谷歌上线“新型冠状病毒公共数据集”，可免费使用到9月15日

开放可获取、完整、细颗粒、及时、可机读、结构化数据，对疫情防控尤为重要。

疫情防控，科技公司一直在行动。

在全球疫情蔓延的情况下，3月31日，谷歌启动了一项名为“COVID－19 Public Datasets（新型冠状病毒公共数据集）”的项目，托管一个与疫情相关的公共数据资料库，并免费向外界开放，用户可以自由访问，以及自由分析其中的数据信息。

“COVID－19 Public Datasets”是什么？

据项目官方解释，“COVID－19 Public Datasets”中的数据，囊括了JHU CSSE（约翰·霍普金斯大学系统科学与工程中心）数据集、世界银行的全球健康数据和OpenStreetMap数据，它们都被存储在了Google Cloud 上，并带有“COVID－19 ”标签，研究人员可以免费访问和查询，并通过BigQuery ML服务（一个完全托管的数据仓库）直接在内部使用这些数据训练高级机器学习模型，直至2020年9月15日。

谷歌方面表示，“COVID－19 Public Datasets”的启动是为了更好的为‘以教育和研究为目的’的工作者提供赋能服务，我们不会加入或管理PHI（一个致病菌的数据库）或PII（个人验证信息）数据，希望尽最大努力阻止疫情蔓延。

不过需要注意的是，如果用户要将“COVID－19 Public Datasets”和其它非新冠病毒数据集结合使用，那么BigQuery Sandbox将以字节为计，在每月的免费额仅有10GB存储空间和1TB查询空间之外，超出部分则按量收费。

疫情之下，开放数据集意味着什么？

数据统计显示，截至到昨日下午2点，全球COVID－19病毒确诊感染人数已超72万人，死亡人数达3．4万人。

但与此同时，正因数据量庞大、分散，研究人员面临着极高强度的数据分析工作。除此之外，数据信息的不完整和部分不公开，也在一定程度上让大众对疫情了解不够全面。也因此，开放可获取、完整、细颗粒、及时、可机读、结构化数据尤为重要。

此前，为加强全球疫情防控联动，多个科技界、学术界机构便联合推出了一个公开数据集“CORD－19”，其中涵盖了截至3月13日之前的近3万篇新型冠状病毒相关论文，以及针对文本进行优化的文本处理工具包SciSpacy、在科学文本上进行预训练的BERT模型SciBERT、开放研究语料库和API等。

而针对谷歌的“COVID－19 Public Datasets”数据集，Descartes Labs的工程主管Sam Skillman评论称，“谷歌在BigQuery中开放并提供COVID－19数据将极大的推动研究人员进行数据分析，特别是免费查询服务的推出，会吸引更多人参与到这一项目中来，这对全球数据共享、提升数据分析能力、普及病毒信息非常有帮助。”