20200324-赛迪研究院-从疫情防控看大数据应用发展_44页_1mb

从疫情防控看大数据应用发展总结

核心内容

疫情防控期间，大数据技术在人员流动分析、居住情况排查、密切接触者追踪、疫情防控决策、复工复产支持等方面发挥了重要作用，成为提升治理能力、优化资源配置、增强防控效率的关键工具。

主要观点

• 大数据成为疫情防控的得力武器：在疫情初期，大数据助力快速掌握人员流动情况，有效支撑疫情防控决策。
• 多部门数据整合：通过整合公安、交通、卫健、通信等多源数据，实现对疫情传播路径的精准追踪与分析。
• 技术支撑疫情防控体系：如“城市大脑疫情防控平台”、“健康码”系统等，构建了从个人到社区、从地方政府到国家层面的立体化防控体系。
• 大数据推动复工复产：通过“健康码”、“复工地图”、“大数据普惠金融担保合作方案”等，帮助企业和个人在保障安全的前提下恢复生产与生活。
• 大数据助力流行病学追踪：结合基站、支付、出行、监控等数据，实现对密切接触者的快速识别和有效隔离，防止疫情扩散。
• 大数据提升治理能力：推动政府在疫情防控中实现数据驱动的决策和管理，形成科学、精准、高效的治理模式。

关键信息

人员流动分析

• 百度地图迁徙大数据显示，春运期间武汉出发人群主要流向湖北省内、河南、湖南、安徽等地。
• 12306、电信运营商、互联网平台企业通过大数据分析，帮助识别与确诊患者同行的人员。
• 温州市大数据发展管理局开发“温州城区菜市场实时人口监测”系统，实现错峰购物。

居住情况排查

• 国家电网浙江杭州供电公司利用电力大数据，识别居民是否外出、是否隔离等状态，辅助社区精准防控。
• 武汉供电公司通过电力大数据分析，助力百步亭社区实现“无疫情小区”目标。

密切接触者追踪

• 国务院办公厅联合开发“密切接触者测量仪”APP，累计查询超过1.5亿人次。
• 温州市通过运营商数据比对，快速锁定255名密切接触者，有效控制疫情扩散。
• 云南省公安厅通过大数据分析，1分钟内锁定确诊病例的接触人群。

疫情防控决策

• 深圳大学基于SIR/SEIR模型，模拟疫情传播路径，为政府制定复工比例提供科学依据。
• 贵州省科技厅疫情研判专家组，提前5天预判确诊病例增长趋势，提出防控建议，助力政府决策。
• 北京市基于大数据分析，决定全面停止省际公路交通，控制人员流动。

复工复产支持

• 上海市推出“大数据+担保+银行”信贷模式，支持中小企业复工复产。
• 国网杭州供电公司升级电力数据巡航频率，实现每15分钟更新一次居民与企业流动数据。
• 全国多个城市上线“健康码”系统，提供个人健康状态、行程轨迹等信息，实现精准防控。

大数据模型与应用

• SIR/SEIR模型：模拟疫情传播路径，为防控决策提供数据支持。
• 复工比例与风险分析：数据显示，复工比例降至60%时，疫情传播风险降低显著。
• 多平台协同：如“城市大脑疫情防控平台”、“温州疫情防控作战系统”等，实现多部门数据融合与联动。

大数据发展面临的挑战

• 数据整合困难：数据来源多样，质量不一，缺乏统一整合共享渠道。
• 数据开放不足：部分数据未能及时开放，影响基层防疫工作的效率。
• 建模方法不成熟：多数部门在边应用边探索，缺乏成熟的模型和经验。
• 大数据意识薄弱：基层人员缺乏数据思维，仍依赖传统方法进行排查与统计。
• 数据安全与隐私问题：存在个人信息滥用和虚假数据传播的情况，影响疫情防控的准确性与公信力。

未来发展方向思考

• 提升数据质量与整合能力：建立统一的数据共享机制，提高数据的完整性与可靠性。
• 加强建模与分析能力：推动大数据模型在应急领域的深入应用，提升预测与防控能力。
• 促进中小型企业参与：为中小数据企业创造更多应用场景，推动其发展。
• 关注数据安全与隐私保护：在利用大数据的同时，确保个人信息安全，防止数据滥用。
• 推动数字化治理模式：疫情后，大数据将加速社会数字化转型，提升治理能力与效率。

结语

疫情防控过程中，大数据技术展现了强大的支撑与创新潜力，提升了政府治理能力与社会协同效率。疫情过后，大数据将在更广泛的领域发挥作用，推动社会向更加数字化、智能化的方向发展，为中国大数据产业带来新的发展机遇。