消防員打火就打火,為何要談大數據?

消防員打火就打火,為何要談大數據?
Photo Credit:Jay Adan CC BY-SA 2.0
我們想讓你知道的是

透過大數據若能聚焦、掌握出易發生火災之區域後,在火災預防工作上,最直接便可以做到以下幾件事,節約人力、經費、資源。

唸給你聽
powered by Cyberon

台灣消防工作的推行日益艱困。城市化、人口聚集、經濟產業的發展大幅增加救災風險,民眾對於安全的需求與渴望也節節攀升。

雖然隨著科技發展,消防單位在救災裝備、戰技與戰術上已有長足進步,但在政府的人力編制與預算有限的情況下,面對日益增長、龐大的勤業務壓力,若實際走訪第一線消防分隊聊聊,你會看到出勤後剛返隊的消防弟兄們,擦擦額頭涔涔汗水,苦笑著說:「還勉強應付得過來⋯⋯」而這已經是最樂觀的反應了。

能怎麼辦?

檢討勤務、調整政策、補足人力⋯⋯,是從中央到地方、從幹部到基層,都盼望在現行消防工作上實現並持續努力的目標。即使如此,我們依然要關注幾個問題:

一、政府預算越來越少,雖然充足的預算可購買更精良的裝備機具與車輛器材,但當數量超過既有人力的管理及使用能耐,在災害應變時,解決問題的幅度依然有限,甚至反而成為負擔。

二、政府編制只會減不會增,即使消防人力增加到法定員額,或許減緩消防人員過勞並增加消防人員休息及訓練時間,但增加的人力遠追不上日益成長的勤務量。

三、消防人員期盼的「回歸專業」,從消防專業立場來看無庸置疑,但從整體民眾需求、民意期待、政府執政的角度,必定無法接受增加預算、補足人力後,消防單位還是做跟之前一樣的事。

其實,除了政策面,還可以從資料面著手,簡而言之就是「大數據」。

別跟我談資訊,我只是消防隊?

如果我們能夠將各個小型資料集合併後,進行分析,便可得出許多額外的資訊和資料關聯性。

等等!大數據?我只是消防員呀!

消防人員常講:「消防要回歸專業」,沒錯,消防「勤務」跟「執行」要回歸專業,但消防的「思維」不能只侷限在消防領域。

如果所謂回歸專業就是「吃的、想的、做的、拉的」都在消防的圈圈裡,那才叫做「不專業」,因為這就變成只困在消防的框框裡,卻沒有意識到消防跟其他領域的相互關係、循環影響、運作方式甚至趨勢變化,也因此所有的想法都在這個小框框近親繁殖。你會發現大家的意見看法都很一致,但也很一致地對許多問題莫可奈何,甚或根本看不到問題癥結。丹尼爾・康納曼便在其著作《快思慢想》談到:「我們不僅盲目於明顯的事物,也盲目於自己的盲目。」

另外,吉蓮・邰蒂於2016年2月出版的《穀倉效應》,也談到一個很有意思的觀點,她提出疑問:「為什麼分工反而造成個人失去競爭力?企業崩壞、政府無能、經濟失控?」因為大家陷於自己小小的部門、社群、團隊或知識中,或者說,陷於自己的「穀倉」中。這個時代的兩難困境在於,世界一方面密切整合、一方面分散零碎,全球日益牽一髮動全身,而我們的行為與思維卻困於小小穀倉裡。

穀倉效應
Photo Credit:三采文化

有時能解決、改善一個組織問題的方法,來自於組織外部的思維或模式。

這裡沒有要消防人員「親自」去操作大數據運算,事實上也根本不可能,但我們要知道大數據可以「怎麼樣」?「哪些人」可以幫忙?我們自己能夠「怎麼提供」協助與支援?很重要的是,你要知道哪裡有資源。

而如果我們能夠克服穀倉效應,整合其他單位的大數據,絕對會有革命性的發現。

大數據+克服穀倉效應:紐約彭博市府的機密任務

「穀倉效應」書中談到一個非常貼切的實際故事。2011年4月25日凌晨,紐約布朗克斯一處貧民社區發生嚴重火警,造成多人喪生,媒體怒氣沖沖地點名罪魁禍首,其中有些直指紐約市政府。

火警消息剛傳出來,紐約市長麥可・彭博問了屬下一個問題:「能否採取什麼方法來預防這類火警?」沒有人答得出來。紐約市的一個黑暗秘密就是:住宅火警稀鬆平常,在2011年之前的那10年,每年約有2,700間民宅失火,平均奪走85條性命。

紐約本身配有消防檢查隊,但只有200人,卻要負起全市100萬棟大樓與400萬戶的消防檢查,簡直力不從心,市府也沒有多餘的經費擴編部門;另外,民眾檢舉通報後的消防安檢也經常白忙一場,因為只有13%的建築違規通報是真的有問題。

福爾勞斯是紐約市政府團隊中的一員,他奉命解決這個問題,而他並不是消防人員。

有時,比對乍看無關的資訊會別有收穫。

我們來看看他做了什麼?

福爾勞斯在免費分類廣告的網站張貼廣告,徵求年輕的「資料分析高手」,他想找剛從大學畢業,擅長經濟數學,能提供嶄新眼光的人組成團隊。並要團隊整理紐約市的火警資料(消防局既有的各項報案資料、火警資料、311支專線違建通報⋯⋯等),設法預測火警,結果一無所獲。但發現一件事:多數違建通報的地點並非最常發生火災的地區,也不是最多違建的地區。

消防局的資料顯然不夠,因此需要檢視消防局以外的數據。福爾勞斯要求團隊離開辦公室,跟不同警察局、消防局、房屋署、建築部的檢查人員出去,以開放的態度親臨現場,看一看、聽一聽、修正假設。後來一個線索逐漸浮現:容易失火的建築通常建於1938年以前,因為紐約當時的建築法規較寬鬆。這些建築通常位於比較貧窮的社區,持有人往往欠繳房貸,先前鄰居通報過說有不良份子出入。他們便依這樣的線索開始檢視相關資料,但面臨一個困難:資料是儲存於不同的資料庫,整個市府團隊不只不同部門各自為政,連同一部門內部都細分為不同團隊,資料各自分散。

團隊利用「一級地類稅務資料庫」挑出64萬棟房屋。基於紐約特殊的法規,這些建築有一半是由消防局負責檢查,另一半是由建築部。但團隊一併檢視這兩個部門的不同資料,查看火警與違建申訴狀況。另外,財政局與調查局是兩個不同的部門,分別負責稅務與詐騙問題,團隊則一併檢視稅款繳納記錄與房貸拖欠記錄,然後再跟建築局取得1938年以前的建築資料,最後用「單一統計模型」比對所有資料,漸漸看出規律。

他們發現,當一棟建築物同時具備這4個危險因子,則失火與違建的比率高出很多,即使沒人申訴亦同。換句話說,如果想找出容易失火的危險房屋,與其依賴311支專線的特定申訴,不如比對以下資料:房貸欠繳狀況、建造年度、反映社區貧富的諸多指標⋯⋯

在副市長的支持下,福爾勞斯找上建築局的檢查員,請他們根據研究計算的結果進行同類建築的檢查,建築部只回他:「爛主意,別發神經了!」當然最終態度軟化,並採取他們的點子。結果相當驚人,原本若透過報案只有13%的受檢房屋有問題,如今這個數字竄升為70%,儘管幾乎沒多花一毛錢,檢查成效卻暴增4倍!

是僥倖嗎?團隊開始把這一套運用到大型建築,並繼續開始跟著建築局的檢查員到處跑。有天,團隊跟檢查員閒聊時,一位檢查員說:「根據多年檢查經驗,肯花錢翻新磁磚的屋主不會容忍失火風險。」於是團隊開始查看紐約市的磁磚載運紀錄,並把這份資料加入其他數據,結果讓預測準度大幅提升。

INSIDE網站其中一篇文章〈紐約消防隊如何用數據挖掘來打火〉探討得更加詳細:在資料數據及統計更加完整後,紐約消防員將影響房屋起火的因素分為60個。除去危害性較小的小型獨立屋,相關人員通過特定算法,為城市中33萬棟需要檢驗的建築物單獨進行打分,這樣當消防員每週出勤檢驗時,系統都會列出建築物的詳細資料和危險指數,決定哪些是優先「照顧」的對象。

這個龐大的數據挖掘計劃從2013年7月開始實施,預計會將全紐約建築為歸類成2400種,例如學校、圖書館這種比較重要的設施,就會列入超常規檢驗對象。

稍做整理後,從執行步驟來看,福爾勞斯的做法分成5個階段。

  • 第一步:徵求資料分析人員,組成團隊。
  • 第二步:整合其他單位資料,以開放態度親臨現場掌握線索。
  • 第三步:進行資料整理與比對,看出規律。
  • 第四步:爭取市府奧援,實際驗證成效。
  • 第五步:擴大延伸應用。

紐約消防局發言人曾為此表示:透過數據,確實看到火災數量的下降。

消防員_fire fighters
Photo Credit:Jay Adan CC BY 2.0
具體應用及遭遇問題

透過大數據若能聚焦、掌握出易發生火災之區域後,在火災預防工作上,最直接便可以做到以下幾件事,節約人力、經費、資源:

一、聚焦重點消防檢查、違規取締對象,將有限的消防人力及資源用在刀口上。根據這些大數據顯示的情報去確定檢查對象和時間,而不是隨機檢查或者全部檢查。

二、針對城市的易致災區域,優化人力及車輛配置,甚至勤休制度的調整,降低人員於隊部待命的空窗時間。

三、掌握城市各個角落對於消防安全知識的需求程度,從而有針對性地開展消防宣傳工作,摒棄傳統工作中的填鴨演講式、拜託與討好民眾的教育方法。

那麼在應用大數據上,可能會遭遇什麼樣的問題呢?

去年10月,紐約知名資料科學家威靈頓訪台,他認為台灣政府的網站及資料公開的做法很友善,利於應用大數據處理資料。但台大經濟系梁國源教授曾撰〈戀上大數據之前必須知道的事〉一文中提及:大數據應用雖是各領域未來發展趨勢,卻非解決所有問題的萬靈丹。對於操作大數據,需要具備幾個重要的認知:

一、大數據技術只能做到相關性的瞭解,亦即僅知變數間的關係為何,無法得知因果條件。

二、若盲目地利用大數據所得的相關性結果,去推論預定目標群中的人事物,是極有可能產生虛假相關。

三、大數據應用普及化後,極可能對隱私權造成侵害。

結論

紐約市政府福爾勞斯的做法雖可供我們參考,但台灣的消防深陷公務體系架構囹圄,加上公部門長期氛圍為防弊而非興利,使得消防機關動輒面對法律與調查。若資料的取得應用「可能」有所爭議,便容易讓好的、前瞻的、具魄力的計畫胎死腹中或功虧一簣。

從小地方先著手,實驗性的嘗試、試辦可能是目前最佳的策略,方向對了,就不嫌路遠。

本文由作者授權刊登,原文發表於

責任編輯:闕士淵
核稿編輯:楊之瑜

4月主題徵文
或許你會想看
更多『評論』文章 更多『科技』文章 更多『蔡 宗翰』文章
Loader