问题——从“靠经验”到“靠证据”，精准防控对信息能力提出更高要求 突发传染病应对中，流行病学调查长期依赖面对面询问和人工比对，效率与完整性容易受限。疫情扩散速度快、人员流动频繁、接触链条复杂，传统手段难以及时捕捉潜在传播路径。防控实践迫切需要更快速、更客观的证据链，来回答“人去过哪里、与谁接触、何时何地存在交集”等关键问题，为分级分类管理、重点人群排查和风险点位管控提供依据。 原因——多源数据形成“时空拼图”，算法把碎片信息组织成可用线索 大数据并非单一数据量的堆积，而是通过多渠道采集与综合分析，把分散信息转化为可决策的结构化结果。实践中，行踪与接触识别主要依托三类信息来源： 一是通信网络形成的时空参照。移动终端与基站持续交互，基站日志可提供区域级定位线索，为跨区域流动研判提供基础支撑。 二是公共服务与物联网交互留下的“时间戳”。公共交通刷卡、共享出行使用、重点场所扫码等行为，会生成可追溯的记录，能够补足纯通信定位在细粒度上的不足，提升轨迹链条的连续性。 三是接触关系网络的辅助刻画。通过对同一时间段、同一空间内的交集识别，以及对高频共同出现点位的分析，可构建一定范围内的接触网络，为排查密接、次密接提供参考。 数据要转化为防控能力，关键在于分析方法。常用思路包括：轨迹相似与重叠比对，用于发现时空交集；基于历史规律的趋势预测，用于辅助评估风险走势与资源调度节奏；以及对“场所—路径—人群”组合的关联分析，用于识别高风险点位与高频传播场景。通过这些方法，海量数据得以从“记录”转为“线索”，为精准管控争取时间窗口。 影响——治理效能明显提高，同时带来数据合规与社会信任新考题 在疫情防控中，大数据的直接效果体现在“快”和“准”。一上，轨迹生成与交集筛查速度提升，有助于缩短从发现病例到锁定重点人群的时间，提高排查的覆盖率与准确性；另一方面，风险识别更细化，为分区分级、精准施策提供技术条件，有助于减少不必要的资源消耗与社会扰动。 此外，数据使用的边界问题更加凸显。个人信息高度可识别、数据链条跨主体流转、使用目的可能外溢等风险，容易引发公众对“被过度采集、被不当使用”的担忧。一旦出现泄露或滥用，不仅损害个人权益，也会削弱公共治理的信任基础，影响防控措施的社会协同。实践表明，越是依赖数据支撑的治理模式，越需要以制度和技术双重手段确保“可用而不滥用”。 对策——以“最小必要、全程可控、责任可追”为原则完善制度与技术体系 继续发挥数据公共卫生治理中的价值，需要在规则、流程、技术三上同步发力。 在制度层面，应坚持“最小必要”原则，明确采集范围、使用目的、保存期限与退出机制，防止数据用途泛化；同时建立跨部门数据共享的授权与审计制度，做到来源可查、去向可追、责任可究。 在流程层面，应推动标准化的数据处理与研判流程，完善数据质量校验与人工复核机制，避免单纯依赖模型输出导致误判；对涉及个人权益的措施，应建立解释与申诉渠道，提升治理透明度与可接受度。 在技术层面，应强化加密传输、权限分级、脱敏与去标识化处理，推广安全计算与隔离环境等技术路径，降低集中汇聚带来的泄露风险；同时加强关键信息基础设施保护与应急处置能力建设，提升系统韧性。 前景——从应急工具走向常态能力，数字治理将更强调法治化与人本导向 从应急状态下的快速响应，到常态化公共卫生治理能力建设，大数据的角色将更加综合：既服务于监测预警、资源调度和风险沟通，也将推动公共卫生体系的数字化升级。未来，数据治理将更强调依法合规、边界清晰、公众参与与社会共治；算法应用也将从“提高效率”走向“提高可信度”，更加注重可解释、可验证与可监督。可以预见，技术仍将是提升治理现代化的重要支撑，但其有效运行离不开制度约束与伦理框架，离不开以人的权利与尊严为尺度的价值选择。
大数据为疫情防控提供了有力工具，但其双刃剑特性提醒我们：技术发展必须与伦理并重。在提升效率的同时保护隐私权和社会公平，才能实现科技与人文的平衡。未来的挑战不仅在于技术创新，更在于如何在发展中坚守以人为本的初心。