第二章 文獻回顧
第二節 資料驅動政府治理
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第二節 資料驅動政府治理 壹、政府以資料驅動治理
IBM（2014）在《數據驅動政府：挑戰與未來》報告中開門見山提及：「政府 從未陷入缺乏資料（lack of data)的困境，事實上反倒面臨資料過量(excess of data)，
且大多資料鮮少去運用它」。政府是早期就導入資通訊設備的資料使用者之一，
以資料擁有者（owner）或製造者（producer)自居，由於資料多以紙本儲存、難以 數位化，經年累月堆積成龐大的資料量，大多資料淪為死的紀錄（Kum et al, 2015）， 然而資料若能善加利用，勢必發揮更大的價值與效益，無論是對於組織內部決策，
抑或是外部公眾關係建立信任與實踐透明。資料驅動型政府強調以證據為本的決 策，且主動蒐集資料與分析發揮其價值，換句話說從過往的資料擁有者轉換為資 料使用者（user）（莊文忠，2018）。
自各國政策發展，可以看出政府機構對於資料效益愈趨重視，無論是增加公 共投資或投注研究能量，制定相關政策以顯示公部門之支持與看重（Gamage, 2016），各國政府主要方向如制定國家發展策略與領航方向、強化基礎運算設備 強化與擴大經費支持（余孝先、趙祖佑，2015），以下分述各國政策主要作為有：
一、歐盟：
2010 年歐盟推動數位轉型議程，將大數據視為重點發展領域之一，更 在2014 年發布《朝向一個蓬勃發展的資料驅動經濟時代》（Towards a Thriving Data-driven Economy），強調資料為掌握未來發展的關鍵。
二、美國
2012 年歐巴馬政府推動大數據研究與發展計畫（The Big Data Research and Development Initiative），大量投入資金與研究動能，希冀將資料經濟帶 動發展與蓬勃；2013 年成立政府大數據工作小組以規劃國家策略、技術架 構與相關規範擬定。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
三、亞洲國家
如 南 韓 、 新 加 坡 與 日 本 也 不 惶 多 讓 ， 新 加 坡 建 立 資 料 市 集 （Data Marketplace）且整合國內資料訂定統一規範；日本自 2013 將大數據納入技 術創新總體策略之中，且將於 2020 東京奧運結合科技應用展現成果。韓國 則是建構專責機構協助公私部門大數據應用策略規劃與執行。
四、台灣
我國前行政院長毛治國宣示開放資料、大數據、群眾外包為未來施政重 點項目，協助政府運用科技工具推動讓人民有感的施政作為。我國政府運用 大數據分析多採兩種模式－政學合作與機關試辦，兩者皆由行政院指定議題 與應用領域、前者由科技部徵集學術研究能量，後者則是政府內部成立跨機 關合作小組（劉宗熹，2016）。
由此可見，無論是國際趨勢與國內政策對資料創造價值的重視程度不容小覷，
畢竟資料為新世代的石油並視為關鍵資產，政府亦是希冀透過資料加值應用不僅 得以帶動經濟發展，更能對於組織內部有所效益回饋。Singh 等學者（2014）提 到政府機構可透過大數據促進以下優點：1、優化的資料管理（management of data）： 包括自動化運算降低處理資料的成本，且有助於跨機關資料透明化避免重複蒐集 資料；2、客製化的服務（making services personalized）；3、運用預測技術解決問 題（using predictive analytics in solving problem）；4、提高生產力（increase in productivity）並促進創新。除上述優點之外，許多學者提出以資料導入政府治理 的效益優點（Provost & Fawcett, 2013; Kim et al, 2014; IBM, 2015; Thompson, Ravindran & Nicosia, 2015;Höchtl et al, 2016; Janssen et al, 2017; Kontokosta, 2017；
宋餘俠、李國田，2012；余孝先、趙祖佑，2015；莊文忠，2018）。
對政府來說，資料驅動不僅得以健全治理架構、主動偵查錯誤與欺騙，優化 資源分配（Singh et al, 2015; Höchtl et al, 2016），並改善公共服務的品質與效率
（Kontokosta, 2017；宋餘俠、李國田，2012）且得以客製化滿足個別人民需求的
‧
差異性（Singh et al, 2014；余孝先、趙祖佑，2015），且得以運用預測技術解決社 會問題（Höchtl et al, 2016），且有助於提升公部門形象，最為根本的目的在於改 善公共決策品質（Kim et al, 2014; Provost & Fawcett, 2013; IBM, 2015; Thompson et al, 2015），並非僅是以主觀經驗與個人直覺去判斷（Janssen et al, 2017），此趨 勢與循證政策制定相互呼應（Kontokosta, 2017)，蒐集資料降低人為決策的干擾 與不確定性（莊文忠，2018），強調以公共問題為導向，有系統且多元蒐集資料 Matheus et al (2018) Provost & Fawcett (2013) Thompson et al (2015)
提升生產力與行政效率
Höchtl et al (2016) Kontokosta (2017) Singh et al (2014)
‧
Thompson et al (2015) 余孝先、趙祖佑（2015）Matheus et al (2018) 莊文忠（2018）
資料來源：本研究自行整理。
貳、資料驅動決策與循證政策
近年公共政策愈來愈講究以數據為本，強調以嚴謹且客觀的證據作為佐證，
避免以政治或價值取向的主觀判斷（Adams & Sandbrook, 2013；莊文忠，2018）， 關鍵在於在政策制定與服務輸送的過程中得以有效解決問題（what works）
（Sanderson, 2002），且透過證據加以凸顯政策執行現實與不同利害關係人認知 之落差（Olesk, Kaal & Toom, 2019）。循證政策制定的風氣源自英國新工黨政府 追求現代化並以證據為本，使政策制定更加前瞻且有所策略規劃，讓公共服務得 以滿足使用者需求且提高品質（Sanderson, 2002；Adams & Sandbrook, 2013），其 核心概念是政府採取理性的行動舉措（rational policy action）與健全的證據（sound evidence）的支撐。
在資料時代，資料如何成為具有可信力的證據及如何運用，亦值得我們反思 政府所需的證據應扮演的角色。Adams 與 Sandbrook (2013)以兩大哉問反思政策 循證，一是何謂證據，必須先界定證據並確認其可信度，二是如何運用證據，釐 清過程中從證據到決定的關聯性。畢竟現實情境中決策者往往陷入混亂中做出決
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
定。因此，資料作為證據的重要性在於釐清決策過程中存在的風險與不確定性
（Stirling, 2010）。檢視什麼資料得以成為證據，包括基本人口結構資料，行政資 料、評估報告等，且不僅限於實體資訊亦同納入默會知識（tacit knowledge）相互 呼應（Sanderson, 2002）。證據如何運用提升決策質量？資料品質影響決策好壞，
而即時取得（timely access）亦對決策產生影響，畢竟決策須依循其特殊情境，否 則資料或證據將無法發揮所用，資料品質與即時取得會決定證據的可信度，但決 策者本身對於證據的信任也會扮演重要的角色。
舉教育領域與交通運輸，兩者運用資料驅動服務品質行之有年。教育領域自 2001 年美國通過無落後學生法案（No Child Left Behind Act, NCLB）推動資料驅 動決策，其中要求學校提出數據化績效成果，透過蒐集與分析以學生為核心的資 料讓教學決策有所本，無論是高階管理者或基層教師應提升決策效能與教學品質。
資料驅動決策強調以現有蒐集資料來前瞻規劃未來方向，並非僅以過往經驗或直 覺來評斷（張奕華、顏弘欽，2010），資料從蒐集到詮釋都應依循系統化且科學 化的原則，並抱持批判審慎的態度看待資料（黃健翔、吳清山，2013；潘慧玲、
張淑涵，2014）；就交通運輸領域，更在網路、資訊科技智慧化導入行政流程與 決策規劃中更為提升資料的價值，Matheus 等人（2018）以巴西地方政府與外部 組織 Pensa 合作－智慧交通儀表板說明公部門應用運輸資料進行價值創造的效 益有兩層面：對外部民眾來說可增進課責、透明與大眾參與，對內部組織而言則 是有益於決策制定，同時兼顧彼此信任建立，前者呼應莊文忠（2018）提出循證 政策效益－對外提升政府透明與爭取信任；另外，許志義等（2019）研究則以交
通部國道高速公路電子收費開放資料談及我國交通運輸資料如何應用之脈絡。
叁、資料科學發揮公益價值
資料不僅得以替企業與組織營造具有競爭優勢的定位或賺取利潤，針對服務 運輸得以更有效率，讓政府的行政效能提升且決策有所本，然而資料的效益不僅 在於促進效率的改善，亦可朝更深入的社會價值貢獻去討論，例如針對複雜的社
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
會問題提出解方（Panetta, 2018; Zugura, DiSalvo & Meng, 2018; Porway, 2015; Hong, Malik, Junquist, Bellach & Kntokosta, 2017），國內外有許多案例是以資料解決公 共問題提供創意解決方案與精進決策，亦有相當多非營利組織與志願者投入，以 下列出國內外資料公益專案進行說明：
一、國際組織與著名案例
1. 資料科學公益計畫（Data Science for Social Good Fellowship, DSSG Fellowship）：1芝加哥大學啟動資料浪潮中的公益革命，舉辦 DSSG 計 畫與非營利組織等經過2 至 3 個月的合作以資料分析解決特定問題，芝 加哥與里斯本各有資料科學家團團隊進行運作，近期案例有歐洲團隊與 荷蘭政府交通部門Rijkswaterstaat 以數據分析如何在最短時間到達意外 現場且優化人力配置、芝加哥團隊與紐約市長公民參與小組運用紐約住 宅資料分析何種類型的租戶最需要法律援助。
2. Datakind：2與組織協力合作解決業務問題與改善組織內部運作、或以 DataDive 短期馬拉松式專案激發創意探索資料價值，並加強資料社群聯 結與提供諮詢服務，例如與技術聯盟社群（Community Technology Alliance, CTA）針對無家可歸者以數據為奠基發展減貧之解決方案 3. DrivenData 與 kaggle：3組織得以提供重要問題與資料集，DrivenData 與
kaggle 提供平台舉辦網路競賽，由提案組織出題與提供贊助金額，讓數 據專家透過團隊或個人競賽的模式發揮技能。
1 資料科學公益計畫官方網址：https://dssg.uchicago.edu/。
2 Datakind 官方網站：https://www.datakind.org/。
3 Drivendata 官方網站：https://www.drivendata.org/；kaggle 官方網站：https://www.kaggle.com/。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
二、國內亦有智庫驅動推動資料英雄計畫（D4SG Fellowship），4由政府機關或社 會服務組織提案，以專案形式進行合作，媒合資料科學家共同激盪以資料做 公益的價值，著名案例如與雙北家庭暴力暨性侵害防治中心（簡稱家防中心）
建置兒少受虐再犯預警機制、與高雄消防局合作火災風險地圖。
上述無論國際或國內案例皆顯示資料得以替社會創造良好影響力，更為值 得關注的是不同組織與領域知識交流的合作過程，並非僅是靠傳統組織內部資
上述無論國際或國內案例皆顯示資料得以替社會創造良好影響力，更為值 得關注的是不同組織與領域知識交流的合作過程，並非僅是靠傳統組織內部資