疫情防控實踐中的大數據體系建設

陳偉

【關鍵詞】新冠疫情 ?大數據 ?公共衛生事件 ?應急處置【中圖分類號】D602 ? ?【文獻標識碼】A

2020年元旦前后突然暴發的新冠肺炎疫情是新中國成立以來在我國發生的傳播速度最快、感染范圍最廣、防控難度最大的一次重大突發公共衛生事件。經過兩個多月的艱苦努力，目前疫情防控形勢正在向好的態勢發展，但是形勢依然嚴峻復雜，防控正處在最吃勁的關鍵階段。習近平總書記親自部署、親自指揮了這場前所未有的疫情防控戰，他多次明確提出：要充分運用大數據分析等方法支撐疫情防控工作。黨中央所給出的這個命題，需要我們在不斷實踐的過程中，重新認識和思考大數據在重大突發公共衛生事件中發揮的作用。

這場新冠肺炎疫情防控工作是一場多地區、多部門參與的狙擊戰、整體戰， 疫情數據數量巨大，疫情數據類型復雜，數據服務需求多樣，數據體系基礎薄弱，因此，疫情的復雜性對大數據工作提出巨大挑戰。此次疫情暴發的速度遠遠超出人們的想象。疫情暴發所產生數據量、數據種類和為防控疫情而需要的數據量都是巨大的;疫情防控期間，全國人民在政府的統一指導下，進行了嚴格的防控調查登記，這些大范圍的防疫工作對大數據服務提出的需求也是多樣而復雜的。此外，現階段我國的大數據體系基礎仍然較為薄弱。基礎數據統籌準備不足，信息來源重復，質量不高;基礎分析手段匱乏，分析不夠全面;各地在處置突發公共衛生事件方面的數據運營經驗基本是空白。

大數據在新冠疫情防控過程中發揮重要作用

“控而治之”是此次疫情處置應對的總要求。這就要求應對疫情除了“防治”，更要“防控”。從“治”到“控”一字之變，就把城市醫療衛生工作的重心從以社會服務為主，推向了社會治理的方向。城市一旦“漏控”就會暴露在“失治”的風險之中，所以建強用好疫情防控大數據系統勢在必行。必須著力形成“匯集—分析—研判—推送—核查—反饋”的數據應用閉環，強化大數據在疫情防控中的場景應用，才能提高防控的精準性、有效性。

在這次防疫過程中，公安部門因為在“人口、交通、行業場所和網絡通訊”等基礎工作管理方面的數據優勢，首當其沖投入到防疫數據體系的建設中。一批專業的大數據公司也參與其中，他們將前期在公安、金融、交通等多個領域已經形成的大數據技術優勢和業務標準，運用到此次疫情防控工作中，迅速發揮作用。主要體現在以下三個方面：

首先，數據收集速度提升。應急處置工作中數據分析的對象群體越大，單一數據源的可信度就越低，對交叉驗證的數據種類、數量的需求也就越大。作為疫情中心的武漢市依托公安大數據平臺，迅速建成了跨平臺、跨系統、跨數據庫的疫情防控大數據系統，運作初見成效，在數據信息閉環建設上邁出了堅實步伐。這一系統實現了以下幾方面功能：一是數據的快速接入。目前武漢市疫情防控分析平臺接入了衛健、公安、交通、電信、市政等多個部門的系統數據144類100多億條，同時，針對各基層工作點每日上報數據建立了專門的數據匯聚通道，實現了數據即時采集、即時接入。二是數據的快速清洗。大數據平臺內置了數據漏填、錯報和重復報送等一系列數據自動檢查校驗功能，以機器取代人力針對各部門接入的數據開展數據質量管理，極大地提高了數據分析的真實性、完整性和及時性。三是數據的快速加工。為了便于分析，一方面建立了防疫所需的人口、房屋、地址、場所、物品等基礎數據庫;另一方面建立了重點關注人員的身份特征、行為特征、關系特征等主題數據庫。通過從數據到知識的加工轉化，使數據迅速具備業務屬性，方便迅速準確進行分析。

其次，數據分析廣度拓展。大數據分析的主要工作原理是基于業務數據、針對業務問題將業務邏輯轉化為數學模型，從而使得機器可以按照要求持續不斷地輸出業務決策所需的分析結果，因此，大數據技術十分強調基于數據建模和機器計算的重要性。數據建模支撐業務決策是數據驅動業務的本質所在。廣東省在此次防疫的建模分析工程中，從三個方面突出“一切業務模型化”：一是緊盯態勢全貌，通過建模工具快速搭建出關注人員、交通封控、隔離監管、醫療收治、輿情分析、治安警情、返程復工等一系列維度的態勢類統計模型，輸出相關統計圖表、專題報告等，服務于本地防疫的趨勢把控、決策制定和落地督察。二是緊盯區域共享。在各地市自主建模的基礎上，分析共性，在全省平臺的模型超市中展示和共享。這一經驗互補的方法對迅速豐富防控措施、避免系統重復建設、完善防控機制起到了重要作用。三是緊盯個體關注。搭建了人員落位、人員監測、人員收治等針對個體的對象類摸排模型，能夠提供覆蓋地市、區縣、街鎮和社區村居四級的疫情防控分析服務，直接向一線工作人員提供準確的數據，支撐實戰。

再次，數據運行精度彰顯。以大數據技術支撐業務工作實體運行，從而實現數據驅動運營，是各地開展大數據建設的核心目的。數據運營是一個閉環過程，通過數據的匯集、分析和應用指導一線工作，再加強點對點、不間斷、滾動式動態管理和數據及時更新，形成信息回路，進而促進數據更加準確、更具實效。上海、北京、江西等地都進行了有益的嘗試。一是技術體系的精密化搭建。上海市在疫情暴發初始，充分利用原有的公共安全大數據平臺，通過靈活調度現有的數據流、計算流、業務流等配置工具，迅速、精密地搭建起了一套疫情防控分析技術服務體系，實現了零系統搭建和零成本投入。二是數據指令的精準化到達。北京市朝陽區著力打通數據鏈的最后一公里，形成數據閉環。通過移動終端向一線人員推送指令的同時，靈活配置對應的業務反饋內容，使前方工作情況也能夠第一時間返回防疫指揮部，形成了“即時分析、即時推送、即時處置、即時反饋”的閉環數據流程。三是動態數據的精細化把控。南昌市充分發揮個人健康碼在社區住戶、企業單位、場站館所、檢查站點四大陣地的采集作用，督促市民開展規范登記，開展不間斷數據滾動摸排，通過網絡監測隨時掌握防控形勢。

加強大數據在突發公共衛生事件應急處置的推進重點

建立標準化的數據采集機制。任何突發事件的本質特征是不可預知性，因此建立有針對性的、規范的、靈活的數據采集機制是下一步需要解決的重要問題。應加快推進在互聯網、物聯網、政務網和移動通訊網等多平臺建立公共衛生安全應急數據采集標準，以立法的形式對相關大數據產品、服務、系統建設等設立強制標準，形成應急數據的采集保障機制。

建立多元化的數據共享機制。加快城市公共衛生安全數據體系的建設，不應把重點放在大一統的數據體系建設上，而應該按照“臨時共享、按需接入”的原則，建立相關部門、單位的數據資源登記備案制度，做到數據、接口、服務、應用四個清楚，出臺數據征調接入流程、接口技術標準和共享授權應用的配套標準，形成數據的共享保障機制。

建立專業化的數據應急體系。在建設基礎系統平臺之外，針對突發事件處置，要脫離過去項目建設型的應急系統建設思路，轉為選擇產品化程度高、通用化能力強、部署投用快、業務支撐活、運行體系全的大數據通用數據平臺產品，整合關鍵裝備、核心軟件和運營平臺等多種要素，從根本上提升應對響應的效率和能力。

建立實戰化的數據運行規范。應制定針對實戰的數據技術應急運行規范，除了明確相關要素的評選、備案、采購、核查等機制以外，應重點推動相關要素的運行維護、應急演練、戰時征調等一系列運行工作規范的制定，確保人盡其責、物盡其用、能盡其顯。

建立系統化的數據生態體系。鼓勵相關科研院所、科技企業主動承擔起公共安全應急社會責任，參考美國“9.11”后扶持Palantir等一批高科技企業的做法，綜合運用好政府的投資、稅收和政策支持，引導一批新型大數據公司和人工智能公司夠脫穎而出，形成專業化人才、產品、技術梯隊，提供系統的公共安全應急處置技術保障。

（作者為上海體育學院創新創業學院副院長）

責編/谷漩 ? ?美編/王夢雅