more info: g0v summit 2014 hackfoldr
現場直播網址 (live url) http://youtu.be/xaeplkDyKes
錄影紀錄網址 (video url)
照片紀錄網址 (photos url)
↓文字轉播、線上討論↓
slides url
我們的問題是哪一個疾病最重要？這有很多面向，像花最多錢，住院住最久，重返率最高等。像人均率前三名雖然多，但從圖形上看得出來不會像人數前三名的比例那麼多。數字有了形狀之後就曉得什麼大什麼小了。
過往的使用者拿到資料統計時，通常都過了一個月。要是現在這個介面可以直接連到資料庫，那麼隨時上網看到的都是即時更新的。
只要有這個資料集，就可以切換不同的面向，像17歲以下男性，北京65歲以上男性這幾個，你就可以很快速的做比較。
這是三千多萬比的資料，用這個資料集5 GBytes ，用不同的面向去切換，而且它在瀏覽器的環境端可以做立即性的分析。
自動化，即時化，速度。
新竹車禍事故/死亡分佈：http://muyueh.com/30/xinzhu_traffic/
這是個 Google Map，這個每一個點都是新竹地區發生的車禍，黃色是發生的點，紅色是發生且有人死亡的點，若是比較密集就代表那個地方常發生。這是一月到十月的資料。你可以從資料上看到四月沒人死亡，而九月死得人較多。星期一車禍少一點，星期四死亡的人數較多。0點到8點車禍數量超級少，但車禍死亡很多發生在這兒，所以你要預防車禍死亡就要由這兒著手。若你想只知道早上，下午，或週末的下午，可以用點選做資料集的切換，有個很快的feedback。要是我只想看到某個地區的量，那麼我只要zoom in 就可以看到。其實這是我最希望在這３０分鐘內讓大家知道資料視覺化可以解決什麼樣子的問題。
當你在用智慧型手機照相時，其實會留下你照相的時間，經緯度時，像是痞客邦，就會依這個次序去排，像圖上的紅點就是美食紀錄的照片，你可以看到不同月份，星期，小時的分布。比方說你看南港展覽館大家在拍的是哪些，有點像是美食指南。若是切換到攝景寫真，你就可以找到好的外拍地點。你看到南港展覽館這兒有很多點都是在同一次的，那就有可能是某次展覽的 show girl 的照片（笑）
最後要講的是youBike 的分析，想想看，現在Youbike 都是開放的，我們都可以查接下來有沒有車，但等到我們去的時候，這個時間差裡，發生了一些事，可能車就沒了。但我們可以去查Youbike 是不是有一些循環的特性，像是上課時車就被借光，下課車就全回來，我們看到這個就知道週期性還蠻強的。
這個圖看得出來在過去六個月週一到五每天六點很多人借車，兩三個小時後就很多人還車，而週末則是不一樣的情況，包含了大安站，１０１站，動物園站的情況都有所不同。
去年我找了一個顏色類表在wiki 百科上，還蠻酷的，我把所有的顏色找出來，它有兩維度，可以切換飽和程度，亮度，以及中英文的狀況。(http://muyueh.com/greenhoney/)
或許我們會懷疑自己一直會有更好呈現的方法，我們把顏色的名字分別切開，看看哪個字出現得較多，發現紅，藍，綠最多，但切成英文之後，變成blue，green，pink（比red多）。
可以想一想，資料模式還能套用在什麼情況上。
slides url
參考書目：粉紅色牢房效應(Drunk Tank Pink: And Other Unexpected Forces That Shape How We Think, Feel, and Behave - Adam Alter)、Information is Beautiful (http://www.informationisbeautiful.net/)
資料視覺化正蓬勃發展，可能牽涉到互動式及網路。資料新聞學都會牽涉到程式運算，所以未來應該是統計學者和資訊學者的合）作。
利用媒體版面去操弄資訊（國內，國外）
http://bl.ocks.org/zbryikt/raw/4696905/
Drunk Tank Pink 粉紅色牢房效應
找一群學生來玩大富翁，有一些人贏了，有一些人輸了，再讓他們想想這筆錢可以做什麼。若此時他們手上有錢可以捐，發現有想像和沒想像會有差別。同樣的情況也發生在看到納粹符號與否將會有差別。
有些報紙會有不同的立場，是否我們有權利可以不看不想看的報紙。我們在FB上只要只針對自己喜歡的東西去按讚，那麼最後你就只會看到你想看的東西。
資訊圖表我們可以讓它更互動，敘利亞內戰的死亡人數，還分成大人及小孩，可以依照時間跑，用視覺化的方式去顯示發生的地點及情況。
繫上歷史記憶的黃絲帶，整理白色恐怖史料及林義雄的生平(http://0media.tw/yslin/)，我模仿之前的事情，用時間的順序依序在地圖上爆出來。
（談最熟悉的陌生人：里長問題）
獨家 v.s. 開源
新聞報導要有獨家性，但是越早釋出大家越可以改，才有開源的精神。
我們去思考下一個時代的媒體我們要怎麼做，才是媒體該追求的方向。
slides url
專案 hackpad：http://bit.ly/ncc-api
這是鄉民用語，＂你媽知道你在。。。＂。後來APPLE 就有過這個APP。
現在生活壓力大，想看一些由新聞製造業，所做的娛樂型新聞。想去看哪些新聞頻道有在玩弄是非，希望能做一個平台能夠評分媒體，但又不被外力影響（不致黑箱作業），故要做一個開放性的評分機制。
希望能做出增加說服力，像食品的假油，大家就不會去吃。NCC現在 Open Data 的內容是職員的學歷，性別等統計資料，而不是民眾投訴的內容資料。但是在NCC 網站上並沒有投訴案件的統計數據，要是有，就可以排一個rank，知道哪一個是最假的。
想要實作NCC投訴案件的API。包含投訴，查詢，搜尋，統計等功能。只要把API做好後，就可以給更多開發者做應用。
（OVER MY API BODY !!)
如何去爬NCC 資料並寫到資料庫，開始解釋 CRAWLER 的詳細實作。但NCC 的內容太古老，所以我們沒有辦法理解它的行為，只好用另一種方式。
目前因為沒有read only 的模式，要等到它有了以後，才能夠把整個資料庫提供，避免被惡意的delete 掉。
（繼續說明案件的 API）
目前有爬過的資料約一萬筆，查到中天新聞台有兩千兩百多筆，也可以查此新聞台被抱怨的案件內容。也可以查特定新聞台的什麼類別有多少筆，從這個數量可以看得出該新聞台在哪些類別最常被投訴（例：妨害風俗。。）
這個＂你媽知道。。。＂字體是我們自己做的，是特別設計的（笑）
目前IOS 和 Android 都有版本，請幫忙給五顆星（大笑）
接下來希望做搜尋可以做到關鍵字（可以回去看如新聞節目上所報），另外可以自動顯示現在有問題的頻道，節目名稱。以及將投訴的功能實作在行動裝置上。將投訴的功能實作在行動裝置上。（可以邊看新聞邊投訴）
目前人力的情況
Crawler 2 Web 2 Android 2 iOS 1
但其實 Crawler Web Android 是同一個人
我們（程式設計師）對每一行程式碼有強烈責任感
媒體亦該為所製播的每一畫面負責
slides url
來談資料分析，要怎麼玩：問問題－收集資料－動手作－回到步驟一
資料來源：經濟商業司、台灣公司關係圖
你可以打個統編，就會跑出一堆公司關係圖，但是因為每次都跑出一大堆，所以就做個整理。主要是針對有董監事的四萬多家公司做分析。但直接畫在圖上眼睛都花了。
若就最大群體分布，會發現它好像是個黑洞，中間的紅點就是它投資比較多的公司。最大的集團可能有一萬多家公司，但第二大的集團卻只有七十幾家。
如何觀察大群體？比一比：（直接投資家數、子孫數、重要性（中間值））
（說明直接投資家數排名的內容，並說明相關歷史背景，內容及背後的原因。可以看到第２０名為中央投資，對於這種黨營事業和企業之間的關係提出疑問）
而當我們討論一些政治問題時，有這樣的資料做佐證會有更強的證據。
（再談直接＋間接投資的相關概況）
我們希望可以再多更多的分析，可以對資料有更進一步了解。所以我們用社會網路分析的中間度概念來衡量它們的重要性。畫出來的圖大概東西都會連在一起。
這是一個社會結構，要改變它其實是蠻難的，但我們可以先去理解。
那我們去做誰做了最多的董監事，結果出現的卻是菜市場名排行榜（大笑）
因為同名同姓的情況，所以我們改用法人代表的次數去看。就可以看到很多名人，像羅智先，嚴凱泰。
要避免這種同名同姓，從資料上來看，就可以看出跟某人一起當董監事，分屬不同公司的情況，極有可能就是同一個人，這可能排除掉大部分同名同姓的狀況，是一個不錯的filter。
分類的規則：
先列出所有姓名
依法人代表名單進行初步分類
兩不同公司有兩個以上董監事重複，視為同一個人
黨營事業分布
控制權如何量化：持股率，盈餘分配比率，董監事比率。因前兩者我手上沒有資料，所以用第三者來衡量控制權。
使用工具 MongoDB, Python, D3.js