[主題週案例] 利用大數據改善傳統救災模式

去年(2015)的四月尼泊爾發生了規模7.8級的大地震，造成7000多人喪命，同年的五月多當地又再發生規模7.3的地震，此餘波造成了2500多人死亡。而國際移民署(IOM)利用SAS所提供的視覺化分析工具，將許多的資料整合分析，使得救災工作有大大的成效。

因為地震的發生，許多災民需要住進庇護所，而國際移民署藉由數據分析提供了災民即時的庇護所訊息，讓他們能夠快速地到達庇護所，同時也以下四點為條件找出了高風險庇護所的位置：

• 混合多種危險因素，例如過度擁擠、不安全的飲用水、固體垃圾處理等
• 許多家庭仍生活在臨時庇護所
• 特定的弱勢族群在短時間內快速成長
• 發病率高之老年人痢疾、發燒或是有皮膚疾病

同時藉由數據分析，可以將募集來的物資分配給所需要的地區，不會一昧的只有部分有名地區收到善心人士所捐獻的物資。像是藉由幼兒的數據分析，可以得知哪個地區有較多的嬰兒，並可將哺乳媽媽所需要的相關物資送至該地。

另外，還結合了國際貿易數據來幫助救災！國際移民署在建立臨時庇護所時需要許多的材料，利用國際貿易數據可以查出哪些地方有生產相關的材料，以及如何採購，如此可以更快速的提供災民所需的庇護所。大數據分析的領域中，除了一般我們可以看到的行銷、市場經營等等面向，在人道救援方面也利用大數據提供協助，結合一些原先認為不可能有幫助的資料，例如：由於擔心餘震導致建築物倒塌砸在身上，人們都睡在露天環境中，因此季風季節期間的安全防護是一個大問題。像在季風季節之前，從哪裡可以快速採購金屬屋頂板（CGI），有了聯合國商品貿易統計資料，就能夠更快地獲得物資，讓災民能很快地住到屋裡去。很難想像國際貿易數據可以幫助救災，也許對於未來的救災方式能提供不同的突破點。（張傑）

下圖為金屬屋頂板(CGI)的主要出口國。