注：本文编译自亚历山大·本杰明·霍华德（Alexander Benjamin Howard）撰写的《数据驱动新闻业的艺术与科学》（The Art and Science of Data-driven Journalism）研究报告的第三部分，该报告由哥伦比亚新闻学院TOW数字新闻中心发布。
【作者简介】郭恩强/华东政法大学科学研究院助理研究员，法学在站博士后。
在一些走在前沿的实践者手中，数据新闻是个强大的工具。它融合了电脑科学、统计学以及社会科学几十年来在大数据研究方面的成果。数据记者可以通过编写算法寻找趋势，勾勒出影响力、权力或消息源之间的关系图。在全球，数据新闻记者的数量在增加，他们所做的工作不仅限于数据可视化或者发布互动地图，他们正运用这些工具追踪腐败，向权势者问责。
2014年，数据新闻成为主流，诸如FiveThirtyEight.com网站、Vox.com网站、《镜报》旗下的Appp3d.com网站、大西洋媒介集团（AtlanticMediaGroup）的QZ.com网站、《经济学人》和《卫报》的数据博客、《纽约时报》的Upshot都崭露头角，网络平台及实践的发展已经大大改变了这个领域。
APP是最重要的讲故事方式之一
今天，很多记者不仅将注意力放在为调查收集数据，更注意将数据与鲜活的故事或者新闻应用程序相结合。对于千禧一代来说，新闻应用程序（NewsAPP）是最重要的讲故事的方式之一。
新闻应用程序和新闻编辑室分析，将成为媒介机构向移动用户发布信息方式中的核心要素。同时帮助媒介机构厘清谁是你的读者，在哪里、如何、何时成为你的读者，甚至为什么会成为你的读者这样的问题。这两点对于成功的数字产业都不可少。在此背景下，新闻应用程序不仅仅讲故事，他们还讲述“你”的故事，比如帮助手机用户更好地理解周遭世界，从新闻、天气和交通，到棒球联赛的比赛成绩。
有时人们需要理解一个复杂的主题，但缺乏处理原始数据的相关能力。而新闻应用程序则可以让大量的数据变得有意义。比如，2014年5月ProPublica新闻网发布了一个有关治疗追踪的专题。他们的数据分析发现，2014年，在全美2亿人次的患者就诊中，只有4%是因为病情特别复杂，而被医生收取昂贵的医疗费的；但却有1800个医生成为收入排行榜上90%的时间内的名列前茅者。ProPublica网站的资深记者查尔斯·奥恩斯坦（CharlesOrnstein）在邮件中披露：
专题花了我们很长时间。数据本身庞大而复杂。我们找了专家，好搞清楚比较哪些数据是最有意义的。我们寻找那些读者能够很快搞明白的数据。其中之一是每个病人接受的医疗保险服务，另外一个是每个病人支付的费用。我们同时也仔细研究并将病人就诊的频率当作参照，这个很有趣而且读者也容易明白。有些领域的医生，比如精神病科医生或者肿瘤科医生的接诊频率，比起同行们来说要高而且费用昂贵。但是在其他科目，医生们接诊的频率没有那么高，医生们的表现也各不相同。如果你发现，你的医生接诊病人比起一般同行要多得多或少得多，这并不代表一定有问题，但也会成为你的参考因素之一。
让我们的应用程序与众不同的是，它允许你将自己的医生与同一领域和地区的其他医生做比较。比如通过应用程序观察医生们是如何进行诊疗的（他们采取的医疗手段、他们诊治病人的百分比、病人的看病频率等）。
新闻应用程序可以让人们以另一种方式浏览数据，这是单靠简单的地图、统计数据或表格所办不到的。“设计数据时，可以使重要的数字比不重要的细节显得更大和更突出。”ProPublica网站主编助理斯科特·克莱因（ScottKlein）表示，“在浏览网页时，人们知道通过下拉方式来获得更多细节。在‘为公众’网站，我们通过设计引导读者来体验各种不同的注意力层级，从最宏观的全国性的例子到最本地化的例子”。
新闻应用程序的开发者，正越来越多地考虑以用户为中心进行设计。全国公共广播电台（NPR）视觉团队的编辑布瑞恩·博耶（BrianBoyer）对这一原则的解释是：
我们并不是从数据开始，也不是从技术开始来思考问题。我们所做的一切，都始于一个以用户为中心的设计流程。我们会讨论想要吸引的用户的需求，然后才讨论做什么和如何做。从好点子或是技术选项上开始也不错，不过我们尽量不这么做，而是关注于如何为特定的人群做出最好的产品，也就是那些最能从我们的数据产品中获益的人。
数据并不天然地意味着真实
与真人形式的消息源一样，不是所有数据都等同于事实。它们必须接受怀疑主义的检验，从来源到质量，再到是否有隐藏的偏见。TOW数字新闻研究中心的研究者尼克·蒂亚克普洛斯（NickDiakopoulos）写道：“数据并不天然地意味着真实。是的，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，甚或是全然的虚假。”
如果新闻报道确实会随着时间推移变得更加科学，那它将使读者和整个社会受益。一个执行主编可能会提出新闻背后隐藏的线索或假设，然后指派一名调查记者去找出究竟是真是假。这名记者（或者数据编辑）必须去收集数据、证据和相关知识。为了向执行编辑和多疑的读者证明，他们所提供的结论是正确的，记者需要从数据来源到使用方式，全面展示他的工作。这也意味着记者需要接受怀疑主义的理念，避免确定性的偏见，同时对被观察的有关联的事物不轻易下结论。
西北大学人文与社科学院教授布瑞恩·基冈（BrianKeegan）在一篇文章中呼吁：“在当代，对于信息过载，以及恐惧、不确定性和怀疑等情绪的焦虑氛围下，数据驱动的新闻可以起到关键性的作用。它们可以为关于政策、经济趋势、社会变革的讨论提供更为坚实的经验基础。但是，除非新的行业领袖能仿效科学界的标准来设立和强化准则，否则数据驱动新闻很可能会掉入消解公众信任和科学界信任的陷阱。”对此，基冈为数据记者提出了几个有效的原则：开放数据、集思广益、开放合作以及数据监管。
数据新闻记者可以在代码托管网站分享他们的数据和代码，比如GitHub，以备同行们检阅、复制、扩充（ProPublica网和其他机构已经在这么干了）。记者们还可以与科学家和分析家合作，提出问题和共同分析数据，并写出文章或者专题。另外，记者还可以将作品提交学术同行进行评议。
做数据新闻的机构，应当让自己的分析和发现接受经验式的批评。将整理妥当的数据公布，或者找到合适的专家合作，这些都是十分费时的。不过如果你打算发布原创的实证研究，你就应该接受和回应合理的批评。
数据新闻机构也许会考虑任命独立的核查人员来代表公众利益，以及提升科学性规范。数据作品的作者很可能得出轻率的结论、使用不合适的方法、分析私人数据，甚至为了自己牟利。此核查职位的设立，就是为了对上述行为进行核查。
透明性很可能意味着新的客观性。在科学领域，不能被重复验证的研究和结果，是其真实性被怀疑的一个理由。基于严格审核过的数据而得出的经验性证据，将赋予编辑和记者这样的能力：他们将告别“这个人说，那个人又说”的报道方式，因为此种方式只会让读者疑惑真相究竟在哪里。
数据是一种战略性资产
传统纸媒的危机自不待言。在这种背景下，发行人和编辑们要决定哪些业务要砍掉，哪些领域要去投资，就变得更加谨慎。在数字化新闻环境下，尽管数据驱动新闻业有其前景和重要性，但一些媒体还是选择关闭其致力于数据分析的部门。例如，“数字第一媒体”（Digital First Media）在2014年4月关闭了其致力于生产视频和数据产品的“霹雳”（Thunderdome）项目。
2014年，数据新闻业进入了主流媒体。纳特·西尔弗（Nate Silver）在“娱乐与体育节目电视网”（ESPN）开办了全新了的“五三八”（FiveThirtyEight）网站，《纽约时报》开办了“结局”（The Upshot）网站。这些新入行者能否实现商业上的成功仍是未知数，但是，对于数据新闻业而言，除了广告以外有更多的商业模式。从能够提供关于世界的洞见这一意义上看，数据可以被认为是一种战略性资产。专有数据是能够驱动巨型公司的商业模式的宝贵资源。在华盛顿特区，从硅谷到华尔街再到情报机构，数据科学家被当成热门商品，这是有其原因的，那就是他们能够从公共的和私人的海量数据中创造有价值的知识。类似的，对冲基金公司使用《信息自由法案》（Freedom of Information Act）去购买政府数据也是有其理由的，因为对于投资管理而言，数据是有用的商业情报。
我们将自己看成一个在新闻领域打拼的科技公司
当数据驱动的超本地新闻和数据报道的收入模式，处于可能繁荣也可能夭折的不明朗之时，非营利机构如ProPublica和《得克萨斯论坛报》（Texas Tribune）却将目光放在了利润之外。论坛报如今是在线媒体中闪亮的一员，聚焦于报道本州事务。凭借其在交互式体验和数据可视化方面的成功，它如今成为美国数据新闻重要的典范之一。
目前论坛报拥有超过200个可视化产品和工具，其中包括一项公立教育检索工具和一项高等教育检索工具。后者收集和公布了得克萨斯州每个高等公立院校的财政、人员和教育表现数据。
论坛报收集数据的范围广度和精细程度，确实让人印象深刻。它的在线流量和公众对产品反馈的兴趣，使之成为研究新闻业未来的重要案例。尤其是，在论坛报受欢迎的产品中，数据产品占了大部分。其中，论坛报的数据图书馆和公职人员列表贡献了大部分的流量。类似的数据图书馆在新闻界还是少见的。
“我们将自己看成一个在新闻领域打拼的科技公司，而非一个使用科技手段的新闻媒体。”论坛报的首席创新主管罗德尼·吉布斯（Rodney Gibbs）解释说：“我相信，这个信念让我们轻装上阵。我们的科技团队并不大，有4个全职的开发人员加上一个行政专员，他们就足够维持我们的主要网站、数据APP和每月发布的可视化工作了。另外，我们两个数据记者在整个编辑室内进行巡回工作，所以即使不是数据通的记者，也可以为他们的故事搭配数据和可视化工具。换言之，这里的人无需坚信数据的价值，因为点击量和受众反馈已使我们所有人都成为数据的信徒了。”
ProPublica在2014年2月推出了自己的数据商店，免费发布原始数据，同时也出售给那些愿意额外付钱购买其他附加值数据的客户。克莱因写道：“在数据商店，你可以找到我们在报道中使用的数据，而且数据量还在增长中。如果是原始数据，比如我们从政府来源得到的数据，你会发现一个免费的下载连接，只需对一份简化版的使用条款表示同意。如果是需要在政府网站上下载的数据，我们简单地将其链接到原网站上，来保证你快速得到最新数据。”2014年4月，ProPublica网站宣布，将数据商店的范围扩展到报道中使用到的所有数据，此举引发强烈关注。“如果你观察诸如美联社、路透社和彭博社这样的新闻室，会发现他们的核心内容是数据产品，其中一些真的非常挣钱”，克莱因对《哥伦比亚新闻评论》 （Columbia Journalism Review）表示，“无疑，对很多新闻编辑室来说，销售数据产品是个创富机遇”。
数据新闻助力机器人新闻业
数据在其他冒险事业中也将扮演一定角色，也许将为“机器人新闻业”提供助力。如“叙事科学”（Narrative Science）公司提供的一种自动编写新闻的服务。2014年3月，有关洛杉矶地震的第一篇报道就是机器人写就的。它的开发者是《洛杉矶时报》的记者和程序员肯·史文切克（Ken Schwencke）。这不是首个“机器人记者”（roboporter），在此之前，基于类似算法，他们还开发了一个有关谋杀报道的新闻机器人。
由自动编写的软件来完成本地交通、天气、高中运动会、警方通报等的新闻报道，看来是不可避免的趋势，尽管人类编辑仍需在机器人记者写的文章上起作用。“当了几年的本地新闻记者，我可以说，编写简报，统计诸如谋杀、地震、火灾这些文章，本质上就像是疯狂填词（Mad Libs）游戏，完全可以让机器来干”，威尔·瑞摩斯（Will Oremus）写道，“……但同时，地震机器人（Quakebot）也清晰地揭示了自动化编写程序的局限。它无法评估地面的损失，不能采访专家，无法辨别故事中相对有价值的角度”。
短期内，这类新闻机器人（newsbots）的最大用处，可能是充当编辑记者的早期预警系统，在一片杂音中寻找新闻线索做好标记，好让记者们去分配任务，调查核实。这种类型的数据新闻能挑拣和抓取信息，发出警报，很可能会受到城市新闻编辑的喜爱。此类自动化已经得到广泛应用，从政府问责到金融报道都有所涉及。“我们希望赋予这种监控和预警功能更多东西”，阿隆·菲尔霍夫表示，“我们每年都会收集上百万条有关竞选捐助与支出的信息。举例来说，如果一个国会成员遇到麻烦，你会在法律服务那栏看到标记着相关变化的情况。此时，系统会向报道国会新闻的记者发去提醒。这样就能运用科技，提高记者的工作能力”。
也许有一天，情况会发生改变，正如“叙事科学”的联合创始人和首席技术官克里斯蒂安·哈蒙德（Kristian Hammond）对史蒂文·列维（Steven Levy）说的那样：
相信随着“叙事科学”这个软件的成长，它编写的故事会位于新闻产业链的上端——从产品新闻（commodity news）到解释性新闻，甚至是细节丰富的长篇报道。也许在某种程度上，人类和程序可以合作，各自完成自己的强项。计算机，凭借其无瑕的记忆能力和对数据的抓取能力，也许可以充当人类记者的助手。或者相反，人类记者可以采访一些对象，整理出遗漏的细节，然后发给电脑让它来完成文章。随着电脑越来越完善，能取得越来越多的数据，它们作为故事讲述者的局限性将被打破。“人类确实具有令人无法置信的复杂性和丰富性，但它们是机器。也许20年内，将不再存在‘叙事科学’不能写出报道的领域。”
