京公网安备 11010802034615号
经营许可证编号:京B2-20210330
应用案例:联合国与Frog用大数据拯救尼泊尔
当年菲律宾被台风海燕横扫,短短几小时内造成愈10,000名的人员伤亡。美国红十字会地理空间高级工程师Dale Kunce曾要求获得数据为应急人员绘制出抢救地图路线,菲律宾政府匆匆忙忙扫描了40多页模糊不清的Excel表格给他,“甚至都不是由机器扫描的,纸张排列杂乱,数据有效性也几乎没有。”结果不得以找来几十个志愿者当场重新输入信息。
这种后院着火的事情一度屡见不鲜,直到去年联合国人道主义协调事务办公室与全球Frog设计公司共同搭建了HDX网站——旨在呼吁人道主义数据交换。这个网站界面清爽,数据分类整洁,可以帮助松散的人道主义组织联合在一起工作。这个网站在非洲埃博拉病毒疫情爆发事件中提供了诊所基本信息,死亡报告及疫情跟踪功能,目前则主要提供尼泊尔数据。
“就好像糖果粉碎传奇里的灾难信息共享一样,”Kunce说道,暗指前端信息的重要性,然后由大型的人道主义救援组织进行整合,从而为泊尔提供更快的救援行动。
HDX平台
HDX看起来貌不惊人。尼泊尔地震登陆页面是一个表格,显示当地的地震活动。拉下来就是已确认粗略的伤亡人数,然后就是一系列简单的文档, 比如人口,天气数据,河流分布和路况等。
不过,点击下鼠标,这些数据就可以被标准化下载——都是可编辑的文本形式取代僵硬的PDF。再点击下鼠标,被批准的组织可以上传数据以供分享。这种前所未有的能提供快速有效信息分享的平台就是HDX的目的,设计时也听取众多NGO的反馈意见。
如何使用
在HDX问世前,人道主义常常需要花费大量时间进行文件处理。支持小组的负责人Justine Mackinnon解释道:“我们为六个国际型组织提供信息,每个组织的文件格式都不一样,这简直是个噩梦。不过现在有了HDX, 所有文件都同格式输入,也方便大家分享。”
支持小组是由来自80个国家的2,000名应急人员组成,他们分析了数百万的尼泊尔数据后搭建了几个大型数据库,数据范围从紧急需求呼叫到汇报哪些应急人员已经到达尼泊尔,还有地震类型汇报。到这篇文章问世,HDX上关于尼泊尔的数据库将达到10个。
“这在尼泊尔真的是非常及时,”HDX的项目经理Sarah Telford说“这些数据改变了危机,目前最重要的就是地理空间数据,它可以指导哪里是道路,哪里是城镇,医院在哪里。如此我们才可以知道哪里被堵上了,哪里可以让直升飞机降落。”
救援组织Mapaction地震不久后就在HDX上下载了五份重要的文件,内容关于当地的河流和山脉。这些信息可用在PPT上要求协调政府,非政府组织及联合国的行动,同时也打印出来让志愿者在没有电力供应的情况下使用。
在红十字会,Kunce马上下载了尼泊尔的贫困人口数据进行分析,贫困人口地区往往更容易遭受自然灾害,而这些数据让红十字会更好的进行资源配置。
共通语言
那么什么是HDX的“共通语言”?仅仅是些非PDF的文件么?
答案当然不是这些。HDX有清晰简洁的前端,一种纯粹的功利主义及普遍的审美的结合——这被Telford称为该领域的“时代精神”。因为HDX, 各大国际性组织的交流和分享更为紧密。
“像我们这种很书生气的人真的很喜欢这种闪闪发光的东西,” Kunce说。“HDX就是闪闪发光的,我们都很喜欢。”最重要的是,HDX搭建数据平台的意义好像罗赛塔石碑一样——这是联合国为识别地方设施设计的代码,简称为P。不过P不像GPS那样精准定位,相反各种组织可能为同一个地方有不同的P代码,逻辑也各不相同,而且每次都不一样。也就是说,2015年的代码到了2017年就可能完全不适用。
为什么一直没有一个统一的代码标准呢?实际是有的,1999年以来,联合国已经制定发布了代码标识标准,并提供在线下载。但是Kunce说没有人用这些,他不得不四处挖掘数据供红十字会使用。但这些年随着HDX的普及,代码制定规则也随着普及标准化。为什么?他相信是HDX让大家知道了信息共享的重要性以及和联合国代码合作的迫切。
“其实这并不是技术问题,而是政治问题,”Kunce说。“从我的角度来看,我旁观看着HDX不断成长,为数据分析提供了平台,促进标准统一,也帮助不同政治背景的人解决问题,这是多好的技术平台啊。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16