重大公共事件，包括：自然災害、瘟疫、戰(zhàn)爭、重大政治、經濟事件等。這些事件的發(fā)生，影響范圍廣泛，影響層次也往往久遠。該類事件，發(fā)生快速，在短時間內就可能打破社會系統固有平衡，導致社會系統失衡、甚至紊亂。它的系統性影響，往往涉及國計民生各個領域，包括：社會物質生產、居身生活、社會管控、社會公共觀念分裂與撕裂、社會紊亂與平衡、公共危機干預、流言與謠言傳播等。這需要對整個社會系統進行快速研判，并高效給出制動方案。
在互聯網高速發(fā)達背景下，重大事件的加速傳播、信息源多發(fā)、數據的多層次并發(fā)，就為國計、民生領域，應對重大公共事件提供了全新的挑戰(zhàn)。
此次“肺炎”疫情，從開始發(fā)生、到事件傳播、國家資源投入、到全國性預防聯動、從南到北、從東到西、上至國際領域、下至中國農村的角落，反應速度超越想象。這也是對整個疫情反應系統多年建設與積累的一次檢驗。此次疫情防控，大數據使用的方式出現端倪，既展示了大數據、人工智能使用的廣闊潛在場景，也存在大量短板，需要快速補足。
（1）公共事件發(fā)生到演化過程監(jiān)控與干預數據。
（3）公共事件發(fā)生的社會動力與輿情觀念檢測與管控數據。
（7）公共信息安全（傳統與非傳統安全）監(jiān)控數據。
一、 公共事件發(fā)生到演化過程的大數據監(jiān)控、干預
疫情是由病毒的傳播引起的。這一事件包含對病毒的病理學理解，也包含對病毒傳播途徑、傳播方式、傳播速度的理解。而傳播模型，是業(yè)已存在的數理模型，根據社會收集的數據擬合數據模型，就可以作為對事件發(fā)生過程進行預判與修正的關鍵依據之一。
其實，這場波及全國的肺炎疫情，早在2019年尾聲就已顯露端倪。對此，北京師范大學法學院教授、亞太網絡法律研究中心主任劉德良表示，從這一次疫情的情況來看，大數據的預警功能沒有得到足夠重視，導致疫情蔓延如此迅速，沒有及時提升社會的警戒意識。如果當時能預測到疫情存在爆發(fā)的風險，那么現在的形勢就不會如此嚴峻。
而事實上，關于疾病的傳播學模型與測量方法，已經在多國進行研究。早在2008年，Google（谷歌）便發(fā)布了“Google Flu Trends”（谷歌流感趨勢），利用關鍵詞追蹤技術搜集大量有價值的數據來發(fā)現流感的爆發(fā)。該項目的研究背景，是基于每年流感疫情爆發(fā)都會在全球范圍內造成數千人死亡，所以通過大數據讓公共衛(wèi)生官員和健康專家了解疫情爆發(fā)的嚴重性，并進行科學的預測。
相較于２００３年的SARS，我國不僅在疫情防控方面有了更加完備的制度體系和應對措施，而且包括大數據在內的多項創(chuàng)新科技技術也在飛速發(fā)展。在疫情爆發(fā)之后，數家、科技、互聯網公司陸續(xù)通過數據和技術能力，給全社會提供了大量數據支撐。舉例來說，全球交易量最大的票務平臺的12306，利用實名制售票的大數據優(yōu)勢，及時配合地方政府及各級防控機構提供確診病人車上密切接觸者信息。據負責12306的研發(fā)和運營維護的鐵科院電子所所長朱建生表示，列車上如出現確診或疑似旅客，會調取旅客的相關信息，包括車次、車廂及近一段時期乘坐的車次，以及同乘、同購、同行旅客的信息，比如席位前后3排的人員，與其同一訂單購票的人員，進行信息分析提取，然后提供給相關防疫部門進行后續(xù)處理。
另外，利用大數據分析還可以看到人群遷徙圖，具體到哪些城市。例如，百度地圖推出遷徙地圖總結描繪出了全國春運人員遷徙熱力圖，包含來源地、目的地、遷徙規(guī)模指數、遷徙規(guī)模趨勢圖等。由此可見，在應對此次新型肺炎疫情傳播，有效阻止疫情蔓延上，大數據技術的力量日益凸顯。
二、大數據在公共輿情情緒分析、疏導方面發(fā)揮出積極作用
重大公共安全事件，往往伴隨民意的判斷。民眾如果得不到有效的對稱性信息，就會引起誤判和恐慌。對民眾釋放多種信息，并對這些給出提前的壓力過程進行數據監(jiān)控、并進行壓力釋放、預防。構成了公共輿情的分析要素。
