資料卡住了怎麼辦？公民科技專案的資料驅動實戰手法

• 核心方法：公民科技專案推動公共改變時，若沒有具體數據，倡議就容易淪為各說各話的空泛口號，也難以向政府與利害關係人理性對話。本文依「從無到有產出資料、格式轉換與清洗、多維關聯串接、到開源釋出生態」四個階段，提供讓非技術背景提案者也能落地的實戰指引。
• 主題標籤：開放資料｜公民科技｜資料清洗｜跨庫比對｜MCP
• 資料查核日期：2026-08-29
• 作者：Claire 與 AI 協作編輯
• 授權：CC BY 4.0, by g0v.tw jothon & Claire Cheng

這篇能回答你

• 官方根本沒有我想研究的資料，專案要怎麼開始？ → 看「手上完全沒有資料？用輕量群眾協作自建第一批資料集」
• 想用的資料全鎖在紙本掃描檔或 PDF 裡，怎麼轉成好分析的格式？ → 看「想用的資料鎖在紙本與封閉格式？將非結構化文本轉為「機器可讀」做好資料清洗」
• 單一表格看不出問題全貌，該怎麼串接分散各處的資料？ → 看「單看一份資料只是盲人摸象？跨資料串接把零碎事實拼出全貌」
• 辛苦整理好的資料，除了做成展示網頁，怎麼讓生態系共同利用？ → 看「辛苦整理的資料別只做成網頁！釋出造好的輪子讓生態系共同茁壯」

你會遇到的問題

公民科技專案要推動公共監督、倡議政策改變，或是提供民間公共服務，最關鍵的起點就是「真實的現況數據」。有清楚的數據，專案才能把問題的真實嚴重程度說清楚、讓公眾有感並凝聚共識。

然而在實務現場，推動者往往會面臨各種資料卡關的困境：有時是想關注的議題在官方統計上一片空白；有時是資料全鎖在紙本掃描檔或幾萬頁的長篇公報裡，難以取得並分析資料；有時是各單位的資料四散獨立，單看一份表格只能盲人摸象。

唐鳳在 〈以資料為土壤，守護主權〉 中指出「資料不是石油，是土壤」。資料就像孕育公共創新與公民參與的沃土。這篇文章整理了台灣公民科技社群整理資料的經典做法，希望能協助你為公民科技專案，打下扎實的資料基礎。

四種打通資料瓶頸的關鍵策略

手上完全沒有資料？用輕量群眾協作自建第一批資料集

公民科技專案想推動倡議或監督，最常遇到的第一道高牆是「缺乏資料」。當官方統計存在黑數、或體制內根本沒有相關欄位時，專案將陷入嚴重的盲區：無法確認問題的真實規模到底有多大、倡議訴求因缺乏事實證據而難以讓大眾產生共鳴。如果民間只能被動等待政府普查，公共改變將永遠無從起步。

訣竅：依「時間與專業門檻」分層任務，讓不同條件的協作者彈性分工

自建資料集的共通原理，是將原本龐大繁重的調查任務切碎，依門檻分層分工：讓一般人花一些些時間，隨手完成最簡單的初步資料蒐集，再由投入成本較高的協作者進行專業整理與核對。

在規劃協作流程時，切忌要求所有人都具備專業知識或填寫繁瑣表單。正確做法是設計多層級的參與路徑：

• 第一線輕量參與（低門檻蒐集）：只要求大眾提供最容易取得的資訊（例如拍照、鍵盤輸入辨識檔案內容）。操作越簡單、耗時越短，越能動員大量民眾在日常生活中成為加入專案貢獻。
• 進階協作與核對（專業把關）：把需要更多時間或特定專業的任務獨立出來，由核心志工或具備專業背景的協作者進行二次複核，在不阻礙大眾參與的前提下確保資料品質。

若陷入完美主義、要求第一線民眾一開始就提供完整專業的調查資料，過高的門檻會讓參與者迅速流失，專案將永遠卡在「沒有資料」的起點。

案例：Disfactory 靠群眾協力回報事證，迫使政府依法查處農地違建

在農地保護議題上，台灣農地長期面臨數萬家未登記工廠的污染與公安威脅。雖然《工廠管理輔導法》明訂「2016 年 5 月 20 日後新增的農地違章工廠應即查即拆」，但民間若缺乏具體的新增違建事證，往往難以促使地方政府主動排查與執法。

為了打破政府查處不力的沉痾，地球公民基金會與 g0v 社群共同發起 Disfactory 農地違章工廠 專案，透過群眾協作自建第一線事證庫。團隊設計了極簡的通報網頁，民眾看見農地上的疑似工廠時，只需用手機拍照並標記 GPS 定位即可匿名通報；後端團隊再結合志工接力比對歷年衛星空照圖，確認該工廠確實為 2016 年 5 月 20 日後新增的違建，進而依法向各縣市政府提出正式公務舉報，成功以大宗數據迫使政府落實查處與拆除。

案例：路殺社由大眾隨手通報路死，生態專家在後台把關鑑定

農業部生物多樣性研究所（TBRI）推動的「路殺社（臺灣動物路死觀察網）」，旨在瞭解國內交通建設與附屬設施（如水溝、擋土牆、高壓電線等）導致的動物死傷現況（特別是車輛碰撞之「路殺」事件），進而減緩石虎、穿山甲、陸蟹、鳥類及兩棲爬蟲類等野生動物的生存威脅，同時提升用路人安全。

面對全台道路缺乏路死普查的困境，路殺社設計了分層協作體系：一般民眾在路上看見動物屍體時，只需拍照上傳並記錄時間地點；後台則建立了「物種辨識題庫檢定」，由通過線上檢定的合格志工與生態專家團隊逐筆鑑定物種並審核資料。這套機制累積了數十萬筆科學數據，成功繪製出全台動物路死熱點地圖，直接促成交通部公路局與高公局在關鍵路段加設防護網、動物通道與生態廊道。

想用的資料鎖在封閉格式？將非結構化文本轉為機器可讀的開放資料

在公民科技的倡議中，大家最常呼籲政府落實「開放資料（Open Data）」。依據數位發展部 《行政院及所屬各級機關政府資料開放作業原則》 ，真正的開放資料不僅是「把檔案放上網公開」，更核心的標準是必須具備「機器可讀（Machine-Readable）」的開放格式（如 CSV、JSON 等結構化檔案），讓電腦程式能夠直接讀取、自動化處理與運算分析。

開放資料讓公民科技專案得以進行大規模的統計分析，進而達到監督政府、洞察議題的目標。然而在現實中，依據政府資料開放平臺的檢測現況，許多公務體系釋出的資料往往處於「人看得到、電腦讀不到」的不合格狀態：

• 格式不友善（封閉不可讀）：資料常被鎖在 PDF 掃描檔或圖片裡，電腦程式完全無法直接讀取內容。
• 表格未經整理（電腦無法解析）：表格裡常有合併儲存格、混雜標題或備註文字，導致電腦分不清欄位結構，無法自動計算與分析。

當官方釋出的檔案不合規格，資料便沉睡在雜亂的檔案格式中。公民科技專案若想運用這些資料，就必須自行承擔轉換格式與資料清洗的工作。

訣竅：先建立統一的欄位標準規範，再依資料特性選擇轉換路徑

不管是動員志工手動逐筆輸入、撰寫程式自動擷取，還是運用 AI 輔助辨識，在開始整理資料前，最關鍵的前置作業是先訂出明確的「欄位定義與填表規格」。熟悉議題的人必須先決定好表格要收錄哪些欄位、每個欄位的具體定義、選項分類不相互重疊，並統一填寫格式（例如日期統一為西元年、金額一律填寫純數字）。

如果沒有先訂好規格，無論動員多少志工逐筆輸入，或呼叫多少次 AI，大家的理解與判斷標準都會各行其是。最後收回來的表格將充滿格式不一的欄位與重疊的分類，導致電腦無法直接統計加總、無法按條件篩選，團隊甚至得耗費更多時間重新逐筆人工校正。

案例：政治獻金數位化以微任務拆解紙本掃描檔

早在 2014 年監察院僅提供紙本政治獻金列印本時，g0v 社群便發起「政治獻金數位化」專案。團隊將數萬頁的紙本掃描檔切編成微小的圖片區塊，發起群眾驗證黑客松，讓全台網友在短短幾天內完成數百萬筆政治獻金項目的 OCR（光學文字辨識）辨識與校對，成功將無法運算的監察院紙本檔案變為結構化的數位資料庫。

案例：報導者觀測站採用人類與 AI 協同整理立院逐字稿

在海量長文本處理上，報導者觀測站面對立法院數萬筆、上億字的立委發言逐字稿，建立了嚴謹的人機協同架構。報導者團隊先由記者與專家訂定 64 個大主題群與 458 個主題的「議題描述文件」。處理逐字稿時，先由 AI 模型進行分層過濾與摘要，再導入 GPT-4.1 mini 與 Claude Sonnet 進行跨模型品質檢核，最後由資深政治記者進行人工校對，成功將幾萬頁非結構化的議事紀錄，轉化為可按立委、議題與法規搜尋的問政資料庫。

單看一份資料只是盲人摸象？跨資料串接把零碎事實拼出全貌

在實務調查中，現實世界的資訊往往分散在不同的機構、系統與資料庫中。單獨抽出一份資料，永遠只能看見一個孤立的「單點事實」：例如一張交通罰單、一筆醫療就診紀錄、一筆政策預算編列，或一段手機移動軌跡。如果分析僅停留在單一表格的統計，往往會陷入「盲人摸象」的局限：只能看見表面的單點現象，卻看不見背後真正的系統性成因、政策執行落差或利益流向。

訣竅：找出跨資料集的共通關聯鍵，把單點資料由點串成線、連成面

跨資料串接的核心本質，在於找出不同表格之間「共通的交集線索」（例如相同的時間、地理座標、人物名稱或標案編號），藉由這些共同線索把分散在各處的零碎事實拼湊出完整全貌。

在實務規劃上，串聯資料通常能帶來以下幾種關鍵突破：

• 串連時間與空間（還原動態行為）：例如將公共衛生與個人健康數據，結合地理移動軌跡進行跨維度比對，能精準描繪出流行病傳播風險或環境暴露的立體側寫。
• 串連規劃與金流（追蹤政策落差）：將政府從「前端政策法案」➔「中端預算編列」➔「後端決算執行與採購招標」串成一條完整的時間軸，便能清楚檢驗公帑是否真正落實到當初承諾的政策目標。
• 串連身分與軌跡（拼出完整履歷）：以特定對象（如候選人、企業）的識別身分為錨點，向上串接歷史發言、向下串接投票與裁罰紀錄，能穿透片段的宣傳包裝，還原其長期的真實脈絡。

當比對的資料量非常龐大（例如幾十萬甚至幾百萬筆）時，一般的試算表軟體往往會卡死當機；這時需要導入專門處理海量數據的分析工具與資料庫，才能在幾秒鐘內完成多個資料集的快速交叉比對。

若只做單一資料集的內部圖表而不進行跨資料串聯，分析將永遠被局限在表面的局部現象，看不見結構性的因果網絡，甚至可能得出倒果為因的誤導結論。

案例：綠盟透明足跡串接統編與投資關係，追究母集團環境責任

在環境監督領域，綠色公民行動聯盟開發的「透明足跡」展現了跨資料串接的威力。透明足跡不僅抓取環保署的違規裁處與連續自動監測數據，更將其與經濟部商業司的公司登記、集團母子公司投資架構進行資料對齊。這使得民眾在查詢時，看到的不再是一家不知名代工廠的單一罰單，而是該罰單如何歸屬於某大型上市櫃集團，甚至曾藉由資料比對抓出六輕 2.5 萬筆超標數據被註記為無效的漏洞，直接促成環保署修改法規。

案例：PrideWatch 跨來源串接言論與議事紀錄，拼出候選人真實立場

在選舉監督領域，「PrideWatch 彩虹選民投票指南」展現了將零碎資訊串成人物履歷的手法。面對選前候選人立場模糊、言論四散各處的難題，團隊以中選會的候選人名冊為基礎，跨來源串接了立法院公報的提案與質詢紀錄、媒體報導中的公開發言，以及民間倡議問卷的表態承諾。這讓選民在檢視特定政治人物時，看到的不是選前單一漂亮的政見宣傳，而是跨越多年、涵蓋言行與表決紀錄的全貌。

辛苦整理的資料別只做成網頁！開放釋出資料，發揮更大的影響力

許多公民科技專案費盡千辛萬苦完成資料的清洗、轉換與串接後，若只做成網站或數位工具，當專案熱度退去、團隊無力繼續維護網站時，整理好的心血便隨著網站下線而失傳；其他研究者、開發者與 AI 也無法直接取用這些資料。這不僅讓專案的影響力無法延續，更迫使後來的公民科技貢獻者又得從零開始重新整理資料，耗費重複的心力。

訣竅：秉持開源精神，以「原始檔、API 與 AI 協議」三層管道釋出清理好的資料

將資料整理好並開放釋出，能讓單一專案的成果轉化為整個公民科技生態系茁壯的養分。

為了滿足下游不同使用者的取用需求，並保護自己的伺服器頻寬，專案可規劃三層釋出管道：

• 研究者層：全量原始檔打包（批次下載）。將清洗好的完整資料集定期匯出打包（如上傳至公開託管平台），供需要大量運算的學術研究者或資料科學家一次性下載，避免他們用爬蟲大量抓取而拖垮伺服器。
• 開發者層：標準查詢 API（即時介接）。提供穩定、機器可讀的結構化 API（如 JSON 格式），讓其他軟體工程師能快速串接至自己的網站或應用程式中。
• AI 應用層：標準通訊協議端點（如 MCP 語意查詢）。將資料集封裝為符合 AI 代理人協議（如模型上下文協議 MCP，Model Context Protocol）的介面，讓大型語言模型能以自然語言直接調用真實數據，避免 AI 產生幻覺。

若專案只做前端展示而不釋出機器可讀的介面，資料將無法被生態系重複調用與長期累積，專案將錯失擴大公共影響力的機會。

案例：LYAPI 釋出立院資料，催生出 LYZER 與多元國會監督工具

歐噴有限公司（OpenFun）在開發法案追蹤平台 LawTrace 時，將立法院四散且封閉的公報與 Word/PDF 文件，清洗轉換為結構化的 LYAPI ，開放給所有人串接。

這層資料土壤釋出後，迅速在社群催生出多元的開源應用：不僅有立委直接取用 API 建置個人問政網站，外部開發者更基於 LYAPI 開發出 LYZER（利用 AI 自動分析立法院公報、萃取立委發言重點的平台）。不同專案彼此串接、相互加值，讓立法院的開放資料真正成為支持公民監督的肥沃活土。

案例：Twinkle Hub 將 5.2 萬政府資料集封裝為 AI 代理人隨插即用的 MCP

在生成式 AI 普及的時代，Twinkle Hub 台灣資料專案展現了資料開放的全新可能。專案團隊就像是替各大 AI 工具（如 Claude、ChatGPT）打造了一條「直通台灣政府資料的專用轉接線」。他們將政府平台上超過 5.2 萬個資料集，以及常用的在地工具（如公司統編查詢、地址比對）整理成標準的 AI 對接規格（MCP）。

有了這套轉接機制，民眾只要用日常說話的方式向 AI 提問，AI 就能直接透過這個管道精確查閱台灣最新的官方數據來回答，不必再去各個網站辛苦下載檔案，也大幅降低了 AI 胡亂猜測的機會。

啟動專案前的自我檢查

如果你正準備發起一個資料專案，或是想快速檢視目前的規劃，可以拿這份清單當作自我檢驗的「避坑指南」：

• 沒資料時，有沒有把參與門檻切得夠簡單？

  • 建議做法：讓一般人花 30 秒隨手就能提供線索（例如拍一張照片、打勾一個選項）；需要花時間查證或專業比對的工作，留給進階志工接力處理。
  • 常見盲點：一開始就要求大家填寫複雜的專業表單，容易因為門檻太高而沒人願意參與，導致專案永遠卡在起點。

• 整理雜亂資料時，有沒有先定好「欄位格式長怎樣」？

  • 建議做法：在找志工幫忙輸入或用 AI 處理之前，先由熟悉議題的人訂出清楚的表格欄位與標準格式（例如日期格式統一、分類選項不模糊）。
  • 常見盲點：直接把大量長文章丟給 AI 自由摘要，AI 每次判讀的標準都會浮動，整理出來的資料依然會一團混亂、無法計算。

• 做資料分析時，有沒有把分散的單點「串成線、連成面」？

  • 建議做法：找出不同資料之間的共通關聯（例如時間、地點、公司代號或事件流程），把分散的資訊拼湊起來看整體脈絡。
  • 常見盲點：只看單一張表格容易「盲人摸象」，只能看見表面的零碎現象，看不清背後真正的結構原因或金流網絡。

• 資料整理好後，希望把成果開源出去，造成更大的影響力嗎？

  • 建議做法：除了做成好看的網頁，也把整理好的原始檔案、查詢介面或 AI 協議釋出，讓其他研究者、工程師與 AI 助手都能直接利用。
  • 常見盲點：只做前端展示網頁，一旦日後專案網站停止維護，整理好的心血就會跟著消失，也讓後來的參與者被迫重新整理資料。

資料查核說明

本文資料查核日期：2026-08-29。文中連結的工具、資料與案例，均有可能在此日期之後更新、變動，請務必自行查核。

授權與出處

本文由 Claire 編輯，以 CC BY 4.0 授權釋出，歡迎轉載、改作與 AI 取用，請標示出處。更多公民科技資源見「g0v 公民科技指引」：https://g0v.hackmd.io/