「資料力，做公益」—開創公共服務的新契機（資料英雄計畫NPO提案11/30截止）

2017 資料英雄計畫啟動 ‧ 歡迎 NPO 趕快來提案（11/30截止）

11/8 的網路星期二，邀請到 DSP 的資料科學家 Johnson，跟大家介紹 D4SG 資料英雄計畫及相關成果，並邀請非營利組織夥伴參與提案（2017 春季活動提案將於 11/30 截止）。

資料英雄計畫透過 3 個月密集的專案方式，協助非營利組織（NPO）將實驗性的概念，測試、鍛鍊為完整的資料公益解決方案，甚至能夠將產出的成果模式，繼續被複製使用。下文將介紹：公益組織如何與專業資料人、各大專院校合作，攜手解決因資料而生、也能因資料而解的問題。

現場錄影 

現場簡報

資料英雄計畫目前已有超過 40家 NPO 參與，今年的合作夥伴與成果有：

• 「農地種電空間變遷」計畫（國家太空中心、天下雜誌）：透過衛星照片計算農地上的太陽能板數量，了解農業和太陽能板產業狀況，解析「農地種電的利益與衝突」。
  
• 家暴預警與風險管理（台北市家防中心）：透過政府與家防中心的數據與量表資料，繪製預警地圖，並推動和高風險地區里長討論親密關係或兒少暴力的可能，提前預警。
  
• 火災風險地圖（高雄市消防局）：透過高雄市火災通報資料與房屋資訊、獨居老人、身心障礙政府統計資料交互比對，建立小區域（村里）的火災風險評估模型，包括火災熱點、危險因子與高風險族群。可以達到火災預防和宣導、火災警報器之發放、消防檢查頻度與力度、消防與救災資源配置之優化。

一、學術研究到社會實踐：一個關於農地的故事 


去年的「公益加值」資料工作坊，有 20 個團體報名，其中 8 個有比較具體的提案，後續繼續合作 D4SG 計畫。 

台灣環境資訊資訊協會的「守護農地計畫」，關注的問題是，透過以下 2 份公部門資料的交叉比對，確認：哪些農地重金屬超標，卻沒有受到列管？以及各縣市的差異？

1. 農試所（土壤品質及生產力調查）：全台灣國土普查，包含六種重金屬檢測
2. 環保署（農地污染列管資料）：稽查和檢驗，處理部分農地

以繪製資料地圖的方式：

• 採樣區 25*25 公尺 vs 農地不規則狀
  
• 對比後，發現很多沒有被稽查的污染農地，透過「資料快篩」獲得對問題初步的了解
  
• 真空指標：以統計方法重劃地圖，標示出重金屬超標與列管農地關係，結果顯示「台灣超標農地中的85%，並沒有被列管」

本計畫有一個政大新聞系學生，及 3-4 位政大資科系學生，由 Johnson 擔任顧問陪同，過程全由學生實作。最後如公視新聞報導：透過資料呈現，可以對公部門有進一步行動。 

7 月份大家一起去環保署溝通，公署表達承諾、有計劃要解決。因為資料分析結果加速了公署業務的規劃與進行。另一方面，農委會的資料原本只是要做國土調查，並非以監控污染為目的，但因為本計畫，讓環保署與農委會可以跨部門交流，共同合作。 

合作過程：

• 每週固定在政大開會，討論問題、閱讀並確認文件
• 透過資料促進利害關係人的對話與合作

二、參與者怎麼說？ 

雙連視障關懷基金會：駱安玲執行長

• 「不僅解決我們想問的問題，還幫助我們看到原本沒想到的問題。」
• 透過讓按摩師傅的排班機會更公平，讓大家的收入也更公平
• 透過薪資條的資料標準化，先製作成大表，再進一步分析各個按摩小站和按摩師的關係，譬如：是小站位置好？指定客的多寡？輔導員比較會攬客？等等因素
• 結果產出資料分析工具：透過視覺化方式來協助排班

農地種電

• 天下雜誌第一次透過比較複雜的資料分析來處理新聞議題
• 在辦公室，每週六聚會，有研究院研究員、數學博士、科技公司的工程師、研究生、數位媒體記者等等不同背景

家暴預警與風險管理（台北市家防中心）

• 先前在國發會的教育訓練課程，參與人員的層級都蠻高的
• 「隨機森林」（Random Forests）方法在家暴防治領域的應用
  
  • 身心障礙
  • TIPVDA量表（台灣親密關係暴力危險評估表）
• 回頭客（再次通報者）：主要想解決這個問題。造成回頭課的原因，可能是某個環節的處置方式不當，如果解決，可大幅減低社工人力的成本。
• 全台北市有 400 多個里。家暴程度包含不同指標，有兒少、親密關係、老人等等。
• 本專案成果限制內部使用。
• 團隊成員：腦神經學科專家、資訊長、統計背景研究助理、網頁前後端工程師、商學院學生等等，所組成的資料科學團隊 → 跨領域專案合作、同儕學習與分享

高雄市消防局

• 全國火災統計：一年約 1,772 個案例
• 但消防員卻勤務過勞，因為：如 2015 年，高雄火災 61 件，火警 4,269 件，後者是前者 70 倍
• 面臨的挑戰：工作繁重、缺乏資料分析專長、資料散落在各種資訊系統裡，紙本未整合、需要使用其他政府機關的資料、長官是否願意支持「不保證成功」的創新嘗試？等等

• 美國的成功案例：紐奧良市的火災風險地圖 2012-2013年
  
  • 綜合各種指標進行分析：所得指標、建物指標、租屋指標、獨居老人、一家之主的年齡、家裡是否有小孩等等 → 統計模型 → 煙霧警報器未安裝率 → 確認優先發放警報器的地方，最後幫助市府發送了8,000個
  • 擴大辦理（成果可被複製使用）：全美 178 個城市都仿效，建立了火災風險地圖 
  • 政府並將成果數據釋出（open data）
    
• 過程：
  
  • 顧客旅程地圖（瞭解火災報案的流程）+資料盤點（哪些資料自己有+哪些跟別單位索取）
  • 儀表板的查詢介面（供內部使用）：檢視歷史 + 預測功能
  • 做出火災風險地圖：資源配置、警報發送
  • 地圖：定義指標很重要

三、資料英雄計畫

執行方式

• 媒合公共服務性組織與民間熱血資料英雄
• 選擇高社會影響力與可再利用的資料科學專案，來說服資料英雄的加入
• 主管積極支持、專員參與：NPO 夥伴和資料英雄的共同參與和合作
• 利用三個月的工作時間，一起完成

積極參與

• 希望政府、非營利或其他公益組織來提案。填寫好問卷後，會有顧問幫忙調整，希望吸引更多資料英雄來參與。
• 提案網址 http://bit.ly/c4proposal
  
  • 一層一層的提問和準備
• 11/30 提案申請截止：會就提案內容，分配不同專長的資料英雄（在資料人聚會中，大風吹找人）。就過往經驗，資料英雄是上班族的人數，比學生還多
• 主管的支持才有可能導入，也希望專案成果是大家都能用到的
• 最大困難：建立信任圈

四、Q&A

• 資料英雄計畫會收費嗎？
  
  • 我們沒有向任何參與者收取費用
  • 對資料英雄來說有誘因，可以實踐資料分析和所學
  • 3 個月的時間可用來證明做出成果的概念是有用的，之後可以繼續往更深、更用力的地方走
  • 這是一個「多益」（每個人都有所得）的局面
    
• 如何快速串起資料人與 NPO 兩造對彼此專業的認識？
  
  • 需要溝通。前二週都是提案單位在介紹工作環境和所提供的資料特性
    
• 如何驗證資料正確性？
  
  • 以家防中心為例。親密關係暴力，只要通報是被害人都會填量表，但會發生醫院、社會局、警察局三份資料的數字不一樣，其中警察局數字最低，都是別的地方的一半。所以資料需要校正，會透過經驗找出一些邏輯和規則來做校正。
    
• 資料的隱私權？
  
  • 政府部門和 NPO，都會先簽隱私規範的文件，說好哪些可公開或不公開等等
    
• 以前參與的合作單位，有沒有原本沒有概念，然後慢慢建立起自己的資料庫？
  
  • 如果組織沒有資料或不確定狀況的話，建議先來參加短期一、二天的工作坊或黑客松，比較能了解組織要搜集哪些資料欄位
    
• 政府的資料，應該是同一份資料來源，但數據卻不一樣。要如何解析？
  
  • 如：衛福部轉診系統。從A醫院轉診到B醫院，但二者往返的平均時間卻差了2-3倍。後來發現：不合理是因為人為操作的問題，每個操作系統的人對系統認知的不同。
    
• 合作時，如何讓大家步調一致？
  
  • 主管要積極支持。DSP 的資料顧問可以說服主管，讓專員可以專心做。
  • 做好里程碑（milestone）時間表，讓組織知道什麼時候需要出席
    
• 唐鳳最近主持 Open Government 的資料規格化，是否有任何應對和處理？
  
  • 是重要的方向和目標
  • D4SG 和地方政府的合作和經驗，也可以往上分享和加速，而不是只有中央部會由上而下的指導
    
• 3 個月計畫結束後，組織是否有能力維護專案成果？
  
  • 其實和 NPO 合作的過程中，有 80% 心力都在做資料清理和規格化
  • 目前有些成果是透過雲端服務來維護的
    
• 引進外部專家或顧問時，原有領域專家（NPO）是否需有資料專長？會不會有資料詮釋錯誤的問題？
  
  • 這是一個多益局面：資料人有實驗場域；NPO 有機會實踐資料分析
  • 基本價值：例如把地圖做出來，慢慢會更有感覺，無形之中，資料素養會跟著提升
  • garbage in, garbage out（若輸入錯誤數據, 則輸出亦為錯誤數據）：如家防中心的社工對案件都很了解，概念上可能知道最嚴重的是哪幾個里，但無法知道全貌；資料英雄可以協助了解成因、邏輯和規則，讓脈絡更清晰——資料分析有助於釐清。