0.75㎡：血色的大数据_数据分析师

复旦大学博士后朱春霞火了。因为众多媒体纷纷传递这样一条信息：“在2004年的毕业论文中，朱春霞曾结合中外踩踏事故研究指出：景点室内达到1㎡/人、室外达到0.75㎡/人，即要立即启动应急预案。”在2014年午夜，上海外滩陈毅广场及周边辞旧迎新的群众，拥挤程度已经远远超过0.75㎡/人，而即使他们已明显感知到拥挤踩踏事故的危险，但根本无法离开可能夺去生命的危险地带。

上次去云南出差，我在飞机上偶遇一位国家地震局的专家，她此次赴云南的任务，就是与运营商交流：通信网络产生的数据能否给地震救援提供帮助。据她介绍，地震局发现：地震造成的损失情况分布，与地震震级、烈度等数据分布并不完全吻合；但与运营商基站退服的数据一致。因此地震局希望与运营商联手开展大数据研究，能否利用运营商的网络管理数据，对震后救援工作提供信息支撑和帮助。

“大数据”是当今炙手可热的话题。移动互联网的发展产生了海量数据，理论上利用这些数据可以做很多事情。可是，当各行各业都热衷于自身数据的获取、采集、存储，花巨资建成一个又一个的海量数据中心和云计算平台的时候，业内人士必须有清醒的认识：这就是传说中的大数据么？

现代化的IT技术和手段虽然可以降低实现成本，可以做很多以前很多不可能完成的技术处理；但是仅有数据是不够的。数据需要运营才能体现价值，而这绝不只是IT的工作，需要诸如城市管理的运营团队与IT系统协作，才能产生效果。

如何让数据体现价值？无论是传统的数据处理还是时髦的大数据，都有成熟的模式和范例：

模式之一，是通过静态数据的实时汇总统计，帮助运营团队形成对事件和实际状况的准确展现。比如前面说到的地震局案例中，运营商的网络建设与经济发展、人口分布等关联度更高，因此基站退服信息可能会更精准地体现地震的破坏性。如果将类似于这样的数据及时地汇总在一起，有助于救援人员对灾情做出正确的判断和应对，就是数据的价值。

模式之二，是通过对历史数据的建模分析，将复杂而难以量化的多种数据，组合计算成为简单的指标。这包括反映路况的道理拥堵指数、反映天气的穿衣指数，也包括前面提到的人员拥挤程度。室内1㎡/人、室外0.75㎡/人，这些数值是用生命为代价换得的，是历次踩踏事故的统计结果，完全可以成为城市管理者和活动组织者的高压线。而大数据的价值，就是能否不用付出这么大的代价，也能分析出从量变到质量的阈值。

模式之三，是整合上述两组模式，把采集到的数据与事先定义的阈值进行实时比对，当出现异常或者产生质变时，自动告警并启动应急措施。对于大数据的运营团队来说，要能及时应对变化，不仅要有数据做基础，更重要的是：事前要由相关单位制定应对各种异常情况的预案和措施。只有具备这些条件，当系统自动发生告警时，各单位才能根据预案进行及时的应对和正确的处理。

没有数据的时候，我们需要构建IT的获取能力和存储能力，因为数据是基础。在智慧城市等项目的开发建设中，城市应急预案系统被提升到重要地位，为此，我们做了很多基础建设。而今，经过几年的技术演进和积累，无论是IDC、云计算、大数据，还是高清视频监控、移动互联网等数据采集手段，各类技术方案的应用环境日趋成熟。现在我们真的要问了：这些花大价钱建起来的IT能力，花大力气积累起来的数据，又产生了哪些价值？

建设大数据，我们不仅需要的是IT能力，更需要的是运营能力。重建设轻运营，重金钱轻内涵，重眼前轻长远，教训就在眼前，就发生在全国城市管理水平最好的城市里！

希望血色的0.75㎡/人，能让我们明白大数据的真正价值，能让我们懂得数据运营的本质。