数据新闻报道：再造与重构

互联网数据的快速增长极大地推动了大数据的发展。大数据正影响着包括传媒在内的所有产业，世界各地的媒体组织均借助自己的资源优势去涉足大数据领域。对海量数据的搜集、整理、提纯、挖掘和可视化叙事，将成为新媒体和传统媒体在大数据时代的核心竞争力。数据新闻作为新闻与大数据交叉变革的衍生领域而备受各大媒体关注。随着媒体数据处理能力的增强，新闻中对数据的使用经历了精确新闻报道、计算机辅助新闻、数据库新闻和数据新闻等多个发展阶段，其间的主线是人类数据处理能力的增强。

根据欧洲新闻学中心的定义，数据新闻是基于海量的数据，用传统的新闻敏感性思维去探索，进而应用创造性的叙事能力进行表达的一种创新性新闻。^[9]国内外很多媒体，如《芝加哥论坛报》、美国全国广播公司、英国广播公司、新浪网、财新网等，均在数据新闻上进行了开创性的尝试。很多优秀的数据新闻作品和案例呈现在网络平台上，推动了数据新闻的快速发展。

数据新闻成功的关键在于其高质量的内容和新颖的可视化形式帮助用户节约了信息使用成本，满足了用户对信息的深度需求，有效优化了用户体验，提升了用户选择媒体的或然率。新媒体对用户体验的关注是其生存的根本，因此，数据新闻作为植根于新媒体的产品，从用户体验的角度审视数据新闻的发展，并基于用户使用媒体的需求提出数据新闻的创新策略，是数据新闻创新思维的关键。

用户体验指的是用户使用产品、系统或服务后所得到的感受和反应。^[10]传播学发展到今天，对用户需求的关注从使用满足理论中对受众能动性的强调和受众地位的突出即可见一斑。数据新闻是网络时代新闻专业化的一个显著特征，数据新闻的创新应以满足用户的需求、提升用户体验为目标。了解用户需求是专注用户体验的起点，调查用户使用习惯是提升用户需求的关键，监控用户反馈是改善用户需求的依据。大数据的分析和应用为我们了解用户提供了更全面、更快捷、更经济的解决方案。大数据推动了媒体生态的革命，网络数据的快速膨胀客观上让用户的媒体需求呈现出新的特征。

互联网信息的海量性在客观上丰富了用户信息的来源，微博、微信、网站、手机报等互联网应用将用户笼罩在立体的信息网络结构中，用户借助互联网的便利获取信息、了解周围的世界。在用户享用着海量信息便利的同时，过度的海量数据也给用户带来新的困惑。海量的信息洪流将用户淹没，缺乏有效整理的信息让用户找到特定的目标信息变得困难重重，用户在各个终端上花费了大量的时间，但获得的信息却与自己花费的时间成本不对等。尤其在社区网络里，由于信息的碎片化和更新的频繁化，很多用户错失了本应该重点关注的信息。数据的丰富本来可以让用户更好地了解所处的社会，但数据只有在厘清了彼此之间的联系后才成为信息、发挥作用，这也是媒体作为用户主要信息来源的责任所在。碎片化的数据在用户周围形成扑朔迷离的拟态环境，让很多用户做出偏离甚至错误的判断。路透社在总结数据新闻报道时认为，只关注数据会毁掉数据新闻，数据仅仅是新闻的素材，数据之间的联系才是形成数据新闻报道的核心。^[11]用户迫切需要的是基于个体需求对数据的脉络梳理、数据解读、数据可视化表达，从而提升自己的媒体信息体验品质。

数据对用户的意义在于从数据中提炼信息和知识，用户并不关心数据本身。在信息匮乏的时代，信息被认为是消除随机不确定性的东西，并蕴含在数据之中，信息论创始人香农据此给出了信息的定义。用户基于自己的能力从数据中提取信息，部分时候会得到媒体的帮助，进而用户产生对周围环境的判断，形成决策。在大数据时代，首先，用户个体面临的数据是多个数量级的提升，从数据到信息再到知识的转换需要专业的分析技巧和设备，用户个体往往不具备这个能力。其次，基于海量数据的分析不但需要某个用户个体的数据，更需要整个社会所有个体数据的累计，进而挖掘寻找相关关系，形成信息和知识，个体用户是没有渠道掌握和分析其中其他用户的数据的。因此对数据的深度解读不但成了媒体的责任，更让数据新闻有了大有可为的发展空间。数据新闻不但应提供对数据的描述，而且还应该提供对数据场景化和深度化的解读，用数据来讲故事。^[12]

信息之于用户的意义在于其对用户决策的帮助。基于数据的预测能有效地解决传统的专家和专业机构预测存在的不准确性和时效性差等问题。大数据的分析为基于数据的准确、及时的预测提供了可能。谷歌公司曾把美国人检索最频繁的5，000万个词条和美国在季节性流感期间的相关数据进行比较，成功实现了对流感的预测，其预测结果与官方数据的相关性吻合度高达97%，而且判断非常及时，比传统方式早一到两周。^[13]基于海量数据库和IT技术的发展，个人的活动得到高粒度和高频度的记录，社会科学可以据此得出更准确的预测。^[14]客观条件的满足和媒体竞争的加剧使得用户不但期待对数据的深度解读，更期待在数据之上的数据预测。用户不仅关注正在发生的新闻，更关注未来会发生什么，如何发生，以及如何应对。

用户的需求因个体差异而千差万别，理想的状态是每个用户都有一个自己的媒体，媒体内容与用户特征高度匹配。但由于传统媒体采编成本的限制，受众的个性化需求一直未得到有效满足。传媒分众化是传统媒体因用户需求的个性化而进行的一种折中办法，但并不是一种理想的状态。用户并不满足于基于传统新闻生产流程而制作出来的千篇一律的媒体产品，他们更期待媒体报道的个人定制服务，只是囿于客观条件，这种需求暂时被搁置。受众需求个性化体验的提升，需要大量的数据基础，其中包含受众个体模式的精确定位，媒体传播内容的特征剥离，受众与内容的智能匹配，传播平台的智能投递，等等。当下基于互联网大数据的积累和分析，技术的实现已无任何掣肘。如基于美国在线的查询数据，《纽约时报》在几天之内就将数据库中的一条记录准确地指向了佐治亚州一个62岁的老太太。^[15]我们在为用户的隐私而忧虑的时候，不得不承认大数据给传媒带来的功能进化已远远超出了我们的想象。伯明翰城市大学教授保罗·布拉德肖在其数据新闻的“双金字塔”模型中，将个性化提炼为数据传播的六个重要步骤之一，^[16]由此可见个性化需求对数据新闻用户体验的重要性。

基于用户需求的产品创新是提升用户体验的有效思路。大数据行业策略挖掘了用户的潜在媒体需求，并为满足需求提供平台支撑。基于用户信息需求的数据新闻产品策略是数据新闻获取用户青睐的关键。

大数据应用对传统思维模式的突破在于舍弃对因果关系的重视，转而重视相关关系，通过计算机的算法，发现数据间隐藏的相关关系，提炼出有价值的信息。数据新闻扎根于大数据应用，自然也基于数据通过找到相关信息提炼知识，并选择合适的形式呈现给用户。但从用户信息体验的角度来看，数据新闻呈现的相关关系仅仅回答了“是什么”。相关关系和因果关系的解读相辅相成，相关关系只有通过因果关系的解析才能清晰地对数据进行脉络化梳理和深度解读。否则用户知其然，并不知其所以然，数据新闻的体验不但不佳，还可能会招致用户的质疑。大数据分析只能阐述“是什么”但无法回答“为什么”，大数据与新闻的精确性之间在客观上存在着一定的矛盾。这一点在数据新闻中表现尤为突出，笔者认为有效的解决办法在于媒体在数据新闻相关关系驱动下进行记者深度调查。记者通过新闻采访、新闻调查等，对相关关系进行审视，从中梳理因果，进而给出客观、准确、严谨的数据新闻报道。以BBC为例，其数据新闻记者基于政府数据分析发现，年轻警察人数在威尔士和英格兰呈极速下降的趋势。如果简单地将这个数据现象呈现给用户，不但与深度报道的意识相悖，用户体验也会很差。因此，BBC通过对警局的深度调查，制作了一个深度解读数据新闻的作品——《年轻警官数量的断崖式下跌》，收视效果甚好。

同时，由于大数据的分析是一种基于概率的分析，加之分析中允许不精确和数据噪音，因此很多相关关系是没有任何意义的，所以新闻报道的客观性和科学性要求数据新闻记者通过有效的新闻调查甄别伪相关关系。数据分析工具的有效使用和传统新闻专业采访的有效配合是创新数据新闻产品的关键。

预测是提升新闻报道深度的一种重要手段，也是提升用户信息体验、彰显数据新闻特征的有效策略。传统的新闻预测要么源自记者的个人直观经验，要么是专家或权威机构的意见，在预测的准确性和及时性上有很大的提升空间。基于数据分析给出的趋势预测既是大数据核心价值的体现，也是用户对大数据产品的最大期许。这就要求记者在采编数据新闻时，要树立预测意识，基于数据和计算机算法对即将发生而未发生的事情进行前瞻性报道，从时间维度探析新闻事件的原因及发展趋势。数据新闻的预测对数据分析能力有很高的技术要求。大型的传媒集团可以自己组建数据新闻团队，组织自己的优势资源，专注预测性新闻，提升数据新闻的使用满意度。中小型的传媒企业可以考虑与数据公司进行合作，将数据采集、存储、分析和预测业务外包给数据公司，由记者来完成选题策划和最终数据新闻作品的采写。

叙事是信息交互的一种形式，提供了对新闻信息的场景化解读，让用户能更好地理解、记忆、讨论和传播新闻。长期从事数据可视化研究的洛伦兹·米尔科认为，如果数据新闻记者在数据搜集、分析可视化后，进而将其故事化，将给用户带来数据新闻的价值提升。^[17]数据使新闻报道变得可信赖、可验证，故事化的数据解读提升了数据新闻的可阅读性，将枯燥的数据转化成“会唱歌”的故事，进而提升用户体验。CNN就将从数据中提取到的有价值的新闻用故事化的方式加以表达作为它的三大大数据应用之一。^[18]数据新闻报道要做到引人入胜，提升用户的黏性需继承传统新闻的“故事化”传统。这就要求数据新闻记者用故事化的思维，去发现数据、表示数据、聚合数据、提炼数据、可视化数据。尤其在数据可视化环节要用合理的信息形式辅助数据新闻故事化的表达。笔者认为，记者可借鉴传统调查报道的思维，实施基于数据的调查，带着问题去深究数据，重视数据但不拘泥于数据，整合数据和传统采访资源，根据自己的发现实时修正采访思路，完成对数据新闻故事的探索，并用鲜活的表达方式呈现给用户，让数据新闻更有人情味。

新闻的个性化可以帮助用户用自己的视角去理解新闻事件对自身的影响，从而增强新闻的贴近性。用户对互联网的频繁和长时间使用会产生大量的数据，比如社区网络信息的发布与关注、浏览网站的cookie、搜索框的输入等。在不侵犯用户隐私的前提下，基于对这些用户数据的分析，媒体可以更好地了解受众的需求，从而投其所好，为受众个体量身定做个性化数据新闻。媒体涉足数据新闻业务时，要特别强调平台的智能化，将计算的思维引入新闻的处理过程中，借助信息检索、人工智能、内容分析、社会计算等实现新闻内容与用户需求的智能匹配，并用合适的媒体将数据新闻推送给目标用户。基于智能的数据新闻平台，个性化的思维应贯穿数据新闻传播的全过程。数据新闻选题要基于但不拘泥于对用户的精准分析，数据新闻的提取要与用户的多元需求交叉匹配。数据新闻的内容要进行信息粒度的控制，以便用户端个性化的归纳、聚合。要设计数据新闻的可视化与用户接口的互动接口，允许用户通过接口定制个性化的内容与展现方式，允许用户自己探索数据本身。数据新闻发布后要做反馈分析，进而改善数据新闻产品，提升用户体验。

女企业家苏银霞曾向地产公司老板吴学占借款135万元，月息10%。在支付本息184万元和一套价值70万元的房产后，苏银霞仍无法还清欠款。2016年4月14日，吴学占和多名债务人一起向苏银霞讨债，对苏银霞及其儿子于欢进行了长达一个小时的侮辱。于欢情急之下用家中的水果刀刺伤4人，其中1名伤者自行驾车就医后因失血过多而休克身亡。2017年2月17日，山东聊城中级人民法院一审判决于欢无期徒刑。于欢对一审判决不服，提出上诉。2017年3月24日，山东省高级人民法院正式受理此案。同日《南方周末》的一篇报道《刺死辱母者》，引发广泛的舆论关注。

使用深度优先算法抓取数据样本。截至2017年4月9日，共抓取微博数据8，488条，微博账号6，693个。

续表

图4-1 事件微博时序图

图4-2 事件微博互动情况时序图

3月25日至27日，各大主流媒体对该事件进行了关注和报道。

表4-1 媒体辱母案报道汇总表

图4-3 事件微博参与用户性别比例图

图4-4 微博参与用户使用终端类型分布图(www.chuimin.cn)

图4-5 微博参与用户讨论次数比例分布图

图4-6 微博用户等级分布图

表4-2 微博参与用户地理分布表

图4-7 微博用户标签画像

图4-8 微博舆情词云

本章小结：大数据正潜移默化地改变着我们的生活。数据新闻必将成为未来用户媒体消费的一种重要新闻产品。基于大数据应用的新闻生产的智能度会更高，给数据新闻的未来提供了无限的想象空间，为创新提供了无限可能。任何一种新闻产品都应以满足用户需求为前提，专注于提升用户体验的数据新闻的创新思维模式，应该成为数据新闻产品创新的方向。

[1] 韦路，鲍立泉，吴廷俊.媒介技术演化与传播理论的范式转移[J].当代传播，2010（1）：18-21.

[2] 言靖.媒介融合趋势下新闻人才素质培养[J].新闻知识，2010（4）：72-74.

[3] 陈力丹.2008年我国的新闻传播学研究[J].国际新闻界，2009（1）：6-19.

[4] 李逊林，李颂明.计算机网络：第2版[M].成都：电子科技大学出版社，2010：7.

[5] 王文宏，高维钫.网络文化研究[M].北京：中国言实出版社，2006：36.

[6] 彭兰.从“粘贴新闻”到“解读新闻”：网络新闻处理的四个层次[J].新闻实践，2002（3）：32-34.

[7] 王丽萍.媒介融合：传媒与受众全新对话平台[J].中国传媒科技，2009（8）：40-42.

[8] 徐选礼.新闻价值发现[M].济南：黄河出版社，2002：127-142.

[9] Data journalism handbook.European journalism center.（n.d.）.http：//datajournalismhandbook.org/1.0/en/introduction_0.html.

[10] ROTO V.User experience research in the design and development phase[EB/OL].Keynote at the User Experience & User Generated Content Workshop，Salzburg，Austria，2008.www.icts.sbg.ac.at/media/pdf/pdf1684.pdf.

[11] MARSHALL S.How big data is changing financial journalism[EB/OL].（2013-01）.https：//www.journalism.co.uk/news/-hhldn-how-big-data-is-changing-financial-journalism/s2/a551791.

[12] YAMKOVENKO S.Five tips for journalists doing data visualization[J].Quill，2013（1）：30-34.

[13] 舍恩伯格，库克耶.大数据时代[M].周涛，等译.杭州：浙江人民出版社，2013：3-4.

[14] WATTS D J.A twenty-first century science[J].Nature，2007，445（2）.

[15] 舍恩伯格，库克耶.大数据时代[M].周涛，等译.杭州：浙江人民出版社，2013：198-199.

[16] BRADSHAW P.The inverted pyramid of data journalism[EB/OL].（2011-07）.http：//onlinejournalismblog.com/2011/07/07/the-inverted-pyramid-of-data-journalism/.

[17] MIRKO L.Data-driven journalism：what is there to learn？[EB/OL].（2010-06-29）.http：//datavisualization.ch/events/data-driven-journalism-what-is-there-to-learn/.

[18] RAPELI M.Data journalism：an outlook for the future processes[C].Information Systems Science Master's thesis，2013.