疫情期間，關于大數據的來源和采集，楊強介紹說："初期疫情不明朗的時候，可以通過統計采樣反推確診人數，和后來公布的數據相比，精確度非常高。"

楊強指出："大數據的一個特點是高維度和多數據源。這個特點決定了信息的獲取是分布式的而不是集中式的。在這次疫情防控中，來自互聯網大數據、運營商大數據、醫療大數據等高維、多源的數據來源使得信息可以多方交叉驗證，以保證數據的可靠性，幫助實現疫情的有效防控。"他強調："大數據的采集渠道是個關鍵問題，尤其在疫情初期，不要放棄任何可能的渠道，很多信息來源都要極為重視，如社區、醫療一線機構、公共機構與群體等，都是采集數據的重要來源。"

在疫情監測方面，大數據有助于政府和公眾準確掌握疫情動態，疫情狀況被及時有效地公開，可以防止恐慌，增強公眾信心；高維、多源的大數據可以幫助追溯傳染源，比如利用軌跡數據和互聯網數據，把可能的傳染源盡早盡快地鎖定隔離；基于大數據的疫情監測分析和發展趨勢預測可以為資源調配提供更加精確、有效的決策依據，包括醫療資源和生活資源。
 

在企業復工方面，大數據可以實時監測復工對疫情的影響，從而為趨勢判斷和復工安排提供決策依據。楊強說："我們可以在兩個不同的地方做對照實驗，看復工的程度和疫情復發的關系有多大，以指導做出更大范圍復工的決策。同時，我們還可以在各個小區、單位建立與完善疫情報告機制，以幫助推測疫情走向和修正疫情模型。"此外，大數據與人工智能結合，可以為復工提供全方位的安全保障。例如，復工人員利用智能終端（智能溫度儀等）進行體溫檢測；如果有新的確診情況或復發情況，防控部門可以通過大數據追蹤密切接觸人群，及時發現并隔離可能受感染的人群。

對于大數據對疫情走勢的預測，楊強說："這次疫情使大數據的重要性得到了進一步體現。如果數據充足，大數據可以對疫情的走向做非常精準的預測。"他強調："建立大數據的收集和共享機制對于疫情發展態勢的預測有關鍵性作用。流行病學和傳播動力學為疫情擴展的數學模型建立了有力基礎。高校的公共衛生、計算機、應用數學以及傳播學等院系在這方面做了很多研究，所以依靠這些專家來幫助模擬、推理和決策至為重要。尤其在衛健委、疾控中心等政府部門，一定要有這些專家來參與決策。另外,人工智能與大數據的結合，可以提升預測準確性。"

對于大數據面向公眾開放服務在未來所蘊含的潛力和發展趨勢，楊強在接受采訪時表示："合規的大數據合作將釋放數據的無限價值和潛力，正如此次在疫情防控中大數據發揮的巨大價值，將為社會公眾帶來更多便利，而合規的大數據合作需要解決數據隱私保護等一系列問題。很多的大數據來自不同的渠道，基于法律法規、社會要求等因素，我們不能簡單的把數據進行交易、傳輸、聚合。所以，未來需要新的技術來驅動大數據和人工智能。"

最后，楊強認為人工智能和5G的發展，也在疫情防控中發揮了巨大作用，他表示："人工智能、大數據、5G等新技術的融合，會幫助疫情治理發展到一個新的階段。"

責任編輯：倪穎