近日，新型冠状病毒引发的武汉肺炎疫情，受到举国上下极大关注。有人提议，大数据可以有效分析武汉人的行踪，为疫情监控提供帮助。笔者认为，在新科技越来越发达的时代，我们完全可以用好这个工具。
目前已有微信、360等互联网平台上线“确诊患者交通工具同乘查询系统”、“疫情数据实时更新系统”、“发热门诊分布地图”等功能。
一、大数据追踪传播路径
在1月28日央视《新闻1+1》，国家卫健委高级别专家组成员李兰娟院士连线白岩松时表示，专家正利用大数据技术梳理感染者的生活轨迹，追踪人群接触史，成功锁定感染源及密切接触人群，为疫情防控提供宝贵信息。
李院士在连线中提到，某位患者曾表示自己并无重点疫区接触史，但经过大数据排查，发现其曾经至少接触过三位来自重点疫区的潜在患病人士。可见大数据技术通过追踪移动轨迹、建立个体关系图谱等，在精准定位疫情传播路径，防控疫情扩散方面的重要作用。
二、大数据构建疫情发展模型
面对新型冠状病毒肺炎确诊人数的持续增长，大众密切关注疫情的传播态势。
疫情还会传播多久？感染者还会大幅增加吗？哪里感染风险高？何时能够进入安全期？传染源都有哪些？
要解决这些问题，需要找出关键影响因素、分析疫情传播特征、搭建疫情发展模型，这其中大数据可发挥关键作用。
首先是优化数据采集。在大数据技术广泛应用之前，医疗数据采集具有明显的滞后性，这对在疫情传播早期阶段快速获取传播数据、分析疫情传播机理造成制约。而借助于医疗数据联网、各类智能设备数据归集渠道等，大数据时代的疫情传播数据采集更为及时、准确，可定位到个体、某一具体街区等，为疫情发展模型的搭建提供数据基础。
其次是丰富数据维度。除医疗数据外，疫情传播往往还涉及气候温湿度、地质、交通、社会行为、城市卫生等多维度因素影响，大数据技术的发展使得这些影响因素均可以数据形态展示，同时使得多维度、大规模的数据处理成为可能，可实现上万量级的影响因子建模，这极大地丰富了疫情发展模型的分析维度，对于定位疫情传播的关键影响因素，并据此提出针对性防治建议有重要作用。
最后是模型优化训练。海量数据基础为疫情发展模型提供丰富的优化、训练素材，模型的不断迭代对于优化模型参数、提升模型预测精准度有重要意义。
现阶段，北大、西安交通大学、南京医科大学、香港大学以及英国兰开斯特大学等国内外研究团队已运用大数据技术搭建疫情传播模型，基于已感染病例、感染患者增速、感染区域、区域交通网格等因素，对病毒的传染源、传播速度、传播路径、传播风险等进行评估、预测。
三、大数据助力资源配置
疫情在全国范围内的传播引发对医疗物资、生活物资等多维度资源的需求激增，而春节期间有限的生产供应能力难以在短时间内快速满足。基于此，提升物资调配效率，以有限资源保障医疗救助工作顺利开展，是当前疫情防控的重点。
现阶段各类资源需求信息的发布较为分散，以医疗物资保障为例，陆续有医院通过各自网站、媒体、社交平台等对外发布短缺物资清单。
但公布渠道的分散化，不利于防控机构统筹监测，也不利于捐赠者查询，还有可能出现因医院知名度不同而产生的物资获取差异，或重复捐赠等问题，不利于资源有效调配及使用。
基于此，已有志愿者基于公开需求数据爬取等方式建立资源对接平台，如“湖北医疗物资需求信息平台”等，将医疗资源需求按照城市、医院、类别等维度分类呈现，通过数据抓取等技术手段，展示需求物资名称、需求数量、联系方式及物资运输方式等信息，并支持信息查询，同时在后台统计整体需求数据，时时更新。
我们生活的时代越来越数据化，大数据的人才也必然会越来越重要，想要出国去读大数据方向，具体信息联系我哦！
