別急著成立反抗軍!:電腦帝國其實單純又可愛?8堂資訊黑箱裡的科普課(二)

【第八章 大數據裡沒有新東西?──淺談資料探勘的新風貌】(節錄)

什麼是資料探勘?從資料裡挖掘資訊的過程

對於沒有資訊背景的人來說,「資料」與「資訊」的分野常常令人困惑。坊間許許多多的課本都會嚴肅地做出一堆定義性的解釋。但我會想要很直接的這麼說:如果我在紙上寫下0928280356這個數字,它就是一筆「資料」,我想就算完全沒有資訊背景的人都會聽過「資料庫」這個名詞,到底什麼是資料庫?其實你的隨便一個excel表單都可以說是一個「格式還不夠嚴謹,但是具體而微的資料庫」,就因為裡頭儲存了大量的資料,就像我剛剛隨口舉例的0928280356一樣,它可能靜靜地躺在資料庫裡的某個角落。最多,敏感一點…點的人會猜測它是某個人的手機號碼。

可是如果我說,它是林志玲的電話號碼的話,想必有很多男性同胞眼睛一亮!(但當然不是,請千萬別當真,如果有人真的在使用這個門號而收到騷擾電話的話,筆者對您感到萬分抱歉),所以「產生意義的資料」就叫作「資訊」。資訊的定義就更廣闊了,它更不限於單筆的資料,而有可能是「一堆資料的集合」。

我們再舉一個例子好了,警察辦案的時候常常會調閱所謂的「電話通聯記錄」,曾經有一個公眾人物做了一件「會損害他形象的事」(但他可能不認為這是虧心事就是了),有趣的是他為了防止自己的通聯記錄被追蹤,因此他在撥出「不想被追蹤的電話」的時候,他換了一張SIM卡──換言之,他懂得要準備一個「幹壞事專用門號」。可惜的是,他不知道所謂的「電話通聯記錄」會連你的手機識別碼一起記錄(要講得更精確的話,它還記錄了你的發話地點,因為你的手機一定透過離你最近的基地台在發話,也許這就是「跑得了和尚跑不了廟」?)手機上頭有個像是汽車引擎號碼的東西,所以贓車就算重新殺肉拼裝,只要看了引擎號碼還是會破案。手機的原理亦同,事實上手機失竊的案子是非常好破的,如果犯罪者誤以為把它的SIM卡換掉就可以將手機據為己有的話,當他下次用這隻電話打出去而且失主已經報案的情況下,警察就會找上門。所以話題回到這號人物,雖然他在法庭上對自己的做為否定到底,可是法官判定他「確實做了某件事」的依據是兩筆通聯記錄,這兩筆通聯記錄由不同的電話門號所發送,可是背後的手機卻是同一隻,雖然我們知道「電話」是不記名的,但是SIM卡確實登記在某個特定的名字之下,而憑著這隻電話曾經以「這位公眾人物的SIM卡」發話,並且在短期內交互地使用兩張不同的SIM卡,法官斷定那張「確定被犯人使用的謎之SIM卡」的真正主人的確是這位公眾人物。

講了這個落落長的名偵探柯南故事(希望馬賽克打得夠厚以免筆者因此吃上妨害名譽官司),其實我只是想說:那兩筆「通聯記錄」就是「資料」,而「這兩筆看似無關的通聯記錄是某個公眾人物做了有損形象的事情的鐵證」則是一則「資訊」,但是聰明的讀者應該立刻發現了:從資料產生資訊的過程簡直如同大海撈針!就像警察調查犯罪證據一樣,「資料」的數量往往太過驚人,而「資訊」的格式及定義太過特殊。當我們存在某種資訊上的需求的時候,如何從資料裡頭找出我們想要的東西?(以上面的故事為例,至少我們想要在為數驚人的「通聯記錄」當中找出「其實是同一個人打出的電話」,以作為偵辦犯罪的證據。)於是我們終於可以進入我們的主題了──資料探勘。資料探勘(Data Mining),也有人稱作「資料探礦」,事實上「探礦」這個譯法更加傳神,因為有意義的「資訊」就像珍貴礦石一樣埋藏在散亂的「資料」當中。我們在剛剛的段落已經提到,「資訊」是「有意義的資料」。

從尿布與啤酒,再到王八機與杜鵑卡

資料探勘最為人所熟知的一個經典例子,叫作「尿布與啤酒」,大意是說,進入電子時代了以後,賣場的盤點變得輕鬆許多,因為每一筆消費都留有電子記錄,但是賣場的經理意外發現:有非常多的消費者在買了尿布的同時也購買了啤酒,這看起來是非常匪夷所思的事情,如果買了啤酒同時買了開瓶器,或是買了啤酒同時買了下酒菜就顯得非常容易理解。但是管它好不好理解!對於需要營利的賣場而言,他們已經需要把它反應到銷售策略上來大賺一票,因此他們就掛出了一個令常人無法理解的告示:「尿布啤酒一起買,再享優惠九折」,雖然連賣場的經理都沒有辦法理解為什麼這樣會比較好賣,但是「在正確的商品上作搭配促銷」的確讓賣場賺進了大把鈔票。商場不用「急著」知道為什麼,而更重要的是要在想通「為什麼」之前知道「怎麼做」。尿布與啤酒的潛在關聯性就是被資料探勘技術給發掘出來的,直到後來有學者去調查這件事的前因後果,才大致發現了它背後所潛藏的「文化」:這些同時購買尿布和啤酒的常常是新手爸媽,因為他們週末要顧小孩的緣故,沒有辦法出門踏青或是聚餐,只能宅在家裡看球賽,而啤酒是用來配球賽而不是用來配尿布的,但是尿布指向了小孩,小孩限制了父母的週末休閒活動,因此才間接反應到啤酒上頭。

……

而資料探勘可以應用的有趣例子實在太多了,除了「尿布與啤酒」以外,它還有一個很經典的案例是用在處理信用卡詐騙之上。早期的大哥大手機剛剛普及的時候,大家也許聽過一個很不堪的名詞,叫作「王八機」,這個名字雖然取得非常難登大雅之堂,卻傳神至極,所謂王八機就是「你打電話別人付帳」(影射「你生小孩別人養」)的概念,而站在付帳者的角度,他養了別人的孩子(帳單)卻渾然無所覺。王八機是怎麼做到的呢?筆者沒有深入研究,但我會猜它是非法複製了一張和真正的門號持有者完全相同的SIM卡,只是這種情況下你只能撥打卻不能接聽,否則你的犯罪行為就會被發現。而信用卡的盜刷則就更猖獗了,為什麼?在現代這種電子商務時代,信用卡變成了網購的必備工具,但在這種情況下犯罪者根本不需要大費周章地複製你的信用卡,他只要能完全掌握你的信用卡號碼及個資就好,泰半的信用卡網站都是「認卡不認人」的。(相較於「王八機」,筆者會想要替信用卡偽卡取一個文雅一點的專有名詞,叫作「杜鵑卡」,杜鵑鳥被公認是一種行徑惡劣的鳥,因為牠會在別的鳥巢裡下蛋以掉包原本的鳥蛋,於是別的鳥爸鳥媽就渾然無所覺地把牠的孩子當成自己的養大。)

這雖然不是鼓吹犯罪,但是我們卻必須「模擬」一下,如果你的手上有一張所謂的「杜鵑卡」,你會怎麼使用它?我相信絕對沒有人會拿它去網購買任何昻貴的東西,因為信用卡的真正持有人只要發現自己的信用卡突然被刷爆了,他立刻會警覺到自己的卡被盜用,因此上門的不會是送貨員而會是警察。相較之下,在現代這種忙碌的工商業社會,許許多多的信用卡持有者檢視自己的帳單時候常常不會逐項確認明細(因為甚至有可能他自己都記不得,或者是,我們來講一個成年人的秘密:如果一個成年人有用信用卡購買了任何「不好意思讓人知道的商品」的話,線上商家通常都會很貼心地跟你強調及保證「信用卡帳單上絕對不會出現任何不雅字眼」,於是「你的帳單上會出現陌生的消費項目但是你卻心知肚明那是什麼」,這是有可能會發生的事。只是一旦有這種消費習慣的成年人,他也會對「陌生的消費記錄」失去戒心,因此也成了偽卡集團可鑽的漏洞),而只會看看總金額是否合理。

於是,所謂「杜鵑卡」的持有者,很有可能會做一些微不足道或極不起眼的小額消費(甚至現在許多信用卡是「小額消費免簽名」,則盜卡者更可能明目張膽地拿著偽卡去使用),或是將它綁定在一些無法追查來源的付費網站訂閱上頭,換言之,「盜刷信用卡」的「安全模式」常常是有跡可循的。在早些年代,發卡銀行每天會面臨數以萬計的消費記錄,通常發卡銀行會要求持卡人「自主警覺」,也就是當你將卡片掛失的時候,銀行願意吸收某一個時段(比方說:你掛失時間點起算的的24小時以前)之內被盜刷的金額,通常這是透過「保險」處理掉的。(那是最早的年代,但自從「手機」開始普及了以後,銀行則通常能夠做到「善意確認」,也就是你刷了大筆金額的時候打通電話問你是不是真的有這筆消費。)

可是隨著資料探勘技術的發達,發卡銀行變成也可以「協助警覺」,因為他們可以從數以萬計的消費記錄當中先過濾出「可疑」的消費記錄。我剛剛提到,發卡銀行在持卡者作巨額消費時會來電確認,甚至現在的信用卡消費確認電話進步到什麼程度呢?你會發現它是電腦語音打來的,但你只要跟他講「是」或「不是」,它會辨識你的回答(怎麼做到的,請參見「你的Siri真的聽得懂你的話嗎?──自然語言處理的奧妙一章」)。這麼說來的話,銀行人手不足的問題好像得到解決,可是站在消費者的角度,如果連小額消費銀行都要打電話問你的話,你一定覺得煩都煩死了。所以發卡銀行不論能不能將消費行為確認這樣的動作交給機器人來做,他們都還是只會針對「可疑」的消費記錄才向持卡者電話確認。
Facebook留言板

您可能有興趣

  • <耶穌在安息日治病> <耶穌在安息日治病>
    <耶穌在安息日治病>讀經「太12:9-21」「耶穌離開那地方,進了一個會堂。那裡有一個人枯乾了一隻手。有人問耶穌說:'安…
    xiabus 2019-02-14 21:42:00
  • 2019 浪耀 日光 2019 浪耀 日光
    1.西元二八0年三月十五日,王濬領軍攻入石頭城,東吳帝國覆亡。 這星期印象最深的是︰看到韓國總統民調在幾日之內掉到5%…
    承塵 2019-02-18 15:50:00
  • ora2 評價,買啊!!! ora2 評價,買啊!!!
    ora2評價,買啊!!!ora2評價這兩天狂下雨只好臨時改約其他行程開始逛起街來ora2評價先買了一直很想買的保養品再去…
    keko1102 2019-02-17 15:50:00
  • 地獄的ㄧ天 地獄的ㄧ天
    地獄的一天,太多事讓我覺得不安,從早忙到晚上11點半才收工,整日沒吃飯,但也因此趕了很多進度。
    Céline kimberley 2019-02-18 15:50:00
  • 比較級 比較級
    親愛的今天也工作順利吧,寶貝抓了一堆資料,但什麼都沒有做,單純就是蘑菇小姐,真的不會想上班,雖然本來一個月就只有上九天左…
    kaoly 2019-02-12 01:14:00
  • 難道這就是愛 難道這就是愛
    《難道這就是愛》唐捐 你一會兒看山 一會兒看我 為什麼 你看山小 看我時卻很火大
    蔚藍宇宙 2019-02-17 15:50:00