編譯:國脈研究院研究員 王克宇
編者按
2005年新奧爾良市受到颶風卡特裡娜襲擊, 此後該市進入了漫長的災後恢復工作中, 在颶風過後五年,
2010年新奧爾良全市有超過4萬的破敗房產, 該市官員利用資料科學來解決這個問題。
回到2010年, 也就是颶風卡特裡娜襲擊新奧爾良五年周年時, 被摧毀的房屋對該市來說仍然是一個棘手的問題。 據估計新奧爾良市有43,755受損房屋和很多雜草叢生地段, 該市當時正在遭受美國最嚴重的災難之一。
這促使市長Mitch Landrieu定了一個大膽的目標:到2014年要減少10,000套破損房屋。 新奧爾良市官員說, 他們提前一年完成了這個目標, 現在破損房屋的數量降到不到 28,000套。
新奧爾良是利用資料分析來改變市政廳工作方式的領導者之一。 該市展示了政府是如何利用資料取得驚人成果的, 即使在資源緊缺的情況下也能如此。 例如, 新奧爾良市開始使用BlightStat時, 由於該程式能從資料中提取所需內容, 在短短10周內, 物業檢查率就提升了5倍。 該市OPA(Office of Performance and Accountability)主任Oliver Wise說, “雖然僅僅是讓某些地區重新恢復照明, 但我們也從中看到了驚人的回報。
Wise的辦公室管理著全市的資料分析計畫。 除了 BlightStat外, 他們還包括用於評估該市各部門績效的ResultsNOLA和用來幫各部門執行自己的分析專案以支援他們自己工作的NOLAlytics。 NOLAlytics扮演的角色就好像是城市機構內部的分析諮詢單位。 Wise解釋說“NOLAlytics為這些部門提供了一些優勢, 以便讓他們工作不吃力。 ”
OPA的員工人數非常少, 一些員工在來這個辦公室工作前從來沒有受過資料科學的培訓。 Wise說道“我們部門的人數從未超過六個人, 我們花了大量時間來學習。 ”工作人員可能早上閱讀機器學習的內容, 下午應用上午學的新知識, 例如幫助 Code Enforcement提高工作效率, 更好地決定如何處理那些破損的房產。
新奧爾良市在這次災難中面臨的最大挑戰之一是如何確定十幾名檢查人員的優先事項,
BlightStat幫助Code Enforcement識別每年出現的4000個房屋破損案例中, 哪些最有可能恢復到最初的狀態。 它考慮了諸如屋頂、地基條件、業主的納稅歷史和該區房地產市場等變數。 “我們利用一切手段來預測那些在現實世界中會有最好結果的案例, ”該市的the Code Enforcement主任說。 對這些有了瞭解, the Code Enforcement就能決定如何分配資源。
要達到預測的目的, 需要執行部門和重建部門以及住房機構間的協調, 以便他們能有策略地進行工作。 關鍵是, Wise團隊必須從十多個系統中獲取資料。
為了鼓勵全市各部門應用資料分析, OPA開發了一個框架, 該框架概述了六種類型的分析項目:“大海撈針";優先處理的工作;早期預警工具;能更快、更好決策的專案;優化資源配置; 用實驗驗證有效性的項目。 ”
最初的提案吸引了20個潛在項目。 Wise說“後來有了很多我們之前沒有想過的項目, 但這些機會是針對有準備和能抓住機會的人”。 從這份長長的潛在項目列表中, OPA選擇了與該市戰略相一致的項目。 “我們還可以選擇那些能夠產生溢出效應的項目, 以更好地發展城市的資料能力, 或者為我們提供一些其他新的能力, 以便在其他地方使用。 ”
“大海撈針”類型中成功的專案, OPA 開發了一個預測模型, 用來確定該市哪些地方最容易發生火災。 新奧爾良市利用這一資訊開展了向易受害家庭分發煙霧報警器的運動。通過分析,發現需要煙霧報警器的家庭數量是城市隨機選擇家庭數量的兩倍。
Wise說,大眾文學為分析領域營造了一種神秘感。“人們認為房間裡安裝著巨大的監視器,用來預測第二天早餐你要吃什麼,這是一種超現實主義。”他認為現實其實要簡單得多,他還說道“有好奇心、聰明、有動力的人具有強烈的公民責任感可以在這一過程中掌握技能,並能迅速地為當地政府提供價值。”
譯自:Willm D.Eggers《New Orleans’ Fight with Blight Started with Data》
新奧爾良市利用這一資訊開展了向易受害家庭分發煙霧報警器的運動。通過分析,發現需要煙霧報警器的家庭數量是城市隨機選擇家庭數量的兩倍。Wise說,大眾文學為分析領域營造了一種神秘感。“人們認為房間裡安裝著巨大的監視器,用來預測第二天早餐你要吃什麼,這是一種超現實主義。”他認為現實其實要簡單得多,他還說道“有好奇心、聰明、有動力的人具有強烈的公民責任感可以在這一過程中掌握技能,並能迅速地為當地政府提供價值。”
譯自:Willm D.Eggers《New Orleans’ Fight with Blight Started with Data》