第五章 結論與建議
第三節 研究限制與後續研究建議
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
溝通並增強其協力關係之信任感，因此就長遠來看，專案顧問必須及早培養並 給予制度化培訓制度，以強化其在專案中扮演中介溝通及進度控管者之定位。
三、建立資料公益專案之成效評估模式
雖然本研究聚焦在政府同仁之想法，針對資料公益專案進行資料治理及關 鍵成功因素之釐清及評價認知，惟對於多為學生族群之資料科學家而言，專案 主辦單位挑選主題之適切性、團隊成員組成及任務分配會影響資料科學家之投 入程度，因此本研究認為應建立資料公益專案之成效評估模式，無論是透過深 入訪談法或量化問卷調查以精進計畫辦理品質及提供專案顧問經驗回饋。
第三節 研究限制與後續研究建議
壹、可輔以量化問卷釐清資料治理困難及關鍵成功因素
為了解公部門同仁對於政府資料專案參與過程及後續應用之想法，並輔以外 部專案顧問及資料學家訪談加以對照，本研究採用深入訪談法進行研究，惟囿於 同時多人訪談無法表明真實想法，未來研究方向得輔以量化問卷釐清受訪者評價，
更為深入了解專案中資料治理困難及關鍵影響因素重要程度之分。
貳、藉不同利害關係人之視角剖析政府資料公益專案
研究發現專案顧問在政府資料專案中扮演重要角色，除協助政府機關釐清關 鍵議題需求外，亦須擔任資料科學家之技術指導者，且透過多次專案經驗累積如 何與政府打交道，倘能以專案顧問作為外部檢視者切入，釐清不同機關單位對於 政府資料專案之想法，有助豐富政府資料專案之內涵；除前述所提專案顧問外，
資料科學家雖與機關同仁想法未必一致，但經外部檢視提供政府資料公益專案之 不同觀點及想法，亦有完整了解各方利害關係人對於政府資料專案之想法。
參、可由單一個案法深入專案脈絡或比較不同業務性質個案 由於政府資料專案性質有異，且協力模式、參與成員、上級主管支持與否、
業務性質、本身資料量能等有所區別，本研究採取多重個案試圖歸納專案之困難
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
及關鍵成功因素，然而分析結果無法完整檢視特定個案之細節，倘能針對單一具 代表性之個案進行深入了解，俾利全面檢視專案發展脈絡及各方參與者之想法。
另外，亦可透過不同業務性質個案多重比較，本研究之研究對象係屬社會福利業 務單位，因此政府資料屬性及專案進行脈絡有所差異，倘能以不同業務領域加以 比較，有助於闡述政府資料專案之相關細節。
肆、可透過長時間成效評估了解資料專案創新契機
過去政府資料專案多被探討協力過程，或將研究重點聚焦於所使用之資料技 術，惟對於資料專案結束後如何在公部門深化或擴展較少著墨，本研究受限於限 定時間進行訪談，可能部分個案後續應用尚在進行中或尚未發生，因此倘能聚焦 政府資料公益專案之後續應用，並以較長時間深入資料分析成果如何在公部門中 推動或影響公務同仁，勢必對於政府資料專案之研究更為完整。
另囿於本研究訪談個案多有將資料成果進行後續應用，然而如同綜合分析所 提，當政府機關對於專案評價為正面且有所收穫，卻在公部門後續投入仍止步不 前，筆者認為倘能釐清政府資料專案回到公部門無法推展成功之失敗因素歸納，
亦能讓其他機關有所借鑑或參考。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
參考文獻
余孝先、趙祖佑（2015）。巨量資料應用，打造資料驅動決策的智慧政府。國土 與公共治理季刊，3（4），頁 27-37
吳其勳（2013）。資料是新石油，但你要找得到油井。iThome 電腦報，2013 年 9 月13 日，取自：https://www.ithome.com.tw/node/82607。
吳芝儀（2011）。以人為主體之社會科學研究倫理議題。人文社會科學研究，5（4）， 頁19-39。
吳英明（1993）。公私部門協力關係和「公民參與」之探討。中國行政評論，2（3）， 頁1-14。
宋餘俠、李國田（2012）。政府部門資料加值推動策略與挑戰。研考雙月刊，36
（4），頁 10-21。
李宗勳（2004），公私協力與委外化的效應與價值：一項進行中的治理改造工程。
公共行政學報，12，頁 41-77。
李政忠（2004）。網路調查所面臨的問題與解決建議，資訊社會研究，6，頁 1-24。
阮光勛（2014）。促進質性研究的品質與可信性。國教新知，61（1），頁92-102。
林秀雲 譯（2013）。社會科學研究方法：第十三版（Eael Babbie 原著）。台北：
雙葉書廊。
林東清、劉勇志、楊怡娟、陳秀如(2006)。跨組織知識分享模式之研究─以資訊專 案委外為例。資訊管理學報，13（2），頁 55-87。
林俊宏 譯（2013）。大數據（Viktor Mayer-Schönberger & Kenneth Cukier 原著）。
台北：遠見天下文化。
林淑馨（2016）。台灣非營利組織與地方政府協力之實證研究。政治科學論叢，
69，頁 103-148。
紐文英（2013）。研究方法與論文寫作－量化與質性方法之應用，台北：三民。
莊文忠（2018）。循證的政策制訂與資料分析：挑戰與前瞻。文官制度季刊，10
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（2），頁 1-20。
許志義、王筑莙、柳育林、許懷元（2018）。政府資料開放與資料管理。公共行 政學報，56，頁 131-162。
許耿銘（2009）。協力理論在跨界人力資源管理的應用：以「政府機關與績優民 間機構人才交流實施辦法草案」為例。文官制度季刊，1（3），頁 55-79。
陳向明（2010）。社會科學質的研究：第十四版。台北：五南。
陳昇瑋（2017）。讓資料為你產生價值。哈佛商業評論，2017 年 4 月 28 日，取 自：https://www.hbrtaiwan.com/article_content_AR0007025.html。
陳淑娟、游蕙瑜（2019）。運用大數據協助家暴風險預測－以臺北市家庭暴力案 件資料為例。社區發展季刊，165，頁 67-76。
陳敦源、蕭乃沂、廖洲棚（2015）。邁向循證政府決策的關鍵變革：公部門巨量 資料分析的理論與實務。國土及公共治理季刊，3（3），頁 33-44。
曾冠球（2010）。「問題廠商」還是「問題政府」？電子化政府公司合夥協力困境 之個案分析。公共行政學報，34，頁 77-121。
曾冠球（2017）。良善協力治理下的公共服務民間夥伴關係。國土及公共治理季 刊，5（1），頁 67-79。
曾龍（2016）。大數據與巨量資料分析，科學發展，524，頁 66-71。
黃心怡、蘇彩足、蕭乃沂（2017）。再探開放政府資料的政策與發展。國土與公 共治理季刊，4（4），頁 18-28。
黃健翔、吳清山（2013）。提升教師專業學習社群之可行策略探究。教育研究學 報，47（1），頁 39-58。
楊東謀、吳怡融（2019）。台灣政府開放資料推行之近況調查與探討。教育資料 與圖書館學，56（1），頁 7-44。
劉宗熹（2016）。公務機關巨量資料分析應用推動簡介。政府資訊通報，341，頁 1-9。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
潘慧玲、張淑涵（2014）。策畫學校發展的資料運用：一所高中的個案研究。教 育科學研究期刊，59，頁 171-195。
蕭乃沂、朱斌妤（2018）。資料驅動創新的跨域公共治理。國土與公共治理季刊，
6（4），頁 74-85。
簡正鎰（2005）。進行質性訪談研究有關倫理議題之探討。輔導季刊，41（1），
頁47-57。
Abelson, B., K. R. Varshney, & J. Sun (2014). Targeting direct cash transfers to the extremely poor. KDD2014, New York.
Adams, W. A., & C. Sandbrook (2013). Conservation, evidence and policy, Oryx, 47(3), p329-335.
Al-Ruithe, M., & E. Benkhelifa (2017). Analysis and classification of barriers and critical success factors for implementing a cloud data governance strategy. In Proceedings of the 8th International Conference on Emerging Ubiquitous System and Pervasive Networks. Sweden.
Ansell, C., & A. Gash (2007). Collaborative Governance in Theory and Practice.
Journal of Public Administration Research and Theory, 18, p543-571.
Bizer, C., P. Boncz, M. L. Brodie, & O. Erling (2011). The meaningful use of big data:
four perspectives -four challenges. ACM SIGMOD Record, 40(4), p56-60.
Burkea, R., & I. Demirag. (2017). Risk transfer and stakeholder relationships in Public Private Partnerships. Accounting Forum, 41, p26-43.
Chakkol, M., K. Salviaridis, & M. Finne (2018). The governance of collaboration in complex projects, International Journal of Operations & Production Management 38(4), p997-1019.
Chapman, P., J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer, & R. Wirth (2000). CRISP-DM 1.0：Step-by-step data mining guide. SPSS. Retrieved from
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
https://www.the-modeling-agency.com/crisp-dm.pdf.
Davenport, T. H., & D. J. Patil (2012). Data scientist: the sexiest job of the 21st century.
Harvard Business Review, Oct 2012. Retrieved from https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century .
DeMarco, T., & T. Lister (2004). Waltzing With Bears: Managing Risk on Software Projects（與熊共舞：軟體專案管理的風險管理），臺北：經濟新潮社
Dwivedi, Y. K., M. Janssen, E. L. Slade, N. P. Rana, V. Werakkody, J. Millard, J. Hidder,
& D. Snijders (2017). Driving innovation through big open linked data (BOLD):
Exploring antecedents using interpretive structural modeling. Information Systems Frontiers, 19, p197-212.
European Commission. (2014). Toward a thriving data-driven economy. Official Journal of the European Union, 242. Retrieved from
https://www.eesc.europa.eu/en/our-work/opinions-information-reports/opinions/towards-thriving-data-driven-economy .
Fayyed, U., G. Piatetsky-Shapiro, & P. Smyth (1996). From data mining to knowledge discovery in databased. AI magazine, 17(3), p37-54.
Gamage, P. (2016). New development: Leveraging ‘big data’ analytics in the public sector. Public Money & Management, 36(5), p385-390.
Gascó-Hernándeza, M., E. G. Martin, L. Reggib, S. Pyo, & L. F. Luna-Rey (2018).
Promoting the use of open government data: Cases of training and engagement.
Government Information Quarterly, 35, p233-242.
Ghani, R., L. Green, A. Bengoa, & M. Shah (2019). Solve for good: A data science for social good marketplace. Association for Computing Machinery(ACM) SIGKDD Explorations Newsletter, 21(1), p3-5.
Green, B. (2019). “Good” isn’t good enough. In Proceedings of the AI for Social Good
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
workshop at NeurIPS. Vancouver, Canada.
Höchtl, J., P. Parycek, & R. Schöcllhammer (2016). Big data in the policy: Policy decision making in the digital era. Journal of Organization Computing and Electronic Commerce, 26(1-2), p147-169.
Hong, B., A. Malik, J. Lundquist, I. Bellach, & C. E. Kontokosta (2018). Applications of Machine Learning Methods to Predict Readmission and Length-of-Stay for Homeless Families: The Case of Win Shelters in New York City. Journal of Technology in Human Services, 36(1), p89-104.
IBM (2014). Data-driven government: Challenges and a path forward. Retrieved from https://www-01.ibm.com/common/ssi/cgi-bin/ssialias?htmlfid=GQW03008USEN.
IBM (2016). Analytics Solutions Unified Method: Implementations with Agile principles. IBM Analytics. Retrieved from ftp://ftp.software.ibm.com/software/data/sw-library/services/ASUM.pdf .
IBM (2018) 。 CRISP-DM 概 觀 ， IBM 知 識 中 心 ， 取 自 ：
https://www.ibm.com/support/knowledgecenter/zh-tw/SS3RA7_sub/modeler_crispdm_ddita/clementine/crisp_help/crisp_overview.
html。
Janssen, M., & G. Kuk (2016). Big and open linked data (BOLD) in research, policy, and practice. Journal of Organizational Computing and Electronic Commerce, 26(1-2), p3-13.
Janssen, M., & J. van den Hoven (2015). Big and open linked data (BOLD) in government: A challenge to transparency and privacy. Government Information Quarterly, 32, p363-368.
Janssen, M., H. van der Voort, & A. Wahyyudi (2017). Factors influencing big data
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
decision-making quality. Journals of Business Research, 70, p338-345.
Khatri, V., & C. V. Brown (2010). Designing data governance. Communications of the ACM, 53(1), p148-152.
Kim, G. H., S. Trimi, & J. H. Chung (2014). Big-data applications in the government sector. Communications of the ACM, 57(3), p78-85.
Kontokosta, C. E. (2017). Urban informatics for social good: Definitions, tensions, and challenges. In Proceedings of the 2nd International Workshop on Science of Smart City Operations and Platforms Engineering. Pittsburgh.
Kontokosta, C. E., B. Hong, A. Malik, & A. Somvanshi (2017). Predictors of Re-admission for Homeless Families in New York City: The Case of the Win Shelter Network. In the Bloomberg Data for Good Exchange Conference. Chicago.
Koschinsky, J. (2015). Data science for good: What problems fit? In the Bloomberg Data for Good Exchange Conference. Retrieved from https://ocw.mit.edu/courses/comparative-media-studies-writing/cms-631-data-
storytelling-studio-climate-change-spring-2017/readings/MITCMS_631s17_koschinsky_2015.pdf
Kum, H. C., C. J. Stewart, R. A. Rose, & D. F. Duncan (2015). Using big data for evidence based governance in child welfare. Children and Youth Services Review, 58, p 127-136.
Matheus, R., M. Janssen, & D. Maheshwari (2018). Data science empowering the public: Data-driven dashboards for transparent and accountable decision making in smart cities. Government Information Quarterly. Retrieved from https://doi.org/10.1016/j.giq.2018.01.006.
Niño, M., R. V. Zicari, T. Ivanov, K. Hee, N. Mushtaq, M. Rosselli, C. Sánchez-Ocaña, K. Tolle, J. M. Blanco, A. Illarramendi, J. Besier, & H. Underwood (2017). Data projects for “Social
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
good”: Challenges and opportunities. International Scholarly and Scientific Research &
Innovation 11(5), p 896-906.
Olesk, A., E. Kaal, & K. Toom (2017). The possibilities of Open Science for knowledge transfer in the science-policy interfaces. Journal of Science Communication. 18, p 1-17.
Panetta, K. (2018). Use data for social good. Gartner. 2018/8/9. Retrieved from https://www.gartner.com/smarterwithgartner/use-data-for-social-good/.
Porway, J. (2015). Five principles for applying data science for social good. O’Reilly.
Retrieved from https://www.oreilly.com/ideas/five-principles-for-applying-data-science-for-social-good.
Provost, F., & T. Fawcett (2013). Data science and its relationship to big data and data-driven decision making. Big data, 1(1), p51-59.
Richards, R. C., & R. Ritsert (2012). Data governance challenges facing controller.
International Journal of Business, Accounting, and Finance, 6(1), p25-42.
Sanderson, I. （2002）. Making sense of 'what works': evidence based policy making as instrumental rationality? Public Policy and Administration, 17(3), p 61-75.
Shan, S., A. Horne, & J. Capella (2012). Good data won’t guarantee good decisions.
Harvard Business Review, April 2012. Retrieved from https://hbr.org/2012/04/good-data-wont-guarantee-good-decisions .
Singh, V., I. Srivastava, & V. Johri (2014). Big data and the opportunities and challenges for government agencies. International Journal of Computer Science and Information Technologies, 5(4), p5841-5824.
Thompson, N., R. Ravindran & S. Nicosia (2015). Government data does not mean data governance: lessons learned from a public sector application audit. Government Information Quarterly, 32(3), p316-322.
Thomson, A. M., & J. L. Perry (2006). Collaboration processes: Inside the black box.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Public Administration Review, 66.(1), p20-32.
Public Administration Review, 66.(1), p20-32.