柔佛州选举刚落幕，很多人已经把它视为观察下一届全国大选风向的重要指标。
如果站在数据分析的角度，我更好奇这个结果是怎么形成的？毕竟投票只是最后一天，那些真正影响选举的讯号可能几年前就开始累积了。
先说一个案例，2012年美国总统大选。当时奥巴马的竞选团队建立了大量分析模型，尝试找出哪些选民支持奥巴马、哪些支持对手、哪些属于摇摆选民以及哪些支持者最有可能不出来投票。因为竞选相关的广告投放、募款活动、拜票行程，甚至志工安排，都需要依据这些分析结果来进行资源配置。后来不少学者把那场选举称为“The Moneyball Election”，把棒球界的数据分析思维带进政治、也是研究政治统计学第一堂课的经典内容。
我一直很喜欢这个案例，它重新定义了数据在选举里的角色。它也成功协助奥巴马团队更有效率地分配资源。假设两个州胜率差不多。但模型告诉你某个州再投入100万美元／407万令吉只能增加0.2%的支持率，另一个州投入100万美元却可能增加1.5%，那么竞选团队就知道该去哪里。而这样的思维也早已是企业经营的日常，例如客户分群、预测分析、行销资源优化都是同样的逻辑。
特定族群定义广而空
我在大学与研究所期间，曾经接触过人口结构分析（Demographic Analysis）、地理资讯系统（GIS）以及情绪分析（Sentiment Analysis）相关研究，所以每次看到选举新闻时，我会不自觉地把注意力放在一些不同的地方。
当新闻提到“年轻选民将成为造王者”时，我会习惯先把“年轻选民”拆开来看。所谓的“年轻选民”，究竟是刚踏出校园的毕业生？是在城市打拼的年轻上班族？还是已经成家、开始烦恼房贷与孩子教育的年轻家庭？
同样被归类为年轻人，但他们面对的生活真实状况可能完全不同。
在吉隆坡工作的年轻上班族和居住在半城市地区的年轻家庭，所关心的事情是完全不同的。有人在意房价、有人在意薪资、有人在意就业机会，也有人关心孩子未来的教育。同样是年轻人，不代表面对同样的生活处境。同样的情况也发生在所谓的B40（低收入阶层）、中产家庭甚至退休人士身上。如果不知道不同年轻人面对的是什么问题，再多的竞选口号都只是对空气说话。
地图上的隐藏数据
同样一组数据，放在不同地方，往往会呈现截然不同的意义。例如一个地区的人口正在快速老化、另一个地区则有大量年轻家庭迁入。有些地方房价上涨成为主要课题、有些地方则更关心公共交通与就业机会。
如果只看全国平均数据，这些差异很容易被掩盖。但当数据放到地图上时，我们看到的就会是一个地方的发展轨迹、一群人的生活方式，以及他们正在面对的现实状况。这也是为什么近年来地理资讯系统（GIS）分析越来越受到重视。因为很多问题并不是平均分布的。同一个政策在不同地方可能得到完全不同的回应，因为人民的生活环境不同。
民调真的能代表民意？
过去要了解民意，最主要的方法是做民调。直到今天民调仍然是非常重要的工具，但它已经不再是唯一的资讯来源。因为今天的人们每天都在留下大量数位足迹，脸书（Facebook）留言、TikTok评论、谷歌（Google）搜寻趋势，或者某个议题突然被大量讨论，背后都可能反映出社会正在关心什么。
这些资讯过去很难被整理，因为没有人有能力阅读几十万、几百万则留言。但AI的出现改变了这件事情。透过自然语言处理（NLP）与情绪分析（Sentiment Analysis）技术，大量文字资料开始能够被快速整理与分析。
我们可以更加快速掌握哪些议题正在升温？哪些课题开始累积不满情绪？哪些讨论只是短暂热度？
这些讯号有时会比民调更早出现。当然这并不代表AI能够读懂人心，但它确实让我们更容易理解群体正在关心什么。
用数据分析让决策更有效
数据分析最大的价值，不是在选举当天，而是在投票之前，帮助我们理解不同群体的需求，也帮助决策者看见哪些问题正在累积、哪些声音容易被忽略。企业利用数据理解客户，政府利用数据理解人民。
AI会让竞选更有效率，数据则让决策更有依据。但普罗大众所期待的是更认真理解人民的政党。在有AI助力的时代，人民关心的问题是不是更能够被看见和被解决。
本文观点，不代表《东方日报》立场。
要看最快最熱資訊，請來Follow我們 《東方日報》WhatsApp Channel.
