「到院前心肺休止」(Out-of-Hospital Cardiac Arrest, OHCA) 佔救護車出勤比例雖低，但是死亡率卻頗高，因此備受緊急救護與醫療界的重視。
高雄市政府衛生局想要分析歷年的 OHCA 資料，改善下列問題：
瞭解 OHCA 發生風險因子與地理分布，以便優化資源配置
分析「旁觀者介入」程度與有效性，調整相關政策規劃與執行
提高存活機率
除了文獻上經常被探討的危險因子，衛生局也想瞭解是否還有尚未被研究的在地性因子。
參與本 D4SG 專案的資料英雄們，技能專長琳瑯滿目，從程式開發、統計分析、資料探勘到系統開發，有人是醫學系學生，有人是消防隊緊急救護員、還有醫院急診部的醫師。
透過剖析真實的在地資料，期望能針對上述三個關鍵問題，找到改善現況的答案！
Fellows：王郁秀、王景弘、陳雅韵、潘柏任、謝依珊、李曜容、柯景泰
Mentor：謝宗震、劉嘉凱
Project Manager：張盈宜
Project Partner：台北市家庭暴力暨性侵害防治中心
本專案與臺北市家庭暴力暨性侵害防治中心（簡稱家防中心）合作，以家庭暴力案件預警與風險管理為目標，希望達到「降低被害人再受暴風險」及「提高社工服務效能」兩個主要目的。
我們以現有資料發現能夠從「區域」及「個案」兩觀點切入問題。透過區域資料建立家暴案件特徵地圖，能夠達到社區預防作用，減少盲目的宣導政策，另外以個案特徵（因案件種類及資料完整度，我們僅限縮在親密關係暴力），嘗試建立預測模型，此模型能作為預警系統，新進個案若呈現高再受暴特徵，則社工能早期預防，防止多次家暴發生，避免受害者身心狀況惡化以及過多的人力資源投入。
以下我們將分別描述此兩觀點的詳細作業流程。
[地圖組]
以「區域」觀點探索家暴案件
「村(里)」為中華民國之第四級行政區劃名稱；亦是最基層之地方自治單位，因此多數政府單位資料上的建置皆是以此做劃分，家防中心的資料亦有此特性。故我們針對家庭暴力案件建置以「地點 (村里)」為主體的通報熱點警示指標，透過有效評估工具篩選個案件類型之高危機區域，希望能減少與里長溝通的資訊不對稱，共同推動社區意識防護家暴發生，加上外部單位如：學校、醫院、警察等通力合作責任也是依據區域分工，此時家暴區里風險地圖正式成為相互共通語言，大家需要共同知道處理問題之資源分配的優次緩急，才能一齊有效率的解決台北市家暴問題，進而將此機制推廣至全台灣，讓台灣最美的風景依然是人。
方法 (Methods)
Google 地圖API
讓填答地址先轉經緯度
再以經緯度判斷轉成里
判斷失敗的地址以人眼辨識修正
資料清理ETL
移除重複CA夾
去除非台北市的案件
去除沒有地址者
計算欄位：各區、里by案種的男女比重、年齡比重，及總家暴案件數、案種排名百分比、低收或者障礙排名百分比
Fellows：曾凱聲、張凱鈞、宋培源、王宜婷、許筱翎、韓鈺瑩
Mentor：謝宗震、劉嘉凱
Project Manager：王蕙盈
Project Partner：高雄市政府消防局
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。而不論火災或火警，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。
我們是一群「用資料力做公益」的資料英雄，很榮幸與高雄市政府消防局合作，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！
資料來源
1. 高雄市政府消防局火災紀錄資料
2. 高雄市政府消防局火災分析表
3. 高雄市政府消防局火警出動人車數
4. 高雄市政府消防局各大隊補助安裝住宅用火災警報器場所清冊
5. 高雄市政府社會局資料(低收入戶、獨居長者、身心障礙)
6. 高雄市政府稅捐處建築物資料
問題解決
一、人力配置
問題
如何使人員排班更有效率？（每個分隊在什麼時段可精簡人力，什麼時段須要多加派人力？）
高雄市政府消防局每個隊員的值班待命時間為早上8點到隔天9點，共25小時。
若能從歷年的火災紀錄看出忙碌的時段差異，在較不忙碌的時段安排較少的人力，在滿足基本戰力與鄰近分隊即時支援的前提下，不必讓每個隊員皆值勤25小時的時間，能夠讓隊員有更多時間休息，避免不必要的人為疏失，並作更有效率之人力配置。
分析
1. 以派遣次數的角度出發：
分隊的派遣次數越多代表該時段火災火警發生越頻繁，消防人員出動的次數越多。以線圖呈現分隊忙碌的時段。使用分析欄位：案件時間、派遣分隊、案件狀態。
Fellows：陳晉暉、陳均豪、林家慶、周立筠、吳彥霖、楊承翰
Mentor：謝宗震、劉嘉凱
Project Manager：鄧凱元
Project Partner：天下雜誌、國家太空中心
農電組製作了一個網頁陳述完整專案報告 (https://d4sg-solar.github.io/)
以下整理天下雜誌呂國禎副總主筆在10/26成果發表會的報告內容
問題定義
農地種電的利益與衝突
電業法將台灣電力結構入法，50％天然氣、30％燃煤、20％綠電成為法律規定。太陽能光電目標20GW(核四*7)，目前總裝置容量0.95GW，未來將種20倍的太陽能
種那裡？ 農地上，那台灣有多少農地？
農委會統計的台灣農地約81萬公頃，主計處調查台灣農地(含特定農業區、一般農業區)實際耕種剩44.6萬公頃
參考資料
資料英雄計畫調查結果
國家能源政策綱領 (電業法)
行政院主計處，臺灣農地統計
農委會，嚴重地層下陷地區內不利耕作得設置綠能設施之農業用地範圍
環保數，污染農地調查工作
台電資訊揭露
分析成果
衛星照片定位雲林縣農地上的太陽能面光電板面積、數量
嚴重地層下陷地區
受污染農地
農委會農業收入調查
田野實地調查
成果發現
雲林縣太陽能光電板種電位置與污染農地並無正相關，太陽能板未種在受汙染農地上
雲林縣太陽能板種電與嚴重地層下陷地區呈現正相關，光電板集中於高鐵通過沿線鄉鎮
Fellows：曾文志、馮書昭、柯皓翔、于子傑
Mentor：謝宗震、劉嘉凱
Project Manager：張淑貞
Project Partner：台灣環境資訊協會
土地孕育著無數生命，如同人類的母親。然而當台灣工商業愈加發達，許多農地也在發展歷程中遭汙染。
為讓民眾瞭解農地汙染狀況，台灣環境資訊協會2015年10月發起「守護農地計畫」，希望敦促政府積極行政，讓國民吃得安心，使土地生生不息。
透過智庫驅動（DSP）發起的「D4SG資料英雄計畫」，環資與政治大學資訊科學系/所、新聞系的學生2016年3月下旬組成跨領域團隊，透過資料科學方法，協助環資找出可能受重金屬汙染卻未受政府管制的農地，且分析各縣市的差異，而後希望發展相關專題報導。
兩份資料集套疊，找出超標未管農地
團隊使用農委會農業試驗所（農試所）之「土壤品質及生產力調查」資料，與環保署「土壤及地下水列管場址」資料集中屬農地者進行套疊。前者有重金屬的濃度，後者有公告列管的農地污染控制場址地號；兩者比對後找出未受管制的超標農地。
農試所的資料是1992年至2008年間進行的全國土壤採樣調查資料，累積約13萬筆，涵蓋78萬公頃表土，包含鎘、鉻、銅、鎳、鉛、鋅等六項重金屬有效性之調查。該資料是以250公尺*250公尺網格（6.25公頃）為單位。
不過團隊成員發現農試所所提供之資料，有8000筆重複，並有約13筆時間疑似錯誤（出現在上述時間區間外）。
另外，由於農試所資料與環保署現今重金屬管制標準檢測方法不同，前者是透過0.1M鹽酸方法，後者是經過王水消化法，因此環資先將農試所的資料經公式換算，再根據《土壤汙染管制標準》評估是否超標。
最後得出的超標採樣網格共有1111筆，去掉地理位置重複資料後剩下993筆。
針對環保署的資料，環資已將地號轉為經緯度圍成的多邊形，共5097筆。有300餘筆因缺乏地籍圖資資料，無法轉換。資料最早的一筆為2002年10月2日，最新的一筆資料則更新至2015年12月20日。
鳥瞰重疊狀況
環資在與政大團隊合作前，已經建置完成「守護農地地圖」，將農試所及環保署的資料繪製在地圖上。圖示中的黃色網格為農試所超標網格，紅色為列管中的農地，橘色則是已解除列管的農地。因此，單獨未疊色的黃色網格即為疑似重金屬超標、但範圍內並無政府公告為污染控制場址的農地，盼有關單位應儘速查證。
從距離、密度二指標回答問題
團隊為找出超標未管農地，發展出「距離指標」，計算農試所超標網格與最接近公告列管農地污染場址間的距離（d）。團隊以超標網格為中心、200公尺半徑內的範圍作為判準，若無重疊則代表該超標網格疑似沒有被政府管到。由於污染列管場址多為不規則多邊形，故計算距離時取多邊形的重心為準。
另外，團隊還發展出「密度指標」，試圖找出農試所超標網格之熱區。由於農地污染常常是藉由灌溉渠道或水路擴散，造成系統性的污染，故此方法試圖找出超標熱區。計算原理是以農試所所有超標網格中心為圓心，以方圓一公里畫圓，計算範圍內超標採樣點個數，越多反映該圓超標網格密度越大。
在這次的計畫中，我們用較為寬鬆的標準定義「超標熱區」，只要範圍包含的超標網格大於1個（即還有其他超標點），就算在超標熱區中。
我們也已經開發了資料分析介面，讀者可以自行嘗試探索資料。例如在「地圖與數據分頁中」，拉選更高的網格密度定義為熱區，或用更遠的距離去定義重疊與否，藉此觀察篩選結果。
分析結果
若將農試所經計算後得出的超標網格資料在地圖上顯示，我們發現大多集中在桃園、彰化、高雄、屏東一帶。環保署公告列管污染場址亦多集中在桃園、彰化地區。
INTRODUCTION
視障朋友從事按摩以外的工作時，常常面臨多重挑戰，其中有視障所產生的就業困境；同時也會面對一般普遍的就業挑戰。在非營利組織 雙連視障關懷基金會，致力爭取視障朋友工作機會下，按摩小站設立於醫院，提供一個明亮開放的空間，在醫療院所明亮開放的環境下，願意嘗試視障按摩的朋友因此變多！視障朋友藉於按摩小站服務，走入社區，走入人群，讓更多人了解視障按摩、了解視障，進而創造對視障朋友更友善的社會環境。
PROBLEM
在非營利組織 雙連視障關懷基金會 積極爭取下，目前有10個按摩小站，大多駐點於醫療院所內，提供約100位按摩師穩定就業機會。然而累積了大量紙本的記錄工作表與非細節的電子式文檔，卻因為資料不夠完善，讓這些寶貴資料無處發揮。 另外，按摩小站的排班在管理是一大負擔，人工調動排班靠得是人腦記憶跟有限的資訊，此時就有可能造成師傅之間的誤會。所以如果在有大量可用的資料後，進而發掘資料價值，透過資料分析，產出信服人的資料視覺化呈現。
在有大量可用的資料後，進而發掘資料價值，透過資料分析，產出信服人的資料視覺化呈現。
(Image Credit: http://d4sg.org)
METHOD
根據上述所遇到的問題，我們分為兩個部份：
後台的資料庫管理要如何呈現？資料的欄位要有哪些？
前台要給使用者哪些比較的選擇？以及比較過後給予回饋的呈現？
[1] Azure架設資料庫建設前後端。後台使用 php將功能主要分為「增加工作記錄」與「管理按摩師傅與各小站」。原本 雙連視障關懷基金會 提供的電子檔資料只有儲存一個按摩師傅一天總共的薪水，與紙本上相比未將「指定節數」、「未指定節數」和「來客數」等詳細資料也作記錄。為了統一資料庫名稱，我們共同討論資料欄位名稱，這時我們就將前述也附加上去。
[2] 前台使用 JS 傳使用者選定資料跟後台要資料庫資料的時候，會依據後台接收到的字串，使用 python plotly 做資料視覺化呈現，再透過 api 方式傳回前端。
DEFINE:
asg 指定節數, nasg 未指定節數,