù)據(jù)的作用顯得異常重要。

對于感染人數(shù)具體的而預(yù)測，不僅針對傳染成都進(jìn)行合理的評估，還需要采取一定的行政手段，比如資源如何協(xié)調(diào)、社區(qū)管理、醫(yī)院結(jié)構(gòu)等公共資源的指定以及試試。跟進(jìn)預(yù)測的模型快速的響應(yīng)跟進(jìn)疫情的最終情況。

疫情預(yù)測采取的方法有很多，但通常比較流行的是基于SEIR的傳染病動力學(xué)模型，這是一個數(shù)學(xué)方程的形式，考慮各種情況對相關(guān)參數(shù)或者結(jié)果會做一些修正。大家看到的預(yù)測很多都是SEIR模型方式，等數(shù)據(jù)積累到一定程度也有使用機(jī)器學(xué)習(xí)的方式來做，典型的就是一些回歸方法3.2通過健康碼的狀態(tài)快速定位

大數(shù)據(jù)可以通過電信公司、互聯(lián)網(wǎng)企業(yè)、交通運輸部門、醫(yī)院等單位的信息，進(jìn)行人員的軌跡，也就是說需要通過數(shù)據(jù)分析挖掘去繪制一個人員的行為軌跡，是否出入高風(fēng)險地區(qū)，是否有感染的高風(fēng)險，另一方面，根據(jù)大數(shù)據(jù)分析，根據(jù)患者在診斷日期之前的活動以及長期陪伴的同伴，可以推斷出患者的密切接觸。綜合分析確認(rèn)、疑似和相關(guān)接觸者的運動軌跡，可以準(zhǔn)確刻畫不同類型人群進(jìn)出不同區(qū)域的情況。3.3預(yù)測和跟蹤疫情發(fā)展趨勢

以疫情高危人群相關(guān)數(shù)據(jù)作為基礎(chǔ)，結(jié)合新確診疫情、疑似疫情、死亡病例、治愈病例數(shù)，借助傳播動力學(xué)模型、動態(tài)感染模型、回歸模型等大數(shù)據(jù)分析模型和實用技術(shù)，不僅可以揭示發(fā)病熱分布和密切接觸者的危險性，還可以對熱分布、流行高峰點等大情況進(jìn)行分析。利用人工智能的新興技術(shù)，如深度學(xué)習(xí)關(guān)鍵軌跡流出行信息、社會信息和消費數(shù)據(jù)，如大曝光歷史數(shù)據(jù)進(jìn)行科學(xué)的數(shù)據(jù)建模，可以根據(jù)患者和確認(rèn)的醫(yī)囑信息等聯(lián)系人員定位碰撞點的時間和空間，并確定疾病傳播路徑，為傳染病的分析提供更多的理論依據(jù)。第四章大數(shù)據(jù)將會帶來的機(jī)遇4.1.商業(yè)模式創(chuàng)新

目前，企業(yè)與政府之間的數(shù)據(jù)無法互聯(lián)互通，形成了信息孤島。但是，有些企業(yè)可能需要來自其他組織的數(shù)據(jù)來優(yōu)化其業(yè)務(wù)。例如，銀行需要財產(chǎn)數(shù)據(jù)和車輛數(shù)據(jù)來確定用戶的財富。保險公司需要醫(yī)療數(shù)據(jù)來確定用戶過去的病史。

在數(shù)據(jù)互聯(lián)需求的推動下，未來將帶來數(shù)據(jù)互聯(lián)平臺產(chǎn)品的誕生。平臺將數(shù)據(jù)雙方連接起來，成為“數(shù)據(jù)淘寶”，為雙方提供數(shù)據(jù)的信息流和資金流。

但是由于法律的限制，數(shù)據(jù)的直接使用顯然存在法律風(fēng)險。因此，數(shù)據(jù)連接平臺的發(fā)展將會授權(quán)流通、去標(biāo)簽流通的方向發(fā)展。

在用戶合法授權(quán)的情況下，將數(shù)據(jù)從供應(yīng)方傳輸?shù)叫枨蠓?。垂直循環(huán)是指用戶的垂直模型在供給系統(tǒng)中對需求方的操作，使得供給方只輸出對應(yīng)的結(jié)果，而不輸出原始數(shù)據(jù)。識別流通是指識別用戶的隱私信息，只通非私有數(shù)據(jù)，如某一領(lǐng)域用戶的購買數(shù)據(jù)，分析購買偏好，而不對應(yīng)到具體的個人。

就目前的形式而言，企業(yè)更加注重開源節(jié)流，所以大數(shù)據(jù)圍繞著營銷和市場可能更需要。經(jīng)過此次疫情政府的需求會進(jìn)一步釋放，對“實戰(zhàn)”的期待也會增加，所以未來的大數(shù)據(jù)政府應(yīng)用必須有具體的措施，去提高辦事的效率，提升質(zhì)量的效果。數(shù)據(jù)驅(qū)動進(jìn)一步從數(shù)據(jù)化往智能化演進(jìn)。最后就是安全和隱私的革命性作用。

圍繞數(shù)據(jù)分析的四個階段：段：發(fā)生了什么？為什么發(fā)生？未來會發(fā)生什么？以及怎么影響未來的發(fā)生？但這種基于目標(biāo)的分析方法還不足以梳理疫情大數(shù)據(jù)應(yīng)用的脈絡(luò)，在本文中，我們試著換一個方法來組織對大數(shù)據(jù)疫情應(yīng)用的分析，并在分析過程中，給出我們的一些總結(jié)和思考。參考文獻(xiàn)[1]范倉海,施思.突發(fā)性公共衛(wèi)生事件中的大數(shù)據(jù)治理：現(xiàn)實困境與路徑優(yōu)化——以新冠