大數據分析看施政報告 土地政策誰最關注?
近期香港愈來愈多人關注大數據分析（Big Data Analytics），希望以此觀察民意，了解網民對時事議題的想法。我們會以施政報告作輿論分析（Public Opinion Analysis）例子，看看如何以大數據分析及社交媒體聆聽（Social Listening）找出網民的意見，尤其針對施政報告幾個政策範疇，觀察其熱議程度，並解釋如何以源大獨有機制，深化分析。
這篇文章採用的方法與一般常見分析不同。我們會以決策者及政策研究（Policy Analysis）的角度出發，深入分析網民在土地住屋、民生派糖、青年政策等方面的討論。市面上不少大數據和社群聆聽工具都以技術主導，追求機器自動找出答案，因此他們的分析結果會集中描述數量，例如趨勢圖找輿論高峰，或是詞雲圖等等。然而這些對決策的幫助又是否足夠？
1) 政策範疇分析
按一般的做法，簡單的棒型圖可以展現不同媒體的分佈，圖表中Facebook的聲量大幅高於論壇和新聞，但我們卻無從得知各個社交媒體平台的討論重點差別。
源大強調分析員可掌控分析角度，教導機器學懂施政報告中常出現的不同政策範疇，強化數據挖掘（Data Mining）的深度。
進階版的圖表顯示「土地住屋」為各個社交媒體平台討論比例最高，新聞網站對各個議題都有涉及，Facebook相對較關注「民生派糖」，而論壇討論的範疇最窄，當中「安老政策」的討論比例為各平台最高。
這有助政策研究或輿情分析的研究人員知道網民較關心哪種議題，或應在什麼社交媒體平台加強宣傳政策。
2) 政治陣營分析
要即時了解社交媒體不同時間的討論熱度，技術主導的方法能自動製作出一個基本的社交媒體聲量趨勢圖，如圖中施政報告聲量趨勢中，清楚展示10月8日是輿論的高峰。惟在這一個簡單的圖表中，我們未能得知提供聲量的是什麼人，代表何種價值。
源大數據透過人工編碼，教導機器學會分辨不同政治陣營，圖表顯示聲量多數來自非建制/民主派陣營，反映該陣營相對建制派而言，對施政報告有更大回響和意見。同一個趨勢圖因而更富輿情分析價值，亦方便我們理解大數據背後的意義。
源大數據相信大數據蘊藏更高價值，縱使運用AI人工智能，機器依然有各種不足，我們相信以人工介入可以令輿情分析和社交媒體監測（Social Media Monitoring）更上一層樓，而我們自家設計的xMiner平台獨有靈活機制，能方便做到人機結合，在文字分析（Text Analysis）上能針對文本內容挖掘深層意義和洞察，達到真正「快、廣、深」，為市場獨有。
源大主張以機器輔助內容分析法（Content Analysis），機器令數據採集、存儲、處理、分析變得更輕鬆，同時，以人工深入分析數據的意義，將結果從表層的數據升級至深層研究，亦能因研究方向的不同，令數據延展出無限可能。
——————
想了解如何輕鬆監測網絡輿情、執行研究？可瀏覽以下網頁，或電郵至info@umaxdata.com．了解更多：
