9数据科学方法可以加速你的社会影响的工作

整个慈善行业工作的人,数据科学可以感觉像一个笨拙的话题。你从哪里开始呢?重要的是什么数据?它适合你的社区是如何工作的呢?188bet网址怎么打不开

前深入杂草,值得我们退一步了解数据科学和它可以让你做什么。

数据科学对社会的影响是关于构建结构化是什么使数据驱动决策。这不是关于溺水在你不需要的信息。它是关于使用数据战略做出更深层次的影响。

我们举办了一个网络研讨会与尚塔尔福斯特和合作技术协会的资助人。三个数据科学家在社会影响部门工作安东尼奥Campello的威康信托基金会,乔纳森·赫特尔的影响基因组计划®,安德鲁SpottSubmittable-shared科学和人工智能的数据如何帮助他们完成他们的任务。

突出的见解和例子从这个事件中,我们提出了九个方面的数据科学可以帮助您的组织做得更多。

你是否有一个强大的背景数据科学或者你刚刚data-curious,我们得到了一些有益的见解。

一些快速定义数据的科学

在我们开始之前,让我们先了解一些术语。对于新的数据科学的人来说,有时语言本身可以是压倒性的,这是一个快速入门。

• 数据分析是一个过程,分析原始数据发现趋势和回答问题。
  • 大多数组织做某种形式的数据分析。例如,您可能会问,我们的受让人住在哪里?跟踪地理数据确定最高的州或国家提供资金是数据分析工作。
• 机器学习是一个过程,利用算法来自动给电脑的能力提高通过经验和数据。
  • 图像识别是一种常见的机器学习的应用;如果你看过你的手机或电脑识别自己的照片,你看到机器学习。
• 数据科学是机器学习算法的应用到各种数据源(即。、数字、文本、图像、视频、音频等)生产人工智能系统,可以执行的任务这通常需要人类智慧。
  • 即使你没有在数据科学工作,你可能受益于它。数据科学杠杆在每个sector-public和private-including医疗、交通、公共安全等。例如,数据科学是现在用来帮助分析医学成像和识别恶性肿瘤。
• 自然语言处理是人工智能的分支关注吗让计算机能够理解并响应文本和口语词汇人类可以以同样的方式。
  • 认为Siri或Alexa。
• 分类一个分类或分类系统用于集团类似的物品。
  • 在慈善事业中,非营利组织可以按大小分组,任务,程序设计,位置,或另一个名称。

你潜水之前,获得指导

来获得更多的洞察为你构建一个数据策略社会影响的项目,得到全面的指南:如何构建数据策略:社会影响的专业人士的指导。访问在线或下载一个易读的版本。

数据科学如何增强你的社会影响工作吗

1。了解你的投资组合以更细的粒度

对于基金投资者,利用数据和社会影响分析可以帮助你获得一个清晰的和基金资助的结果。你可以揭示趋势,重叠和空白的地方如何分配资源。

为什么这个很重要?

得到程序的更细粒度的视图允许您识别和根除的偏见和发现错过了机会。加上它可以给你你需要的见解来扩大你的努力,构建有效的新项目。

很可能你已经有很多你需要的数据。但如果这不是组织和访问数据,这并不意味着太多。很难看到模式或从一大堆非结构化数据得出结论。

例如,康的项目主要集中在health-analyzed其投资组合的超过100000的资助。他们使用自然语言处理,应用30000年疾病标记他们的投资组合。这个标签是一个重要的步骤在准备数据分析和细分。它允许授予经理容易搜索过去的资助项目。说,该组织正在考虑资助研究围绕一个特定的疾病,他们现在可以看看他们是否曾经资助重点领域和工作的结果。

即使你不是处理组合100000补助,有更细粒度的理解程序是很重要的。

自动标记开始组织数据的一种方法。例如,Submittable启用自动标记,这样当授予应用程序,你可以把一个标签基于特定问题的答案。这使您能够跟踪、分类和分析数据关系到您的团队,无论是人口、地理、任务重点、组织规模、或别的东西。

你可以申请和受让人基于这些标签来帮助你分析你如何分配你的资源,你是否需要改变你的策略。

2。建立清晰的标准和分类

世界上的社会影响,往往我们谈论同样的事情,但使用不同的语言。这可能很难看到我们的工作与他人的工作和在类似的项目进行比较。

例如,当基金投资者、非营利组织和人员都使用不同的语言来讨论相同的问题,就很难使他们的工作之间的联系。

这断开妨碍了每个人的能力发展有效的解决方案和做出明智的预测。把它想象成一个房子的基础。如果我们没有一个强有力的结构在此基础水平,构建在它之上的一切将不稳定。

基因组计划的影响,在测量任务,组织化这些标准化工作。例如,他们已经创建了一个影响注册™,检索数据库影响和受益人的数据超过200万非营利项目在美国和加拿大。这种工具可以帮助支撑基础,慈善部门可以构建更有效的对数据驱动的解决方案。

3所示。跟踪输出和结果更清楚

慈善事业的影响。你运行的程序创建你预期的结果?无论你的预算是什么,如果你不知道这个,你不会知道你的项目是做一个有意义的差异。

数据分析可以帮助您更准确地跟踪的影响你的工作。你可以联系你致力于一个项目的资源,短期输出它创建,和长期的结果。

例如,威康信托基金很多研究和临床试验。球队想要追踪学术输出从他们的资助。换句话说,他们想知道有多少学术文章出来他们资助的项目。

利用数据科学技术,威康信托基金会团队能够创建一个管道自动聚合相关的研究文章他们资助的项目。他们然后能够链接这项工作回到特定的赠款,以确定哪些项目数量的最高学术输出。

思考你的项目和组织的最重要的结果和成果。你清楚,详细的数据如何连接?你知道项目持续产生最好的结果?利用数据科学对社会好的可以帮助你得到一个更清晰的图片如何相互配合。

4所示。在资金找到差距

分析数据可以帮助基金投资者明确他们的资金缺口。你资金不足一定数量吗?你忽视一些组件的工作吗?挖掘数据可以帮助你找到机会做得更多。

有时资助者容易得到关注的社区工作方面更个人或更多的情感。188bet网址怎么打不开提供帮助有需要的人感觉良好在个体水平。然而,移情反应有时斜组织如何建立他们的程序。社会影响的工作依赖于强大的基础设施。支持这些不那么激动人心,但基本框架通常可以让组织做得更多。

使用科学数据,可以发现在你的投资组合资金不足或者慈善行业。预防和基础设施往往没有得到应有的重视。

例如,威康信托基金会使用数据科学分析投资组合,并确定多久他们资助的技术项目。使用这些见解,他们转而重点基金资助软件基础设施,这是许多研究人员的一个关键工具。

5。建立新连接

很容易忽略对象的所有方法和身份重叠和交叉。但这些见解可以产生巨大的差异在你如何设计你的程序。

使用数据科学、基金投资者可以识别连接不同的主题或项目的机会。与数据可视化工具中,您可以看到连接已经存在,你在哪里可以找到连接的地方应该存在但不。

很难创建有效解决大问题如果我们不理解这些十字路口。以气候变化为例。气候变化的影响重叠和交叉与贫困和种族歧视的影响以复杂的方式。如果您的组织寻求解决气候变化问题不考虑这一点,您的程序可能会产生有限的影响。

想看看这是什么样子吗?威康信托基金会做了主题与神经科学建模项目团队为研究经费中提取数据驱动的主题。使用数据科学分析文本文档,他们创造了一个地图,这样他们可以想象主题之间的联系和差异。

6。把你的程序到更广泛的景观

许多组织和个人正在努力解决相同的问题。联合国这样的框架可持续发展目标可以帮助提供一个高层次的理解你的工作如何适应更广泛的努力改变。但是它不能给你你所需要的细节。

你想清楚你的程序是如何导致的进展更大的规模。你帮助移动针吗?做程序复制其他工作或你实现一个独特的角色吗?

数据科学可以帮助你得到这些答案,并允许你在分配更具战略性的资源。

例如,威康信托基金会API-search的结合使用,网页抓取自然语言处理,评估他们的工作如何适应更广泛的努力战斗COVID。评估的有效性的研究资助,他们测量频率的研究从政府机构和科学证据所承认一般文学COVID左右。这给了他们一个清晰的程序是否支持在参与更广泛的努力。

7所示。评估项目和成本有效性

grantmaker是平衡计划的一部分的成本和效率。你想知道你的资源是你希望看到的改变,而且它们尽可能有效地这样做。

存在很高的风险。我们不是在谈论一些底线或向股东派息。程序通常成本确定有多少人或社区组织的支持。188bet网址怎么打不开

数据科学赋予基金投资者获得深入的分析的结果和成果以及他们如何与成本有关。如果你没有这些信息,是不可能知道你做出明智的投资。

例如,影响基因组的重点是财务状况。他们使用数据科学测量程序的有效性和如何比较项目的成本和产生的结果。通过机器学习,他们已经为所有美国非营利组织评估990年的纳税记录。在这里,他们可以比较预算大小的结果。

当然有很多不同的策略和程序设计来解决财务状况。例如你可以帮助别人支付紧急费用或提供金融咨询服务。这些可能有不同的成本和结果。

影响基因组研究团队做了综合分析分解结果表示财务状况,然后制定相关的成本。

想如何帮助这些信息可能是非营利组织在财务状况。他们可以比较这些平均成本和结果。他们是支出更没有实现更好的结果吗?还是与其他非营利组织?这是重要的信息,因为他们塑造他们的未来计划。

8。自动化你的审查过程

对于基金投资者希望审查大量的应用程序,数据科学可以帮助。为了干净数据(数据处理和格式化,消除错误和不一致),一些组织取代开放回应问题有多个选择。这可以是人们更容易复习,但是很多丢失当你拿走一个申请人的能力来解释他们的工作在他们自己的术语。

通过利用机器学习,你可以把那些开放回应问题,和手工花更少的时间回顾应用程序。你也可以达到减少偏见和更一致的结果。这是如何工作的呢?

Submittable加速审查功能将数据科学转化为行动。使用机器学习,Submittable构建一个模型基于评论由您的团队。简而言之,你培训计算机帮助回顾应用程序一样,您的团队。

流程是什么样子的?

你的团队审查大约200的样本应用程序。模型是建立在这个过程中,学习你的评论者得分和申请人。在应用模型之前,可以用来评估准确性的小批量应用。如果有必要,可以重新训练模型。

自动化你的审查过程这种方式意味着你可以回顾数以千计甚至数以百万计的应用程序以难以置信的速度和以惊人的准确性。这大大降低了疲劳和人为错误。简单地说,自动化审查使您的团队能够用更少的员工通过利用机器学习做更多的工作来帮助突出关键信息。

9。减轻负担的受让人

越来越意识到行政负担通常放在受让人,数据科学可以是一个令人难以置信的工具来照亮减少负载,资助人的机会。

例如,基金投资者最近使用机器学习的技术协会和相似性分析来确定随机发放形式格兰特39%类似于任何其他形式。

为什么这很重要?

这意味着许多组织往往一遍又一遍地重复相同的工作当他们适用于不同的资助。如果资助者聚在一起和标准化的部分他们的拨款申请,以确保每个人都在相同的格式要求相同的信息吗?这将节省多少时间的受让人。39% !

将洞察转化为行动

数据科学是关于使用信息技术提供的见解和结构。但创造变革需要人们把这些见解并将它们转化为行动。

你可能没有资源或建立自己的内部数据科学团队的能力。这是okay-Submittable有你覆盖。作为一个社会影响的平台为了帮助各种规模的组织,我们可以提供所有的数据科学团队的好处的一小部分成本。今天发现更多。