雖然今年已經是我在這個媒體的第三年了，而且其實第一年的時候 READr 還沒正式成立，我們還是鏡週刊的技術團隊（現在還是喔）。當時團隊對「我們想做什麼樣的新聞」還很模糊，但陸續做了玩命運輸、政治獻金等專題，有一些心得，原本要到 g0v summit 分享，但因為我申請上 GIJN ASIA 的 fellowship 只好請同事代講。
剛剛在整理演講稿，挖到這篇寫得很完整的講稿。既然都寫好了，不如就放上來吧；加上今年開始著重的、研究的、關注的可能會是不同角度的事，也算是替過去的階段任務做一個結尾。
以下文長，但句句真心（？）。
我是一個記者。從大學、大學畢業到現在，我從事的都是新聞工作（事實上也才兩份）。如果用哈利波特的情境來比喻的話，各位常常活躍於 g0v 的參與者們就是天生有巫師血統的人，相比之下我就是個麻瓜。很多你們覺得理所當然的事，轉化到我們眼裡是完全不同的邏輯。從旁觀察，進而學習，直到我也有能力使用魔法。
雖然覺得這樣講很老王賣瓜，但我真心覺得在媒體界有這樣的角色很重要，所以決定要好好把這一年多來學習到的事情留下一點紀錄，希望有更多記者、媒體工作者能夠成為這個角色。
資料的魔法
我在 2016 年 2 月加入了這個團隊，在這一年多來從實作過程中去暸解何謂data-driven journalism，也意識到過去自己是多麽畫地自限。
我的上一份工作在新新聞周刊，曾經報導資料科學愛好者年會，當時 g0v 在年會裡規劃了一軌資料新聞的議程，我採訪了從非洲 Code for Africa 的 Justin，他們在非洲做的事是把科技人才，資料分析師、工程師送進媒體裡。協助他們用更好的方式來說故事。後來我把這個故事跟台灣的資料新聞現況做成一個專題。
所以 2015 年底我接到這個工作的邀約是很興奮的。我沒想過自己會有機會可以去實踐這件事。
這個角色的轉換，就像我們後來做的政治獻金報導。當時天下雜誌的佳賢很厲害地直接拿了我們的資料做出有趣的應用，但也有很多媒體直接照抄我們調查的結果。我的意思是，過去，我以為記者只能是這樣的。就像我報導 Justin，報導台灣的資料新聞發展，去報導他人，但沒想過我們可以 create 一些什麼。
資料新聞有它列在教科書上的定義，但我從一次差點失敗的經驗中去理解它的重要性。它不只是拿資料來說故事而已，重點是 driven。
這個經驗來自我在團隊的第一個專題，玩命運輸，是一個關於運輸業過勞的報導。一開始，我們只是因為當時有很多運輸業開始罷工、抗議、甚至因為過勞死發生事故，我們發現了它的共通性，想針對更源頭的、也就是「運輸業」的勞動狀況做盤點跟討論。
然後就理所當然的，挑了幾個現在有人出來抗議或出事的個案訪問，台鐵產工、華航罷工、嘉里大榮、客運司機（因為蝶戀花）。但途中一直覺得怪怪的，就有一種無法說服自己的感覺。
直到某天開會的時候，我們開始討論起：為什麼是華航，不是長榮？寫了嘉里大榮，那黑貓會不會也有一樣的問題？延伸了到底什麼叫做血汗，甚至坐在我旁邊寫 code 的工程師也覺得自己很血汗。
我們到底應該如何具體呈現過勞才公平？有沒有一個標準？
這時候我想到了我一開始有列在我的待辦事項上，卻沒有做的事，那就是「勞檢裁罰資料」。
但之所以它會在清單的這個後面，第一是因為這份資料很難取得，現在當然已經全部公開上網了，但去年我們做這個專題時，必須一個個跟地方政府要資料，雖然勞動部要做年報一定有資料，但他就是不肯給我。資料四散，格式不一，甚至有所缺漏，這時候我的第二個、也就是最關鍵的想法讓我迂迴地繞了遠路又回到起點。
每次聽到資料新聞，我想很多記者心裡都會出現一個問號。哪有人寫新聞（嗯嚴謹一點的）不用資料的？我們都需要做表格、做圖表去驗證你的說法是對的呀 — — 這種心態，就像把資料當成「配件」，只是印證你的說法是對的，反正個案故事血淋淋的在眼前，那更真實。
所以我就想，如果來不及整理，就不要它了。反正它只是一個表格而已。
但這份資料其實可以解決我們的所有問題。我後來花了一個月把資料搜集完畢，從結果分析來看，所有行業中違反勞檢次數最多的，運輸業榜上有名；超時工作這一項，運輸業甚至包辦了前幾名。
而且我們的個案剛好都是被裁罰的對象。為什麼不選長榮而是華航？因為它有被罰，而且年年都被罰不改善。
做到這裡我鬆了口氣。還好我們的直覺還算準，只捨棄了一個個案（台北捷運，因為他沒被罰，但後來在發佈的那天，一個北捷司機在執勤途中死亡，我們還是用番外篇的方式將它發布），不然連採訪都要重來了。
它當然可以用一開始的面貌，只有個案故事，悲情訴求，就發布。但我想我可能還是會一直惦記著工程師說自己也很血汗的這個問題，而也有一部分的讀者可能不會被說服。或者是它就跟過去很多很多感人又悲傷的故事一樣，在新聞的洪流裡被遺忘。
並不是說有了資料就多麽偉大。但是有了這份資料當「靠山」，你會發現你的論述更穩固，而且能將議題擴大到更廣的面向，可能就有更強的理由來支持你說這個故事、而人們又為什麼要關心。這是我認為的，資料的魔法。
站在巨人的肩膀上
在整理勞檢資料的時候，我發現了一件事。用關鍵字搜尋，就發現蘋果日報每年其實都有針對這件事做報導，但只有說前三名是誰。我當時多希望報導上有一個 download 鍵或是記者的電話可以讓我知道整個資料的全貌長怎樣。這是我們堅持開放資料的原因，我們報導，同時也把使用到的資料發布，讓大家都能夠站在前人的肩膀上更進一步，不必重工。
當時我跟同事輪流騷擾勞動部，在勞動部給到第三個不同的理由拒絕提供我們資料的時候，我已經做好了要跟全國十幾個地方政府抗戰的準備。當時朋友聽到我在做這件事，告訴我做「求職小幫手」的 Ronny 也有在蒐集勞檢的資料，並牽線讓我們認識。
但當時的資料只更新到 2016 年 3 月。當時 Ronny 製作資料集的方式是這樣：用程式追蹤有沒有縣市放出新資料，接著手動下載，轉成統一格式（google spreadsheet），更新進資料庫裡。非常吃人力。
如果我要自己做這件事，我還是可以得到 Ronny 已經整理好的 2016 年 3 月以前的資料，然後再跟全國 10 幾個地方政府對抗，把資料更新到最新。但我就想，既然我都要做這件事了，為何不直接將資料補進榮尼的資料庫裡？
所以我就成為了資料義工，照 Ronny 的 SOP 幫忙把資料補完，最後得到了一個連續 3 年的勞檢資料庫，讓我順利完成報導。這是我們團隊第一次跟社群的合作。
不再單方面接收資料，而是主動取得資料
第二次，是大家比較熟知的政治獻金數位化專案。
其實一開始主管不太想讓我做 — — 原因就是 2014 年 g0v 的政治獻金透明化專案並沒有完成。由於資料量太龐大，加上「去監察院查資料」這件事太吃人力，雖然很多人願意在鍵盤前面打打字，但沒有前端的資料 Key in ，基本上很難把所有資料都辨識完成。
我會突然想做這件事，是當時結束了《天下沒有白挖的水泥》這個專題，對於水泥業影響政策的能力非常讚歎。而當時又剛好在臉書上看到了中研院李宗榮對於政治獻金的研究，列出了前十名，我心裡又開始想：天啊，如果可以拿到原始資料有多好！
當然主管的第二個顧慮是，其實這只是檯面上的資料。私底下的金流交易我們是沒辦法查的，這也成為專題發佈之後很多人的質疑。但光從李宗榮的研究報告中就可以看出很多有趣的現象（包括遠東集團捐了超級多錢），而且這份資料雖然是「公開的」（你只要去監察院查閱紙本就可以看到，非常公開XD），但並不為人所知。
如果要辦法追蹤檯面下的金流、讓台灣政治獻金申報的制度變得更好，那至少我們要先起個頭吧？
我很興奮地聯絡了李宗榮老師，想知道研究者是不是有什麼特權可以直接拿到電子檔。但他告訴我沒有，他也是請研究生去監察院印。在我心中的火就要熄滅時，老師說，其實資料量不大啊？印出來請工讀生打一打、或發包給打字社並不會花太多錢。
我這時候才發現他做的事跟 g0v 當年做的其實不太一樣。政治獻金捐贈有很多種種類，包括收入、支出，收入也有很多項目，像是個人捐贈、營利事業捐贈、人民團體捐贈、政黨捐贈等等。老師只著重在營利事業捐贈項目。
我們思考了可以報導的主題，加上我們希望隨著報導開放資料，個人捐贈並不是一個適合公布的資料。我們也試印了支出資料，發現內容有點太龐雜。最後我們也決定鎖定營利事業捐贈。
我只花了一天就在監察院把一屆的資料查完了。用 Acrobat 轉檔之後，發現其實至少有五成的一致性，我們決定人工辨識結束這一回合。我用了一個月完成它（其中有 1/3 發包出去），並在報導發布之前把資料開放出來。
這應該是台灣新聞界的首例，把你花了一個月辛辛苦苦清完的資料就這樣「拱手讓人」。當時天下雜誌立刻做了一篇很棒的報導，但除此之外，剩下的應用都在資料社群裡，其他媒體的報導都只有說誰拿很多錢之類的。這份「獨家被搶走」的恐懼其實沒有這麼嚴重。
那為什麼要做這件事？其實從勞檢資料到政治獻金，我都想著，如果之前的報導／研究有資料留下來就好了，就不用花這麼多時間重工。雖然你花了心力在整理這些資料，但老實說它不應該是誰的資產，而記者也不應該自傲地覺得自己已經將這份資料的價值發揮到最大，誰知道以後還會發生什麼事？
你手上的資料可能是錯的？主動一點吧
只是，做這件事除了會被稱讚人很好以外，有什麼好處嗎？
在一般新聞產製的流程中，記者常常因為採訪關係拿到各式各樣的資料，如讀者爆料、NGO 發的調查報告、公關公司發的新聞稿、學者提供的研究資料、政府提供的統計資料等等。有點慚愧的是，我們通常只對讀者爆料會有比較嚴謹的查證。
但倘若我們不再把資料當作配件，而把資料當作一位受訪者，對它問問題。第一個問題當然就是先去察覺它本身的代表性有沒有什麼限制。
方法
1. 準備各種可以校正的資料
2. 理解這個資料是怎麼來的
3. journalism，也就是透過採訪獲得相關背景知識
4. 主動回報，讓資料變得更好
準備各種可以校正的資料
在製作政治獻金專題的過程中，我很驚訝地發現政府發布的資料也不見得百分之百正確。這當然跟它產生的過程有關，只要資料有經過「人」，就有可能犯錯。結果我在查閱前為自己準備的各種清單（只是以防不要漏查了哪個候選人，畢竟跑一趟監察院申請查閱也算是一種成本），反而變成了我的校正工具。
以政治獻金查閱為例，在查閱前後，我分別準備了這些資料：
知道資料的格式跟欄位有助於你事先想像這份資料能夠做什麼事。因為 2014 年 g0v 就已經有部分數位化的結果，我在跟團隊開會討論題目前，跟 Ronny 要了當時的掃描檔，以幫助我們規劃這個題目，也能大概想像清這份資料大約要花多少時間、以及你還會需要什麼資料當作輔助。
我們只計畫查閱營利事業政治獻金，所以營利事業收入為 0 的候選人我們就不用查了（查一個帳戶要 20 元，還是能省則省）。
在將查閱清單傳給監察院的工作人員以提出申請之後，我將這些名字做成表格，並將它們的營利事業捐贈收入金額列成一欄，這需要事先數位化另一份資料，就是監察院發布在網路上的「會計報告書」。
這份資料會有每個收支科目的總和。它是PDF，所以同樣要把它數位化成電子檔。我把它與中選會的參選人基本資料結合。
並在查閱清單資料增加一欄「筆數」，我在監察院邊查閱邊填寫資料總共有幾筆。
不要小看這份資料，我就是因為它才知道監察院公布的資料也有錯。像是資料庫裡「李慶華」的資料顯示的金額是「11400000」，是我資料上金額的兩倍，我能夠馬上發現是因為資料重複了兩次，並通知監察院的人員。
另外還有金額不同。我發現「清單上的帳戶總額」跟「查閱系統裡的明細總額」有時候居然不一樣。這也是之後花時間跟監察院校正的內容之一。
而我手寫的「筆數」，也能在打字完成之後對照跟機器統計出來的筆數一步一樣，看是否漏打了。
理解資料的生產過程
在所有方法中，這是我覺得最重要、卻最容易被忽略的。
上述提到，政治獻金「清單上的帳戶總額」跟「查閱系統裡的明細總額」出現了不一致的狀況。我們這次查閱的政治獻金資料追溯到了第七屆，也就是 2008 年選舉，據監察院的人員表示，明細的系統跟總額的系統是分開的，但到了第八屆立法委員選舉時，就已經改為：明細打完之後，會自動生產出會計報告書（各項目總額）。的確，我們發現比較多錯誤的地方都是在第七屆。
知道了這件事之後，我對第七屆的資料也更小心檢查。但同時這也代表，若第八屆、第九屆的資料也有明細跟總額不一致的問題，就是其他狀況了。我們這次遇到的狀況有：候選人更改明細之後忘記按「重新計算」會計報告書、或廠商打錯資料⋯⋯
另一個例子是勞檢的資料。就像一開始說的，我後來是直接加入了爬資料的流程，而 Ronny 當時設計的 SOP 是先用機器判斷政府有「新的」資料（產生清單），再手動將資料抓下來轉化成機器可讀格式（輸入進對應的spreadsheet），放進清單裡。
但我發現有些縣市明明就有新資料，機器卻沒有抓到。後來發現是因為政府網站改版了，機器沒有重新設定。如果你不暸解資料是如何生成的，就很難立即找到原因。
另外，因為事先的調查讓我知道勞檢資料是地方政府的權限，而有些地方政府只願意提估一年的資料，超過一年就下架了。這也是我們盡了全力還是只能拿用兩年半的資料來統計，不能再往前推進的原因。
所以當政府終於推出勞檢資料庫，我很直覺地就覺得有問題：當時我一個一個去拜託的那些固執的地方政府被勞動部說動了嗎？一點擊資訊頁，印證了我的直覺是對的，每個地方政府提供的「資料區間」不同。而當時已經有媒體沒發現這個限制的狀況下誤用了資料，推出勞檢資料庫的資料新聞。
背景知識的具備
Data journalism、Data journalist 之所以跟其他工作不同，就是它後面接著的這個字。你不能埋首在電腦前，把資料當作你唯一的受訪者。你還是要去訪問、去尋找故事、去印證這些資料在現實生活中是不是真的如此（如果不是，那也是另一種詮釋資料的方式）。甚至訪問這些資料或研究的產生者，都會有些驚喜在等你。而這些知識也會幫助你察覺資料的限制跟缺點。
舉例來說，我們一開始在跑「哪個產業捐最多政治獻金」這一題時，很直覺地去統計政治獻金捐獻的公司的產業的捐獻金額，發現第一名是電子業。但這跟我採訪的結果不符。我採訪的學者說，電子業是比較少依附政治關係而獲利的產業。
因為這件事讓我更改了「問問題的方式」。我看了一下電子業的公司總數，是所有分類裡最多的（也就是電子業類公司比起其他類別的公司母體樹本來就比較大）。所以我們更進一步，從「哪個產業捐最多錢」多問了一個「哪個產業最積極捐錢」，將該產業有捐獻的公司數／產業公司數。
最後一項就是主動（向資料提供者）回報問題。
資料有人使用
在校對資料的過程中，我心中常常浮現「哇今天要不是我使用了這份資料這些錯誤是不是會一直存在？」，雖然可能都是一些很小的細節，但其實你也不知道未來這份資料會怎麼樣被使用。
政治獻金數位化專案裡，其實我自己最感動的是監察院，提供資料以後，沒有兩手一攤地放棄資料維護的責任。
尤其在早期沒有電子申報的狀況下，就是候選人團隊填什麼、廠商就打什麼。我們將資料數位化後，發現有很多公司名字缺字、統一編號缺字等很容易辨識出是「寫錯字」的錯誤；當然也有很多不是那麼明顯的，統一編號跟經濟部公司登記的名字對不起來。
這些有疑義的資料，我將它們一一列成清單，回傳給監察院。監察院的人員幫我回頭去對原始的收據（聽說還有卷放在遙遠的分部，還要調回來查），確定到底是打錯字、還是原本就是這樣寫，來來回回大概花了兩、三個月才完成。真的有誤，監察院也會順帶修正他們的資料。
監察院的人甚至會幫忙宣傳我們的資料庫。有幾次我去查閱，閒聊時候，他說上次有個人要來查第九屆立委的資料，他就會先問要不要去鏡週刊的網站看，他們把資料都整理好了。而當然，這個專題最大的成就，是《政治獻金法》終於修正通過了，順利的話，以後的選舉，所有政治獻金的明細都要公開上網。
社群的部分也是。 g0v 時常都有人熱心地爬資料出來，但當我以記者的角度要採用這些資料時，才會發現資料有問題。當然在回報之後很快就能得到修正。
像跟我們合作過兩、三次的 Ronny 就說，他就是喜歡爬資料跟收集資料，但很多資料他都是爬出來，就做個簡單的頁面放在那裡，沒有做後續的應用，如果資料有問題自己也很難發現。確實有因為跟我們的合作讓資料更完整。
在這些一路實作的過程裡，我學會了一點點用程式清資料的技能。我並不覺得這是專屬於工程師或是資料分析師的技能，若把資料當成受訪者，這些基礎的程式語言就像磨練你的問話技巧，得以挖掘到更深入的答案。
而這些經驗也會形成一種「語言」。跟我們合作租屋資料的 Ddio 就提到，「跟有在做資料、視覺化的人合作時，因為有溝通基礎，不用花太多時間釐清對方領域的 ABC，比較有機會做出新的、且可行的點子。」
這一年多來，實際體驗到開放政府的可能、社群的活力、跟新聞圈的保守。記者應該要做什麼、新聞應該怎麼樣、這些都是別人應該做的⋯⋯形成一個隱形的框架。當然也很幸運是我的主管願意給我這樣的空間去嘗試，即使這個嘗試有可能會是失敗的，因為花時間清資料也是一種報導的成本。也希望愈來愈多人能有「資料意識」，包括社群、包括讀者、包括政府，這樣身為記者的我們也能有更多嘗試跟呈現的可能。
