在現代的政府運作中，「選舉」往往成為「民主」的「代名詞」，彷彿在「一人一票」的選舉中，政治人物自然就會尊重民意，不致做出損害大多數民眾利益的行為。
不過，既然「選票」每次選舉前才印出來的，平時並不流通，所以雖然「選票」和「鈔票」一樣，是由國家的中央發行的，但基本上，「選後的選票」就像「下市的股票」一樣沒有什麼用處了。大多數的選民其實是沒有辦法提醒選上的政治人物：「嘿！我上次選票投給你，你要記得還喔！」
但是，選舉一段時間後，自然有聰明的選民發現，雖然當個不表態的中立選民可以不得罪檯面上所有的候選人，但是，這樣一來，選後也就沒有辦法向候選人邀功了。所以，如果情勢允許，還是要和選舉人結盟，這樣才能讓「選票」在選後繼續發揮作用。至於，結盟之後會得到了什麼好處，那當然只有「候選人」還有「抬轎者」清楚，外人是難以得知的。不過，如果候選人當選後，為了自己下次再當選的勝算，不得不「漠視」或「犧牲」抬轎者的利益時，曾經的「抬轎者」就要適當反擊一下，提醒「候選人」曾欠過自己的「選票債」，不然就「虧大了」了。
英諺中「the squeezed wheel gets the oil」大概就是用在這樣的情境。
簡單地說，雖然在選舉過程中，候選人得票數的計算是「一人一票」，可是，就有許多聰明的選民能夠擴大自己選票的影響力，為自己與周邊人爭取「利益」。
這應該是民主社會中很值得討論與分析的現象，不過我們不妨先承認這種「不公平」現象其實是各種自然、社會體中常見的運作方式，才有機會進一步討論如何因應各式各樣的「不公平」。
階層式運作
當然，這樣一來，我們要面臨一個新的課題：我們該如何從廣大的選民中找到這類善於催票的「超級選民」？更重要的是，民意往往如流水，我們又要如何去偵查這些「超級選民」本身意向是如何改變、怎麼改變的呢？
大數據的出現讓我們可以讀到相關人員提供的分析結果。但是，我們現在知道，由於數位落差的關係，有些選民在網路上沒有什麼聲音，也沒有什麼影響力，但在某些分眾團體卻中可能很活躍，會對某些選舉可能起到關鍵作用。此外，即使是在網路上收集數據，大數據可以問的問題應該是「活」的，所以，如果開放某些建設良好的資料庫，有興趣的團體應該就可以想辦法「挖」到他們想問的答案。
不過，就現實來看，台灣現在主政的民進黨政府縱然有一位被日本媒體盛讚為「天才IT 大臣」的唐鳳，但其專長顯然不在此。這段期間，全民雖然傳了大量簡訊，但提供的資料顯然既無法讓相關人員「挖」出什麼有用的防疫資訊，還引發了敏感的政治人權問題。（相關新聞：簡訊實聯制疫調難）
總之，雖然將建設良好的資料庫開放供民眾使用應該是符合「共和」精神的作法，但是以「民主進步」自稱的台灣執政黨，卻始終未朝此方向努力。全面執政的民進黨政府除了創造許多「垃圾資料」、觸及敏感的「侵犯人權」問題外，還不讓在野黨與聞相關的「預算執行狀況」。
現階段人民唯一可以理解的是，不要指望「執政黨」會好好面對這種「在野黨」不能好好發揮「監督」執政功能的「權能失衡」問題。
另外，既然總統（或最高領導人）也是傾向以美化數據的方式來面對疫苗不足的問題（相關新聞：覆蓋率採劑次人口比），人民自然也不要對其解決疫苗問題抱有太高的期望。
只是，這個政府也是在2020年經過817萬票選出來的，因此，我們也可以問：到底當初投票給民進黨政府的817萬人是什麼樣的人？這些人現在還支持民進黨政府繼續執政嗎？如果是，是為什麼呢？
當然，這個時候問這個問題可能會被指居心叵測，（相關新聞：陳時中：要我講疫苗價格是居心叵測），所以，想知道的人民大概也只能自己憑直覺猜測了。
至於怎麼猜呢？
統計思維其實還是可以幫上點忙的。
英文中的「統計學」（statistics) 源自于政府（state) 的 量化數據，所以，我們可以先猜猜政府是如何將人民歸類的。而這所謂的「分眾」，例如「士農工商」，在「統計學」的角度看來，可以是一種「名義」（nominal）變相，彼此之間沒有高下之別，也可以是一種「次序」( ordinal ) 變相，是有高下之別的。
到底，政府施政對待不同分眾有沒有差別，政府心中最「器重」的分眾是什麼，最想要「弱化」的分眾又是什麼，如前所述，現在既然沒有可靠的大數據可以參考，大家就只有練習用小數據（small data）或個案分析 (case analysis) 來猜了。
有了初步的假設後，當然就可以在觀察政府日後的施政時，繼續檢驗、修正自己先前的假設，這就是統計猜測最基本的精神。
