災難過後，社區居民會向聯邦緊急事務管理局（FEMA）尋求庇護和物資。但為了更清楚了解災情究竟有多嚴重，FEMA 會求助於華夫餅屋（Waffle House）。近十年前，佛羅裡達州緊急管理署署長 W·克雷格·富蓋特（W. Craig Fugate）注意到，災後資訊匱乏時，一家 24 小時營業的華夫餅屋餐廳的營業狀態往往能反映出某個地區是否有電力、天然氣和道路通行。於是，他創建了一個三色評級系統：綠色（全面開放）、黃色（菜單有限）、紅色（關閉）。之後，他將這套系統帶到了他現任 FEMA 署長的崗位上。
富蓋特並非第一個利用非常規指標推斷宏觀趨勢的人。范德堡大學的經濟學家最近就利用巨無霸漢堡的價格來評估使用歐元的國家和使用本國貨幣的國家之間的經濟差異。據報道，一些從事石油交易的投資基金會租用飛機飛越新加坡港（全球一半的原油都經由由此港運輸），以收集有關油輪數量的非正式數據。在中國，當局採用醃芥菜（一種深受工人階級喜愛的食品）的銷售指數來追蹤國內的農民工，其準確性甚至超過了官方統計數據。 「共同的根本理念是，對於那些需要很長時間才能進行嚴格測量的現象，存在一些有效的衡量指標或替代方法，」東北大學的電腦和政治學家大衛·拉澤爾說。
拉澤爾和他的同事們從事網路科學領域的研究，該領域著眼於關聯現像以探索其意義。網路科學家通常處理涉及大型資料集的問題。例如，Google流感趨勢分析搜尋資料（而非醫療資料）以期比美國疾病管制與預防中心更快預測流感爆發，拉澤爾的團隊也開發出類似的演算法，用於梳理行動文字和語音資料（而非氣像或地震資料），尋找由地震、爆炸和停電等即時緊急情況產生的模式，並且往往比地方當局更早發現這些情況。拉澤爾表示，只要每個數據點都包含強訊號，即使是小型數據集也能得出有用的相關性。這正是華夫餅屋指數的優勢所在：它並非從雜訊的大型資料集中提煉有意義的訊號，而是使用少量具有高品質訊號的資料點。
那麼，華夫屋餐廳為何如此引人注目呢？首先，該連鎖餐廳在墨西哥灣沿岸和東海岸的颶風易發區擁有500家分店，在易受洪水和龍捲風侵襲的中西部地區也有數百家分店。更重要的是，華夫屋餐廳在災害應變方面處於領先地位。它擁有自己的便攜式發電機組，運作一個行動指揮中心以協助災後恢復，並對員工進行危機管理培訓，以確保能夠盡快恢復運作——通常只需幾個小時。而且，自2012年以來，它一直透過電子郵件將所有這些資訊直接報告給聯邦緊急事務管理署（FEMA）。
華夫屋指數絕非科學指標（2011年，一場龍捲風摧毀或損壞了密蘇裡州喬普林市三分之一的地區，但該地區的兩家華夫屋餐廳仍然照常營業），但其準確性正在不斷提高。去年，該公司開始使用熱帶風暴追蹤軟體，以精確到分鐘地預測華夫屋餐廳何時會受到影響以及何時可以安全地重新開業。這使得華夫屋能夠更快地將營運狀態告知聯邦緊急事務管理局（FEMA），從而幫助FEMA更快地做出回應。這也有助於華夫屋為受災民眾和疲憊的第一線救援人員提供熱騰騰的餐點和咖啡。 “過去幾年，私營部門和公共部門攜手合作，幫助社區在風暴過後重建的趨勢發生了真正的轉變，”華夫屋文化副總裁帕特·華納表示，“我們很高興能為此貢獻一份力量。”
本文原刊於 2013 年 11 月的《大眾科學》雜誌。
