為什麼在這個地區投入很多行銷資源，申請法律扶助的人數卻低於平均線？為什麼這地區的老人很多，法扶的申請紀錄上卻是空白一片？在啟動數據分析之前，財團法人法律扶助基金會做事比較多時候是靠經驗、直覺，還有勤奮工作，而在啟動數據分析之後，他們開始看到過去不曾注意過的問題，也一步步探索出更聰明、有效的工作方法。
法扶的挑戰：如何知道是否幫助到真正需要幫助的人
法扶在全台有22個分會，其中規模較大的編制約有20~30人，規模較小的則可能只有4個人。而可以想像全台灣需要法扶協助的人不會只聚集在都會區，也可能是偏遠鄉村的老人，或居住在山上部落的原住民。對他們來說，如何讓有限的資源發揮出最大效果、如何讓真正需要幫助的人能夠獲得幫助，就是最大的挑戰。
而這個挑戰在今（2018）年經由智庫驅動執行長劉嘉凱的牽線，獲得了商業分析軟體服務商SAS「Data for Good」（數據為善）專案的協助。由2位SAS資料科學家陳林彣和謝宗翰，在3個月的時間內與財團法人法律扶助基金會副執行長林聰賢，還有法扶的法務處、業務處、資訊處、財會以及宣導部門，共5大處室人員展開密切合作。
從這次數據分析的結果中，他們發現了幾個現象，如一般來說可能都會直覺認為都會區的資源較豐沛，或是靠近車站的地點因交通便利，法扶申請案件的覆蓋率也會比較高。而實際上也確實發現有這樣的分布情形，只是如果再更仔細看，就會發現又不完全是如此。
從數據分析找到過去沒發現的問題
像是烏來山區既不是都會區，也不算交通要塞，法扶更沒有投入特別多的宣傳經費，但當地原住民的案件申請覆蓋率表現卻很突出。謝宗翰後來進一步去了解，才知道原來這是因為當地有教會，而教會和原住民的互動密切，所以有很多相關資訊或轉介需求，是由教會協助傳播和提供的，也因此有比較好的覆蓋率表現。
也是因為這個發現才讓法扶意識到，資源投入其實不是愈多愈好，也不應該只是一昧想著自己該如何做宣傳。其實有時透過和在地影響力者，如教會的結合，不僅更省力，成效也會更顯著。除此之外，他們也從中發現，本身累積的數據如果能再加上外部數據的連結，如結合衛福部中低收人口資料、原民會的原住民人口資料等等，還可以從更多元維度去找出問題、看出更完整的樣貌。
而更重要的是，法扶這次不只是藉由數據去找出過去沒發現的需求缺口，也已經開始為這些缺口尋求解決方案。當然，林聰賢直言有些觀念和作法必須要循序漸進，不太可能一步到位，但在有數據可做為依據的情況下，他們最快能展開的行動就是讓各分會可以針對低於分會平均線的部分做加強。同時這也讓他們一改過往一個決策下去，22個分會都要同步跟進的作法，改由各分會可以針對從數據看到的問題點，採取最適切因應，既減少資源浪費，也能提升執行效率。
不只找出問題，還要把事情做得更聰明
再舉一個具體實例來說，他們從數據分析結果發現東北角的老年人口其實是相當多的，但扶助案件申請覆蓋率卻幾乎是一片空白。推測這背後原因或許是當地真的沒有這方面需求，但也可能是當地人不知道如何尋求協助。而要找出答案，就得親自去走一趟。
只是這也不是願意花時間、花體力就可以解決的事。「當你說我要來做法律服務諮詢，人都很少，老人家不會特別跑出來。」林聰賢說，後來他們想到的方法是跟著新北市政府的行動巡迴車，搭配其他新北市的宣導活動，一起做法律諮詢推廣，同時他們也藉此機會去認識當地里長，進一步深入了解在地需求。
林聰賢認為，現在的法扶和過去的法扶相比，有一個很大的改變就是：「怎麼把事情做得更聰明。」
專案結束，但數據分析工作還要繼續
當然，3個月的專案時間不算長，所以當初和SAS的合作也只能先鎖定2~3個能在時間內完成的項目做進一步分析。不過既然透過這次專案確實發現有服務缺口存在，而且數據反映出來的狀況也和原先憑經驗設想的不完全相同，所以在專案結束後，法扶沒有停止數據分析工作，還打算要在既有基礎上繼續發展。像是在量化分析成果之外，他們還希望能更進一步往質化分析進行研究。
而法扶接下來不論是要從內部培養數據人才、購買相關分析工具軟體、成立數據分析部門，或是將數據分析工作委外，可能都必須等待明年度的預算編列才能執行。但這也不代表法扶在今年就沒有事情可以做了。林聰賢表示，目前他們希望可以在每季的會議，根據現有數據和各分會根據數據執行工作所得到的反饋，持續做解讀上的修正。
同時他們也嘗試在SAS協助建立的數據基礎上，設計一個即時互動地圖，未來希望做到可以即使顯示全國每個分會負責地區來自中低收入戶、原住民、身心障礙者等不同社會經濟弱勢族群和不同案件數的變化，讓各分會能夠做出更即時的因應。