大数据时代的重大突发公共卫生事件预警创新

周芳检

(湖南科技学院 马克思主义学院，湖南 永州 425199)

重大突发公共卫生事件的预警是基于重大突发公共卫生事件发生、发展规律及相关因素，使用特定的模型或算法对传染病等发生、发展做出预测，进而对疫情流行趋势及影响范围进行预警。(1)屈晓晖等：《时空大数据分析技术在传染病预测预警中的应用》，载《中国数字医学》2015年第8期。自20世纪80年代以来，我国开始重视重大疫情的预测预警方法研究并取得重大成果，特别是在2003年“非典”以后，我国逐步建立了相对完备的突发公共卫生事件预警体系。但囿于单一的数据来源、简单的检测方法和人工的直觉判断，使得预警的时效性、准确性、动态性、全面性难以满足当前复杂性、跨界性、多元性公共卫生事件防控工作的需要。

近年来，随着大数据、云计算、物联网和移动互联网的快速发展，以volume(大容量)、velocity(快速)、variety(多类型)、value(低价值密度)和veracity(真实性)5V(2)Viktor Mayer-Schonberger & Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work and Think. Boston: Eamon Dolan/Houghton Mifflin Harcourt 2013, pp.30-78.为特征的大数据开启了重大突发公共卫生事件治理的新时代。在大数据时代，医院电子病历数据、病原监测大数据、网络媒体在线数据、时空大数据呈快速增长态势，共同构筑成多元、立体、动态的突发公共卫生事件应急大数据。大数据的核心是预测，对它的应用也自然而然是开展重大突发公共卫生事件预警的一把利器。大数据重大突发公共卫生事件预警就是通过对上述巨量数据快速收集、有效挖掘与及时研判，快速、精准、有效、持续地向应急管理部门和公众提供预警信息。(3)周利敏，龙智光：《大数据时代的灾害预警创新——以阳江市突发事件预警信息发布中心为案例》，载《武汉大学学报(哲学社会科学版)》2017年第3期。

目前，国内外理论界与实务界开始关注大数据在公共卫生领域中的应用，尤其体现在以传染病监测数据为基础，运用不同数据处理技术，建立敏感、特异的传染病监测预警体系。(4)马家奇：《公共卫生大数据应用》，载《中国卫生信息管理》2014年第2期。2009年，谷哥公司利用检索特定词条成功预测H1N1流感爆发且比美国疾控中心早好几周，成为学者们时常引用的经典；中国医学科学院袁清玉教授结合流感病例数据、百度实时搜索数据和流感实验室检测数据建模监测流感活动。(5)Yuan QY, Elaine O,Ben FL, et al. Monitoring influenza epidemics in China with search query from baidu. Chinese Influenza Epidemic，Vol.8, No.2, 2013, pp.1-7.邹远强等提出利用病原体基因测序大数据融合互联网大数据监测预警传染病。(6)Zou YQ, Peng YS, Li Z, et al. Monitoring infectious diseases in the big data era. Sci. Bull，Vol.60, No.1, 2015, pp.144-145.抗击新型冠状病毒肺炎事件期间，百度公司推出“国内外疫情动态”“迁徒地图”“全民热搜”“实时播报”服务，国内三家基础电信企业提供基于电信大数据分析向用户提供本人“14天内到访地查询”服务。

本文尝试以大数据为背景，梳理重大突发公共卫生事件防控过程中的存在哪些预警失灵现象，反思其背后原因有哪些，探索如何应用大数据构建重大突发公共卫生事件预警体系，在此基础上进一步思考利用大数据开展重大突发公共卫生事件预警的基本思路。期待通过对上述问题的思考，能为大数据时代重大突发公共卫生事件的预警提供有益的参考。

一、重大突发公共卫生事件的预警失灵

纵观近年来我国发生的重大突发事件，几乎都能发现其中应急失灵尤其是预警失灵的场景。2012年北京特大暴雨灾害中碎片化信息发布，使得预警效果微乎其微，69条生命在大雨中逝去；2014年兰州水污染事件中行政化的“命令—控制”式预警，导致警情一再升级，引发市民哄抢与逃离；2015年上海外滩踩踏事件中滞后、模糊的信息传递，使得预警警度严重误判，36条生命定格黄浦江边；2016年新圳光明新区滑坡事件中对警兆的忽视，带来警情失控，77条生命顷刻消失在汹涌而至的泥沙中。特别地，在历次的重大突发卫生事件防控初期，滞后的预警不时引发公众深度焦虑甚至恐惧恐慌，成为我国重大突发公共卫生事件治理亟待突破的瓶颈。归纳起来，重大突发卫生事件预警失灵主要有以下几种类型。

(一)经验型预警

长期以来，我国形成了与西方发达国家推崇数据收集、注重定量分析的精确管理不同的思维和模式，凡事决策倾向于从直觉和经验出发，领导“拍脑袋”敲定重大决策成为常态。(7)周芳检，何振：《大数据时代城市公共危机治理的新态势》，载《吉首大学学报(社会科学版)》2018年第4期。这种凭领导者个人的直觉和经验做出的预警属于经验预警。而一旦面临高复杂性、高不确定性重大突发公共卫生事件时，这种预警方式作用不仅有限而且有害，甚至会带来灾难性的后果。重大突发公共卫生事件发生时，有的基层卫生组织在接受上级指导组派出督查有关本区域定点医院收治能力、关键信息检测能力等具体数字时，竟一问三不知，暴露出一些领导干部平时不太注重搜集多源数据的硬伤。置身大数据时代，数据唾手可得。经验预警背后，是部分决策者对分布在全国各地数以万计大小医院、卫生服务机构诸多有价值医疗病例数据的盲视，是对身边丰富的应急管理数据的漠视，也是对众多实时、异构微博、微信等网络媒体在线数据的无视。如此看来，所在地疫情事态扩大有其必然性。

(二)科层制预警

考察我国当前的应急管理体制，不难发现其背后的设计理念基于传统的科层制，比较推崇领导在应急管理的权威和权力，相对忽视数据/信息的作用。(8)何振，周芳检，杨文：《大数据时代城市应急管理行业协作体制创新研究》，载《湘潭大学学报(哲学社会科学版)》2016年第6期。这种设计理念存在着一个内在难以克服的弊端：忽视足够多源、有价值的数据或信息，当面对瞬息万变的应急情境时，决策层作出的研判缺乏合理依据，其权威也会面临不断消减甚至于丧失殆尽的危险。(9)周芳检：《大数据时代城市公共危机跨部门协同治理研究》，湘潭大学博士学位论文，2018年，第78页。大数据时代的到来，无处不在的自媒体、互联网移动智能终端，重新定义了多元主体危机协同治理的角色，社会组织或个人的声音在危机情境中得到放大。重大突发公共卫生事件初期，某些对事态有着清晰判断的“疫情吹哨人”勇敢拉响警报，却未必能在第一时间警醒已经身陷危机的决策者。类似事件严肃警示我们，要最大限度压缩危机治理过程中的多边权力距离，让由社会组织或个人共同参与的多边权力相互制衡结构得到复归。

(三)滞后性预警

我国地方政府在长期的应急实践中，存在“重事后处置、轻事前防范”这样一种“事件应对”治理思维定势，对突发事件事前预防、事发预警关注不足。(10)张海波，童星：《中国应急管理结构变化及其理论概化》，载《中国社会科学》2015年第3期。在这种思维定势主导下，重大突发公共卫生事件应急管理者可能就会错过对警兆识别、警度研判、警情预报的最佳时间点，导致风险放大，局面失控，应急成本爆涨，自然也给政府公信力带来难以估量的损伤。惨痛的教训再次警示地方应急管理者，坚持“防治结合、以防为先、以预为主”的应急思维有多重要。更为重要的是在大数据时代背景下加强对多源异构、庞杂无序的在线实时搜索数据、城乡安全运行数据和应急管理数据的快速收集、有效整合、实时分析，向灾前、临灾和灾中的人们提供及时、准确、动态、全面的信息，是重大突发公共卫生事件应急的不二选择。

(四)模糊化预警

预警不仅要求快速搜集和处理信息，更重要的是要对复杂多变的信息尽可能作出准确或比较准确的判断，这关系到整个应急管理的成败(11)闪淳昌，薛澜：《应急管理概论——理论与实践》，北京：高等教育出版社，2012年版，第241页。。在传统的政府预警实践中数据来源单一，数据量小且更新不及时，决策者只能根据灾种、灾情对特定的行政区域实施预警，预警精度、密度、范围等无法跟上现代灾害发展需求。重大突发公共卫生事件早期防控过程中，公众往往最急切了解如下信息：疫情传染源到底来自哪里？病毒中间宿主是什么？是从什么时候开始出现人传染人的？病毒潜伏期有多长？谁是零号病人？疫苗多久能生产出来？等等。但面对诸如此类的问题，相关管理部门有的避而不谈，有的含糊其词，一时难以给出权威的预报，这无形之中加重了公众的恐慌程度。当然，上述问题的存在，有其特殊性、复杂性、不可预见性，有的短时间内确实难以给出答案。但同时，这也给大数据时代的突发公共卫生事件预警提出了新的课题：如何整合丰富的数据资源，深度挖掘其中有价值的信息，降低不确性，实现精准预警。

(五)碎片式预警

我国传统灾害预警采取的是分灾种、分区域、分系统、分部门的管理模式，使得“条块分割”“部门分割”和“各自为战”成为应急的常态，预警协调不足。碎片化的预警难以实现应急的跨部门协同，使得应急效率低下，也使得公众疲于奔命于不同信息发布机构寻求真相，严重透支政府公信力。检视近年来发生的重大突发公共卫生事件，不乏因官方披露的信息多次出现数据打架引发群众强烈不满的案例，特别是有关事态严重程度、人员伤亡、经济损失、防控方案、物资保障等公众高度关注的敏感信息方面，上下级政府之间、同级政府不同部门之间存在表述不一致或者意见不统一的现象。重大突发公共卫生事件应急是一项复杂的、综合的系统工程，需要各部门协同配合。在大数据时代，打破碎片式预警格局，需要整合分散在不同部门的海量数据，构建跨部门协同预警系统(平台)，加强信息互联互通，实现疫情治理联防联控。

二、基于大数据的重大突发公共卫生事件预警模型

传统重大突发公共卫生事件预警失灵固然与其事件严重性有关，但透过事件的背后不难发现，数据搜集范围的不足和信息分析技术的滞后是其背后的深层次原因。具体说来，主要有以下不足：一是数据来源单一，大量的网络媒体在线数据、时空大数据的价值没有得到挖掘与体现；二是数据精度不高，众多医疗服务机构、药品生产研发销售单位自发收集的数据量小、完整性差且存在大量繁芜冗杂的信息；三是数据更新滞后，数据管理人员每月一次的手动网上更新操作，预警信号发现追踪不及时；四是预警方法简单，管理人员只能对储存在数据库的“死数据”进行查询，知识库缺乏，数据互不关联，难以挖掘数据之间隐含的价值。针对传统预警的不足，本文尝试提出一种基于大数据的重大突发公共卫生事件预警模型(如图1所示)。

(一)预警模型的设计思路

一是基础数据采集与处理。以国家(区域)大数据平台和数据中心等基础设施建设为契机，根据突发公共卫生事件基本特征，加强对突发公共卫生事件、公共卫生医疗数据、病毒病原监测数据以及网络媒体在线数据等的采集、清洗和规范化处理，形成以“事件—案例—应急”为主体的三类数据，导入数据库中，构建突发事件库、案例库和应急信息库等基础数据仓库。

二是案例知识库模型构建。基础数据库存储的是大量事实数据，为使这些事件数据能被机器识别，便于人与机器、机器与机器的交互传递，需要根据一定的逻辑规则对数据仓库中案例库的数据(事实、概念)进行知识表示、构建本体，在此基础上将建好的本体映射到案例库中形成案例知识库，为后期开展案例推理等提供数据、知识支撑。

三是预警模型构建与利用。基于构建好的知识库中本体和规则，提取新发生的公共卫生事件特征并进行语义搜索，采用相似度和推理规则相融合的方式从案例知识库中检索与目标案例匹配或近似匹配的案例，将案例检索结果在新案例中重用、优化并检测新案例解决方案的成熟度，最终为公共卫生应急管理部门推荐相应的预警方案。(12)沙勇忠等：《公共危机信息管理》，北京：中国社会科学出版社，2014年版，第393～455页。

图1 基于大数据的重大突发公共卫生事件预警模型

(二)预警模型的基本架构

该预警模型是一个集多源数据搜集、信息处理和知识服务于一体的综合系统，自下而上分为五层架构：①数据采集与存储层。采用传统与现代技术手段相结合的方式，广泛、实时搜集公共医疗卫生数据(电子病例、药品与不良反应记录等)、突发公共卫生事件数据(传染病种类、事发时间、地点、范围、级别、危害)、传染病病原监测数据(病毒种类、基因数据等)以及涉及疫情的网络媒体数据(网页信息、媒体中的发烧、咳嗽、呼吸困难等信息)，暂存公共卫生事件应急数据云存储中心。②数据预处理层。对搜集到的不规范、不完整或错误信息进行清洗、规范、集成、转换，使数据更为完整并尽量剔除干扰信息，便于机器处理与识别，提高数据分析准确性。③数据处理与预警信号生成层。搜集到的基础数据经预处理后分别存放在知识仓库中，主要包括领域知识库(传染病种类、症状、危害、治疗方法等)、案例库(事件过程、原因、后果、处置办法等)、应急信息库(应急预案、部门与人员、物资、技术、服务等)，经逻辑关联生成案例知识库；输入事件提取特征经案例推理生成预警信号。④数据服务层。主要是为数据管理员、信息管理员和普通用户提供注册查询、数据录入更新、数据开放和预警决策推荐服务。⑤应用终端。通过移动终端APP、电脑网络为应急管理部门、医疗机构或公众提供公共卫生预警信息；通过接入预警信息发布平台，实现预警信息在不同应急管理部门的共享。

(三)预警模型的关键技术

在大数据时代，突发公共卫生事件数据的搜集、处理、分析及预警模型的设计与运用需要一整套前沿技术作支撑。①信息搜集技术。通过Web主题信息搜集技术、网络爬虫技术收集公共卫生领域在线数据，引入无线监测、地理信息系统(GIS)、遥感技术(RS)、全球定位系统(GPS)、视频监测等技术动态监测人员流动情况和备灾、救灾信息。②信息处理技术。利用数据库技术对事件库、案例库和应急库中的数据进行处理、分析和理解；利用挖掘技术将数据组织成数据仓库；利用语义技术关联事件、案例和应急数据构建本体库；利用基于案例推理技术和规则推理发现本体中隐含的知识。③信息传播技术。在互联网、移动互联网时代，手机等移动终端为预警信息的传播创造了条件，特别是微博、微信、论坛、播客等社交媒体在预警信息的传播中发挥着越来越重要的作用。④信息利用技术。将信息可视化、风险地图、视频展示技术等运用到突发公共卫生事件预警中，可以极大地增强公众对风险的感识能力和对灾难的理解水平。(13)沙勇忠等：《公共危机信息管理》，北京：中国社会科学出版社，2014年版，第459～461页。

三、大数据驱动的重大公共卫生事件预警

大数据时代的到来，基于大数据构建的重大突发公共卫生事件预警模型，其广泛的数据来源、先进的处理技术、精准的推送方式为重大公共卫生事件预警注入了强劲的动力。在新的时代背景下，预警模型的付诸实践，驱动应急预警方式走上精准、快速、动态、协同新阶段。

(一)大数据促就精准预警

大数据说到底就是一种更高效的信息处理能力，它的硬核就是大数据分析，即从海量、多源、异构、动态、低密度的数据集中挖掘有价值的信息，获取事件彼此的内在关联。(14)张海波：《大数据在应急管理中的应用》，载《中国社会科学报》2019年2月20日。在大数据时代，多渠道的数据来源、全方位的数据挖掘以及定性式的信息推送，使得突发公共卫生事件预警更加精准。

一是多渠道的数据来源。近年来，随着大数据、云计算、物联网和移动互联网技术的迅速发展，数据来源日益多元、数据结构愈发多样、采集方式趋向自动，公共卫生事件预警获得了可靠的数据来源。各级卫健委、疾控中心积累了卫生管理数据、突发公共卫生事件及应急资源数据，各大医院、社区卫生服务中心积累了大量电子病例、影像资料、药品使用及不良反应信息，药品生产企业积累了大量药品生产、储运和销售数据，红十字会、中心血站等存储了大量应急物资等数据；互联网巨头拥有先进的时空地理大数据技术，社交网络等实时记录着大量在线数据。在这些数据当中，无论是各种结构化数据(电子病例等)、半结构化数据(各种XML、HTML文档等)，还是非结构化数据(图片、影像、社交网络数据等)均大规模增加，以改过去以调查统计为主的数据形式。

二是全方位的数据挖掘。疫情预警可分为预测和报警，预测是报警的前提，而精准的预测是建立在数据挖掘基础上的。预警系统知识库中不仅包含数量的事实数据，而且还拥有丰富的特定规则，是事实数据与规则的结合体。事实数据能揭示概念之间及概念与事实之间相互关系，而使用规则中包含的语义知识进行由已知知识向未知知识的案例推理，则可以挖掘知识中的隐含关系。重大突发公共卫生事件防控是一个系统性的工程，挖掘卫生系统的数据当然十分重要，但同样重要的是加强与公安、工商、民政、气象、动物保护等部门的数据收集和关联分析，加强实时数据与历史数据以及空间位置数据的关联，提升预警的精准性。例如，疾病预防控制中心结合气象历史数据以及呼吸道流行病药品的销售数量，预测大规模流感的爆发可能与趋势。

三是定制式的信息推送。当突发公共事件警度超过预设阈值发出预报时，如何将预警信号准确、及时地传递至相关应急部门和社会公众，是有效管控风险的关键。不可否认，突发公共卫生安全预警信息的精准推送对于老、弱、病、残、幼、妇群体意义尤为重要。在大数据时代，依托信息检索、信息识别等技术识别目标公众需求或潜在公众的可能需求，借用各种媒介、渠道精准推送个性化信息，力争实现预警信息的零误差和全覆盖。一是利用电视、互联网、广播线对线推送。第一时间以滚动方式播出疫情相关信息、注意事项和政府救灾安排，引导市民有序避灾；二是利用短信、电话、电子邮箱点对点推送。通过短信网关和邮件传输代理，将预警信息点对点自动发送到开通了定制功能的公众手机中，将最新应急动态实时推送到公众个人电子邮箱。三是利用微信、QQ、客户端键对键推送。借助于互联网巨头通讯平台，将包含预警信号的文字、图形以及基本防御方法的预警信息推送给特定区用户。四是利用大喇叭、显示屏、警报器面对面推送。在人口居住密集区，借助于传统方式将疫情灾害预警信息以声音、图像或文字的形式传递到辖区公众，打通预警信息服务公众“最后一公里”问题，力争灾害信息全覆盖、零时差。(15)周芳检：《大数据时代城市公共危机跨部门协同治理研究》，湘潭大学博士学位论文，2018年，第127页。

(二)大数据增进快速预警

随着大数据、云计算、人工智能等技术在应急领域的广泛运用，应急数据的处理效率得到大幅度提升，警源监测、警兆预测、警度预报也越来越趋向自动化、智能化和即时化，预警速度比以往更加快捷。

一是“警源”的自动化监测。任何突发事件都不是凭空发生的，归根结底都具有可追溯的源头，重大突发公共卫生事件的有效治理，离不开对警源的有效监测。警源分内生警源和外生警源，传染病还可能有中间宿主。预警系统通过对散布在卫生部门内外、线上线下海量数据的收集与抓取，为预警提供原始素材。在大数据时代，微信、微博等新型社交网络和智能手机、平板电脑等新型移动设备以及智能芯片、传感器的广泛使用，数据的采集实现完全的自动化和智能化，分散在现实与虚拟世界中的各种现象、思想和行为都被全程记录下来，形成了所谓的“全数据模式”(16)黄欣荣：《大数据的语义、特征与本质》，载《长沙理工大学学报(社会科学版)》2015年第6期。。特别地，每当重大突发公共卫生事件事发时，网络媒体舆情大数据真实记录了“发烧”“咳嗽”“呼吸困难”等异常症状以及药品的搜索日志，个人的微博、微信转发承载着第一现场真实的应急场景。

二是“警兆”的智能化预测。从警源的产生到警情的爆发，其间必有警兆的出现。重大突发事件的大爆发前总会通过一定的方式向周围环境传达或多或少的信息，而对这种警兆信息的跟踪捕捉与科学预测，是将重大突发事件消灭在萌芽状态的关链环节。在大数据时代，自动收集的海量应急数据经去重、转换、清洗、分类及抽取、集成后，经元数据自动提取、数据挖掘、分词技术、语义分析、自动图像识别等大数据技术处理后，预警系统能够从突发公共卫生事件演化过程中产生的海量数据中，挖掘出结构化或非结构数据所蕴含的有价值信息，快速完成对事件起因、蔓延和趋势与后果的预测。

三是“警度”的即时化预报。在自动的警源监测和智能的警兆预测基础上，准确及时地预报警度是科学防范、有效应对以及减少突发事件造成损失的重要途径。重大突发公共卫生事件预警中，需要根据警兆的变动情况，结合警兆的变动区间(无警警区、轻警警区、中警警区、重警警区、巨警警区)，参照警情的警限或警情等级，运用采用预警模型以及案例分析等定性和定量方法，分析警兆报警区间与警情警限的实际关系，并结合权威专家意见及经验，预报实际警情的严重程度。(17)王燕等：《中医诊断专家系统中融合案例与模糊规则的推理机制研究》，载《云南大学学报(自然科学版)》2008年第S2期。

(三)大数据支持动态预警

大数据的两大主要功效概括起来就是感知当前与预测未来。通过大数据的关联分析和聚类分析，能够实现对事态发展动态的精确呈现，能够对不同区域的疫情状况发出不同级别的预警信号。

在疫情治理的监测阶段，突发公共卫生事件预警系统感测、分析、整合医疗卫生、疾病防控中心等部门关键信息，当从事件抽取的特征数据触发系统设定的安全阈值，产生警告信号。当然，重大突发公共卫生事件事发初期，警兆可能并不明显，其警度亦不易识别，这时需要采用聚类分析技术将具有相似警情的病例串并分析，经特征提取和概率计算来评估突发事件的风险程度。特别是当一种新的病毒引发的疫情出现时，警兆特征不鲜明，在线数据缺乏，这时需要结合基因测序等病原监测技术，预研警情。在这一阶段，预警信息的发布要向公众讲清楚突发事件的类别、起始时间、预警级别、可能影响范围、注意事项、应采取的防护措施。

在疫情治理的响应阶段，要对疫情的种类、级别、区域及危害作出预测，并通过权威部门和正规渠道及时发布疫情相关信息，如感染人数、死亡人数、治愈人数、捐赠情况等；借助于时空大数据预警模型分析人员动态情况，研判预测确诊病例、疑似病例和密切接触者等风险人群的流动轨迹；要密切跟踪疫情的变化，动态调整疫情级别，对可能发生的次生和衍生突发事件提前作好分析预测和应对准备，并对本区域具备的医用应急资源等进行预测规划与统筹调配。

在疫情治理的恢复阶段，根据疫情的变化，及时释放积极信号，如治愈出院人数、企业复工情况、企业招工信息，提振公众信心；基于预警系统开发各种“电子健康”应用软件，随时随地为企业或个人提供疫情预报信息。本次新冠肺炎疫情联防联控过程中，为缓解企业复工复产人员大规模流动带来的疫情扩散压力，百度公司利用大数据技术提供人口迁徙、交通疏导等服务；百度地图热力图通过实时监测城市人口流量密度，用红、橙、黄等不同颜色呈现疫情重点区域人流量，引导公众合理规避人潮高峰期，降低自身感染病毒风险。

(四)大数据助推协同预警

在大数据时代，通过大数据的关联分析和聚类分析，碎片化的信息得以形成“拼图”，从而形成关于重大突发公共卫生事件整体图景的态势感知，进而提升预警的协同性。(18)丁翔，张海波：《大数据与公共安全:概念、维度与关系》，载《中国行政管理》2017年第8期。

重大突发公共卫生事件离不开预警系统的支持，同时也要实时将突发公共卫生预警系统并入区域跨部门应急平台，整合卫生、公安、交通、工商、气象、野生动物保护等多部门不同灾种信息，促进预警信息在不同部门的互联共享。不同应急部门信息管理人员要实时更新部门基础信息库信息，共同建设应急信息共享支撑体系，有机整合跨部门应急信息资源。

在整合各部门资源基础上，构建多部门预警信息综合研判机制。基于“物理分散、逻辑集中、信息共享”的原则，借助于区域跨部门应急平台的远程数据访问和视频会商等功能，实现对突发公共卫生事件防控的多部门动态研判，为疫情预警提供有效、可靠的决策依据；充分依托高校、科研院所、高端智库的智力资源，实施专家网络会商，提升预警的准确性、权威性。

另外，在预警信息发布部门内部，不同的成员分别负责预警信号的录入、研判、分析、审核、发布等工序，需要彼此联动协作、统一指挥，坚持公众需求导向，为公众提供一站式、整体性的应急信息服务，确保预警信息发布的严谨性、专业性和时效性。

四、结 语

在大数据时代，以5“V”为特征的大数据使得预警的时效性、准确性、动态性和协同性得极大提升。但必须看到，大数据这一正高速发展中的技术，也不并是尽善尽美。无论是全样本采集，还是全数据分析，都难免会有遗漏；无论高关联的规则，还是高精度的挖掘，都难逃线性思维的羁绊；无论是精准预警、快速预警，还是持续预警、协同预警，都面临着数据共建共享、互联互通的瓶颈。大数据，这种以技术革新引领社会治理变革的工具，对此弃之不用与完全依赖，同样带来灾难。