二、数据新闻的类型

数据新闻往往被视为一个独立的新闻样式。即便是数据新闻的专业奖项全球数据新闻奖，在评比中也未按照数据新闻的类型（genre）分类，在评奖单项中有数据故事叙事（Data Storytelling）、数据驱动应用（Data-driven Applications）、数据驱动调查新闻（Data-driven Investigative Journalism）、数据新闻网站（Data Journalism Website or Section）等类别，实际上数据新闻内部亦有不同的类型。

从数据量上看，数据新闻可分为传统数据新闻和大数据新闻；从数据新闻与用户的关系看，可以分为信息告知式数据新闻和交互式数据新闻。Turo Uskali和Heikki Kuutti通过对数据新闻在欧美的应用发现，当前数据新闻大体可分为三种类型：调查式数据新闻（Investigative Data Journalism，IDJ）、常规式数据新闻（General Data Journalism，GDJ）和即时式数据新闻（Real-Time Data Journalism，RDJ）。

1.调查式数据新闻

调查式数据新闻是数据新闻中的深度报道，也是数据新闻的最高层次。调查式数据新闻中的数据大多通过数据新闻记者获得，数据获取难度大，通常需要一个团队完成。在数据的挖掘、处理、分析、阐释上依赖数据记者想要了解的问题而定。为了体现调查性，数据新闻记者不仅需要对数据进行甄别，剔除“坏数据”，还需要就报道的话题采访相关各方，确保调查报道的可靠性。

调查式数据新闻由于制作周期长、动用的媒体资源最多，在呈现手段上，倾向于多种手段并用。如《华盛顿邮报》对“2011年白宫枪击案”（2011 White House Shooting）所做的数据新闻报道中，以多媒体时间线为主线，辅之以地图、建筑蓝图、音频、照片等元素，将事件重现于用户眼前。

调查式数据新闻需要依托媒体强大的技术支持和人才支持才可实现，因此该类数据新闻较多出现在强势媒体中。

2.常规式数据新闻

常规式数据新闻是目前应用最多的数据新闻样式。常规式数据新闻对时效性要求较高，通常要求在一至三天内完成。由于数据新闻的生产需要一定的周期，因此并不是所有的新闻都适合做常规式数据新闻。从题材角度看，常规式数据新闻必须是热点新闻，并能持续一段时间，而且数据易得，否则不容易实现。

常规式数据新闻通常以数据集（dataset）作为新闻报道的起点，通常不加质疑的使用可信来源的数据。基于已有、易得的数据，梳理、阐释某个新闻实践或社会议题。

如ProPublica网站（ ProPublica的名称出自拉丁语“pro publica”，意为“为了人民”。ProPublica为美国一家非营利性民间新闻网站，曾获普利策新闻奖。）制作的《各州工人补偿改革》（Workers' Compensation Reforms by State），关于美国的工伤补偿，在不同州有不同标准。记者通过数据发现2002年到 2014年以来，半数以上的州的工伤补偿政策越来越差，员工福利越来越少；相邻的州会有正或负的影响效果，在地理上有明显扎堆效应。财新出品的《中东地区的敌友关系》，基于中东地区动荡的局势和各国错综复杂的关系，财新网用动态环形关系图，直观地呈现了世界各国在中东地区的敌友关系图谱。

常规式数据新闻的优势在于题材广泛、技术简单，生产成本较低，一般记者经过专业培训可以很快胜任。

3.即时式数据新闻

即时式数据新闻源于机器人写作新闻，它直接利用算法程序撰写新闻报道，通过采集大量的各种题材以及高质量的数据，建立各种分类的庞大数据库，从中寻找模型、趋势以及相互的关系，最后由机器自动化生产新闻。当然，并不是所有的机器人写作新闻都是数据新闻，只有那些符合数据新闻生产模式，由机器人自主完成的新闻才算是即时式数据新闻。

美国一些新闻媒体已经使用新闻机器人（newsbots）自主生成新闻报道。如2014年，美联社与Automated Insights公司签署了550万美元的协议，启用该公司开发的程序撰写有关公司财报的新闻报道。该程序就能在几秒钟之内生成一篇新闻报道。现在即时式数据新闻只出现在美国，多用于财经新闻、体育新闻、自然灾害报道等。

三、数据新闻的生产理念

从世界范围看，数据新闻是一种综合多种表现手段、运用多种技术的新型新闻报道样式，除了实力较强的传统媒体和网络媒体，数据新闻的在新闻业的应用还未成常态。在中国，有些媒体做数据新闻的动因很简单：这是现在的新闻潮流，但受制于数据资源、技术、人才、理念等限制，对如何做数据新闻、如何做好数据新闻，缺少思路。这个问题恰恰也是当前学界和业界探讨较少、却又极为迫切的问题。结合当下国内外一些成功与失败的数据新闻案例，我们认为做好数据新闻应当坚持以下理念。

1.内容与用户的关联意识

数据新闻在时效性上不占优势，因此数据新闻要将“接近性”发挥到极致，强调内容与用户的关联意识。数据新闻内容侧重于关联不是偶然的，是基于数据新闻内在的特质和生产周期决定的。

数据新闻能够借助数据、图表引导用户思考、理解宏观层面的新闻事件与个人之间的关联，凭借自身可视化、要点突出等特性易形成良好的互动交流机制，在二次传播或“再创作”过程中新闻与个人关联得到强化。

数据新闻本质上不属于一次性的信息消费，而是属于可多次性的知识消费。因为数据新闻将媒体推向知识生产的前台，使媒体不仅有生产信息的能力，亦有生产知识的能力。

当信息变为知识时，用户对内容的使用也会发生变化，由“看新闻”转向“用新闻”：通过对大量数据的统计分析，新闻事件的发展趋势与脉络更加清晰，通过互动式的呈现方式，使用户能更加直观地了解到某一新闻事件与自身存在的关联性。

所以在策划选题前，数据新闻记者首先面临的问题是：这个选题与用户有什么关系？关联是否紧密？从目前国内外数据新闻的实践看，较为成功的案例多与接近性有关。例如BBC的数据新闻策略是运用数据新闻与用户的关联性提升数据新闻的关注度，他们设计了一个“英国阶层计算器”，让公众参与，了解自己属于哪个阶层。

强化与用户的关联并不意味着数据新闻必须做本地新闻，宏观新闻同样可以提现这种强关联。曾供职于ProPublica网站的数据新闻记者邱悦表示，ProPublica网站的产品理念是“让读者在故事中找到自己”。数据新闻报道应该有远景和近景两个层次：远景可以看到全局的故事，知道这个新闻故事的主题，一般是全国的层面。新闻应用应该允许读者看到远景之后进入近景，可以搜索自己所在的州、城市，从远景之中找到自己的位置，把一个很大的全国范围的故事和自己联系起来，然后告诉读者：为什么你要关注这个故事，你在这个故事里的位置在哪里。

2.用数据讲故事的叙事意识

有人认为数据新闻是以数据为中心、去故事化，这是对数据新闻的一种误解，数据新闻的本质是新闻报道，新闻报道是以故事为中心的，故事的实现是以叙事为手段的。一位业界人士表示，“故事化和数据都是重点，只看数据，读者也是晕的。”新闻文本都在叙事，由于人类大脑能储存具有逻辑性的元素，所以“故事”容易被受众记住。如果说交互作品的血肉是数据，那么骨架就是故事。数据是故事的一部分，是叙事的一部分，数据新闻与以往新闻样式最大的不同在于强调数据在叙事中的地位。

因此判断数据是否有价值，重要的标准是数据背后有什么故事？这个数据在整个新闻故事中的作用是什么？用户对这个数据感兴趣的依据是什么？

总体看，数据在数据新闻中的作用是：提升新闻报道对宏观问题的解释能力、使叙事的手段更加多样化、降低了叙事表达的理解难度。同时，数据作为数据新闻报道的有机组成部分，还是报道文本结构化的一部分，承担叙事、解释、评价等功能。

实现数据的叙事功能，前提是数据的相关工作量要做足。“获取数据、审查数据、分析数据的部分，相当于‘用数据讲故事’总工作量的80%。”而数据叙事的方式不仅限文本，还可以多样化，让用户参与叙事。以财新“北京摇车号难”的新闻为例，如做成文字报道，用户不会有深刻的感受，为了让用户更生动的理解摇号的概率，他们将报道方式做成了小游戏，让用户亲身体验北京摇车号的难度。本次报道耗时半天，但一周总访问量却达到150万。

3.数据可视化呈现的用户体验意识

数据与可视化的“嫁接”，使枯燥的数据变得有趣，同时还带给用户视觉快感，适应了当下用户“懒阅读”、“趣阅读”的新闻消费习惯。如果说数据新闻的内核是数据和与数据有关的故事，那么数据新闻的外核便是数据可视化。

有的媒体认为数据新闻的重头在于如何呈现数据，认为数据可视化是数据新闻最重要的环节，但实际上，数据可视化并不一定是数据新闻构成的必然选项。数据新闻意味着获取不曾给予的数据，从数据分析中发现新的洞察，可视化是最后的阶段。“数据可视化是叙事技术的有机组成部分，但是数据新闻可以是朴素的，或许最终生产一个并不复杂的图表。”

数据可视化的目的不在于单纯吸引注意力，追求“酷”、“炫”，而是服务于数据新闻的叙事，服务于用户的体验。

《信息之美》中对数据可视化提出了四个要求：新颖、充实、高效和美感。新颖是指一种崭新的视角观察数据，或者一种风格可以激发读者的激情从而达到新的理解高度；充实意味着传递信息能力是判断整体成功与否的最重要的因素，它是可视化设计的主要驱动力；高效则要求可视化不允许包含太多和主题无关的内容或信息；美感是可视化设计符合人们的审美要求。

总体而言，数据可视化的最终目的是满足用户对数据新闻接受的多种要求，这需要数据可视化在应用时要有用户体验的意识。我们认为，数据可视化需从两个体验维度着手：可视化的形式维度和可视化的内容维度。

数据可视化体验的形式维度是指可视化在设计时采用的风格、样式及表现形式。例如在体现历时数据的数据新闻可采用时间线，体现共时数据的数据新闻可采用地图、运用对比强烈的色彩；体现数据比较的数据新闻可采用面积图表；现场感强的数据新闻可采用沉浸式地图等。

但是如果忽视了用户对数据可视化的形式需求，那么可视化产品最后的结果便是达不到预期效果。我们以《Uber在全球各地所遇到的法律问题》的数据可视化案例为例（如图1.），红色表示禁止使用Uber的国家和地区，粉红色表示对Uber是否合法存在争议或有可能禁止的国家和地区，绿色表示对Uber无限制的国家和地区。

对于视觉正常的人来说，除了红色的中国、澳大利亚、西班牙、法国、新西兰等国具有较强识别性外，欧洲其他国家和美国各州城市，密密麻麻，辨识起来非常困难。网友Curran919评论道：“我是色盲，通过颜色识别这些非常困难，（设计者）应当用更明亮的颜色”。

数据可视化的目的主要有两个：信息传达和审美愉悦。数据可视化体验的内容维度是可视化设计时所蕴含的信息量以及表现信息的能力，通过可视化设计把抽象枯燥的信息具象化，降低用户对数据的理解难度，突出重点数据信息，消除与主题无关或弱化主题的“噪音”。

数据可视化应当体现数据的表意真实，有助于用户客观、全面认识数据的涵义及影响，而不是导致误读误解。如在福克斯新闻网2012年的一则新闻中（如图2.）探讨的是布什总统减税政策到期后的影响。图中呈现的分别是2012年和2013年（减税政策到期后）的最高税率比较。从图表看，减税政策到期后的最高税率似乎比现在高了5倍，而实际正常的对比图应该是图3。因为原始数据分别是35%（2012年）和39.6%（2013年）。有分析称福克斯新闻是拥护布什所在共和党的保守媒体，而这样的数据呈现有失客观性。

4.数据使用的批判意识

由于数据新闻运用科学方法“用数据说话”，这也容易让人陷于唯技术论、唯方法论、唯数据论的误区。数据新闻记者要有数据使用的批判意识，从数据获取，到数据处理，再到数据阐释，对数据的使用都需持批判态度。

《原始数据只是一种修辞》（Raw Data Is an Oxymoron）一书的作者丽莎·吉特曼所说：“数据从来都不可能是原始存在的，因为它不是自然的产物，而是依照一个人的倾向和价值观念被构建出来的。我们最初定下的采集数据的办法已经决定了数据将以何种面貌呈现出来。数据分析的结果看似公正客观，其实价值选择贯穿了构建到解读的全过程。”TOW数字新闻研究中心的研究者尼克·蒂亚克普洛斯（Nick Diakopoulos）认为：“数据并不天然地意味着真实。通过诚实的推理过程，我们可以在数据中找到真实，但是我们也可以找到多个真实，也可能是全然的错误。”

数据样本是否足以代表整体，数据算法是否足以体现与现实的关联、对数据的解读是否尽可能抛弃主观性，直接决定数据的客观性、可信性。这是因为数据新闻的生产并非在编辑部的封闭生产，坏数据、有缺陷的实验会歪曲真相。即便是好的数据和坚实的研究也可能被错误呈现，尤其是当数据新闻记者发现了数据中的异常值，一定要将其放在特定的社会背景中考察，而不是放在这些数据中考察。

由于数据在特定的情境下才有意义，为了避免误读，数据新闻记者仍然要与专家、数据采集部门，了解数据的收集、处理，以此避免误读。数据处理中，更多的是寻找相关关系，但相关关系不等于因果关系，如果将二者混淆，则数据新闻的结论必然存在问题。

5.数据开发的增值意识

传统媒体在面对渠道占绝对优势的新媒体，“内容为王”的结果便是为“渠道为王”做了“嫁衣”。纵观传统新闻媒体的发展的黄金期，其成功的前提在于对渠道有一定的控制。但在互联网时代，传统媒体的渠道控制优势不在，“酒香也怕巷子深”，当面临数据新闻的机遇时，新闻业必须思考一个问题：如何让数据新闻可持续发展。

2012年全球数据新闻奖的作品《纽约时报》的特别报道《雪崩》（Snow Fall），6天内的点击量达350万次，却叫好不叫座。该专题共耗时6个月，最终成本是25万美元左右。尽管出版了该专题的电子书，但这个项目还是没有收回成本。

数据新闻在争夺注意力资源上具有天然的优势，《卫报》发现，读者会花更多的时间用于阅读数据新闻。但当今媒介格局和竞争模式已然变化，数据新闻必须跳出传统新闻业以“二次售卖”为主的盈利思路，应当充分借鉴新媒体的盈利思路，变“卖产品”为“卖服务”，拓展数据新闻的增值链，利用数据新闻将媒体打造成数据中心（data hubs）。

《数据新闻趋势》（Trends In Data Journalism）报告认为未来数据新闻的盈利模式包括：

（1）付费模式：让用户为更好的视觉体验付费；

（2）数据商店模式：将多种数据库连通，出售进入这些数据库的许可机会，并提供数据分析和可视化服务；

（3）数据服务模式：为机构和企业提供数据分析服务。

其实利用数据盈利已不是新兴行业，只不过以前的数据行业从业门槛较高，而今这一门槛已大为降低。2008年9月，汤森路透投资近10亿美元推出了Eikon产品项目，为3万多家上市公司提供更直观的动态平均分析、社交媒体信息和最新的投资意愿分析，对新闻进行自动处理与系统分析，可以使海量非结构化数据通过多种图表形式进行可视化呈现，该服务现拥有21万专业用户。

当然数据新闻的增值模式还有很多，如开展舆情监控与分析、行业发展与分析、利用大数据进行预测分析等，媒体可以利用长尾理论，开发一些应用，瞄准一些利基市场。

数据新闻本身就是对传统新闻报道模式的创新，契合媒介融合的传媒转型语境，因此亦需要媒体在经营数据新闻时创新思维、改变思路，让新闻业进入到一个真正以内容创意、视觉创意、技术创新的新范式。

结语

由于数据新闻的实践还处于起步期，不少人对数据新闻缺少正确的认知，往往将用数据解读的新闻视为数据新闻，或数据新闻等同于数据可视化。不少所谓的数据新闻，有数据新闻之名，无数据新闻之实，数据新闻报道存在形式大于内容的倾向。如果数据新闻仅仅被看作是一种新闻信息的数字化、可视化呈现方式的话，它不会是传统媒体的救星。数据新闻是对现有新闻媒体人员结构和技术结构具有颠覆性的一种新闻生产模式，也会对新闻业的可持续发展模式带来深远的影响，当前对数据新闻的探索还在进行中，还有更多的问题需要我们去发现、去分析、去思考。（作者系：中国人民大学新闻学院2014级博士研究生）

分享让更多人看到