資料英雄計畫

錄取提案
高風險危機警示模組（新北市政府社會局）
為防範家庭陷入兒少虐待之困境，新北市政府推動「新北市高風險家庭整合型安全網服務計畫」，連結跨局處共同針對家中具有恐易導致兒虐的高風險因素 (如：照顧者精神障礙、酒藥癮、高衝突、經濟困難等) 的家庭提供服務。100-105年間累積達 66,397 案件。為促使個案處理時能導入更適宜之資源與服務模式協助，希望建置「高風險危機警示模組」，讓網絡人員以更智慧的方式協助高風險家庭。
▌關鍵詞：兒少虐待、風險預警、跨局處系統
▌資料範疇：

通報個案基本資料 (超過6萬件個案)
由通報人勾稽之風險指標
由社工評估之家庭問題 (經濟問題、就學問題…)
各網絡局處評定之風險燈號與服務記錄 (社政、教育、衛政、民政、警政、司法 …等跨單位數據)
其他外部資料

改善公益性線上學習平台的服務效能（誠致教育基金會、均一教育平台）
均一教育平台透過雲端平台提供「免費、均等、一流」的教育機會給每一個人，學習主題涵蓋中小學的數學、自然、英文、社會與電腦科學。目前每週都有數萬名學生使用均一教育平台，還有許多老師在平台上面開發客製化的課程模組，提身班級同學的學習表現。
▌關鍵詞：使用者分群、標籤分析、推薦系統
▌資料範疇：

歷年用戶行爲紀錄（約一億筆紀錄）
歷年用戶學習績效

畜牧廢水防治便民看板（新竹縣政府環保局）
畜牧產業為台灣農業生產中重要的一環，其生產總值每年均超過新臺幣 1千億元，占農產品生產總值 33%以上，對繁榮農村經濟及安定社會，深具貢獻，惟畜牧業發展的過程，也帶來大量廢水、廢棄物，經常是民眾及輿論關切的焦點。本案由新竹縣環保局發起，以開放政府的精神，整合水污染之利害關係數據，期待能夠建立一個「畜牧廢水防治便民看板」。
▌關鍵詞：畜牧廢水、開放資料、便民看板
▌資料範疇：

列管畜牧業場域基本資料 (名稱、位址、運作狀態、規模, …)
定檢申報資料 (名稱、定檢時間、原廢水與放流水監測數據,

社會變遷及家庭結構的改變，隔代、單親、外籍配偶及近貧等經濟弱勢家庭有逐年增加的趨勢。處於這種資源相對弱勢的家庭中，不僅課業無人指導，甚至下課後連晚餐也沒有著落。弱勢兒童及少年在成長過程中比一般家庭孩子要面臨較多貧窮風險。同時，主要照顧者因為本身照顧能力薄弱或多重角色負荷，甚難獨立承擔育兒及教養之壓力。
有鑑於家庭是個人發展重要關鍵，2008歲末，正逢金融海嘯席捲，原本就處於社會邊緣的經濟弱勢族群，影響更是首當其衝，許多家庭面臨失業、貧困的困境。在新竹科學園區的漢民科技公司，秉持扶助弱勢的使命，在風雨飄搖的2009年，成立財團法人漢慈公益基金會 ，結合當地清華大學、交通大學、新竹科學園區優勢的社會人文資源，無償為弱勢服務，提供「高關懷家庭支持服務」、「弱勢兒少生活陪讀」，免費提供課業輔導、品格教育、家庭關懷服務，藉由優勢觀點「與其給他魚吃，不如教他釣魚」自立理念，提升家庭復原力及韌性，進而恢復家庭功能。
建置高風險家庭的預測模型
在漢慈想要建置高風險家庭預測模型背後的想法，因爲在漢慈所輔導的家庭相對於一般政府機構更加的複雜和難處理，且漢慈在個案的輔導和幫助上是非常細膩的，從財務、法律支持、孩童教育上著手，往往需要課輔老師、社工、志工等一同完成，也因此有各式各樣紙本紀錄的資料。因此社工們在繁忙的情況下，往往還需要花很大心力去爬梳個案資料，得出一個全貌，尤其是對於初接案的社工，或是新手基金會夥伴，使得經驗不易傳承。
總結圍繞漢慈想要建置高風險家庭預測模型的相關問題：

如何使用這些記錄幫助漢慈裡的夥伴能更快速簡單掌握一個家庭的全貌，減少花費在翻閱紙本紀錄，且能由幾年來累積的資料萃取出一些經驗呢？

能否梳理漢慈夥伴們過去幾年的心血，設計一套高風險家庭的預警系統呢？

如何幫助社工們更方便的存取紀錄資料，以利往後進行資料分析，發揮資料的價值呢？

解決方案
專案開始是以建置高風險家庭的預測模型為出發，經過跟漢慈的夥伴討論後，評估三個月的工作時間和收集相關圍繞漢慈細節的問題，我們提出的解決方案包含一系列可以做的事情和優先順序。

整理漢慈內部所擁有的資料
挑選可以用來作為高風險家庭預測模型的資料
嘗試可能的分析方式來預測相關高風險家庭
將整個分析方案建置成完整的應用

資料描述
漢慈這邊提供的資料，主要有下面幾類：

個案的開案資料，共有78個個案
個案的家訪資料，共有46個個案
高風險家庭的風險因子對照表，共有7大類風險因子，分別代表家庭功能的各個面向

經濟功能：46個細項指標
教育功能：40個細項指標
保護與照顧功能：43個細項指標
居住安全：11個細項指標
生育功能：5個細項指標
情感功能：15個細項指標
其他：26個細項指標

Introduction
高雄市消防局自成立以來，咸奉「預防火災」、「搶救災害」、「緊急救護」之消防三大任務及其他為民服務事項，共同努力。為達成積極主動為民服務之使命，消防員24小時受理民眾需求並隨時出勤執行各項救災救護任務。每次的出勤任務都代表著人民傷亡或財物損失，同時也耗費國家的人力資源，卻無法徹底解決問題，因此預防火災便成了消防局積極推動的首要目標。
Problems
有鑑於住宅火災佔總案件數一半以上，高雄市消防局加強宣導住宅社區火災預防措施。但如何善用有限人力與資源，進而顯著降低火災發生頻率，一直讓消防局苦無對策。於是消防局與資料英雄合作，冀望能從建築物角度出發，彙整住戶與周遭環境資料以建構出建物火災風險預測模型，進而找出高風險住宅戶做居家訪視與社區消防觀念宣導，此外，本專案交叉分析不同數據，希望從中闡述新穎觀點以作為決策參考。
Method
資料處理
為評估建物火災機率，建築物火災風險地圖是以建物門牌號作為每一筆資料的索引，在高雄市政府機關大力的配合下，取得自稅捐處取得十三萬餘筆左營區地價資料、地政局建照十三萬餘筆建照資料。透過 Python 與 SQLite 反覆比對地址以及對地址進行正規化處理後，我們合併出約八萬九千筆資料。另外，根據金門大學火災預測碩士論文（link），承蒙社會局提供左營區身障、低收、獨居老人資料，加上消防局的狹小巷弄、火災報案紀錄，我們整理出以下特徵值。

資料處理實際上是這次專案花掉最多時間的地方，因各處室資料格式繁紊不一，資料整併窒礙難成。冀望將來，市府能將跨處室之集中資料倉儲作為資訊基礎建設之基石。

平衡學習 & 非平衡學習
在訓練建物火災機率模型初期，我們嘗試以深度學習演算法建置模型。我們得到 99.9% 的準確度，而後發現模型預測所有的建物都不會失火，因訓練資料中未失火的建物佔絕大多數，僅約四百筆建物曾失火，模型無法學習到失火建物的特徵，故模型猜測沒失火，且可藉此得到高準確度。
建物火災機率預測實為典型的非平衡學習，而準確度之於非平衡學習不是個好的指標。我們發現我們的初期模型在召回率方面的表現非常差。參考過往文獻後，我們決定以 BalanceCascade 的方法來訓練模型。下面我們將一步步介紹如何實作 Blanace Cascade 方法。
首先，我們需要對所有未失火的建物進行分群。我們將建物分成 137 群，每一群擁有八百筆建物資料。為此，我們採用了kNN（k-Nearest Neighbors）演算法。

左上圖是分群後的示意圖，並非真實的分群情況。我們可以想像分群後，總樓層數相近的建物會被分成一群，如左下角藍色建物群，大致可以定義它們為小公寓群；而右方屋齡較高的紫色建物群則是早期的國宅設區，以此類推。
分群過後，我們把一群八百筆未失火的建物和全部四百筆失火建物放在一起訓練小模型 (如右上圖所示)。這邊我們使用基於隨機森林（Random Forest）的 XGBoost 演算法。不採用深度學習演算法是因為小模型太多、分佈沒有一致性，致使訓練過程不易收斂。
Results
火災機率模型

為期四個月的資料英雄計畫，一群來自不同背景的資料夥伴被集結。從程式開發、統計分析、資料探勘到系統開發不同的技能，有人是醫學系學生，有人是消防隊緊急救護員志工、還有醫院急診部的醫師。「透過資料力，讓急診救護達到正向的循環」，這樣共同的想法將我們聚在一起。與提案方高雄市衛生局進行合作，引入資料科學的方法論，對高雄地區的歷年救護資料進行分析，為緊急救護與醫療界盡一份力。
OHCA（Out-of-Hospital Cardiac Arrest ，到院前心肺休止）是指病患在送達醫院的急診室前出現心肺功能停止之情況。當心跳停止達四分鐘時，腦部將會因為缺氧而受損；當超過十分後，腦部就可能達到永久損害而成植物人。因此，OHCA 病患的分分秒秒都在與時間拔河，在急重症檢傷分類中視為最優先處理的案例。
搶救黃金時間，不能只靠一己之力，必須仰賴上、中、下游的資源整合。「生命之鏈（Chains of Survival）」從社區、消防端、急診端及照護端整合眾人之力，透過五個環環相扣的流程，提高急救復甦及癒後健康的機會。
(https://i.imgur.com/rGYnl0T.png)
根據「熱區辨識」、「危險因子分析」、「緊急醫療優化」三個角度，定義了下列三個具體的問題，並預期從資料中解析出改善之道：

了解 OHCA 發生風險及其因素
了解 旁觀者 CPR 介入情況與效益
了解 社區救護資源分配優先順序

資料旅程 Data Journey
採用的資料集主要分為兩份資料：

OHCA 救護資料集 : 2010-2016 的 OHCA 消防端+醫院端資料
外部資料集 : 空氣/溫度/人口公開資料

我們針對了「OHCA 救護資料集」當中重要的

這是一個讓政府單位、非營利組織快速了解 D4SG資料英雄計畫的說明頁面。

什麼是 D4SG資料英雄計畫？
D4SG 資料英雄計畫，指在透過媒和資料專家與 GOV/NPO 夥伴，以及 Workshop (資料工作坊)、Fellowship (資料英雄之旅) 等實作活動，讓組織的資料可以獲得更多應用，發現並解決更多組織內／外的議題！D4SG資料英雄計畫有兩種主要的活動，一種是短期密集式的 Workshop；另一種是長期鍛鍊式的 Fellowship。Workshop適合初次體驗資料應用的組織；Fellowship 適合資料成熟度較高的組織，根據組織關注議題提出資料科學的創新解方。

可以參與怎樣的活動？
對於資料世界的新鮮人可以先從我們的活動說明會與成果發表會進行了解。你可以查詢 D4SG官網的 Events 頁面，關注最新／過往的活動消息。

Workshop 的活動流程是？

每個人都要帶電腦來查找／整理資料
組織應該派誰來參加？透過報名表格，描述參加者在活動的身份位置和資料專長
GOV/NPO 夥伴們要自備資料（可以是組織或相關政府機關的公開資料）、思考要解決的題目
共同討論工作坊時間：須在週末舉辦，因為除了 NPO 夥伴之外，還需要其他資料科學家與設計師跨領域加入，一起豐富視野和技術
強調活動方式：帶你的資料來（BYOD）、帶你的問題來（BYOQ）

大家好，我是雅韵。
我想分享參與「公私協力 資料治理防家暴」計畫的心得，因為從中我得到太多太多了！
來自心理學與腦科學研究領域的我，清楚地知道創傷經驗對受害個案及周圍親友的影響。因此，藉由資料分析的能力參與第一線社工人員的工作，將是我能以所學，降低家暴事件對於個人、家庭與社會傷害的一個機會。
首先感謝「臺北市家庭暴力暨性侵害防治中心」決定公私協力，參加「D4SG 資料英雄計畫」，讓我有機會貢獻一己之力於如此重要的社會議題上。我參與的資料科學團隊中，有夥伴來自金融業、也有來自科技業，有人因為小燈泡事件而決心親身投入社會議題，也有人希望用看似冰冷的程式語言來溫暖社會。在這樣子綜合的團隊裡，我看到了跨領域合作的優勢，每個人貢獻所長、每個人也以不同的觀點切入問題，讓資料能夠被更全面的詮釋以及更快的完成分析。
「資料治理防家暴」計畫在大家利用下班時間投入於社會議題的熱情當中有了初步卻也重要的成果。在三個多月的團隊合作期間，社工師的寶貴經驗、國內外的相關文獻回顧以及個案管理的工作記錄，包括數據與文字資料，讓我們經歷了一場數據、理論與實務經驗結合的奇幻旅程。這趟旅程，順利產出兩個成果，分別是：「家暴通報地圖」與「親密關係暴力風險指標」的建立。
「家暴通報地圖」讓我們了解鄰里的收入高低、職業種類、社區是老舊或新興並不能區別該地區通報數量的高低。怎樣的社會組成會使通報數量上升？可能是家暴數量本身就很多，當然，也可能是個案或者鄰里親友積極守望相助的結果。這部分是數字解釋不了的現場實務面，需要仰賴後續社工人員與里長乃至相關機關的夥伴努力，帶著這份數據、這些家暴通報地圖，深入社區本身，與里長、社區居民共同討論與分享，同時，讓社區中的每位成員都成為改變社區，創造友善和平社區的重要角色。
另一個成果是「親密關係暴力風險指標」，也就是建立了「親密關係暴力再發生的危機指數」，建立這份指標的目的在於希望能讓家防中心及早介入親密關係暴力的處理，促使重複發生親密關係暴力的風險有效下降。受到重複性家暴的個案，會有生理與心理健康方面的問題，此類案件不僅是社工與醫療人員的負擔，其家庭成員日後複製家暴經驗的可能性也會倍增，部分的人出現攻擊傾向，部分的人會成為新家庭的新受害者。我們利用橫斷一年的親密關係家暴紀錄資料來預測個案未來重複被家暴或被通報家暴的風險，若個案第一次被通報時，社工人員就能了解個案屬於高再受害風險，便能更積極有效的策劃協助方案，防止下一次的不幸發生。（目前此模型已完成，進入驗證階段中…）
這個資料治理計畫，其實大家投入最多心力的，並非在於數據統計的部分，反而是在資料分析結果的詮釋。因為在這次的資料當中看到了「主觀經驗」與「客觀真實」之間不小的差距，當看到資料分析的結果與主觀經驗、甚至與過去國內外文獻不一致時，所有人其實都嚇了一跳。但也感謝這個嚇一跳，家防中心決定改變過去一貫的防治宣導政策，改以鄰里差異化取代，以及讓實務經驗與數據科學在未來的工作中並行。而我們資料團隊也從中學了一大課，結果不一致時，我們不斷檢查數據是不是放錯了，是不是用了不恰當的演算法？等等。團隊成員的資料分析能力也因為透過與來自 「智庫驅動」 的資料分析專家一同實戰，有了實質進步。
聽聞最近這些資料分析成果的相關新聞引起了社會波瀾，謝謝大家願意關注在這個議題上。「公私協力 資料治理防家暴」計畫目前看似告一小段落，但其實這只是一小步而已，第一，這些看似固定的地圖是「互動式地圖」，目前只有一年的資料，家防中心預計將往後各年的資料也以同樣的方式整理、呈現，讓參與防治的上下機關以及社會大眾能夠看到社區中每個成員對於家暴防治的努力，需要協助的家庭主動尋求協助、而平常忙於各自工作的鄰居們也有了活絡社區的氣氛的機會，相信一年兩年過去，看著自己的社區的家暴數量因大家努力而逐漸減少，或是因為大家守望相助而使得以往看不見的家暴黑數能夠有機會浮上檯面，都會是一個非常感動的成果，也會是一個向他人證明自己住在好社區的客觀證據。第二為了使資料結果能有更恰當的詮釋，未來還需要仰賴里長、各界專家、第一線的社工人員與家暴防治相關的公私立機構，進行更近一步的研究與實地訪查。敏感性資料去識別化之後，期待各界有興趣的夥伴，無論是學術或是相關防治機構，都可以利用這份資料進行更廣泛的應用或是更深入的研究探討。
謝謝大家，通過這個計畫，我更確信有效利用資料絕對能推進社會福祉。感謝能有這個機會參與如此有意義的計畫！讓我們一同使世界更加美好！
延伸閱讀

「面對家暴 只能被動挨打嗎？」公部門大挑戰 大數據這樣防家暴 (風傳媒 2017/03/06)
觀點投書：一張家暴風險地圖說了什麼？科學分析和社區防治還有話要說 (風傳媒 2017/03/09)
資料治理讓社區對家暴「心裡有數」公部門與社區組織公私協力防暴向下紮根 (臺北市政府社會局 2017/03/15)
北市繪家暴地圖 盼降低再通報個案 (中時電子報 2017/03/15)

如何有效運用人力與資源來宣導火災預防觀念，進而降低火災發生率，一直是高雄市消防局終極目標。
有別於火災風險地圖 1.0，消防局冀望能從建築物角度出發，彙整住戶與周遭環境資料以建構出建物火災風險預測模型。經過多次討論，決議以各式建物混雜的鳳山區為例，希望用機器學習方式得到預測模型。資料英雄用8萬筆資料訓練 DNN 模型，哇！準確率幾乎百分之百，這一切都太完美了，對嗎？

錯！建物有上萬棟，但實際在104到105年間發生過火災數量卻不到一百，像這種非均衡的二分類數據 (1:800) 實務上很常見，高準確率的模型往往只預測一種類別，這就是 Accuracy Paradox！
遇到數據失衡時，我們能怎麼辦？
1. 擴大時間範圍，蒐集更多歷年火災資料
新增多筆歷年火災資料，並重複抽樣出比例均衡的小樣本來訓練模型，來避免數據失衡的問題。
2. 用不同抽樣方法來抽取樣本
下面條列一些經驗法則：
a. 在母數少的類別中隨機複製資料
b. 在母數多的類別中隨機刪除資料
c. 考慮隨機和非隨機的抽樣方法，如分層
d. 考慮不同比例的抽樣方式
3. 嘗試不同類型的演算法
試試其他演算法，如決策樹算法、CART 以及隨機森林等等，或許其他演算法能有效分類。
4. 調整權重因子
確定只能使用的演算法是適當的且無法採樣時，可藉由調整權重或是增加懲罰因子，來平衡數據類別。
5. 嘗試用不同角度或創新想法
考慮是否可以將其拆分為類似的小問題，如把大數據分成許多小類別數據。
許多方法都可嘗試，這次，資料英雄該如何快速找到最佳的方法來破解難題呢？敬請期待。

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

AxShare 設計地圖

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。

2. 以出動車數的角度出發：
出動車數越多代表該時段該分隊除了必須處理很多火警火災的報案之外，棘手的案件也較多。以線圖呈現分隊車輛出動情形。使用分析欄位：案件時間、出動車次、案件狀態。

3. 派遣車數與出動車數做比較：
經由派遣車數與出動車數一起做比較的話，可以很容易地看出哪些時間點是分隊出動頻繁且又需要較多人手的時候。