在圖像化傳播的今天，該如何定義一則好的數據新聞？什么樣的選題是具有傳播力的？在數據新聞制作的過程中有什么值得關注的地方？數據新聞又有什么獨特價值？
本期全媒派（ID：quanmeipai）獲得授權，實錄數可視運營編輯李嵐做客全媒派真愛群的講座全文，與大家分享她對數據新聞的理解和思考。
對于傳播量來說，最重要的是有一個好選題，比如兩會、高考志愿填報這樣的熱門選題，點擊量都會很高。我們在兩會期間與CGTN合作的Who Runs China就是把2000多名人大代表的數據匯總起來，從性別、學歷、省份等維度分析全國人大代表的特征。
這個作品給我最大的印象就是特別好看，色彩搭配非常合適、互動體驗也很酷炫。但是我覺得數據新聞只有好看、酷炫是不夠的，最根本的還是要讓讀者看懂，如果不能讓讀者明白數據是在表達什么，就不能算作是一個好的數據新聞作品。
例如下圖就是想用粒子柱狀圖來呈現全國人大代表的出生年份和男女性別比例的情況。從這張圖可以很清晰地看到90后女性人大代表越來越多的趨勢。
第二，數據新聞作品不僅要好看，還要能夠讓讀者看懂，要善用圖表來傳達信息。以下這些網站可以幫助大家了解圖表應該怎么使用。
1. datavizcatalogue.com
好的數據新聞應該是直觀且容易理解的。
現在我們可以看到很多“一圖看懂”系列的作品，但是一圖看懂并不等于好的數據新聞。這些作品多由文字和圖表結合，如果去掉文字只看圖表就能明白其涵義，我覺得這才算好的數據新聞，否則就還有很多可以改進的空間。
有一個在數據新聞界特別有名的獎項，叫做Data Journalism Awards。這一獎項比較偏向大規模媒體制作的質感精良的作品，去年財新就獲得過DJA的獎項。他們有一個作品叫做《高鐵六小時能到的地方，你想去哪個？》，做了一個交互新聞，比如說我從北京出發，坐5個小時高鐵能到哪些地方？這種就是大家喜聞樂見的話題，很多用戶也愿意去點擊、互動。
小而美，就是跟我們每個人生活息息相關的一些數據，比如你使用手機APP的時長。例如，iPhone會自動跟蹤APP每天的使用時長，數據新聞的制作人員可以把時間軸拉長，來研究用戶的手機使用習慣。從這樣的數據當中研究員常常能發現一些有趣的規律，實現對生活的小反思也挺有意思。
界面新聞有一個數據欄目組，幾乎每天都能出一篇稿子，能做到日更是很厲害的。因為數據新聞有一個很大的特點就是新聞性，需要趕時效。時效性意味著大家在短期內會比較關注這個話題，能夠形成一定的討論度并獲得較高的點擊量。
另外，跟大家分享一些優秀的數據新聞作品的來源。除了剛剛提到的DJA之外，國際上還有三個比較出名的與數據新聞相關的大賽，分別是信息之美、SOPA、SND。除了這些大賽之外，還有一些國外的媒體，例如彭博社、紐約時報、衛報，他們都有專業的數據新聞團隊做出過很多優秀的作品；國內的財新、澎湃這些媒體也都是值得大家關注的。還有最近一兩年來，一些自媒體也做出了很多不錯的數據新聞作品。今年6月份澎湃新聞主辦了“2019數據創作者大會”，會上涌現出了非常多優秀的作者。《數據新聞2.0:變與不變|數據創作者大會演講實錄①》這篇文章沉淀了會上很多有意思的觀點。
數可視之前做的一些有意思的作品通常都是先有選題，然后再根據選題去找數據，比如看一些行業研究報告、咨詢某一特定領域的專家等等，這種操作方式可以在一個較短的時間內收集到足夠的數據把作品完成。
比如在擁有很多數據的前提下，先用一些可視化工具把數據整理成一個大概的圖表，看看這些數據到底能夠呈現一個什么樣的規律，或者進一步挖掘數據背后可以分享的故事。
這里我給大家分享財新數據新聞團隊負責人黃晨老師之前一次講座的內容《財新黃晨：先有故事還是先有數據？》，她在分享中也提到了這個問題，到底是先有故事還是先有數據？其實選題和數據是相輔相成的關系，即使我們先得到了數據，數據也可能是單一的，還需要圍繞這個數據去發散性地尋找更多數據源，這樣數據新聞的內容才會更豐富。如果數據源是可靠的、數據是充足的，這就是一個比較好操作的數據新聞選題了。
還有一個小問題，就是什么樣的選題是比較適合做成數據新聞的。人大有一個公眾號叫做RUC新聞坊，它匯總了從2012到2017年這五年來國際性數據新聞大賽的一些獲獎作品，從其中涉及到的報道主題中發現了一些規律。政治類、公共服務類、醫療、戰爭、犯罪、人口、環境等，這些選題是比較容易獲獎的。
圖片來源：RUC新聞坊
我們把視野拉回到國內，會發現國內數據新聞的話題主要是聚焦在商業、城市規劃相關的話題上，比如說房地產、地鐵交通等等，像環境類、教育類也是涉及比較多的主題。
這里還需要再強調一點，我們使用數據時，標明數據來源是很重要的。這既可以增加報道的權威性，也可以方便同業者之間相互交流。
我們常說做一個全能的數據新聞人需要三個方面的能力，分別是寫文案、做設計和寫代碼。
一個好的數據新聞產品需要這三個方面的人才相互配合完成。新聞編輯需要清楚自己到底擅長什么，是文案策劃能力比較強、腦洞大擅長挖坑？還是設計審美好，視覺表達能力強？要多結合自己擅長的領域揚長避短。
以我自己為例，在數據呈現之外我會更多承擔數據分析或是尋找數據來源的工作。
因為在實際操作中，找數據是一個非常耗時間的事情，需要建立一種搜索思維。詢問專家學者或是查找論文是很重要的渠道，有時論文當中會提到非常有幫助的數據來源或是數據庫，站在他人的肩膀上可以幫助我們省去許多尋找數據的力氣。
對于數據內容的理解和表達，很考驗從業者能否從數據當中挖掘有趣的結論點。打一個比方，把數據當做被采訪對象，去拷問數據，對數據做出一些假設再去進行驗證，看看數據能不能給你答案。這一點其實非常鍛煉剛入行的從業者，這需要你對某些垂直領域進行深耕。
判斷可視化設計好壞的關鍵點在于，去掉文字后你的圖標是否還能清楚的表達。數據新聞不僅要好看酷炫，讓讀者能夠看明白才是關鍵。編輯需要考慮使用什么樣的圖標來呈現數據是最合適的。
我把做數據新聞的小技巧總結為四點：拷問你的數據；快速完成能力；尋找數據量豐富的選題；掌握數據分析技巧。
在尋找有趣的結論點的過程中我們會比較容易觀察一些數據的異常值，比如，我們做過一個問卷調查，發現收入越高的人對自己的顏值越自信，但是這個結論是預料之中的，怎么才能挖掘到有趣的點呢？我們會把這個數據拆分，拆分成男女兩個性別，并發現男性在收入越高時對自我顏值越自信，但女性可能呈現出一個波動式的上升和下降的趨勢。
快速完成一個選題內容也是很重要的，因為新聞具有時效性，讀者不會給新聞制作者太長時間的注意力，我們需要在規定時間內對重要和次要內容進行取舍去完成一篇完整的文章。兩到三天完成一個作品已經算是比較長的操作周期了。
另外，我們會盡量找數據比較豐富的題目入手。比如我們之前做過北京地鐵的數據，我們發現北京地鐵的官方微博會發布每一次地鐵的故障數據，于是我們把這些數據搜集起來做了一個關于北京地鐵避坑指南的作品，最后也收到了不錯的反響。
基于之前數據新聞的獲獎作品，不難發現這些作品中多數都使用了比較簡單的數據分析思路，比如比較平均值、最大值、最小值、方差，對比不同年份的數據等等。所以我們常用到的數據分析技巧都是很基本的，在我們中小學的時候就已經學過了。
首先是為讀者減負，因為人們讀圖的速度大概比看文字要快100倍。數據新聞通過編輯對數據的理解再提煉出來要點，最后制作出信息圖表，是能夠真正實現一圖讀懂很多信息的。
第二，數據新聞是編輯把自己覺得有趣的內容傳達給受眾的過程。比如設計師Giorgia和Stefanie做了一個叫做dear-data的數據可視化項目。這個項目持續了大約一年多的時間，兩個人分別在兩個不同的國家，把自己生活中一些有趣的數據發現通過手繪明信片的形式郵寄給對方。這個小項目很有意思也足夠打動人，還獲得了2015年“信息之美”的數據可視化項目金獎。
最后，我覺得數據新聞是在真正地與大家分享一些有價值的內容，是對讀者有幫助的。
比如高考季，B站上有一個UP主把2017年全國高校的數據匯總做了一個交互網頁，其中包括985、211高校的排名情況以及優勢學科等等。我覺得這個作品就能夠很好的幫助到考生去選學校、選專業等。唯一可以優化的地方在于，如果能夠加上分數匹配或是院校的推薦就更好了，可以說是一個擇校神器了。
書名：《決勝用戶增長》
8大用戶增長理論
6大用戶增長企業案例
5位業界KOL傾情推薦
上線24小時沖擊當當新書熱銷榜第五位
我們是姑婆那些事兒，
專注于APP推廣和運營干貨分享。
添加小藝微信（ID：gpxms008）
獲取更多運營課程及裂變干貨，與各界新媒體人一同成長。
文章評論(0)