㈠ 從哪看全球疫情數據
微信看一蠢茄看 我們打開微信，點擊下方的發岩叢現，選擇看一看，進入第一個肺炎疫情實時動態，這里邊所有的疫情信息，都是准確的，而且再往下翻一下，進粗檔櫻入疫情最新數據匯總，就可以看到疫情的各種實時數據。
㈡ 新冠疫情全世界死了多少人
新冠疫情全世界的死亡人數到目前超過了五百六十多萬。死亡率在1.1%左右，其中死亡最多的是美國。死亡的人數超過了100萬。其它的超過了死亡10萬人以上大多數是歐洲國家和印度。中國是世界上疫情防控最好國家。
㈢ 大數據帶來的隱患 數據壟斷
大數據帶來的隱患：數據壟斷
在信息爆炸的社會，受眾面對海量信息，往往需要花費大量的時間和精力進行篩選。但藉助來自移動互聯網和社會化媒體所提供的豐富數據資源（例如用戶的地理位置、關系網、興趣圖譜等信息），以及日臻精確的挖掘和分析技術，媒體可以了解受眾的心理、 需求以及行為習慣等，並以此為基礎提供更符合受眾需要的、個性化的內容服務與廣告營銷。這樣的精準傳播會加深受眾好感，提高用戶忠誠度。
以往觸不可及的夢想在大數據時代實現了。而最深刻的革命其實不在外界，而在人類的思維領域。
人類思維的轉向：人類的態度、情緒、行為等都可以變為數據進行分析和預測
人類內心深處隱秘的慾望、需求、情感是可以洞悉並預測的嗎？這是一個長久以來盤亘在心理學家、行為學家、哲學家心中的困惑，而大數據時代的統計學家、數據挖掘專家則做出了肯定而樂觀的回答。現在，「情感分析」、「預測模型」的應用已經漸入佳境，企業和媒體已經可以通過「情感分析」來確定社交媒體上用戶群的態度，而推特（Twitter）甚至在2012年美國大選時對用戶每天推文和評論的關鍵詞進行量化跟蹤，計算出「政治指數」來判斷民心所向。
大數據技術使得人類的態度、情緒、行為等以往認為難以測量的方面，都可以變為數據來進行分析和預測。日常生活里的可量化維度從未得到如此淋漓盡致的挖掘與利用，而數學模型也在更廣泛的領域里得到了重視。以往的統計分析強調的是因果關系，而現在的大數據研究更注重相關關系。因果關系的討論時常不夠全面，而對相關關系的把握更能夠產生效用。從對「為什麼」的疑問到對「是什麼」的追尋，這體現了人類對世界的探索和理解有了更豐富的思路。
也許最極端的結論來自全球復雜網路研究權威艾伯特-拉斯洛·巴拉巴西。在一書中，他宣稱人類行為93%是可以預測的：「當我們將生活數字化、公式化以及模型化的時候，我們會發現其實大家都非常相似。我們都具有爆發式，而且非常規律。看上去很隨意、很偶然，但卻極其容易被預測。」「爆發」即指人們的工作、娛樂及其他種種活動都有間歇性，會在短期內突然爆發，然後又幾乎陷入沉寂。人類行為並非隨機的小概率事件，而是在意向作用下非常規的突變行為。
不論巴拉巴西的理論是否贏得主流的共識，這些發現至少表明，在技術以外，大數據時代向人類昭示出越來越多富有啟發意義的世界觀和歷史觀。
大數據時代的隱憂：數據壟斷的困境
首先，數據的可接近性並不就使得其使用合乎倫理。大數據為監測和預示人們的生活提供了極大的方便，然而個人隱私也隨之暴露在無形的「第三隻眼」之下。無論是電子商務、搜索引擎還是微博等互聯網服務商都對用戶行為數據進行了挖掘和分析，以獲得商業利益，這一過程中不可避免地威脅到普通人的隱私。以往人們認為網路的匿名化可以避免個人信息的泄露，然而大數據時代里，數據的交叉檢驗會使得匿名化失效。許多數據在收集時並非具有目的性，但隨著技術的快速進步，這些數據最終被開發出新的用途，而個人並不知情。不僅如此，運用大數據還可能預測並控制人類的潛在行為，在缺乏有效倫理機制下有可能造成對公平、自由、尊嚴等人性價值的踐踏。
其次，越大的數據並非總是越好的數據。對數據的盲目依賴會導致思維和決策的僵化。當越來越多的事物被量化，人們也更加容易陷入只看重數據的誤區里。關於數據在何時何地有意義的爭議，已經不再局限於「標准化考試是否能夠衡量學生素質」之類的討論，而是拓展到更加廣闊的領域。另一方面，如果企業甚至政府在決策過程中濫用數據資料或者出現分析失誤，將會嚴重損害民眾的安全和利益。如何避免成為數據的奴隸，已經成為迫在眉睫的問題。
第三，大數據的有限接入產生新的壟斷和數碼溝。面對大數據，誰能接入？為何目的？在何種情境下？受到怎樣的限制？數據大量積累的同時，卻也出現了數據壟斷的困境。一些企業或國家為了維護自己的利益而拒絕信息的流動，這不僅浪費了數據資源，而且會阻礙創新的實現。與互聯網時代的數碼溝問題一樣，大數據的應用同樣存在著接入和技能的雙重鴻溝。對於數據的挖掘和使用主要限於那些具有計算機開發和使用背景的專業人士，這也就意味著誰將占據優勢、誰會敗下陣來，以及由此而來的面對「誰更有權力」的拷問。
進入大數據時代，數據的掌握者們是否會平等地交換數據，促進數據分析的標准化，在數據公開的同時如何與知識產權的保護相結合，不僅涉及到政府的政策，也與企業的未來規劃息息相關。