スマホに突然届く「緊急地震速報」。
あれって、実は地震が起きる数秒前に送られてくるって知ってた？
気象庁の観測網が、最初の小さな揺れ（P波）をキャッチして、
大きな揺れ（S波）が来る前に警報を出しているんだ。

日本全国に約1,000か所以上ある地震計のデータが、
リアルタイムで集められて分析されている（気象庁「緊急地震速報について」）。

台風の進路予測も同じ仕組み。
世界中の気象観測データや衛星画像、過去の台風データを組み合わせて、
スーパーコンピュータが「これからの動き」を計算している。

そして、医療の現場でもデータは命を守っている。
全国の病院から集められた診療データが、
新しい治療法の開発や感染症の流行予測に使われている。
COVID-19のときも、感染者数のデータ分析が対策を立てる上で欠かせなかった。

冬になると流行するインフルエンザ。
実はこの感染症も、毎週集められるデータによって流行の波を予測しているんだ。

全国の医療機関が報告した患者数を、
国立感染症研究所が「感染症発生動向調査（NESID）」として公開している。
このデータを分析すると、どの地域で流行が始まり、
どの時期にピークを迎えるかがわかる。

04章で学んだ「トサカ図」や「レーダーチャート」も、
実はこうした公的データを見える化する手法の一つなんだ。
たとえば、北海道と沖縄のデータを比べると、
気温や季節の違いで流行のタイミングがずれていることが分かる。

さらに、AIを使って過去の感染パターンを学習させると、
「今年はどの地域で、いつごろ流行が始まりそうか」も予測できる。
学校の休校やワクチンの配分など、
社会全体の対策につながる情報が、このデータから生まれているんだ。

では、地震や台風、病気の流行はどうやって「予測」できるんだろう？
その秘密は、長年にわたるデータの蓄積にある。

気象庁は1923年の関東大震災以降、100年以上にわたって地震データを集め続けている。
「この場所でこんな揺れが起きたら、次にどんな揺れが来るか」――
過去のパターンを分析して未来を予測しているんだ。

台風も同じで、過去の台風の進路や風速、海面温度などを学習させることで、
「この条件なら、こう動く可能性が高い」と予測できる。

医療分野でも、国立がん研究センターのように
数十万人規模の患者データを解析して、
「どの治療法がどんな人に効果があるか」を研究している。

つまり、
問題を見つける → データを集める → パターンを分析する → 予測や対策を立てる
という流れが、あらゆる分野で共通しているんだ。

データが多ければ多いほど、予測の精度は上がっていく。

考えてみると、私たちは毎日データに守られて生きている。
朝起きて天気予報を見る。電車の運行情報を確認する。
学校で健康診断を受ける。
――全部、裏ではデータが動いている。

でも忘れてはいけないのは、「正しく使うこと」。
たとえば「地震予測」と「地震予言」はまったく違う。
科学的根拠に基づく予測と、根拠のない噂や予言を見分ける力が大切だ。

SNSで「○月○日に大地震が来る」といった情報を見たら、
まずは気象庁や信頼できる機関の情報を確かめよう。

データはとても強力な道具だけれど、
それをどう使うかを決めるのは、私たち自身だ。
正しく読み取り、正しく使うこと――
それこそが、データ社会を生きる力なんだ。