少買辣椒,失業率上升:大數據也能做善事

圖片來源:Shutterstock

作者:蕭富元

這家由教授創辦的公司,成立41年,沒有虧損過,業績沒有衰退過,在全球各種最佳雇主排行評比,上榜率百分之百。它還會預測失業率、協助救災、幫忙國際組織省錢募款。

總部位在美國北卡羅來納州小鎮卡瑞(Cary)的商用分析軟體公司SAS,去年營業額32億美元,跟台灣最大連鎖超市全聯差不多;SAS全球59個據點、14000多名員工,不論是營收或企業規模,都不算大。但是,它卻善用核心能力——數據分析,把CSR做得「很科技、很國際」。

兩年前,SAS成立專門的CSR「數據為善」(Data for Good)計畫小組,有超過千位員工參與相關專案。SAS原本就實施彈性工時,員工可以在上班時間運用數據分析專業,協助非營利組織從事人道救援。
 
「for good,除了是做善事,也有永久的意思,」SAS大中華區總裁吳輔世說,數據分析師走出冰冷的數字象牙塔,和國際組織攜手合作,解決人類面對的貧困、健康、人權、災難等困境。

數據冷冰冰的,沒有手,也沒有腳,要怎麼急難救助?

臉書、推特的討論串,預測失業率

就拿各國政府最頭痛的失業問題來說吧。

聯合國有一個「全球脈動計畫」(UN Global Pulse),其中的社福專案,就是委託SAS數據為善小組,分析社群聊天室內容,預測失業率走向。

數據分析師在美國和愛爾蘭新聞媒體與社群進行為期兩年的研究,透過情緒評核關聯指標分析,發現幾個事前指標和失業率高度相關。例如,網友在社群提到搭乘大眾運輸工具的比例增加,或日用品價格下降,這些話題討論度升高後四個月,失業率也跟著上升。

這個預測模型也找到相關事後指標,像是愛爾蘭失業率上升後八個月,賣房討論度跟著提升,但美國是失業率上升後兩個月,就已出現相關言論。這些時間順序是很好的預警系統,可以提醒政府提前採取因應對策,如預先處理房貸,防止違約引發的金融風暴。

又如,數據為善團隊分析印尼推特推文後發現,當消費者少買辣椒後,失業率開始上升。推特上的民生消費討論串,讓印尼政府掌握民生需求,甚至成為分配社會福利資源的依據之一。

「我們透過社交媒體的論壇訊息,做情感情緒分析,提供預警信號,這可以做為決策參考,但還是要靠人的智慧做最後判斷。」吳輔世說。

在救災重建工作上,數據分析也發揮效果。

吳輔世舉例,2015年4月尼泊爾發生8.1級大地震,造成8千多人死亡,2萬多人受傷。令人擔憂的是,5、6月是尼泊爾的季風季節,經常下大豪雨,住在臨時帳篷裡的6萬多家庭需要能遮風避雨的臨時住所。

國際移民組織(IOM)要為災民蓋鋅鋁合金屋頂,只有一個月時間,要去哪裡找材料?IOM找到SAS,數據小組從聯合國三億多筆全球貿易數據中,發現尼泊爾鄰國中國、印度是世界最大金屬屋頂供應商,並找出能最快出貨的廠商。IOM因此順利買到31萬張金屬屋頂,在雨季來臨前完成臨時庇護所。

數據帶女童難民回家

數據為善團隊還從難民中找出需要特殊照顧的弱勢族群。數據志工做出視覺化圖表,發現8個難民營的400多位女性,其中一半是5歲以下的女童,她們需要特別防護網追蹤。志工早上在難民營收集資訊,下午做分析,晚上把訊息傳送出去,最終把女童送回家團聚。

大數據還可以為NGO團體降低募款成本。

世界自然基金會(WWF)在數據為善志工協助下,優化募款活動,降低重複寄送郵件的成本,省下高昂的外部顧問公司服務費。根據WWF統計,優化後,基金會減少發送50萬份募款郵件,每封郵件捐款額度還提高25%。

數據行善已行之有年,以台灣為例,莫拉克風災、高雄氣爆後,網路上都有熱心工程師,自動串連製作數據圖表。但數據行善的困難處,除了是取得夠大的資料,還要夠多的數據分析師加入。今年4月,SAS推出「Gather IQ」APP應用平台,由SAS免費提供分析工具,有公益需求時,在平台上徵求議題或數據,數據志工會先把初步分析結果放上平台,再廣求各種領域專家協助共解。IOM就在Gather IQ發布「失蹤移民專案計畫」,將移民資訊、路線、地點做成視覺化圖表,請平台上的各方專家,幫忙解讀IOM看不到的盲點。Gather IQ上線三個月,已有56國、2萬人下載。

由大學教授古德奈(Jim Goodnight)共同創辦的SAS,41年來,年年成長,從未虧損,也是國際各種最佳雇主評比的常勝軍。今年6月《財星》(Fortune)雜誌評選SAS為千禧世代最佳工作場所第2名(第1名為美國軟體公司Ultimate Software)。到今年8月底,SAS已登上17國2017年最佳雇主的排行榜。

五年前,古德奈曾接受《天下》雜誌專訪,他直言,身為執行長,他最希望SAS「是一間有很棒工作環境、很照顧員工的分析軟體公司,能夠被選為最佳雇主,是我很大的成就,因為企業原本就應該這樣經營。」

《延伸閱讀》
員工愈幸福 企業獲利愈高