對於資料洪流的世代，資料會是智慧的重嬰來源之一，但資料到智慧並非一蹴可及，需要一個穩固的基礎來建立。今年年初的演講中整理了一些想法，基本上我認為至少會有四個概念化的基礎。
1.互動(Interaction)
是以開放資料為基礎，政府以開放資料和人民互動、協同合作，進而公私協力解決問題。
2.整合(Integration)
要能擴大合作範圍，或者使得以資料為主的協同合作順暢，資料整合的工作不容忽視，無論日本、美國、歐盟都有資料標準的語彙，來讓資料能跨領域、跨機關單位的整合，才可能創造更好的合作環境，也才有可能產生智慧。
3.智慧(Intelligence)
資料共通語彙是資料整合的一個步驟，要讓資枓整合的過程需要知識的介入規整，有助於利用資料產生智慧化服務。
4.影響(Influence)
以政府的智慧化服務而言，應該是對人民產生正面的影響，以使得人民更相信政府服務，促使公私合作更緊密。
DIGI+的全名為「數位國家・創新經濟發展方案」，這個方案是以「數位國家、智慧島嶼」為總政策綱領，其實就是蔡英文總統在競選時就提出的政策方向，後來上任後，由行政院科技會報完成具體內容，並在2016年11 月通過。隔了一年，今天(2017年11月29日) 才召開民間諮詢委員會，會中除了介紹DIGI+方案的內容外，並設定了二個討論提案:
後來，看了一下民間諮詢委員的名單才發現有八成以上的委員都來自於業界，而且都是大公司的老闆或經理，所以會設定這樣的討論提案就不難理解，但這二個問題其實有很大的邏輯問題，DIGI+的方案都已經核定通過，政策不就寫在計畫書中了，現在才討論這二個問題豈不太晚?
先說結論，我認為DIGI+方案缺乏以資料為向度的戰略思考。
如果仔細地唸一下DIGI+方案的計畫書，不難發現，這個方案的戰略思考是以提升世界經濟論壇(World Economic Forum)的全球資訊技術報告(Global Information Report)中「網路整備指標」(Networked Readiness Index, NRI)來決定，而台灣在近5年中，由2012年的第11名，2016年已經下滑到第19名，主要的問題有法規和稅務環境不良、人才培育不佳、政府使用ICT技術能不足、對新興技術的採購牛步、以及ICT在社會影響力低，造成排名每況愈下，事實上，以得分而言，分數的變化不大，但其它國家的進步就是我們的退步，與我們最近的國家–日本，則是從2012年的第18名，進步到2016年的第10名，而新加坡在這幾年則是始終維持在第1、2名間，因此DIGI+的目標是在2025年時，我國數位經濟規模能夠成長至新台幣6.5兆元、民眾數位生活服務使用普及率達到80%、寬頻服務可達2Gbps、保證國民25Mbps寬頻上網基本權利、我國資訊國力排名能夠躍進到前10名。還有另一說是要力拚資訊國力為全球第 6 名。
無論要爭取全球資訊國力的第幾名都好，除了眼前的問題，一個國家的數位政策是否也應該兼顧未來ICT變化與挑戰，以及現今台灣ICT體質的改善? 的確，計畫書已經把目前己經發展的資通訊技術都放進去了，但3年後、5年後呢? 這樣的計畫書內容是否能因應未來的ICT發展呢?，是否思考由最基本的地方做起，以改善體質?
事實上，DIGI+的計畫書中也回顧了幾個主要及鄰近國家之數位政策，但可惜的是，我們的DIGI+似乎沒有把其它國家對於ICT調適的重點摸清，以及他們的戰略思考看透。
以資訊國力進步很多的日本為例，計畫書中提到，
2013年日本IT戰略本部公布「世界最先進IT國家創造宣言」，安倍經濟學第三隻箭之一的國家IT戰略，以「活用IT，創造未來」為政策願景，「開放資料」與「巨量資料」為主要推動核心，並結合日本向來引以為傲的人工智慧技術，在物聯網環境下，透過世界最高水準的IT應用，打破困頓已久的經濟閉鎖窘境。
可見得日本的IT戰略是以資料為基底來支撐技術發展，但DIGI+的計畫書並沒有這方面深 入的洞察，以分析台灣目前環境得以借鏡的地方，只是片面且粗淺地取了日本的超高速寬頻環境的成果，來背書DIGI+的寬頻基礎建設，且回顧「美國Gigabit城市挑戰計畫」也是同樣地只是為了寬頻基礎建設，難道美國沒有其它的數位政策了嗎? 川普政府不好說，但過去歐巴馬政府時代，確實制定了許多開放政府和數位治理的策略，很多地方都值得借鏡。
回到日本的IT戰略，我相信日本NRI的排名一路走高是因為基礎建設做的好，也因為有基礎打底，許多政策不會是表面功夫，人一換就一切如過往雲煙，很多人可能不知道日本在「世界最先進IT國家創造宣言」的戰略中，有一塊是針對「資料基礎設施」的行動策略，而資料基礎設施不是在做資料平台和Open API這種表象的工作，而是制定「共通語彙基盤」和「文字情報基盤」，以利資料互通，不但讓政府各單位的資訊能橫向串聯，而且中央與地方政府的資訊也能縱向串通，在這個基礎上，針對「AI農業」(Agriculture Informatics)的進展，再制定「農業共通語彙」先讓農業資訊標準化，以利農業資訊共通，達到資訊利用最大化，創造以資料活用的經濟效益。
日本人瘋了嗎? IT最先進國的宣言居然在做這麼基礎的工作?! 但各位可以想一想，有多少人在FB或PTT上在靠北政府資料品質不好，連「台」和「臺」都不統一、連UTF8和BIG5也弄不清楚，更別說幾年前一個會議講「資料開放」，可能各自心中都有一個定義，且不太一樣。無論是AI、或是巨量資料，機器可理解愈多，人要處理的就愈少，我們要讓機器做的愈多，資訊愈標準化愈有可能，日本的IT戰略會有這樣的行動方案，一定是遇到很多資料無法整合問題，而造成資料應用和分析上的成本。
反觀台灣，我們沒有這類的問題嗎? 我們的開放資料走的快，得了個第一名，卻有了面子，忘了看裡子，開放了這麼資料，我們卻常被資料品質所苦 ; 有了這麼多資料，卻沒有可以拿出去國際上一較高下的應用案例 ; 政府釋出資料，卻不知道意義是什麼? 忘了開放資料所帶來可能的橫向和縱向串聯，而DIGI+中卻看不到日本IT的戰略思維，把開放資料視為敝屣，看不到資料基礎建設的價值。
DIKW金字塔說明了如何從資料中得到資訊、轉化知識、運用知識成為智慧，因此當一個數位政策冠上智慧XX、如智慧島嶼、智慧城鄉、智慧生活應用、智慧製造服務、…的同時，不禁要問，這智慧從何而來?
會議中有委員提到「政府應推動各產業打造數據中心，以利用數據來提供智慧化服務」，這讓我想到去年在歐洲資料論壇聽到的計畫，Industrial Data Space，是一個藉由資料的數位治理(Digital sovereignty)，也是一個由資料為基底來提供智慧化服務的計畫，這個計畫認為在工業的數位轉型中很重要的一個項目是在於資料和服務在公司間交換，藉由資料交換，以及與開放資料的整合來串聯公司，可以在新產品和智慧服務中產生附加價值，也就是說這樣新的數位商業模式是有機會應用在傳統工業的公司上。
Industry Data Space就是一個執行工業4.0的計畫，並大量使用資料治理的方法來達到以資料為底蘊的智慧化服務和產品，其中有一個重要的部份是在於一個「參照架構模型」(Reference Architecture Model)，其實這就是前面提到的資料基礎設施的一環，如果各位有空去看看內容會發現，這之中有語彙、又有鏈結資料(Linked Data)，所以是不是各位可以更理解，為日本在喊IT最先進國宣言，花了功夫在共通語彙基盤上呢?
以資料趨動的轉型是一個硬功夫，確實要花很多心血和頭腦，但綜觀許多國際案例，資料基礎設施是一個資料趨動轉型的重要支柱，是數位治理的依據。我們的ICT環境比日本先進嗎? 為什麼我們要忽略這一塊? 有德國Industrial Data Space的案例，做為數位政策的 DIGI+ 有意識到資料在產業轉型的重要性? 會議中有另一位委員提到一段令人贊同的話，「在談產業的數位轉型之前，政府可否先做到數位轉型成功後，再來輔導產業」，所以目前DIGI+的計畫書內容真的有辦法帶給台灣政府數位轉型，以帶動產業嗎? 我存疑。台灣的資訊國力會因為這個DIGI+的計畫推動而提昇嗎? 我也存疑。
以下文字是取自於 ODI(Open Data Institute)在2015年發表的報告「How can we improve agriculture, food and nutrition with open data? 」，主要想分享報告中所整理的14個案例。
因為開放資料是任何人都可以近用、利用和分享的資料，這所形塑的解決問題之道，相對於不開放的資料是昂貴的、耗時的且不可能的。透過加快創新速度，開放資料促進了政府、商業、NGOs和個人的協同合作，得以有新的發現，以幫助永續地提供糧食於不斷增長的人口。這份報告區分出三個關鍵方向，其中開放資料在農業和糧食的挑戰中扮演解決問題的重要角色，這三個方向為:
田間生產量常因農作物受到害蟲侵襲而損害，在廣大的農田中，很難用人工方式偵測到老鼠或其它害蟲的入侵，GroenMonitor (GreenMonitor)是一個利用荷蘭的衛星影像所製成的植被圖來監控害蟲入侵的工具，其衛星影像是來自於歐洲太空總署 (European Space Agency, ESA)所釋出的開放資料，利用開放的衛星影像所製成植被圖，使得害蟲爆發的容易被辨識出來，在2014年，GroenMonitor 已經被用來辨識出12,000公頃受到鼠害的農地，這個工具現在還整合其它不同應用程式，包含植物物候學、作物辨識和產出、農業活動的辦識(如除草、犛田、和收割)、自然和水管理。
對於農夫而言，他們很難去取得影響他們耕作活動的基本資訊，如溫度高低、溼度和降雨，特別是在低度網路使用的地區，但很多資料提供者現在可以提供所需的氣象資料給個別農夫。AWhere 就是其中一個，透過他們全球資料庫和Weather Terrain，AWhere 結合從全球尺度到田間尺度的氣象觀測、預測模式、和歷史資料，幫助農夫做好的預測和規劃農業活動。
許多農夫，特別是發展中國家的，使用行動電話(而不是電腦)作為他們主要通訊的工具，因為這樣，迦納在地社群與AWhere一起合作，去發展一個APP在 Weather Terrain的Open API之上，以讓他們豐富的資料得以透過行動電話來使用，而這個使用方式是，氣象資料被轉換成簡訊服務，使用基本關鍵字(如，部份晴天的、部份多雲的、有風的)和照片，農夫可以低成本的方式使用氣象資料，讓他們可以決定關於耕作的事務。
約40%的全球作物產量損失是因為植物病蟲害，Plantwise幫助開發中國家的小農處理植物健康問題，它著重於增加糧食安全和改善鄉村生活以減少作物因病蟲害的損失，從 CABI(Centre for Agriculture and Biosciences International)的資料庫、研究論文和政府等資料，整合出全球和地方的開放近用的資料庫，使資料可以在線上平台取得和查詢，從全球各地的植物診所的疾病診斷報告，可以用來補充知識庫，並通知在處理蟲害的在地夥伴。
在二年發展下，Plantwise知識庫己經成為一個必要工具，以支持在33個國家的植物診所診斷，超過來自於198個國家的六十萬農夫造訪了這個知識庫，包含使用了超過九千筆的報表來取用關鍵的與作物蟲害相關的農業資料和最佳實作，去幫忙管理和預防作物在病蟲害的損失。Plantwise在2014年也獲頒ODI的對於社會影響的開放資料獎。
這是一個最近利用公私資料的協作的案例，其成果幫助農夫得到預警，以避免旱災在哥倫比亞所造成的損失，在2007-2013年間，國際稻農組織(National Federation of Rice Growers; Fedearroz)、熱帶農業國際研究中心(Centro Internacional de Agricultura Tropical; CIAT)、和哥倫比亞農業部一同合作來處理旱災在稻米產量減少的議題，稻米是哥倫比亞重要的糧食之一 (詳見 Stuart, E, E. Samman, W. Avis and T. Berliner, 2015, The data revolution – Finding the missing millions, 37p)。
公私資料的使用，私部門資料取得是透過特別條款，CIAT 得以分析來自於每年稻米調查、採收記錄、田間試驗、和天氣資料的大資料集，且辨識出在稻米產量減少背後的複雜和區域特定之議題，根據分析，再去發展智慧氣候農業決策工具給哥倫比亞稻米種植者，而工具其實是開放給任何人的。
無論是在農業部門，還是對於哥倫比亞的經濟的影響都是重大的，農業活動進行是根據 資料分析結果，幫助了農夫避免旱災造成的重大損失，省下估計360萬美元可能的經濟損失。這個智慧氣候的工具在2014年羸到聯合國巨量資料氣候挑戰頭銜。
5. 加州水資源局: 以資料視覺化管理加州旱災
加州正經歷在過去記錄上最嚴重的旱災之一，缺水造成農業部門嚴重的威脅，農業的水利用是大約是整個州的80%左右，在2014年的農業部門的經濟直接損失預估有15億美元，在食物生產減少上有1萬7千工作喪失 (2014年加州旱災的經濟損失報告)，為了確保安全和永續的水資源，加州水資源局宣布水供給計畫，這計畫減少了水分配到農地並減少了25%的用水。
開放資料被用來告訴州政府如何重新分配嚴峻的水資源，其方式是美國地質調查局(USGS)將乾早的情形視覺化，視覺化所使用的資料是由USDA研究機構群所收集，且開放近用的資料，這些資料涉及了農業永續、氣候變遷和自然資源保育在集水區尺度或景觀尺度之長期的自然、化學和生物資料，這使得研究人員和決策者得以監看水管理的狀況和計畫，根基於資料的模式，可以經常的更新、推估真實水量的水準、用水量和其它因子，並允許適時地預測和決策多少水量用於農業上。
美國農業部 (The US Department of Agriculture, USDA) 也研究了相關加州乾旱資料的開放，Catherine Woteki 博士希望這將是刺激公私部門在開放資料的使用，以幫助農夫在用水和作物選擇的決策支援。
在過去，天氣預測模式中讓農夫很掙札，這些模式沒有把在地狀況納入考量，而導致沒效率的風險計算。Climate Corporation是一個開放資料商業公司，提供更為準確的保險和商業諮詢服務，以幫助農夫管理和調適氣候變遷。
透過分析大量來自於開放和其它來源的資料，對於特定作物產量進行模擬天氣事件和評估風險，因此他們得以提供專業的諮詢和準確的保險。
這公司使用開放資料是來自於美國國家海洋暨大氣總署(NOAA)、美國國家氣象局的159個都卜勒雷達站、以及美國地質調查署(USGS)的地形圖和土壤分佈圖，Open Data Now的介紹。
農夫使用詳細的天氣預測資以強化他們農耕行為和活動，如澆水、施肥、和播種，舉例來說，農夫可以使用這家公司所提供的溼度和降雨分佈圖，知道他們農田的特定區域是否過於溼潤而不能耕作。在一個工業水準上，開放資料加持的服務對這家公司的影響可以是很大的，在2013年，Climate Corporation的客戶使用他們產品耕作了超過一千萬英畝的農地。
培育品種試驗是一個改善農作物品種的重要方法，在全球各地都有各式各樣的試驗在進行，這些試驗各著重於不同的主題，如耐旱、熱逆境和土壤管理，然而，這些資料幾乎都不能被其它研究人員所使用，而只是放在實驗室的硬碟中，甚至因為資料管理不好而造成資料逸失，形成不完整的資料集。
藉由農藝和植物育種試驗資料的整合和開放資料，由CGIAR在氣候變遷，農業和糧食安全研究計畫所負責的 Global Agricultural Trial Repository (AgTrials) 提供豐富的知識庫讓協同合作的計畫得以進行，去除掉非必要且有成本的重複工作。
科學家使用250個開放的AgTrials 資料集，以建立西非區域的農作物模式，這個模式被用在一個氣候變遷對於在地影響的計畫，並用來定義氣候變遷調適的育種計畫。
AGRIS 是一個研究機構和資料節點的國際網絡，這個網絡讓農業研究資訊在全球可以取得，他們從在65個國家超過150個資料提供者中，收集且分享多樣的食物及農業出版品之書目資訊。
AGRIS 成為書目資料成為一個匯整平台，藉由超8百萬筆記錄的開放資料儲存庫，讓相關內容在線上有位址且可以組織這些內容，應用程式將在這個開放資料儲存中的記錄與連結網址與其它有品質的資料來源，例如世界銀行(World Bank)、自然期刊(Nature)、和中國種質資料庫(Chinese Germplasm Database)
AGRIS 平台已經有來自於204個國家超過750萬的人造訪，這些訪客從大學生到研究生都有，AGRIS 成為科學和技術資訊的最重要節點。
儘管已經有很多相關於開放資料的資訊 (像資料集、平台、標準)，相關資訊的檢索仍然是需要關注的重要議題，在這個脈胳下，CIARD R.I.N.G. 的資訊節點和閘道扮演了全球性農業研究發展(ARD)之註冊的網路資訊服務。
這個註冊服務允許資料提供者登記和分類他們的服務，在確保所有資料集都完成對於那種使用標準的詮釋資料(如語彙、範圍和標準)下，註冊的服務促進且利用了標準，而標準的使用促進資料的再使用(reuse)和被查尋，且允許更好自動化，現在約有1/3的農業食品資料集，即有超過1000個資料服務是具有特徵。
在2013年，Syngenta宣布了他們的「好成長計畫 (Good Growth Plan)」，其中有6項承諾以改善農作物產量、保護土壤和生物多樣性，以及訓練小農和確保工作標準，並設定於2020年完成目標。這個行動著重於透過監測活動，如肥料和農藥利用及水和燃料的使用，讓農夫以永續的方法來增加農作物產量。
資料管理系統被建立於用來追蹤這些使用農地和公開農業資料的輸入輸出，由獨立的公司收集、驗証和分析
因應6項承諾的2014年的基準資料以機器可讀的格式(CSV)、CC-BY-NC-ND的條款釋出，透過這些行動，Syngenta和ODI合作，去建立一個開放且協同合作平台，以找出方法解決餵飽日漸增加人口的需求下減少資源使用，以及為生態多樣性而保護棲地。
在墨西哥，PROCAMPO 是一個最大的聯邦農場補助計畫，支援最貧窮農夫，自從2007年，他們開始關注真正極需要幫助的農夫，卻沒有拿到補助。
為了更了解這個情況，一個墨西哥的NGO組織，FUNDAR 研究分析中心徵求墨西哥農業部處理補助發放的相關資料，這個中心一開始拿到的資料是不完整且機器不可讀格式，在處理分析後，發現57%的受益者是分佈在最富有的10%之補助者，初步確認了他們所 害怕的事。
這個重要的結果是來自於FUNDAR和其它NGO建立資料庫 (Subsidios al Campo en México)的貢獻，這個資料庫也不斷地發佈農場補助的資訊，以確保更透明化，以致於一系列的官員下台，且墨西哥政府也增加補助合格的限制。
消費者都會想知道他們買的食物之品質和內容物的資訊，雖然基本資訊已經標示在食品包裝上，但更詳細的食物營養資訊可以讓消費者依照個人需要做出更好的選擇，例如，遵從營養師指示。
美國農業部國家營養標準資料庫的(USDA National Nutrient Database for Standard Reference, SR25)是一個食物成份資料的主要來源，提供給公私部門，SR25包含約150食品公司中超過8,500食品品項的營養資料，例如維他命、礦物質、胺基酸、和脂肪酸，這些資料不限於商業應用(如，智慧型手機APP)，這資料庫提供政府做了一個基本的服務 ChooseMyPlate.gov，由前美國第一夫人蜜雪兒歐巴馬和農業部祕書長湯姆·維爾薩克( Tom Vilsack)開始倡議，提供實務的資訊給個人、健康專業人員、營養教育者、和食品工業，以資源和工具幫助消費者做出飲食評估、擁有營養教育和其它友善的營養資訊，以建立更健康飲食。
食物安全是另一個對消費者影響甚大的重要議題， 歐洲 RASFF (Rapid Alert System for Food and Feed) 平台 提供一個使用的資料庫，這資料庫收集的公開可得資訊是最近傳出的食品安全警示和通知，
消費者可近用資料於食品安全議題，例如出現在食品中過敏原，病原體，毒素或其他有害物質，以及分享預防資訊，因為2011年福島核災，RASFF被用於監測來自於太平洋區域魚類和其它海洋產品中可能危害消費者的輻射殘留。
開放資料也可以被用來幫助消費者去選擇那裡用餐，同時也促進改善食品安全的動機，LIVES (Local Inspector Value-Entry Specification) 是一個餐廳評分標準，目的在於標準化在不同管轄區的餐廳檢查分數，讓消費者了解不同城市和自家城鎮對食品安全的規格的不同。LIVES是在舊金山、Socrata, Code for America, 和Yelp在2013年所開始的計畫，它提供了餐廳檢查開放資料發佈的標準。因為市民得以更好的使用檢查結果，LIVES 事實上使食物容易清楚了解且可以選擇通過檢查的餐廳，當洛杉磯市開始要求餐廳要放衛生檢查等級在入口處，研究顯示減少了13%的因食源性疾病的住院治療。
因產銷履歷農產品鏈結資料之計畫所需，在data.gov.tw上尋找食品業者登錄資料集，意外的發現這筆資料居然提供RDF格式，不但如此，衛福部食藥署還有一個LOD的網頁，集合了他們製作的RDF資料集。引起了我的好奇，去看看這些RDF的資料，若他們的資料與系統完備，我們的產銷履歷農產品RDF資料即可以和衛福部食藥署的RDF資料連結，但看完資料後覺得有些建議，提出來和大家分享。
<rdf:Description rdf:about="http://data.fda.gov.tw/lod/tfda/FoodCompanyRegistration_VIEW/DATA_SN/6833319"> <rdf:type rdf:resource="http://data.fda.gov.tw/lod/schemas/tfda/FoodCompanyRegistration_VIEW"/> <tfda:公司或商業登記名稱>早安！美芝城仁愛店</tfda:公司或商業登記名稱> <tfda:食品業者登錄字號>E-200028714-00002-7</tfda:食品業者登錄字號> <tfda:登錄項目>販售場所</tfda:登錄項目> <tfda:公司統一編號/> <tfda:業者地址>高雄市新興區仁愛一街177號</tfda:業者地址> </rdf:Description>
上述是食品業者登錄資料集中的一筆資料，沒有了URL，其它的格式的資料沒有什麼不一樣。URL所指涉的是一件事物，讓別人可以去連結這份資料，而在食品業者登錄資料集中，主體是「食品公司」，所以<http://data.fda.gov.tw/lod/tfda/FoodCompanyRegistration_VIEW/DATA_SN/6833319> 指的是一個「食品公司」，即是「早安！美芝城仁愛店」，可被連結的。「早安！美芝城仁愛店」是一個實例(instance)，而「食品公司」則是類別(class)，因此rdf:type中應該指的是「食品公司」，就是<http://data.fda.gov.tw/lod/schemas/tfda/FoodCompanyRegistration_VIEW>。
邏輯上，這個RDF 的表達沒有錯，但就URL的設計而言，實在很糟禚。為什麼不簡單清楚一些? 例如，類別的名稱簡單清楚，用FoodCompany取代FoodCompanyRegistration_VIEW，因此，<http://data.fda.gov.tw/ontology/FoodCompany>來指食品公司的類別(class)，而<http://data.fda.gov.tw/ontology/FoodCompany/6833319>來指「早安！美芝城仁愛店」這家店。
其實URL的設計是有一些原則，其詳情可以參考W3C的文件 Cool URIs for the Semantic Web。
再者，這份RDF中的標籤使用中文，但知識本體的宣告卻是英文，這樣的做法機器是沒辦法知道RDF內用中文宣告的屬性，在知識本體中是對到那一個英文。或是說URL根本就不一樣，怎麼有可能對在一起!
RDF資料通常會利用三元組儲存庫(triple stores)來管理、儲存和查詢資料，這些三元組儲存庫通常也可以透過網路提供SPARQL的查詢服務，因此常稱為SPARQL endpoints，這些工具的技術都己經成熟，而且也有自由軟體可以利用，同時因開放碼源，也可以客製化成自己需求的服務，如果使用者還是把資料下載再使用，那用URL去指稱事物的功能，在網路上就無法發揮更好的效用。
為了資料容易整合，在建立資料知識本體時，多考慮使用標準或既有的語彙為主，以增加資料的可再使用性。食藥署的這批RDF資料，無論在類別或屬性都有標準或既有的語彙，是可以考慮多使用這些語彙。
開放資料的問題常常是從自身的日常生活開始。二週前，從花蓮回到台北時，搭了一班假日加班車自強號253次，從花蓮出發，中途就只停松山，而終點站是台北，整個車程只有三站，但當日(12/18)的車次在抵達松山時已經是誤點3分鐘，遲到時間不多，但在深夜時段、沒有乘客上下車的情形下，還會誤點，這就很有問題。
很好奇地在網路上著手查詢一下台鐵誤點資料，發現交通部統計查詢網中，可以找到歷年來各種火車類別的到站準點率，但有趣的是，其中有些資料，例如客運量，已經在政府資料開放平台上發佈，但準點率的統計卻沒有，為什麼呢?
透過各種列車的每月平均到站準點率之統計資料，把過去10年的資料攤開來看，結果很有趣，慢車比快車準時，普通車才有可能達到一整個月都準時，整體而言，準點到站率表現最好，其次是區間車，莒光號與自強號半斤八兩，這樣的結果難道沒有人覺得很不合理嗎?!
[d3-source canvas=”wpd3-910-0″]
是! 這個問題確是在2015年10月時，就有立法委員提出來要求台鐵改善，要求成立專責小組，當時的交通部長還要求台鐵在半年月內改善，然而，這件事就在總統大選與政府輪替後，又石沉大海，大家好像又習慣了台鐵的誤點，對於經常性的誤點只有無奈以對，或者是自嘲地挺過一次次等嘸車的無奈。
據自由新聞報導，台鐵早在2014年委託財團法人成大研究發展基金會，分析比對2014年1~6月間列車的ATP行車紀錄、班表紀錄及售票紀錄、和誤點紀錄，以調查造成誤點原因，其結果歸納出幾個，
這個分析的結果引發討論，並有人認為旅客過多，是台鐵本來應該利用路線設計和引導去解決的問題，不應該把責任推給旅客。
火車誤點一定會有一些不可抗力的因素，例如，上述所提到的因施工需要減速，或是突發狀況，例如設施故障或交通意外，對於一個乘客而言，事先了解發生什麼事而誤點，可避免這搭乘這些路線的列車，在車上的旅客了解誤點的原因，可以安心的搭乘。從台鐵委託成大的研究可以知道，台鐵都有這些資料，那為什麼不善用這些資料提供更好的服務呢? 即使台鐵本身沒有能力開發更好的服務系統(訂票系統令人失望呀!)，只要把這些資料以結構化且開放授權的方式釋出，也一定有高人可以利用這些資料來開發應用程式。
相對於台鐵，荷蘭國鐵算準時，但也常誤點，對於施工所造成的誤點，不但會在手機APP上提醒，也會在火車時刻查詢系統中加入預估延遲的時間，在搭車前可以避免搭乘會誤點的列車，或是有延遲的心理準備
而荷鐵不但自已有APP和應用程式服務旅客，進一步地，荷鐵把提供服務的資料一併以API方式釋出，被視為開放資料，但授權方式不是很清楚，限制是每日不能超過5萬次查詢(request)。也因為有這樣的開放的API，其資料可被使用的方式就變得多樣，例如，NS API可以查詢到每一班火車的實際位置，因此有人利用這個資料結合OSM開發出即時的火車動態圖。
事實上台鐵委託成大的研究中，只用了6個月的資料，台鐵在交通部的統計資料至少有20年，6個月可以做的分析，20年為什麼不能做? 那若是利用完整的資料的分析，其結果又是如何? 對於一個好奇的人，會更想利用這些資料去了造成台鐵火車誤點的原因，為什麼慢車比快車準時? 為什麼看似沒什麼事發生、也沒停站，火車還是誤點? 數字能說話，但資料那裡呢? 提供成大分析的資料為什麼不能一併開放呢?
開放資料是一種文化，台鐵情況讓我想到台電在去年轉變的案例，在核能與缺電的議題下，對於缺電的原因，大家總覺得台電說的不清不楚，因此引來「開放台電」行動，想要從資料中討論缺電的原因。無論這個行動的過程中所發生的爭議是如何，為台電帶來的最大獲益應該是面對資料開放的態度和如何利用資料解決問題，同樣的，台鐵是否也能從開放資料開始來解決問題呢? 火車誤點在台鐵是司空見慣之事，但背後所隱含的恐怕是一個國營事業單位的資訊化落後，而無法發現問題、解決問題的窠臼。
歐洲資料論壇(European Data Forum, EDF) 是每年一次的會議，聚焦在以資料為主的多個面向，如社會、經濟、研究、工程、和科學等，並著重於歐洲的資料趨動經濟之提昇，該會議自2012年起開始舉行，是由歐盟執委會(European Commission)中，連結的數位單一市場(Connected Digital Single Market)計畫下主導，但會議行政管理是由歐洲各國產官學相關人士組成指導委員會來執行，以確定每年會議主題與內容、目標、及預算支配，且評估歐洲各國提出舉辦會議的申請。
這二年的主題都以資料經濟(Data Economy)為會議主軸，來貫穿4個主題，
開放資料(Open Data)，如何透過跨部門資料整併，以支援決策制定，提昇政府治理的透明度，而基於數位經濟和數位化社會(Digital Economy and Society)的發展，會議本身也關注三個面向的發展，
歐洲資料論壇(EDF)是一個聚集歐洲各國的產官學人士，共同討論資料趨動創新的機會與挑戰的重要會議。所謂的資料趨動創新的機會與挑戰是著重在資料的基礎設施、工具、應用程式的發展潛力，及其所面臨之問題，因此資料趨動創新特別重視創新所可能帶來的社會和經濟面的影響。EDF這個會議所企圖吸引的參加者，是涉及資料價值鏈中的利益關係者(stakeholder)，無論是從巨量資料技術方法之應用到創新想法的突破，或者是，各項進行中之政策的辯論到前瞻思維的演講中獲得啟發，在EDF中的意見與想法的交換，是會議的價值，這將為歐盟各國在未來資料經濟之研究課題的設計，和政策決定的方向上帶來影響，這即是推動資料趨動創新往前動力，強化歐洲資料經濟的力量，也是奠定歐洲資料經濟在全球地位的基礎，因此這屆的EDF將主軸定為 Scaling up the European Data Economy，換句話說，資料經濟的議題在歐盟並不是新的開始，而是進入到擴大並強化各個領域在資料經濟的應用規模。
本屆的歐洲資料論壇(EDF)是由荷蘭埃因荷芬科技大學(Eindhoven University of Technology )中資料科學中心(Data Science Center Eindhoven (DSC/e)) 肩負起主要籌辦的角色，因此會議舉辦城市即在荷蘭埃因荷芬，該城市即是一個工業城，是許多知名企業的根據地，如菲利浦、NXP、ASML…等，值得一提的是城市行銷是以Brainport為主題，有別於鹿特丹的海港和阿姆斯特丹的空港，所謂的Brainport即是集合整個區域的公司企業、大學、和研究中心，成為一個創新研發的城市，這樣的策略倒也很符合EDF主軸，是強調資料趨動的創新下的經濟動能。
而會議場館Evoluon則是一個很特殊外觀的建築物，這個飛碟造型的場館是原本是當地的科學館，在1966年就落成，已經有50年的歷史，後來成為菲利浦的會議中心。
EDF2016會前有幾個工作坊和活動一同在Eindhoven舉行，巧好會議前一天(6/27)的早上看到有一個活動是荷蘭鏈結資料平台(Platform Linked Data Nederland)舉辦的荷蘭鏈結資料會議，在沒有事先報名的情況下就直接殺去會場，結果主辦單位很包容地讓我參加了會議，結果會議還沒開始就遇到老朋友，Simon Scheider，目前在烏特列支大學(Utrecht University)地理系任教，仔細一看，他上下午各有一個演講，一個是講的是地理資料在進行跨資料集連結時，如何除錯、確定地理實體的型別、正確的相互連結的工作流程，另一個是講鏈結資料和空間分析整合的潛力。更有趣的是，下午有一個講者居然是我的指導教授Rob Lemmens，他的演講是在介紹歐盟的一個計畫ENERGIC Project 中如何利用自願性地理資料進行Datathon，這真是太巧了!
其實會議中有一個案例很吸引我，講的是半導體企業NXP和Freescale合併時，產生資料整合的問題，雖然二個企業體都是做半導體，各自企業的資料架構是不同的，因此在企業整併的過程出現資訊系統整合的難題，為了解決這樣的困境，他們選擇使用鏈結資料的技術和方法來整併二家企業的資料，這個工作是由Semaku這家工公司承接，最後NXP和Semaku根據這樣的經驗建立了一個 NXP Enterprise Data Hub，這個鏈結資料的應用在去年接連拿到荷蘭鏈結資料應用的首獎和歐洲鏈結資料首獎。
由Keynotes的結構來看，這個會議確實是秉持產官學互動交流的原則，在8個Keynotes中有4個是來自於業界的分享，菲利浦總裁 Frans van Houten介紹自家許多家電產品已經收集消費者的使用行為資料，分析資料可以提供更好的服務，例如，電動牙刷利用藍芽和手機連結收集使用者的刷牙方式，若有使用者刷牙方式錯誤，手機應用程式可以自動提醒。西門子數位工廠部門工廠資料服務資深副總 Ralf Wanger則是介紹西門子賣出的機器中裝有感測器(sensor)，可以消費者可以將機器連結上西門子的資料服務中心，系統可自動分析維修時間，並自動安排員工進行檢修。導航和地圖空間資料服務的知名公司TomTom之總裁Harold Goddijn 則是分享公司跨界轉型過程，單純買圖資或GPS導航的獲利已經不高，TomTom已將圖資應用在支援無人車研發。知名線上音樂公司Spotify，資料分析主任Andres Arpteg 以資料科學的角度來了解消費者使用行為，他們利用資料探礦的方法分析了解消費習慣以提昇音樂平台的服務。
第一天下午和第二天有三個時段各有三個平行的場次，主題分別是Automotive, Data-Driven Government, Agrifood, Urban Smart Living, Smart Industry,Novel Emerging Areas, Educations and Skills, Healthcare, 和 Media，這9個場次的講者來源，有政府官員、非營利組織、大學及科研中心，更有來自公司企業，不同領域在同一主題上所面臨的問題可能不一樣，但在同一個場所的討論則有助相互交流和經驗分享，與會者中有許多是來自於歐洲的中小型企業(SMEs)，藉由研討的過程，他們有機會提供他們的技術與經驗和講者交流，也就創造他們參與大型計畫，以及和大型企業合作的機會。
會議中有二個歐盟政府官員的Keynotes，都與EDF的組成有關，一個是來自歐盟執委會 在數位經濟和文化的專員，以錄影方式發表演說，另一個是Márta Nagy-Rothengass 歐盟網通科技總署 (DG Connect) 中資料價值鏈部門的主任，以「 Building a data-driven economy – The perspective of the European Commission」為題演說。
她的演講中清楚地勾勒出歐盟在資料政策上制定與推行，在多國組成的歐盟，不同制度文化下，資料的管理方式不同，造成資料整合應用上的障礙，一直是歐盟成立以來著重的問題，隨著開放資料、巨量資料和資料科學的風潮，歐盟也逐漸地在過去電子化政府運作中做出改變，開始著重於建立一個有效率的資料生態系統，朝向政府、科研、企業、公民等不同角色的公私部門夥伴(Public-Private Partnership)的合作架構，以促進資源與利益的共享、責任的共同承擔、並著重社會層面議題。
為了建立這樣的資料生態系統，開放資料的策略變得很重要，因為資料能開放地被近用，才有可能讓資料在不同的角色中相互流動，資料有流動就增加應用加值的可能性，在這樣的脈絡下，開放資料被視為資料經濟的一部份。因此歐盟不但極積的建立歐盟開放資料平台，2012年啟動，一開始只有歐盟本身的資料，去年(2015年)起開始要求各國開放資料匯入，另一方面也極積地調查歐盟資料市場的規模和潛力，透過歐盟經費補助，委由國際數據資訊(IDC)和Open Evidence 進行歐洲資料市場的調查，報告書在2015年發表，同時他們也建立了一個資料視覺化的工具，European Data Market Monitoring Tool，可瀏覽歐洲的資料市場情況。
會議中的展覽單位和參展海報中，不少是歐盟計畫的成果，如IQmulus，仔細調查可以發現，歐盟執委會在推動資料經濟，並不是單單只有制定政策，且提供許多經費給科研單位進行長期的研究，這些科研計畫是以解決問題為導向的研究，並重視跨國、跨領域間的協同合作，這些計畫過去也都參加過之前的EDF，在歐盟的網頁上可以看得到這些計畫。
在Data-Driven Government場次中，有4個演講，除了論述政府如何應用資料治理的策略與方法，也包含了實務面的處理，荷蘭如何應用資料分析改善交通問題，奧地利如何運用開放資料制定指標以決定政策，法國如何透過培育計畫培殖更多資料科學人才。
Sören Auer是Fraunhofer IAIS 企業資訊部門主任，也是波昂大學企業資料系的教授，他在Smart Industry以Industrial data space digital sovereignty over data為題發表演說，提出 Industrial Data Space 是一個利用資訊標準和共同治理模式建構出一個虛擬的資料空間 ，這個構想之目的在於嘗試在商業環境中，讓資料的交換更安全且資料的連結更容易，這個構想想建立的系統也試圖提供一個基礎，以建立和使用智慧服務和創新商業流程，使得資料擁有者以確保他們的資料治理權 (digital sovereignty)。
透過使用情境，可以了解Industrial Data Space的架構和需求，這架構是在於創造資料價值鏈，以及調適以特定領域中鏈結資料的語彙以輕量化的語意表達，Industrial Data Space廣大地支援不同領域的情境，同時，也是下一代的工業生產 (工業4.0) 可以應用的範疇。此外，他也指出 Industrial Data Space 也是一個跨領域組織，包含商業、政府、和科研單位，於2014年底在德國成立，這個組織的目標清楚企圖建立一個歐盟、甚至是世界級的平台。
EDF2016中二個Keynotes是來自於埃因荷芬(Eindhoven)附近的科研中心，分別是荷蘭提堡大學(Tilburg University)校長Emile Aarts和德國多特蒙德大學(TU Dortmund University)資料科學中心的主任Katharina Morik，他們各自介紹各自資料科學中心如何透過在企業合作以資料科學的方法解決問題，此外，也強調各自資料學中心的能力和潛力，以吸收更多人才的加入。加上埃因荷芬大學資料科學中心，似乎讓我有感覺有一個趨勢，就是這個過去以工業生產為主的區域，已經看清資料價值鏈中，傳統工業轉型後，所要扮演的角色，所以需要的人才，這些資料科學中心成為這個區域進入下一個工業世代的軍火庫，不但提供策略想法，也訓練人才。
這次EDF的參與者有1070人，來自於48國家，參與人數最多的15國依次分別為，荷蘭、德國、比利時、英國、西班牙、希臘、奧地利、法國、義大利、愛爾蘭、匈牙利、挪威、盧森堡、芬蘭、萄葡牙等，有明顯的舉辦國優勢的傾向，以參與人員的行業類別而言，有40%是來自於工業界，32%是學術界、13%是公部門、和15%的其它，會議參與者多數是來自於業界，但科研單位的人也為數不少，這和我過去參與的學術會議巧好有點相反的情形，因此二天會議談論的事情，多是實務面的工作和面臨的問題，較少生硬的科學理論，相對而言，整體內容是比較能讓一般人進入的。
荷蘭North Brabant省的經濟經理Bert Puali，在會後的宣傳錄影中提到，「…在我們變得談論過多巨量資料的可能性之前，我們應該加入有執行力的那一方，藉由資料和資通訊相關的研究，以了解資料經濟的市場有多大…」，其實這就是EDF的主軸，整個會議雖然扣合歐盟「資料經濟」發展的政策，但不會讓人感到過多政策推動鑿痕，可以讓人感到的是，歐盟對於政策推動是根植於問題與挑戰的認知和了解，接著再提出解決問題的技術方法的一系列進程，反觀國內，通常把二件事情給壓縮了，常在政策推動的過程中，讓人看不清，解決問題的意識和方向是什麼? 而堆疊過多的技術名詞，沒有執行的實質內容，最後流於空洞。
在海報、展覽單位、以及與會會眾中，很多是資通訊產業的中小型企業(SMEs)的員工、甚至是老闆，試圖透過這個會議中尋找合作機會，這與歐盟資料經濟策略中重視中小型企業(SMEs)所扮演的角色有關，個人觀察，這就和公民科技在開放資料生態系中扮演重要角色是類似的，政府或大型企業在面對新問題和新挑戰時，由於組織體系的龐大，未必能及時適度確切的反應，而中小型企業較具有彈性，可以容易調整方向，調度人才，因此大型企業或政府單位和中小型企業合作，較能快速地解決問題，如之前提到NXP和Semaku的案例。
從許多EDF的演講中，可以發現有些研究是歐盟所補助的計畫，這些計畫無論是在智慧城市、物聯網或工業4.0上，都以資料為本，提出解決問題的架構、技術或方法，而這些計畫也不僅是單一科研單位所執行，而是跨國、跨領域協同合作，這種3-5年左右的研科計畫，也提供教育、研究資源，培養更多的人才，因此可以想像的，一個新興議題，如資料經濟，一開始大家都不熟悉，在這樣的情況下可以做出的策略自然保守且限縮的，而在補助科研單位的研究計畫中，利用博碩士生在深入研究推導，研究成果最終成為政府單位政策推動依據，這樣一個階段、一個階段的進行下，歐盟在開放資料、巨量資料、和鏈結資料逐漸形成策略，以面對不斷演變的挑戰，因此提出資料趨動經濟的論述，成為歐盟政策內容，形為今日如此的規模，這絕對不是把堆砌一堆技術名詞而缺乏解決問題方法的報告書重抄一遍，再重新包裝的政策內容。
看到歐盟對於資料相關的政策，反觀台灣，想問的是，面臨新的資料世代，台灣政府對應的政策是什麼?
因為601旅所在的龍潭機場並非要塞堡壘地帶，15人的貴婦觀光團不被起訴，但同樣地，鈕承澤拍攝電影，因勘景需求，「申請」進入高雄軍港，而中國籍攝影師因未在名單之內，卻因鈕承澤為演藝知名人士，海軍接待人員不疑有他，讓中國籍攝影師混在這行勘查團中，進入高雄軍港，結果因違反「要塞堡壘地帶法」第10條第1項之非法出入罪，處有期徒刑5月，緩刑2年，並應向公庫支付新臺幣60萬元，加上60小時之義務勞務。這之間差別在於被造訪的地方是否被劃為要塞堡壘地帶，但有多少地方被劃為「要塞堡壘地帶」呢? 這個問題只能問國防部，根據蕃新聞中有一文章寫到
根據檢調掌握的資料，目前涉及「要塞堡壘地帶法」中範圍包括本島基隆、新北、新竹、花蓮、台東、高雄6處，其餘則為外島的金馬、澎湖等地。
由於「要塞堡壘地帶法」的認定範圍，不能全然由檢方認定，因此必須要函詢國防部等相關單位確認。
而吊詭的是，在阿帕契案爆發時，601旅所在的龍潭機場是否為要塞堡壘地帶法所認定之範圍，就有網友打臉國防部，在行政院公告「龍潭、新社、頭嵙山、歸仁及左營等5處軍用機場周圍禁止飼養飛鴿距離範圍」之中，即是依照要塞堡壘地帶法來禁止機場周遭的養鴿，但最後法院無法起訴這15人是因為國防部根本沒把龍潭機場劃定為要塞堡壘地帶，那之前的公告是怎麼回事?
國防部對於要塞堡壘地帶法所劃定的區域是否應該讓國人充份了解，以免沒事去釣魚也可能觸闖要塞堡壘地帶、在民用機場拍照也可能被抓、也不能隨便拍軍機 … ，軍方只要不讓你看、不讓你知道，就用一個過時的法令來恐嚇人民，遇到權貴之時，這些法令反而成為保護傘，不免讓人質疑，這塊國防布果然是遮腐蓋爛、而不防機密，國防部很鳥、塞堡壘地帶法也很鳥。
而真正「鳥」的觀點是，是從空中看來這些存放國軍精良武器的軍事基地，以當代民用衛星航空的科技，要把軍事基地看的一清二楚根本不是什麼難事，故意把地圖留白，就可以隱藏基地嗎? G社所提供的衛星影像中，龍潭基地清楚可見，但在農林航測所提供的航空相片圖，則是挖空了一塊，再來看看OSM和G社的在龍潭基地附近的地圖，G社地圖以前是台灣民間製圖商提供，對於軍事用地依照OSM把基地範圍、跑道、和建物都揭露了，在阿帕契案前，對於軍事設施的製圖，都盡量不主動提起，避免麻煩上身，但阿帕契都是農村設施了，有什麼好忌諱的，我們只是畫畫軍事基地的農村設施罷了!
再者，臺灣地區基本圖測製管理規則 在2003年就己經廢止，現行法令國防部是什麼法令限制軍事用地的繪製呢? 國家安全法? 國家機密保護法? 但貴婦組團就能進入了，還有機密可言? 國土安全也只不是FB照片讓人按讚的理由。
資料開放是不能涉及國防安全，這個道理誰都能懂，在談地理空間資料的開放時，往往遇到要問國防部，事情恐怕就是GG。但對於什麼是國防機密的認定，感謝貴婦團一行人突破重圍，讓我們了解，很多本來被認為有危及國家安全的規定，其實國防部並沒有這麼要求，但行政機關還在以舊有法令來威嚇人民!?
那什麼樣的地理空間資訊開放會危害國家安全? 什麼是資料是機密? 國防部有能力判斷嗎? 阿帕契儀表板未通電下，拍照po網是否構成洩密，國防部自已也不確定，還得老美說沒問題，才由法院判定不起訴。同樣的道理，以當代資訊科技發達，國防部是否能掌握新興科技的發展，而有防治策略呢? 話說，2公尺解析度的數值高程模型(DTM)是機密資料，而5公尺解析度的數值高程模型(DEM)則是一般公務機密，精細的地表高程資料，可以提供彈道計算，提高飛彈命中目標機率，然而這個理由成立嗎? 花點錢，在日本或國外的一些公司行號，就可以買到5公尺等級的數值高程模型(DTM)，再者，對岸的中共，衛星技術並不差，這些資料共軍無法自己生產嗎? 那國防部管制的理由是什麼呢? 還是一切以跳針式的回應，「不可以!、不可以!、不可以!」，問為什麼不可以，回答依然是「就是不可以!」 ，這種愚民式策略，在當代開放政府的風潮下，這種處理方式，只會突顯自身能力的崩壞。鳥!
參考資料