World Bank ทดลองสร้างระบบที่ใช้ High Resolution Population Density Maps จาก Facebook และข้อมูลแผนที่จาก Mapbox เพื่อวิเคราะห์หาพื้นที่ที่ต้องเพิ่มจุดตรวจและพื้นที่ที่ต้องเพิ่มเตียงในโรงพยาบาล
โจทย์ 1 : ต้องเพิ่มจุดตรวจที่ไหนบ้าง
World Bank ได้ทดลองนำเครื่องมือ High Resolution Population Density Maps จาก Facebook มาใช้ร่วมกับ Mapbox ผู้ให้บริการข้อมูลแผนที่ จัดทำแผนที่ซึ่งแสดงให้เห็นว่าพื้นที่ใดที่มีประชากรที่อาศัยอยู่ห่างไกลจากจุดตรวจและประชากรเหล่านั้นคิดเป็นสัดส่วนเท่าใดของประชากรทั้งหมด
ระบบที่ World Bank ทดลองพัฒนาขึ้นเพื่อตอบคำถามนี้ มีหลักการคือการใช้ High Resolution Population Density Maps ที่บอกความหนาแน่นประชากรในแต่ละพื้นที่จากจำนวนผู้ใช้เฟซบุ๊กที่เปิด Location Service ไว้ มาวิเคราะห์ร่วมกับ API ของ Mapbox ว่าประชากรในแต่ละจุดนั้นอยู่ห่างจากสถานพยาบาลเป็นระยะเวลาเท่าไหร่ตามการเดินทางด้วยรถยนต์
เมื่อวิเคราะห์ข้อมูล 2 ชุดนี้ร่วมกัน ก็จะสามารถบอกได้ว่าประชากรสัดส่วนเท่าไหร่ที่อยู่ไกลจากสถานพยาบาลหรือโรงพยาบาลจนเกินไป (ในที่นี้ใช้เกณฑ์คือผู้คนที่เวลาเดินทางไปสถานพยาบาลมากกว่า 1 ชั่วโมงบนรถ) และสามารถสร้างออกมาเป็นแผนที่ที่แสดงถึงจุดที่มีปัญหา เพื่อนำไปใช้ประกอบการวางนโยบาย
โจทย์ 2 : ต้องเพิ่มเตียงในโรงพยาบาลที่ไหนบ้าง
ในโจทย์นี้ World Bank ก็ใช้แนวทางการวิเคราะห์คล้ายกับในกรณีแรก แต่เปลี่ยนกลุ่มประชากรที่เป็นตัวแปรมาเป็นกลุ่มผู้ที่มีอายุมากกว่า 60 ปีขึ้นไป ซึ่งเป็นที่ทราบกันว่ามีแนวโน้มติดเชื้อมากกว่ากลุ่มอื่นๆ ซึ่งข้อมูลนี้เป็นตัวเลขที่ High Resolution Population Density Maps ประมาณการณ์ไว้ให้ จากนั้นก็นำความหนาแน่นของประชากรอายุมากกว่า 60 ปี ไปวิเคราะห์กับโรงพยาบาลหรือสถานพยาบาลที่มีเตียงในระแวกใกล้เคียง โดยจัดกลุ่มโรงพยาบาลภายในรัศมี 5 กิโลเมตรให้เป็นพื้นที่เดียวกัน ด้วยสมมติฐานที่ว่าโรงพยาบาลเหล่านี้สามารถส่งผู้ป่วยข้ามไปหากันได้
ผลลัพธ์ที่ได้จากโมเดลหยาบๆนี้ World Bank นำมาพล็อตกราฟ Scatter Plot ที่แสดงถึง Supply (แกน X) และ Demand (แกน Y) ของเตียง ซึ่งหน่วยงานด้านนโยบายสามารถเริ่มมาตรการเพิ่มเตียงสำหรับพื้นที่ที่ข้อมูลชี้ว่าจะมี Demand สูงโดย Supply ยังต่ำอยู่
High Resolution Population Density Maps เป็นแผนที่ความหนาแน่นของประชากรที่ Facebook อ้างว่ามีความแม่นยำมากที่สุดในโลก มีข้อมูลจาก 169 ประเทศทั่วโลก และสามารถใช้บริการได้ผ่าน Humanitarian Data Exchange และ AWS Open Data Sets
สำหรับผู้ที่สนใจการวิเคราะห์ของ World Bank ชุดนี้สามารถเข้าไปศึกษาโค้ดได้ที่ iPython Notebook ใน GitHub