議程共分成 6/28 和 6/29 二天,開拓會以系列文章陸續刊出。第一天的活動,上午透過專題演講和二場實務座談的方式,讓參與者對數據資料的分析和應用,先有初步的了解和比較具體的想像。下午則以「世界咖啡館」的引導式討論,了解一線工作者對「實務工作與數據資料的蒐集、分析」,可能遭受的挑戰和好處,進行深度討論。
專題演講由新北市社會局長張錦麗和台北市社會局長許立民,分享透過數位管理的方式來推展社福的經驗:
一、張錦麗局長:以大數據,帶孩子走一條安心長大的路
二、許立民局長:臺北市運用數位管理推展社會福利經驗分享
也可參考Youtube 影片和現場文字直播紀錄
延伸閱讀
1. 6/28-29 2018雙北社會安全大數據交流論壇
- 唐鳳:資料運用與社會創新
- 大數據建構社安網經驗分享與交流(上)、(下)
- 讓我們一起來討論吧!深度探究
一、張錦麗局長:以大數據,帶孩子走一條安心長大的路
張局長開宗明義就提到新北市社會局所管理的資訊系統,多達85個,共有210多萬筆資料,要如何整合並加以應用?本身就是一項挑戰,也可以說政府手中握有很多有價值的原始資料。
1. 化被動為主動:高風險整合型安全網
民國 100 年,當時新北市的高風險家庭數量為 2,600 多個,和只有新北市二分之一大的桃園一樣,明顯與實情不符,因此訂定了「新北市高風險家庭安全網整合服務計畫及服務管理中心」,希望透過執行面單位的整合,盡力找尋身處高風險狀態的孩子。
過去高風險個案的通報多是被動等待,現在要朝專業整合的模式前進、翻轉由社工唯一主責的模式,需要跨局處的相關單位通力合作。而在公務體系中,長官的支持和調度、各部門對彼此業務的熟悉及信任互挺,是不可或缺的成功要素。透過衛生局、勞工局、教育局、工務局等十個局處聯合辦公,進行地毯式清查,彙整通報到「高風險家庭服務管理中心」的單一窗口;同時,除了公部門,也盡力延伸各個可能接觸高風險家庭的節點和工作人員,包括鄰里長、警消、教師、社工、公寓大廈管理委員、超商店員等,超過10萬名人力,希望讓安全網更加綿密。
整合過程中,首先展開的是警察局「守護幼苗專案」,透過員警全面到宅訪視,清查吸毒犯罪者家庭的兒少,發現有被疏忽、虐待、照顧問題的就整合到家庭服務中心,等於七千多名警力先替社工到家裡看過一遍,篩選後再進入派案,從 2011 年迄今,已清查一萬多戶。
接著教育局在 2013 年開始「幸福保衛站」,以 2,052 家超商作為服務據點,透過取餐,將兒少納入安全網裡。這個專案會訓練超商店員,遇到肚子餓、沒錢買餐的小孩,會記下名字和學校,後續透過學校進行訪視,有多元家庭議題的會再轉到高風險管理中心。目前共服務了 21,000 多名孩子進入高風險系統。
民政局也在 2012 年展開「溫心天使」方案,以新北市 1,032 個里的里長和鄰長為對象,接受密集的教育訓練,讓他們了解「什麼是高風險家庭?」里長會掌握好幾個指標,除了通報中心,也可以提供後續服務,比較簡單的家庭經濟議題可以由他們關心,而比較複雜的家庭議題就 pass 出來,通報給中心接手。目前也服務了 85,000 多戶。
2. 最危險的是「找不到的孩子」
全面清查之外,還需要不同資料的比對和勾稽,尋覓「找不到的孩子」。新北市社會局使用「漏斗式滾動比對系統」,先將不明的孩子全面造冊,從兒少資料、預防注射施打等資料比對,還是找不到的就進中央系統比對,包括投保就醫等資料。由於系統還沒有介接,目前都是手動查找,希望之後可以更精進。如果還是找不到,就會列為高危險個案。去年有名的雲林殺子案就是這樣層層找出來的。
前面提到「3歲以下兒少未預防注射關懷」,則由衛生局主責,透過未按時預防注射的紀錄,發現潛藏的待協助幼兒,從 2017 年開始,有 6,500 多名幼兒因此進入高風險家庭的服務之中。
總合以上這些跨局處的關懷方案,新北市在 2011-2017 年,每年高風險通報案件平均達到 10,000 件,讓個案資料的蒐集和建構更趨完整。同時,透過歷年資料所作的初步分析,每萬名兒童受到家內不當對待的比例是下降的,新北市作為擁有高度外來移民的城市,家庭支持少,本易發生風險,目前每萬名兒童受到家內不當對待的人數降至 7.81 人,搶救了 30,000 多個家庭免於發生兒虐事件。簡單說,高風險安全網幫忙找到了目標群,找到之後可以透過各種服務的搭配,讓這些家庭盡量避免掉入更極端的危險。假設經濟能維持在一定水準,拿到政府的津貼、資源,或食物銀行的供應穩定等支持,高危家庭就有機會穩定下來。數據顯示,有 88% 經過服務的高風險家庭,後續沒再發生進一步的危機了。
3. 有所依據的預警系統,未來持續升級進化
透過不同單位的人員進入通報行列,累積十萬名公私人力的共同努力,建立了整合型資料庫,讓兩千多名服務的專業人員能一窺家庭風險的全貌,藉由紅黃綠燈分級危險程度,提醒工作人員服務的速度、密度和頻率要到位。
然而,預警系統只能解釋過去,有可能進一步透過 147 萬筆資料,預測未來、掌握行動先機嗎?新北市社會局很高興能獲選進入資料英雄計畫,進行為期 3 個月的社工與資料人的跨域合作,進行更專業、深度的資料分析。過程中,資料安全與隱私是首要課題,透過「簽訂保護協定」、「將ID轉為亂碼」等方法將資料去識別化——不會發生個資外洩的疑慮,又保有每筆資料可應用的獨特性。
數據分析的結果顯示,新北市高風險家庭的趨勢,主要有:
- 大多集中在移民人口多、人口密度高、集中在都會區,包括雙和和新店等區域
- 不在學的孩子,包括6歲以下未就學、15歲以上未升學的,成為高風險兒童的機率變高
另外,數據分析也找出容易發生「兒虐事件」的家庭,包括不斷回到通報系統的、管理系統紅燈持續高過91天,以及「隔離家庭」——沒有任何政府機構的補助、親屬協助、朋友鄰居關懷等——都是最危險的。目前新北社會局還在資料英雄之旅的途中、持續合作,討論未來如何透過數據分析做出更有效的決策及精準的服務,希望開發「隨身簡易風險計算機」來協助一線工作人員,即時做出決策、提前注意。當然,這類的系統服務不是魔法,一切都來自時間中點點滴滴的資料累積。
資料分析需要過往的資料當作原料,還需要資料專家的協助和解讀。新北社會局持續著跨域專家的研商會議,希望未來能更好地精簡社工人力、提供服務,以紮實的數據資料力帶孩子走一條安心長大的路。
二、許立民局長:臺北市運用數位管理推展社會福利經驗分享
從「人」的需求開始 — Work Smart, Not Work Hard.
許局長一開頭就提到,要聰明地工作,運用資訊化工具達到事半功倍的效果,畢竟每天要花大量的時間來做手工業、而不是把大腦花在該花心力的地方,感覺不是很對,特別社福工作很龐雜、有許多不同面向要照顧,往往每個個案都是多重因素(multi-factor)所致,如何讓有限的社工人力投入風險較高的工作,數據資料的分析和工作的資訊化是重要的關鍵。
要從個案走到有系統邏輯的分析是一個過程,需要先把基礎建設(infrastructure)弄好——個案資料在能被分析之前,需要先清洗、整理,如果資料有缺漏、有很多錯誤的話,難以分析。過去資料都是 Word 檔案,無法進入有邏輯的分析、很難被使用,所以一開始建立正確資訊化環境,從 Word、PDF 檔案進化到 Excel 或格式化的資料庫,才能為未來 AI 的應用、危機模式管理的深化鋪路。
這個資訊基礎建設建立的過程中,要以「人的需求面」為開端,要知道想解決什麼問題?資源在哪裡?能怎麼運用?如果不能 Work Smart,只是一直 Work Hard,那麼社會局補再多人也是不夠用的;如果在系統跟工作流程面加以改善,可以避免浪費珍貴的人力與時間。
1. 補助平台系統—共餐關懷據點刷卡機
透過前面提到的概念推展,從資訊化的建立到跨域合作,進展速度就會加快。以台北市的共餐關懷據點的補助平台為例,數量已經從 50 多個增加到 300 多個,這些據點的單據、舉辦活動等等要核銷的行政作業量很大,過去就發生過工作人員不堪負荷而離職的狀況。
現在,透過刷卡簽到,可以了解每個據點的服務量,也可以掌握每位長輩喜歡什麼課程?固定禮拜幾來?這些數據資料可以整理成月報表、活動課程也能更結構化,並加入線上申請的方案,減少許多紙本填寫和謄錄的重複與錯誤。未來,更希望能進一步達到結合地圖功能,讓據點資訊圖像化,並進行線上核銷、讓對帳更加容易,同時建立長者的服務紀錄及生理量測資料等等。
系統整合之後,資訊的基礎建設做好、累積品質好的資料,未來就可以進一步去想大數據的應用。而這些事,無法單靠公部門完成,更需要跨領域的專業人才來幫忙,台北市社會局多虧有王景弘(提供資訊專業協力的志工)的協助,才能完成,這就是公民科技的力量,有越多專業人才的協力,就能讓這樣的資訊建設加速落實。
2. 數位災民證與物資捐贈地圖
每次大型災難發生時,譬如八仙塵爆、高雄氣爆或嚴重的颱風等等,往往需要花費很多力氣和時間處理服務災民的人、而非災民,特別是物資。有時一個需求的消息出去,譬如要 2 萬顆電池,結果變成 16 萬顆,加上網路有些消息會重複出現,結果造成物資中心爆量。因此,有一個即時的物資需求和資訊透明呈現的資訊平台很重要,可以節省人力管理,同時大家也能集中參考,透過新聞的宣傳,容易為大家所知。
另外就是「災民證」,可以減少紙本資料的填寫,透過條碼管控、上傳雲端,更便於資訊的傳遞,找人也比較方便。這部份台北市也是和 g0v 社群合作才完成的,並且得到 2017 年智慧城市創新應用獎,再次證明公私部門的協力很重要。
3. 脫貧潛客分析
前面提到建立資訊化的基礎建設很重要,回過頭來看資料,資料需要有好的假設,才能發揮效果。以脫貧方案來說,能成功脫貧的因素複雜,資深的社工也許可以依照經驗,一眼就看出成敗,但這樣難以讓組織有效率地營運。所以面對多重因素,首先要知道,目前設計的方案適合哪一些人?同時對於沒有順利脫貧的人,也要了解失敗的原因再去產生合適的新方案,就可以不斷進步,並且不會做白工。
而要了解多重因素彼此之間的影響力,以及揀選出關鍵的要素,有賴資料英雄的專業分析。雖然他們有時解釋的統計模型我不太懂,但綜合過去的經驗到現在產出的模型,甚至進一步預測未來、再回頭檢討準確率,也就是從基礎建設 → 大數據 → AI 的自我學習和修正,不能讓預測率只有 40-50%,要讓陽性跟陰性預測值都有效,才比較準確。
4. 輪值社工優化派勤
家防中心也做值班社工的派遣,當案子進來,社工出勤的話,每兩個小時就是一個 KPI 的單位。從進案、接電話、跟督導討論,最後是否派出社工?這些都是不同的時間點。透過這些時間點的紀錄,可以優化 KPI,譬如:電話裡把訊息問得更清楚,和值班督導有更好的討論,如果能找出每一段時間的合理值、將 KPI 更合理化,有助於組織管理的效能。
另外,案量的尖峰和離峰時間,大多是在哪裡?可用來安排人力。還可以進一步去看,督導的年資、值班社工的年資和督導的專長等等,和派遣社工之間的關係,非常有趣。
分析結果可以證實:
- 增加聯繫溝通,從專線電話、督導到社工,每段時間要有合理安排。
- 尖峰、離峰時段的合理人力配置
- 年資,專業性和被派遣過程之間的關係
- 職務訓練很重要。要訓練什麼,才比較容易讓出勤過程是順利有效的?
5. 家暴案件風險與預警管理系統
家暴的案件風險和預警管理系統,有二個目的:「提高社工服務效能」和「降低被害者受暴風險」,不要再回頭。如果家暴案件已經進入通報系統,卻一而再、再而三發生,就該看出來是否錯失介入的時機?或該介入而未介入?所以歸納出「什麼特徵的人最可能再度受暴」,是比較前瞻的作法。最後分為地圖組和建模組。
個案紀錄是質性資料,團隊花了八成的心力投入,進行資料清洗,解決格式不一、定義不同、缺漏值、登打錯誤等問題。最後產出家暴案件特徵地圖,以區域觀點來探索家暴案件。這份地圖目前沒有公布,容易引起爭議,但這張圖可以輔助資源配置和政策決定,另外還要搭配人口分布、社經地位、年齡、收入、有多少外來移民等資料,扣回社會中家庭、個人的因素,才能比較完整來看。以上這些搭配,底下都有幾十個項目,搭配起來會有上萬種可能,手工無法做到,需要資訊化比對邏輯概念和結構。所以單純只是一張地圖的話,容易造成社會、解讀的誤解,但搭配不同分析,比較能掌握資源要到哪裡去。
建模組想知道怎麼讓案主不再受暴,透過數據分析讓個人的、環境的等等多重因素的關係更結構化、有條理,了解影響個案回頭機率高的因素,好好處理。過程中有很多不同的統計和計算方式,譬如使用隨機森林的方法,裡面會有很多分類的決策樹,要湊在一起推測。感謝資料英雄幫忙完成這些資料清洗、統計、分析、建模、視覺化等工作,也感謝新北市和我們一起合作「永不回頭.兒少再受虐預警」,拿到總統盃黑客松的獎項。
也希望地方跟中央的資料應該要有暢通的管道、格式一樣,同時地方政府跟民間資料的格式也一樣。當然,政府很難要求民間組織跟政府的資料一樣,但其實民間單位最討厭又來一個新系統、登打好幾遍,資料欄位和格式如果不能相容,社工就會非常辛苦。很高興中央從總統到衛福部司長都很支持,所風險管理系統得到總統盃獎項是市府的榮譽,也是家防中心的辛苦工作,我覺得整個社會、國家已經看到這塊的重要性,一樣是辛苦的工作但是效能會更高。
0 意見:
張貼留言