政府所有決策如何形成的？
決策是民主主義的核心議題，因為每個政黨關心面向不同，對於制定政策來說長年以來都有因為感情因素，即使是經濟議題也都各有不同。重視教育制度的政黨可能將學歷與階級放在一起，認為投資教育政策可以增加社會流動資本，看起來似乎有道理，也成為許多國家制定教育政策的依據。
耶魯大學副教授成田悠輔卻提出其他看法，他以美國教育為例說明教育政策，提出一個觀點：有名大學的高等學歷有用嗎？如果學歷對收入的效果如果是正面，即是代表對於教育方面政策投資對社會流動性是有所幫助。當然背後沒有提出的議題是，如果學歷沒有用的話，該如何建立教育政策？
他從就業市場與學歷資料連結起來，看出美國的大學學歷對於收入的影響幾乎微乎其微，選擇高等教育跟高收入幾乎沒有關係。他進一步分析這問題出在美國大學教育申請機制，有名大學的入學辦公室每年會收到成千上萬份申請書，那辦公室如何選擇適合入學的學生？
優秀學生的在校成績單、SAT學力成績一定都很不錯，辦公室不只是評價在學成績，就連課外活動或是家長背景都在入學標準，這也會造成一種具有 360 度考核印象。但仔細想想，如果能夠有課外活動、科展得名或是校隊表現，一定都跟家庭是否寬裕有關，以耶魯大學為例，學生家長年平均收入為 200 萬美金。這也代表利用學歷增加收入的機會不比家庭背景機會來得高。結果看來造成表面印象，顯示進入有名大學就能夠獲得高收入，實際上並非如此，學生本身就是富二代的機率很大，學歷只是輔助。
如果教育政策只看表面現象，認為以甄試或是申請入學方式就能夠改變教育結構，那可就大錯特錯。事實上教改幾年之後大家也發現，社會階級非但沒有因為改變甄選條件有所不同，甚至有人去上森林小學或是體制外教育，也都需要相當家庭背景。就連體制內學生學力也完全不及過去以考試填鴨為主，陷入前後失據的狀況。不只是教改、土地改革或是任何運動失敗的原因都出自於感覺上可行，但卻沒有任何證據支持決策可以造成效果，偏重以往經驗或是片面資料做決定是非常危險舉動。
以證據為主的決策（evidence-based policy making, EBPM）即是在政策決策時，如何建立數據基礎、形成共識、實行以及結果驗證的過程。以往在資料不足的背景下，政治決策都是以某些政黨核心利益為主，甚至有些是以感覺為基礎，強行透過政治手段進行政策研擬與實行，決策後並不在意結果，畢竟成敗都需要好幾年到十年以上的驗證，那個時候有沒有取得政治地位都不知道。
EBPM 是「先進國家的數位轉型」，政策形成與決策如果都需要數據資料的話，代表著政府數位經營邏輯必須一開始就以資料為主。EBPM 在歐美國家已經進行一波驗證，日本、韓國與亞洲再跟上，這代表著政府的數位轉型不能只停留在電子公文或是行政流程層面，必須以如何蒐集、處理、分析與製造資料來思考整體政策。英國就從資料發現醫療品質的高低在於勞動環境，因此停止資助醫療保險，轉向增加醫療從業人員薪資與福利，改善勞動條件，等於提高醫療品質。
回到主題，若以 EBPM 檢視稅收超徵，是否要廣發現金，政府需要「數據為主的證據」來說明政策，補貼油價必須是以短期與國際油價波動為基礎，計算該補貼多少，或者是像勞退基金是否要補貼，首先必須要稽核其績效表現，短期帳面虧損是否能夠以超徵稅金補貼。此外，油價、房租或是勞退基金都不能代表「全部民眾」，在所有社會福利基礎下，補貼政策的證據力有多少，又有多少花費在不必要的行政措施（就是在說五倍券），都是需要數據證據支持。
決策之外，贊成普發現金的評論也需要證據支持，美日等國普發現金是疫情初期的事情，金融緩和造成現在通貨膨脹需要緊縮，有些部分也是政策使然，發現金不是完全沒有缺點。如果是根據「感覺」而非證據，可能也沒有發現金的絕對證據。
可惜的是，即使有這麼豐富幕僚資源與資料分析專家 ，對於政策仍然停留在數據史前時代，或者都是「感覺問題」，這可能才是我最難接受的吧！
