人流電信資料利用

稍微嚴肅一點談人流資料或電信資料運用的問題。我自己的立場比較折衷派，沒有不行，問題是使用目的、前處理與顆粒度、監督，以及相對應的使用者授權。

利申：人身在所謂邪惡的大企業當然會影響我自己的看法，不過這邊我只代表我自己。

我這邊舉幾個使用電信資料推算人流的正當目的：解決交通壅塞的政策所需要的事前調查分析工作¹1例如： https://tuic.gov.taipei/neihu_traffic/ ，不過我不知道這個分析是不是有用電信資料。根據我今天在臉書上看到但還沒辦法求證的江湖傳說，柯市府有用電信資料推算人流做出加開捷運班次的決定；雖然我很討厭柯市府，但就這個大方向來說我覺得沒有問題。，或者在內政部沒有去做全國人口普查前，以電信資料作為替代品（但我並不是主張電信資料可以替代人口普查，國家該好好做的基礎調查工作不能省）。如果沒有電信資料去做人流推算或人口學估算，後續相關決策是不可能與現實貼合的。

• 如果我們一方面要求政府施政需要有所本甚至是循證決策，但另一方面又不給其取用資料去做分析來導引決策的話，顯然是要求政府必須靠通靈的方式來做決策，完全是強人所難。

要找到正當目的取用（原始蒐集目的外利用的）巨量個資不會太難。但難在是給出什麼樣經過前處理與顆粒度的個資是足以進行分析但無法還原出個資主體身分或將其個別出來的。匿名化或假名化（以上面兩個例子來說我想不到只做假名化的需求）、把同一個個資主體來源資料做適當的分割或打亂（e.g. 同主體在不同時間區間的資料，配賦不同的 user ID）或是根據分析需求去做出某些參數分佈與原始資料相當的 pseudo-data；以顆粒度來論，如果是交通壅塞的分析，需要看以分、15 分鐘、小時為單位的動態，或者看空間解析度到各路口，還是只是跨行政區，大概都有不同對應顆粒度的資料，如果只是看站點間的流通，甚至未必必須要個資主體層次的資料，只要站與站間的流通數字即可。不過顆粒度的給定，前提要求是分析 regime 一開始就要夠清楚，沒有能讓分析者自己邊玩邊試的空間（除非有一批夠大的 sample data），就是要很密集跟資料提供方做討論，但也要制度跟實踐上容許這種溝通，以及在這溝通階段給予雙方的信任。

監督就不必說，對於這類資料的蒐集、以非原始蒐集而以目的外利用取得、利用跟利用之後個資發生什麼事情，在這幾年來對於私部門的管制是越發嚴格——這不是壞事，但對於公部門的管制與透明程度，至少從外界來看是沒有改善多少。我是不知道個資委員會上路後會不會改善，但從目前為止，我自己經驗到所有呼籲公部門在個資蒐集處理利用上面要建立對外透明與內控（至少要有紀錄才能做對外透明所需的統計這麼低的內控而已）是一律失敗的，大概就是個典型「誰來監督守門人」的問題。

使用者授權這件事情是老問題。以前我會說目的外利用盡可能擴大使用者授權比較好，但撇除掉各種授權同意的 user fatigue、到底有沒有寫清楚到讓個資主體可預見的問題（這不是只有在法規寫「要讓用戶以清晰易懂的方式表達」就能期待會自動搞定的事），授權同意（搭配上是否要求是強制 opt in 或可以接受 opt out）本身真的就是製造一個反向動機。個資主體的自主權值得尊重無庸置疑，不過推到極致大概就是資料整體的偏差，而且是偏差到做各種奇妙的統計魔法前處理都無法補救的那種，完全無法用來支撐決策。就此而言，我現在比較傾向以前處理與顆粒度，搭配目的的審查，來緩和大量要求用戶授權需求與因此產生的反向動機。

（一個題外話是，當然各位可以對電信業者或其他服務提供者拿資料直接或間接變現這件事情批評，而我基本上也同意在這方面的大多批評。不過我覺得這些批評都無法回答：那不然有哪些不把資料變現但仍然可持續的商業模式去支撐服務營運？全都靠訂閱制或者是用愛打造各種去中心化伺服器互相連接？如果沒有在某些 layer 上面有大量體的業者，這些小國寡民雞犬相聞的夢想大概很難 scale up 或有效率連接到很廣的地方吧，friction 太大了。）

最後是讓我噴出這些不精深且廢物感想的原始案件：我其實對電信資料拿來分析抗議人群人口圖像沒什麼定論。如果這件事情不是由某個政黨做然後由其名嘴公布，而是由學院裡研究者做，大家似乎觀感會不一樣，但老實說在社會效益甚至衍生的政治攻防差異會有差嗎？（可能有差的反而是公布的時間點。）所以我們到底討厭的是做這件事情的人身分跟其或隱或顯的動機，還是其他事情？