昨日行政院副院長張善政出席經濟日報舉辦的「數位金融 3.0 論壇」，以 〈大數據應用新思維——從政府施政談起〉 為題發表演說，除了分享行政院與各部會運用資料的心得之外，也表達了政府對於資料運用的態度。他鼓勵金融業者放棄對部分資料的控制以擴大影響力，並表示行政院正在推動數據運用的相關國家標準，而大數據運用雖說應該立法規範，但現在還不是時候。

政府做大數據分析是實作科學

張善政表示，要談數位金融 3.0，除了讓消費者可以更方便享受金融服務，他也想從業界的角度來談資料的收集和運用，因此將行政院過去半年推動大數據的經驗拿來和與會者分享。他表示，大數據分析是實作科學，政府在做大數據分析，也是邊做邊學，邊做邊調整。

上個月張善政曾經發表過民間企業薪資大數據分析報告，¹統計 2014 年約 484.5 萬人，其中薪資所得在年薪 55 萬元以下約占 65%，發現過去三年，企業間的薪資調幅僅約 3%。他進一步解釋，行政院使用的分析方法，是比對了勞保和所得稅資料進行分析，而過去主計處進行統計，取得的資料是來自於問卷調查，準確度不足。「看得出來，低薪狀況確實存在。」張善政說。

而且，這次運用的數據，還可以讓政府了解低薪狀況的年齡分佈，除了大家比較容易想到的年輕人（剛出社會），其實部分中高齡人士也屬於低薪族。

沒資料=沒輒

張善政分享的另外一個例子是追蹤不同科系大學畢業生和碩、博士的就業/待遇情形，這些資料除了可以做為研究學用落差、教育資源安排（例如關閉大學）等等的參考。「可惜，這部分有點遺憾，原本我們對於這份資料的期望很高，後來有點失望。」他解釋，因為教育部從全國各大專院校收集而來、經過電子化之後的資料，是從民國 100 年開始，換言之，只有四年的資料。「可惜教育部沒有早 10 年想到，不然我們就有 14 年的資料，這太有用了，但四年的資料不夠，只能繼續收集。」

其他還在進行的，像是新住民和新住民第二代的發展，以及追蹤吸毒人口的成長歷程，另外也在規劃低收入戶家庭背景分析、銀髮族就業供需等等，並且做出因應。張善政特別提到，在分析低收入戶資料時，就會出現個資問題。

跨部會問題，需要輔導

張善政表示，在進行這些數據分析工作時，遇到的困難之一是各部會的技術能力參差不齊，因此需要成立大數據技術輔導小組。

過去，曾有一派人士提出：當大數據分析發展到極致，要分析特定領域的問題時，是不是就不需要該領域的專業知識了呢？²但是在張善政的經驗裡，至少目前還不是這樣的。他說，以現在進行中的吸毒人口成長背景分析為例，他發現自己大概只能聽懂一半，顯然不能插手太多，只能交由衛福部、內政部和法務部去進行。「越往下做，非專業的人能介入的空間越少。」

張善政特別指出跨部會問題也是在做大數據分析時的障礙。以前面提過的民間企業薪資分析為例，他建議財政部整合勞動部的勞保資料，得到的回應竟然是「不想，因為很麻煩。」然而光是依靠所得稅資料來看的結果，就是怎麼做都做不出來。「做大數據分析，要勇於跨出部會間的藩籬。」

制定國家標準

大數據議題在實做時經常伴隨著個資問題。如同張善政在前面提到的，如要追蹤低收入戶或是新住民第二代的發展情形，就會牽涉到個資問題。真的要做，數據上來說都能追蹤到，但這就是目前政府還沒有結論的地方。「政府的出發點是好的，但有時人家就是不願意讓你知道自己是新住民。」

因此，政府正在準備大數據分析的國家標準，2011 年，ISO 已經推出個資國際標準，去年六月，政府也推出了「CNS 29100 資訊安全個資管理國家標準」，³七月底會完成另一項 CNS 制訂工作。

資料先收集再說，以免用時方恨少

如同前面教育部資料收集不足的案例，張善政認為資料應儘早收集，或許一開始看不出用途，但大數據的特性之一就是往往能在分析之後發現原本我們觀察不到、聯想不到的東西。

「現在硬碟便宜的不得了。」張善政說：「先別問資料要幹嘛，先收集再說，未來會有人想到資料的用途。」

他舉例，像是行道樹在市區的分布圖，有人問說為何要收集這樣的資料，但後來發現，在花季的時候，這項資料對於容易過敏的人來說卻很有用，因為他們可以避開過敏原密集的區域。這樣的應用在日本也相當常見，例如就有「あなたの街の花粉情報（你家附近的花粉症情報）」、「花粉症ナビ（花粉症導航）」等 app。

鼓勵發想

張善政提到，過去他任職於科技部時，曾經提出由科技部出預算、資料所屬不會出資料（有限度開放的資料，非 open data），讓大學教授提出研究計畫，提出過去「沒資料就不能做」的研究，後來學校提出的題目大約有 100 項之多。張善政表示，這些專案如果能做出結果，他相信政府的資料分析會因此跨出一大步。

廣結善緣，放棄控制，擴大影響力

「Give up control to gain influence.」這是張善政對在場金融業者的呼籲，他說銀行現在手上握有許多客戶的資料，應該思考該如何運用，去擴大影響力。他舉例，本週稍早中國信託與 PChome、7-ELEVEN 合作發展行動支付，以及台達電注資歐付寶申請第三方支付業者執照，⁴雖然一方不能掌控所有資料，但影響力可以擴大。「金融界的資料分享出來與產業結盟，產業其他公司的資料也可以分享作為回報，影響力才能擴大。」

大數據運用可立專法，但不是現在

最後，對於大數據專法，張善政表示，可立專法，但現在還不是時機，由於大數據分析對我們來說還是比較新的東西，應該先給業界幾年時間，觀察各界如何運用，再來立法，而不是在發展都還沒開始之前，訂出未必符合實務運作的法規。

「各位可以回想一下個資法。」他說當時法律走得太快，訂出了許多實施後沒多久即需要修訂，甚至有些至今仍不敢實施。

「現在大數據案例還不多，大家都在起跑點，趕快做吧！」張善政說。

本文由 Yahoo 奇摩贊助

從您打開手機、啟動 Uber 的那一刻起，這個 app 背後龐大的系統就開始記錄你的資料，叫車的地點，司機前來接你花費的時間，整趟路程的行進距離、路徑與總時程，最終抵達的目的地。

如您一樣的千百萬名乘客，在近 300 座城市、每天平均百萬趟次、截至 2014 年 1.4 億趟次，累積起來的巨量資料，讓 Uber 成了一家名符其實的大數據公司。

服務的根基：配對、共乘、價格

在 Uber 的工程團隊裡面，有 15 個人專職負責數據分析的工作。他們是你手機中精準計算「司機將於 5 分鐘之後抵達」的功臣，也是惡名昭彰的浮動定價操縱者，Uber 駕駛握有的熱點地圖，亦由這個團隊生成。

從使用者與駕駛蒐集到的資料，Uber 得以開發演算法分析供需關係，他們必須確保在各個區域中的每個時段，都有足夠的司機數量可以承接所有使用者的需求。在這個過程中，Uber 為雙方創造了價值：乘客能夠氣定神閒在幾分鐘之內搭上一台黑頭車，駕駛也不必在街頭亂繞碰運氣，app 在手，隨時會有生意上門。

另一方面，Uber 共乘服務 UberPool 雖然被許多國家嚴加管制，但 CEO Travis Kalanick 聲稱，這項共乘服務能在未來幾年，讓倫敦街道少掉 1/3 的車輛，解決惱人的交通堵塞問題。UberPool 能夠找到路線類似的幾名乘客，安排同一個司機順路接送。根據 Uber 部落格，推出 UberPool 的原因也是因為他們從數據中發現，在紐約有大量的使用者上車、下車的地點與時間其實都很相近，因此推出共乘服務是很自然而然的策略。

偶爾遇到耶誕夜、跨年、颳風下雨的日子，急著搭車參加派對或返家的時刻，打開 Uber 卻赫然發現價格漲了 4.5 倍，這也是大數據演算即時交通狀況與旅程時間，在叫車使用者突然暴增時，調漲價格吸引更多司機上街消化需求。

大數據非神話，別用它來使壞

不過，數據畢竟缺乏人性，開趴節慶要消費者多付點代價是合理的，然而過去就曾發生過紐約暴風雪、雪梨挾持人質等不幸事件，大批人們匆忙逃命之餘，Uber 價格照漲不誤，被罵得狗血淋頭，每每造成公關危機。

畢竟，大數據不是神話，它服務的終歸是人，還是有賴各部門協調適時按照各種不同情況反映。只是 Uber 這家公司一直以作風大膽著稱，雖然「自動化」帶來教訓，但 Uber 居然又自己挖坑給自己跳：毫不遮掩他們怎麼分析使用者的數據。

今年初 Uber 發表了一篇「榮耀之旅」的調查，文案寫著「我知道，我們不是你們生命中的唯一愛人，我們也知道，你們會在別的地方尋找愛情」——Uber 對使用者的數據進行過濾，專門挑選夜晚 10 點到凌晨 4 點，在 4-6 個鐘頭內連續叫車的使用者，記錄他們的上下車地點，繪製成「一夜情地圖」，引發軒然大波，Uber 隨即撤掉該篇部落格文章。

真正的金礦：把使用者數據賣給其他企業

縱使爭議多，仍不妨礙 Uber 擴張全球版圖的野心，當然，也不構成他們深度利用使用者數據的絆腳石。

用 Uber 用得很兇的富比士雜誌特約作者 Ron Hirson 描述，現在全世界只有四個人／公司掌握他每分每秒的行蹤，一個是他妻子，一個是 Siri 語音助理背後的蘋果公司，一個是美國老大哥國安局 NSA，另外一個就是 Uber 了。他住哪裡、於哪裡工作、在哪裡用餐、到哪裡旅行、所有他曾造訪的地點，全逃不過 Uber 的法眼。

「我不再只是一名乘客或旅人，而是一座大數據的金礦。」Ron Hirson 形容 Uber 將轉變為一家與 Google、Facebook、Visa 等企業，使用從你我身上挖掘出來的大量資訊打造新服務，並且把這些數據賣給其他公司，賺取營收。

最近 Uber 就和美國高級連鎖飯店集團喜達屋合作，使用者可以把自己的 Uber 帳戶與喜達屋會員帳戶聯繫起來，搭乘 Uber 的同時也可獲得喜達屋的積分，交換條件是把自己所有 Uber 的帳戶，包括姓名、email、搭乘 Uber 的所有行為與路線，完完整整交給喜達屋。於是，當作者飛往西雅圖出差，坐上 Uber 抵達一家「非喜達屋集團」旗下的飯店，他們就會同步收到通知，得知自己痛失一名客戶，下次就會搶先以贈送優惠等方式，殷殷期待 Uber 送來這位曾經錯過的客戶。

Uber 可以和航空公司、餐廳、夜店、酒吧等地展開類似的合作模式，讓合作公司可以「預知」你的行程，擄獲更多潛在客戶。使用者對 Uber 的重度依賴，也為 Uber 累積大量可貴的資料，它知道每座城市最受歡迎的餐廳與酒吧或玩樂地點，如果使用者也願意交出自己的私人資料換取優惠，這就表示 Uber 的「大數據」技術不只發揮在核心業務上，更能在營收上創造額外的巨大貢獻。

參考資料：

• By the Numbers 20 Amazing Uber Statistics
• 優步向大數據公司的方向邁進
• Riding the wave of data -- Uber
• The Amazing Ways Uber Is Using Big Data Analytics
• Uber can track your one-night stands