（參考資料：[相關紀錄] 2018雙北社會安全大數據交流論壇）
(一) 主持人：謝宗震知識長（智庫驅動）
(二) 分享主題/分享人：
- 法律扶助資源配置優化 - 林聰賢副執行長（財團法人法律扶助基金會）
- 火災風險地圖 - 高文宗科長（高雄市政府消防局火災預防科）
- 家暴預警與風險管理 - 陳淑娟主任（臺北市家庭暴力暨性侵害防治中心）
- 高風險危機警示模組 - 解佩芳主任（新北市政府高風險家庭服務管理中心）
D4SG 資料英雄計畫是智庫驅動、開拓文教基金會和教育部共同合作的案子，這次分享的四個組織都是參加這個計畫的成果，所以邀請他們來聊一下，當資料分析跟各領域的工作結合時產生了什麼力量。
一、法律扶助資源配置優化 - 林聰賢副執行長（財團法人法律扶助基金會）
法扶十幾年的服務累積下來，所有申請人的資料大約有 50 萬筆。過去我在英國念犯罪學，當時需要學 SPSS，課程中可以使用英國的犯罪調查資料庫，才發現處理的法律案件不同，不同參數會產生不同結果，犯罪也就有不同的面貌。因此我到法扶之後，不禁思考：每年案件量這麼多，不知道方向是什麼？需要被服務的人有沒有被服務到？是否達到需求？有沒有更好的作法？這是傳統法律體系出身的人，比較不會如此思考的。
正好在這個過程中，有老師提議，因為台北市人口資料的透明度很高，想做車禍相關的研究，我正好在分會當執行秘書，就跟總會要資料、同時聯絡當事人面談的可能，後來有些成果產出，也的確幫助了這些申請人。但法律問題之外，每個案件往往還有很多其他問題，法扶處在這個轉折點上，能否因應其他需求、建立更好的合作？這個目前有做，但不是做的很好，因為不知道需求。所以資料的累積上，不是去比較今年和去年案件量的多寡而已，應該思考如何讓同仁在使用資料庫時有更寬廣的視野，能去發掘更多問題的切入方式和解決方向的可能。
我覺得法扶應該是一個社福單位，和社工一樣，服務的民眾會是重疊的。有了這個願念，嘗試過送同仁去學 SPSS，但效果不是很好。當內部沒有專業人才時，要試著跟外界結合，正好到 D4SG 提案通過了，也和 SAS 公司合作。合作總是會擔心有彼此的專業相互不了解的狀況，所以過程中「雙方如何把自己的立場和專業，全面敞開跟對方溝通」，是很重要的。
基金會就二百多人，可以做到二千多場的宣導活動，同仁們很辛苦，但以行銷為目的來看的話，希望能了解成效為何？透過數據分析，可以看到真正要服務的對象在哪裡？將法扶和外面的資料一起看，看看案件的覆蓋率和人口屬性，什麼人常常遇到的法律問題是什麼？也比較知道原因在哪裡。
簡報裡可以看到我們大概開了十幾次會議的文件紀錄，後面的分析是初步成果，以前都是 Excel 表，比較簡單的圓餅圖、長條圖，可供抓取的資訊很有限。透過進階的參數和分析，可以了解申請人的樣態，例如：中低收入、原住民、身心障礙等等，也能進一步了解這幾個族群，比較常涉及的案件類型為何？可能在哪裡？以及看看每個分會服務的覆蓋率，就有初步的目標要求分會把平均線往上拉，針對對的人、對的地方去做事。
資料建置不是為了統計的需求，像這次合作中遇到很多問題，組織後續會再思考、檢討。重點是化為行動，後續會把報告給各個分會，每一季去檢討，案件率有沒有關連？平均覆蓋率有沒有拉高？這樣才能把有限的預算用在對的地方、對的人身上。
二、火災風險地圖 - 高文宗科長（高雄市政府消防局火災預防科）
從上面的線圖可看到，火災通報和成災火警的數字落差很多，進一步去看消防署的資料，成災第一名是電器、第二名則是縱火，為何縱火的數據那麼高？因為縱火一定會成災。得知資料英雄的計畫之後，就提案北上，跟一群熱血、有資訊統計背景的年輕學子一起參加計畫。
剛開始發想，就是透過地址欄位（區、里），結合了消防局、社會局和稅捐處的資料（如下圖），花很多時間做資料的整理和清洗。
產出 2011-2016 年火警在一天之內容易發生的時段圖，波峰大概是早上十點，晚上七點之後往下降。因為午餐是用火高峰期，凌晨兩點後因為熟睡，所以是低峰，但同時波谷處造成的傷亡會比較大，這跟過往的印象是吻合的。
另一張圖是分析「地點」，一般住宅最多，第二名是工廠，同時找出高雄市前十大火警發生的地區，發現左營區包辦前三名，原因是人口數比較多。也分析了「火災成因」，第一名是原因不明，因為多數出動救災的火警現場，鑑識科不會到，第一線也無法判斷。第二名則是煮食不慎，第三名是電器因素。對照美國的數據，煮食不慎大概就佔了一半。
最後產出「高雄市火災風險地圖」，這張圖和各里人口數的多寡成正比，人口數越多、地圖就越紅。地圖上每個分區點下去，里的內容就會跑出來，包括起火源、場所等統計。有了數據分析，我們就能把所有的區長找來，指出比較危險的地方，請他們協助宣導。因為高雄市有 109 萬戶，依照一年 2 萬戶的速度，至少也要 50 年才能宣導完，所以希望依照風險程度的不同，進行不同的宣導方式，可以透過 Youtube 影片、實體擺攤、課堂宣導，以及更仔細的家戶宣導來做。最後找到綜合風險偏高的鳳山，人口最多，但從高樓到違章建築、各種樣態都有，接下來希望能量畫出建築區每棟建物的風險值，做出視覺化的圖表。
因為有夥伴是房仲業，找到開放出來的建照資料，以及稅捐單位地政社會局的資料，一樣透過地址串接起來，可看到建築物火災風險的五大要素——住家面積、建物總面積、屋齡、建物高度、法定空地——與家戶經濟條件息息相關。譬如：家戶面積較高的風險較高；屋齡會顯示人口結構，也會反映消防法規的新舊、建築法規的演變，族群通常是長者或經濟弱勢。
經濟條件越差、火災風險越高，這與實務經驗相符。以前的宣導是沿街叫賣，但我們不能每次都說風險會貼標籤所以要掩蓋起來，譬如鳳山做出來，最紅的是中崙社區。我們找了風險值大於0.7的，約兩千三百戶，再鎖定透天或公寓，最後集中一千四百戶來加強宣導。去年九月到今年五月，同時間相比，案件量從119件降到91件，下降23.5%，算是滿多，也證明有宣導就有改變行為的可能。
政府都有海量的資料可從不同層面來結合，透過資料專家的分析，讓我們的業務推行上更加智慧、有效能。
延伸閱讀
1. 6/28-29 2018雙北社會安全大數據交流論壇
- 雙北社會局局長分享
- 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
0 意見:
張貼留言