資料英雄計畫

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
農委會編定的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並非是不能耕作土地，實際上從水稻轉為旱作，從事農業仍有收益，種電與農業活動產生排擠作用，是否持續替代值得觀察。
沿海地層下陷地區尚未出現大量太陽光電板

結論

雲林縣調查發現，太陽光電板種電與農業產生替代與衝突
受污染土地、實際地層下陷區未完全使用，建議未來可使用污染與不利耕作土地

《D4SG 資料英雄計畫》是一群相信資料驅動的公共服務能夠促進社會進步的社會企業、學研機構、非營利組織共同發起。
2015 年末，在參加與辦過多場資料科學活動後，我們體會到工作坊與黑客松是極佳的概念測試場域，然而一個資料科學解決方案要能夠完備、可複製仍需要一段時間的用心耕耘。D4SG 與公共服務性組織合作，選擇兼具高度社會影響力與再利用性的資料科學專案，並媒合民間熱血的資料英雄，利用三個月的工作時間共同完成。
我們在 2016 年協同六個公共服務性機構，聚集了超過25位來自民間的資料英雄，產出兩期共五組關於組織營運優化、危機案件預警、環境政策倡議上的在地案例。

現在，2017 年的資料英雄計畫正式展開，我們強烈募集「提案單位」與「資料英雄」，即日起受理報名2016 年 11-12 月招募與審查時間，正式計畫將於明年 2017 年 01-03 月開始執行。請有興趣的公益組織與資料科學愛好者到團隊募集頁面瞭解詳細資訊。
想要近距離了解D4SG計畫嗎？不妨參考我們最近的公開講座：

11/08 網路星期二，『資料力，做公益』- 開創公共服務的新契機
11/09 中研院統計所，D4SG資料英雄計畫，資料驅動公共服務的台灣經驗
11/19 泛．知識節，Data for Social Good：資料科學開創公共服務的新契機
11/30 北醫拇山人文講座，如何在大數據時代提升資料力

圖片來源：wesharepics.site

「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

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,