近期，北京疫情以新發地爲中心，確診以及增加人數均與新發地與直接或間接的關係。在新發地源頭被確定後，如何查找以及定位相關風險的人羣成爲核心問題。
據顯示，截止6月17日，在行動軌跡一致的情況下，北京短短几天就找出了到訪或路過30多萬的用戶並進行了相應的核酸檢測。截至6月28日12時，北京市累計完成採樣829.9萬人，已完成檢測768.7萬人，基本完成“應檢盡檢”人員動態清零。
在這背後發揮作用的是大數據篩查。
與年初武漢疫情爆發初期大數據分析人口流動相比，此次北京的大數據篩查表現了更高的技術含量與更好的時效性，在疫情防控中發揮了不可小覷的作用。
大數據是指隨時產生的海量、大量數據，其有廣義與狹義之分。狹義的大數據包括個人私人信息、購物與閱讀習慣等個人畫像；而廣義的大數據則是針對社會或者企業，例如電商利用大數據分析顧客購物習慣，做好需求預測，提前佈局好倉庫存儲等。
而此次的大數據篩查，是廣義大數據與狹義大數據的一次有機融合，也是海量存儲和快速檢索技術的一次良好利用。
大數據篩查的手段
官方雖未公佈大數據篩查的手段，但根據分析發現實現大數據篩查的三種技術路徑。
1）基源定位方法
所謂的基源定位方法是基於手機移動數據確定位置，這是常用手段之一，也是新發地大數據篩查最高效的手段。
在這裏的基源並非GPS而是指手機基站。與GPS不同的是，手機會自動連接到距離最近的信號發射塔，手機的所有活動均通過包含基站信息的信令數據信號發射塔篩查回溯，這爲追蹤使用者的位置定位及路徑追蹤，提供了真實準確的第一手數據。
2）社會交往信息分析
社會交往信息分析並非通過社交軟件判斷，而是通過結合已有數據，通過電話排查、摸排走訪等方式形成較爲可靠的數據，進而實現短時間內完成篩選在新發地工作與去過新發地的用戶及其密切接觸者等工作。
3）物品信息確認
物品信息確認可以作爲排查依據之一，但是否真的應用了該方法並不確定。
在新發地疫情初期，“支付寶與微信提供數據鎖定35萬人幫助病毒篩查”的說法在網上流傳。在該說法中，這兩種支付方式可以通過二維碼獲取交易記錄確定交易用戶位置，但對於用戶的行動路徑追蹤是無法實現的。
在此次疫情中，大數據在早期病例精準鎖定控制傳染源與發現感染者阻斷傳播兩方面發揮作用。
除此之外，還利用大數據技術實現信息共享、快速查詢開闢了新冠肺炎動態更新、疫情展示和闢謠功能，讓權威信息打破謠言，及時安撫了公衆情緒，從另一個層面抑制了病毒蔓延。
在預防層面，針對人員聚集可以進行預警；在擴散源頭方面，把數學模型和人員社交特徵結合，可以很好分析擴散路徑與速度，制定更有針對性的對策與措施，如北京以街道爲單位劃分風險等級，進行精準分級與管控。
近期，相信好多北京居民收到過提示去過或路過新發地的短信，這無疑不是大數據篩查所發揮的作用。
在控制疫情方面，大數據篩查在信息準確分辨方面還存在誤差以及實際停留在分析與輔助方面等，但這恰恰說明了大數據篩查手段還有較大提升提高空間。
在從年初至今的疫情防控中，大數據發揮了很大的作用，場景適合且具有積極意義。
點擊查看往期內容回顧
長按二維碼，關注我們
新睿雲，讓雲服務觸手可及
雲主機｜雲存儲｜雲數據庫｜雲網絡
看都看完了，還不點這裏試試
