近期，在防控新型冠狀病毒感染的肺炎疫情鬥爭中，各級政府、醫療機構、科研部門和科技企業迅速行動，把以大數據等技術應用到疫情監測分析、人員管控、醫療救治、復工復產等各個方面，發揮了巨大作用，為疫情防控工作提供了強大支撐。
為了全景展現大數據與人工智慧技術在此次疫情防控中的應用情況，中國信息通信研究院雲計算與大數據研究所牽頭聯合多家單位，搜集分析了 200 多個案例，梳理了社會各界利用大數據及數據智能技術參與疫情防控的實踐方向，分析了數據驅動的疫情防控關鍵環節，探討了面臨的問題與挑戰，並對下一步通過大數據等新一代信息技術開展疫情防控進行了初步討論。
本期的智能內參，我們推薦中國信通院的報告《疫情防控中的數據與智能應用》，梳理社會各界利用大數據及數據智能技術參與疫情防控的實踐方向，分析數據驅動的疫情防控關鍵環節。如果想收藏本文的報告（疫情防控中的數據與智能應用），可以在智東西（公眾號：zhidxcom）回復關鍵詞「nc442」獲取。
本期內參來源：中國信通院
原標題：
《疫情防控中的數據與智能應用》
作者： 未註明
2020 年開年之際，新型冠狀病毒帶來的肺炎疫情洶湧而至。疫情突發性高、傳染性強、擴散性廣、風險性大，防控工作任務艱巨、時間緊迫、形勢嚴峻。在這場疫情阻擊戰中，大數據、雲計算、人工智慧等快速發展的新一代信息通信技術加速與交通、醫療、教育等領域深度融合，讓疫情防控的組織和執行更加高效，成為戰「疫」的強有力武器。
隨著疫情發展， 數據驅動的疫情防控在迅速展開， 各企業的疫情防控應用場景不斷湧現，應用範圍持續拓展。
▲科技「抗疫」行動時間軸
通過梳理總結這些應用場景，我們發現「數據」可以在如下方面助力疫情防控。
有力支持疫情防控知識傳播 。藉助於移動網際網路和智慧型手機，人們可以隨時隨地獲取最新疫情動態、科學防疫知識等各種數據。各地政府通過電子政務平臺、微博、公眾號等定時發布最新疫情動態，各類新聞客戶端、社交平臺、搜尋引擎、短視頻平臺等也積極配合疫情相關信息的發布和傳播。此外，眾多「網際網路+醫療」平臺推出了在線問診服務，方便網友向醫生諮詢新冠肺炎防治相關內容，有效緩解了因疫情期間醫療資源緊張導致的就醫難等問題，避免了普通病症人群湧向醫院、形成聚集性交叉感染。
迅速鎖定「涉疫」人員流動軌跡。通過集成電信運營商、網際網路公司、交通部門等單位的信息， 大數據可以分析出人員流動軌跡。具體來說，利用數據分析、數據挖掘等技術，一方面可以通過手機信令等包含地理位置和時間戳信息的數據繪製病患的行動軌跡；另一方面，根據病患確診日期前一段時間的行動軌跡和同行時間較長的伴隨人員，基於大數據分析可以推斷出病患密切接觸者。綜合分析確診病患、疑似病患和相關接觸者的行動軌跡，可以準確刻畫跨地域漫入、漫出的不同類別人員的流動情況。這既為精準施治提供有力指導，也為預測高危地區和潛在高危地區提供了精準依據。
開展疫情發展態勢預測與溯源。基於疫情高危人群相關數據，結合疫情新增確診、 疑似、死亡、治癒病例數，藉助傳播動力學模型、動態感染模型、回歸模型等大數據分析模型和實踐技術，不僅可以分析展示發病熱力分布和密切接觸者的風險熱力分布，還可以進行疫情峰值拐點等大態勢研判。利用深度學習等新興人工智慧技術，聯合出行軌跡流動信息、社交信息、消費數據、暴露接觸史等大量數據進行科學建模，可以根據病患確診順序和密切接觸人員等信息定位時空碰撞點，進而推算出疾病傳播路徑，為傳染病溯源分析提供理論依據。
助力地方政府科學精準施策 。運用大數據分析，結合算法模型對疫情的傳播速度、傳播趨勢等進行預測，可為各地進行動態監測管理、統籌醫療物資儲備、保障民生物資供應、制定交通管制政策等提供有效依據。例如，基於疫情高發地區人員在春運期間的交通出行數據進行疫情分析預警，能夠通過追蹤確診患者、疑似患者和密切接觸者的軌跡位置進行精準防控。同時，通過大數據分析還可以評估預測疫情對近期和遠期社會經濟運行帶來的影響，建立快速、高效的經濟應急反應機制，幫助政府適時出臺減稅、降費、專項補貼等各類措施，緩解中小企業因疫情導致的資金鍊斷裂風險及可能出現的連續經營困難，努力保持生產生活平穩有序。
推動病例診斷與疫情研究 。運用大數據和人工智慧等相關技術，可以有效加速新型冠狀病毒宿主預測、藥物篩選等數據分析和計算工作，極大提高病毒研究與攻克效率。
本章梳理了數據在疫情分析展現、 疫情防範管制、 醫療醫治增效、 生活便民舉措、 復工復產管理等五個主要方面的應用案例。案例從網際網路渠道和企業申報渠道獲得，共搜集分析了 200 多個案例進行分析。入選的案例均已在實際應用中取得了良好的效果，在疫情防控過程中發揮了重要價值。
我們每天打開手機各大新聞客戶端看到的疫情數據就是疫情分析展現的典型應用。可以說， 疫情相關的數據是開展疫情分析、 管控等各方面的基礎。因此，很多企業首先就針對各地提供的數據進行了多主體、多渠道、多維度的展現。
從本報告的調查結果看，有 39.6%的企業案例是對所採集數據進行直觀的可視化展現，而超過 80%的企業案例在此基礎上進行了更為深入的數據分析；數據來源渠道包括公開數據（ 8.1%）、人員上報數據（ 36.1%）、自有系統數據（ 41.3%）和其他系統對接及第三方數據（ 17.1%），各類案例數據來源渠道存在交叉情況；從服務主體角度看，有52.2%的企業案例為政府提供數據採集和分析服務，有30.4%為公眾提供信息展示服務，有 17.4%是為其它企業提供數據分析和展示服務。
▲疫情分析展現
本節從三類服務對象角度出發，對疫情分析展現應用的價值進行探討。
1）政府支撐 ：從政府支撐的角度看，疫情數據分析展現的應用主要包括政府管控範圍內的疫情相關信息展示、人員流動情況展示、車輛流動情況展示、疫情相關資源情況展示、物流信息展示等核心功能。通過對這些重要信息進行全方位、多角度的實時展示，支撐了政府對於疫情的防範、管理和控制。
北京移動的「疫情防治人口大數據平臺」自 1 月 26 日上線以來，為北京市委市政府、 13 個區縣及相關委辦局提供了包括疫情地進入用戶、疫情地返回用戶、外省進入用戶、外省返回用戶、疫情地未返回用戶、非常駐用戶的規模監測及分布，以及各類人群畫像及分布熱力圖等疫情專項分析服務，對高危人群、潛在高危人群、潛在風險人群的精準疫情防禦、排查、監測、宣貫全過程提供數據支撐。杭州數夢工場科技有限公司在浙江省衢州市落地了「城市大腦」項目，通過大數據分析駕駛艙，全局展現本地人員的網格分布情況，並對市內外地重點車輛進行監測、排查及監控，實現了漏報率小於 1%。此外，東軟、四方偉業、相數科技、和智信、朗新科技、美數信息等企業的疫情分析展現平臺也為各地方的政府疫情防治和管控工作提供了有力支撐。
2）公眾服務：從公眾服務的角度看，疫情數據分析展現的應用主要包括疫情信息展示、人流遷徙呈現、疫情專題服務、輿論檢測與評價、民眾信息上報與展示等核心功能，及時為公眾播報疫情信息動態，並提供有效疫情防控辦法。
百度地圖遷徙大數據平臺開放查詢的城市從 100 個擴展到了 300 多個，數據指標豐富，包含來源地、目的地、遷徙規模指數、遷徙規模趨勢圖等，甚至支持查詢一個城市自春運以來遷徙目的地或來源地的排行與比例，提供全面、立體的遷徙大數據服務支撐。同時，京東雲的「市民疫情隱患上報系統」可實現市民隨手拍隨手上報，發布位置可自動實現地理位置定位，生成的數據安全可隔離，並有專屬數據後臺管理功能，可及時高效的支持民眾疫情上報。此外，微信和支付寶的抗疫信息專題、百度推出的「社區防疫電子出入證」、太極集團的「全國一體化平臺疫情防控專題服務」、中移雄安信息通信科技有限公司的「新冠病情動態展示系統」、北京百分點、智慧星光、雲基華海信息的相關疫情分析與展示系統也紛紛上線，為公眾防疫工作提供了有力支撐。
3）企業服務：從企業服務的角度看，多數企業通過自建或採購疫情分析與展示產品，實現企業內部疫情的有效防控和管理。
航天科工網信自主搭建了企業疫情管控平臺，重點關注肺炎疫情的信息實時展示、高危人群篩選、疾病輔助診斷、愛心捐贈追蹤等。
大數據分析和展現已在很大程度上完成了數據採集和整理工作，通過更深層次的模型建立、分析挖掘等手段能夠在原有基礎上更大發掘數據價值。疫情防範類應用通過數據來進行識別高危人群、開展區域檢測、進行市場監管等功能，為政府部門進行決策提供了支撐。
▲疫情防範控制
從本報告的調研結果看，能夠有效支撐疫情管控的技術方案和場景應用案例佔比達到 46.7%，可見通過各類技術手段提升疫情管控的手段和效率，已經成為此次疫情期間佔比最高的應用場景。總體來說，疫情管控的各類應用場景當中，最為重要的是高危人群監測和管控，具有此類功能的案例佔比達到 60.7%；其它管控手段，如區域監測（ 14.3%）、市場監管（ 3.1%）也都有一定程度應用。另一個重要結果顯示，通過技術研發和應用適配形成有效的技術手段和技術方案，從而提升疫情管控的支持能力相關案例佔比達到 32.1%。智能外呼、 圖像識別、微服務快速整 合、高維機器學習、知識圖譜、時空數據分析、可視化展現等技術都成為有力手段。
1） 高危人群管控是重中之重 ：通過位置數據和各類行為數據有效識別高危人員的行動軌跡和接觸人群，能夠從根本上降低疫情傳播的程度，也是各級政府部門當前非常重要的工作。
中國聯通大數據公司開發了傳播風險分析、時空相關分析等一系列數據模型，通過多維數據融合分析，實現了對特定區域人群的擴散軌跡、已確診人群的接觸者範圍等進行定位和分析，有效支撐政府部門區域化疫情防控工作。中國電信雲計算公司開發的「翼知疫行」，通過電信的 GIS 系統數據分析，可提供高危人員近 14 天的行程，並進行密切接觸風險判定，有效支撐了政府部門的疫情防控工作。此外，中航信的「新型冠狀病毒確診患者同航班自動通知系統」、美亞柏科的「新型冠狀病毒傳播監測系統」、曙光雲計算集團有限公司的「疫情排查管理上報系統」等具有高危人群排查和監測功能的系統，都對各級政府針對高危人群防控的相關工作給予了大力的支持。
2）各類管控場景均有應用：除了高危人群的監測和管控以外，防疫產品的市場監管、區域人員的健康追蹤也是重要的應用場景。北京華宇軟體公司的「網絡交易監管」系統以網絡交易信息智能採集和分析為基礎，助力雲南省市場監管局對疫情期間網絡交易的價格波動實現有效掌控，精準開展特別是針對於防疫產品的市場監管工作，保障民生安全。中國聯通大數據公司的「監測人員防疫合規情況監測系統」，可對口罩穿戴、人流聚集和體溫異常等情況進行實時告警提示，幫助政府做到疫情的實時可知。京東雲的「疫情通」產品，為社會管理機構提供「多維度」、「可視化」和「五位一體」（人、地、物、事、組織）的信息發布與疫情防控服務，為基層組織提供網格化疫區返工人員的健康動態評估，實現區域化精準防疫管理。
3） 科技力量全面融合支持 ：科技企業的技術能力是防疫工作能夠取得突破的核心推動力， AI 圖像識別、智能外呼、知識圖譜、安全多方計算、微服務等多項技術的廣泛應用，有力推進了疫情防控工作高效安全開展。
百度基於 AI 圖像識別技術和紅外熱成像技術，形成了AI 測溫系統，可對人流中多人額頭溫度同時進行快速篩選及預警，方便人流聚集處的快速篩選， 有效減少公共場合人群聚集。同時，百度緊急推出了「疫情防控的免費智能外呼平臺」，可提供流動人員排查、本地居民排查/回訪、特定人群通知三大場景的外呼服務，可有效支撐各級政府對於社區情況排查和通知回訪等應用場景，比人工電話效率提高數百倍，目前已經在北京、上海等十幾個地區投入使用。
阿里雲的「疫情信息採集系統」依託阿里雲宜搭平臺優勢，通過可視化拖拽操作有效發揮後臺微服務模塊作用，快速支撐浙江省 11 個地市衛健委工作。此外，北京滴滴股份有限公司通過滴滴桔視（車載錄像設備）採集的圖片，經過人工智慧識別算法來識別司機是否佩戴口罩；廈門淵亭科技公司基於知識圖譜開發的「疫情智能作戰平臺」、四方偉業基於三維城市模型構建的「疫情防控分析系統」、洞見智慧科技有限公司基於時空大數據和多方安全計算技術開發的「疾控智能分析平臺」都有效支撐了各級政府部門和企事業單位的疫情管控工作。
在此次抗擊疫情的過程中，大數據和智能技術被充分應用到病情診斷、醫學科研、醫療輔助等與醫護工作直接相關的場景中， 是對大數據技術的最嚴苛的試煉。從本報告的調研結果看，有接近 17%的應用在醫療醫治增效中。醫治增效應用的種類包括資源對接、輔助診斷、線上問診、科研支撐和其他（包括基於圖像分析的無接觸體溫監測應用以及時識別高風險人群等其他應用）。其中，輔助診斷指通過 AI 技術輔助或加速確診病例的判斷；線上問診指通過智能問診服務，減輕醫療機構的診療壓力；科研支撐指通過開放算法、模型或提供計算存儲資源來提升科研效率，助力基因檢測、疫苗研發等工作。具體佔比如下圖所示。
▲醫療醫治應用
本節主要結合具體案例，介紹了算法算力、人工智慧和智能問診等技術在疾病研究、輔助診斷和線上問診的具體應用。
1）算法算力輔助疾病研究 ：從科研的角度來看，人工智慧、大數據等技術正在病毒結構分析、疫苗研發中嶄露頭角。 1 月 30 日，百度研究院向各基因檢測機構、防疫中心及全世界科學研究中心免費開放線性時間算法 LinearFold，以及世界上現有最快的 RNA 結構預測網站。 LinearFold 算法可將此次新型冠狀病毒的全基因組二級結構預測從經典算法的 55 分鐘縮短至 27 秒，提速 120倍，能夠節省兩個數量級的等待時間，極大提升科研工作效率，助力疫情防控。此外，榮之聯為中國疾控中心提供了急需的大數據計算和存儲資源， 以保證大規模並行樣本分析、數據保存和管理，全面助力病毒測序工作；同時其也為中科院微生物研究所提供技術支持， 搭建病毒基因組進化關係的分析流程，並提供進化樹可視化的展示功能，以實時監控病毒的變異情況、追查病毒宿主來源。
2）人工智慧加速疾病診斷 ：從診斷支持的角度來看，大量的人工智慧技術被運用到病情診斷的過程中，以輔助判斷病情、縮短確診時間。 2 月 1日，浙江省疾控中心上線自動化了全基因組檢測分析平臺，該平臺利用阿里達摩院研發的 AI 算法， 有效縮短疑似病例基因分析時間，並能精準檢測出病毒的變異情況。 此外， 科大訊飛的智醫助理為其覆蓋的省內基層門診病歷提供在線分析能力，以發熱、咳嗽、呼吸困難、流行病學史（武漢相關史）、影像學、血常規六個維度進行病歷內容挖掘分析，篩選出潛在患者，為安徽省衛健委提供決策參考。推想科技針對新冠肺炎推出的 AI 系統能夠幫助影像科醫生更高效地排查篩選疑似患者，減少患者在醫院等待時的交叉感染風險，在缺少病毒檢測試劑盒時，能夠協助對早期患者進行排查。
該系統最早應用於武漢同濟醫院， 並在全國各地陸續上線，包括深圳市第三人民醫院(國家感染性疾病臨床研究中心)等對抗肺炎疫情最前線的醫療機構。
3）智能問診供需對接助力後勤保障 ：從醫療輔助的角度來看，大數據技術更是被運用到了減輕醫院壓力、減少人群聚集、整合醫療救護資源等多個方面。阿里和京東均推出了疫情服務機器人，能夠向用戶提供急需的線上問診、疫情知識普及等服務，減少醫護人員工作量，降低醫院門診壓力。百度靈醫智惠推出「智能諮詢助手」，通過提供標準化預問診路徑提升醫生診治效率，並向在線健康諮詢平臺、政府疫情防控平臺、網際網路醫院等提供平臺免費開放 API 接口， 全力支撐醫療醫治領域智能應用。軟通智慧推出的「新冠疫情防控指揮平臺」通過整合醫療救護資源，優化防控物資保障，幫助各個城市提升基層防控能力。
生活服務類應用也是數據驅動疫情防控的重點突破口。諸多網際網路企業採用 O2O 服務模式，形成線下活動到線上活動的映射，利用大數據技術實現海量生活數據的採集、分類和存儲，為居民提供食品無接觸外送、實時疫情地圖、網際網路醫療等服務，在便利居民正常生活的同時，確保各類服務的健康安全。
1）電商平臺保障飲食便捷安全：受新冠疫情的影響，線上買菜相較於線下買菜可以降低交叉傳染的風險，因而更受歡迎。生鮮電商協同各方打通農產品上行通道，加大商品供給，讓居民的「菜籃子」更穩當。
電商平臺包括盒馬生鮮、叮咚買菜、每日優鮮、美團買菜、天貓超市、永輝買菜、京東到家等，多數平臺根據距離所在地區的遠近優選超市門店，並提供全天配送服務。據統計，在商品豐富程度方面，半數以上平臺在不同門店的商品豐富程度有所浮動；在配送時長方面， 80%以上的平臺可以滿足 2 小時以內完成配送；在無接觸配送方面，所有平臺均提供無接觸配送服務，降低了面對面接觸帶來的交叉感染風險；在預約配送方面，受限於物資緊缺和運力有限，所有平臺在疫情前期提供預約配送服務，但隨著物資和運力緊張程度逐漸緩解， 30%左右的平臺逐漸實現「即買即送」服務。
同時，為確保配送事物的安全，多家平臺將「無接觸配送」升級為「無接觸安心送」。以美團外賣為例，在原有的基礎上，將廚師、打包員、騎手的健康情況、餐具消毒情況等安全防護信息，以商家端和配送端的「電子卡+實體卡」形式更透明的呈現給用戶，確保無接觸的同時實現全過程食品安全信息可視化、可追溯的安全配送模式。
相較於「無接觸安全送」而言，「無人車配送」在此基礎上，減少了騎手帶來的潛在接觸風險。百度公司針對抗疫情場景的自動駕駛作業車企業，免費提供百度 Apollo平臺的自動駕駛雲服務矩陣支持，助力企業更好地開展疫情作業車研發工作。
基於此，百度 Apollo 生態合作夥伴新石器在海澱醫院投入一臺無人車， 2 月 14 日起開始進行無接觸送餐服務，最大限度的降低了工作人員的現場工作以及接觸程度。中關村「白犀牛」科技公司提供的「無人車配送」已在北京海澱區溫泉鎮的「佳苑便民外賣超市」落地，在線下單後，無人車可將商品配送至小區門口，居民確認身份後，打開相應車門即可取貨。
2）地圖應用平臺保障出行安全：自新冠疫情發生以來，手握大數據資源的多家地圖應用平臺都迅速推出利於疫情防控的出行指南，以滿足用戶特殊時期的出行需求。統計顯示， 80%以上的平臺具備「疫情地圖展示」、「發熱門診查詢」、「同乘信息查詢」等功能，部分平臺提供「各國入境最新政策」等功能。百度地圖於 2 月 6 日上線「疫情小區」專題地圖，截止 2 月 12
日，覆蓋 200 餘個城市及鄉鎮。
在「疫情小區」板塊，輸入所在小區名稱，即可提供周邊疫情提示，包括本市已公布的疫情發病場所、距離最近的疫情發病場所，以及周圍的人流聚集地。藉助百度地圖的「熱力圖圖層」，還可查看到實時人口流量密度，以此來幫助居民決定出行路線，避開商圈、交通樞紐等人流密集場所，如下圖 所示。同時，「小度無接觸式電梯服務」通過語音識別算法和自動控制技術，實現了語音呼叫大體按鍵，大大減少了電梯接觸式病毒傳播的風險，增強了便民出行手段。
▲百度地圖「疫情小區」功能示意圖
隨著復工人數的增加，作為主要通勤交通工具之一的地鐵，在同行乘客過多的情況下，交叉傳染的風險將會增加。百度地圖也與北京市交通委取得合作，上線地鐵客流量查詢服務，方便用戶通過百度地圖隨時查看地鐵車廂的擁擠程度，為安全出行提供有效參考。高德地圖於 2 月 12日上線部分城市地圖客流滿載情況查詢功能，有效區分擁擠程度，方便居民掌握地鐵站線的實時客流滿載情況，並選擇合適的出行方式。
3）網際網路醫療方便居民就醫 ：在疫情就醫領域，國內多家網際網路醫療服務平臺充分利用 5G 等信息通信技術，聯動全國各地的醫生、專家開展線上諮詢、線上問診、健康科普、心理援助輔導等，為百姓在家就醫提供便利，讓信息技術在疫情防控中「智慧相助」。工信部數據顯示，目前全國 190 多家公裡醫療機構及近 100 家企業網際網路醫院針對疫情提供在線義診，緩解線下醫院壓力。
好大夫在線、丁香園、春雨醫生、平安好醫生等企業集結了呼吸科、感染科、內科等領域過萬人醫療專家資源，為患者提供免費問診，同時為防疫一線的醫生、護士等開通了熱線服務，提供心理疏導。京東數科推出了疫情問診機器人，藉助人工智慧，機器人通過學習與疫情相關的專業知識，為用戶的提問進行基本的分析判斷，同時，提供防疫知識科普等服務。目前，問詢機器人已在近 20 家機構的微信公眾號或 App 中接入使用，在包括杭州、蘇州等 23 個智慧社區中完成落地。同時，百度靈醫智惠、阿里健康等網際網路平臺提供疫情智能問答，北京、天津、浙江等地也積極搭建針對疫情的線上醫生諮詢平臺。
為方便群眾買藥，多個平臺提供發熱門診查詢和配送藥品等服務。百度地圖上線「發熱門診地圖」，可查看附近開設發熱門診的醫療機構名單以及營業時間，目前已覆蓋 300 多個城市。 同時，高德地圖在全國超過 200 個城市上線藥品配送小程序，聯合蜂鳥跑腿、叮噹快藥、 UU 跑腿等合作夥伴，為廣大用戶提供快捷、安全的足不出戶送藥上門服務。阿里巴巴旗下阿里健康於 2 月 6 日在淘寶 App上線「買藥不出門」服務，通過線上問診開方、藥品配送到家的網際網路就醫方式，滿足慢病患者需求。
受突發疫情波及，餐飲住宿、文化娛樂、交通運輸等行業運行放緩甚至停頓，從業人員待崗時間拉長，相關上下遊產業也相繼受到波及。隨著疫情防控取得積極進展，各地政府、企業也在逐步將精力放在復工復產上， 儘快實現經濟社會常態化運行。
從本報告的調查結果看，企業案例主要圍繞政府、企業、學校的復產復工復學，以及協助政府開展復工後城市疫情防控各項工作，如下圖所示：
▲復產復工應用
1）通信大數據行程卡提供地理位置查詢：隨著返程高峰來臨之際，預防人員流動帶來的交叉感染，是現階段各地方、各單位防疫工作重點。為了簡單、快速、權威、準確地證明自己過往 14 天內的行程信息， 中國信息通信研究院聯合三家基礎電信企業利用電信大數據，推出「通信大數據通行卡」服務，為全國 16 億手機用戶免費提供其本人前 14 天內到訪地服務。用戶掃描二維碼輸入手機號即可實現跨運營商一站查詢，操作方便快捷，無需安裝軟體。可幫助各地方、各單位及時識別外來及返工人員帶來的風險，方便政府精準施策，幫助各地科學、高效安排復工復產工作。通信大數據行程卡已於 2 月 29 日下午上線，截至 3 月 1 日晚，已累計提供 53577 次查詢。
2） 健康碼助力城市有序復工復產 ：當前，多地通過數位化管理措施研判疫情期間返工返學返崗形勢，並針對重點區域、重點場所採取分級分類管控，從而助力分類有序復工復產。例如，杭州深圳相繼上線「健康碼」開展疫情期間的社區管理及交通出行等工作，市民或者返工返崗人員通過支付寶、微信平臺自主申報獲取健康碼，作為個人在本地區出入通行的一個電子憑證，實現一次申報、全市通用，公共場所也針對健康碼對人員進行分類分級管理。
日前， 在國務院辦公廳電子政務辦的指導下， 騰訊和支付寶即將推出全國一體化的政務服務平臺疫情防控健康信息碼，有望解決多條線採集居民健康信息帶來的數據標準不一致和跨地區不可用等問題，實現跨省跨地區的疫情服務互聯互通，更好地支撐全國疫情防控工作。同時，三大運營商均推出了個人疫情期間行程查詢的應用，例如中國聯通大數據公司推出的「健康 U碼」，能方便用戶查詢自己 14 天行程，以及上報自己的健康狀況，生成不同級別的健康碼。
3） 遠程辦公完成政企學異地協同運轉 ：從復工復產的角度來看，遠程辦公和人員信息上報是主要的兩個方向。 百度公司宣布「百度 Hi 企業智能遠程辦公平臺」於 2 月 11 日對外開放，並將免費為湖北等疫區企業提供高清音視頻會議、企業雲盤、企業 IM 和應用中心平臺等多項服務，滿足疫情期間不斷增長的遠程辦公需求，支持企業快速恢復生產能力，減少疫情對於企業和社會經濟的影響。阿里「釘釘」面對本次疫情引發的延期開學、復工潮，針對各類企業運營真實場景定製每日健康打卡、百人高清視頻會議、緊急通知發布等功能，同時也針對遠程復學提供群直播等功能定製化服務。華宇軟體則為法院、檢察院、政法委、司法行政等法律業務場景提供雲視頻服務和法律視頻業務相關服務的整體解決方案，包括法院網際網路庭審、司法行政視頻調解，檢察院遠程視頻接訪等。
4）大數據精準保障企業增產擴能 ：國家電網也通過電力大數據對城市復工復產情況進行分析預測。以國網浙江電力為例，其根據用電信息採集系統中企業歷史用電量情況、當日用電量情況等數據，動態監測、精準分析各區域、各行業由點及面的復工復產情況。電力大數據助力增產擴能，快速確定供電方案，為政府部門指導疫情防控和復工復產提供有價值的數據支撐和決策參考。百度智能質檢系統，助力常州一家工廠安全復工，通過無人值守的智能化檢測設備 24 小時工作，比人工檢測效率提升近 10 倍。該系統有效解決了疫情期多數工人無法返廠的難題，同時還減少了車間裡疫情傳染的風險。
良好和豐富的數據是開展疫情防控應用的基礎。本節從數據採集、數據互通和數據開放三個方面，對本報告收集到的相關案例中體現出來的數據能力進行分析。
1） 數據採集 ：傳統數據採集方式在大數據量面前暴露出了一些弊端。傳統衛生數據的採集起點通常是基層的社區衛生中心，通過社區人員手工填報，經歷區衛健委、市衛健委，最終匯集至省衛健委和國家衛健委。這一方面增加了基層數據採集工作人員的負擔，降低了數據匯集的效率，另一方面難以在數據源頭快速核驗數據的正確性，增加了後期數據質量管理的成本。
藉助信息化，目前已有多地採用在線信息填報系統和智能外呼平臺代替手工填報，力求減少數據採集人力成本，縮短數據流轉過程。北京於 2 月 13 日上線的「京心相助」服務，居民可在支付寶上登記個人信息，在不更換社區的情況下，市民無需反覆進行個人信息申報，但需進行每日健康打卡2。同時，百度、阿里、北京來也網絡等企業推出了針對疫情防控的智能外呼平臺，在自動詢問居民包 括離返京情況、身體狀況等問題後，系統將根據關鍵詞自行歸納信息檔案，快速實現轄區內居民疫情數據的採集。除此之外，企業和個人也採用爬蟲技術採集動態數據，以快速提供包括疫情數據可視化、疫情態勢分析、疫情推演等服務。數據採集技術的主要使用對象和優劣下表所示。
▲數據採集技術對比
為保障數據採集的全面和準確性，應同步採用自動化採集工具和數據質量核驗等手段，對於多源頭數據應明確主要來源，從對應系統或平臺中抓取，減少自報數據和重複採集。同時，充分利用大數據技術，實現各類疫情信息的快速實時採集。通過提供 ETL、 API、消息隊列、數據流等多種採集手段，提供移動端報表採集功能，確保實時準確獲取包括人口流動信息、交通實時信息、重點防控人員定位信息、物流信息、網絡輿情信息等多類數據，滿足疫情特殊時期下的數據資源需求 。
2）數據開放：自新型冠狀病毒肺炎爆發以來，面對公眾對疫情數據的迫切需求，我國不少地方政府部門及時開放了疫情相關的數據。這不僅有利於消除公眾的恐慌情緒，提高自我防護意識，配合政府防控措施，提升政府公信力，也為社會市場和社會上的專業組織和個人的疫情數據分析提供源源不斷的「燃料」。
當前，各省市開放多種疫情數據，全面覆蓋統計類疫情數據和醫療機構數據，為數據使用者提供了掌握疫情動態和查詢診療信息的有效途徑。各省市的統計類疫情信息基本覆蓋日期、地段、時區、新增確診病例、累計報告確診病例、疑似病例、新增出院病例等數據項。同時，部分省市將統計類疫情信息分類，以方便用戶查找數據，如深圳市開放 9 個數據集，將疫情信息分為每日確診病例來源統計、每日確診病例統計、每日診療情況等。
目前，許多省市開放結構化數據，並建立數據標準和元數據，提升疫情數據的可用性和易用性。例如，山東省建立了「山東省新型冠狀病毒感染確診病例信息」數據集的數據標準，規定了各數據項的英文名稱、數據格式和中文描述；深圳市針對各數據集建立元數據，包括關鍵字、發布時間、更新日期、資源格式、數據提供方、數據維護方等，實現數據快速檢索。
同時，各省市已經基本做到每日上午前公布最新疫情，疫情的更新周期在 24h 以內，並提供多種數據下載方式，確保數據的時效性和可用性。各直轄市衛健委均從2020 年 1 月 20 日或 1 月 21 日開始在官網上發布疫情數據，北京和天津每日的平均發布次數為 2 次，各地也根據疫情進展調整發布的時間和次數。北京、上海等地提供 API接口調用和覆蓋 xls、 xml、 json、 csv 等主流格式的下載。
但是，各省市的確診病例數據以及地理空間數據開放不足，極大的限制了數據使用人員進一步分析挖掘疫情數據。同時，目前部分政府發布的疫情數據以碎片化的方式散落在不同時間發布的、位於不同頁面上的、以不同名稱出現的公告裡，增加了數據使用者提取和整理數據的困難。
醫療科研機構及時發布新冠肺炎最新的研究成果。 2 月28 日，鍾南山院士團隊論文在國際頂級醫學期刊《新英格蘭醫學雜誌》在線發表，分析了患者各年齡段人群分布特徵、感染者症狀、接觸史、影像學表現、治療手段、臨床 轉歸（包括病死率）等，幫助公眾了解新冠肺炎診療動態和疫情發展細節。科技企業由於掌握大量高精度用戶行為數據，利用大數據技術，持續發布復工復產相關分析報告。高德地圖於 2 月 24 日發布《駕車活力復工指數分析報告》，將實際導航的人數作為數據源，從駕車導航角度來反映 20 個主要城市復工熱度。百度發布的《新型冠狀病毒肺炎搜索大數據報告-復工篇》通過使用「百度」搜索的關鍵詞熱度，為公眾了解各行各業現狀、員工及企業的真實需求、行業發展機遇等方面，提供了可靠參考。
3）數據互通：數據互通將集合關鍵疫情信息，有效支撐政府疫情研判和復工復產。杭州在全國率先上線健康碼，用紅黃綠三色二維碼作為數位化健康證明，由市民或返工返崗人員自行在線申報，提交包括目前所在地、出行和接觸病患等信息，經政府後臺系統審核後憑碼同行。健康碼實現了數據交叉可用，各地可根據健康碼動態變化，科學評估復工復產比例，動態調整復工復產策略。
在疫情防控工作中，部分政府與政府之間、政府各部門之間推進數據互通，在很大程度上簡化數據採集流程，提高疫情防控效率。由中國電科與國務院辦公廳電子政務辦公室、國家衛生健康委員會聯合研製的「密切接觸者測量儀」於 2 月 8 日上線，獲得了國家衛健委、交通運輸部、國家鐵路集團公司和民航局等多方面的數據資源支持，從根本上保證數據來源權威性，普通公眾通過輸入個人信息就可以查詢自己是否為新冠肺炎病人密切接觸者。工信部推進三家基礎電信企業支撐疫情分析的大數據跨網統籌，搭建電信大數據平臺，打通電信企業信令數據，同時，實現電信大數據與衛生疾控管理部門進行數據共享聯動，通過結合衛生防疫等部門的數據，做進一步研判。濟南市衛健委開發了發熱就診人群分析系統，匯集了全市 86家主要醫院和 3000 多家基層衛生機構，並結合健康醫療數據和出行數據，對重點人員進行全面跟蹤和持續分析。
服務型企業打通平臺內企業和個人數據，企業之間逐步實現數據互通。航旅縱橫匯聚了各航空公司的航班數據，於 1 月 30 日上線了「新型冠狀病毒確診患者同航班自動通知系統」，同步更新有確診患者的航班記錄， 第一時間主動向該航班的所有旅客發送疫情通知。國鐵集團運營12306 售票大數據資源，配合地方政府和衛生健康部門協查確診病例乘坐火車上密切接觸者，安排錯峰返程運力。中國鐵塔股份有限公司聯合 360 公司推出的「中國鐵塔智慧疫情防控平臺」，結合人員火車航班數據、計費數據，梳理出帶有時間戳的人員出行記錄和密切接觸者，替代了傳統流行病學的調查方式，如下圖 所示。
▲中國鐵塔智慧疫情防控平臺
但是，數據互通仍面臨諸多障礙，如尚未建立有效的數據互通機制，無法在較短的時間內明確數據互通的需求和範圍，相關技術由於存在接口和規則壁壘，也難以支撐大數據量的快速聯通。
因此，各地政府在未來應明確數據互通的需求，建立資源對接和調度機制，確定滿足需求應配備的資源，集成已有 IT 系統的數據能力，消除數據互通各環節的技術壁壘。以工信部為例，在第一時間成立了電信大數據支撐服務疫情防控領導小組，統籌協調相關工作，並組織各省市通信管理局、中國信息通信研究院、基礎電信企業建立通信行業疫情防控聯動工作機制，加強通信系統部省聯動。同時，在國務院疫情聯防聯控機制下，與衛健委等部門建立疫情電信大數據共享聯合工作機制，定時或按需向相關部門共享信息，有效的推進了部門間信息共享。
此外，加大政企間數據合作，使原本割裂分散在公共出行、社交媒體、電信服務等領域，與疫情防控相關的數據深度融合併有效使用，在復工復學後更加複雜的防控形勢下，應用於減少二代感染者、阻斷三代感染者等方面。同時，充分利用社交媒體和民間組織所擁有的大量疫情相關數據，通過與其他哨點監測數據、傳統的公共衛生數據資源相結合，通過大數據技術和 AI，深入挖掘並識別出誘因。
數據分析應用的深度一般會從其操作難度和產出價值等方面進行評估，在業界通常被分為四種類型：
描述性分析（ Descriptive） ：這類分析僅描述發生了什麼。一般會通過可視化的方式呈現所傳達的信息，比如大屏展示的疫情分布信息；
診斷性分析（ Diagnostic） ：這類分析會追溯事件發生的原因。一般會基於描述性的信息進一步分析問題的本源，比如病毒傳染的溯源；
預測性分析（ Predictive） ：這類分析會預測可能發生的事件。需要對可變數據進行建模，並通過預測模型預測發生事件的可能性，比如對疫情發展態勢的預測；
決策性分析（ Prescriptive） ：這類分析能夠指導下一步的決策。其複雜性和價值都相對較高，通常依賴描述、診斷、預測等多種分析行為的組合來判斷最佳的方案，比如地方政府綜合地方實情和周邊疫情發展態勢等多項因素後進行精準施策。
此次抗疫期間，數據應用主要呈現出以下特點：
疫情控制早期，是打好數據基礎的關鍵時期。此時湧現的大部分應用多為信息收集和平臺建設類項目，如各類自填報系統和大數據平臺的建設。由於時間和數據量等方面的限制， 2020 年 2 月前的數據應用， 60%以上屬於初步的描述性應用，如疫情分布地圖、人員流動展現等。出現較少部分診斷類的應用，多為病毒傳染溯源分析以及結合人員流動的時空屬性進行的高危人群判斷等。例如航空和鐵路部門在疫情初期發現確診患者後會通知同航班和同車次的旅客進行重點關注和隔離。
隨著平臺的建設和數據的逐步積累，診斷類應用愈發成 熟，預測類應用逐步增加。至 2020 年 2 月初，描述類和診斷類應用的佔比達到了 75%，數據粒度和分析粒度都更加細緻，區縣級甚至社區級的應用開始出現。例如百分點信息科技的「一區一碼」系統，居民完成個人信息填報，進出小區時由系統自動分析輔助人工管理。預測類應用如潛在傳染源和傳染路徑預測、傳染人數趨勢預測等開始出現，並逐步用於政府的決策參考。第四範式基於高維機器學習技術建立市區縣級數字孿生系統，結合交通管制、復工時間、藥物投放等多方因素對疫情發展的影響，對關鍵決策的實施影響進行仿真預判，為防控政策制定提供依據。
預測類和決策類應用將在疫情控制方面起到重要作用。預測和決策類應用複雜程度高，數量雖少，但具有更高的價值。此次疫情防控過程中，大數據和 AI 技術被用於病毒基因的檢測分析中，基於病毒基因的特徵，預測病毒蛋白結構輔助藥物篩選，大大提高了診斷和疫情研究的效率。百度研究院 此 次 向 各 大 科 研 機 構 免 費 開 放 了 線 性 時 間 算 法LinearFold，以及世界上現有最快的 RNA 結構預測網站，能顯著提升新型冠狀病毒 RNA 空間結構預測速度，以助力疫情防控。
前期各類描述、診斷、預測類應用的成熟為政府後續的精準施策打下基礎。交通部門提供的乘客公路、鐵路、航班出行分析與通信運營商提供的密切接觸者軌跡分析能 夠有效支撐政府下達針對性的防控措施；物資保障平臺、「健康碼」數據、企業用電量等分析應用也從生產的各個環節支撐著政府對於保障復工復產開展專項的應對措施。隨著各環節數據的進一步開放以及疫情經驗的不斷積累，更多的預測決策性分析會應用會在疫情防控中發揮作用。
1）大數據價值盡顯：「人傳人」的疫情特徵，將對於人類個體的監測與管控推到了核心地位，如何獲取、描述和分析一個人的行為軌跡，及多人之間的位置重疊也就成為了最基礎和最重要的分析數據。因此，無論是手機信令數據還是網際網路 APP所獲取的位置數據都成為了重要的數據資源，眾多電信企業和網際網路企業也是基於此類數據開發了相應的產品。其中，由於實名制手機的改革，電信大數據的全面性、真實性和實時性就充分體現了其數據價值。
電信大數據來自於電信運營過程中的通信基礎數據，運用電信大數據分析，統計人員流動情況，對支撐服務疫情態勢研判、疫情防控部署以及對流動人員的疫情監測、精準施策有重要意義。電信數據具有以下特點：一是全面性。我國擁有 16 億手機用戶，電信用戶規模大、覆蓋面廣、數據量大，如現有的公眾通信網每日產生的電信數據約數千億條，在春運等節假日期間、人員流動性高的情況下，數據量會更大。
二是真實性。電信大數據經過多年的實名制認證，已經基本可以達到一個號碼對應一個人，通過基站信令數據對於人員位置的確定及身份的確定可靠性和真實性程度大大增加，為各類疫情數據分析奠定了有力的真實數據基礎。三是實時性。可以實時採集、匯總和處理電信相關數據，及時提供各類數據分析結果，為疫情防控提供精細化數據支持。對於人員動態流動情況，分析預測確診、疑似患者及密切接觸人員等重點人群的動態流動情況，支撐疫情防控部署。
北京移動作為北京地區最大的移動通信用戶運營商，擁有大量真實的用戶數據，在遵照國家法律和行業規範的前提下，北京移動大數據中心上線了疫情防控整體解決方案。其中，防疫平臺平臺實現對信令數據的統一採集和實時處理，通過本地用戶和外省地區間漫遊數據的融合，更全面地了解全國涉疫人員流動信息，實現全軌跡鏈的還原分析。藉助電信數據實名制並與自然人強關聯特徵，大大提高了防疫數據時效性。通過不間斷手機數據的獲取，建立自然人與地理空間及行為特徵的深度聯繫，每日深入洞察重點區域人流情況，按日進行數據精細對比分析。
2）響應能力快速高效：新冠疫情如排山倒海般來勢洶洶，面對如此緊急的突發事件，科技企業的快速應變能力成為了硬實力。從系統總線到面向服務思想，從模塊化、鬆耦合到中臺和微服務，技術的革新總是向著高效、敏捷的方向發展，這也正是解決快速應變需求的最重要手段。
無論是百度地圖從 100 個城市到 300 個城市的遷徙大數據平臺幾乎無時延升級，還是阿里雲宜搭平臺將後臺不可見的為微服務模塊變成了前臺的可拖拽操作，亦或是電信運營商依託長期的數據和服務積累迅速形成疫情大數據方案，這背後都是快速響應能力的重要體現。
3） 智能化技術能力不斷提升 ：大數據同人工智慧技術相輔相成，共同提升人類智能化技術水平，智能化的方法和設備不斷發展，輔助人類更多更好的完成任務已經成為了今後發展的重要方向。疫情期間， AI 智能化測溫系設備、智能化機器人、智能無人車、智能化算法模型、智能化應用和智能化展示等技術幫助我們完成了更多人類不可能自己完成的事情。
智能化需求不斷增加和智能化技術的不斷革新也催生了智能化經濟發展。 數字經濟在經歷了 PC 的發明與普及、 PC 網際網路、移動網際網路這三個階段後，正在進化到以人工智慧為核心驅動力的智能經濟新階段。智能經濟將給全球經濟帶來新的活力，是拉動全球經濟重新向上的核心引擎。
縱觀此次疫情到目前進程，以百度為代表的中國科技公司通過充分激活 AI 技術潛力，在疫情分析與防範、醫療、復工復產等方面抗擊疫情。其中 AI 測溫系統、 百度地圖遷徙大數據平臺等應用讓人印象深刻。相關 AI 技術應用或在疫情結束後尋找到合適的商業落地場景，體現了智能化對於社會、經濟發展的推動作用。
在新型冠狀病毒開始蔓延的初期，疫情相關的信息爆炸，發布渠道眾多。醫療物資短缺的信息尚未有效統計和發布，給物資調度和捐贈帶來巨大困難。此時，一群志願者自發形成了研發團隊，利用各自的專業優勢，採用眾包協作的方式構建了一個個疫情防護有關的信息化開源項目，致力於搭建可靠、高效的信息化渠道，成為了疫情防控科技力量中一道亮麗的風景線。
1）項目類型豐富 ：根據開源平臺 OpenSourceWuhan 統計的 46 個開源項目來看，疫情信息類佔到了 37%，新聞紀錄類達到了 30%，其次是求助信息類 9%。其中疫情信息中一半以上的項目都是展示肺炎疫情實時的省市地圖。新聞記錄類的 14 個項目中，有記錄各類媒體、非虛構與個人敘述的項目< 2020 新冠肺炎記憶>，也有記錄個體生活的<2020nCov_ individual_archives>。
▲開源項目情況
2）運行快速高效 ：重大公共衛生事件在公共社會事件中屬於較複雜的類型，調用資源類型多、統籌安排難度大、配置實施周期長。開源和眾包的模式，可以讓各供需方進行分布式自助對接，大幅提升效率。大多數疫情防控開源項目普遍在 2到 3 天就能上線系統，項目參與的人數從幾個人到上千人不等。以 wuhan2020 項目為例，該項目在 1 月 25 日發起，在兩三天內便徵集到幾百人的參與， 28 日上線系統，隨後不斷迭代系統。據統計，目前總參加的志願者超過了 1000人，項目在 Github 的貢獻者達到了 39 人。而另外一個明星項目「2020 新冠肺炎記憶：各類報導、非虛構與個人敘述」利用 Github 來存儲各類報導，已經收錄了 70 多家媒體的報導，參與者超過了上百人。 2020 Wuhan IndividualStories 在短時間內收錄了 300 多篇日誌。相比而言，正常的委託類信息化項目通常的上線周期都在一周左右。
3） 數據獲取分為兩個渠道 ：開源疫情防控項目的數據一般來源於兩個渠道，一是公開數據，通過人工或者機器爬取，然後再整理同步。例如 wuhan2020 項目利用大量志願者在網上人工爬取各種數據，經過審核人員審核後錄入到 Github 中；而項目 DXYCOVID-19-Crawler 是一個爬取數據的工具，實時爬取網上的數據，也為其他項目調用提供了 API 接口；其他疫情地圖的項目大多數都是通過爬蟲來爬取各省市公布的疫情數據。二是來自於用戶自己生成的信息和數據，直接匯總，例如 2020 Wuhan Individual Stories，號召武漢疫情中的
普通人貢獻自己的日記作為數據來源。
4） 運行方式多樣 ：涉及多人協作的項目需要制定一套分工協作的流程，包括協作規範、人員分工和溝通協作的工具。主要包括代碼託管與協同，開發者之間的交流，數據和信息的收集、同步、審核，還有志願者之間日常的溝通和正式的會議等。絕大部分的疫情防護開源項目都用到了 Github、 Gitee等代碼託管平臺來進行開發協作，其中 Github 使用頻率較高。
Slack、微信、釘釘等工具作為志願者日常溝通的工具，而很多開源項目都利用石墨文檔等協作工具來搜集數據和文字，此外還有一些用於設計的圖片處理工具等。同時，技術企業開源也成為重要的運行方式，百度飛槳免費開源業內首個口罩人臉檢測及分類模型，該模型可以有效檢測在密集人流區域中攜帶和未攜戴口罩的所有人臉，同時判斷該者是否佩戴口罩。百度藉助國內最大的 AI 開放生態優勢，推出「AI 開發者『戰疫』 守護計劃」，積極調動開發者、合作夥伴的力量，開發各類防疫控疫的產品，實現智能化能力全面輸出。
5） 影響力不斷提升 ：開源項目在本次疫情防護過程中取得了巨大的社會效應，本報告統計了 Github 和 Gitee 上 Star 數前 7 款疫情防護開源項目。如表 2 所示，項目基本包含綜合的信息展示、新聞記錄、信息導航、疫情地圖、信息爬蟲等方面。截至 2 月 21 日，有兩款項目在 Github 上 Star 數超過了6000 個， Fork 數均超過了 800 次，均登頂 Github Trending。
▲開源項目功能及影響力
綜上所述，開源項目在這次疫情防護中表現出了獨特的優勢和特點。開源項目的運行管理使得大規模的社會化協作成為了可能，讓普通民眾和有專業技能的人員參與到疫情防護的工作中。開源項目可以在短時間內迅速的組織有效力量，快速搭建各類信息平臺，其響應速度和迭代效率均高於常規的委託式的項目開發。開源項目的順暢運行需要有一套協作流程和激勵機制，通常涉及分工、協作規範和工具使用，其民主化的協調方式和決策機制調動了參與者的參與積極性。從協作的工具來看，主要分為代碼託管、數據和信息採集匯聚、日常溝通等工具，這些分工協作的工具有效提升了分布式工作的效率，為遠程在線合作提供了有力的保障。
從數據和信息來源來看，開源項目主要源依賴於網上的公開信息和志願者的自發貢獻，一般通過人工或機器來收集數據，面對人工收集和貢獻的信息，還需要引入審核的機制來核驗信息的有效性和真實性。通過實際項目的運行觀察，這次開源項目發揮的作用和影響力都是巨大的，在疫情信息的展現和可視化、醫院對物資的需求發布、記錄媒體報導和個人生活等方面湧現出大量的應用，開源項目的信息和代碼都遵循一定的開源協議開放給社會，大大提升利用率。
智東西認為， 這次疫情是對我國治理體系和能力的一次大考。疫情防控既是對治理的重大挑戰，也是優化治理體系、提升治理能力的重要契機。可以看出，疫情防控為各種數位技術的應用提供了更多的場景，數據與智能應用在這場沒有硝煙的戰爭中正在發揮關鍵的作用。我們既要抓住此次機會，充分發揮大數據、人工智慧技術的優勢來戰勝疫情，也要及時發現技術或政策上的不足，以便做出調整改善。