最近，马来西亚的BUDI汽油津贴（BUDI Madani）从原本每月300公升调整到200公升。几乎每个人都会开始顾虑这个月的津贴油到底够不够用。对那些长时间出勤在路上的司机来说，这100公升的差距不只是用量的调整，油耗增加的每一分压力都会直接落在他们的生计上。
200公升是一条数据分界线吗？
从数据角度而言，政策设计通常不会随意订一个数字。以马来西亚一般的通勤情境来看，普通上班族每天行驶约30–50公里到公司，每月油耗大约在120–180公升。这200公升其实已经贴近大多数人的使用区间。只不过现实从来不是“多数人”三个字可以概括的。
有些人，每天跑三个客户
有些人，一天在车上待的时间比在家还多
也有些人，生活的距离，本来就比较远
所以当政策从300降到200，它触动的是每个人对“刚刚好”的不同定义。如果我们用一个简单的常态分布（Normal Distribution，也叫锺形曲线）来想：
中间，是大多数人的用量
左边，是用得比较少的人
右边，是用得很多的人
300公升的设计其实几乎把整个钟摆都包进去了。而200公升则更贴近中间那一群人(中位数)。这样的调整在数据上是合理的，因为它提高了整体资源的使用效率。这也代表政策开始从原本的全面覆盖，走向了精准对齐大多数人的油用量。但问题也随之而来，那些不在“大多数”里的人，应该怎么办？
那些用得很多的人，真的只是少数？
前阵子，有新闻提到有人利用转售补贴汽油来牟利。这在数据里属于典型的异常值（outlier）。这些数据如果没有被识别就会变成制度漏洞。而政策设计确实也需要防止这类型的滥用。但同时我们也不能忽略另一群高用量但合理的人。
那些跑销售、做外勤维生的人……他们的油耗高不是因为浪费，是因为这就是他们的收入来源，他们在工作。如果只用平均数来设计政策，那么这群人很容易被“误伤”。
这也是数据分析里一个常见的提醒：不是所有偏离平均的人，都是问题（“异常值”不代表一定是错误的数值）。如果我们单靠平均数(mean value)来设计政策是不够的。
身份证是一把数据钥匙
BUDI津贴的背后其实依赖一个很关键的东西，那就是我们的身份证（IC，MyKad）。在数据世界里，IC就像是一把“key（键）”，它可以帮我们把不同系统的资料串接起来。
如果善用这个“key”，政府其实可以把汽油数据与其他资料整合，例如：收入资料（LHDN）、车辆登记资料（JPJ）、社会援助资料（STR），甚至未来的交通数据等。
这在数据工程里叫做资料整合（data integration）及主键连结（primary key linkage）。我们每一笔添油的纪录，可以连回一个人的生活轮廓。
人民生活轮廓可被读出来
如果把这些数据串接起来，我们可以看到很多原本看不见的故事。例如：
每月稳定用120公升的人，可能是固定上下班族
每月接近200公升的人，可能通勤距离较长
超过200公升的人，很可能是靠驾驶汽车来赚钱
这些都是透过数据来验证一个人的行为模式（behavior pattern）。甚至我们还可以透过结合时间序列（time series）去观察不同季节/节日的状况，从中了解整个社会的流动方式：
开斋节、农历新年 → 用油量上升
学校假期 → 家庭出行增加
某些月份 → 用量下降（例如雨季或经济放缓）
如果政策能再多走一步
我们常说要“用数据治国”，如果这些资料被妥善使用，并在隐私保护的前提下整合数据，未来我们就可以做到更细致的政策设计：
分级补贴：根据收入或职业调整配额 （基本配额 + 职业加权）
职业识别：让高用量但合理的族群得到额外支持
季节调整：在节日期间提高配额
异常侦测：自动识别滥用行为
那么未来的补贴，就不需要一个“统一的200公升”。补贴也不再是一刀切，就可以让政策更接近现实生活。
结语：一桶油的数据，串连整个马来西亚
在我看来BUDI汽油津贴的调整，不只是关系到“200公升汽油津贴，够不够”这么简单。它更像是一次让政府用数据来理解人民行为的机会，并且从中重新分配有限资源。未来如果这些数据在资管安全的情况下能更透明、更精准地被使用，那么我们不再只是被动地“拿补贴”， 而是逐渐走向一场更聪明的公共治理。
本文观点，不代表《东方日报》立场。
要看最快最熱資訊，請來Follow我們 《東方日報》WhatsApp Channel.
