ck

「我是因為小燈泡事件而選擇加入家暴防治的資料英雄專案。」這是依珊在D4SG資料英雄計畫期中聚會的開場白。

依珊和一群原本不認識的人，因為對於家暴防治懷有相同熱誠而相遇，在每週三晚上七點，往往連晚餐都來不及吃，就匆匆趕赴臺北市家庭暴力暨性侵害防治中心，和該中心的工作人員進行資料分析的工作會議。

這群資料英雄包括能在談笑間完成複雜資料格式轉換與清洗的東尼和Brian、不斷提出關鍵問題的依珊和曜容，在超短時間內讀完十幾篇中英文論文的郁秀、沈默寡言埋頭寫程式的阿泰、以及總是一臉嚴肅思考如何建模的雅韵。
他們的共同目標：

建立家暴風險預警管理模型
降低家暴發生率
提高社工服務效能

在家防中心高度專業的工作同仁帶領之下，經過一個多月的努力，他們逐漸認識家庭暴力的種類、成因與個案處理流程，並開始探索第一手的個案處理紀錄資料。

在社會學的領域，對於家暴危險因子的定義通常是質性的，例如「過往受虐經驗」、「關係衝突」或是「居住穩定性」。為了建立統計模型，資料英雄們持續和社工師進行困難的對話，共同嘗試將這些質性指標轉換為可量化的指標。

在未來的一個月，他們希望能協助家防中心將個案資料整理乾淨，繪製家暴熱點地圖與資訊看板，並初步建置家暴預警分析模型。
加油！
>> 原文取自：DSP智庫驅動官方部落格

對抗火災的最佳策略是採取預防性攻擊，防患於未然。
若用資料科學的語言描述，就是定義問題、資料盤點與清理、分析建模、預測、決策支援。
以高雄市為例，每年的火災案件不到一百件，但是消防隊員還是忙不完。

有一個重要的原因是雖然每年「火災」數量不多，但是「火警」的案件卻是數以千計。

火警和火災，差別只在一線間。家中瓦斯爐燒開水未關，鄰居報案後，消防隊來得及破門而入關掉瓦斯，就只是火警；來不及關掉，就可能演變為造成生命與財物損失的火災了。

不論火災或火警，其危險因子（例如起火原因、建築物特性、人口特徵等等）可能都是共通的，若能評估火警風險，或許就等同建立了火災風險模型。
這即是 D4SG 資料英雄計畫「火災風險地圖」專案正在設法解決的公共問題。

我們很榮幸與高雄市政府消防局合作，號召一群「用資料力做公益」的資料英雄，利用週末和晚上，共同分析過去數年的消防案件，從無到有，開始打造台灣第一個「資料科學，打火救人」的實戰經驗。
高雄，加油！
相關資訊：

打火就打火，談大數據？

>> 原文取自：DSP智庫驅動官方部落格