DataKindについて

DataKindは、データサイエンスとAIで世界で最も困難な課題に取り組んでいます。そのスケーラブルなツールは、リソースに制約のある非営利団体が教育、健康、住宅における複雑な課題を解決するのを支援し、最前線の人々が洞察を利用できるようにします。現在の製品開発は、教育、経済的機会、最前線の健康、人道支援の4つの分野に焦点を当てています。

長年のサービスに基づいて、DataKindは実践者と共に、また実践者のために、実用的でアクセス可能な製品を設計しています。ニューアメリカ、セントラルフロリダのセカンドハーベストフードバンク、エンタープライズコミュニティパートナーとの数十年にわたるコラボレーションは、コミュニティを強化し、生活を向上させるという使命を強調しています。

複雑なデータに誰もがアクセスできるようにする

ニューアメリカとの提携により、DataKindはForeclosure and Eviction Analysis Tool (FEAT)（住宅の安定化のための強力なリソースで、当初は操作に技術的な専門知識が必要でした）の規模拡大に着手しました。直感的なインターフェースがなかったため、熱心なユーザーベースがより強力な地図優先の可視化を求めていたにもかかわらず、導入は少数のデータスペシャリストに限定されたままでした。

同団体の次の製品であるLadderは、セントラル・フロリダのセカンドハーベスト・フードバンクと共同で設計されたもので、数千の国勢調査地域にわたる食糧不安と健康状態の関係を視覚化する必要がありました。FEATとLadderはどちらも、パフォーマンスやユーザビリティを犠牲にすることなく、非常に詳細なデータを大規模にレンダリングできるマッピングソリューションを必要としていました。

パフォーマンスと明瞭性のためにMapboxで構築する

適切なプラットフォームを選択することは、多様なユーザーへのスケーラブルな導入にとって非常に重要でした。複数のマッピングオプションを評価した結果、DataKindの調査では、従来のGISツールは多くのユーザーを遠ざけていることがわかりました。住宅担当者、フードバンクのコーディネーター、データジャーナリスト、ボランティアにとって親しみやすいインターフェースが必要でしたが、同時に本格的な分析もサポートする必要がありました。Mapboxは、クリーンで使い慣れていると同時に、分析的にも堅牢であるというバランスを提供します。

Black Wealth Data Centerとの以前のコラボレーションで、DataKindはMapboxの信頼性と視覚的なパフォーマンスを発見しました。React.jsで標準化されたWebアーキテクチャにより、Mapbox GL JSはデータ集約型アプリケーションにシームレスに統合されました。

郡の住宅担当者からフードバンクのコーディネーター、データジャーナリストまで、誰もが利用できるマッピングソリューションが必要でした。Mapboxはまさにそれを実現します。
Shanna Lee, Sr. Director, U.S. Communities Programs, DataKind

Mapbox Boundariesは、国勢調査区域、郵便番号、郡、および議会地区を高速かつ正確にレンダリングするために不可欠になりました。Mapbox SearchとGeocoding APIは、道順検索と住所検索を加速しました。遅いCensus TIGERweb呼び出しをBoundariesベクタータイルに置き換えることで、FEATのパフォーマンスボトルネックが解消され、静的なコマンドライン分析からインタラクティブなマップファーストのインサイトへの移行が可能になりました。

Mapboxの境界データパフォーマンスは他に類を見ません。Mapboxは、非常に詳細な境界レベルで大量のデータセットを難なく処理し、FEATのパフォーマンス問題を解決しました。これにより、マッピング分析を中心とした将来の製品への道が開かれました。
ソフィア・ハームス、DataKind、米国コミュニティ製品担当エンジニアリングディレクター   

効率化された実装と再利用可能なアーキテクチャ

DataKindはReactとMapbox GL JSを標準化し、アプリケーション全体で一貫したエクスペリエンスを実現する再利用可能なマップコンポーネントを作成しました。Mapbox Boundariesは、住宅および健康分析に不可欠な、地域、ZIP、および郡レベルのデータを視覚化し、Geocoding APIは住所検索と地域検索を高速化します。このアプローチにより、外部データへの依存関係が解消され、アーキテクチャが簡素化され、将来の製品の発売が加速されました。

‍

Ladderでは、すべての地理分析がネイティブに実行されるため、外部データウェアハウスが不要になり、アーキテクチャが簡素化されます。このアプローチは、今後の製品を導くものとなっています。再利用可能なモジュール式の地図コンポーネントは、迅速な開発とプロジェクト全体での一貫したUXをサポートします。

組み込みのデータアップローダーにより、CSVのインポートと境界線への即時オーバーレイが可能になり、オプションでポイント/アドレスレイヤーも利用できます。これにより、実務者は、公式の小地域統計（例：国勢調査区の健康指標）と組織データ（例：年間患者数でサイズ調整された診療所の場所）を組み合わせて、コミュニティ規模での豊富で比較分析を行うことができます。

インサイトを測定可能なインパクトへ

Mapbox Boundariesは、データツールをより包括的かつ効果的にするというDataKindのミッションを推進する上で変革をもたらしました。

• 詳細な国勢調査区レベルの視覚化の読み込み時間を50%短縮
• FEATの月間アクティブユーザーが58%増加
• 持続的なレンダリングエラーを15%削減

Mapboxは、速度、精度、およびユーザビリティを向上させることにより、DataKindが1年間で5つの追加アプリケーションを出荷するのを支援し、セクター全体への影響を増幅させました。2021年には、ニューアメリカおよびセントラルフロリダの立ち退きおよび差し押さえグループと協力して、FEATはアナ・エスカマニ下院議員の要請により、オーランドで最もリスクの高い地域をマッピングし、緊急家賃支援の対象を絞ったアウトリーチを可能にしました。Ladderは、場所ベースのデータを活用して、セントラルフロリダの食糧不安と健康状態の悪さの重複を特定することにより、場所ベースのデータをアクションに変えます。カリフォルニアのエンタープライズコミュニティパートナーとの住宅安定化戦略を知らせます。ニューヨーク市のプロバイダーに、経済、法律、および医療サービスを地域のニーズに合わせるためのトレーニングを提供します。フィーディングアメリカの最初のSONA会議で、セクター間のコラボレーションのモデルとして紹介されました。

Mapbox Boundariesを使用することで、DataKindの製品は、ユーザーが自分の仕事やコミュニティを説明するデータを視覚化できるようにします。これにより、組織はニーズのある場所を特定することで、影響力を拡大できます。
DataKind、米国コミュニティ製品担当エンジニアリングディレクター、ソフィア・ハームズ

データエクイティに基づいて構築された未来

DataKindが外部ウェアハウスでのデータマッピングから、Mapbox内で直接分析を実行するように進化したことは、社会的影響を与えるテクノロジーの新たなフロンティアを表しています。Mapbox Boundariesを中核として、組織はリアルタイムのアドレスベースの視覚化機能を拡張しており、洗練された分析をより迅速に作成し、より広範な実務者がアクセスできるようにすることで、影響を加速させています。Mapboxは、あらゆる場所の社会的影響を与える組織が恩恵を受けられるように、成長、適応、拡張できるツールを構築するというDataKindのミッションをサポートし続けます。