WiDS Taipei 2023 | 一手資料救地球：Think with Data 資料英雄打造社會安全網— 廖立文 Liwen Liao
📍講者介紹：廖立文(Liwen Liao)，現任 LINE Taiwan 的資料科學家（Data Scientist），文學院背景出生的她是一位充滿好奇心的資料科學家，喜歡觀察人類行為、提問為什麼，並擅長抽絲剝繭，最大的成就感來自於混屯中理出頭緒，就像偵探進入充滿線索與證據的世界。
📍講者簡介影片：https://www.facebook.com/TWiDataScience/videos/911375680118834/「資料科學技術不斷進步，而在我工作十多年後，我發現數據思維是那個深植在我腦海中的核心概念。你們還有在看金庸嗎？它其實就有點像內功一樣，它可以以無形的方式應用於各個領域。因此今天我不打算與大家分享具體的工具等等的，相信你們可以在網絡和各個平台上找到許多資源。我想和你們分享的是我這十多年內所積累的數據思維的內功。」
這是 Liwen 這十多年在資料領域的修煉心得，在本次WiDS論壇中分享數據思維、兩個實際案例，即使是小小的數據也可以有著巨大的力量！
— — — — — — — — — — — — — — — — — — - — — — — — — — — — — — — — —
▍ 一、什麼是數據思維 What’s ‘Think with Data’
- 量化數據 キ 數據思維
數據思維並不僅僅是關注數據的量化。它更關注如何以精確和具體的方式表達數據，並將其應用於解決問題和做出決策。舉個生活中的例子來說，假設我們說「男生身高為170公分」，聽起來這個數據已經相當具體了。然而當有人說「英國平均身高為183公分」時，這就引出了更多的維度和角度。你可能會開始思考種族和其他因素的影響。因此，僅僅提供數據是不夠的，我們還需要考慮維度，這樣我們才能獲得更準確、更具體的結果。
- 指標＋維度
指標+維度是在討論問題或數據分析時，不僅考慮到數據本身的度量指標，還要考慮到問題的多個方面或維度，以獲得更準確、全面的信息。
- 指標：是衡量、量化某個特定現象或變量的度量標準，例如身高、轉化率、點擊率等。
- 維度：是指從不同角度或方面觀察和分析問題，以獲得更全面的認識。通過加入維度，可以在討論或分析中考慮更多的因素和變量，從而得到更精準、具體的結果！
✍️ 來個例子吧
假設我們正在一個會議中，大家正在進行brainstorming，各自分享關於使用者習慣的例子。專案經理說：「我是音樂愛好者！常常聽音樂，喜歡的歌會一直一直聽」。一位行銷表示說：「我聽的音樂就很廣啦，什麼都聽，每天搭車跑步運動都會聽，算是重度了吧」。互相交流了一下，似乎和為重度、如何定義誰是愛好者都還說不清。
這時候數據思維方式是可以有助於溝通和討論的！
假如將討論中的關鍵維度用顏色標記起來（上圖左）：
頻率：常常，每天
深度：一直一直
廣度：很廣，什麼都聽
再進一步轉化成（上圖左）：
廣度：歌曲數目/天數
深度：播放次數/歌曲數目
使用者輪廓就清晰了起來，透過整合這些不同的維度和指標，我們能夠將大家的討論內容聚焦在一起，且能夠幫助我們更好地理解和討論數據，並為業務決策提供有力的依據，eg.那第一版的推薦模型應該針對哪個使用者群體呢？
▍ 二、公益專案：社工出勤風險預測
這個公益案件的委託人是台北市的家扶中心，是一個負責處理家暴案件的機構。家扶中心的社工時常需要出訪個案家庭了解真實情況，而這些家庭可能會涉及菸酒癮、毒癮、精神問題以及家庭暴力等。家扶中心在資源有限的情況下，面臨了一個重要的問題，想借助數據的力量建立決策模型：如何確保社工安全？有效地分配警力？
🤔 直觀來說
在商業場景中，決定input、output後就可以著手建立模型，在這個案例中，input可能是出訪家庭的數據、社工的安全事項確認，output可能就是危險係數。
每次出訪前，社工將所需資料輸入後，得到一個危險係數。這樣就夠了嗎？
😀 透過數據思維
只單純輸出一個危險係數無法提供足夠的信息給社工，解釋性稍低，社工需要更多的資訊來了解可能面臨的實際情況，以做出適當的干預和支援。另外，一般商業場景中可以透過A/B Testing, Traffic Control 來不斷優化表現指標，但公益案件事關社工的安全，那麼對社工來說最在乎的是什麼？最希望從數據中獲得什麼樣的資訊？
Liwen分享團隊當時後透過使用者訪談，歸納了以下重要的維度：
組別：Ａ組，Ｂ組
時間：晚上，白天
地點：個案家，醫院
發現出訪時間和訪視家庭狀況等維度對於社工來說非常重要，這些維度提供了更全面的視角，幫助社工更好地理解家庭的需求和狀況。那麼基於這樣的理解，重新調整了原有的模型，將這些重要維度納入考慮，再加上資料視覺化，將模型的結果以直觀且易懂的方式呈現給社工。這樣社工能夠更輕鬆地理解和分析數據，進一步作出出訪安排，資源協調的決策。
▍三、生活應用：解析神秘占星學
維度、xy軸可能還是太抽象了，其實12星座的12筆數據就可以靈活解析，我們可以將每個星座視為一個特定的數據點，並使用不同的角度來解釋和比較它們之間的差異。
占星學起源於古代人們觀察星象並將其與人類生活經驗相結合。這種觀察基於天文學，將一年劃分為四季，並將星座分為四組。每個季節持續三個月，所以第一個月通常是開創的時期，接下來是穩定的時期，然後是變動的時期，這樣循環不斷，以及耳熟能詳的金木水火土，代表人類古代文明的四大元素。
😀 兩種維度：4種象限 （火/土/風/水）＊ 3種型態（開創/固定/變動）
試試看透過上面整理好的維度表格，回答下列常見的星座問題：
- 哪個星座最固執？
開創、固定、變動三者中一定是選擇固定，那從固定這一行看下來，火土水風哪個最為固定：土象，就可以得到金牛座！
- 哪個星座最靈活？
我們可以從變動的角度來看。射手座、雙子座和雙魚座可能是最具靈活性的星座。然而，在風象的分類中，我們可以看到變動星座是沒有界限的，這意味著最靈活的星座是雙子座。
- 哪個星座最矛盾？
從固定和風向的角度出發，水瓶座是一個具有一定矛盾性的星座。它同時具有固定的特點和風象的特點，這使得水瓶座在某種程度上成為矛盾的結合體。
- 哪個星座最柔情似水、多愁善感？
從變動和水象的角度來看，雙魚座是最貼切的答案。
透過Liwen舉的例子，可以明白到資料科學的核心不僅僅是技術上的追求，活用數據思維，也就是指標和維度，可以有助於理解、分析事物，更重要的是讓討論可以聚焦在同一個平面上！
▍Ｑ＆Ａ
- 高風險因子或決策樹可能被誤解為因果關係，如何避免這種誤解？
因果這件事情是很難難以統計來解釋，為了避免非專業背景的人誤解高風險因子或決策樹代表因果關係，可以透過持續的教育和解釋來強調相關性而非因果關係。 - 如果要讓受眾了解多個重要面向，而不僅僅是二維或三維思考，該如何解釋？
對於要讓受眾了解多個重要面向的情況，可以使用相關性分析、邏輯回歸、主成分分析等統計方法來轉換和解釋數據。然而，在與高層人士討論時，通常需要專注於 2~3 個維度的數據，以便更容易做出決策。 - 使用者訪談後如何量化數據並轉換成問卷設計？
你要反過來說我在設計問券之前，我想要回答什麼問題？在設計問卷時，需要明確問題想要回答的目標，並考慮如何使用數據來回答這些問題，重點是確定要使用哪些數據和如何解釋數據，以幫助自己做出決策。 - 危險預測的實際應用場景有哪些？當危險指數很高時，社工是否可以選擇不出勤？
危險預測可以應用於各種場景，例如社工工作中的危險預測。當危險指數很高時，社工不能選擇不出勤，但可以提前調派當地警力或尋求同事的幫助，以增加安全保障。危險預測的目的是提供警示，並在做出決策時使用更多數據以幫助解決問題。 - 公益專案公益專案要去哪裡參加？
D4SG —Data for Social Good 資料英雄計畫
Website: https://d4sg.org/fellowship/
（2023.07.15 會有 D4SG 資料英雄計畫2023年首波發表會唷）
如果喜歡這篇文章，可以幫我們拍手 👏 👏👏 50下，並且follow 我們，看更多 WiDS Taipei 2023 精彩紀錄，支持我們繼續努力！ (找找左側或左下角 “拍手符號👏”，長按可以連拍50下喔)