NEWS

政府篇〉新北市府 用數據分析陳情案

匯整指標找出民怨,對症下藥效率高

匯整指標找出民怨,對症下藥效率高
作者:王怡棻
攝影:蘇義傑
日期:2014-06-30

想到「大數據」,許多人腦中立即浮現幾個成功案例。例如,美國標靶百貨(Target)用購物資訊分析出顧客懷孕、Google用搜尋資料預測流感週期等。其實市政府每日接獲的「民眾陳情」都可以是大數據的應用範疇。新北市即是靈活運用大數據分析,改善民眾抱怨的代表。

雖然導入才短短三年,但已創造出斐然成果。不但多達119項市政服務有了顯著提升,民眾申辦案件的處理流程也大幅縮短,滿意度由68%大幅躍升到85%。「之所以運用大數據分析,是因為想要掌握民眾抱怨的整體面貌(big picture)!」主導專案的新北市研考會主委吳肇銘說,應用大數據不但讓市民申訴的「What」更具體,也幫助各局處找出「Why」,並解決問題。

之前是中原大學資訊管理系教授的吳肇銘,很早就清楚大數據的功用,只是從建立資料庫,到分析中獲得「洞察」、與建立處理機制都需要時間。2011年初,新北市剛由「台北縣」升格,有「市長信箱」「 1999專線」。然而當時兩者的應用,只是單純的受理及回覆。承辦人員只需在六天期限內回覆。

步驟1〉態樣分析找關鍵問題

當時1999市政專線每月接到八、九萬通電話,市長信箱每月收到15萬封郵件,總計超過20萬的「巨量資料」。然而,這20多萬筆申訴,到底「主要」在講什麼?沒人能肯定回答。「案件重複情況只有承辦人員最清楚,但管理階層並不瞭解,因為沒有一個有效的監測及分析方法,」吳肇銘表示。

為了找出「What」,新北市研考會開始把所有案件加標籤。透過第一步的「態樣分析」,哪些是民眾最在意的問題就昭然若揭。「簡單來說,就是『路平燈亮水溝通,環境清潔社區安寧』,已經串成順口溜了,」吳肇銘笑說。

步驟2〉熱點分析找原因

把數百萬筆資料分類後,第二步,是從事件、地點、人三方面,針對民眾迭次陳情進行「熱點分析」,找出為什麼某個類型的案件特別多、為什麼某個地點最常發生問題,以及為什麼某人最常被投訴。例如,為了便利通勤族到台北市上班,新北市推出「快速公車」,本來是利益良善的政策,沒想到才上路不久就接到大量投訴,搭不到車。

因為是短期內同一類型爆量案件,大數據立即警示,讓相關單位知道問題嚴重。調查發現,公車上高速公路有乘載人數限制,由於行經前幾站時座位已坐滿,因此在高速公路前一站等車的人,即使再早出門也上不了車。因為大數據示警,相關單位瞭解到急迫性,規劃出用接駁車將末站的「早鳥」送到前幾站等車的機制。接駁車上路後,陳情立即下降,顯示奏效。大數據分析,不只能找出問題最多的「事」,也能揪出怠忽職守的「人」。

比方在分析民眾陳情時,發現關於一項特殊身分的幼兒園補助津貼業務,被投訴特別多。許多家長不約而同反應,學期初申請補助,到學期結束還沒收到。因為這項業務都是由同一人員承辦,研考會循線了解,才發現這位承辦人一直以「中央錢沒發下來」推託,根本不知道有「市府代墊」的機制。還好最後找出癥結,否則不知道還會得罪多少市民。

跨局處協調 打破本位主義

然而要讓讓大數據的「洞察」,變成決策參考,同時掃除「知而不行」的障礙,組織必須先建立一套機制。

因此在建立大數據系統後,新北市研考會就每日、每週把分析資料整理成報表,提供各局處主管,讓他們知道哪些問題須在第一時間關注。另外成立「流程精進委員會」的跨局處協調機制。因為在分析中發現,有些問題不是單一機構或單一承辦人的問題,必須跨機關解決。比方某路口常肇事,警察局加派警力只是「治標」,但常常主因是路段設計不良,若交通局認為「肇事減少」不算自己績效,不願派員改善動線規劃,問題不可能解決。

「以前一些局處會想這案『關我什麼事』,但在流程精進委員會上就不好這樣說,」吳肇銘笑說,推諉情況已大幅減少。透過大數據,新北市更瞭解民眾心聲,也讓過去束手無策的問題找到解決良方,大大提升效率。

關鍵字:智慧科技
推薦文章 推薦文章
TOP