大數據在我國重大疫情治理中的應用

鐘一葦

摘要：國家在重大疫情中的治理能力，主要體現在疫情爆發前的防范控制、疫情爆發中的醫療保障以及疫情爆發后的社會管理三個環節。此次新冠肺炎疫情，暴露出我國在上述環節中監測預警能力不足、醫療保障機制不健全、執法行為不規范等問題。對此，可利用大數據應用優勢，對疫情的治理進行有效輔助。在防范控制環節，利用大數據建立疫情監測、預警、發布三個子系統，實現疫情的“智能化治理”;在醫療保障環節，利用大數據輔助診斷及醫療物資調配工作，實現疫情的“精確化治理”;在社會管理環節，利用大數據提高病患的收治排查效率，規范執法行為，實現疫情的“標準化治理”。通過大數據在上述三個環節的應用，有效推動我國重大疫情治理能力的提升。

關鍵詞：新冠肺炎;大數據應用;重大疫情治理

中圖分類號：D630 文獻標志碼：A 文童編號：1672-626X（2020）04-0013-09

新冠肺炎疫情的爆發，對于我國重大疫情治理能力是一次重大考驗。習近平總書記在中央全面深化改革委員會會議中指出：“這次疫情是對我國治理體系和能力的一次大考。……要鼓勵運用大數據、人工智能、云計算等數字技術，在疫情監測分析、病毒溯源、防控救治、資源調配等方面更好發揮支撐作用。”大數據應用作為信息時代國家治理能力現代化的新型思維和手段，能夠實現國家在公共安全、衛生服務、應急管理中數據共享、部門協同、趨勢研判、戰略分析、科學決策等領域治理能力的提升。在突發重大疫情中，國家治理能力主要體現在疫情爆發前的防范控制、疫情爆發中的醫療保障以及疫情爆發后的社會管理三個環節。由此，如何發揮大數據技術優勢，將其應用于疫情防控中的上述環節，以提升我國在重大疫情中的治理能力，是本文探討的主要問題。

一、監測預警：大數據在重大疫情防范控制環節的應用

對于重大疫情，國家治理能力首先體現在對疫情爆發前的防范控制環節，即對疫情的監測預警能力。此次疫情暴露出我國在疫情監測預警方面的短板：據中國及武漢疾病防控中心發表于《新英格蘭醫學雜志》的論文顯示，在2019年12月中旬新冠肺炎已發生傳播，但未引起相關防疫部門的重視。這不僅使得疫情的防范控制工作損失了黃金時間，亦反映出我國在疫情監測預警方面的不足。而大數據則能夠通過信息收集、智能處理、云計算等技術，對數據進行自動抓取、深入挖掘、智能分析，從中提取規律，并利用這些規律對相關數據進行監測與預警。因此，為提升我國在疫情防范控制環節的監測預警能力，可利用大數據技術，在國家及省級層面建立權威的“重大疫情監測預警系統”，包括后臺“疫情監測層”、中臺“疫情預警層”及前臺“疫情發布層”，實現疫情信息的收集、分析、發布功能，以輔助國家重大疫情治理工作的開展。

（一）后臺：大數據疫情監測層

“重大疫情監測預警系統”的后臺為大數據“疫情監測層”，其目標是通過對國家、社會、網絡等層面海量數據的收集，整合各部門信息資源，提升我國重大疫情的監測能力。疫情監測層可分為3個子系統，分別對國家數據、社會數據以及網絡數據進行收集、整合與監測。

第一，基于“國家數據”的疫情監測系統。當前，我國重大疫情監測在國家層面存在的主要問題是信息的公開與共享力度不足。盡管各防控部門實際已擁有大數據信息化系統，但大多自建自用，導致信息資源互動程度低、共享難。同時，由于不同部門監測標準不一，導致數據形式和格式不統一，難以統籌利用。若將各部門收集到的信息予以整合、共享并統一標準，即能打破“部門藩籬與“數據孤島”現象，提升重大疫情的監測能力。這樣一種基于國家的數據疫情監測系統在國外已被廣泛應用：如全球新興傳染病監測系統（GEIS）即致力于整合全球監測系統、疫情調查及日常訓練，目前已覆蓋92個國家。美國衛生部對有關傳染病醫療方面的數據進行公開，建立了細菌傳染病監測PulseNe系統和食源性疾病主動監測網。在我國，電子病歷系統亦已全面覆蓋，公共衛生部門可以通過分析全國各地的患者出現相同或相似癥狀的信息，預測某些傳染病的暴發，提前快速響應。

“國家數據”疫情監測系統的功能為對各政府部門、衛生管理部門、疾病防控中心、突發事件監測部門等疫情防控部門的數據進行收集與整合，建立監測協同機制，實現疫情監測系統的共享共建。首先，各防控部門需要建立統一的數據共享平臺，聯通各部門數據，并對數據進行初步加工，統一標準，方便系統識別。其次，建立統一的數據接收和傳遞渠道，使數據能夠進入監測系統，完成“警源”數據的收集。再次，在數據收集完畢后，系統即對各部門的海量數據進行存儲與抓取，實時監測疫情存在的可能性，并反饋給防控部門。最后，對可能的征兆與風險數據進行深度挖掘與智能分析，形成疫情威脅的風險性報告，提前制定防控預案，以應對可能的風險。

第二，基于“社會數據”的疫情監測系統。由于疫情爆發原因的復雜性，人們的生活方式、衛生習慣、活動軌跡以及地理、氣候等因素均可能導致疫情的發生，使得疫情防控中的“社會因素”逐步受到重視，很多公共機構亦開始利用大數據對可能的疫情進行檢測。如美國公共健康協會創立的“Flu Near You”網站，即采用大數據技術監測流感的蔓延程度，并預測未來任何有可能暴發的流感疫情。加拿大Bio.Diaspora公司運用地理資訊系統，通過分析人口移動、氣候因素、航班起降、衛生系統、家畜密度等信息，發布動態全球病毒地圖，預測可能爆發疫情的地區。而在非洲埃博拉病毒爆發期間，通過分析當地居民行動通信資料，大數據在定位疫區位置、預測疫情擴散、合理規劃資源等方面亦發揮了重要作用。

“社會數據”疫情監測系統的功能為對各級醫院、醫療衛生機構、醫保機構、醫療企業等與醫療相關的行業數據進行收集與整合，提升重大疫情監測能力。首先，對于未知疾病可能引發的重大疫情，傳統的監測方法均基于歷史的臨床數據來監測，在臨床經驗數據為零的情況下，傳統方法無法檢測到首次出現的疾病。而大數據則不然，通過社會機構的海量數據、公共機構的疾病監測報告、醫療機構的信息共享，即可以監測到某地不明原因疾病的出現，為判斷疾病的性質贏取時間。其次，對于突發疫情，可通過大數據監測到疫情爆發區人群流動的軌跡，第一時間通知該人群流向地的疾病防控中心，提前做好應對措施。例如此次疫情中的“百度遷徙平臺”，即利用大數據技術展示了封城前離開武漢人員的遷徙軌跡，若各地疾病防控部門能夠有效利用上述數據，即可提前擬定措施，在疫區流動人群到達前做好防控準備工作。

第三，基于“網絡數據”的疫情監測系統。利用患者患病后在互聯網上對相關信息的查詢，通過網絡的實時信息處理技術，對網絡數據進行統計、篩選、甄別、分析，根據對高頻率關鍵詞的跟蹤查詢，可以有效監測重大疫情的發生。如谷歌通過分析其搜索引擎上的關鍵詞，將該數據與疾病中心的數據相比較，根據搜索次數和實際患者的時間序列，利用一個多元線性回歸模型，很好地預測了流感的傳播趨勢。P01green（2008）通過對雅虎搜索記錄的分析，指出用戶在醫療信息網站的搜索記錄，能夠很好地用來預測流行病的傳播。Ginsberg（2009）通過在谷歌日志中選擇關鍵詞，建立模型以監測流感活動，模型預測值與國家疾病預防控制中心數據高度吻合，并且能夠提前預測流感病例的發生。

“網絡數據”疫情監測系統的功能為對各門戶網站、搜索引擎、社交媒體中的海量網絡數據進行收集與整合，甄別其中與疫情相關的信息，并對可能發生的疫情進行監控。首先，在系統中設置疫情專業領域的概念、定義與表達模式。由于網絡信息的數量巨大、繁雜模糊，需建立一個公共衛生、醫療檢疫、疾病防控等與疫情高度相關的專有詞典庫或數據庫，以便讓系統能夠自動識別。在對這些專業概念、定義與表達進行明確規定和限制之后，再搜集目標網頁的數據資源。依據專有領域概念特征的表達和描述，建立目標數據規模訓練集，目標數據就可在完整的模式分類和機器學習技術上建立起來。其次，設置專業用語語義過濾機制。其目的是篩選并去除與疫情關聯度不大或完全無關的干擾數據和信息，保證疫情監測的準確性。在完成專業用語的界定與過濾后，即可構建目標網頁的自動提取技術。最后，利用網絡爬蟲技術，建立疫情數據搜索機制。通過智能網絡爬蟲算法技術在各門戶網站、搜索引擎、社交網絡等公共媒體和自媒體中有選擇地搜索特定信息，對與疫情相關的數據進行定向抓捕，從而利用網絡數據完成對疫情的監測。

（二）中臺：大數據疫情預警層

“重大疫情監測預警系統”的中臺為大數據“疫情預警層”，其目標是在將疫情信息進行收集、整合后，對監測到的數據進行智能分析，判斷監測數據的風險閾值，提升重大疫情的預警能力。

第一，建立統一的疫情預警系統，將收集到的海量疫情數據進行甄別與分類。由于疫情監測系統獲得的國家數據、社會數據、網絡數據分屬不同的類型，其標準、口徑、形式、格式均不一致，因此需先對數據進行類型化，統一數據標準，以便系統能夠有效識別。之后還需對數據進行脫敏與過濾，在保護居民隱私權的前提下，判斷風險存在的實際狀態，使可能或已經存在的疫情警兆能夠直觀地展示給決策者。

第二，將經過脫敏、過濾后的標準類型化數據進行相關性分析，對疫情的風險指數進行評估。相比于傳統的重大疫情預警方式，大數據的優勢在于可以從海量的數據中凝練具有連續性、動態性和實時性的信息，并將這些信息進行相關分析，預測疫情的發生趨勢，降低警示信號識別的誤差率，實現預警決策從假設推動到數據推動的長足飛躍。由此，在疫情的防控工作中，可以利用大數據深度學習技術，將與重大疫情有關的信息進行羅列，讓計算機自動識別可能或已經發生的疫情，并發出預警。例如國家數據中的相關信息包括病種、病例、病毒庫、電子病歷、醫保信息中的異常數;社會數據中的相關信息包括地理區域、時間范圍、氣候因素、人群活動軌跡中的異常數;網絡數據中的相關信息包括門戶網站、社交媒體、搜索引擎中的異常數等。在將上述數據進行設置后，即可采用時空聚集性分析與時間序列分析等模型，通過相關關系分析，讓系統自動給出是否存在疫情、爆發的可能性有多高等風險判斷，并及時將結果發送給疫情防控人員。

第三，對風險信息進行分級評估，設定預警閾值。在對預警數據進行相關性分析后，還要對預測結果進行分級，并設置相應的風險指數閾值，以便防控人員能夠判斷疫情的風險級別，決定是否發出預警、何時發出預警以及發出何種程度的預警。可參照國際“疾病爆發應對系統（DoTscon）”的標準預先將疫情預警級別分為綠色、黃色、橙色、紅色，并設置對應的閾值，在系統對監測數據進行分析時，一旦超過閾值，則將監測結果與預警級別進行比對，根據風險級別自動發出預警。例如某疾病防控中心發現某家醫院的傳染病患急劇上漲，某機構發現該地區居民前往醫院的人數比以往明顯增多，某網站發現該段間內傳染病的搜索頻率大幅增加，這時系統即會對上述信息進行智能分析，得出加權后的預測結果，并根據設置的風險閾值，自動向決策者報告對應的風險預警等級，以為其是否發出預警提供依據。

（三）前臺：大數據疫情發布層

目前，我國疫情信息的發布制度主要存在兩個方面的問題。一是由于疫情信息發布機構的層級較高，導致信息的發布較為遲緩。我國《傳染病防治法》第38條規定：“傳染病暴發時，國務院衛生行政部門負責向社會公布傳染病疫情信息，并可授權省、自治區、直轄市人民政府衛生行政部門向社會公布疫情信息”。由于疫情信息的發布部門只能是國家和省一級的衛生部門，使得基層衛生部門在發現疫情后，需要逐級上報，大大延緩了疫情發布時間。二是出于各種考慮，一些部門在得知疫情信息后不僅不愿上報，甚至采取封殺或懲戒的方法對社會上疫情信息的“苗頭”進行處理，使疫情的防控工作損失了寶貴的時間。對此，有學者指出：“草率地通過行政權力對存在不確定性的信息采取‘一棍子打死的做法，可能導致正確信息被篩選掉，給人民群眾生命健康和公共安全造成極大隱患，甚至造成不可挽回的損失。”

“重大疫情監測預警系統”的前臺為大數據“疫情發布層”，其目標是對當前疫情信息發布制度的缺陷進行改善。一是對疫情信息發布遲緩問題，可利用大數據技術，將不同級別的預警信息直接發送至國家或省級衛生管理部門。在疫情預警系統發出“綠色”或“黃色”級別預警信號時，立即將信息發送至省一級衛生行政部門;而在系統發出“橙色”或“紅色”級別預警信號時，則將該預警信息發送至國家衛生行政部門。這樣可使有疫情信息發布權的行政部門能夠及時了解疫情狀況，并迅速開展疫情調查與防控工作，在第一時間對疫情信息予以發布。同時，亦能有效避免疫情信息逐級上報所消耗的寶貴時間，大幅縮短疫情的反應時間，促使疫情的發布工作邁向精確、迅速及有效。二是對于一些部門在得知疫情信息后不愿上報的問題，大數據可以有效減少人為因素的干擾。大數據的特征之一是自動化，系統在提取、分析和處理數據時是不受人為因素控制的，對于疫情的預警亦是如此，系統只根據收集到的數據得出相應的結果，非人為因素可以影響。因此，可以考慮對國家疫情信息發布制度作出改進，規定一旦預警系統發出“綠色”及以上級別的預警，就應當在相應衛生行政部門的官方網站上自動發布疫情信息，并將疫情數據予以公開。這樣不僅能夠做到對疫情防控的快速應對，亦能提升國家公信力，使居民更加配合疫情防控部門的工作。

（一）大數據輔助重大疫情中的收治排查

對于排查收治問題，中央指導組副組長陳一新在談到疫情防控指揮時強調：應搭建大數據平臺，加強大數據分析，時刻心中有“數”，實現疫情防控的精準化和高效化。人民日報海外版旗下賬號“俠客島”亦撰文指出：武漢開展疫情“應收盡收”排查面臨的主要困境為社區工作者人數不足，以及處理疫情中復雜問題的經驗和效率欠缺。對此，政府采用了黨員干部下沉社區等一系列方法解決了燃眉之急。在此基礎上，本文將探討如何在現有模式的基礎上，利用大數據提高疫情排查收治的效率，減輕一線人員的負擔。

第一，確定社區內疑似患者是否已被收治。在此次疫情中，阿里健康開發的“抗擊新冠肺炎”軟件，利用地圖方式對確診、疑似、死亡和治愈病例進行實時播報，以完成對疫情真況和感染趨勢的精準呈現，這是大數據可視化技術的具體應用;RUC新聞坊通過大數據為求助者進行畫像，其利用清博大數據提供的400余萬條微博數據以及國內19家媒體發布的1413條報道數據，提取求助者信息1183條。通過這些信息定位求助者地址，獲得相關的社區信息，在對這些信息進行交叉分析后，進一步了解求助者的經歷、處境以及醫療物資的匹配情況網。

因此，本文認為可以集國家與社會的資源，利用更加全面、多樣的數據，如政府數據、企業數據、媒體數據、網絡數據等為求助者進行更精準地畫像，以輔助排查收治工作的開展。首先，可利用大數據對擬開展排查的區域進行統計，并用地圖方式對每家每戶進行精準定位，使工作人員了解應當排查的具體地點。其次，可利用互聯網對社區內居民的健康情況進行調查，了解其是否感染、是否需要收治，利用網絡進行首次排查，減輕工作人員負擔。再次，對于沒有進行網上排查的居民，亦可以利用大數據，分析哪些區域是疫情高發區、哪些區域容易被忽略，需要重點排查，保障工作人員在實地排查時沒有遺漏。最后，進行排查后，還可對其進行精準畫像，如易感染者的年齡分布、家中老人是否有兒女照顧、生活物資是否充足、社區離最近的醫院有多遠、從病發到收治需要多長時間等，從而對可能的病患進行預測，為收治預留足夠的反應時間。

第二，各類統計報表信息的登記與上報。在疫情中，信息統計出現了同樣的信息多個主體重復收集的問題，不僅造成了人力、物力、精力和實踐的重大浪費，也嚴重影響了被收集對象的工作和生活。

而大數據技術的優勢正在于信息的收集與統計，其能夠有效克服信息的重復收集。首先，在管理方面，可在國家或省級層面建立權威的大數據平臺，實現疫情信息的流通與共享。對于工作人員而言，在實現政府部門、衛生行政部門、社區管理部門、疾病防控中心的數據共享后，工作人員每天只需填報一個表格，即能實時傳送至上述所有部門，避免重復勞動。對于居民而言，在實現工作單位、居委會、業主委員會的數據共享后，居民亦只需填報一個表格，統計信息即能被上述單位接收。其次，在技術層面，各單位要求填報的表格不僅在形式上大同小異，在內容上亦區別不大。因此，可利用大數據的深度學習功能，自動識別不同表格中的同類項、自動計算類似項，根據第一張表格的內容，自動提取和生成第二、第三張表格中需填報的相關信息，輔助工作人員的填報。不僅如此，大數據技術還能夠對信息進行及時準確地記錄與評估，只要做好數據的采集與挖掘處理，相關部門完全可以自動提取其需要的各類信息，而無需工作人員手動填報。

第三，“四類人員”等重點人群的跟蹤與防控。對于“四類”人員中的疑似病例、無癥狀患者、與病患密切接觸者，社區工作人員需要密切跟蹤，以防止病情的大面積傳染。但在實際工作中，這項工作不僅瑣碎、復雜，且需要對其進行長時間的關注，極為消耗工作人員的精力。而利用大數據技術，通過數據對重點人群的流動方向進行監控，預測其可能的移動軌跡，能夠避免盲目布局，有效輔助工作人員的跟蹤與防控工作。

在信息技術快速發展的今天，大數據可通過多種渠道獲得人員動向，例如移動通信的軌跡監控系統、交通購票數據、道路攝像頭監控設備、QQ及微信等網絡通訊工具等，均可對重點人群實施定位跟蹤。由此，即可利用GPS定位及圍欄技術對特定人群經常出入的場所進行定位分析，在疊加多次數據流以后，得出其在這個時間段內的行動軌跡曲線結果，繼而適時識別其行動偏差并做出監測意見。同時，還可通過身份證關聯算法、異動數據分析、關系網數據分析等模型，分析其移動軌跡的變動曲線和流向對比，對其可能前往的地點進行預測。但應指出的是，在利用大數據對重點人群進行監控與跟蹤前，應充分告知，征得其許可，以切實維護其隱私權利。

（二）大數據提升重大疫情中的執法能力

在大數據輔助重大疫情中的執法方面，可利用大數據云存儲、云傳輸、云計算、云安全等技術構建執法應用服務。如南京市政府開發的“我的城市”APP，居民可通過發送文字、拍照、上傳等方式在APP上反映問題，系統收到相關信息后上報至政府綜合服務平臺，在進行智能識別后，立即將信息轉到執法單位的處理平臺上，通過定位系統，直接指揮信息上傳者附近的執法人員，并對其執法行為進行監督。在此次疫情治理中，亦可通過大數據與執法行為的深度融合，規范執法行為，提高執法效率。

第一，在規范執法行為層面，對于疫情中的違規執法現象，被侵權人如何取證以作為維護其合法權利的依據，即“取證難”是此次疫情治理中的難題之一。而大數據能夠對執法的全過程進行留痕，使執法記錄有據可查。首先，規范執法行為的基礎在于證據，而數據正是記錄證據的重要載體，不管是文字、圖片，還是音頻、視頻，大數據均可對執法的全程進行記錄，并且以數據為基礎的證據能夠減少主觀和人為因素的干擾。由此，通過大數據實現紀錄留存與證據留痕，可有效打破判斷某個執法行為是否規范取證難的困境。其次，規范執法行為的關鍵在于公開、透明，使執法全程有據可查。大數據技術可通過對執法現場信息、執法記錄儀信息、城市監控信息、移動設備終端信息、GPS信息的收集，對執法行為的全程進行記錄。而上述信息，均可在符合證據合法性規則的前提下，作為證據予以保存，為判斷執法行為是否規范提供依據。

同時，在疫情期間，出于維護公共安全的需要，執法人員需加強執法力度，避免人群聚集，以降低居民間交叉傳染的幾率，在此過程中，亦不可避免地會產生一些糾紛。因此，如何加強對執法行為的監督，保護居民的合法權利不被侵犯，亦是此次疫情治理面臨的一個重要問題。而大數據能夠對執法的全過程進行監督，有效解決執法糾紛，保證執法行為的合法性。在內部監督方面，可通過實時考勤系統、執法記錄儀、城市監控等技術手段，實現執法機構對其執法人員執法地點、執法時間、執法行為及執法項目等內容的監督，減少執法過程中執法人員對其自由裁量權的濫用。在外部監督方面，一旦居民或媒體發現執法過程出現違法或不規范現象，即可將其記錄的執法全程上傳至執法信息服務系統中，并可申請執法信息查詢。在系統收到查詢申請后，執法機構即可對執法記錄儀、城市監控、GPS中的信息進行比對，進而判斷該執法行為是否合法、是否規范。而對于當事人對執法行為不滿而引起的執法糾紛，執法機構亦可依據大數據收集的關鍵影像對執法過程進行回放，依法作出裁決或回應。

第二，在提高執法效率層面，由于疫情期間需要投入更多執法力量對社會秩序進行管理，在增添執法人員工作負擔的同時，亦使執法成本大幅上升，而大數據應用則能夠有效節約執法成本與執法資源。首先，云存儲技術可將執法記錄直接保存至云端服務器，直接減少存儲設備的花費。由于法律規定，與違法事件相關的執法記錄需被重點標記并長時間保存，為此執法機關需購買大量價格高昂的存儲設備，花費巨大。而通過云存儲技術將下層視頻設備直接與云中心互聯，僅需上傳一份視頻數據，即可將其長時間保存，極大降低了執法的存儲成本。其次，云計算技術可實時對執法過程進行記錄與分析，節約執法時間。通過對數據挖掘、機器學習、智能分析等云計算技術的整合，可減少信息重復采集和人工整理分析的時間和費用，并有效提升執法機構獲取、分析、處理數據的能力。最后，云共享技術能夠打通上下級執法機構間的信息壁壘，降低案件處理成本。通過建立統一的執法辦案平臺，利用系統云共享功能，下級執法機構可將執法情況第一時間上傳至上級機構，由其對案件的處理進行評判與指導，并實時將決策權下沉到下級機構。這樣即聯通了上級與下級機構的信息傳遞，降低了執法決策的運行距離，節約了執法成本。

同時，大數據亦能夠預判可能發生的違法案件。對公共社會實踐的發展態勢做出預測、模擬、判斷是大數據技術的主要功能之一，美國學者巴拉巴西認為：“在大數據時代，人類行為中有93%是可以預測的。”利用網絡爬蟲、MBR分析、神經網絡等技術，可通過歷史梳理和現實熱點分析，判斷高發、頻發和可能發生的問題，快速定位執法痛點，形成預防式執法。如在疫情爆發初期，可利用大數據預判哪些醫院可能成為病患密集地，進而制定預案措施，提前增派執法力量。在疫情應急響應階段，亦可利用大數據預測哪些公共場所可能成為人群集中地，進而提前布局，實現快速反應，提升執法效率。

四、結語

科技的進步，為提升未來我國重大疫情治理能力展現了更多可能性。正如習總書記在主持中共中央政治局第二次集體學習時指出的：“要運用大數據提升國家治理現代化水平，建立健全大數據輔助科學決策和社會治理的機制。”面對此次疫情暴露出的諸多問題，大數據能夠在一定程度上擺脫傳統疫情治理方法所帶來的弊端。首先，在疫情爆發前的防范控制環節，通過大數據在預警監測方面的應用，對政府、社會、網絡中海量數據的收集、分析與預測，克服傳統模式中信息零散、雜亂、模糊等特征，實現疫情在防控環節的“智能化治理”。其次，在疫情爆發中的醫療保障環節，可利用大數據對疫情信息進行全要素、全樣本、全方位的相關關系分析，克服傳統模式在診斷治療、物資調配過程中面臨的時間長、難度大、局面亂等問題，實現疫情在診療環節的“精確化治理”。最后，在疫情爆發后的社會管理環節，運用大數據對收治排查與執法工作進行輔助，克服傳統模式中公共管理效率低、執法行為不規范等問題，實現疫情在管理環節的“標準化治理”。由此，通過大數據在上述三個環節的應用，對我國重大疫情的治理進行有效輔助，提升國家治理現代化水平。