在「激進市場」(Radical Markets) 這本書裏提過一個概念：「數據即勞務」，大約就是指將提供數據此一行為視為勞務，並可得到報酬，如同工作一樣。
215Please respect copyright.ＰＥＮＡＮＡ0f0MQrZqJe
近年「大數據」這個詞的出現次數越加瀕密，因為他背後所帶來的影響和利益正在改寫世界的脈絡。透過分析數據，我們可以作出更全面的比較、做更準確的決定、令市場更具效率。「數據」自身的價值越來越高，它就像生產中的原材料、或是農場裏的飼料，餵給機器後，機器就能成長。例如所謂機器學習就是透過一大堆資料，找出當中的規律，再為未來新的數據進行預測。
215Please respect copyright.ＰＥＮＡＮＡKUFZEoAS0r
既然如此，人類作為數據的提供者也參與在這條供應鏈之上創造了價值，獲得報酬也非常合理。當然，現時人類也非完全無償地提供數據。好比我們使用臉書的時候，我們的相片、個人資料等都會存入臉書的數據庫，它可借此改善其廣告營運模式 (如更加客製化)，並藉此吸引商業客戶購買。而臉書用家在這盤生意所得到的報酬，可以說是免費的社交平台服務。其他例子如填問卷可以得到現金劵、參加研究可獲車馬費，提供數據可以得到報酬的概念好像已經存在於社會之中。
215Please respect copyright.ＰＥＮＡＮＡPlXJQ9DZdy
不過在這些情況之下，數據的質素亦成為問題，有時只收集到一堆雜亂無章的資訊，甚至是雜訊，又或是會忽略某些數據上的小眾，做成偏誤。所以正視「數據即勞務」這個概念，其一方向是將提供數據此一生產行為商業化，並讓人為此而工作，提供高質素的數據者得到高報酬，由市場去管理數據的質素。而高質素的數據則可完善大數據分析、machine learning、AI等領域的發展。
215Please respect copyright.ＰＥＮＡＮＡoRoRcniIG2
與此同時，社會上不同領域的「小眾」都能夠提供數據。另一本書「被隱形的女性」就指出過現時數據背後的問題，該書以女性為中心，指的是現時大多演算法所採用的學習數據都由男性提供，或者男性為基準，結果學習完成的機器就更適合男性使用。不適合女性使用的機器當然會減少女性的使用率，然則在回饋效應之下，由於機器收集到女性的回饋較少，結果它在自我學習、進步的過程中則更偏向男性，造成惡性循環。女性或許是一個群組，社會上仍然有其他許多不同的「小眾」被數據所忽視，他們為市場提供數據自可以完善演算系統，亦可促進社會多元。
215Please respect copyright.ＰＥＮＡＮＡcZFzRaryTT
而他們的價值也不止於上述「社會價值」式的利益，亦可協助商界開拓利基市場。人們可以把數據勞務的焦點放在自己的興趣，如語言學習、文化意識之上，為各種獨特的生活模式提供數據，商家亦可藉此尋找隱藏或未完全開發市場。
215Please respect copyright.ＰＥＮＡＮＡbGJ9tPY8xe
當我們正視提供數據為一種勞務，應該得到報酬時，這種概念亦可進一步延伸，為社會提供廣泛利益，下章待續。
ns 15.158.61.17da2
