大數據為何成貧富差距與歧視的幫兇？

《大數據的傲慢與偏見》

意外的好書。讀過許多「數據新聞」看數字說故事，缺乏脈絡與常識；之前做調查時，也被許多調查者挑戰，這本書解答了我的疑惑。

最意外的是作者凱西・歐尼爾（哈佛數學博士，曾任職創投）認為，大數據，是加劇貧富差距與歧視的幫兇。最驚悚的例子，是美國大學學店。

【教育機會濫用】

2013年，一家因濫收學雜費、謊報就業率的學店遭起訴。它在內部招生手冊上註明，招生對象是領社會福利、有孩子的女性、剛離婚者、低自尊者、低薪者、曾受虐者、更生人等，「因為脆弱的人向來是騙財的好目標。」

這些人傾向相信，賺錢翻身的關鍵是教育，學店於是趁虛而入。

他們用各種方法搜集這類人的資訊，並將最多廣告預算投放於Google和臉書，因為這兩個平台最能精準鎖定受眾。一但，這群人透過這些平台點擊學店的廣告，填了資本資料，立刻會接到行銷人員電話，鼓勵他們大量貸款以支付學雜費。

但這些學店的文憑，在職場上的價值只相當於高中，學費卻比公立大學高20%。

【犯罪調查不公】

又比如，貧窮地區犯罪率高，警方於是加強巡邏臨檢，抓出許多未成年飲酒、交通違規、攜帶微量毒品等輕罪，將許多窮困有色人種推入司法系統。

但若你是白人MBA學生，在高級住宅區派對上吸毒，被搜身的機率卻近乎於零。

這種數據決策，在教育、工作、司法到金融界，撒下天羅地網。每一個人都被簡化，從一個人，被歸入一個群體。你可能會因住在某一區、屬於某個種族；而根據數學模型，和你具有同樣特徵的人，多具有某些相似性，於是，你就被劃為同類。

例如，若數據顯示，低收入有色人種的貸款還款率低，再犯率較高。而你，正好是個住在貧民區的低收入的有色人種，就會特別難申請房貸；但某些惡劣金融機構卻透過網路，針對你發送廣告，誘使你申請昂貴學店或次級房貸。

警政機構也會派出更多警力在你的活動範圍巡邏，逮捕更多犯人；審判時，又因為你來自高犯罪區域，而被判較高的刑責，造成惡性循環。

但我們甚至不知道，自己是因為哪些特徵被貼上標籤，一切都在暗中進行。

【勞動條件惡化】

毀滅窮人的工具，卻同樣被用來服侍富裕階級，為他們做投資建議、申請上頂尖大學、調整企業人力。

日前美國宣布，企業班表必須在兩週前公佈。因為許多零售業透過大數據，算出每天所需人力，以達到成本獲利最佳化。但人力需求，可能會因活動、天氣而變化，因此許多企業臨時更動班表，導致資源匱乏的員工找不到人帶小孩，或因作息不定而生病，最後只好辭職，淪為失業一族。

偏偏這種服務業工作門檻低，取代性高，勞工難形成工會與資方談判。這種派班系統，彷彿變相懲罰低薪勞工。

這，公平嗎？

最後一章，作者呼籲，模型產出的數據，還是必須以人工考慮脈絡與各種幽微處，確保模型能與時俱進；同時，數學模型「運作必須是透明的；我們必須知道它接受哪些數據輸入，產生什麼結果。而且它們必須受到稽核。」

大數據能載舟，亦能覆舟。慎之，慎之。