這張發票透露了你的什麼訊息？
前陣子跟同事聊到一個話題，目前 App Store 上面有許多發票對獎 App。但是實體發票掃進去以後，如果中獎了還要想辦法找到那張發票，感覺非常不實用。那麼用了以後有什麼差別嗎？
本文未針對任何軟體及服務，僅提出個人之見解
發票記載的資訊
首先我們先來解碼最重要的 QR Code，由政府公告的規格文件中，可以看到以下幾點規則
左方二維條碼記載事項：
1. 發票字軌 (10位)：記錄發票完整十碼號碼。
2. 發票開立日期 (7位)：記錄發票三碼民國年、二碼月份、二碼日期。
3. 隨機碼 (4位)：記錄發票上隨機碼四碼。
4. 銷售額 (8位)：記錄發票上未稅之金額總計八碼，將金額轉換以十六進位方式記載。若營業人銷售系統無法順利將稅項分離計算，則以00000000記載。
5. 總計額 (8位)：記錄發票上含稅總金額總計八碼，將金額轉換以十六進位方式記載。
6. 買方統一編號 (8位)：記錄發票上買受人統一編號，若買受人為一般消費者則以 00000000記載。
7. 賣方統一編號 (8位)：記錄發票上賣方統一編號。
8. 加密驗證資訊 (24位)：將發票字軌十碼及隨機碼四碼以字串方式合併後使用 AES 加密並採用 Base64 編碼轉換。
以上欄位總計77碼。下述資訊為接續以上資訊繼續延伸記錄，且每個欄位前皆以間隔符號“:”(冒號)區隔各記載事項，若左方二維條碼不敷記載，則繼續記載於右方二維條碼。
9. 營業人自行使用區 (10位)：提供營業人自行放置所需資訊，若不使用則以10個“*”符號呈現。
10.二維條碼記載完整品目筆數：記錄左右兩個二維條碼記載消費品目筆數，以十進位方式記載。
11.該張發票交易品目總筆數：記錄該張發票記載總消費品目筆數，以十進位方式記載。
12.中文編碼參數 (1位)：定義後續資訊的編碼規格，若以：
(1) Big5編碼，則此值為0
(2) UTF-8編碼，則此值為1
(3) Base64編碼，則此值為2編碼
資訊包含從第一個品名前的間隔符號後的所有資訊(品名、數量、單價、補充說明)，且不包含右方二維條碼前兩碼起始符號。未來視辦理狀況，將僅開放UTF-8編碼規格。
接續之品名、數量、單價為重覆循環呈現至所有品目記載完成，若品目筆數過多以致左右兩個二維條碼無法全部記載，則以記載最多可放置於左右兩個二維條碼內容之品目為原則。
13.品名：商品名稱，請避免使用間隔符號“:”(冒號)於品名。
14.數量：商品數量，在中文編碼前，以十進位方式記載。
15.單價：商品單價，在中文編碼前，以十進位方式記載。
16.補充說明：非必要使用資訊，營業人可自行選擇是否運用，於左右兩個二維條碼已記載所有品目資訊後，始可使用此空間。長度不限。
如果把封面圖中發票的左側條碼掃出來後，可以得到以下資訊
ZJ712922041090312361200000055000000590000000042308086N30oerT4xBGYFS89rT0n+Q==:**********:1:1:1:T 牛丼 值:1:89.
那麼一一解碼以後分別可以得到以下資訊
1. 發票字軌：ZJ71292204
2. 發票開立日期：1090312
3. 隨機碼：3612
4. 銷售額：0x00000055 (85)
5. 總計額：0x00000059 (89)
6. 買方統一編號：00000000
7. 賣方統一編號：42308086
（中略）
13.品名：T 牛丼 值
14.數量：1
15.單價：89
解碼完了然後呢
在大家都琅琅上口的「大數據 Big Data」領域中，有個行業是最大的受益者—（網路）廣告業。
傳統廣告業區分目標受眾（消費者）的方法，可能是透過分析電視頻道加上節目類型、公車行經的路線、媒體本身的觀眾群等等方法，而隨著科技發展出現的新方法，就是透過所謂的精準行銷。
你是不是覺得你想要什麼，就會出現那東西廣告？
或是覺得有些廣告莫名的很合胃口？
那麼我們試著就以上解碼出來的資訊，分析看看你可能被貼上什麼使用者標籤。
買賣方統編
買方統編 00000000 可以得知你應該是個一般消費者，不過打過統編的發票沒有對獎的必要，因此這個可以做為已知的前提。
賣方統編透過 這網站 或是其他政府公開資訊來源，可以查詢到這是位於「臺北市中正區黎明里南陽街１２號」的 すき家。
購買品項
從解碼的資料中，可以知道我只買了一碗 89 元的牛丼 。
使用者標籤
結合了以上的資訊以後，得到這資訊的服務提供商就可以做出以下結論：
此人平日在台北市中正區的餐廳，購買了一個 89 元的牛肉產品
如果再透過記帳功能等方式，讓我填上此筆消費是發生在中午 12:25 的事，那個就可以做出以下幾點假設
1. 上班族（平日+中午消費）
2. 台北市中正區
3. 青壯年（餐廳種類）
4. 平價用餐消費*（一餐百元內）
5. 吃牛肉（品項牛丼）
那麼如果今天新開一家「台北市中正區的平價鐵板牛排店」想要打廣告的話，我就很有可能是這家店潛在的顧客。
除此之外呢
使用者輪廓
使用者當然不會只掃描一張發票，如果把所有手頭的發票全部掃進去以後，那麼系統方透過我常出現的地方、我的消費習慣等等，描繪出我最有可能的使用者輪廓。
最後假設我是住在台北市、25-34 歲、男性、喜歡甜點、開車或騎機車等等資訊。
資料共享
有種對使用者來說非常方便的功能，叫作「使用 Google 登入」、「使用 Facebook 登入」。當你按下去以後，系統方就可以堂而皇之的獲得「你同意它取得的資訊」。而且反過來 Google 與 Facebook 可能也可以獲得共享的資料。
如果 App 的話更可以往下層的系統獲得其他「你同意它取得的資訊」，可能是相機照片、通訊錄、定位資訊之類的。（有些例外可能會拿到你並未允許的資料）
為什麼我看到這個廣告
下次看到一些網路廣告不妨按按看「為什麼我會看到這則廣告」的按鈕，或是到以下網址查詢 Google 廣告設定、Facebook 廣告偏好，看看他們眼中的到底對不對。
總結
在現在的環境中，個人隱私是一種諜對諜的戰鬥，這些透漏的資訊乍看之下好像沒什麼影響，但是 Netflix 的《個資風暴：劍橋分析事件》記錄了 2016 美國總統大選是怎麼透過精準行銷，來影響投票結果。
你的想法真的是你所想的嗎？
還是別人放進你腦中的呢？
本文是根據本人經驗提出可能發生的事件，有什麼看法歡迎回應。