報導者的20大高風險賣場圖表，哪裡有問題？
與直接數據換算關係不一定的間接數據，不能夠作為好的資訊圖表素材。
報導者刊登了一篇由新聞所學生製作個資外洩專題，並且用上面這個圖表來推銷這篇文章。結果讓大家很疑惑「居然沒有讀冊」？
雖然報導內文中有提到讀冊詐騙的好發時間不是2022年，但問題是，圖表本身也沒有辦法反映出真正的「20大」高風險賣場。
首先，要請大家想一想，提到「20大」，你想到的比較標準會是什麼？
受害件數最多？受害會員比最高？受害金額最大？外洩個資筆數最高？外洩時間最長？
很抱歉，這個圖表沒有辦法說明上面任何一項指標。
因為，這個圖表是依據刑事局165專線所作的統計。統計的方式是，只要該電商當週「疑似個資外洩被害件數超過5件」，就會記成1。
換句話說，你一週發生5件是1，發生100件是1，一週發生5000件也是1。
所以，它雖然告訴你約略的受害件數，但它不能告訴你這個電商到底外洩程度有多嚴重。
比方說，你會知道博客來去年「至少」發生了32*5=160件個資外洩案件，但到底是160低空飛過，還是200，還是1450，甚至是5B2C（？？），你不會知道。
所以，當你想著這個20大是受害件數最多？受害會員比最高？受害金額最大？外洩個資筆數最高？外洩時間最長？
哇，你已經被這個圖表騙了。
實際上，這個報導者的20大，根本與上面各種可能的指標都沒有直接關係。
這個圖表，它告訴你各位的，只有洩漏件數超過5件以上的「時間」長度。這好像某個程度上反映了數量跟時間的嚴重度，但這在某個尺度以上跟以下，都是沒有意義的。
我們已經說過，在這個圖表裡面，1可能是5，可能是10，可能是100，可能是1000。圖表在提供數量參考的可靠度上是不足的。它在提供時間參考的的角度上也是。
一年有52週，根據圖表，博客來跟誠品有一半的時間都備持續通報有個資外洩，這種電商，我們可以很肯定它有長期個資外洩的問題，不是被駭客側錄消費者行為（不管是在是伺服器端或是在使用者端），就是 database 八成已經被詐騙集團複製了。
但是更往下的旋轉拍賣或蝦皮，是不是個資外洩的時間比較少？案件比較少？很難說。
回到博客來，我們知道博客來上榜了32週，一週是5件，至少一年是160件。我們就假設2022年博客來只有160件好了。
我們再假設有一家電商，叫做「深海的大鳳梨」好了。「深海的大鳳梨」連續40週，每週都有4個案件，那它的受害者件數其實跟假設中的博客來案件數一樣，都是160件，時間甚至更長。
按照一般人的看法，既然博客來有在20大裡面，那「深海的大鳳梨」應該有在20大裡面才對吧？
可是，事實上「深海的大鳳梨」永遠不會成為報導者所謂的「前20大」高風險賣場。
因為它永遠不會到達一週5件的上榜資格。
所以我說，這個圖表本質上是一個沒有意義的圖表。因為它的基礎是建立在一個間接數字之上。
間接數據確實可能有一定的代表性，但前提是間接數據跟直接數據的關係要一致。
在報導者使用的「高風險賣場上榜週數」統計中，1（週）對應的可能是5件，可能是10件，可能是100件；2對應的可能10件，可能是100件，可能是200件。2不一定比1大，也不一定比1小。
這種換算關係不一致的間接數據，讓我們沒有辦法切確反推真實數據，也沒辦法知道實際的情況。
這就是為什麼我說，這個圖表本質上沒有意義的原因。
實際上，在當代閱聽者有限的閱讀時間與報導者小編的吸睛打算中，它提供的資訊正確度，可能沒有比每個人平均有一個睪丸，所以你應該也「只有」一個睪丸來得更多。
