筆者自2018年起經手兩廳院售票系統之數據分析。在這些年間，台灣表演藝術產業整體，不論是從機構組織、場館或是團隊方，對相關數據的重視有明顯的成長。文策院更是建構產業研究資料庫，從整體文化面進行分析。以上量化觀念的引入，無疑是台灣表演藝術邁向產業健全化的過程中，重要的一步。
然而，目前的資料與數據分析，距離完善顯然還有相當的距離。本章中，就請容筆者從個人觀點，依據個人這些年從事數據分析之角度，訴說可能的未盡之業。
資料處理與可比較性
表演藝術產業由於節目的異質性，使得可比較性成為分析上相對艱鉅的難點之一。目前雖盡量以系統上之節目類別乃至於子類別進行分類，但這仍然是一個非常粗略的分類比較方式。就算都是「音樂類」的「動漫音樂會」，「宮崎駿動畫配樂」跟「日本動漫音樂會」，其所對應的演出曲目類別以及觀眾群，就已經有顯著的不同。在這個狀況下，任何跨類別或跨年度的比較，在某種程度上，都將一些本質上有明顯差異的節目，視為類似的節目進行比較。
以上尚不討論，就算是完全相同的演出曲目或劇目，由不同的演出團隊演出，很可能差異會大到可視為完全不同性質的節目。以上也尚不討論，現在許多長銷劇的卡司會隨日期不同而不同，此也會導致相同的節目在不同場次有顯著不同。
追根究柢，表演藝術的「產品」是高度特質化的，每一個節目都是獨一無二。雖說在「大」樣本下，我們或許可以「期望」這些差異會被平均化，但要攤平如此多可能造成差異的因素，說實在話，我們的樣本其實沒有那麼「大」。
團隊曾經試圖使用如ChatGPT或llama等大型語言模型（LLM），試圖進一步去定位各節目之間的異質性。但就目前的結果看來，LLM對台灣表演藝術生態的理解仍有限。（註1）看來LLM對表演藝術的參與程度仍待培養。
跨平台整合之我們需要更多資料
OPENTIX雖為目前台灣最大的表演藝術售票平台，有相對大量的資料，但若我們真要建立足夠的量化基礎作為產業的後盾，我們其實還需要很多、很多的資料。
首先，OPENTIX畢竟只是台灣整體表演藝術的局部。要反映台灣產業的整體發展，其他售票平台的數據也是不可或缺的。這不能只是一個「總銷售量」這樣的年度數據而已。如諸位所見，數據分析中有許多的分析，都建立在節目的細部資料，乃至於消費者的細部資料上。僅僅只是把各售票系統的敘述統計量加在一起，是遠遠不夠的。
其次，我們可能也會需要很多「其他」資料庫的輔助。必須意識到的是，台灣表演藝術的消費人口，占台灣總人口的少數。透過各售票系統的資料，我們頂多也只能看到已經參與表演藝術的少數族群。若我們要做觀眾開發，乃至於要將表演藝術推向大眾，我們就勢必需要能觀測到尚未在系統中，尚未購票的多數族群。
否則，我們會連「免費演出是否能夠帶動觀眾後續觀賞購票演出」這樣的問題都無法回答。
大眾的認知落差
最後，筆者希望這些年的數據分析，能進一步幫助台灣表演藝術產業與大眾、企業，乃至於政府部門的溝通。
必須承認，就算到現在，大眾對於台灣表演藝術仍然是相對陌生的。筆者去年曾在某次音樂劇作品的演後座談（註2）上，被觀眾詢問「台灣不是沒有什麼音樂劇，為什麼要特別做音樂劇？」當下台上眾音樂劇演員，乃至於控台都感到震驚（但大家的表情管理都滿分）。而這位觀眾不是單一個案；就算有《勸世三姊妹》等現象級作品在，仍然有不少大眾對台灣當下音樂劇的蓬勃發展一無所知，更不用說其他類型的表演藝術了。
而這不僅限於社會大眾，政府部門一樣存在重大的認知落差，也因此才會出現無視於18億產值的「要飯說」，或是基於「1987年設立的國家歌劇院」為由的預算凍刪。
誠然，表演藝術的本質是不可量化的，它是舞台上的有機生命，而非數字的聚合體。但是，在大眾走進劇場前，我們或許需要透過更明確的「數據」，來讓大眾認識我們，認識台灣表演藝術的發展，進而走進劇場，體驗表演藝術不可量化的美，終而支持劇場與台灣的藝術文化。
註：
- 就目前的實驗結果，LLM甚至連要判斷節目是國內外節目都有困難。
- DU創作社聲學音樂劇《來電Darling》（2024 年3月）。
