谷歌流感趋势的成功与失误

大数据时代下机遇与挑战并存,如何基于传统方法去处理大数据引人深思。本文以谷歌流感趋势(GFT)为案例,介绍了大数据在疾病疫情监测方面的主要技术及相关成果,阐述了大数据在使用中的关键问题,并结合复杂的统计学工具给出了一些改进措施。谷歌流感趋势的成功取决于相关关系的应用,其失误却来源于模型的构造、因果关系和相关关系的冲突等问题。谷歌流感趋势案例的分析与启示对政府今后在大数据解决方案中有重要的理论和实践意义。

大数据分析中轨迹数据挖掘的现状与挑战

“人生到处知何似，应似飞鸿踏雪泥”（宋苏轼《和子南渑池怀旧》），道尽了人生轨迹。现今汽车的移动、自行车的行经路线、天气的变化、PM2．5散布的途径等数据都与时间及其路径息息相关。凡走过必留下痕迹，也就是轨迹（Irajectory）．积累的数据就是轨迹数据（Trajeclory Data）。因此轨迹数据就是时空情境下，通过对一个或多个移动物体运动过程的数据搜集，所获得的数据信息．