DataKind Singapore’s Latest Project Accelerator

eugeneyan

eugeneyan

Начало Публикации Выступления Прототипы Обо мне

DataKind Singapore’s Latest Project Accelerator

Последний Project Accelerator от DataKind Singapore

[ datascience ] · 8 min read

[ datascience ] · 8 мин. чтения

Originally posted on DataKind’s blog.

Изначально опубликовано в блоге DataKind.

From providing clean water and sanitation to fighting human trafficking to improving the lives of the underserved, nonprofits in our region are collecting a lot of useful data that could help inform their work and better serve their communities. However, many don’t have the time or staff expertise to clean, analyze, and visualize the data to take advantage of this powerful resource.

От обеспечения чистой водой и санитарией до борьбы с торговлей людьми и улучшения жизни малообеспеченных слоёв населения — некоммерческие организации нашего региона собирают огромное количество полезных данных, которые могли бы помочь в их работе и лучше обслуживать местные сообщества. Однако у многих из них нет ни времени, ни квалифицированных сотрудников, чтобы очистить, проанализировать и визуализировать эти данные и воспользоваться этим мощным ресурсом.

During DataKind Singapore’s third Project Accelerator, over 40 volunteer data scientists came together for a night of brainstorming and consulting to help four local organizations do just this.

Во время третьего Project Accelerator, организованного DataKind Singapore, более 40 волонтёров — специалистов по анализу данных — собрались вместе на вечер мозгового штурма и консультирования, чтобы помочь четырём местным организациям именно в этом.

Representatives from Lien AID, Phandeeyar, Walk Strong, and Liberty Asia briefly talked about the challenges they face and how they hoped to use data to tackle them. Participants then broke up into different focus groups to frame the problems and suggest solutions to the most pressing issues.

Представители Lien AID, Phandeeyar, Walk Strong и Liberty Asia кратко рассказали о проблемах, с которыми они сталкиваются, и о том, как надеются использовать данные для их решения. Затем участники разделились на фокус-группы, чтобы сформулировать задачи и предложить решения наиболее актуальных вопросов.

Briefing before starting the project accelerator

Брифинг перед началом Project Accelerator

Lien AID

Lien AID

Lien AID is a nonprofit that aims to improves the lives of rural communities in Asia by making clean water and sanitation accessible and affordable to them. In developing countries, about 80% of illnesses are linked to poor water and sanitation, and one out of every five deaths under five is due to a water-related disease. Furthermore, the burden of collecting clean water—usually on women and children—reduces time spent in an income-generating job or attending school. To provide sustainable access to clean water, Lien AID partners with local governments and organizations to build water treatment plants that provide bottled and piped water.

Lien AID — некоммерческая организация, стремящаяся улучшить жизнь сельских сообществ в Азии, делая чистую воду и санитарию доступными и недорогими. В развивающихся странах около 80% заболеваний связаны с плохим качеством воды и санитарии, а каждый пятый случай смерти детей до пяти лет вызван заболеванием, связанным с водой. Кроме того, необходимость добывать чистую воду — обычно ложащаяся на женщин и детей — сокращает время, которое можно было бы потратить на оплачиваемую работу или учёбу. Для обеспечения устойчивого доступа к чистой воде Lien AID сотрудничает с местными органами власти и организациями, строя водоочистные станции, производящие бутилированную и водопроводную воду.

Problem Statement: To understand the consumption of clean drinking water in a community, Lien AID tracks households that buy bottled water by collecting data through phone calls to local operators. However, this data can be unreliable, making it difficult to get an accurate picture of bottled water consumption and its related benefits. In addition, Lien AID has collected significant data from its needs assessment surveys and other sources, but much of this is free text. They requested guidance on how to begin analyzing the data, especially unstructured free text data.

Постановка задачи: Чтобы понять потребление чистой питьевой воды в сообществе, Lien AID отслеживает домохозяйства, покупающие бутилированную воду, собирая данные посредством телефонных звонков местным операторам. Однако эти данные могут быть ненадёжными, что затрудняет получение точной картины потребления бутилированной воды и связанных с ним преимуществ. Кроме того, Lien AID накопила значительный объём данных из опросов по оценке потребностей и других источников, но большая часть этих данных представляет собой свободный текст. Организация запросила рекомендации по началу анализа данных, особенно неструктурированных текстовых данных.

Proposed Solutions: To improve the accuracy of tracking bottled water sales, we suggested providing each household with identification cards and/or numbering the reusable water bottles. Purchases of bottled water can then be tracked by recording the numbers of incoming and outgoing bottles, with transaction data stored in a centralized database. Depending on the tech comfort level of the local operators, the simple numbering could be replaced by barcodes or QR codes.

Предложенные решения: Для повышения точности отслеживания продаж бутилированной воды мы предложили выдать каждому домохозяйству идентификационные карты и/или пронумеровать многоразовые бутылки для воды. Покупки бутилированной воды можно отслеживать, регистрируя номера входящих и исходящих бутылок, а данные о транзакциях хранить в централизованной базе данных. В зависимости от уровня технической грамотности местных операторов простая нумерация может быть заменена штрихкодами или QR-кодами.

To better structure data in the collection phase (and reduce data cleanup after), we suggested replacing free text fields with multiple response questions. To better understand how Lien AID can analyze their existing data, we suggested Lien AID provide a data sample to assess how best to begin. It’s always important to first develop clear questions of the data before jumping into the analysis.

Для лучшего структурирования данных на этапе сбора (и сокращения последующей очистки) мы предложили заменить свободные текстовые поля вопросами с вариантами ответов. Чтобы лучше понять, как Lien AID может анализировать имеющиеся данные, мы предложили организации предоставить образец данных для оценки оптимального подхода. Всегда важно сначала сформулировать чёткие вопросы к данным, прежде чем переходить к анализу.

Phandeeyar

Phandeeyar

Phandeeyar is a nonprofit tech hub that brings together the tech community to accelerate development in Myanmar. Myanmar has opened up recently, though the decades of isolation led to an information and communication technology deficit. Thus, there is great potential for Myanmar to harness technology and the internet to foster social change. With this in mind, Phandeeyar aims to foster collaboration between the tech community, civil society, and journalists to create positive social impact. Past activities include collaborating with Google to crowdsource the improvement of Google Translate for Myanmar and organizing data journalism workshops on data analysis and visualization.

Phandeeyar — некоммерческий технологический хаб, объединяющий технологическое сообщество для ускорения развития Мьянмы. Мьянма открылась для мира относительно недавно, а десятилетия изоляции привели к дефициту информационных и коммуникационных технологий. Поэтому у Мьянмы есть огромный потенциал для использования технологий и интернета в целях социальных преобразований. С учётом этого Phandeeyar стремится содействовать сотрудничеству между технологическим сообществом, гражданским обществом и журналистами для достижения позитивного социального эффекта. Среди прошлых мероприятий — совместная работа с Google по краудсорсинговому улучшению Google Translate для Мьянмы и организация семинаров по журналистике данных, посвящённых анализу и визуализации данных.

Problem Statement: Phandeeyar aims to improve its capability in matching nonprofits’ needs with volunteers having the right skill sets. Currently, the process is largely manual and reliant on Phandeeyar team members’ knowledge of nonprofits and the tech community and there is no centralised database. In addition, being a relatively young group, Phandeeyar lacked an organized and efficient workflow. This limited its ability to collect data about its events and stakeholders that attend (e.g., needs, skills, contact information), making it difficult to link up civil society and nonprofits’ needs with members of the tech community that have the right skills.

Постановка задачи: Phandeeyar стремится улучшить свои возможности по подбору волонтёров с нужными навыками под потребности некоммерческих организаций. В настоящее время этот процесс в основном ручной и зависит от знаний сотрудников Phandeeyar о некоммерческих организациях и технологическом сообществе, а централизованная база данных отсутствует. Кроме того, будучи относительно молодой группой, Phandeeyar не имела организованного и эффективного рабочего процесса. Это ограничивало её возможности по сбору данных о мероприятиях и участниках (например, потребности, навыки, контактная информация), затрудняя связь между нуждами гражданского общества и некоммерческих организаций и представителями технологического сообщества с соответствующими компетенциями.

Proposed Solutions: To automate the collection of data on nonprofits (and their needs) and the tech community (and their skill sets), the use of Google forms was proposed. Well structured Google forms with multi response options for needs and skill sets (e.g., data cleaning, analysis, visualisation, etc) would help match nonprofits with specific needs to volunteers with the right skill set. To improve Phandeeyar’s workflow, we suggested forming internal teams for each aspect (e.g., outreach, logistics, etc) as well as coordinating work using project management tools such as Trello.

Предложенные решения: Для автоматизации сбора данных о некоммерческих организациях (и их потребностях) и технологическом сообществе (и его навыках) было предложено использовать Google-формы. Хорошо структурированные Google-формы с вариантами ответов для потребностей и навыков (например, очистка данных, анализ, визуализация и т. д.) помогли бы связывать некоммерческие организации с конкретными потребностями и волонтёров с нужными навыками. Для улучшения рабочего процесса Phandeeyar мы предложили создать внутренние команды для каждого направления (например, взаимодействие с партнёрами, логистика и т. д.), а также координировать работу с помощью инструментов управления проектами, таких как Trello.

Walk Strong

Walk Strong

Walk Strong, directly translated from “Jalan Kukoh,” is a movement dedicated to improving the lives of the underserved Jalan Kukoh community. Comprising nine rental blocks (approximately 4,000 residents), Jalan Kukoh is one of the poorest neighbourhoods in Singapore. The community consists largely of elderly people living alone and includes single mothers, ex-convicts, and the homeless. To improve the lives of the community, Walk Strong intends to better understand the needs of the estate and its residents. With its deeper understanding, it aims to design target programs to meet community needs and advise other organisations on how best to help the community.

Walk Strong, что является прямым переводом «Jalan Kukoh», — это движение, посвящённое улучшению жизни малообеспеченного сообщества Jalan Kukoh. Район Jalan Kukoh, состоящий из девяти арендных жилых блоков (около 4 000 жителей), является одним из беднейших кварталов Сингапура. Сообщество в основном состоит из одиноких пожилых людей, а также включает матерей-одиночек, бывших заключённых и бездомных. Для улучшения жизни сообщества Walk Strong намерена глубже понять потребности района и его жителей. Обладая более полным пониманием, организация стремится разрабатывать целевые программы для удовлетворения потребностей сообщества и консультировать другие организации по наиболее эффективным способам помощи.

Problem Statement: Walk Strong shared that they had some data on the Jalan Kukoh community, though it was stored in an inconsistent and ad-hoc manner. To better understand the needs of the community and complement their existing data, Walk Strong aimed to conduct a survey to collect information on income, education, food sources, incarceration rates, etc. Walk Strong also wanted help designing a comprehensive data platform to consolidate, clean, and analyze their data. Insights from the data analysis could then be used to guide programs for the community.

Постановка задачи: Walk Strong рассказала, что располагает некоторыми данными о сообществе Jalan Kukoh, однако они хранятся в непоследовательном и бессистемном порядке. Чтобы лучше понять потребности сообщества и дополнить имеющиеся данные, Walk Strong планировала провести опрос для сбора информации о доходах, образовании, источниках продовольствия, уровне судимости и т. д. Walk Strong также обратилась за помощью в разработке комплексной платформы данных для консолидации, очистки и анализа своих данных. Результаты анализа данных затем могли бы использоваться для формирования программ помощи сообществу.

Proposed Solutions: We suggested to first implement a simple case management system (e.g., Google Sheets) to store Walk Strong’s existing data in a structured manner; additional data from the survey could also be added to it. For the survey, we suggested starting with households that were already familiar with and trusted Walk Strong. The quick collection of initial data could then be used for analysis and guide further tweaking of the survey if necessary. Some of the questions may be sensitive and respondents may not be willing to answer them. To address this, we suggested ordering easy-to-answer factual questions at the start before following up with more sensitive questions (e.g., criminal history) possibly at a later phase.

Предложенные решения: Мы предложили для начала внедрить простую систему управления случаями (например, Google Sheets) для хранения имеющихся данных Walk Strong в структурированном виде; дополнительные данные из опроса также можно было бы добавлять в неё. Для опроса мы предложили начать с домохозяйств, которые уже знакомы с Walk Strong и доверяют ей. Быстрый сбор первичных данных затем можно было бы использовать для анализа и при необходимости для дальнейшей корректировки опроса. Некоторые вопросы могут быть деликатными, и респонденты могут отказаться на них отвечать. Для решения этой проблемы мы предложили размещать в начале простые фактологические вопросы, а затем переходить к более чувствительным вопросам (например, о судимости), возможно, на следующем этапе.

Liberty Asia

Liberty Asia

Liberty Asia works with anti-trafficking organizations to fill gaps in data, technology, and legal expertise. Often, data is collected via hardcopy forms, making it difficult to share and use victim and evidence data for conducting investigations. In addition, organizations using the data are vulnerable to accusations of defamation and violations of data privacy. To address these challenges, Liberty Asia provides a cloud-based case management platform (based on Salesforce) to frontline organizations, facilitating the storage, sharing, and analysis of data. It also provides a platform to facilitate knowledge sharing and cooperation between anti-trafficking organizations, as well as legal expertise and training.

Liberty Asia работает с организациями по борьбе с торговлей людьми, восполняя пробелы в данных, технологиях и юридической экспертизе. Зачастую данные собираются на бумажных бланках, что затрудняет обмен и использование данных о жертвах и доказательствах для проведения расследований. Кроме того, организации, использующие эти данные, уязвимы перед обвинениями в клевете и нарушении конфиденциальности данных. Для решения этих проблем Liberty Asia предоставляет облачную платформу управления случаями (на базе Salesforce) организациям, работающим на передовой, облегчая хранение, обмен и анализ данных. Она также предоставляет платформу для обмена знаниями и сотрудничества между организациями по борьбе с торговлей людьми, а также юридическую экспертизу и обучение.

Problem Statement: As Liberty Asia did not have any specific problems, the focus group discussion was centred around its platform, data collected, and how it is currently being used by its partners. With a greater understanding of its platform and data, we shared possible visualization use cases and text mining techniques to analyze their documents (e.g., NLP, topic modeling).

Постановка задачи: Поскольку у Liberty Asia не было конкретных проблем, обсуждение в фокус-группе сосредоточилось на её платформе, собираемых данных и том, как они в настоящее время используются партнёрами. Получив более глубокое понимание платформы и данных, мы поделились возможными сценариями визуализации и методами анализа текста для обработки документов (например, NLP, тематическое моделирование).

Collaboration with other nonprofits: Some areas for collaboration between Liberty Asia and other nonprofits were noted while preparing for the Project Accelerator. For one, Xinyi and Duncan from Liberty Asia had previously conducted a survey with a nonprofit in a low-income neighborhood in Hong Kong. The survey aimed to identify root-causes of social immobility and ways to adjust the nonprofit’s programs to enable disadvantaged youth to reach their full potential. This was relevant to Walk Strong and its endeavour to conduct a survey. Immediately after the Project Accelerator, representatives of Liberty Asia and Walk Strong had a fruitful discussion over dinner, which included suggestions on how to ask sensitive questions. For example, rather than asking if the respondent had ever been incarcerated, it was more likely to get response if they asked how many of the respondent’s acquaintances had been incarcerated. In addition, Liberty Asia’s case management platform appeared relevant to an existing DataCorps project—the DataCorps team had a follow-up discussion with Liberty Asia to evaluate the platform.

Сотрудничество с другими некоммерческими организациями: При подготовке к Project Accelerator были выявлены некоторые направления сотрудничества между Liberty Asia и другими некоммерческими организациями. Во-первых, Xinyi и Duncan из Liberty Asia ранее проводили опрос совместно с некоммерческой организацией в малообеспеченном районе Гонконга. Опрос был направлен на выявление коренных причин социальной неподвижности и поиск способов адаптации программ организации, чтобы дать неблагополучной молодёжи возможность полностью реализовать свой потенциал. Это было актуально для Walk Strong и её задачи по проведению опроса. Сразу после Project Accelerator представители Liberty Asia и Walk Strong провели плодотворное обсуждение за ужином, которое включало рекомендации по формулированию деликатных вопросов. Например, вместо того чтобы спрашивать, был ли респондент когда-либо в заключении, более вероятно получить ответ, если спросить, сколько знакомых респондента побывали в заключении. Кроме того, платформа управления случаями Liberty Asia оказалась актуальной для существующего проекта DataCorps — команда DataCorps провела дополнительное обсуждение с Liberty Asia для оценки платформы.

Get Involved

Присоединяйтесь

After the intense focus group sessions, each group shared a summary of discussions with the rest of the participants. Each nonprofit was able to access data science experts to get feedback and left with clear next steps on how to tackle their data challenges. It also allowed volunteers to apply their experience with data and data analysis to help nonprofits that are working to make our local communities stronger. We can’t wait to see what happens next with these organizations!

После интенсивных сессий фокус-групп каждая группа поделилась кратким изложением обсуждений с остальными участниками. Каждая некоммерческая организация получила доступ к экспертам по анализу данных для получения обратной связи и ушла с чётким планом действий по решению своих задач в области данных. Мероприятие также позволило волонтёрам применить свой опыт работы с данными и аналитикой для помощи некоммерческим организациям, работающим на благо местных сообществ. Мы с нетерпением ждём, что будет дальше у этих организаций!

Big shoutout to ThoughtWorks Singapore for providing a wonderful space for the event and a huge thanks all the participants that made the Project Accelerator a success.

Огромная благодарность ThoughtWorks Singapore за предоставление прекрасного пространства для мероприятия и большое спасибо всем участникам, которые сделали Project Accelerator успешным.

If you’re interested in lending your skills to help local organizations start their data science journeys, sign up for your local DataKind Chapter’s Meetup group to stay up to date on future events!

Если вы хотите поделиться своими навыками и помочь местным организациям начать путь в области анализа данных, зарегистрируйтесь в Meetup-группе вашего местного отделения DataKind, чтобы быть в курсе будущих мероприятий!

Originally posted on DataKind’s blog.

Изначально опубликовано в блоге DataKind.

If you found this useful, please cite this write-up as:

Если вы нашли это полезным, пожалуйста, цитируйте данную публикацию следующим образом:

Yan, Ziyou. (Sep 2015). DataKind Singapore’s Latest Project Accelerator. eugeneyan.com. https://eugeneyan.com/writing/datakind-sg-project-accelerator/.

Yan, Ziyou. (Sep 2015). DataKind Singapore's Latest Project Accelerator. eugeneyan.com. https://eugeneyan.com/writing/datakind-sg-project-accelerator/.

or

или

@article{yan2015datakind, title = {DataKind Singapore’s Latest Project Accelerator}, author = {Yan, Ziyou}, journal = {eugeneyan.com}, year = {2015}, month = {Sep}, url = {https://eugeneyan.com/writing/datakind-sg-project-accelerator/} }

@article{yan2015datakind, title = {DataKind Singapore's Latest Project Accelerator}, author = {Yan, Ziyou}, journal = {eugeneyan.com}, year = {2015}, month = {Sep}, url = {https://eugeneyan.com/writing/datakind-sg-project-accelerator/} }

Join 11,800+ readers getting updates on machine learning, RecSys, LLMs, and engineering.

Присоединяйтесь к 11 800+ читателям, получающим обновления о машинном обучении, RecSys, LLM и инженерии.