在整个大流行中，人们特别重视在各国之间(尤其是与中国有关)关于疾病传播的关键信息的共享(或缺乏)。相比之下，关于如何利用过去20年改变了企业的先进数据技术，如何更好地管理Covid-19的评论很少。在本文中，我们讨论了一种政府可以利用这些技术来管理未来大流行的方法，甚至可能是当前技术的结束阶段。

个性化预测的力量

决策者考虑采用其他方法与Covid-19作战的另一种方法是基于个性化预测技术，该技术在过去20年中已改变了许多行业。数据驱动公司(从“大技术”到金融服务，旅游，保险，零售和媒体)使用机器学习和人工智能(AI)技术，针对购买商品提出个性化建议，并实践个性化定价，风险，信用，以及使用他们积累的有关客户的数据之类的内容。

例如，在最近的HBR文章中，阿里巴巴前首席战略官曾铭曾描述了其公司的小企业贷款业务蚂蚁金服如何通过分析阿里巴巴电子商务平台上的交易和通讯数据来实时评估贷款申请人。 。同时，像Netflix这样的公司会评估消费者过去的选择和特征，以预测他们接下来会看什么。

相同的方法可能适用于大流行-甚至Covid-19的未来。使用多种数据源，将训练机器学习模型来衡量个人遭受严重后果(如果感染了Covid)的临床风险：资源有限的情况下，他们需要重症监护的可能性是多少?他们死的可能性有多大?数据可能包括个人的基本病史(对于Covid-19，症状的严重程度似乎随着年龄的增长以及存在合并症(例如糖尿病或高血压)而增加)以及其他数据，例如家庭组成。例如，如果一个年轻，健康的人(否则可能会被归类为“低风险”)，如果他或她与年老或体弱多病的人生活在一起，如果他们被感染，他们可能会需要重症监护，则可能会被归类为“高风险”。

然后，这些临床风险预测可用于自定义个人/家庭级别的策略和资源分配，适当考虑标准医疗责任和风险。例如，它可以使我们能够针对那些具有较高临床风险分数的人进行社会疏离和保护，同时允许那些分数较低的人或多或少地正常生活。当然，需要确定将个人分配给高风险或低风险组的标准，同时还要考虑可用资源，医疗责任风险和其他风险折衷，但是为此目的的数据科学方法是标准的，并在众多方法中使用应用程序。

个性化方法有多个好处。它可以帮助提高牛群免疫力，降低死亡率，而且速度更快。它还将允许更好(更公平)的资源分配，例如稀缺的医疗设备(例如测试套件，防护口罩和医院病床)或其他资源。