不同的图层可能会相互关联，你可以将需要的图层拽进拽出。比如，当你研究接触性传染病时，你需要拽进一个有关人口调查的图层，显示不同地区的人口分布，因为疾病在人口密集的地区传播得更迅速。另外，有关医院记录的图层也可以被拽进，而关于刑事审判的记录可能不太需要，这个图层就可以被拽出。

当然，你也可以仅凭借表格来进行分析，不过，有时数据之间的联系并不总是显而易见的，一些信息看起来似乎完全杂乱无章，当它呈现在地图上时，一些隐形的联系才有可能变得清晰。

2014年，西非爆发埃博拉疫情，这是埃博拉病毒1976年被发现以来的一次最大规模的爆发。埃博拉病毒来自蝙蝠、黑猩猩等野生动物，大部分埃博拉患者是从其他人身上接触并感染的，超过50%的患者会死亡。

埃博拉是如此危险，我们必须阻止它的传播!有什么办法可以让医护人员在最短时间内到达疫区呢?有没有数据可以预测疫区位置?有人想到了手机这种现代人必备的通信工具。

在疫情爆发之初，一个名为Flowminder的瑞典组织从Orange电信公司获得了匿名通信记录(为了避免侵犯个人隐私),这些通信记录只有发出地和接收地，从中可以了解人口流动情况和交通路线，政府可据此确定设立治疗中心的最佳地点。

不过，Flowminder使用的是过去的通信记录，这样预测人们所处的位置可能会产生一定的偏差。为了进一步提高准确性，美国疾病控制中心(CDC)开始关注人们拨打的紧急救援电话。前文提到的Esri公司绘制了拨打电话的地图，一旦某个城镇或某个村庄出现密集拨打紧急救援电话的现象，就意味着医务人员需要尽快赶到那里，控制疫情的蔓延。