2020年7月28日

Berkeley Student Develops Text-Based ID Strategies 至 Support UN’s Cash Assistance 程式

该 MIDS Data For Good Fellowship Recipient developed text-based similarity algorithms for the UN World Food Programme 至 support cash-based relief delivery.

丹尼尔·阿尔瓦雷斯 was selected as the Jack Larson “Data for Good” Fellowship recipient for Summer 2020. 该 fellowship supports Master’s of Information and 数据科学 (MIDS) students who desire to use data science 至 benefit society.

As a data analyst with the United Nations’ World Food Programme (世界粮食计划署),阿尔瓦雷斯,谁希望毕业生在十二月2020年提供的数据洞察,提高目标由世界各地的人道主义危机影响的难民和流离失所者的现金援助方案的有效性。世界粮食计划署致力于改善最脆弱的食品安全和营养,是目前活跃在世界各地超过80个国家。

“I believe that data scientists have a societal responsibility to apply their skills for good and spread their knowledge 至 help others gain the most value from data.”
- 丹尼尔·阿尔瓦雷斯

“我相信,数据科学家有一个社会责任,运用他们的技能好和传播自己的知识帮助别人而获得的数据的最大价值,”阿尔瓦雷斯说,在他与世界粮食计划署的工作,他做到了这一点,开发算法帮助识别程序的受益者。

“在交付基于现金救助的受益者我的工作,”阿尔瓦雷斯解释说,“这可能需要形式,如纸质或电子优惠券,现金在手,钱手机支付甚至银行借记卡转账。”

当受益人录取到一个程序,他们必须满足严格的准则。该组织负责,每个人的身份的确是预期的收件人,并有一个仔细的筛选过程中可能包括诸如文件审查,指纹或虹膜扫描。

他开发了基于文本的相似度算法或世界粮食计划署,否则重复数据删除算法,确保了好处注册的人是谁获得利益的人。 “身份识别,”阿尔瓦雷斯说,“对于确保正确的人获得正确的利益,而且,还有的好处最少的重复非常重要的。”

基于文本的算法是重要的,因为生物特征信息并不总是可用的,特别是现在,在全球covid-19大流行的中间。此外,使用生物识别(指纹和虹膜扫描),在更广泛的人道主义界一直存在争议。总有一些渗透数据分析的工作,在人道主义领域道德和收集和个人可识别信息的存储问题。 

阿尔瓦雷斯的工作给分析师和程序操作工在位于欠发达国家的洞察力与非政府组织和政府机构更有效地沟通区域性粮食计划署办事处。这种形式的帮助可以有针对性,并有更大的透明度和向捐助者负责,这是不小的壮举。

转行

加入世界粮食计划署之前,阿尔瓦雷斯曾在风险分析美联储和USAA。他搬进了非营利部门因为要实现数据的科学和风险分析在一个行业与现实世界的需要和挑战的愿望。

他在公司里工作,包括来自监管机构和董事会的要求,并在数据最经常从内部来源,可信来源。没有那么在人道主义领域,他说,他要“适应通过执行全面的数据治理和血统的评论深入了解数据生成过程。”面临的挑战是复杂的,可以由参与者和数据传输机制的无数的。阿尔瓦雷斯已与十多个国家工作过,他们都有独特的需求和情况:“我已经学会了我的工作适应这些需求并作出令人信服的数据做更多。”

中频的经验,他说,一直在向他提供像数据工程,机器学习,统计基础的全面课程是有益的。 “数据科学是继续快速发展,现场纪律,”他说。 “我必须继续是一个积极的学习。”

阿尔瓦雷斯设想自己在非营利部门只要它仍然充满挑战和回报。 “我的希望是能够灌输数据科学升值,以及它如何帮助提高我目前的工作路线和超越未来的追求计划活动。我看到了广泛的机会,使数据更加科学实用和影响力在人道主义领域“。

丹尼尔·阿尔瓦雷斯
丹尼尔·阿尔瓦雷斯 at the 世界粮食计划署 headquarters in Rome, Italy
poster at 世界粮食计划署
A poster from the halls of the 世界粮食计划署

最近更新时间:

2020年7月28日