AI GOOD競賽機制說明

基隆潮境保育區每年吸引至少2-3萬名潛水遊客，當水中沙塵暴出現時會瞬間影響遊客海裡視線，無法即時上岸將危害身命安全，期望透過潮境保育區架設之4座水下攝影機及海溫、聲音等資料，利用AI辨識並截取海中沙塵暴影像資料以分析水中沙塵暴發生時機，進而建立沙塵暴預警模型。

題目詳述：

1. 題目背景 (議題緣由和動機)
   • 海科館鄰近的「望海巷潮境海灣資源保育區」於106年成立迄今，在基隆市政府、鄰近社區、與海科館合作下復育有成，蘊含稀有物種，堪稱是東北角潛水勝地，自由潛水遊客每年至少兩到三萬人以上，惟該保護區位在潮境海灣灣口附近，由於環境水域變動很快，常會受到海中沙塵暴影響，原本清澈的海水在短時間內變得混濁，水中濁度在一分鐘內便會伸手不見五指，有時能見度不到甚至2公尺，即使是身背氣瓶的專業潛水員，在能見度低的狀況下也會面臨極大風險，更何況對潮境海灣不熟悉的一般潛水遊客，在能見度低的狀況下可能會誤闖航道或誤入海流強近的區域造成生命安全的危險，媒體新聞上相關的意外報導亦不時發生。因此若能利用現有資料分析海中沙塵報發生的時機與成因，或可在沙塵暴監測外更進一步生成預報機制，提供潛客下水參考，將可最小化潛水意外的發生。
   • 除了希望透過監測沙塵暴發生來降低人們的潛水意外發生外，根據經驗指出當水濁的時間過長時，因沙塵覆蓋珊瑚礁可能會造成珊瑚白化狀況惡化，由於珊瑚對於生長環境極為敏感，從水溫、到混濁度等環境條件的改變，都將直接影響到珊瑚生態的共生關係。
   • 因此本題期望結合海溫、水下聲音等資料辨識並掌握海中沙塵暴發生的頻度，建立沙塵暴自動監測預警數位系統，並透過此系統保障潛水人員(包含潛水研究人員與潛水遊客)人身安全同時有助於掌握珊瑚復育研究，達到潛水研究人員、潛水遊客以及珊瑚生態保育三方共贏。
2. 議題單位欲解決之痛點
   • 海科館自2011年起在保育區布置4K水下攝影機，透過自動化排程、遠端監控和長時間環境數據蒐集，將潮境保育區之聲音、影像和溫度即時紀錄，但海中沙塵暴發生時間尚未能系統性分析，原因在於沙塵暴發生時間難以掌握，無法以人力不間斷檢視錄影資料，進而分析海中沙塵暴發生時機與成因。
   • 過去拍攝的影片，每部影片都需花費2-3個人至少3個工作天反覆觀看來找出沙塵暴出現的關鍵畫面、並再進行剪輯，且通常沙塵暴出現的關鍵畫面佔影片的比例很小，所以多半的時間都浪費在人工檢視無效的畫面上，以至於無法系統化的分析及監測沙塵暴的發生狀況。
3. 議題單位可提供的資料類型和內容說明
   • 水下攝影機及水下聲音資料(mp4格式)。
   • 海下水溫資料(txt格式)。
   • 國家海洋研究院及氣象署浮標蒐集水文及氣象相關公開資料集(csv或json格式)。
4. 期望達成的AI數據應用方式:
   研究人員將過去一整年的水下攝影機影片資料匯入，希望透過AI檢測海中是否有沙塵暴形成，並將檢測出發生沙塵的連續影片片段截取出(自動記錄發生及結束時間並保留片段的前後5秒)，如此可大幅縮短影片時長，以提升檢閱影片的效率，協助調查團隊透過AI辨識掌握發生沙塵暴的時段。此外由於海中沙塵暴發生的主要影響因素眾多，例如：潮汐、海流、海溫等，在AI辨識模型建立後，因此亦期望可結合氣象與水文等科學數據監測資料，進一步建立AI預測模型，預測海中沙塵暴可能發生的時間。如此透過AI辨識與預測的機制在生態保育研究的同時，更保障潛水人員安全。本題目是否有和其他數據源混搭的可行性: 本題可結合以下國家海洋研究院及氣象署於潮境保育區設置之浮標科學數據做數據資料分析，進一步進行沙塵暴預測的研究，其資料集與相關連結如以下描述：
   • 國家海洋研究院：海流、海溫、風速等水文與氣象公開資料 (請見：https://goocean.namr.gov.tw)
   • 氣象署的潮汐公開數據資料：海溫、潮位高度統計等(https://www.cwb.gov.tw/V8/C/C/MMC_STAT/sta_sea.html)
5. 成果應用情境:
   成果除了提供給海科館研究人員了解沙塵暴狀況用以珊瑚保育狀況分析外，後續亦可將沙塵出現預警預計搭配廣播設備即時提醒或搭配水域警報資訊做發布(如海域遊憩平台一站式網站)，以提醒潛水遊客注意水域的潛水安全。期望透過結合海溫、水下聲音等資料辨識並掌握海中沙塵暴發生的頻度，建立沙塵暴自動監測預警數位系統，並透過此系統保障潛水人員(包含潛水研究人員與潛水遊客)人身安全同時有助於掌握珊瑚復育研究，達到潛水研究人員、潛水遊客以及珊瑚生態保育三方共贏。

期望成果需求：

1. 競賽期間期望達成之初步階段性成果：利用AI協助從歷史錄影資料迅速找出水中沙塵暴事件影片，自動記錄發生及結束時間，並保留片段的前後5秒。沙塵暴出現畫面擷取的AI辨識準確度Accuracy ≥ 85% (沙塵暴出現畫面包含抽取短片中的案例數/總影片案例數)。
2. 進階加分項目：
   • 建立AI監測警示介面並以資料庫紀錄其辨識結果。
   • 結合國家海洋研究院及氣象署於潮境保育區設置之浮標科學數據做數據資料分析，進一步透過AI預測沙塵暴可能發生的時間。
3. 解題後希望達到的質化成果或量化效益：將潮境保育區之聲音、影像和溫度即時紀錄並做後續分析，預測海中沙塵暴可能發生的時間，建立辨識與預測模型各一式。

資料型態：

1. 水下攝影機及水下聲音資料(mp4格式)。
2. 海下水溫資料(txt格式)。
3. 國家海洋研究院及氣象署浮標蒐集水文及氣象相關公開資料集(csv或json格式)。

資料集整備度與細節說明：

1. 資料無個資等涉及機密或敏感資料，海科館將提供沙塵暴發生時的影片之示範檔案，由解題團隊協助完成標註。
2. 提供2022-4-1至2023-04-13一年份水下攝影機影片mp4檔案，為水下多視角4K影音串流，扣除每年會於東北季風來臨時停止錄影外，影片錄製期間為白天 6:30-18:30，為每小時記錄檔案(每筆影像及聲音檔案約5-6G)，共200筆。
3. 溫度記錄為24小時txt檔案，每分鐘紀錄，200天記錄檔案。
4. 國家海洋研究院及氣象署浮標蒐集水文及氣象等相關資料集，均為公開平台資料。

可提供之解題資源：

專業窗口一人、潮境海域場域合作

額外獎勵誘因：

後續延續性計畫合作

有鑑於現行臺博視障導覽APP多為預錄語音，目前無法提供漸進式問答，然而經過專業訓練之導覽人員人數有限，且未能常駐於園區內，僅能為團體預約提供服務，希望藉由AI語音輔助提升視障觀展體驗，打造博物館友善環境。

題目詳述：

1. 題目背景 (議題緣由和動機)
   在視障者的生活中，所接觸到的世界跟明眼人非常不一樣，以參觀博物館來說，不同於明眼人以視覺洗禮，視障者則是用觸覺、聽覺、嗅覺以及其他感知去理解。故如何打造對視障者更友善的觀展環境，形塑更全面的文化平權，使參觀博物館不僅僅是特定大眾的權利，是此題目前期待能解決的問題。
2. 議題單位欲解決之痛點(請與所列「期望成果需求」扣合，如：無法掌握客戶喜好的商品、空車率一直沒有改善等)
   現行臺博視障導覽APP導覽內容多為預錄語音，視障者須聆聽完每個導覽點之口述影像內容並搭配指定動線參觀，如視障者稍有分心即容易錯過關鍵資訊或需再次聆聽較耗費時間，無法提供視障者漸進式精準問答。且本館鐵道部園區腹地廣大，過程須由身旁親友或館方服務人員實際引導進行建築或輔具觸覺體驗方有較佳觀展品質，然因館方專業導覽人員(志工、館員)人數有限，且其導覽風格不一，亦時常服務於不同館舍，往往無法即時提供個別服務。本提案希望能透過AI產生更智慧化導覽問答與引導內容，最大化解決視障者參觀博物館的障礙。
3. 議題單位可提供的資料類型和內容說明
   文本資料(.txt)：鐵道部建築與展覽作品簡介資料約1500筆、園區及館內平面圖量測資料約200筆、口述影像內容及觸摸輔具資料約100筆、觀展常見問題集約200筆。
   口述影像資料(.mp4)175筆。
4. 期望達成的AI數據應用方式 (如：需求預測模型、自動化工具等)
   以臺博視障導覽APP跳轉網頁，提供視障導覽服務，透過NLP(Natural Language Processin)斷句(Sentence Segmenation)與斷詞(Tokenisation)理解視障者語音輸入之問題(主要華語，臺/客/英語更佳)，GPT即時生成回答內容，再由AI合成輸出語音，讓少數量的視障朋友就可以偕同親友或由志工服務，無須等待團體或配合專人導覽時間，即可享受媲美專業人員視障導覽之友善觀展體驗。
5. 本題目是否有和其他數據源混搭的可行性
   視障者需要語句的描述與明眼人不同，須結合口述影像專業，將園區內容轉換為視障者易理解之描述語言，例如空間配置、建築材質、尺寸大小、色彩、動作等，用語言加以解釋與描述，並建構視障者心理地圖，讓視障者也能克服視覺障礙 ，提升其觀展體驗。

期望成果需求：

1. 選拔競賽期間期望達成之階段性成果
   以臺博視障導覽APP跳轉網頁，提供視障導覽服務，透過NLP(Natural Language Processin)斷句(Sentence Segmenation)與斷詞(Tokenisation)理解視障者語音輸入之問題(主要華語，臺/客/英語更佳)，GPT即時生成回答內容，再由AI合成輸出語音，讓少數量的視障朋友就可以偕同親友或由志工服務，無須等待團體或配合專人導覽時間，即可享受媲美專業人員視障導覽之友善觀展體驗。
2. 團隊解題後希望達到的質化成果或量化效益(與題目詳述中的欲解決的痛點扣合，如：提升客戶購買率20%、空車率下降10%等)
   透過10位(含)以上視障朋友或口述影像專家驗證，體驗滿意度達80%以上及錯誤率10%以下。

資料型態：

文本資料(.txt)：鐵道部建築與展覽作品簡介資料約1500筆、園區及館內平面圖量測資料約200筆、口述影像內容及觸摸輔具資料約100筆、觀展常見問題集約200筆等。
口述影像資料(.mp4)175筆。

資料集整備度與細節說明：

以建築、室內空間、展場介紹、展示作品、觸摸輔具、觸摸地圖、口述影像內容等方式分類梳理，不包含機敏資料無須雜湊。

可提供之解題資源：

HOVA台灣視覺希望協會專業顧問窗口一人、國立臺灣博物館專業窗口一人，實證場域臺博館鐵道部園區，如有需要可安排視障團體體驗。

現行在帳戶出現異常交易行為後，須等到隔天才會產出相關報表，亦不會發送相關警示訊息。故期望利用AI自動辨識異常交易行為之帳戶，並針對已辨識為異常之帳戶，於交易過程中跳出警示訊息通知帳戶持有者以及交易對象。

題目詳述：

1. 題目背景：
   現行針對異常交易行為的辨識流程可分為「識別（Screen）」、「核對（Find）」、「評估（Evaluate）」等階段。在「識別（Screen）」階段，會針對一項或多項疑似異常交易的表徵進行判斷：
   • 比對客戶或交易是否符合洗錢表徵？
   • 交易行徑是否詭異？如客戶為年輕族群或退休年齡，但頻繁進行大額交易。
   • 交易是否涉及境外機構，且其名稱與知名合法金融機構相似？
   • 交易是否涉及難以餘地團找到之陌生國家、地區或島嶼？
   • 交易提供之佐證文件是否不明確？
   完成識別程序後，會開始進行「核對（Find）」，此時會核對客戶留存在本行各項資料，以判斷客戶是否正在或即將從事異常交易的活動，主要核對資料如下：
   • 客戶職業或身分
   • 客戶年齡
   • 客戶帳戶收入來源
   • 帳戶平均結餘、交易次數及模式
   最後，於「評估（Evaluate）」階段，依據前述之結果，進行綜合判斷，就客戶的交易是否真正可疑作出決定。然而當前在帳戶出現異常交易行為後，須等到隔天才會統一將前一日出現異常交易的帳戶資料，彙整成報表給予分行行員進行複查，且複查工作仍需人工進行查看，並且許多時候行員還需要致電給帳戶持有人照會，以確認交易是否為異常，整體辨識流程不但相對繁瑣，若於非工作日發生亦無法即時進行反應。此外，因為帳戶本身未被列為警示帳戶，因此並不會發送異常交易提醒訊息給帳戶持有者以及交易對象，導致相關人員無法即時掌握帳戶狀態。
2. 欲解決之痛點：
   • 分行行員日常業務量繁重，導致複查效率不彰。
   • 無法即時辨識此交易行為是否異常。
   • 異常交易帳戶因尚未被列為警示帳戶，故不會發送訊息通知帳戶持有者以及與此帳戶進行交易的對象。
3. 可提供的資料類型和內容說明：
   • 去識別化後之本行客戶基本資料
   • 本行客戶日常交易樣態
   • 本行過往已確認為異常交易行為之帳戶樣態
4. 期望達成的AI數據應用方式：
   • 自動化辨別帳戶異常交易行為模型：透過提供相關數據資料，如：客戶日常交易樣態、過往異常交易行為之帳戶樣態，提出自動辨別帳戶異常交易行為模型，期望可利用AI提早辨識出異常交易行為之帳戶。
   • 異常交易警示通知：針對已被AI模型辨識為異常交易行為之帳戶，於交易過程中跳出警示訊息通知帳戶持有者以及交易對象，期望以此降低詐騙風險。

期望成果需求：

• 從異常交易行為發生到行為辨識完成的時程縮短至1天內。
• 異常交易的辨識正確率達到90%。

資料型態：

客戶資料數據檔（包含行業別、就業狀態、職務名稱、年收入）、客戶交易數據檔

資料集整備度與細節說明：

資料已針對個資等機敏資料進行處理。

可提供之解題資源：

1. 專業窗口一人
2. 協助提供資料來源

現代婦女基金會針對遭受家暴、性侵、性騷擾被害人等服務對象，持續提供性別被害人服務外，對於立法與修法、研究與倡議、社會教育等眾多社福業務，需有外界善心捐款長期的支持，愛才得以延續。而礙於募款部門受限人力與社會風氣與民眾輿論變動快速，基金會募款行銷人員難快速掌握潛在支持者的關注議題與較有感的勸募方案，另外除了現有捐款者之外，為了擴大議題倡議對象，希望能找到尚不認識基金會的其他族群，有機會讓更多社會大眾了解現代婦女基金會推動倡議的議題，給予關注與捐款支持。本主題期望藉由社群網路之潛在支持者輪廓樣貌分析，並做暨有捐款者下次捐款行為預測，以期在對的時間做廣告推播、精準行銷，獲得捐款者的最大支持。

題目詳述：

1. 本主題聯合兩個機構共同聯合出題：
   • 現代婦女基金會（基金會募款場域）
   • 網絡行動科技股份有限公司（netiCRM平台技術業者/社會企業）


2. 題目背景：
   • 現代婦女基金會針對遭受家暴、性侵、性騷擾被害人等服務對象，推動性別平等宣導、婦幼人身安全、法律研修以及個案服務等眾多社福業務，如此大範圍且專業議題的服務，需有仰賴外界大量善心捐款的長期支持，業務才可持續與深入，愛才得以延續。


3. 議題解題痛點：
   因應數位時代，礙於募款部門有限的行銷企劃人力，台灣社會風氣與民眾的喜好和輿論變動快速，面對與日俱增與紛雜的網路與數位媒體資訊，現代婦女基金會募款行銷人員難掌握台灣潛在支持者樣貌，對於基金會服務範圍與服務方向較關注哪些議題，這群人的輪廓樣貌如何、網路上最常瀏覽的網站管道、最常身處在哪些場域，以及對基金會推動的哪些勸募方案較有感，願意給予關注與捐款支持。
   期望可以了解潛在支持者最常瀏覽出沒的網路媒體，以及輪廓樣貌與議題喜好等行為模式，並逐漸擴大議題倡議對象，能找到更多過去尚不認識基金會的其他族群，有機會讓更多社會大眾了解現代婦女推動倡議的議題，給予關注與實質捐款支持。
   另外針對已認識基金會的暨有捐款者，雖曾有捐款，但久沒接觸基金會的資訊，或許已遺忘對現代婦女基金會的支持，故期待透過暨有捐款者的捐款紀錄分析，摸索出暗藏的潛在捐款行為模式，預測個別捐款者下次可能的捐款時間與捐款金額，在捐款者下次可能捐款的時機前，透過適當的廣宣文案發送與對的發佈管道，喚醒暨有捐款者，做精準行銷，提供他們使用習慣的捐款管道，譬如線上刷卡、行動支付、超商多媒體機臺捐款、郵政劃撥、手機捐款...觸發其進行捐款行動。


4. 釋出資料內容：
   釋出現代婦女基金會從2020~2022近3年的捐款紀錄及捐款人背景資料，資料皆經過去個資化與去機敏性處理過。


5. 期望AI數據解方型態：
   • 預測下次捐款行為
     期望於暨有釋出的捐款紀錄與捐款人背景資料中，進行資料建模與分析，以AI預測方式，預測個別捐款人下一次可能捐款時間、金額與支付管道，並需基於自由軟體「https://github.com/NETivism/netiCRM」專案，串接整合NetiCRM系統上現有系統之電子報、簡訊發送工作流程，進行暨有捐款者會員分群與分眾行銷，以寄送個人化訊息，觸發其捐款行動
   • 描繪潛在捐款者輪廓特徵與喜好
     期望從現代婦女基金會官網上，包括現代消息、現代服務、現代倡議、勸募方案等各管道文章資訊中，了解此領域推動議題常用詞彙與關鍵字，透過AI文本與詞彙訓練，進行網路上包括主流網路社群之留言（如Facebook、PTT、Dcard、IG、Mobile01…）、女性議題相關網站（女人迷、非常婚禮、BabyHome…）、公益網站（社企流、NPO Channel…）、新聞媒體等線上資源，將網路上各種輿論與留言回覆資訊，透過網路爬蟲、詞彙訓練與分析彙整方案，以適當且好閱讀理解的方式呈現出潛在捐款者輪廓樣貌與議題喜好等關鍵資訊。


6. 其他數據混搭可能性：
   競賽團隊除了運用本題釋出之數據資料外，可爬取網路資訊、運用Open Data，或自帶資料方式(無涉及個資機敏性與智財權等爭議)，進行資料疊合混搭，競賽解題創意發想與程式開發。


7. 競賽解方移轉機制要求：
   競賽團隊開發時，需使用「https://github.com/NETivism/netiCRM」自由軟體專案之原始碼進行程式開發，期末獲獎團隊須同意將開發成果程式碼採GNU AGPL v3方式做免費授權，上傳回饋給此NetiCRM自由軟體專案，持續開放各界及基金會使用做程式優化與應用擴散。

期望成果需求：

團隊解方須同時包含底下2項痛點需求產出：

1. 預測下次捐款行為
   • 將捐款人之捐款紀錄以適當機制做會員分群，依照現行架上不同勸募方案，配合預測之下次捐款時間，做智慧客製化之廣宣訊息組合設定。
   • 可整合至現有NetiCRM系統之電子報、簡訊發送工作流程，於各排程寄送個人化訊息、觸發其捐款行動，以其捐款總金額最大化。
   • 可產出某時間區段中，捐款者背景條件設定之預測捐款資料報表，如以適合閱讀決策的視覺化圖表呈現模式尤佳。
   • 以2023年1~6月份現代婦女基金會實際捐款資料，作為團隊捐款預測準確性之成效驗證。(ex.依據釋出捐款紀錄清單中的捐款者在團隊2023年上半年的預測資料中是否有捐款行為，以及上半年實際總捐款金額與預測總捐款量之差異)
   • 加分題：AI模型是否具有擴展性，可針對不同組織的捐款人樣貌，進行預測模型微調。


2. 描繪潛在捐款者輪廓特徵與喜好
   • 分析而掌握社群網站潛在支持者之族群輪廓樣貌。
   • 分析而掌握社群網站留言之輿論方向與喜好議題，對彙整關鍵詞之語意關聯精準度與廣度、爬取媒體管道的適切與豐富度。
   • 描繪分析呈現之彙整視覺化圖表具可閱讀性、資訊正確可用性、多元豐富性。
   • 將依據參賽團隊的解題策略與實作成果，依照創意、可行性、完成度進行評分。
   • 加分題：若能將社群網站上分析之潛在支持者輪廓設定，對應到FB、Google、Line廣告投放平台之受眾分類設定尤佳。

資料型態：

2個資料集皆為.csv檔

資料集整備度與細節說明：

資料已刪除個資等機敏資料，部份欄位缺值。

可提供之解題資源：

本競賽主題窗口一人，提供初選入選團隊解方開發諮詢協助。

全球有各式ESG相關標準，因應金管會發布「上市櫃公司永續發展行動方案」，證交所推動的第五項方案「推動ESG評鑑及數位化」，期望推動建置永續報告書數位平台及精進ESG資料庫，推動上市櫃公司注重ESG，並申報ESG關鍵指標數據。　
然企業申報過程，多需以人工方式比對ESG指標內容，並逐一填入申報相關資料或數據，導致增加大量的人力成本。
證交所為了協助企業快速回應ESG申報政策，本競賽題目期望透過上傳既有上市櫃公司的ESG報告或相關公開資料，由AI自動篩選及辨識出符合個別上市櫃公司的ESG指標，並彙整出相關的文字或數據內容，使企業可以直接使用產出的報表內容進行申報。
此外，除了幫助企業申報及了解ESG指標的符合程度，若可同時分析各產業的重大永續議題，自動推薦企業優先改善的永續作為，將會有額外的附加價值。

題目詳述：

1. 本主題聯合三個機構共同聯合出題：
   • 臺灣證券交易所（ESG政策推動機關）
   • 英商路孚特股份有限公司（數據釋出機構）
   • 永訊智庫股份有限公司（場域技術專家）
2. 題目背景：
   因應金管會於112年3月28日發布「上市櫃公司永續發展行動方案」，其中由證交所推動的第五項方案「推動ESG評鑑及數位化」，便期望推動建置永續報告書數位平台及精進ESG資料庫，推動上市櫃公司注重ESG推動，並要求上市櫃公司於證交所申報ESG關鍵指標數據，以此政策方式促使公司將ESG列為重點發展方向。
   本AIGOOD競賽，期望透過運用路孚特釋出之630項ESG指標資料，協助證交所掌握國際ESG指標架構與重點項目，並依據證交所「公開資訊觀測站－企業ESG資訊揭露」彙整之現有29個關鍵指標，可從網路上公開資訊（譬如公司永續報告書、公司年報、官網、新聞等）透過數據爬蟲與AI辨識比對技術，快速蒐集盤整出各上市公司至少29項（或擴大ESG關鍵指標範圍），以彙整入證交所ESG資料庫。
   同時，以此作為證交所未來在擬定ESG指標的重要參考依據，充分掌握國際上各產業的ESG指標的揭露程度與績效表現，進而制定出更符合產業永續趨勢的ESG指標架構，協助台灣企業接軌國際市場。
   並以此協助企業了解相同產業之ESG程度，進行差異比較分析，掌握自身ESG優劣勢，進而提出未來的優先改善項目。
3. 使用情境：
   當企業現在要申報證交所29項ESG指標，企業只需要上傳ESG報告，AI會解析ESG報告裡面的關鍵字，並且根據證交所29項ESG指標的要求，自動從ESG報告中提取出每一個指標所需要的數據或文字說明，並彙整為一份報表，幫助企業快速完成ESG資料的申報作業。
4. 競賽欲解決之痛點：
   • 協助企業從既有ESG資料中，透過AI自動梳理出ESG指標需要的資料及數據，使企業可以快速完成ESG指標的申報作業。
5. 期望達成的AI數據應用方式：
   • 運用路孚特指標數據作為訓練ESG指標分析模型的基礎
   • 建立ESG指標關鍵字之詞向量模型（以證交所29項為核心）

期望成果需求：

1. 團隊建立AI模型，由上市櫃公司上傳永續報告書、年報檔案，或自動至其他如公司官網、新聞稿等公開資訊，解析彙整出公司關鍵之ESG指標資料，快速完成上市櫃公司ESG資訊申報，或回答完成其他ESG評鑑問題。
2. 協助上市公司分析產業ESG重大議題，自動彙整建議優先改善指標。
   • 解析ESG永續報告內文的資料完整性
   • 運用路孚特ESG資料集的訓練與優化方式
   • 評估ESG指標模型是否具有領域專業度
   • ESG資料處理流程的創新性
   • 驗證自動化萃取證交所29項ESG指標之精準度
   • 自動化產出ESG指標報表的完整度
   競賽基本核心需求項目：
   • 建立證交所29項ESG指標的分析模型
   • 建立自動產出ESG申報指標報表的模型
   • 計算可以成功萃取的ESG指標數量
   • 計算萃取出的ESG指標跟實際答案之間的精準度分數
   加分項目：
   • 建立GRI、SASB等其他國際ESG指標的分析模型
   • 分析各產業ESG指標之重大議題，自動化提出建議的優先改善指標
   • 參照國際ESG指標架構，擴大證交所29個ESG關鍵指標數量到更多項，提出其他指標擴增項目建議（113年預計擴充至96項）

資料型態：

以csv檔提供

資料集整備度與細節說明：

1. 路孚特－上市公司ESG指標數據（釋出數據）：
   提供公司之ESG指標資料，供已簽署資料保密同意書之團隊於競賽活動範圍內使用。
2. 臺灣證交所－現有29個企業ESG資訊揭露指標：
   1. 環境議題指標：現有16個:

      主題	指標項目	指標說明
      溫室氣體排放	直接(範疇一)溫室氣體排放量	噸CO2e
      	能源間接(範疇二)溫室氣體排放量	噸CO2e
      	其他間接(範疇三)溫室氣體排放量	噸CO2e
      	溫室氣體排放密集度	噸CO2e/單位產品、服務或營業額
      	溫室氣體管理之策略、方法、目標	質化敘述
      能源管理	再生能源使用率	再生能源/總能源
      	能源使用效率	質化敘述
      	使用再生物料政策	質化敘述
      水資源	用水量	公噸
      	用水密集度	用水量/單位產品、服務或營業額
      	水資源管理或減量目標	質化敘述
      廢棄物	有害廢棄物量	公噸
      	非有害廢棄物量	公噸
      	總重量 (有害+非有害)	公噸
      	廢棄物密集度	廢棄物量/單位產品、服務或營業額
      	廢棄物管理或減量目標	質化敘述

   2. 社會議題指標：現有7個

      主題	指標項目	指標說明
      人力發展	員工薪資平均數	NTD/人
      	員工福利平均數	NTD/人
      	非擔任主管職務之全時員工薪資平均數	NTD/人
      	非擔任主管職務之全時員工薪資中位數	NTD/人
      	管理職女性主管占比	比率
      	職業災害人數	人數
      	職業災害比率	比率

   3. 治理議題指標：現有6個

      主題	指標項目	指標說明
      董事會	董事會席次	數量
      	獨立董事席次	數量
      	女性董事席次及比例	比率
      	董事出席董事會出席率	比率
      	董監事進修時數符合進修要點比率	比率
      投資人溝通	公司年度召開法說會次數	場次

可提供之解題資源：

1. 本競賽主題窗口一人，提供初選入選團隊解方開發諮詢協助。
2. ESG指標資料集介紹簡報

成熟型商圈進行數據累積與應用機制建立：透過多元數據疊合分析，累積消費路徑、釐清消費者輪廓，找出最佳消費關聯組合，協助商圈推動「跨店行銷，相互送客」共榮發展。

題目詳述：

1. 題目背景 (議題緣由和動機)
   天母商圈業態多元，為知名成熟型商圈 (知名度高、業態業種多元、人潮較為活絡且有地方組織共識的商圈)。鬧區為天母廣場、天母運動公園、SOGO區三大熱點。除了外國人口的特色之外，當地居民社區意識濃厚，追求生活品質，行動支付普及率高(店家覆蓋率達8成)，數據累積基礎良好。
   其中天母商圈協會與商家間連結性緊密、互動合作度高。協會協助運營之區域型會員卡(數位天母卡)會員數達20,000名、商圈LINE@活躍會員數達17,000名。商家對協會發起之聯合行銷活動，參與踴躍。未來也期望透過多元數據之相互疊合分析應用，挖掘商圈內部整合服務的新方向和可能性，建立以數據分析為核心之跨店聯合行銷，相互導客共榮發展。
2. 議題單位欲解決之痛點：
   希望可以看到商圈整體營運狀態與發展消長，做為未來相關施政協助之依據。
   • 商圈為開放型區域商業聚落，目前各樣數據散落在商圈中各關係人手中(商家、POS系統商、行動支付商、外送商等)，難以蒐集彙整。
   • 除中、大型店家或連鎖品牌會自行積累數據並進行行銷應用，其他微型、小型店家無法理解數據可以帶來的價值與預測消費行為偏好的可能性。
3. 議題單位可提供的資料類型和內容說明
   去資敏與識別性後的天母商圈店家分佈圖資、交通、電子發票等數據資料。(待進一步更新)
4. 期望達成的AI數據應用方式
   • 找出消費行為標籤，預測消費偏好。
   • 未來大型活動商圈人流與消費偏好預測。
   • 透過多元數據之相互疊合分析，挖掘商圈內部服務新方向和可能性。
   • 累積並建立商圈發展決策的數據參考依據。
5. 本題目是否有和其他數據源混搭的可行性
   北市府商業處提供之開放數據與企業私有數據有機會進行混搭分析，如商家分佈熱點與信令數據、交通動線、商家分佈與消費意象數據等。

期望成果需求：

請陳述：

• 選拔競賽期間期望達成之階段性成果
  • 商圈動態掌握即時，服務決策及時
    • 客流-人流動向掌握，提前預備
    • 消費-消費偏好與趨勢，企劃最得勢
    • 輿情-洞察行為轉變，行銷最當時
  • 商圈數據應用機制導入
    • 業景氣隨時掌握
    • 來客人流動向、消費輪廓、消費行為標籤累積
    • 費趨勢洞察：輿情、關鍵字、熱門話題追蹤
  • 預測天母商圈平日及大型活動中人流變化，妥善安排行進動線
• 團隊解題後希望達到的質化成果或量化效益(與題目詳述中的欲解決的痛點扣合，如：提升客戶購買率20%等)

資料型態：

以台北大數據中心及台北市各局處提供之多個公開資料集。

資料集整備度與細節說明：

可多個開放資料集混搭使用，以期獲得更佳未來客群預測成果

可提供之解題資源：

相關數據資源