Как графовая аналитика спасла мир: Data Science vs COVID-19

Как графовая аналитика спасла мир: Data Science vs COVID-19

На протяжении всей истории человечества пандемии являлись причинами глобальных макроэкономических изменений. Например, эпидемия чумы привела к окончательному падению монгольской империи, изменив баланс сил между мусульманским и европейским миром в пользу последнего. А эпидемия испанки, разразившаяся в конце первой мировой войны, привела к окончательной капитуляции Германии. Последняя пандемия COVID-19 изменила мир в 2020 году, хотя ее последствия и количество смертей не столь катастрофичны, как у предыдущих эпидемий. Читайте далее, как огромному мегаполису Москве удалось избежать глобального вымирания с помощью аналитики больших данных.

Как это было: за кулисами недавней истории

30 марта 2020 года в Москве был введен локдаун, но еще до этого группа аналитиков, созданная при поддержке правительства РФ, уже начала борьбу с пандемией с использованием современных аналитических технологий. Первый случай заражения COVID-19 в России был зафиксирован 1 марта. Чтобы не допустить экспоненциального роста числа заразившихся, действовать нужно было очень быстро. В предельно сжатые сроки была разработана аналитическая система, позволяющая:

  • оценить вероятность заболевания человека COVID-19;
  • определить степень опасности человека для окружающих, т.е. кого следует изолировать в первую очередь;
  • оценить эффективность принятых мер;
  • провести расследование и найти пути распространения инфекции

COVID-19 – это инфекционное заболевание, которое передается от человека к человеку при личном контакте, например, в разговоре. Изучая граф контактов между людьми и зная тех, кто заразился, можно с высокой степенью вероятности определить носителей инфекции, которые еще не выявлены как заболевшие.

На рисунке 1 показан кластер заболевших COVID-19, состоящий из 117 человек и имеющий одного человека в качестве основного источника распространения болезни.

Графовая аналитика больших данных против COVID-19: реальный кейс

Рис 1. Кластер заболевших covid-19

Обнаружив заболевшего, полезно отследить всю цепочку графа контактов, по которой прошла болезнь. Это позволит найти уже выявленных больных, нарушивших режим самоизоляции и обнаружить новых, еще не зафиксированных, носителей болезни. Выявлено, что в среднем один человек заражает троих других, но есть «рекордсмены», заразившие 12 своих знакомых.

Графовая аналитика больших данных против COVID-19: реальный кейс

Рис 2. Отслеживание путей распространения болезни

Своевременная изоляция/вакцинация людей с высокой степенью центральности в графе контактов позволила локализовать болезнь (голубая компонента в левом нижнем углу рис. 3) и снизить количество заболевших со 117 до 8 человек.

Графовая аналитика больших данных против COVID-19: реальный кейс

Рис 3. Локализация эпидемии

Вместо заключения

Разумеется, графовая аналитика заболевших и заразившихся – это лишь часть всех мер по борьбе с пандемией на ранней стадии ее распространения, которая позволила существенно сократить печальные последствия эпидемия COVID-19. Однако, как только эта пандемия немного поутихла, началась другая не менее опасная эпидемия с факторами социальной-инженерии. Находясь в изоляции, многие люди испытывали чувство тревоги и стресса. Это сделало их уязвимыми для атак финансовых мошенников, о чем мы расскажем в следующей статье.

Графовые алгоритмы. Бизнес-приложения

Код курса
GRAF
Ближайшая дата курса
28 августа, 2023
Длительность обучения
24 ак.часов
Стоимость обучения
66 000 руб.

Более подробную информацию об алгоритмах кластеризации, мерах центральности узлов графа, нахождения путей и выявления сообществ средствами графовой аналитики больших данных вы узнаете на нашем новом курсе «Графовые алгоритмы. Бизнес-приложения» в лицензированном учебном центре обучения и повышения квалификации для разработчиков, менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data в Москве.

 

Поиск по сайту