幹壞事是進步最大的原動力
面試的時候曾經有面試者說手上沒有 big data 可以研究，所以對 big data 的理解僅限於理論，不過我對這種講法就...
網路上有很多資料是很有用的：
能玩的東西明明就很多... 另外還可以掃各種公開資料。
iThome 上看到「財政部財政資訊中心將釋出40億張電子發票的消費分析」，裡面提到：
為期3年的電子發票試辦期，終於要在2013年底告一段落，並於2014年正式上路。光是2012年，臺灣就開出了24.6億張的電子發票，財政部財政資訊中心（以下簡稱資訊中心）電子發票科科長劉醇錕更表示，以成長速度推估，2013年將開出40億張電子發票，占發票總開立數的一半。劉醇錕表示，這些電子發票將在未來以政府公開資料方式釋出，供企業、研究機構等使用。
資料的處理：
但在公開電子發票資訊之前，劉醇錕表示，資訊中心會進行「去識別化」，最終公開的資料，會以一個街區、或一個小行政區為單位，來模糊原始資料夾帶的資訊，而非以哪家店、哪個使用者為單位直接釋出原始資料（Raw Data），藉此來避免讓有心人士交叉分析出企業、消費者的個人資訊。
我馬上想到 AOL 當初 2006 年也是自信滿滿的匿名化後放出：
這讓人超期待的...
Google Reader 剩下最後兩天，還是要面對現實...
看了一下 Google Reader，裡面有 1100 個 item，剛好趁著這次 shutdown，又到了該砍掉重練的階段了...
免費的服務中，Feedly 會把非 focus 的文章縮起來，而 Digg Reader 找不到 Unread 的地方。go read 找不到地方下 Tag 分類，而 AOL Reader 則是登不進去。
付費的服務中，Feedbin (USD$2/month 或 USD$20/year) 的 preload 做的不好，所以人讀文章的速度沒有 Google Reader 快，NewsBlur (USD$24/year) 則是把功能做的極為花俏，第一眼看下去還不知道要怎麼加 feed...
反正這陣子就四處逃竄吧... 這陣子應該會有很多新的服務跑出來 :o
在「What are readers looking for? Wikipedia search data now available」這邊看到維基百科打算公開 search data，這不是前人幹過的蠢事嗎...
這讓我想起 2006 年「AOL search data leak」事件。AOL 希望對學術界有貢獻，於是把三個月份的 search data 匿名化後丟出來，結果被發現不管怎麼匿名化，search data 還是有辦法找出本人。AOL 也因此被告並且判決只要包含在內的每個人都可以拿到 USD$5000 的賠償。不過也因為 AOL 幹了蠢事，這也是少數被公開的 search real data。
看起來 Wikimedia 也要再來幹一次？
AOL 這幾天一口氣買下 TechCrunch (Tim Armstrong: We Got TechCrunch!)、Thing Labs 以及 Brizzly (AOL Acquires Thing Labs and Brizzly)。
是最近手上現金太多嗎... 啊，.com 泡沫差不多也十年了？