Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
社會安全大數據交流論壇-新北市運用數位管理推展社會福利經驗分享
Search
臺北市政府社會局
June 28, 2018
Technology
0
2.5k
社會安全大數據交流論壇-新北市運用數位管理推展社會福利經驗分享
1070628 新北市政府社會局張錦麗局長
臺北市政府社會局
June 28, 2018
Tweet
Share
More Decks by 臺北市政府社會局
See All by 臺北市政府社會局
108年重點政策及重點預算說明
antyo
0
550
銀髮智慧照顧之未來展望
antyo
0
420
2019科技輔具評選
antyo
0
560
社會安全大數據交流論壇-法律扶助資源配置優化
antyo
0
1.7k
社會安全大數據交流論壇-火災風險地圖
antyo
0
1.8k
社會安全大數據交流論壇-家暴預警與風險管理
antyo
0
2k
社會安全大數據交流論壇-高風險危機警示模組
antyo
0
2k
社會安全大數據交流論壇-臺北市運用數位管理推展社會福利經驗分享
antyo
0
2.4k
Other Decks in Technology
See All in Technology
New Relicを活用したSREの最初のステップ / NRUG OKINAWA VOL.3
isaoshimizu
2
590
適材適所の技術選定 〜GraphQL・REST API・tRPC〜 / Optimal Technology Selection
kakehashi
1
170
マルチモーダル / AI Agent / LLMOps 3つの技術トレンドで理解するLLMの今後の展望
hirosatogamo
37
12k
The Role of Developer Relations in AI Product Success.
giftojabu1
0
120
AWS Lambdaと歩んだ“サーバーレス”と今後 #lambda_10years
yoshidashingo
1
170
CysharpのOSS群から見るModern C#の現在地
neuecc
2
3.2k
Oracle Cloud Infrastructureデータベース・クラウド:各バージョンのサポート期間
oracle4engineer
PRO
28
12k
VideoMamba: State Space Model for Efficient Video Understanding
chou500
0
190
10XにおけるData Contractの導入について: Data Contract事例共有会
10xinc
6
620
オープンソースAIとは何か? --「オープンソースAIの定義 v1.0」詳細解説
shujisado
7
810
Amazon CloudWatch Network Monitor のススメ
yuki_ink
1
200
[FOSS4G 2024 Japan LT] LLMを使ってGISデータ解析を自動化したい!
nssv
1
210
Featured
See All Featured
Six Lessons from altMBA
skipperchong
27
3.5k
4 Signs Your Business is Dying
shpigford
180
21k
Agile that works and the tools we love
rasmusluckow
327
21k
How STYLIGHT went responsive
nonsquared
95
5.2k
jQuery: Nuts, Bolts and Bling
dougneiner
61
7.5k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
48k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
506
140k
It's Worth the Effort
3n
183
27k
GraphQLの誤解/rethinking-graphql
sonatard
67
10k
Rebuilding a faster, lazier Slack
samanthasiow
79
8.7k
GraphQLとの向き合い方2022年版
quramy
43
13k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
665
120k
Transcript
以大數據,帶孩子走一條安心長大的路 新北市運用數位管理推展社會福利經驗分享 新北市政府社會局 張錦麗局長 107.06.28
2
3
政府角色的改變 輸送者 變 整合者 要求者 變 增能者 供給者 變 媒介者
資訊管理 變 智慧管理 4
政府─資料山的管理者 but使用者? 新北市社會福利 管理資訊系統 共有85個子系統 內有210多萬筆資料 但, 如何從資料中 看出意義? 5
這是一個用資料幫助隱藏在社會角落高風險的孩子的故事…… 隱藏在都市中 等協助的孩子 酒藥癮者 的孩子 失聯的 兒少 未升學也 無工作的少年 恐成為犯罪人口
被疏忽照顧 的孩子 6
新北市高風險整合型安全網 7 年的服務累積 造就跨10個局處 147萬筆巨量資料! 7
資料 從何而來? 8
9 2011年前 新北市每年高風險通報竟僅2千多案…… 為保護更多生活在風險之下的孩子 2011年1月市長裁示訂定新北市高風險家庭整合型安全網服務計畫 並於同年2月25日成立高風險家庭服務管理中心
教 育 局 社 會 局 勞 工 局 警
察 局 衛 生 局 原 民 局 民 政 局 跨專業整合服務模式 翻轉 由社政單位單一主責高風險兒少服務的服務模式 工 務 局 教 育 局 勞 工 局 社 會 局 警 察 局 衛 生 局 原 民 局 資 訊 中 心 民 政 局 消 防 局 多 元 服 務 單 一 受 理 窗 口 統 一 初 篩 派 案 主 動 清 查 熱 心 民 眾 10 公私協力 全面通報 關心效應 讓通報數大幅上升 找出風險兒少黑數 精準服務
我們建構了化被動為 主動 的行動團隊 我們選擇走在問題前面 不被問題追著跑 11 透過整合型安全網,跨局處公私協力 建構一連串全國首創、唯一、最全面的方案 主動找出個案,而非被動等待通報
1. 全國首創+唯一 守護幼苗專案 以地毯式到宅訪視守護兒少安危的城市 動員新北全市7千多名警力 自2011年起總計清查11,950名 兒少 透過警察全面式主動清查 讓吸毒犯罪者家庭的兒少能被及時發現與保護 12
警察局主責
新北市2,052家四大超商作為服務據點 全天候提供急難兒少免費餐食 自2013年起總計21,764名兒少取餐 結合四大超商讓兒少24小時免於飢餓 13 教育局主責
3. 全國首創 溫心天使 在新北市全數里鄰長都知道「高風險家庭」 全面加入通報與服務的行列 14 自2012年,已有4,881名溫心天使 提供服務,累計受益戶數達85,067戶 超過200,315人次 民政局主責
4. 全國首創+唯一 用心網助平安守護專案 最危險的 是那些找不到的孩子…… 新北市 率全國之先 透過社工以漏斗式層層查找 滾動式比對資料 自2014年起總計清查3,174名兒少
高危機行方不明兒少全面造冊 新北市境內兒少資料比對 中央單位資料比對 家戶擴大資料比對 15 (學籍 預防注射 社福資料) (投保 就醫資料) (三親等資料 前兩處戶籍地) 社會局主責
5.全國最全面 3歲以下兒少未預防注射關懷 透過未按時預防注射 發現潛藏的待協助幼兒 新北市計有6,564名 三歲以下幼兒未按時預防注射 自2017年起 率先將這群幼兒 納入到安全網的保護中 16
衛生局主責
17 17
守護兒少 搶救家庭再次發生危機 自2011年推行迄今,總計搶救了新北市3萬2,036個家庭免於發生兒虐事件 總計協助了11萬7,506名家庭陷於困境的高風險兒少,87.49%經服務的家庭 未再次發生危機 18 每萬名兒少受到 家內不當對待人數 高雄 9.
90 人 桃園 9. 57 人 台中 8. 27 人 新北 7. 81 人
鄰里長、警察、消防員、教師、就服員 社工、公衛護士、公寓大廈管理員、超商店員 10萬名公私人力 共同為新北兒少架起綿密的安全網 19 打造全面關懷的溫馨城市 19 19
風險警示燈號 透過各單位2,000多名專業人員的登打 紀錄,能看到家庭風險的全貌 藉由紅黃綠燈警示燈號,分級呈現家庭 風險危機程度 透過不同燈號轉換,警示網絡人員增加 服務密度 跨專業整合服務模式 領先 建置高風險服務資訊管理預警系統
20
21 能看到家庭 風險全貌的 登打紀錄 紅黃綠燈基本 預警系統 大數據分析 檢視 過去 預警
現在 決策 未來 持續升級的資訊系統!
再精進策略! 147萬筆巨量資料 獲資料英雄團隊入選 3 個月合作大數據分析…… 22 大數據科學治理 讓社工能精準服務
個資安全 簽訂保密協定 ID轉亂碼 社 工 腦 資料分析 資 工 腦
23
24 大數據分析出新北市高風險家庭的趨勢 不在學校的孩子更危險了…… 6歲以下未就學 / 15歲以上未升學 成為高風險兒童的機率變高了! 2011 ~ 2017
年 通報次數 / 人數|73,885次 / 54,025人 人口集中 移民人口多 隱匿性高 案件通報集中在都會區
大數據找出了易重複發生危機的家庭 探索性發現 1 兒少照顧 異常 經濟 不佳 親屬 支持少 家中成員
健康狀況 不穩 家庭關係 紊亂或 衝突 負債 失業 負擔家計者死亡、 出走、重病、服刑 常劇烈爭吵 單親 帶未成年子女同居 隔代教養 精神疾病未就醫 酒藥(毒)癮 有自殺意圖 未正常飲食 身體有異味髒汙 長期精神不佳 獨留或獨居 未穩定就學 常涉危險場所或事件 25
大數據找出了危機易惡化的家庭 探索性發現 2 此家庭重複被通報危機事件 管理系統紅燈持續超過91天 26
開發隨身簡易風險計算機 提供一線社工或服務人員及時做出精準決策 大數據應用再進化…… 27 ooo OOO XX年XX月XX日
28 28 大數據的限制…… 大數據非自然生成 一切來自過往的累積 大數據只分析既有的資料 Garbage In, Garbage Out
大數據需要好翻譯 實務工作者解讀是關鍵 28
29 大數據的解讀─專家研商會議 真正危險的, 是從未進入系統的孩子…… 需跨科室、跨局處、跨縣市 及與中央系統資料比對和勾稽 將預防層層提前! 29
大數據, 用科學帶孩子走一條安心長大的路! 在成長的路上 我們不願只坐在電話前 被動等待孩子需要救援的訊息 我們決定走到孩子前面……