Существует множество способов эффективно использовать необработанные данные в оперативной аналитике и получать таким образом инсайты относительно старых и новых проблем. Это ценная возможность для бизнеса, но гораздо важнее, что аналитика данных помогает нам решать серьезные социальные проблемы, касающиеся, например, домашнего насилия и торговли людьми.

Каждая третья женщина в мире в какой-то момент своей жизни сталкивается с гендерным насилием. Более того, как показывают исследования, 20% мальчиков не верят, что такая проблема существует. Это очень серьезный вопрос, и у него нет простого решения, но мы можем делать то, что в наших силах, чтобы улучшить ситуацию.

Так, SAS тесно сотрудничает с Министерством внутренних дел Испании и его подразделением по борьбе с гендерным насилием в рамках проекта VioGen, а в этом году компания запустила совместную инициативу с региональным офисом UNFPA (фонда ООН в области народонаселения) в Восточной Европе и Азии. Ведущий специалист SAS по работе с клиентами Инес Риестра рассказывает о том, как большие данные помогают бороться с проблемой гендерного насилия.

Ситуация в Испании

В прошлом году только в Испании было открыто около 29 тысяч дел о совершении домашнего насилия. К сожалению, в 45 из них речь шла об убийстве женщины. Однако испанская полиция и другие организации последние 14 лет активно работают над сокращением этих показателей в рамках проекта VioGen, призванного предотвратить рецидив преступлений. Спрогнозировать первый случай насилия практически невозможно.

В проекте принимают участие правоохранительные органы и юристы, которые работают с жертвами гендерного насилия, защищают их и следят за их дальнейшей жизнью. До недавнего времени главным инструментом предотвращения новых случаев насилия было сочетание научных знаний о человеческом поведении, полицейского опыта и возможностей ИТ. Подразделение оценивало риски, основываясь на доступной информации, и, когда необходимо, меняло уровень опасности при поступлении новых данных, например, если становилось известно, что преступник вышел из тюрьмы.

Мы задумались о том, что процесс оценки риска можно усовершенствовать с помощью технологий машинного обучения. Поэтому мы начали сотрудничество с командой, которая работала над проблемой гендерного насилия. Нам предстояло ответить на вопрос «Как машинное обучение может помочь в борьбе с домашним насилием?»

Оценка рисков, оказание помощи

Нашей задачей было улучшить существующую систему так, чтобы каждой женщине присуждали верный фактор риска, а также предоставляли необходимую поддержку и защиту. Мы использовали данные последних нескольких месяцев 2016 года, чтобы оценить, как влияли на исход ситуации те или иные факторы. Мы рассматривали в том числе информацию, предоставленную жертвами, зарегистрированные жалобы и различные уровни опасности, присваиваемые как во время регистрации случая, так и в ходе развития ситуации.  

Со временем команде VioGen удалось сформировать список важных показателей психологического портрета преступника и уязвимости жертвы. В него вошли, например, данные о попытках самоубийства, зависимостях и истории преступности в семье. В общей сложности для создания модели развития дела о домашнем насилии было отобрано более 50 факторов.  

Двухэтапная стратегия

После первичной обработки данных мы решили разработать двухэтапную стратегию моделирования, которая позволила бы учитывать информацию разных уровней. Так, каждый кейс включал несколько жалоб, которые в свою очередь опирались на несколько фактов.

На первом этапе мы использовали жалобы и информацию о жертвах из полицейских отчетов, чтобы разработать классификацию вероятности рецидива преступления. Благодаря экспертизе и опыту полицейских нам удалось создать предикативную модель, которая присуждала каждому делу уровень риска рецидива.

На втором этапе мы разработали аналитическую модель, которая на основе информации об уровне риска из первой фазы и данных о преступнике определяла итоговую вероятность рецидива по делу. Мы выяснили, что на втором этапе некоторые факторы обладают бо́льшим весом. К ним относятся такие показатели, как история преступлений агрессора, количество и тип угроз, а также общий уровень отсутствия уважения к властям. 

В целом мы поняли, что модель, построенная на машинном обучении, предоставляет ценные сведения, которые можно применять на практике для уменьшения риска рецидива преступлений. К сожалению, у нас все еще нет возможности предотвратить первичные случаи гендерного насилия, не говоря уже о том, чтобы глобально изменить ситуацию в обществе. Однако эффективное использование предикативной аналитики и технологий машинного обучения обладает огромным потенциалом в предотвращении повторных преступлений.

Фото: Pexels