警力不足、中央與各地方縣市警局警力配置不當，已是各單位中最普遍的問題。近年來，警民比例逐年攀升，警民比例愈大，表示平均每位警員之工作量愈大；相對於日本，我國之警民比例則是低於許多，但日本治安卻優於我國，可見警力不足並非是治安問題最大的主因，「警力配置」適當與否也扮演著相當重要的角色。本文欲以一銀竊盜案數據去做分析與探討，如何在有限的人力資源下，做出最大效益之決策。
A圖
A圖顯示，台北地區早上(五點、七點、八點)遭竊金額最大，其次為台中凌晨一點到四點，可針對此時段之地點加強巡邏，避免超額損失。B圖顯示，嫌犯總操作時間與竊盜總金額呈現正相關(綠色斜直線)，嫌犯平均盜領時間的區間為5分鐘到20分鐘（下方盒鬚圖顯示），刑警在5分鐘到20分鐘內到達ATM即可順利抓到嫌犯。圖中之極端值（長時間竊盜金額最少、短時間竊盜金額甚多），可查出提款機機種及操作之嫌犯，深入了解是否提款機安全防護措施不佳，或是嫌犯有新竊盜技術，預防未來竊領案再度發生。
圖B
第一銀行可針對以下資訊，加強ATM防護及巡邏：(圖C、圖D)
- 竊盜次數的分行多至寡分別為古亭、西門、台中
- 竊盜次數最多的時間依序為05:00（14次）、20:00（12次）
圖C
圖D
襲擊次數與時間為高度相關（應變數Y：竊盜成功與否）。竊盜時間選擇相當重要，攸關嫌犯盜領成功率，警察可針對本研究案提出地點加強巡邏。本研究資料顯示，第一次襲擊失敗時仍會進行第二次第三次襲擊以此類推，可由資料找出此台ATM，可深入研究是否某分行之ATM防護措施極佳，可讓其他分行ATM效仿，或是推估是否此時段不易遭嫌犯竊盜成功。(圖E)
圖E
圖F
如何看出樣本資料的預測是否準確？我們可以運用Error Matrix看出本研究使用之樣本預測正確率，而本研究數據資料之樣本預測正確率為百分百(圖F)。另從左圖Random Forest中運用Mean Decrease Accuracy、Mean Decrease Gini分出「每分鐘竊盜之金額、總金額、襲擊次數」去測量嫌犯竊盜ATM成功與否最為精準，若未來各家銀行想藉由數據分析去做人力資源決策時，本研究建議使用變數：「每分鐘竊盜之金額、總金額、襲擊次數」，去推估易遭盜領成功之ATM，以便加強防護措施(圖G)。
圖G
從分析中可以得知，若欲提供警力配置優勢策略，有效加強金融安全，尤其針對古亭、西門、台中之一銀分行的ATM之安全系統措施。台北地區早上(五點、七點、八點)犯案金額最大，其次為台中凌晨一點到四點，此兩地區可對此時段加強巡邏；其他地區則是在竊盜次數最多的時間依序為05:00（14次）、20:00（12次）加強巡邏。嫌犯總操作時間與竊盜總金額呈現正相關，刑警在嫌犯犯案後5分鐘到20分鐘內抵達ATM即可順利抓到嫌犯。藉由變數（每分鐘竊盜之金額、總金額、襲擊次數）去推估易遭盜領成功之ATM，做加強防護措施。
專題作者: 李欣樺
中長期科技前瞻計畫數據分析研究員以及科技部大專生研究計畫研究員。曾擔任世新大學研發處（校務研究辦公室）校務計畫研究助理；法務部調查局幹部訓練所：「公輿情蒐集及大數據個案研析」及「資料視覺化及輿情分析研習班」課程助教；社團法人臺灣鑑識科學學會：「大數據、視覺化與社會網絡分析」演講助教，三星統計：數據分析課程-資料視覺化:Tableau Public、IBM Watson Analytics、SandDance課程助教。大學期間參與全國競賽獲得之獎項，遠東商銀數位創意王+校園競賽（冠軍），FELA未來領袖盃：財務策劃師競賽（佳作），以及校內競賽2016世新盃投資模擬競賽（季軍），世新大學金融大數據行為學讀書會_召集人（冠軍）。熱愛R程式語言、Tableau Public。
