作为世界经济论坛 数据驱动发展全球议程理事会的副主席，我经常思考如何利用大数据改善人们的生活。而且，我相信分析能够揭示隐藏的关联、发现新兴趋势，因此我知道，数据分析将在战胜埃博拉的过程中发挥重要作用。
我为何如此确信？
我们只需回顾过去。2003年非典疫情暴发后，香港卫生署决定通过升级分析平台、运用算法，为下一次大流行做好准备。该部门能够识别热点并预测疾病可能蔓延的地点，随后成功应对了一场登革热疫情，没有造成人员死亡。
但我们还有另一个乐观的理由。近年来，技术领域已发生变化。如今，我们可以处理海量数据，甚至包括文本等非结构化数据以及其他基于情绪的数据材料。随着硬件技术的进步，我们现在也有了足够且价格实惠的内存容量，可以构建复杂模型，回答以往无法解答的问题。
这是方法上的根本转变。在数据驱动分析中，信息会引导我们提出尚未想到的问题。在较新的模型驱动分析方法中，我们从一个问题出发，由此找到相关数据，而这些数据往往存在于传统渠道之外。构建模型并不容易，需要专业知识和研究。但一旦有了模型，我们就能将其应用于现有数据，从而取得突破性发现。
埃博拉疫情中，这种做法已经见效。手机匿名化数据揭示了区域人口流动情况，有助于预测下一个疾病聚集点可能出现在哪里。我在瑞典非营利组织 Flowminder 的同事建立了 一些模型，正在帮助塞内加尔官员 确定预防措施和医疗服务应重点投向何处。
在塞拉利昂，IBM 与非政府组织和电信公司合作，开发了一套系统，让人们通过电话和短信报告与埃博拉相关的问题。IBM 正利用这些数据制作基于舆情的热点地图，将公众情绪与地理位置关联起来，以便官员了解哪些地方最需要物资和其他援助。
我们也可以从其他灾害中汲取经验。在菲律宾，国际移民组织（IOM）采取了类似的方法，应对海燕台风造成的破坏。最初，数据记录在 Excel 电子表格中；在我们 SAS 的帮助下，IOM 将数据转移到了数据可视化软件中，很快便得出了洞见。结果表明，人们需要的东西与 IOM 原先的设想不同。相比食物或药品，人们更需要燃料——用于驱动医院发电机，并将民众从受灾严重的岛屿转移到更安全的地方。这正是模型驱动分析的最佳体现。 SAS，IOM 将数据转移到了数据可视化软件中，很快便得出了洞见。结果表明，人们需要的东西与 IOM 原先的设想不同。相比食物或药品，人们更需要燃料——用于驱动医院发电机，并将民众从受灾严重的岛屿转移到更安全的地方。这正是模型驱动分析的最佳体现。
我很高兴看到这类努力，也希望呼吁业内尽一切努力，进一步支持公私合作伙伴关系，因为扭转局势需要我们所有人共同参与。
保障公共卫生需要达到新的互联、合作和开放平台协作水平。通过将传统数据源与从新媒体或非传统数据源中获取的开源情报相结合，公共部门机构完全有条件在疾病出现时及时发现，并将工作重点从应对转向“预测并做好准备”，甚至“预测并预防”。
过去，要对抗埃博拉这样的敌手几乎是不可能的。但如今，计算能力、大数据和建模能力汇聚发展，我们已有工具将其付诸实践。现在我们所需要的，只是包容、开放的合作。
更多关于大数据与健康的内容
大数据如何应对癌症
医学：大数据挑战
数字化将彻底改变医疗保健
医疗保健的协同未来？
作者：Mikael Hagstrom 是 SAS 执行副总裁，也是世界经济论坛数据驱动发展全球议程理事会副主席。
2012年4月24日，加纳阿克拉 Korle Bu 教学医院的医生在电脑屏幕上查看一名患者的扫描影像。路透社/Olivier Asselin
