数据新闻概论（第二版）第2章 数据新闻的类型与制作

第2章数据新闻的类型与制作第1节数据新闻的类型一、“大数据新闻”与“小数据新闻”

根据支撑报道的数据的性质来划分，数据新闻可以划分为“大数据新闻”和

“小数据新闻”两种类型。这两类数据新闻的差别就在于所处理的数据对象是隶属于“大数据”的范畴还是“小数据”的样本。大部分专家赞同大数据（

big

data）有如下三个基本特征：

（１）海量数据（

volume）：相比传统数据或小数据，大数据拥有庞大的数据量。到底多少数量级的数据才能被称为大数据呢？关于这一点业内尚无统一说法，一般认为10TB-100TB是成为大数据的门槛。2012年，互联网数据中心（IDC）为大数据设立的标准中就确定数据体量需超过100TB。

（２）类型多样（

variety）：相比传统数据多以文本数据作为主要类型，大数据的类型更为多元化，其包含了网络日志、图像数据、文件数据和各种复杂的记录信息。

（３）高速处理（velocity）：数据量的增长速度很快，需要处理的速度和响应的时间越来越快。第1节数据新闻的类型一、“大数据新闻”与“小数据新闻”

大数据新闻是指在报道中采用大数据量级的数据作为分析对象或是引用大数据研究结果的数据新闻。

大数据新闻一般应用于报道对象较为复杂，牵涉面广，需要采用庞大数量的样本分析而非小规模抽样样本的选题。其数据的量级巨大，数据类型构成多样。因为大数据新闻处理的数据量级较高，需要投入的人员数量庞大、花费的时间较长，耗资不菲，所以这类报道往往出现在具有很强社会影响力的新闻选题中。报道的实施者或是媒体，或是一些由不同媒体的数据记者组成的报道团队，或是媒体和研究机构组成的联合报道团队，并经常受到来自基金会的资金支持。

综合上述诸多大数据新闻运作的要求，在媒体实际展开的数据新闻实践中，大数据新闻往往较少出现。但是可以预见的是，随着人类处理大数据技术的进步，媒体对数据新闻的重视和越来越多数据人才的引入，未来大数据新

闻在数据新闻中的比例会逐步提升，会有更多数据记者和媒体机构投入大

数据新闻实践。第1节数据新闻的类型一、“大数据新闻”与“小数据新闻”与大数据新闻不同，小数据新闻是指在报道中采用小数据量级的数据作为分析对象或引用小数据研究成果的数据新闻。目前业界的数据新闻实践多以小数据新闻为主，其数据来源较为单一，采用抽样样本，数据量级有限，数据的类型构成简单，对数据处理技术的要求也相对较低。对于大多数从事新闻报道的记者编辑而言，小数据新闻投入成本低，操作时限短，技术门槛较低，更便于在媒体操作和推广。第1节数据新闻的类型二、自采数据型数据新闻和非自采数据型数据新闻

如果依据数据新闻中数据的来源进行分类，数据新闻则可以分为自采数据型和非自采数据型。

自采数据型数据新闻是指那些以报道者所采集的一手数据为分析对象的数据新闻。此类报道中的数据是未被发表过的数据，如果数据分析结果具有较高的新闻价值，则不仅能带给读者阅读的新鲜感，而且能使报道产生独家新闻般的传播效果。在

实践中，此类报道的数据是报道者通过传统的社会科学研究方法或是大数据挖掘分析技术进行采集和分析的。这种情形下，一般是先由报道者设立选题目标，针对可能存在的社会现象或问题提出数据报道的方案，然后报道者根据设定的目标和方案运用相应的调查研究方法或是借助大数据挖掘分析技术去收集数据并进行分析，最后得出相应的数据分析结论以支撑报道。

此类报道具有两个优点：一是媒体采用自己采集的数据报道可以增强报道的原创性和独家性，避免和其他媒体出现题材撞车现象；二是自我采集的数据相比已有的数据而言，其从最初的采集筹备到实施的过程都处于清晰的报道目标的指引之下，因而数据的纯度较高，可被利用的价值更大，这可以降低数据过滤的难度。第1节数据新闻的类型二、自采数据型数据新闻和非自采数据型数据新闻

与自采数据型数据新闻相比，非自采数据型数据新闻指报道者用以制作新闻的数据是已被公开的数据，或是通过申请信息公开、合作、购买等方式从

他人或机构那里获取的对方已经采集或分析的数据。此类数据新闻获取的数据属于二手数据，而非一手数据。

这种数据新闻的优点：可以依据公开的丰富的数据资源，避免数据采集过程中可能遭遇的问题与麻烦，减少不必要的成本支出，特别适合一些中小型媒体或是初步尝试数据新闻实践的媒体，可避免投入过大的风险。

但是从事此类数据新闻报道在选择和把关已有数据来源时更需注意数据的真实、权威和可信。如果来源控制有失，那整个报道就会有失实的危险。为了尽可能让人们了解数据的来源及其可信度，操作此类报道时应该将数据的来源，原始数据或是有关此数据的相应的报告、报道等链接一同公布于整个新闻作品中。第1节数据新闻的类型三、事件选题型数据新闻与话题选题型数据新闻如果按照选题的性质来进行划分，数据新闻可分为事件选题型数据新闻与话题选题型数据新闻。事件选题型数据新闻是指将报道选题聚焦于某一新闻事件，对事件呈现出来的具有新闻价值的数据进行解读和呈现的数据报道。这种新闻最常出现在重大新闻事件的报道中。可预见的重大新闻事件一般多指会议、活动、庆典或赛事，作为媒体可以有较为充足的时间投入对这类事件选题的策划中。更多此类数据新闻的选题是突发新闻事件，这些事件多为灾害性事件，其带给社会和民众很大的冲击，因而也受到很高的关注。在此类数据新闻中，媒体不但可以将事件主体的信息制作成数据报道，也可以将事件的背景材料进行整合和可视化。第1节数据新闻的类型三、事件选题型数据新闻与话题选题型数据新闻

话题选题型数据新闻是指将报道选题聚焦于某类新闻话题，围绕此话题收集数据，并对之进行解读和呈现的数据报道。

对于媒体而言，事件选题型数据新闻可以说是非常规的数据新闻，而话题选不与客观发生的新闻事件绑定，因而就有了更广阔的创意空间。

编辑记者可以根据最新发生的事件做出选题的推理和联想，或是根据一些潜在的社会现象和问题做出思考，或是在已有的公开数据材料中找出具有新闻价值的部分，并以此为话题进行数据报道，甚至还可以是编辑记者自身对某个话题感兴趣而收集数据做报道。

话题选题型数据新闻没有很强的时效要求，其关键在于编辑记者寻找到的话题能吸引用户的关注，且用数据来解读该话题比其他报道方式更具有优势。

这类新闻便于媒体用于一些具有个性化的选题报道中，媒体可据此来推出一些独家报道。第1节数据新闻的类型四、调查型数据新闻与常规型数据新闻

按照新闻的操作方式来划分，数据新闻还可分为调查型数据新闻和常规型数据新闻。第1节数据新闻的类型四、调查型数据新闻与常规型数据新闻

按照新闻的操作方式来划分，数据新闻还可分为调查型数据新闻和常规型数据新闻。第1节数据新闻的类型四、调查型数据新闻与常规型数据新闻

调查型数据新闻是一种运用较复杂的数据分析以深入、系统地报道社会事件、现象或问题的数据新闻。调查型数据新闻往往具有鲜明的调查目标，记者从

目标出发，收集多方数据进行深入的分析。

数据是此类报道的关键，但在数据之外，记者收集的其他事实材料和记者的解释也成为建构报道逻辑的重要因素。这种数据新闻耗时较长，一般需要团队协作完成。

常规型数据新闻是一种运用简单的数据分析完成日常选题的数据新闻。这类数据新闻的数据来源较单一，往往依赖他人或机构已有的数据集，并采用比较简单的数据分析和可视化手段来处理和呈现。

由于操作简单，能维系日常的产出，常规型数据新闻被众多新闻机构广泛采纳，是当下新闻编辑室里一种常见的形式。而调查型数据新闻则更多地出现在一些重大选题的报道中，被视为对传统调查性报道的重要补充，受到一些资源丰富的大媒体机构的青睐。第２节 数据新闻的制作流程一、确定选题仍然是数据新闻生产的第一步

数据新闻制作流程的第一步是确定选题，从这个角度看，数据新闻与传统的新闻报道方式之间并不存在差异。

找数据和定选题经常是相辅相成的过程，可能基于一些已有的数据而确定数据新闻的选题，但也不排除是对一些新闻话题感兴趣后再派记者通过调查采访等方式去获取相应的数据，这两种情况在实际的操作过程中都存在。不同类型的数据新闻在实践操作中存在不同的情形。第２节 数据新闻的制作流程二、以采集、分析和呈现数据为核心

在数据新闻制作过程中，数据成为记者编辑面对的材料，它们往往不是某个具体的新闻事件，而是一系列看似零散和不相关的资料，如何发现其中具有新闻价值的部分，采集、分析并对之进行呈现，这成了生成数据报道的关键。业界知名的数据记者米尔科·劳伦兹绘制了示意图展示数据新闻的

制作过程。第２节 数据新闻的制作流程二、以采集、分析和呈现数据为核心《卫报》制作数据新闻的步骤也分为四步：

（１）发现和获取数据。《卫报》获取数据的来源多样：当数据团队察觉到重要的新闻事件时，记者编辑就会到互联网上搜索相关的数据；同时，记者编辑还经常关注包括英国国家统计局和世界银行等政府数

据库和公共数据源，以从数据中找到潜在的待挖掘的故事。

（２）整理和清洗数据。获取数据后记者编辑要对数据进行初步的分析，识别数据的用途，看其能否与其他数据源相互关联，能否展示在某个时段内的变化趋势。在分析的基础上对数据做分类整理，通过Google

Refine（现更名为Open

Refine)和Data

Wrangler等工具对数据做初步处理，清除一些无用信息，将有用数据、参照数据和关联使用的其他数据录入电子数据表，为进一步分析数据做准备。

（３）分析数据。分析数据是讲故事的主要部分，分析结果能帮助大众理解故事和数据。这个环节将运用运算方法找出数据中是否存在有价值的新闻，并对整个分析过程做细致完全的检查。

（４）呈现数据。将数据报道用文字报道、发表原始数据、发布信息图表、可视化等方式呈现出来。第２节 数据新闻的制作流程二、以采集、分析和呈现数据为核心

采用上述步骤制作一则数据新闻需要多长时间？这与数据新闻的报道选题和处理的数据量相关。比如调查型数据新闻的数据需要通过采访调查获取，并涵盖较广的地域和领域，其获取、清理和分析数据的时间较长，会导致整个新闻产制的时间也相对较长。

这对于操作主题重大但时效性要求不强的选题而言是可行的，但是针对新闻时效性强的重大突发事件，数据新闻制作的时间需要缩短，使读者在对话题感兴趣的阶段即能获取到最新信息。这就需要做好数据储备和人才储备，从而能尽快地对新闻做出反应，适应数据报道的需求。第２节 数据新闻的制作流程三、传播：决定报道影响力的关键环节保罗·布拉德肖绘制的数据新闻操作架构图图中明确标示了“制作”和“传播”两个不同的环节。在这幅名为“数据新闻的倒金字塔结构”的图中，

左边的倒金字塔标注了类似劳伦兹

所绘的制作流程，包含了“编辑”“清理”“情境”“综合”等步骤，通过这些环节逐步生产出一则数据

新闻。与劳伦兹不同的是，布拉德肖特别强调了“传播”的环节，为此他专门写了一篇博文详细说明这一环节。第２节 数据新闻的制作流程三、传播：决定报道影响力的关键环节布拉德肖认为数据新闻的传播有六种途径：

（１）可视化传播（visualisation

）。可视化是传播数据新闻最快、最高效的途径。它的缺陷是人们一般不愿花费时间细读信息图，因而虽然传播有效，但用户参与度差。运用可视化传播需要可视化作品提供消息来源的链接，并确保用户点击链接后能看到可视化图表所包含内容之外更为丰富的信息材料。

（２）叙事传播（

narration）。虽然传统的叙事方式在数据新闻传播领域应用范围已经很狭小，但用心写作的新闻故事依然能够吸引用户。采用这

种方法进行传播时要注意增添报道的意义，让用户感受到与数据相关的联

系。

（３）社交传播（

social

communication）。除了可视化信息图表能在社交媒体快速传播外，数据本身也适合社交媒体的传播。一些媒体尝试通过社交媒体终端进行传播，如ProPublica的App终端可为用户提供基于其在

Facebook属性的个性化产品。还有一些媒体在制作数据新闻时就引入用户的参与，采用众筹的方式在社交媒体获取用户给予的数据。当此类新闻传播时，用户会基于之前的参与而更加积极地在社交媒体分享报道。第２节 数据新闻的制作流程三、传播：决定报道影响力的关键环节

（４）人性化传播（

humanise）。这里所谓的“人性化传播”主要指两点：第一要增加基于计算机制作的动画新闻的使用频率，布拉德肖认为这种动画新闻可以减轻人们接收数据报道的压力，使报道以更加形象的方式解读数据。第二要增加个人受数据影响的采访案例，让庞大的数据对个人的影响以典型的个体案例的形式呈现出来，而不要让数据湮没于总体数据概述这种宏大叙事中。

（５）个性化传播（

personalise）。互联网时代为个性化传播提供了多种方式：一是互联网为新闻报道的传播提供了诸多交互方式。数据报道可以采用这些交互方式。当用户输入不同的关注要素时，报道可提供基于用户关注细节的差异化内容。二是提供基于地理特征的个性化内容。用户通过选择自己所处的地理信息（如邮政编码、地区代码等），可以找到与所处地域相关的针对性报道。三是提供完全基于用户兴趣的内容，网站通过测试用户的兴趣推送其感兴趣的内容。四是和第三方站点（多为影响广泛的社交媒体，如Facebook、Twitter等）合作，通过它们提供的用户属性描述和地理定位，在不同的媒体终端提供迎合用户喜好和所处地域的新闻。随着互联网技术的进步，个性化传播的方法还将更加多样化，而且个性化传播和社交传播存在一定的交融性，两者总是相伴相生。

（６）应用化传播（

utilise）。这是数据新闻传播中最复杂的方法，因为它要求为报道提供某种数据工具，使数据更具实用价值。常见的数据工具包括计算器和

基于GPS定位的地理数据工具。应用化传播总是和个性化传播相交叉，但是应用化传播更关注数据的实用性，而不一定专注内容的个性化。应用化传播也常和可视化传播等其他传播方法一同出现。第３节数据新闻的制作团队构成一、团队决策人／负责人

团队决策人／负责人承担整个数据新闻产品的内容设计和制作的决策和管理，协调与进度控制，是一个数据新闻团队的领导者。他们应该善于进行流程管理，做好不同角色成员之间的沟通和协调，并激发出成员的创造力。一个优秀的团队决策人首先应该是一个好的数据记者／编辑。

2013年5月，曾创建英国《卫报》网站的西蒙·罗杰斯转投旗下，成为该公司的一名数据编辑，这成为当时新闻界的一大新闻。这与罗杰斯

在《卫报》的杰出表现不无关系，早在2005年其担任该报新闻编辑之

时，就致力于沟通编辑部门和信息图制作部门，将新闻可视化。2009

年，在总编的鼓励下，罗杰斯创办了《卫报》的“数据博客”，并开设“数据商店”。他秉持“开放新闻”的理念，发起众包新闻和向受

众开放海量的报道原始数据。“数据博客”将数据进行分析并可视化，关于维基解密和英国骚乱的数据报道使这家报纸成为数据新闻界的佼

佼者。第３节数据新闻的制作团队构成二、数据记者／编辑

一个好的记者应该具有新闻敏感性，善于调查采访，研究事实的真相，能写作和报道故事，引导公众参与。数据记者／编辑的职责与一般记者／编辑相似，他们承担确定新闻选题，从新闻的视角分析和编辑数据的工作。他们应该善于发现数据中有新闻价值的元素，拥有很好的传播沟通能力，懂得如何将数据中隐含的信息挖掘出来，从用户的视角赋予数据以故事情节，使之成为具有吸引力的报道。数据记者／编辑需要掌握怎样的技能？“在线新闻博客”的保罗·布拉德肖认为数据记者应该有以下四项技能。

第一，寻找数据的能力。拥有专业知识，掌握计算机辅助报道的基本技能，并懂一些运用MySQL或Python获取数据的技能。第二，处理数据的能力。了解和数据处理相关的专业术语、背景和相关知识，会统计学，能熟练使用电子数据表。第三，数据可视化的能力。布拉德肖认为可视化设计和编程的工作过去由专业人士承担，但现在越来越多的记者／编辑开始掌握这些技能，这说明记者／编辑们逐渐意识到这项能力的重要性，也说明编程和可视化并不像我们想象的那么困难。第四，混搭数据的能力。运用

ManEyes或Yahoo！Pipes之类的工具对数据进行融合分析和呈现。第３节数据新闻的制作团队构成三、数据工程师

这类人员又被称为“数据科学家”“数据挖掘员”或“数据分析师”。他们承担数据收集、挖掘、清理、统计、分析阶段的技术工作。这类

技术人员一般不需要具有新闻专业知识，而应该掌握数学、统计学、

信息科学等相关专业知识。

一般的数据新闻团队中的工程师有两种：一种是前端工程师，他们的工作重点是做页面设计和实现交互，前端工程师需要了解用户的使用习惯，做符合用户浏览习惯的页面，在一些新闻应用和交互作品的设计中也经常需要前端工程师的加入。另