如何獲取數(shù)據(jù)與處理數(shù)據(jù)

摘要：新聞是經(jīng)濟(jì)社會(huì)發(fā)展的參與者、記錄者、推動(dòng)者。數(shù)據(jù)已成為經(jīng)濟(jì)發(fā)展的關(guān)鍵生產(chǎn)要素，新聞內(nèi)容生產(chǎn)也應(yīng)加大數(shù)據(jù)驅(qū)動(dòng)力度。數(shù)據(jù)新聞生產(chǎn)流程復(fù)雜，其中作為先決條件，獲取數(shù)據(jù)、處理數(shù)據(jù)，對(duì)媒體而言，極為陌生，挑戰(zhàn)難度大。很多媒體甚至對(duì)于何為數(shù)據(jù)、數(shù)據(jù)應(yīng)如何處理、數(shù)據(jù)與大數(shù)據(jù)等基本觀念存在嚴(yán)重誤解。本文首先厘清這些誤解，并基于3個(gè)實(shí)例探討媒體在數(shù)據(jù)新聞生產(chǎn)中獲取數(shù)據(jù)、處理數(shù)據(jù)的幾種現(xiàn)實(shí)路徑。

關(guān)鍵詞：數(shù)據(jù)新聞；數(shù)據(jù)獲?。粩?shù)據(jù)處理

中圖分類號(hào)：G210.7 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-8883（2020）16-0157-02

一、數(shù)據(jù)已成為新聞生產(chǎn)的關(guān)鍵要素

數(shù)字生活時(shí)代，經(jīng)濟(jì)組織、社會(huì)運(yùn)行、個(gè)人的生活越來(lái)越依賴基于數(shù)據(jù)的分析與規(guī)劃。數(shù)據(jù)已經(jīng)成為我國(guó)經(jīng)濟(jì)發(fā)展，尤其是數(shù)字經(jīng)濟(jì)發(fā)展的關(guān)鍵生產(chǎn)要素。

新聞是服務(wù)于社會(huì)需求的，當(dāng)社會(huì)的需求已出現(xiàn)重大的數(shù)據(jù)化轉(zhuǎn)變時(shí)，數(shù)據(jù)也已成為新聞生產(chǎn)中新的關(guān)鍵要素。但數(shù)據(jù)新聞的制作有著比傳統(tǒng)新聞生產(chǎn)遠(yuǎn)為復(fù)雜的流程。其中，獲取數(shù)據(jù)與分析數(shù)據(jù)，是能否制作數(shù)據(jù)新聞的先決條件。這兩項(xiàng)又是媒體尤其是傳統(tǒng)媒體最為陌生、最難以解決的問(wèn)題。

二、數(shù)據(jù)新聞的特征

目前，很多媒體對(duì)于何為數(shù)據(jù)、如何處理數(shù)據(jù)、數(shù)據(jù)新聞與大數(shù)據(jù)的關(guān)系等基本概念仍然存在認(rèn)識(shí)偏差。在運(yùn)用實(shí)例，探討媒體如何獲取數(shù)據(jù)與分析數(shù)據(jù)前，厘清幾種常見(jiàn)的認(rèn)識(shí)誤區(qū)有利于明確討論的邊界。

（一）數(shù)字只是數(shù)據(jù)形態(tài)的一種

現(xiàn)在很多媒體報(bào)道中，所宣稱的數(shù)據(jù)新聞實(shí)際上只是數(shù)字新聞。不可否認(rèn)，數(shù)字新聞簡(jiǎn)潔清晰、重點(diǎn)突出，發(fā)展百余年仍具有強(qiáng)大的生命力，為受眾所歡迎。但必須厘清的是，“數(shù)字”和“數(shù)據(jù)”是兩種完全不同的信息形態(tài)。

數(shù)字（figure）是對(duì)特定內(nèi)容數(shù)量的表征，傳遞的信息單一且清晰，屬于經(jīng)計(jì)算、分析后的結(jié)論性信息。數(shù)據(jù)（data），根據(jù)牛津詞典的解釋，是事實(shí)（facts）或信息（information）的集合，屬于原始、模糊的信息，需經(jīng)過(guò)驗(yàn)證和分析后，才能產(chǎn)生用途，如發(fā)現(xiàn)規(guī)律、支持決策等。在中文里，data對(duì)應(yīng)的翻譯還包括“資料、材料”等。

可見(jiàn)，數(shù)字只是數(shù)據(jù)的一種。從形態(tài)上來(lái)說(shuō)，數(shù)據(jù)可以包含人類生活中的所有信息形式，包括數(shù)字、文字、符號(hào)、聲音、圖片、視頻、三維信息等。

（二）二次組裝不是數(shù)據(jù)處理

數(shù)據(jù)新聞生產(chǎn)中，何謂對(duì)數(shù)據(jù)的分析與處理，目前沒(méi)有清楚的界定。2010年，第一屆“國(guó)際數(shù)據(jù)新聞圓桌會(huì)議”上提到，數(shù)據(jù)新聞的生產(chǎn)流程包括反復(fù)抓取、篩選和重組來(lái)深度挖掘數(shù)據(jù)。其中內(nèi)涵并不清楚。其他一些研究者的論述也極為籠統(tǒng)，如“通過(guò)對(duì)數(shù)據(jù)的整合，實(shí)現(xiàn)對(duì)新聞的挖掘”[1]“挖掘和展示數(shù)據(jù)背后的關(guān)聯(lián)和模式”[2]。

新浪、網(wǎng)易等互聯(lián)網(wǎng)媒體都已形成頗具影響的數(shù)據(jù)新聞專欄。但仔細(xì)分析可見(jiàn)，這些數(shù)據(jù)新聞產(chǎn)品中，重要數(shù)據(jù)描述、分析結(jié)論下的數(shù)據(jù)來(lái)源標(biāo)注并不是來(lái)自某類數(shù)據(jù)庫(kù)或數(shù)據(jù)源，而是來(lái)自“某某某報(bào)告”。事實(shí)上，這一類所謂的數(shù)據(jù)新聞，實(shí)則是在某一新聞主題的統(tǒng)領(lǐng)下收集與之相關(guān)的各類數(shù)據(jù)分析報(bào)告，提取各份報(bào)告關(guān)鍵信息，或打散進(jìn)行內(nèi)容重組融入整篇新聞，或?qū)⒅糜诳梢暬谱鬟M(jìn)行重新包裝。

不可否認(rèn)，對(duì)成熟報(bào)告內(nèi)容的二次組裝，同樣能發(fā)現(xiàn)重要新聞線索和新聞價(jià)值。但這樣的新聞能不能稱為數(shù)據(jù)新聞，是值得討論的。因?yàn)樵谄溥^(guò)程中，更多是編輯對(duì)多種數(shù)據(jù)結(jié)論的主觀理解、研判、分類，并不包含利用數(shù)據(jù)分析工具對(duì)元數(shù)據(jù)的清洗、重組，更遑論建模得出分析結(jié)果。

（三）數(shù)據(jù)新聞與大數(shù)據(jù)新聞

這是言必稱大數(shù)據(jù)的時(shí)代。一提到數(shù)據(jù)，仿佛就注定要走進(jìn)浩瀚無(wú)邊的數(shù)據(jù)海洋。數(shù)據(jù)新聞與大數(shù)據(jù)有著怎樣的關(guān)系，值得討論。

目前，何為大數(shù)據(jù)，并沒(méi)有普遍認(rèn)可的概念界定。關(guān)于其特征，目前較為廣泛接受的仍是《大數(shù)據(jù)時(shí)代》一書中所提的3點(diǎn)：所有數(shù)據(jù)、模糊性、相關(guān)關(guān)系。在我國(guó)的日常話語(yǔ)中，大數(shù)據(jù)更多是指代TB、PB以上規(guī)模的巨量數(shù)據(jù)集。因此，關(guān)于數(shù)據(jù)新聞與大數(shù)據(jù)新聞的討論，主要是基于數(shù)據(jù)量級(jí)和全面性來(lái)劃分，或認(rèn)為大數(shù)據(jù)新聞是數(shù)據(jù)新聞的更高一級(jí)形態(tài)[3]，或認(rèn)為大數(shù)據(jù)新聞是數(shù)據(jù)新聞的一種[4]。

在本文看來(lái)，至少在現(xiàn)階段，對(duì)于媒體而言，區(qū)分大數(shù)據(jù)新聞與數(shù)據(jù)新聞既沒(méi)有必要，也價(jià)值不大。首先，數(shù)據(jù)新聞最重要的是其新聞價(jià)值，數(shù)據(jù)量越大并不代表能提取的新聞價(jià)值越大；其次，目前，媒體最重要的是建設(shè)技術(shù)團(tuán)隊(duì)和數(shù)據(jù)兩大基礎(chǔ)，具備基本的數(shù)據(jù)處理能力，同時(shí)擴(kuò)展多種渠道獲取數(shù)據(jù)。

三、獲取數(shù)據(jù)與分析數(shù)據(jù)的3個(gè)實(shí)例

獲取數(shù)據(jù)與分析數(shù)據(jù)離不開網(wǎng)絡(luò)、程序、算法等技術(shù)人員，以及行業(yè)專家的共同參與。這樣跨領(lǐng)域團(tuán)隊(duì)的建設(shè)不作為本文討論的重點(diǎn)，但媒體如何獲得這些專業(yè)能力，在實(shí)例分析中會(huì)作簡(jiǎn)要介紹。

（一）從專題數(shù)據(jù)庫(kù)取料，由行業(yè)專家建模分析

2018年，《重慶日?qǐng)?bào)》整版報(bào)道了《重慶創(chuàng)新百?gòu)?qiáng)企業(yè)區(qū)域與行業(yè)分布報(bào)告》數(shù)據(jù)分析內(nèi)容，通過(guò)對(duì)專利數(shù)據(jù)的分析發(fā)現(xiàn)，汽車制造業(yè)領(lǐng)域企業(yè)發(fā)明專利授權(quán)量占總比近四成，符合汽車在重慶的工業(yè)支撐地位，但同時(shí)也發(fā)現(xiàn)，作為重慶工業(yè)的另一大支柱，本地電子信息業(yè)企業(yè)創(chuàng)新活躍度不高、創(chuàng)新力不強(qiáng)，值得引起重視。

《重慶日?qǐng)?bào)》本身既不掌握專利數(shù)據(jù)庫(kù)，也沒(méi)有數(shù)據(jù)技術(shù)人員、科創(chuàng)研究人員。數(shù)據(jù)新聞前期的數(shù)據(jù)獲取與數(shù)據(jù)分析都是旗下的重報(bào)大數(shù)據(jù)研究院進(jìn)行。而重報(bào)大數(shù)據(jù)研究院正是基于能夠獲取原始專利數(shù)據(jù)的資源優(yōu)勢(shì)，進(jìn)行了此次策劃。

對(duì)專利數(shù)據(jù)的處理并不是簡(jiǎn)單的統(tǒng)計(jì)分析，而是基于專利規(guī)模、創(chuàng)新力和影響力3個(gè)維度8項(xiàng)指標(biāo)，進(jìn)行建模分析。這一過(guò)程，除了研究院數(shù)據(jù)人員外，還有科技情報(bào)研究人員與專利代理師的共同參與。數(shù)據(jù)分析結(jié)果還交由中科院成都文獻(xiàn)情報(bào)中心專業(yè)人員進(jìn)行獨(dú)立評(píng)估，確保數(shù)據(jù)、模型、流程的適用與規(guī)范。

（二）獨(dú)立建模，由數(shù)據(jù)企業(yè)作處理

《四川日?qǐng)?bào)》依托旗下的四川在線全媒體集群MORE大數(shù)據(jù)工作室，近年來(lái)制作發(fā)布不少數(shù)據(jù)新聞。因《四川日?qǐng)?bào)》與阿里巴巴本地生活形成緊密合作，很多數(shù)據(jù)新聞的數(shù)據(jù)都來(lái)自阿里巴巴本地生活各門類產(chǎn)生的數(shù)據(jù)，如口碑、餓了么、支付寶等。

2020年，川報(bào)全媒體集群MORE大數(shù)據(jù)工作室聯(lián)合餓了么，聯(lián)合制作《D47數(shù)字生活·新消費(fèi)分析報(bào)告》，以數(shù)據(jù)“發(fā)現(xiàn)城市新價(jià)值”，從“數(shù)字生活覆蓋度”“數(shù)字生活活躍度”“數(shù)字生活消費(fèi)潛力”“數(shù)字生活消費(fèi)友好性”“數(shù)字生活新潮流”5個(gè)維度，對(duì)四川省47個(gè)市轄區(qū)的數(shù)字消費(fèi)活力進(jìn)行綜合排名，計(jì)算與分析各區(qū)的外賣供需指數(shù)，從供求的相對(duì)關(guān)系中窺探每個(gè)市轄區(qū)的消費(fèi)活力與消費(fèi)增長(zhǎng)潛力。

合作的方式，簡(jiǎn)單而言，首先，MORE大數(shù)據(jù)工作室設(shè)置好議題和指標(biāo)體系、權(quán)重等；之后，餓了么數(shù)據(jù)團(tuán)隊(duì)從其數(shù)據(jù)池中對(duì)應(yīng)提取、清洗，進(jìn)行模型化計(jì)算，得出數(shù)量化結(jié)果；最終，由MORE大數(shù)據(jù)工作室的技術(shù)團(tuán)隊(duì)進(jìn)行數(shù)據(jù)結(jié)果審核，由記者團(tuán)隊(duì)分析結(jié)果形成數(shù)據(jù)報(bào)告，提煉新聞點(diǎn)，制作數(shù)據(jù)新聞產(chǎn)品。

（三）通過(guò)問(wèn)卷與爬蟲獲取多源數(shù)據(jù)，對(duì)單一主題進(jìn)行比對(duì)分析

對(duì)單一主題的數(shù)據(jù)分析，并不要求數(shù)據(jù)的海量，更看重的是利用多種不同來(lái)源數(shù)據(jù)的處理結(jié)果，進(jìn)行比對(duì)驗(yàn)證。對(duì)于媒體而言，多源數(shù)據(jù)的獲取可通過(guò)向政府部門申請(qǐng)、從互聯(lián)網(wǎng)爬取、問(wèn)卷等方式統(tǒng)計(jì)等渠道和方式進(jìn)行。

自2016年起，廣州日?qǐng)?bào)數(shù)據(jù)和數(shù)字化研究院每年均會(huì)發(fā)布《廣報(bào)大學(xué)一流學(xué)科排行榜》。該排行榜通過(guò)科學(xué)研究指數(shù)、人才培養(yǎng)指數(shù)、學(xué)科聲譽(yù)指數(shù)和二次評(píng)估指數(shù)4個(gè)維度，對(duì)國(guó)內(nèi)327所大學(xué)的40個(gè)學(xué)科進(jìn)行評(píng)價(jià)。

報(bào)告最后的評(píng)價(jià)結(jié)果是對(duì)指標(biāo)體系分別賦權(quán)后綜合計(jì)算得出。在對(duì)學(xué)科聲譽(yù)指數(shù)進(jìn)行分析時(shí)，因團(tuán)隊(duì)對(duì)此的界定是主觀認(rèn)知評(píng)價(jià)，遇到了沒(méi)有現(xiàn)成數(shù)據(jù)可用的問(wèn)題。團(tuán)隊(duì)首先采用了問(wèn)卷調(diào)查的方式，制作學(xué)科評(píng)價(jià)問(wèn)卷，通過(guò)電子郵件發(fā)送給全國(guó)各地總共4000位高校學(xué)者，有效回收1000余份。團(tuán)隊(duì)通過(guò)問(wèn)卷中學(xué)者對(duì)高校學(xué)科的不同打分和排名進(jìn)行統(tǒng)計(jì)分析，初步得出分學(xué)科的排名結(jié)果。

考慮到抽樣調(diào)查代表性、受訪者認(rèn)知偏差等問(wèn)題，團(tuán)隊(duì)又從互聯(lián)網(wǎng)新聞、論壇等渠道盡可能爬取對(duì)所涉及高校及學(xué)科的評(píng)價(jià)，經(jīng)數(shù)據(jù)處理后，與問(wèn)卷調(diào)查結(jié)果進(jìn)行比對(duì)，對(duì)整體排名進(jìn)行調(diào)整。

四、結(jié)語(yǔ)

《重慶日?qǐng)?bào)》的操作經(jīng)驗(yàn)并不具有廣泛復(fù)制性，因?yàn)槊襟w或其下屬機(jī)構(gòu)能夠接觸并利用的元數(shù)據(jù)數(shù)據(jù)庫(kù)機(jī)會(huì)是極少的。要自建媒體內(nèi)容以外的數(shù)據(jù)庫(kù)，時(shí)間長(zhǎng)、投入大，沒(méi)有必要?！端拇ㄈ?qǐng)?bào)》的操作模式推廣性強(qiáng)，但需注意：一是雙方要簽署權(quán)責(zé)明確的數(shù)據(jù)合作協(xié)議；二是新聞單位要對(duì)數(shù)據(jù)企業(yè)的數(shù)據(jù)內(nèi)容有深入了解，否則費(fèi)力建模，對(duì)方卻沒(méi)有對(duì)應(yīng)數(shù)據(jù)；三是新聞單位也應(yīng)配有數(shù)據(jù)分析師，檢查數(shù)據(jù)企業(yè)反饋的結(jié)果是否符合要求。在《廣州日?qǐng)?bào)》這個(gè)實(shí)例中，廣州日?qǐng)?bào)數(shù)據(jù)和數(shù)字化研究院并未與外合作，承擔(dān)了主題設(shè)置、指標(biāo)建模、數(shù)據(jù)收集、數(shù)據(jù)分析等所有工作，所涉工種包括熟知社會(huì)科學(xué)調(diào)查方法的媒體人員、技術(shù)人員、數(shù)據(jù)分析師等。這樣的團(tuán)隊(duì)配置應(yīng)該成為想要從事數(shù)據(jù)新聞生產(chǎn)的媒體的標(biāo)配。

參考文獻(xiàn)：

[1] 祝建華.從大數(shù)據(jù)到數(shù)據(jù)新聞[J].新媒體研究，2014（04）：11-13.

[2] 郎勁松，楊海.數(shù)據(jù)新聞：大數(shù)據(jù)時(shí)代新聞可視化傳播的創(chuàng)新路徑[J].現(xiàn)代傳播，2014（03）：32-36.

[3] 喻國(guó)明.從精確新聞到大數(shù)據(jù)新聞——關(guān)于大數(shù)據(jù)新聞的前世今生[J].青年記者，2014（12）：43-44.

[4] 莫凡.數(shù)據(jù)新聞的生產(chǎn)現(xiàn)狀、影響與反思[J].新媒體研究，2018（08）：35-37.

作者簡(jiǎn)介：丁虞（1985—），男，重慶江津人，研究生，碩士，編輯，研究方向：媒體智庫(kù)發(fā)展與數(shù)據(jù)新聞制作。