京公网安备 11010802034615号
经营许可证编号:京B2-20210330
别急着用"大数据物联网"应对公共危机
发生在昨夜今晨的上海外滩踩踏事故,伤亡人数正在不断上升,事件的进展无时无刻不在撕扯着每一位看到消息的人的心。
类似踩踏事故在中国历史上绝对不是第一次发生,并且也很难乐观地估计这就是最后一次。之前的事故,有的发生在学校当中,有的发生在类似的场合。10年前,北京密云元宵灯会发生踩踏事故,死亡30余人,第二年同一地点继续举办大型活动。
我觉得看到事故发生就批评政府是很容易的,但是,如果说到以后该怎么办,始终也没有一个答案让所有人都满意。现在,互联网上同时充斥着两种声音:一种是质疑政府以及警方为什么明明知道跨年属于高风险活动依然动作迟缓,另一种声音则是害怕当局借着这起事件,直接取消跨年和春节庆典了事,甚至可能展开不知道针对什么领域的更严格管制。多种声音之间似乎是难以调和的。
作为科技从业者,我的朋友们试图通过科技的手段,来为日后这类问题的解决提供一些参考。比如有人提出,在人流密集场所可以使用大数据,动态视频监测,物联网等等功能的综合运用,来进行人流的监测和管控。但是我想指出的是,尽管这是站在了我们本职工作的立场上,但这的确不是重点。
早在完全没有这些技术的时候,中国也已经建立了行之有效的预案来进行危机干预。2008年是不会存在什么智能硬件,物联网,大数据这些东西的,当时甚至连微博都没有。但是我们国家依然办了一届“无与伦比”的奥运会,包括安保方面也是树立了一个新的标杆。
在需要的时间和地点,中国有能力处置任何形式的危机事态。如果重大活动是有预案的,那么处理起来就会更加得心应手。在北京奥运之后,中国又办了一系列的大型展会活动,这些活动无一例外地平安结束。
过去的一年,中国多地的确发生了由暴恐分子策划和实施的恐怖袭击。但是在这些袭击行动过后,受到波及的城市都加强了安保级别,当地民众也逐渐从阴影当中走出来,不再把袭击阴影当回事。这能够说明的问题就是,不管是跨年夜的踩踏事故,还是更严重的恐怖袭击,中国都是完全有能力预防和处置的。而危机的发生,只能说是当局没有足够重视起来的结果。
今天早上,我曾经试着比较过在上海、纽约和香港这三个比较典型的都市,人们过大型活动的时候,安保方面是否有值得注意的不同。
在上海外滩,纽约时报广场,香港的兰桂坊,这些地区的面积,高峰时的人数,以及具体安防力量和手段都各不相同,但非常明显的一点是,没有哪一个地方是明显落后于另两个地方的。跟世界其他任何地方比起来,中国在安保方面的努力和积累的经验都毫不逊色。
但上面这句话的前提是——中国一定要“认真”起来才行。如果因为要管的东西太多,根本就疏忽了,或者没有提高到应有的高度,只当做一般的公众活动处理,那就不行。从不同媒体的报道和亲历记录看,在悲剧发生前半个小时甚至更久,危险局面就已经出现。在其中的人们已经本能地意识到风险,然而此时的安保力量,跟几个月前的亚信峰会铁桶一般的警卫相比,却是如此孱弱。
在危机管控方面,有人非常准确地总结了长期以来的状况:“一抓就死,一放就乱”。在平时可能不太注意的场合,安保力量不会对局面有完全控制力,可能也没有分派足够的保安力量。但一旦局势失控,出了大问题,上升到特别重大的公共安全事件,事情就会完全不一样。一轮又一轮的责任追查下来之后,会在起码半年到一年的时间之内,让社会各界都绷紧安全这根弦,所有跟安全有关的部门如临大敌,直到危机迟迟不重演,人们再度松懈下来为止。
我们的政府在安保方面,就像进行其他关乎国计民生的工作一样,总是想要举全国之力,动员一切可以动员的力量。这样做当然时间短收效快,但是其负面作用是要“举国”的东西实在太多了,应接不暇,总有那么一些领域会被忽视,一直到出了不能视而不见的大问题,然后再次成为新的“举国”重点。
从根本上让安保“常抓不懈”,“警钟长鸣”,降低发生公共危机的几率和破坏程度的方法,就是充分将可下放的管理权限下放,把这些事情交给专业的机构来打理,让社会上真正有志于,也比较有能力解决公共安全问题的专业人士来处理。在按照订单保质保量的完成工作的同时,专业机构也应如同在政府内部一般,获得各种资源的使用权限。
去年,全球各地都有推动用民间力量助力政府进行公共管理的“开放政府”活动。在印尼雅加达,当地市政府公开了一些不涉密的动态信息API,如交管部门测得的车流量,气象局的详细天气数据等,鼓励民间开展编程比赛,创建第三方应用,改善政府网站的设置。香港有专门的非政府组织推动了香港天文台等政府部门的数据开放。
在中国大陆,由政府主导的“智慧城市”计划和企业联姻,一些企业贡献了云存储空间和技术手段,帮助政府升级办公平台。这样的经验,完全可以复制于包括安保在内的更多政府目前“大包大揽”的事务上。
等政府不像现在这么“日理万机”的时候,让专业的人来做需要专业能力的事,也许对安全真正“永不懈怠”的追求,就有达到的一天。而在此之前,我们每一个人能做到的最简单的行动就是——别去人多的地方。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31