文：吳世昌｜圖：編輯部
前文「解讀網路大數據需更謹慎」提到網路大數據在應用上，面臨到的問題，包括了「僅能分析到有在網路上互動的民眾數據」、「語意分析仍有很大的改善空間」、「人為操作機率高，影響資料品質」等，提醒讀者「解讀網路大數據需謹慎」。
然而前文所述網路大數據產生的缺點，是否就導致「網路輿情」在實務運用上無法發揮良好功能，而不該運用網路大數據工具，來進行精準的數據分析？在此讀者認為並非如此，了解網路大數據特性，就可以在實際應用面上發揮大數據強大功能，對解讀輿情產生作用。
近年來隨著「網路大數據」日漸風行，在推動大數據上，業者多以「取代民調」作為主要推廣用詞。然深刻了解兩者間特性後就可發現，在實務運用上，民調與大數據是「互補」，而非「取代」，因應兩種調查方法不同，「誰也無法取代誰」。
作為已發展成熟的意見搜集工具，民調是以「機率抽樣」作為主要的研究方法，以抽取少數的樣本（一般約1,000個有效樣本），推估母體整體意見。傳統民調由於仍是選舉主要評估工具，民調準不準，「票開了就知道」；在這樣的即時驗証下，我們可以發現，臺灣民調若能確保以下幾個前提，至今仍是相當準確。
一、嚴格的訪員管理訓練
民調教學在課堂上，最常強調就是「垃圾進，垃圾出」，若蒐集到的資料有很大問題，那怎麼分析都不會得到正確結果。而民調資料搜集仰賴的是訪員，若無嚴格訪員訓練與管理，很難搜集到品質良好資料。
二、嚴守機率抽樣的規則
民調核心在於「用少數樣本『推估』多數人意見」，「推估」要能準，「機率抽樣」不可少。只有嚴守機率抽樣規則，抽出的樣本才能做出精準的推估。
三、避開機構效應的影響
在臺灣「政治」民調實務運作上，由於藍綠長期對立，「機構效應」確實存在，民眾會在調查過程中，因應調查單位的不同而選擇「校正回歸」，偏藍機構作出結果，往往對藍營有利，反之亦然；民調執行時如何避開機構效應的干擾，已是產出「精準民調」首要關注之事。
四、公正的問卷設計與資料處理
民調在問卷設計上是一門大學問，問題的問法、題序的安排，都會影響到產出來的數字結果。問卷設計若無法維持中立客觀、過於「引導式」、「偏向式」自然無法得出準確的結果。
而在資料處理上，如果無法秉持科學原則，過多人為調整，不當的加權干預，也會影響到調查產出的結果。
即便民調能確保以上執行規則，產出符合現況的精準資料，但仍有不少缺點，如執行時間較長、費用較高、市內電話涵蓋率持續下滑、行動電話抽樣方式仍待克服等問題；而要面對網路時代「瞬息萬變」輿情，大數據強大的功能特性，即可產生相當大「互補」效果。
大數據的實務運用面，根據筆者多年實戰經驗，在以下項目上，可發揮強大的用處：
一、網路輿情的即時掌握
網路大數據主要就是搜集「民眾在網路上的互動行為」，由於網路的特性就是「快」，大數據搜集引擎是不間斷地在網路上「爬蟲」，可以更快速、即時的掌握網民對於議題的反應。
二、即時輿情的危機處理
由於網路環境「新媒體」特性，與「傳統媒體」交互影響，網路產生的輿情反應，首先會在「網民」之間延燒，隨著傳統媒體引用報導，則會向一般民眾擴散。有效掌握即時網路輿情，可在危機處理上，做好更佳管理，避免議題快速延燒到不可收拾的地步
三、巨量資料分析價值
相較於民調多透過1,000份左右樣本，分析多數人意見，網路大數據因電腦運算速度的快速成長，可以即時搜集數萬筆、甚至數十萬筆資料及時進行分析；透過大量巨量資料的分析，可快速的將輿情進行更深度瞭解。
四、「網路攻防」只能依靠大數據分析工具
網路攻防已成現今政壇上、商業競爭上，不可忽視現象。只有透過網路大數據搜尋引擎，才能快速的分析出哪些平台、論壇、社群媒體產生了不利於己的言論，哪些網路意見領袖（KOL）在「帶風向」，並進行妥適的處理。
整體來說，網路輿情「快速搜集」、「成本較低」、「巨量資料」特性，是傳統民調無法趕上的優勢，顯示網路大數據在探測民意上，仍具有相當高的應用價值。然就如同筆者不斷強調，不論是民調或是大數據，都有其應用面的限制，不可偏廢任一方。只有「即時性的網路大數據掌握」，結合「定期性的民調」，才會是精準掌握輿情的最佳方式。
