故事要回到大约十年前，佛罗里达州应急事务物主管克雷格·富盖特注意到，灾难发生后信息稀缺，而24小时营业的华夫屋是否开张，倒是可以反映出某个区域是否有电、有燃气、道路可否通行。他为此设定了3个颜色等级：绿色（华夫屋营业），黄色（营业，但菜单受限）和红色（关闭），作为自己研判灾情的参照。 

　　华夫屋能起到“通风报信”的作用，是有一定道理的。它在美国有近1700家门店，而在墨西哥湾沿岸和东海岸有链接为一体的500家门店（这里正是大西洋飓风和热带风暴袭来的路径）；还有数百家分布在洪水和龙卷风易发的中西部。

　　更重要的是，华夫屋一直对灾害作充分的准备。它自备专属的车队，各门店配备便携式发电机，运行移动指挥中心协助灾后恢复；它对员工进行危机管理培训，以确保尽可能快地恢复营业——往往在灾难过后几小时。2012年起，它通过电子邮件将这些信息直接报告给FEMA。 

　　华夫屋指数算不上是科学指标。2011年的龙卷风摧毁了密苏里州乔普林的三分之一，但当地的2家华夫屋却仍然开放。不过这个指数的准确性也在不断提高。公司从2012年开始使用热带风暴跟踪软件，帮助预测各家门店受影响的时间（精确到分钟），以及何时能安全地重新开张。这让华夫屋能更早地向FEMA作出报告。 

　　当然，华夫屋的主业是快餐，它能给受害者和筋疲力尽的首批救援者提供热餐和咖啡。“过去几年中，发生了真正的转变，私营单位和公共部门合力，让社区在暴风雨后更快复苏。”华夫屋副总裁帕特·华纳说。“我们很高兴能起点作用。” 

　　戴维·拉泽是美国东北大学电脑和政治学专家，他的工作领域称为网络科学，着眼于研究相关联的现象，得出有意义的结论。他们的工作通常涉及大型数据集。一个例子是谷歌的流感趋势工具，它分析搜索来的数据（非医疗数据）预测流感的爆发，有时比疾病预防控制中心还及时。

　　拉泽的团队开发了一种算法，通过梳理移动文本和语音数据（不是气象或地震数据），及早推断出实时紧急情况（如地震、爆炸、停电）的程度。拉泽说，一些小的数据集，由于每个点都表达强烈的信号，也提供了有用的相关性。上面讲的华夫屋指数，就有这样的特质：它并不是从繁杂庞大的数据集中提取有意义的结论（这往往需要很长时间），而是采信一些信号品质高的数据点。 

　　在实践中，不乏根据非常规指标推断大趋势的例子。经济学家用“巨无霸汉堡”的价格评估使用欧元与使用自己货币国家之间的经济差异；石油投资基金租赁飞机在新加坡港（世界上一半原油在此发货）上空收集油轮数量的数据。而在我国，榨菜的销售指数也成为各地农民工数量的参考数据，据说还相当准确。 比尔