今天的insight来聊一个比较危言耸听的话题:疫情的「复工」。
我们来看看目前的疫情情况:目前全球新冠确诊已经2000万了【1】,快赶上整个澳大利亚的总人口数。总数这么恐怖,但新增确诊数走势似乎有平缓趋势,可能会让人以为第二波疫情快过去了。
图片来源:约翰霍普金斯大学疫情统计 https://coronavirus.jhu.edu/map.html
来源:约翰霍普金斯大学统计数据二次处理
但考虑到今年各种魔幻事件频出,以及年初各国小聋瞎式操作,说不定什么时候剧情就反转了。作为一个重度旅游爱好者,我也非常关心,什么时候能出国旅游(不是),疫情还会不会反转,来个第三波?
预判疫情走势,看起来好像需要用到各国的政策情况和病毒扩散指数等等做建模预测。
但作为一个生活娱乐类博主(大雾),我想提供一个虽然不那么严谨但更简便直观的方法:看看疫情新增趋势和复工复产趋势的关系吧。
从中国抗疫经验和科学研究两个角度,都已经验证了社交隔离对疫情控制的有效性。如果各国抄中国作业,彻底剿灭疫情再复工复产,那也许不会有第三波;如果等不及剿灭疫情就着急复工复产,那第三波就挡不住了。考虑到各国在第一波疫情期间的各种魔幻操作,这第三波,还真不好说。
疫情趋势可以用约翰霍普金斯大学的统计数据。那么如何衡量复工复产趋势呢?
复工复产,最直接的表现就是出行。正因为疫情期间街上空空荡荡,人流和车流的恢复就会变得异常明显。千里之外,测算人流量很难,车流呢?有没有一款软件或者一种数据可以简单衡量各国的车流呢?
于是我们想到了:
Uber作为全世界每个月都有1亿用户【2】在用的打车软件,以它的数据来作为参考确实是不错的选择。
这里我们收集了Uber的出车量数据。具体做法是:模拟用户在Uber上叫车,每天扫描全城数十次,在每个角落模拟叫车,找出在营业的车辆,再统计车辆数量的总和。
Uber界面,来源:http://geeksincambodia.com/uber-cambodia-gm-explains-his-favorite-in-app-safety-features/
Uber的出车量数据有了,这个数据的趋势能不能作为复工复产趋势的方向性指针呢?
作为一个严谨的数据向博主,得找个国家验证下。这里我们挑个民众比较热情且政府管制不力的南美国家:哥伦比亚。
哥伦比亚今年以「黑社会抗疫」闻名于世。国内政府军和非法武装持续对线battle多年,但随着疫情形势越来越严峻,双方不得不握手言和联手抗疫。
一方面,政府已强制要求隔离到7月中【3】。另一方面,非法武装分子更为激进,4月传出新闻,武装分子干掉了不遵守抗疫规定前往公园的市民,8月,又传出新闻《哥伦比亚50人疫情期间聚会遭到武装分子扫射,9人死亡多人受伤,幸存者声称依靠装死才逃过一劫》【4】。
所以,我们已知7月到8月哥伦比亚的社交活动在减少。查一下Uber出车量,果然一个月下滑了13%,方向与社交活动相符。
图片来源:Uber数据二次处理
那我们把全球各国的Uber数据统计一下。
从全球范围来看,新增确诊的拐点虽然尚待观察,但Uber出车量在七八月间先放后收,如果保持谨慎,有望避免全球性第三波大爆发。
来源:约翰霍普金斯大学统计数据二次处理,Uber
但搞数据的都知道,平均数有时候不太靠谱,你和马云老师平均资产接近250亿【5】,毫无意义。何况,从川普老师的「coronavirus will disappear one day like a miracle」到英国的「群体免疫」,各国的迷幻操作一波接一波,说不准后面就突然昏招频出,掉一波节奏。
全球抗疫是存在时间差的,此消彼长,因此,疫情在局部地区爆发,并导致全球总确诊继续上扬是完全有可能的。那谁最有可能爆?
我们决定锁定新增确诊五大强国,按确诊增量和Uber增量,看看各国七八月都什么操作。这五个国家是:美国,印度,巴西,南非,哥伦比亚。
数据来源:Uber,约翰霍普金斯大学疫情统计,https://data.humdata.org/dataset/novel-coronavirus-2019-ncov-cases
巧了,五个国家代表了四种策略。我们这里概括为头铁组,试探组,老实组和龟缩组。
这么一看,答案就很明显了:贡献了第二多的新增确诊,且国内逐渐「重启」的印度,成功slay全场,进入我们的视线。
图片来源:http://www.ifuun.com/a2019081520369751/
哥伦比亚黑帮出面抗疫虽然有些魔幻,但好歹有效,成功抑制住了疫情涨势。而印度当前累计确诊病例超200万【1】,仅次于美国和巴西,高居第三,且从趋势图上看,越来越严重。
来源:https://data.humdata.org/dataset/novel-coronavirus-2019-ncov-cases
印度突破100万病例,花了5个半月,但从100万例到200万例,仅用了3周,进入指数级爆发阶段。医疗资源短缺,卫生习惯迷幻,向农村地区蔓延等等问题给抗疫造成了进一步的困难。印度一些社区还排挤感染者,导致人们抵触做检测,再加上雨季到来导致交通不便和灾害多发,使得疫情防控在这些地区难上加难。
印度危矣。
我们在Uber里面抄车牌的时候,还记录了每辆车的类型。像滴滴打车一样,Uber的车型五花八门,包括普通UberX,尊享UberBlack,拼车UberPool, 出租车Taxi,加长UberXL等等。
而在印度的Uber数据中,我们看到了一个很新鲜的车型:MOTO。
原来,这就是Uber在印度因地制宜的网约摩托车!
图片来源:https://www.pearvideo.com/video_1642917
在印度,载人摩托是可以网约的出行服务。用Uber把车叫来,戴上前一个乘客刚刚摘下来的头盔,贴紧车手坐稳,就可以出发了。
图片来源:https://www.businessinsider.in/this-belgian-ad-agency-is-trying-to-turn-the-tables-on-the-nsa-the-brief/articleshow/30293924.cms
从数据上看,Uber轿车复工了,Uber MOTO也跟着复工了。比起汽车狭小的密闭空间,摩托车上趋近于零距离的接触,加上陌生乘客间共享的头盔,感染的风险也更大。
来源:Uber数据
当前Moto出车量约只占到Uber总体出车量的1%~2%,但如果印度出现类似日本司机的「超级感染者」案例,一城一地瞬间告急,立刻能推高疫情,C位出道。
或许世界银行的这组数据可以说明问题:抗疫2个月,印度经济遭受重创,4月印度失业率飙升至23%【8】,相较1-2月份翻了不止一番。眼看着失业率还要继续翻下去,面临着抗疫期如此巨大的经济压力,从国家的角度,在「大规模失业-社会必然动荡」和 「复工-疫情可能爆发」之间,选择了后者。而6月开启复工之后,失业率果然有所缓解。
2019-2020年,印度失业率趋势,来源:https://zh.tradingeconomics.com/india/unemployment-rate
复工之际,防疫措施也是有的,Uber已经推出了一系列措施,包括强制口罩,无现金支付减少接触,塑料布隔离开乘客和司机。而与Uber同为出行服务的Ola公司,甚至要求乘客自己装卸行李以减少接触。但对于司机这样的高危群体来讲,每次出车,还是有赌的成分了。
来源:https://www.indiatoday.in/technology/news/story/uber-cabs-will-now-get-safety-screens-between-driver-and-riders-1703224-2020-07-22
但对于Uber司机来说,他们也想这么头铁么?
这里我们又找到了一份塔塔社会科学研究所出的印度出行平台【9】司机的人群画像报告,报告里是这么描述典型Uber司机群体的:
平均年龄为32岁,家庭成员2~5个,80%是印度教徒,70%的受访者属于较低种姓。70%的受访者接受中学及以下教育。
这些数据意味着什么呢?
普遍来讲,Uber司机面临着巨大的生活压力,他们需要供养1-3个孩子(可能还有家里的全职太太),并不高的文化程度和对宗教的忠诚可能会导致他们的防疫意识薄弱。多种因素的推动之下,他们不得不冒着感染风险走上复工的道路。
也就是说,现在看上去貌似「最头铁」开始复工的人,其实是在「被迫头铁」。
图片来源:unsplash
作为恒河孕育出的人民,印度人在对待各种事情上都颇有「神学」色彩,从恒河水治愈新冠到塑料布防疫,金句频出。但关于防疫的调侃梗越多,反而越让人担忧。对于普通民众,一方面,他们没有学会在病毒面前采取科学手段保护自己,另一方面,他们又急切地复工复产,这才是让第二次疫情爆发成为印度头上悬着的「达摩克利斯之剑」的真正原因。
总之,在传染性和致病性都很强的致命病毒这样外挂般的「地球橡皮擦」面前,人的抵抗力还是薄弱的。像美国/印度等国,在疫情早期没有及时采纳检测-隔离-再检测-迅速隔离这样有效的抗疫模式,后期只能被动拉长抗疫时间。但是拉长战线的方式,无疑会在一定程度上影响民众长期的收入,甚至对部分行业造成灭霸式攻击,切断这些行业内从业者的经济来源,最终形成抗疫--收入降低--人民渴望复工--复工--疫情复发--再抗疫的恶性循环。最终还是「兴,百姓苦,亡,百姓苦」罢了。
参考资料
【1】约翰霍普金斯大学实时统计:https://data.humdata.org
【2】https://www.zhitongcaijing.com
【3】来源:https://baijiahao.baidu.com
【4】来源:https://www.thepaper.cn
【5】2020年马云身价484亿,来自谷歌搜索结果
【6】印度Uber报道:https://www.indiatoday.in
【7】印度Uber MOTO报道:https://www.indiatoday.in
【8】世界银行,印度失业率数据:https://zh.tradingeconomics.com
【9】印度Uber司机调研报告:https://tiss.edu