#供应链 #摘要 #生产 #滞后性

供应链是一个巨型机器，巨型机器运转起来之后，就可以高效提供服务。但这个巨型机器有一个问题，就是很难快速调整，面对没有预料到的突发事件，效率会下降很多。这个时候就需要自组织能力，无数个简单快速组建起来的小型系统，自发地提供服务，控制危机恶化，给巨型机器运转争取时间。

但这一次危机正好处在过年期间，整个系统处于半停工状态。生产，运输，仓库和物流大部分都停止运转。国家可以短时间发动工厂生产，但是工厂生产需要工人；国家可以联系大经销商供货，但是开仓发货也需要工人；国家可以联系分销商和零售商，集中他们的库存，但这需要一个一个联系，确认库存数量，是否有人工作。

这就是复杂系统的另一个问题，专业化很强，人员并不能随便替换，即使很简单的工作，也至少需要几天培训，才能高效工作，可以不是你异想天开，随便派个人都能上的。

可能还有人会问，国家为什么没有紧急储备，战略储备？这次疫情跟地震洪水都不一样。地震和洪水都有地域性，可以调集全国的储备，去集中支持受灾区域。但这一次是全国受灾，没有任何一个地方可以幸免，无法实现全国援助地方，各地都自顾不暇，没有多余储备去支援湖北。（袋鼠张大锤）

#数据 #质量 #滞后 #单一归因

请谨慎使用质量很差的滞后数据做单一归因。

1）什么叫“质量很差的数据”？

我们通常用来做分析的数据，例如公司营收、宏观经济指标，它们当然也有误差，但与真实值至少是同一个数量级、同一个方向的（即数据反映“增长”，真实情况也是增长）。但是，疫情中各地汇报的数据，例如确诊病例、死亡病例，不仅与真实值有误差，而且我们完全不知道它们与真实值是否为同一个数量级，我们甚至无法确定它们的符号是否正确（确诊人数下降是否真的表示感染人数下降）。

为什么疫情数据的质量很差呢？

原因是各地的检测能力不同，允许民众检测的标准不同，判断是否感染的标准也不同。例如，加州看起来比纽约州的情况要好，但加州检测的人数是纽约的六分之一，而加州总人口是纽约的四倍。对比两个地方的“数据”就毫无意义。

就连大家认为很适合比较的死亡人数，不同地区对“病人是否因新冠病毒而死”的定义也不同，所以“比较死亡人数”可能也不是我们想象的那么有意义。若是比较同一地区前后的变化，我们也要确认上述提到的标准在这个地区前后都保持了一致——显然，很多地方的检测、确诊标准都在某个时间点发生了变化，所以纵向比较同一个地区前后的数据也没有意义。

2）什么叫做“滞后的数据”？

疫情的数据不仅质量很差，而且反映的都是该地区两三周以前的情况——病人从感染到出现症状要好几天，病人从出现症状到就医、接受检测也要好几天，很多地方的检测出结果又要好几天。所以，我们通过数据看到的，都是两三周之前的世界。

可能你会说，那我们在分析数据的时候考虑到延迟不就行了？是的，但难点在于，疫情是指数增长的，且我们对病毒还有很多不了解的地方，如果非要从滞后两三周的数据来推测现在的情况，那一定包含很多额外的假设，不确定性会很高。

3）什么叫做“单一归因”？

以前我写过（），讲故事的时候如果把复杂事件归结到一个因素上，故事可以讲得非常顺畅，大家听起来会很爽——与其解释 A、B、C、D 之间如何相互作用，共同导致了结果 X，且 A、B、C、D 各起了多大作用我们也不确定，倒不如简单说是 A 且只有 A 导致了 X。讲故事的人在简化的过程中会丢掉很多重要事实，但听故事的人只会觉得故事好听。

疫情也是一样。这样复杂的问题，我们仔细想想可能可以找到几十个影响因素：政策制定者的动机、政策制定者的专业水平、政策制定者的执行能力、民众对政策制定者的信任度、民众的风险接受程度、政策制定者及民众过往处理重大公共卫生危机的经验、地理、气候、交通网络、人口结构、人口密度、民众平时的社交距离、民众平时的卫生习惯、病情最早爆发的区域、政策制定者准备的时间……

我们的样本里只有两百个国家，疫情也只发生了一次，没有人可以很自信地说“就是 A 导致了 X”，我们甚至很难确定 A 是否是主要因素。

4）当然，我不是说大家应该放弃收集、分析数据。一个有数据的世界当然好过一个没有数据的世界。

只是，我们在讲故事的时候要认识到自己故事里隐含的假设、隐含的不确定性。我们在听故事的时候也要警惕那些 “A 且只有 A 导致了 X”的叙述。(yiqin_fu)

#英国 #法国 #滞留 #检测 #圣诞

【英国多佛口岸数千辆滞留卡车获解困】

英国交通大臣格兰特·沙普斯(Grant Shapps)向媒体公布，在英国军队官兵帮助下，滞留受困的数千名货车司机完成了新冠病毒核酸检测，截至周五晚上，有超过4500辆卡车离开了英国。“排阻救援”工作已取得了重大进展，“卡车滞留困境”基本解除。

20日，为阻止英国境内新冠病毒变异毒株的传播，法国政府关闭了与英国的边境通道，对来自英国人员实施48小时的全面封闭。由此，导致英国多佛口岸交通大阻塞，通过英吉利海峡海底隧道驶向法国的货运卡车滞留在沿线道路上长达数日，约4000多辆货运卡车排成的“巨龙”陷入“前后不能动弹”“吃喝拉撒没有保障”的困境。

23日，经英、法两国政府紧急磋商僵局得以打破。法方同意放宽疫情限制措施、恢复边境道路通行，但坚持要求任何入境法国的货车司机，必须先获得72小时内检测结果为阴性的医学证明。

沙普斯称，“排阻救援”中，英国政府相关机构在货运卡车阻塞道路旁部署设立了快速检测站点，派遣1100名军队士兵现场协助，同时调集各方力量提供后勤服务保障。在过去的48小时内，英国东南铁路和铁路网为受困的货车司机们送去7列火车食物，地方政府部门和志愿者提供了大量的热食品、点心和饮料，沿卡车滞留道路新增设置了300多个移动厕所。(中新社)

相关新闻：
新冠测试失序激怒了英国港口滞留的卡车司机

#河北 #疫情 #核酸检测 #零号病例 #滞后性 零感染地区平常也还是要多加防护

【河北：初步判断“零号病例”早于2020年12月15日】

河北省召开第3场新冠疫情防控工作新闻发布会，河北省疾病预防控制中心应急办主任、流行病学专家师鉴介绍，根据流行病学调查，初步判定，此次河北疫情的“零号病例”可能早于（2020年）12月15日，疫情目前仍未看到拐点，疫情仍有扩散风险。（央视新闻）

发布会上，相关负责人表示，石家庄、邢台两市的第一轮全员核酸检测已经结束了，共检测1300余万人，截至昨天24时，一共筛查出364例检测阳性。石家庄检测呈现这样两个特点，一是集中在藁城区，占人数的87%，二是关联性比较强，基本上都与藁城区有关，特别是与藁城区的增村镇有关。邢台的检出都在南宫市，从病例的分布来看，感染范围暂时没有进一步的扩大。（央视新闻）(2019nCoV)

#陕西 #西安 #买菜 #就医 #怀孕 #化疗 #考研 #滞留

【1229 西安“封城”一周 民生问题待解】

买菜难

12月28日晚，西安连夜动员，‌各区陆续开始为辖区封控居民免费发放蔬菜。目前已有雁塔区、曲江新区、新城区等区域的居民收到政府统一配送蔬菜。但截至29日晚，仍有大量西安市民还在为其他生活物资犯难。

西安市民赵鹏介绍，他所在的社区物业对并未统一帮助居民联系蔬菜货源，线上购物平台的蔬菜则很难抢到。“（起售）两到三分钟后，就显示配送人员满额。”在他看来，并非西安物资不足，目前最缺乏的是配送人员。信息不对称也放大了市民买菜难的问题，“听说有的社区超市菜都卖不掉，‌业主不知道怎么买菜。”

“现在社区都建立了各种各样的互助群，买菜群、买药群、看病群，大家都在自发的去做一些事情。”赵鹏介绍，政府动员统一配送后，群里已很少收到需求信息。

除了政府免费发放蔬菜外，‌小区物业也是保障居民基本生活的关键。西安市高新区一位居民向记者表示，虽然不能出门，但物业很给力，封城前两天已经安排了两次集采；另外，在封锁期间，物业会组织卖菜的来小区。

但也有部分小区基本生活物资保障服务不到位。今日（30日），一位家住雁塔区某小区的中年女性向21世纪经济报道记者表示，其一个人在家，因所在小区有阳性病例，已隔离一周多，没有买过菜，也不让进出，网上超市也显示休息中。“好在我封城前准备了点，但现在已经快空了，剩了大半个白菜，生菜和土豆。目前不知道我们小区有没有免费送菜。”

就医难

与此同时，市民不得外出亦带来就医难题。西安市民陈威怀孕4个月的妻子在12月25日出现腹痛，但其所在的小区并没有医疗保障车辆，‌只能自行就医。“但现在根本得不到出门的批准。”他告诉财新。

陈琳因患癌症此前在西安交通大学第一附属医院就医，12月25日已经是她定期化疗和辅助治疗推迟的第五天。自从12月16日这家医院暂停门诊接诊工作后，‌陈琳每天最常做的就是给社区和医生打电话。

另有一名碑林区的学生讲述了自己12月26日发烧后的经历。“早上九点左右测温38.2°C，我立刻给社区与防疫中心打电话，希望能够联系医院就诊。”该学生称，自己先后前往了6家医院，但都以“发热门诊关闭”为由拒收。当天下午两点左右，他终于在西安市第三医院办理好了住院手续。

考研难

此外，相比于西安市民面临的民生难题。部分刚刚在西安市结束2022年硕士研究生全国统一考试的考生，可能面临着人生中第一次滞留异乡的窘境。有考生告诉财新，‌陕西本省其他地市的考生已经有人陆续返回，但仍有部分外省考生只能自费住西安市的旅店内，面临衣食方面各种困难。

内详👉(财新网)(21经济)