2018 年會搶鮮爆：集結一群「有愛」的資料分析師，D4SG 引爆公益領域資料革命

by 葉靜倫 · 5 9 月, 2018

編按：

令人期待的 2018 NPOst 年會來臨！今年試圖在遍地開花的「創新」氛圍中，討論非營利組織如何在「計畫之初」就設計出「將影響力快速規模化」的方案。

為此，今年特地邀請到全球百大 NGO 國際關懷協會（CARE）的首席創新長達‧范德貝克（Dar Vanderbeck）女士蒞臨，暢談她的「規模 X 設計加速計畫」（Scale X Design Accelerator）。也邀請到臺灣許多在各領域努力實踐的行動者，分享他們的創新設計與服務如何與公益領域結合。本篇即為其中一場分場講者、「D4SG資料英雄計畫」主持人謝宗震的會前專訪。

如果你不小心錯過早鳥票（或鐵粉票），沒關係，學生票、團體票正熱烈販售中喔！

資料科學要如何應用在社會工作中？答案竟然是要先「有愛」。

D4SG 是 Data for Social Good 的縮寫，是 DSP 智庫驅動公司致力推動的「資料力做公益」計畫。2 年多來，D4SG 資料英雄計畫（D4SG Fellowship）透過 94 位資料分析專業人員（資料英雄）與各地方政府社會局、衛生局、公益組織工作者，共同完成了 17 個專案。這些義務性投入的資料分析師與第一線社會工作者緊密協力，從繪製家暴防治地圖、火災火警風險地圖、勾勒緊急醫療救護方向、輪值社工排班管理、檢視教育計畫學習成效等，引爆公益領域的資料革命。其中，D4SG 與雙北市家庭暴力暨性侵害防治中心（家防中心）合作建置的「兒少保護案件暴力風險預警管理模型」，更勇奪今年首屆總統盃創新黑客松卓越團隊獎。

資料分析前最困難的一大步：定義問題與需求

D4SG 計畫主持人謝宗震畢業於清華大學統計所，擅長整合各方資源以資料分析驅動服務創新。他表示，團隊在接到非營利組織申請做分析後，最困難的第一步就是定義問題與需求，往往在這個階段就耗費數月：「一個專案從開始到完成，有 8 成時間和精力都在定義問題與資料處理。」

「很多團隊提案時需求往往都還想不明確。」謝宗震笑說：「例如北市家防中心，剛開始問他們究竟想透過資料分析了解什麼，他們只說：『嗯，我們希望臺北市變得很安全。』。很安全？要怎麼樣才能變得很安全？後來花了很多時間一層層一步步追問到底，才熬出了家暴防治地圖。」

圖／@ D4SG官網截圖

為了磨出問題意識，每個專案最關鍵的便是要有合作默契，包括提案團隊願意把「真正的」問題與實務狀況講出來，並且願意全心投入、給予信任：「基本上，無法彼此信任的組織我們就不會接受申請。」

「2015 年第一次跟北市社會局合作，他們從上到下大力支持。那不只是承辦人進來而已，是上到主管下到基層社工的一整群人，每個人下足了決心每星期花一個晚上來討論。沒有這麼多人進來，根本不可能釐清所有利害關係人的需求。」謝宗震說。

「想要做一件有影響力的事，利害關係人之間的關係和需求要先對上。你必須想清楚在這些專案中，每一個利害關係人能獲得什麼好處？例如，雙北市透過 D4SG，建立模型分析哪些情況中的高風險兒少較容易反覆受虐，在這個專案之後，受虐兒可望因此不再受虐；社工得到好的工具，可以減少 3 成的案量、提升服務品質；督導不再反覆接到同一個孩子的通報，能夠更有效的運用資源；智慧城市的應用則能降低市議員質詢時的壓力，讓政府不再有社會安全網破網之慮。而我們的資料英雄，也能得到社會影響力與漂亮的經歷。」

如此社會共好的循環，就連 D4SG 所屬的公司智庫驅動也因此受惠、得到很多成長：「我們因此了解了很多不同的人和議題，都是平常在單純的採購和標案過程中無法理解的。」

D4SG 團隊建立的高風險案件預測模型。圖／ @ D4SG

做好資料收集的基本功，是為了提升服務品質

定義問題後，下一步是「你的問題究竟有沒有關鍵的資料集做回應？」謝宗震說：「有好的題目，還要有好的資料。基本上會來跟 D4SG 提案的單位，通常已經有一定程度的規模化，才會了解平日收集資料的重要性並長期落實。從這個角度來說，D4SG 本身就是一個縣市級規模的計畫，因為官方的資料相較之下總是最齊全的。」

那麼，小組織資料不全的話怎麼辦呢？「我們會建議他們從現在開始去收集哪些資料，有目標、有意識的去做。有時候其實不需要 3、5 年，視他們的目標而定，也許只需幾個月便能收集到足夠的資料。」他甚至表示：「其實只要能把問題定義清楚，資料收集好，不一定需要 D4SG。把問題拋出來自然有人會想做，有時只需要 2、3 個資料分析專業人員就可以做了。」

從這個角度來說，D4SG 存在的另一重大意義，其實在於提醒實務工作者平日收集資料與數據的價值和重要性。「例如，我們建立的兒虐重覆通報風險數據模型可以成為兒少保社工評估並規畫處遇（輔導計畫）的重要指引。模型本身當然無法取代社工的專業判斷，但他們會開始思考：如果當初更仔細的把資料填完整、多做一步，會不會更好？」

謝宗震解釋：「在這之前，他們可能只會針對單一受虐兒填資料，但在這之後，他們會將其他可能影響孩子反覆受虐的變因都補上，例如同一個家庭裡其他兄弟姐妹的資料，如此跑出來的風險數據就會不同，後續的判斷也會不同。」就謝宗震看來，平日裡一點一滴的優化資料收集，不是在給案量沉重的社工增加工作負荷，反倒能因此讓社會工作者提高服務品質、將資源與時間做更有效的運用：「用聰明的方式工作，work smart，才會有成就感。」

圖／Tobias Fischer @ Unsplash

對此，他也呼籲各方資助與補助單位給予大力支持：「最好的情況當然是，從公益團體的補助與資助單位開始（例如聯合勸募或企業單位），就能重視這件事。例如在各單位申請人力員額費用時，加入資料收集事務或人員的補助，這對社會服務的未來有很大的正向助益。」

資料英雄徵選標準：首先要有愛

D4SG 運作到現在短短 2 年多，成果斐然，絕大部分靠的是許多義務投入的資料英雄，包括來自資料分析背景的大學生、研究生或業界工程師。雖是義務投入，申請卻非常踴躍，謝宗震在收到提案單位申請後，必須精挑細選適合的資料英雄加入。至於什麼才是「適合」？選擇的標準是什麼？

「首先必須有愛。」謝宗震一本正經卻語出驚人，在訪問中不斷強調這件事：「必須有愛，對公益和社會有熱情，通常我們會先觀察他關心什麼樣的議題、曾做過什麼樣的事等。接著當然就是資料分析的能力，以及他所處的地點等。」

謝宗震進一步解釋，D4SG 有時也會收醫學系的學生，或是有社工背景的分析師，不同的人看問題的方向很不同，這是為什麼一個團隊 6-8 個人裡，往往會有 1-2 個人是非資料分析背景。「工程師想法都太冰冷了，」身為工程師的謝宗震如此分析著工程師：「你告訴我邏輯、我告訴你結果，有輸入（input）就給你輸出／產出（output）。但很多時候我們要的並不只是產出，而是結果（outcome）和影響（impact）。」