数据来自多方的搜索引擎数据，比如百度、搜狗、头条、医药网站等。

某科技公司首席经济学家陈沁说，很早以前就有类似的技术来预测和估计流感情况。这属于统计学里的 抽样调查法。

本质上是人们感染后，会上网搜索相关症状的解决方法，比如 发烧、咳嗽、头疼等，借助这些 关键词，我们可以看到在短时间内相关搜索数量的快速增加，从而判断群体感染进程。

这样的数据与真实世界有一定的拟合关系，用于实况监测相当有效。

如下图：

搜索指数与新增病例数量高度相关

在这些地区，“發燒”、“fever“、“発熱”等搜索数量有一个明显的波动和达峰过程。

放开管控后，上述地区的指数预测数据与新增数据基本同步，证明了该方法的有效性。

回到国内，我们看看北京、上海、武汉、石家庄等地的数据变化，可以看出，“发烧”的搜索指数的确与当地疫情情形有明显联系。北京、保底、石家庄等地人们在搜索引擎的搜索数据于11月左右迅速上升。

部分城市发烧搜索指数

专家：有一定参考价值

但有优化空间

通过搜索引擎数据建立模型预测疫情走势，该预测数据的参考价值有多大？

“仅通过搜索数据建立起来的预测模型，准确度通常并不高。”专家郭涛告诉小编。

针对不同城市，预测感染何时达到顶峰、退却、第一波进度等，在一定程度上，无论是对公共政策的制定者、政府、还是公众来说，都有一定参考价值，有助于大家了解疫情的走势。

但是从现实角度出发，目前运用搜索引擎，尤其是仅依托于百度的数据，王鹏觉得可能有所失真。

移动互联网时代和PC端时代有差异，首先现在很多人不一定都在手机端搜索，即使手机端的搜索引擎也有很多源，不一定都用百度，国产的其他搜索引擎也很多。

另外，很多人可能不在搜索引擎上进行搜索，也可能在社交平台或短视频平台搜索，所以说相关的搜索数量，数据本身是存在一些问题的。

END