一、案例概述

湖南長沙市總工會以電力大數據為核心，鏈接社保、醫療、教育、不動產等信息，運用人工智能、推薦算法等信息技術，構建覆蓋500余個建檔困難職工、5萬余個重點關注家庭的動態監測預警模型，形成涵蓋幫扶準入建議、脫困告知提示、返困預警在內的全流程閉環管控機制，以此作為與民政數據比對的補充手段，為工會幫扶工作提供參考。試點期間產生監測預警60余條，經核實準確率達75%以上，真正做到以數據助力更精準、及時地開展幫扶和救助工作。

參考的民政廳“電力+低收入人口精準救助”平臺

二、針對問題

▲建檔幫扶資料更新不夠及時。人工審核建檔困難職工家庭財產信息、收支情況存在不精準、不及時問題。

▲現有比對效率不高。部分地方民政部門難以做到實時支撐工會數據比對需求。

▲獲取數據授權存在困難。逐個溝通社保、醫療、教育、不動產等信息授權程序繁瑣，困難重重。

三、主要做法

（一）綜合論證，推進動態監測。

▲加強部門聯動。長沙市總工會與民政、住建、公安、醫保、教育等部門對接，推動數據共享，旨在建設以民生數據為支撐的工會監測系統。初期因數據安全敏感問題進展較為緩慢，后續探索找到新路徑。

▲加強市場調研。借鑒湖南省民政廳與湖南能源大數據中心合作的“電力+低收入人口精準救助”平臺經驗，該平臺依托電子數據動態監測成效顯著，為工會困難職工動態監測拓寬思路。

▲加強合作共建。工會與電力深入研討困難職工動態監測事宜。通過選取30戶困難職工作為試點，驗證該平臺數據來源豐富、算法技術成熟，能滿足動態監測需求。市總工會通過購買服務的方式，與電力數據中心達成合作獲取監測服務。

（二）調優參數，提升識別精度。

▲拓展數據來源。“工會+電力”的合作，既運用電力自身的能源數據分析困難職工用電數據，初步研判其生產生活狀況，又借助電力與相關部門的數據互通，鏈接居民的醫療、教育、不動產等信息，為精準分析提供數據支撐。

▲科學設置參數。基于困難職工基本信息、用電行為等多維度數據，建立用電異常、繳費異常、重大疾病等多元化標簽體系，設計靈活可調的等級閾值，助力監測預警更精準、更高效，提升研判模型和實際情況的吻合度。

▲線上線下結合。平臺動態監測發現異常后實時預警并推送至移動端，工作人員線下核實情況，并依據核查結果調整指標設計、模型參數和判定閾值，迭代優化模型算法，提升準入、退出研判的準確性，形成“監測-預警-核查-反饋-幫扶（或退出）”工作閉環。

工會幫扶工作人員根據平臺提示開展入戶核查工作

（三）試點推進，逐步推廣覆蓋。

在30戶試點成效基礎上，長沙市總工會從500戶建檔困難職工切入，逐步將動態監測范圍從建檔困難職工拓展到困難邊緣戶，并最終覆蓋至全體職工。現階段已為在檔及脫困困難職工鏈接電力、醫療、教育、不動產等多方數據，通過數據建模分析后形成用戶畫像，為幫扶工作提供了重要參考。如，監測中發現：文某家庭用電明顯低于區域平均水平、胡某家庭用電量較往年明顯下降，疑有返貧風險；沈某家庭用電量超同區域平均用電水平的3倍，有脫困的可能；謝某、戴某、張某有大病治療費用支出，建議開展醫療救助；謝某、張某、林某、戴某有中等職業學校教育支出，且為教育部門認定的在校困難學生，建議開展助學救助；譚某建檔信息與低保信息存在兩方身份證號一致姓名不一致情況，建議進一步核實。相關預警推送至幫扶人員并開展了現場核實反饋，預測準確率約75%。

四、經驗啟示

▲數據聯動。通過與電力數據企業的合作，搭建了工會困難職工監測系統，匯聚多類數據，構建指標體系及用戶畫像，為動態分析職工家庭返貧脫困情況提供參考依據，以數據賦能幫扶業務開展，促進業務模式從“人找數據”轉變為“數據找人”。

▲數據分析。在做好在檔及脫困職工動態監測基礎上，數據分析可逐步向困難邊緣戶及廣大職工覆蓋，通過大數據客觀、全面分析廣大職工的生產生活情況，為工會幫扶工作及關愛政策提供參考依據。