▲利用大數據分析選民的不同個性及價值觀等投票傾向，讓潛在支持者動起來。（圖／視覺中國）
九合一選舉只剩12天（11月24日），漫天飛的民調數字會準嗎？不同的媒體、政黨，報導的數據難免會有差別，再加上來亂的大陸網軍，究竟要相信誰呢？
選舉是台灣政治自由民主、社會開放進步的基石，經濟學人情報社（the Economist Intelligence Unit, EIU）今年1月31日發布「2017民主指數」，全球民主呈現倒退，而台灣在全世界排第33名，居東亞第3名，雖屬於「有缺陷民主國家」（lawed democracy），但「選舉過程與多元性」的指標得分高達9.58、「公民自由」達9.12，而「政治參與」僅6.11、「政治文化」則低至5.63（滿分10）。
大數據可以預測選舉結果嗎？2016年的美國大選，印度的人工智慧 （MogIA AI）系統，在選前就已經預測川普會當選總統！11月7日美國期中選舉開票，國會參議院席次為共和黨51席（過半）、民主黨42席；眾議院為民主黨213席（過半）、共和黨190席。而選前的民意調查網站亦顯示，民主黨贏得眾議院的可能性達86％，共和黨守住參議院的機率逾80％，亦即選舉結果與選前預測吻合。
大數據是2010年由IBM所提出，涵蓋4個V：大量化（Volume）、快速化（Velocity）、多樣化（Variety）與真實性（Veracity）。選民的選票可能被大數據「算計」嗎？爭取選票的重點是爭取「中間選民」或「搖擺派」，他們可投可不投，或持觀望態度，或選前最後一天才決定要投給誰。利用大數據分析選民的不同個性及價值觀等投票傾向，運用Facebook或LINE等物聯網結合大數據分析，推送特定心理目標的資訊或宣傳詞給特定選民，再通過社交群組的「按讚」，也能聚「光環效應」，讓潛在支持者動起來。
大數據可以藉網路輿情、媒體傳播及國內外學者之相關研究等，綜合加權預測各候選人的當選機率，但也會因雜訊資料而預測不精確。但大數據相較於民調，除減少人為操作外，資料可隨時更新即時預測、提高民眾利用的可近性（accessibility）。
大數據預測選情的變數包括：候選人勝選機率、網路口碑（語意分析）、媒體民調（抽樣調查方法）、群眾預測（即時交易數據）、口碑傳播力及選民支持力等影響選情的關鍵因素，透過迴歸分析及機器學習法推估當選率，但預測模型的邏輯是前述變數與當選率的相關性，而非因果關係。
選舉大數據須強調完整的選民資料，但「不限於」選民調查樣本來預測當選機率。要提供給大數據的具體或IoT資料包括：1.Facebook、YouTube、新聞媒體、討論區、部落格等網路口碑資料庫；2.媒體調查並公布的民調報告資料庫；3.未來事件交易所、台北政治經濟交易等國內民調網站資料；4.歷史選情資料庫（中選會、維基百科）等。蒐集資料的方式，也涉及如何詮釋預估得票率及看好度等。但在投票日前10日起至投票時間截止前，不得以任何方式發布民調資料，亦不得報導、散布、評論或引述（《公職選罷法》第53條第2項）。
大數據目前預測，台北市長候選人中的柯文哲、丁守中，當選率領先；選戰激烈的高雄市韓國瑜、陳其邁呈現五五波；台中市的林佳龍、盧秀燕，新北市的侯友宜、蘇貞昌，桃園市的鄭文燦及台南市的黃偉哲，暫時領先。大數據的預測會依據不同的調查時間、樣本及調查機關等而不同，筆者以為，大數據選舉預測模型除可大幅減少人為操作外，也能即時反映選情，去除局部民調的偏誤及受訪人樣本不足等，還有不同民調單位常見的預測結果南轅北轍問題。
大數據預測也有其黑暗面，例如配合特定候選人操作，企圖操弄選情，另外也要避免因資訊蒐集對民眾隱私權造成威脅，以及防免迷戀資料分析及濫用，以致形成「資料獨裁」或「大數據的傲慢與偏見」。
針對2018年選舉的筆者觀察，經濟選民可能會引導選舉風向，尤其要考慮中產階級的投票傾向，尤其是軍公教年金被砍後的影響。此外，氣候變遷所帶來的跨域治理問題，在非核家園理念下，綠能發電技術是否成熟？前瞻基礎建設的投資效益及乘數效應，是否感動民眾？還有長照2.0的落實、招商促進產業及解決勞工與勞工低薪問題等。
選舉是在看未來，未來的當選人除了要落實政見外，更需要有執行力，千萬不要只是藉選舉來騙選票。期望藉由九合一選舉，選到對的人，也讓人看到台灣的未來！
好文推薦
●蘇南，國立雲林科技大學營建系及通識教育中心教授，交通大學土木工程博士，中正大學法學博士，中國政法大學法學博士。以上言論不代表本公司立場。
讀者迴響