彙整指標找出民怨，對症下藥效率高
收集1999專線及市長信箱的抱怨資料後，新北市府團隊先釐清民怨最多的事，再找出問題成因，從治標轉為治本，滿意度也大幅提升。
想到「大數據」，許多人腦中立即浮現幾個成功案例。例如，美國標靶百貨（Target）用購物資訊分析出顧客懷孕、Google用搜尋資料預測流感週期等。其實市政府每日接獲的「民眾陳情」都可以是大數據的應用範疇。新北市即是靈活運用大數據分析，改善民眾抱怨的代表。
雖然導入才短短三年，但已創造出斐然成果。不但多達119項市政服務有了顯著提升，民眾申辦案件的處理流程也大幅縮短，滿意度由68％大幅躍升到85％。「之所以運用大數據分析，是因為想要掌握民眾抱怨的整體面貌（big picture）！」主導專案的新北市研考會主委吳肇銘說，應用大數據不但讓市民申訴的「What」更具體，也幫助各局處找出「Why」，並解決問題。
之前是中原大學資訊管理系教授的吳肇銘，很早就清楚大數據的功用，只是從建立資料庫，到分析中獲得「洞察」、與建立處理機制都需要時間。2011年初，新北市剛由「台北縣」升格，有「市長信箱」「 1999專線」。然而當時兩者的應用，只是單純的受理及回覆。承辦人員只需在六天期限內回覆。
步驟1〉態樣分析找關鍵問題
當時1999市政專線每月接到八、九萬通電話，市長信箱每月收到15萬封郵件，總計超過20萬的「巨量資料」。然而，這20多萬筆申訴，到底「主要」在講什麼？沒人能肯定回答。「案件重複情況只有承辦人員最清楚，但管理階層並不瞭解，因為沒有一個有效的監測及分析方法，」吳肇銘表示。
為了找出「What」，新北市研考會開始把所有案件加標籤。透過第一步的「態樣分析」，哪些是民眾最在意的問題就昭然若揭。「簡單來說，就是『路平燈亮水溝通，環境清潔社區安寧』，已經串成順口溜了，」吳肇銘笑說。
步驟2〉熱點分析找原因
把數百萬筆資料分類後，第二步，是從事件、地點、人三方面，針對民眾迭次陳情進行「熱點分析」，找出為什麼某個類型的案件特別多、為什麼某個地點最常發生問題，以及為什麼某人最常被投訴。例如，為了便利通勤族到台北市上班，新北市推出「快速公車」，本來是利益良善的政策，沒想到才上路不久就接到大量投訴，搭不到車。
因為是短期內同一類型爆量案件，大數據立即警示，讓相關單位知道「問題嚴重了」。調查發現，快速公車上高速公路有乘載人數限制，而在前幾站座位都被坐滿了，因此在上高速公路前一站等的人，即使再早出門也搭不到車。
因為大數據示警，相關單位瞭解到急迫性，規劃出用接駁車將末站的「早鳥」送到前幾站等車的機制。接駁車上路後，陳情立即下降，顯示奏效。大數據分析，不只能找出問題最多的「事」，也能揪出怠忽職守的「人」。
比方在分析民眾陳情時，發現關於一項特殊身分的幼兒園補助津貼業務，被投訴特別多。許多家長不約而同反應，學期初申請補助，到學期結束還沒收到補助金。
因為這項業務都是由同一人員承辦，研考會循線瞭解，才發現這位承辦人一直以「中央錢沒發下來」推託，根本不知道有「市府先代墊」的機制。還好找出癥結，否則不知還會得罪多少市民。
跨局處協調 打破本位主義
然而要讓讓大數據的「洞察」，變成決策參考，同時掃除「知而不行」的障礙，組織必須先建立一套機制。
因此在建立大數據系統後，新北市研考會就每日、每週把分析資料整理成報表，提供各局處主管，讓他們知道哪些問題必須在第一時間關注。另外成立「流程精進委員會」的跨局處協調機制。因為在分析中發現，有些問題不是單一機構或單一承辦人的問題，必須跨機關解決。比方某路口常肇事，警察局加派警力只是「治標」，但常常主因是路段設計不良，若交通局認為「肇事減少」不算自己績效，不願派員改善動線規劃，問題不可能解決。
「以前一些局處會想這案『關我什麼事』，但在流程精進委員會上就不好這樣說，」吳肇銘笑說，推諉情況已大幅減少。透過大數據，新北市更瞭解民眾心聲，也讓過去束手無策的問題找到解決良方，大大提升效率。