社會救助

Fellows：林祁衡、蕭玉資、胡文馨、徐紹婷、李佳昇、余佑駿
Mentor：陳潔寧、詹欣諭
Project Manager：巫坤達
Project Partner：臺北市政府社會局社會救助科

臺北市政府社會局與伊甸社會福利基金會合作進行專案，協助經濟弱勢者重回勞動市場。
社會局每年會從經濟弱勢的低收入戶、中低收入戶、從事代賑工的清寒戶中，選取目前沒有就業的經濟弱勢者為待輔導就業對象，委託伊甸基金會進行輔導。伊甸基金會於獲得經濟弱勢者名單後，即進行聯絡與訪談，透過訪談內容判定個案是否應「開案」繼續進行就業輔導。
開案後，伊甸基金會會以個別化的服務模式，針對個人就業阻礙與需求提供就業輔導，包含職業諮詢、重返職場信心建立、開辦職訓課程等，持續輔導至個案穩定就業或社會局評估可停止追蹤。當個案穩定就業重返職場，即達到專案目的「幫助經濟弱勢者脫離貧窮」。

 
痛點與解方

然而，社會局與伊甸基金會在過去幾年的合作上遇到了瓶頸：篩選出的經濟弱勢者名單開案率不高；即使開案，依照開案數量，最後脫貧的比例也不高。因此，社會局與伊甸基金會希望透過各項服務紀錄，優化服務流程及作法，以提升開案率與就業意願。
本次資料英雄將處理以下兩個議題：
A. 優化推薦至伊甸基金會名單，提高成功開案率
B. 找出容易成功就業的個案特性，提高社工的工作效率
資料英雄根據資料分析流程先進行需求訪談和資料初探，實際了解工作流程細項與資源，再針對兩個議題規劃不同的資料分析策略。

 
議題A：優化社會局推薦至伊甸基金會名單，提高成功開案率

一、用關聯規則萃取重要變數
先利用關聯規則萃取出重要變數，社會局的資料變項有三種類型，人口變項包含性別、年齡、教育程度等變項；家庭因素包含家中0-6歲小孩人口數、7-12歲小孩人口數、65歲以上長者人口數等變項；收入相關則包含收入等級、補助金額等變項。
實作關聯規則是採用R語言的arules套件，參數設定包含最小規則長度為3（minlen=3）、規則所篩選出的最小樣本佔比為1%（support=0.01）以及樣本的最小開案率為8%（condifence=0.08）。將結果以Lift排序，以排序第一的規則為例，輸出如下表。
對於「教育程度為高中職、家中補助金額低於36K、沒有13-15歲小孩、沒有65歲以上長者」這個族群而言，佔訓練資料中的1.9%，開案率為25%，是訓練資料8%開案率的2.79倍。

根據排序前30筆規則，歸納出以下兩種族群具有比較高的開案率：
1. 教育程度為高中職且補助金額低於36K
2. 教育程度為高中職、收入為低收等級且沒有不動產的紀錄
除此之外，其他與開案成功相關的重要變項包含女性、無0-6歲小孩、無13-18歲小孩以及無65歲以上長者。
二、用廣義線性模型優化社會局推薦名單
1. 動機與目的

Fellows：蔡佳淳、陳上峰、李泓旻、楊思、葉子蓁、張哲偉
Mentor：謝宗震、陳潔寧
Project Manager：呂岱恩
Project Partner：臺北市政府社會局
臺北市政府社會局自民國89年起陸續開辦超過15個脫貧方案，各方案辦理期限約3～5年，由於人力有限，約服務一百多人，開辦前業務同仁需投入大量時間，篩選名單後逐一寄發申請表、辦理方案說明會、受理民眾申請再審查是否符合資格等；過程中，需籌備辦理多元課程、督導學生完成方案任務、關懷學生參與情形等，惟最終完成參與方案者僅占最初參與方案人數的百分之七十，而未能完成方案的百分之三十參與者，多數不願配合方案規定，或其家庭除經濟問題外，還有更迫切的福利需求，而無法達成方案任務。
由於每個個案需花費大量時間與資源，因此如何積極輔導適合對象優先參與脫貧方案，以提高參與者完成方案的比例同時讓有迫切需求的參與者有機會參與服務方案成為優先要務。此次資料英雄計畫透過資料分析找出家戶適合接受的服務，提供業務同仁評估是否適合參與方案，以妥善運用有限資源，提升方案服務效益。
 
研究資料與主題

本次研究以臺北市100年07月至103年06月的「Young Young 精彩青年培力希望發展帳戶專案」為例進行資料分析，瞭解社會局脫貧方案是否有助於提升家戶平均收入，並找出影響家戶脫貧的家庭類型。
由臺北市政府社會局提供去識別化後有參加及未參加定期儲蓄型方案的家庭特徵，依此資料嘗試回答：
1. 參加方案且脫貧者具何種家庭特徵。
2. 參加脫貧方案與未參加方案家戶是否有差異。
 
分析手法

在現有的低收家戶資料中，有參加方案的實驗組(A)以及沒有參加方案的對照組(B)，均有一定比例的家戶脫貧(A1, B1)。而此專案的主要目的之一是欲藉著資料的分析，找出未來適合參與脫貧方案的家戶，把資源做更有效地分配，讓更多家庭有機會脫離貧窮。
．利用 Gower’s Distance 計算不同組別的家庭特徵相似程度
 

Gower’s Distance (Gower, 1971) 是用來計算兩組資料的相似程度 (距離)，資料的型態可以同時包含類別，數值，邏輯(true or false)。Gower’s Distance 的量測值介於0到1之間，數值愈大則距離愈遠，也就是差異性愈大。