資料科學，打火救人
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：
>> 原文取自：DSP智庫驅動官方部落格
You may also like
-
[心得] 用數據預測危機，一個社工系學生的學習之旅
26 12 月, 2017 -
D4SG資料英雄計畫-提案單位常見問題集
1 5 月, 2017 -
[心得] 用數據來溫暖社會，一場家暴防治的奇幻旅程
29 3 月, 2017