本文目錄

一、問題提出 

二、研究方法與局限

三、關于中美疾控中心的介紹

四、兩個機構網站所展示的數據資源與能力比較

1、  數據資源豐富度

2、  數據質量

3、  數據管理能力

五、結論與建議

       2020年年初，一場突如其來的疫情從武漢席卷全國。引起這場疫情的新型冠狀病毒（2019-nCoV）是一種以前從未在人類中發現的冠狀病毒，從目前看傳染性極強。截至2月17日15時，現有確診病例70639例，累計死亡1772例，累計治愈出院11039例，現有疑似病例7264例。全球其他國家和地區也有695病例出現。確診病例大大超過2003年非典，雖說從死亡率來看較低，但是疫情所帶來的社會恐慌巨大，可以說已經引發了一場全國性的公共衛生危機。

       危機當前，如何應對？不同領域的專家有不同的視角。我們不懂醫學，不懂病毒，但作為常年從事數據分析、對數據產品有設計經驗、數據產業有投資經驗的實踐者，我們打算從數據的角度來看看，為什么說面對這次疫情，有些政府部門其實可以做的更好。

       對于隨時可能到來的危機，西方有句俗話：Prepare, don’t predict。意思是說我們無法預測危機何時到來，但是我們應該提前做好應對準備。應對就要有投入，以此形成一定的資源和能力。在當今這樣一個大數據與AI時代，人人幾乎都理解數據的價值，我們相信，沒有人會反對政府有關部門形成必要的數據能力以更好地應對公共衛生事件。那么作為國家公共衛生服務尤其是傳染病防控的核心部門——中國疾病控制中心是否具備必要的數據資源、能力？相對其他發達國家（如美國）水準如何？為了更好應對疫情危機，哪些方面可以借鑒、優化提升？這是撰寫本篇文章的根本目的。

       開始之前，首先說明下研究方法與局限。我們以中美兩國疾病控制中心（CDC）的公開網站為研究對象，通過直接體驗，站在用戶（User）的視角去評價分析兩家機構所具備的數據資源和能力。之所以這么做，首先，因為兩國疾控中心的功能定位幾乎是一樣的，這就避免了因為功能定位的差異導致對數據資源和能力需求的差異，使得二者之間有可比性。其次，疾控中心承擔的是公共衛生服務職責，雖然兩國法律體制不同，但是都具有開放數據之職責（雖然開放數據的范圍、權限有所不同），這一點使得我們能看到并使用相應的數據資源，這使得我們的研究方法——實地體驗（類似田野研究法，Field Study）成為可能。

       顯然，這種“解剖麻雀”的個案分析方法是有局限的。

       一來，個案不具有代表性。對此，我們沒有奢望一個案例具有普遍性，僅僅希望就事論事。目前很多人根本沒了解實際情況，大而化之談疫情應對方案，其實  不僅這些意見絕大部分沒有可操作性，甚至部分建議會引起誤解還會帶來負面影響。無證據，不說話。

       二來，因為只是通過公開網站的信息，看到的未必是全部和真實的。完全存在一種可能，很多數據資源和能力并沒有從網站展示出來。對此，我們完全認可。本研究僅站在一個普通的公共衛生數據需求者角度來判斷感知研究對象的資源與能力，而絕非真實能力評估。如果研究對象有資源有能力，且應該展示而未展示，那恰恰說明了它們對公眾社會數據開放度不足，這就是未來可以改進的工作方向。

       讓我們先了解下中國疾病控制中心和美國疾病控制中心。

— 中國疾病預防控制中心 —

       中國疾病預防控制中心（簡稱中國疾控中心，英文Chinese Center for Disease Control and Prevention，縮寫CCDC）是由政府舉辦的實施國家級疾病預防控制與公共衛生技術管理和服務的公益事業單位。

       1983年12月23日，衛生部報請國務院批準，成立中國預防醫學中心。1986年1月19日，中國預防醫學中心更名為中國預防醫學科學院。2002年1月23日，在中國預防醫學科學院、衛生部工業衛生實驗所、中國健康教育研究所、中國農村改水技術中心的基礎上，組建成立中國疾病預防控制中心。

       中國疾控中心是根據《中央編辦關于國家衛生健康委所屬事業單位機構編制的批復》(中央編辦復字〔2018〕90號)，為國家衛生健康委直屬事業單位。

       中國疾病預防控制中心組織機構包括中心機關、中心直屬單位、掛靠單位和相關協會，其中中心直屬單位包括傳染病預防控制所、病毒病預防控制所、寄生蟲病預防控制所、性病艾滋病預防控制中心、慢性非傳染性疾病預防控制中心、營養與健康所、環境與健康相關產品安全所、職業衛生與中毒控制所、輻射防護與核安全醫學所、農村改水技術指導中心和婦幼保健中心。

       中國疾控中心以“一流的疾控依賴一流的科研，一流的科研推動一流的疾控。”為工作目標，努力推動科學研究與疾控工作協同發展。2002 年成立以來，共獲準科研課題近千項，年度獲準課題數從60 余項增加到156 多項，共獲科研經費28.58 億元。獲得各類獎項168 項，其中，國家科技獎 4 項，省部級獎164 項。共發表論文 14892 篇，其中中文11502 篇，英文文章3390 篇。目前，中國疾控中心有國家重點實驗室 1個，國家衛生計生委重點實驗室 3 個，中心重點實驗室 3 個。

中國疾控中心的主要工作職責如下：

       1.開展疾病預防控制、突發公共衛生事件應急、環境與職業健康、營養健康、老齡健康、婦幼健康、放射衛生和學校衛生等工作,為國家制定公共衛生法律法規、政策、規劃、項目等提供技術支撐和咨詢建議。

       2.組織制定國家公共衛生技術方案和指南，承擔公共衛生相關衛生標準綜合管理工作；承擔實驗室生物安全指導和愛國衛生運動技術支撐工作；承擔《煙草控制框架公約》履約技術支撐工作；開展健康教育、健康科普和健康促進工作。

       3.開展傳染病、慢性病、職業病、地方病、突發公共衛生事件和疑似預防接種異常反應監測及國民健康狀況監測與評價,開展重大公共衛生問題的調查與危害風險評估；研究制定重大公共衛生問題的干預措施和國家免疫規劃并組織實施。承擔疾控信息系統建設、管理及大數據應用服務技術支持。

       4.參與國家公共衛生應急準備和應對,組織制定食品安全事故流行病學調查和衛生處理相關技術規范。指導地方突發公共衛生事件調查、處置和應急能力建設以及食品安全事故流行病學調查。承擔新涉水產品、新消毒產品的技術評審工作。

       5.開展疾病預防控制、突發公共衛生事件應急、公眾健康關鍵科學研究和技術開發，推廣疾病預防控制新理論、新技術、新方法,推進公共衛生科技創新發展。

       6.開展公共衛生專業領域的研究生教育、繼續教育和相關專業技術培訓。

       7.指導地方實施國家疾病預防控制規劃和項目，開展對地方疾病預防控制機構的業務指導，參與專業技術考核和評價相關工作。

       8.開展全球公共衛生活動和公共衛生領域的國際交流與合作，執行有關國際援助任務。

       9.承辦國家衛生健康委交辦的其他事項。

— 美國疾病控制與預防中心 —

       美國疾病控制與預防中心（Center for Disease Control and Prevention, CDC）是美國衛生及公共服務部所屬的一個政府機構。

       1946年7月1日，美國公共衛生部（U.S. Public Health Service）約瑟夫·孟汀在佐治亞州亞特蘭大正式成立美國傳染病中心（Communicable Disease Center，簡稱CDC）。1951年，傳播疾病中心建立了流行病信息服務部（Epidemic Intelligence Service，簡稱EIS）機構更名為美國疾病控制中心（U.S. Disease Control Centers）。2000年，CDC已有11個中心和辦公室，包括國家傳染病中心（National Center for Infectious Diseases，簡稱NCID）。目前，美國CDC的工作人員已達8000多人。

       美國疾病預防與控制中心是美國聯邦政府機構，隸屬于美國衛生和人類服務部，是美國疾病預防控制體系的主干。美國CDC的高層組織機構包括主任辦公室、全國職業安全和健康研究所以及六個協調中心（辦公室），分別是環境衛生和傷害預防協調中心、衛生信息服務協調中心、健康促進協調中心、傳染病協調中心、全球健康協調辦公室、恐怖主義防備和應急協調辦公室。

       美國疾病控制及預防中心使命是“預防及控制疾病、損傷及殘障，促進健康及提高生活質素”。預防及控制傳染病仍是該中心的主要工作。CDC的職責自從其創始以來就不曾改變。它最早的職責只是研究對美國某個地區的一種單一疾病的控制方法，漸漸地，其管轄范圍不斷擴大，除傳染性疾病以外，還負責很多慢性病、職業性身體失調及諸如暴力和事故等社會疾病。

       美國疾病控制預防中心主要工作職責如下：

       1.發現和應對新出現的健康威脅

       2.解決使美國人死亡和殘疾的最大健康問題

       3.運用科學技術和先進技術預防疾病

       4.促進健康和安全的行為，社區和環境

       5.培養領導者并培訓公共衛生人員，包括疾病偵探

       6.把握美國健康脈搏

       本研究借鑒心理學評價中心（Assessment Center）技術，由經統一培訓后的多名專家，根據同一個評價量表和評價標準，來對被測進行深度評價，并依據某種算法，最終形成集體評價意見。該方法盡最大可能避免個人主觀評價偏差，形成科學評價意見。本研究的具體技術路線如下：

       首先，我們經過與多位熟悉數據技術和分析的專家反復討論形成如何評價一個機構的數據資源和能力的評價量表，然后由團隊4位成員內部交流后，對各項標準達成基本共識；其次，團隊成員深度體驗（每個網站累計不少于3個小時）兩家機構（含公共衛生數據服務中心和Wonder）的網站。在此之前，我們特別說明需要對自己的“觀點”要注重留有證據，如網站上哪些功能說明了哪些能力，為什么？再次，我們集中討論，大家分別表達觀點和展示各自的證據；最后，4位團隊成員再獨立給出自己的評價，匯總各位評價后形成最終結論。最終的評價結果如下表1

表1 中美疾控中心數據資源與能力對比

資料來源：公開資料，自行評價

具體展開論述如下。

       數據資源豐富是指可否在線找到類別豐富、樣本量大、覆蓋時間長的數據資源。中國疾控中心及公共數據服務平臺的數據資源遠低于美國。原因很簡單，中國疾控中心自己的官網幾乎沒有數據資源，尤其是研究者喜歡的結構化的數據（集）。

       中國疾控中心官網設置了機構信息、健康主題、科學研究、教育培訓和黨群工作五個欄目，由此開展傳染病、慢性病、職業病、地方病、突發公共衛生事件和疑似預防接種異常反應監測及國民健康狀況監測與評價。但并沒專門的欄目對應數據或統計欄目。唯一與數據相關的就是，首頁有統計數據、信息服務兩個入口，前者是鏈接到其他部委網站，后者則可鏈接到公共衛生數據服務平臺（http://www.phsciencedata.cn/）。（參看下圖1）

圖1 中國CDC與公共衛生數據服務平臺主頁

       而美國疾控中心在首頁欄目More（更多）分類下子欄目Data & Statistics（https://data.cdc.gov/）中可以發現大量的數據資源，通過Data Catalog欄目進入后可以看到一個數據搜索引擎，其中包含了主題為行政、生物監測、流感預防、兒童預防等22類，包括數據集、文件、圖表等10種格式類型合計862個數據資源（參看下圖）。

圖2 美國疾控中心數據入口

表2 美國疾控中心網站數據資源明細

       再來看兩家疾控中心下屬數據平臺的數據資源的比較。美國也是相對更有優勢。

       中國公共衛生科學數據中心是中華人民共和國科技部于 2004 年啟動的國家科學數據共享工程項目，全稱為中國公共衛生科學數據管理與共享服務中心，由中國疾病預防控制中心承擔。

圖3 中國公共衛生科學數據中心

       美國CDC也有一個數據服務平臺，叫CDC WONDER（http://wonder.cdc.gov/）。全稱為Wide-ranging ONline Data for Epidemiologic Research。它是CDC的綜合數據庫，提供利用CDC各下屬機構各種報告和公共衛生數據的鏈接點，內容豐富，涵蓋大量有價值的信息與文件。覆蓋了CDC網站數據與統計信息服務的全部內容，通過該系統，用戶可檢索發病率死亡率周報（MMWR）及包括科研數據、調查監督數據、衛生統計數據和實驗室信息等各類公共衛生數據。

圖4 美國Wonder數據庫主頁

表3  中美國公共衛生數據平臺資源明細對比

       具體而言，美國CDC Wonder數據中心目錄頁共設三種分類模式，分別是Systems、topics和A–Z index。其中Systems分類下設環境、死亡、人口等較宏觀因素詳細分類，同時包含NNDSS年度表、NNDSS每周表及122個城市的每周死亡率（存檔）等統計分析更新數據的快讀入口，大幅提升大數據分析統計便捷程度。

       Topics分類下，按照慢性病、傳染病、環境衛生、健康實踐與預防、預防傷害、國家監控數據、職業健康及相關參考資料鏈接進行詳細劃分。下設各類疾病的詳細信息與各類疾病的統計分析，將疾病與季節、氣溫、雨水、環境等細節因素進行關聯分析。

       A–Z index分類按照首字母A–Z的順序對所有子項目進行排序分類，子項目十分全面詳細，包括前兩種分類模式下所有鏈接，且數據來源不僅限于CDC，還包括美國國家安全局、國家健康科學中心、國家知識產權中心等外部網站。并對數據來源進行標注展示，信息可溯源，真實性具有極高保障。

       從類別與數量上美國CDC Wonder肯定高于中國，但是最重要的問題是，我國公共衛生數據服務平臺對于數據的理解僅僅局限在“數據指標”，檢索出來的數據常常就是某個加總計算后的數據指標（Indictor），而非研究者常常使用的數據集（Datasets）。數據集通常是指包含了大量樣本信息的數據集合，而指標僅僅是這個數據集的一個特征變量。由數據集可以算出各類指標，反過來則不可能。

       以肺結核數據為例（參看下圖），美國CDC關鍵詞搜索“肺結核”有23條搜索結果，最新的數據集更新日期為2020年2月7日，詳細給出每周各個地區肺結核發病情況，包括經緯度等信息，支持以csv、json、XML等多種形式一鍵下載，同時也支持API接口調用、在線可視化制作等功能。對比我國數據服務平臺，最新數據更新時間為2017年，頻率為月頻，需要提交申請材料經過人工審核通過才可獲取數據。

圖5 中美CDC關鍵詞“肺結核”搜索結果對比

       此外、CDC Wonder數據大多數每年更新一次；有些數據（文件）每月或每周更新一次。我國公共衛生數據服務平臺的數據絕大部分截至2016年左右，感覺幾乎沒有更新。

       或許正因為這些原因，我國公共衛生數據服務平臺數據下載量幾乎全部為零，這與美國也形成了鮮明的對比。

圖6 中美數據平臺瀏覽與下載量對比

       數據質量主要是指數據能否很容易理解并滿足使用的標準。我們發現中國疾控中心的數據顆粒度很粗，實時性也較差，很難用于深入研究。而且很多數據指標也缺乏清晰的說明，讓用戶很難理解數據內涵，不敢使用。

       以最常見的肺結核數據為例。美國CDC的肺結核數據是美國各州周頻更新的肺結核數據，包括患病數、經緯度等信息；中國數據平臺主要是月頻和年頻、以地區分類加總的數據。

圖7 中美肺結核數據顆粒度對比

       美國CDC最新更新日期為2020年2月7日，中國數據平臺肺結核數據最新截止日期為2017年12月。美國以周頻更新，中國以月頻更新，更新不及時，近三年幾乎沒有數據更新。

圖8 中美肺結核數據更新頻率截止日期對比

       美國CDC數據分類比較豐富，有對照表對分類的含義進行界定；數據有清晰數據定義，并說明最新數據是地方上報的數據匯總整理發布的，如果發現問題會及時更新數據，中國數據平臺未看到對統計數據的量綱和統計口徑做解釋或說明，未對指標定義進行說明。中國數據格式相對比較單一，主要按照年齡、地區等分組匯總死亡率、發病率、發病數等數據。

圖9 美國CDC數據指標說明

       數據管理能力是一套綜合能力體系，至少包括數據采集清洗、加工分析、開放檢索、可視化等維度。我們認為，美國疾控中心在各項能力維度上都大幅超過中國疾控中心。

       美國CDC數據細化到周頻更新，詳細披露發病人數、發病經緯度等信息，可以滿足不同人群的使用需求；資料庫和Wonder數據庫共計有超過千條的資料和數據集，覆蓋行政、環境、預防、疾病等各個方面，大部分更新頻率達到周頻，細化到經緯度等信息，數據發現問題會及時更新；建立了較完善的國家應報疾病監測系統（NNDSS），完善數據采集上報、收集、檢查、發布、更新等全流程，實現了疾病數據的高效收集、快速披露的機制，有較強的數據質量管理能力和管理經驗。

       中國數據主要以年頻和月頻更新，缺少近三年數據，只披露發病數、死亡率、發病率等指標，使用場景受限；僅一兩百個數據集，缺少近三年數據，缺少原始數據，未見更新說明；數據質量管理仍處于初級階段，數據更新慢，發布不及時，缺少檢查更新機制，數據質量管理能力薄弱。

       美國CDC和Wonder數據庫都有搜索引擎，數據提供指標字段解釋，搜索結果導向一致，不存在不同頁面搜索框搜索同樣關鍵詞出現結果矛盾的現象；CDC和Wonder提供數據所屬類別、數據元素類型（圖、表、數據表）、標簽等分類方式，也可以按照首字母索引檢索，反饋結果可以根據最新更新日期、最多下載人數等進行排序，能最快檢索到所需信息；中國數據平臺無數據字段解釋，不同地方搜索相同關鍵詞會導向不同結果；數據平臺分類標簽分散，沒有統一管理，各個分類標簽導向不同，沒有提供排序檢索功能，無法快速找到所需信息。

美國CDC有一整套免費的可視化插件，支持扇形圖、趨勢圖、柱狀圖、散點圖、地圖等自由繪制，同時數據和可視化報告均可快速導出；中國僅新冠肺炎提供了一個固定模板的可視化展示，無法自由對數據進行操作，完成可視化作品的自主創建。

圖10 中美CDC數據可視化對比

       美國CDC數據支持CSV、XML、JSON等多種格式導出，支持API接口調用批量導出；中國疾病數據需要提交申請經過人工審核通過后下載，主要是CSV文件。關于數據安全未做專業評測，美國CDC可以解析網頁直接獲取數據，由于提供APIi接口所以爬蟲的意義不大，中國數據需要經過人工申請，爬蟲獲取的資料有限。

       關于數據分析能力，美國CDC首頁搜索“肺結核”的反饋結果中，第一條會跳轉到一個子欄目，詳細討論了該疾病的基本情況、護理措施、病理檢驗、學術研究、分布情況等問題，在大量數據分析、實驗科學基礎上提供專業建議，解決實際問題。

圖11 美國CDC搜索肺結核相關信息

       中國CDC關鍵詞所搜“肺結核”主要是會議紀要，中國數據服務平臺所搜“肺結核”主要是17年及以前的數據集。

圖12 中國疾控中心搜索肺結核相關信息

       綜合上述，我們認為，美國疾控中心和其數據中心所擁有的數據資源豐富而且質量較高。它能夠站在用戶的角度開展數據架構設計，同時數據滿足不同目標人群需求，有較強的數據普適性，符合公共數據的基本要求；元數據管理和數據目錄等基礎工作扎實，能夠為用戶檢索數據提供強大支持；數據開放度高，提供給客戶多種方式查詢、下載數據的方式；數據集有對應的人員管理負責，能夠及時更新數據；有專業技術團隊保證了網站功能的更新迭代。整體頁面布局美觀、功能強大，具有較強的專業水平。綜合評價為4星。

       相對而言，中國疾控中心和其數據中心則在線數據資源較少，質量較差。很多數據需要人工申請，系統對用戶不友好，開放度不足；缺乏元數據管理，數據資源混亂；沒有質量保證的體系；不提供可視化和分析工具；未見有技術團隊對數據和網站及時更新迭代。整體頁面布局不夠美觀、功能較弱，布局不合理，專業水平較差。綜合評價為1星。

       通過深度體驗公開網站，我們發現中國疾控中心相比美國疾控中心，無論在數據資源或是數據能力方面都存在較大的差距。至于原因，限于條件，我們暫時無法深入分析。初步推斷如下：

       首先，我國疾控中心運行時間短，經驗能力不足。可以看出中國疾控中心尤其是公共數據服務中心成立時間都很短，重點在科研、教學和疾控上，對數據需求的理解不夠深入，管理、開放公共衛生數據的經驗不足。

       其次，我國疾控中心經費投入不足。美國疾控中心連續3年的預算經費為70億美金左右，員工共有8000多人。我們從中國疾控中心網站上可以看到截至2016年底，中心共有正式在編職工2120人，其中專業技術人員1876人(占89%），管理人員133人（占6%）。（http://www.chinacdc.cn/jgxx/zzjgt/zxzncs/200505/t20050528_8244.html）。相關經費無法查到，但是可以推測與美國相比還是有巨大差距的。中國人口遠比美國多，千萬級城市數量也遠超美國，公共衛生問題尤其顯得重要，經費不足勢必會影響與數據相關的工作投入。

       最后，體制機制差異，兩者之間的地位和影響力不同。美國CDC是政府部門，而且各地分支機構垂直管理。但中國疾控中心作為國家衛健委下屬的事業單位，能否統籌調動相關部門和地方疾控中心值得懷疑。如果缺乏這種能力，自然很難實現跨部門數據的融合和匯集。

       當然這些只是推測，不是本次研究重點。我們更加關心的是，如何通過與美國CDC和Wonder數據中心的對標比較，來幫助國家疾控中心和公共衛生事件服務中心更好的開展公共衛生數據的開放共享工作。對此，基于上述比較分析，我們有如下建議：

       1、廣泛而認真調查公共衛生數據使用者的需求，搞好數據架構的頂層設計。數據并非客觀而是人造的，是人類根據應用場景按照一定規則創設的對客觀世界的描述與刻畫。數據的采集、存儲、分析、展現完全受制于數據架構的頂層設計，如果采集和分析的數據本身都是垃圾數據，就會存在Garbage in，Garbage out的情況，那么看上去豪華的大數據系統其實價值并不高，會帶來巨大的資源浪費。

       我們認為，作為一家公共衛生服務機構，中國CDC要高度重視各類“客戶”需求，在開展任何數據采集前都需要更廣泛征集公眾需求、專家意見，在此基礎上搞好數據架構的頂層設計，并定期接受社會反饋，動態優化。只有這樣大數據才不會成為大垃圾，才能真正為社會創造價值。

       2、認真梳理現有數據資源，重構元數據（Meta Data）和數據目錄（Data Catalog），提升數據資源的掌控和盤查能力，推動數據資源向數據資產的轉換。隨著信息技術的應用，任何一家機構內部所積累數據資源將逐漸增大。但是如何能讓花費巨額成本的數據資源成為創造價值的數據資產就需要對現有數據資源進行科學分類、人性貼標簽，并建立關于數據的數據——元數據，進而形成能夠方便用戶快速、便捷檢索的數據目錄。這一點是對數據資源進行管理的重要基礎。

       從之前的分析可以看出，與美國CDC相比，中國疾控中心的數據檢索系統非常不方便，各個數據庫之間彼此割裂，元數據管理粗糙，不僅無法讓用戶快速理解現有數據資源的如顆粒度、指標內涵、時間范圍、使用權限等相關信息，也對自己內部開展數據管理帶來不便。我們建議，中國疾控中心應向美國疾控中心學習，盡快認真梳理現有數據資源，按照統一的技術規范，重構元數據和數據目錄，提升數據資源的掌控和盤查能力，并向社會全面公開數據目錄。從一定程度上，讓社會知道疾控中心有什么數據資源，比讓社會知道某些具體數據是多少還要重要，這樣可以更好吸引社會力量共同參與科研，充分發揮公共衛生數據的價值。

       3、加強內部數據資產管理系統（DMS）的建設，提升數據更新頻率，保證數據及時性。隨著大數據AI技術的不斷提升，數據實時采集、傳輸和分析能力不斷增強，但是從目前公共衛生數據中心網站上可以查到的數據大部分是2016年以前的，數據更新頻率很低，及時性差。從公開信息可以看到，我國已于2017年就建成全球最大的傳染病疫情和突發公共衛生事件網絡直報系統，突發公共衛生事件信息平均報告時間從原來的５天縮短到４小時內，并具備了在７２小時內檢測３００余種病原體的能力。據此我們推測，專項目的的數據采集與分析能力中國疾控中心應該已經具備，但是如何將來自多個數據源的數據校驗、融合、關聯、入庫這就需要專業的數據資產管理系統來發揮作用。我們建議，中國疾控中心及公共衛生數據服務中心可以借鑒互聯網科技公司內部數據管理體系和技術框架，盡快打造智能化的數據資產管理系統（DMS）的建設，提升數據處理效率，提高數據更新頻率，保證數據及時性。

       4、組建跨專業的團隊，適度借助外部力量，持續積累數據資源與管理能力。數據工作看上去是技術部門的事情，但實際上需要業務人員的深度參與，也需要來自數據科學家、產品經理等多種復合人才的共同努力。從美國CDC Wonder網站上可以看到，前后參與數據工作人員非常多（https://wonder.cdc.gov/wonder/help/main.html），數據中心的建設是一個持續不懈的過程，絕非一個有期限的“項目”。而且開放數據是由一家專門從事政府數據開放的公司Socrata（https://dev.socrata.com/，該公司已被Tyler Technologies收購）提供技術支持的。我們建議中國疾控中心盡快組建來自公共衛生、數據科學、信息技術、產品開發等多方跨專業的團隊，與國內一線互聯網科技公司合作交流，不斷提升數據資源及其管理能力。

       5、尊重參與數據工作的員工，設法激發員工對建設國家公共衛生數據的使命感和榮譽感。數據工作非常瑣碎、枯燥，大部分數據工作者都是幕后英雄，就像偉大建筑作品背后的默默無聞的建筑工人，但是他們的作用是巨大的。如何激勵這些人的工作，讓他們工作有熱情，是保障數據中心質量的重要因素。

       從中國公共衛生數據服務中心網站上我們完全看不到參與這個項目的任何“人”的因素，好像只有冷冰冰的數字。但是反觀Wonder，他們在致謝中，專門列示了現已離開，但曾經對CDC Wonder有貢獻的人員名單。如果說搞科研發文章，有個人或團隊署名的激勵，那么作為數據中心這樣一個“科研公共品”常常會存在公共的悲劇。我們建議中國疾控中心應該高度重視公共衛生數據中心的建設，像尊重科研工作者那樣尊重參與數據工作的員工，除了物質激勵之外，也要設法激發員工對建設國家公共衛生數據的使命感和榮譽感。

圖13  Wonder致謝貢獻者名單

       6、加強數據可視化分析工具的提供，方便用戶更加靈活生成各類精美圖表。中國疾控中心的數據可視化除了在首頁疫情監測有一張可視化圖之外，其他地方都沒有相應圖表，更沒有可視化插件，無法讓用戶自行創設各種生動精美的圖表。但是美國疾控中心網站這類功能隨處可見。

       我們認為作為公共衛生服務機構，一個最大的功能是影響公眾，利用先進的可視化工具可以讓社會上各類相關人員（尤其是媒體）生成各種生動直觀的圖表，有利于傳播正確的信息和觀念。我們建議，中國疾控中心后續要提升在線數據可視化工具能力，方便用戶（尤其是媒體）更加靈活生成精美生動圖表，逐步提升社會影響力。

       7、加強公共宣傳，提升信息披露，讓公眾更加了解疾控中心，避免由于誤解帶來的信任缺失。對比美國疾控中心，中國疾控中心和公共衛生數據中心的網站設計不美觀，使用也不方便，帶來的一個重要后果就是瀏覽量很低、很多數據的下載量幾乎為零。一家公共服務機構如果不能為公眾所了解其扮演的角色和存在的價值，就失去了存在的意義。

       這次新冠狀病毒讓社會大眾對中國疾控中心有了認識，雖然這種認識目前看是負面居多，但是公共衛生的重要性已經深入人心。我們認為，中國疾控中心應該把握這個機會，后續通過加強公共宣傳，塑造全新形象，進一步提升其對我國公眾衛生意識的公信力和影響力！

       當然要做到這一點，我們認為，更重要的是一定要強化自身信息尤其是財務信息披露，讓公眾感知工作價值的同時也了解經費投入和使用狀況。中國疾控中心應該盡快借鑒美國疾控中心的做法（具體可參見https://www.cdc.gov/funding/），向公眾詳細披露歷年決算和未來預算，以此消除公眾誤解，重塑公眾信任。這不僅是現行《中華人民共和國政府信息公開條例》的規定要求，也是人民內心的呼聲。

       最后，我們想說的是大數據AI技術的出現，給社會提供了充分的算力保障，但是真正要進入智能時代，絕對離不開高質量的數據資源。提供公共服務的政府部門絕不能僅僅停留在展示炫酷的數據可視化圖表，以滿足現場匯報帶來視覺沖擊力為目標。而是要不忘初心，緊密圍繞公共服務之初心，踏踏實實設計、采集、清洗、加工、分析、積累和開放共享數據，才能讓數據發揮為人民服務的最大價值。

相關網站：

http://www.chinacdc.cn/

http://www.phsciencedata.cn/Share/index.jsp

https://www.cdc.gov/

https://www.cdc.gov/DataStatistics/

https://wonder.cdc.gov/

https://data.cdc.gov/