大數(shù)據(jù)新聞:功能與價值的初步探討

在大數(shù)據(jù)時代，數(shù)字內(nèi)容生產(chǎn)和數(shù)據(jù)挖掘分析成為常態(tài)，在新聞領(lǐng)域也不能例外，新聞報道的功能和價值發(fā)生了新的變化。
在功能層面，大數(shù)據(jù)新聞超越了傳統(tǒng)媒體的環(huán)境監(jiān)測、社會協(xié)調(diào)、文化傳承和娛樂等基本功能，基于數(shù)據(jù)挖掘和分析，讓塵封的歷史數(shù)據(jù)、混雜無序的數(shù)據(jù)重新煥發(fā)出新的活力。

1喚醒：重構(gòu)沉寂的歷史數(shù)據(jù)

（一）對公共數(shù)據(jù)、原始數(shù)據(jù)的整合

大數(shù)據(jù)新聞報道最重要的數(shù)據(jù)來源就是那些來自政府、專業(yè)機(jī)構(gòu)、社交媒體網(wǎng)站的公開數(shù)據(jù)。這些數(shù)據(jù)猶如沉睡的寶藏，等待有心人的挖掘。因此，如果具備敏銳的數(shù)據(jù)嗅覺，能夠挖掘出公共數(shù)據(jù)、原始數(shù)據(jù)之間的關(guān)聯(lián)，或者只是簡單地進(jìn)行歷時性的梳理，就可以讓這些塵封的數(shù)據(jù)煥發(fā)出新的生命力。
財新網(wǎng)《數(shù)字說》欄目通過把百年來諾貝爾獎得主的信息進(jìn)行整合和聚類，制作了“百年諾獎”的可視化圖，用動態(tài)的年輪圖，展示了自從設(shè)置諾貝爾獎以來的每位得主的國籍、獲獎領(lǐng)域和獲獎年份等信息；在此基礎(chǔ)上，按研究領(lǐng)域、年齡、性別、種族對歷年的諾獎得主的比例進(jìn)行了劃分。最后，還分出了年齡最大的獲獎?wù)吆湍挲g最小的獲獎?wù)?，以及兩次獲得諾貝爾獎的得主。

（二）對數(shù)據(jù)的二次加工和售賣

大數(shù)據(jù)新聞的價值來源于對混雜的、非結(jié)構(gòu)化的數(shù)據(jù)的二次加工和關(guān)聯(lián)挖掘，從中找出數(shù)據(jù)背后隱藏的故事的價值。在此基礎(chǔ)上，這些經(jīng)過精心處理的數(shù)據(jù)庫本身，也可以成為媒體的再生價值，成為其他媒體或機(jī)構(gòu)的數(shù)據(jù)和資料來源。這就有了一個數(shù)據(jù)庫的二次售賣過程。比如說《衛(wèi)報》“數(shù)據(jù)博客”（Data Blog）和“數(shù)據(jù)商店”（Data Store）就是如此。“數(shù)據(jù)博客”通過眾包的方式生產(chǎn)新聞，然后把所有經(jīng)典的案例和數(shù)據(jù)進(jìn)行匯總，生成電子書和專業(yè)數(shù)據(jù)庫。專業(yè)數(shù)據(jù)庫可以免費(fèi)訪問，是作為公益性質(zhì)的內(nèi)容而存在；電子書則用于放在網(wǎng)站出售，要付費(fèi)購買。雖然這種基于數(shù)據(jù)新聞報道的加工和售賣模式尚處于初期，但無疑為大數(shù)據(jù)新聞的商業(yè)模式開發(fā)提供了范本。

2關(guān)聯(lián)：連接當(dāng)下的事實(shí)主體

大數(shù)據(jù)新聞的另一個功能在于透過紛繁復(fù)雜的數(shù)據(jù)，挖掘數(shù)據(jù)之間的關(guān)聯(lián)性，通過事實(shí)找到當(dāng)下主體的內(nèi)在聯(lián)系。比如說路透社于2013年2月推出的“關(guān)系中國”（Connected China）報道,就是基于中國政府官方網(wǎng)站和出版物、中國及世界媒體報道、外國政府分析報告、學(xué)術(shù)論文等多渠道匯集的海量數(shù)據(jù)分析而成。數(shù)據(jù)源包括上萬個權(quán)利實(shí)體（機(jī)構(gòu)和個人）、3萬余條關(guān)系、150萬文檔（相當(dāng)于20本非虛構(gòu)類圖書）；路透社根據(jù)收集到的數(shù)據(jù)和人物關(guān)系，將內(nèi)容劃分為五部分：“中國檔案101”、“社會權(quán)力關(guān)系圖譜”、“機(jī)構(gòu)權(quán)力關(guān)系圖譜”、“職業(yè)生涯比較關(guān)系圖譜”以及“專題報道”，通過對領(lǐng)導(dǎo)人的關(guān)系網(wǎng)絡(luò)、職位升降和人事變動的分析，基于各種錯綜復(fù)雜的關(guān)系分析建立了“關(guān)系數(shù)據(jù)庫”，通過互動可視化圖表來展示。讀者可以通過點(diǎn)擊圖表來獲得重要領(lǐng)導(dǎo)人的職業(yè)生涯變遷和商業(yè)、政治以及社會關(guān)系網(wǎng)絡(luò)圖。

在國內(nèi)，基于中東地區(qū)動蕩的局勢和各國錯綜復(fù)雜的關(guān)系，財新網(wǎng)《數(shù)字說》欄目用動態(tài)環(huán)形關(guān)系圖，直觀地呈現(xiàn)了世界各國在中東地區(qū)的敵友關(guān)系圖譜，并用不同的色帶做了呈現(xiàn)。如果鼠標(biāo)移至環(huán)形的的灰色區(qū)域，比如美國，就會體現(xiàn)出美國跟俄羅斯、以色列、伊朗、哈馬斯、敘利亞反對派和阿薩塔之間的關(guān)系。

3預(yù)測：把握未來的信息走向

正如前面提到的，未來的大數(shù)據(jù)新聞報道，將會更加側(cè)重于數(shù)據(jù)驅(qū)動型深度報道和區(qū)域預(yù)測性新聞，利用大數(shù)據(jù)來預(yù)測事物的未來發(fā)展動向，滿足受眾的新聞期待。比如在英國《衛(wèi)報》的“數(shù)據(jù)博客”中，就有基于公開數(shù)據(jù)對大選中的投票者行為進(jìn)行深入分析，從而預(yù)測群體選舉行為變化的新聞報道。在名為《我們怎么利用公開數(shù)據(jù)來分析和塑造選舉行為圖譜》的報道中，分析者指出，“選舉數(shù)據(jù)可以幫助我們洞察投票者行為，但是公開數(shù)據(jù)的缺乏正在阻礙分析研究者們的數(shù)據(jù)挖掘步伐”。記者通過能夠找到的有限人口統(tǒng)計學(xué)數(shù)據(jù)和2012英格蘭和威爾士兩個地區(qū)的本地議會選舉數(shù)據(jù)，對在那次議會選舉中的投票者做了投票行為分析，發(fā)現(xiàn)盡管在數(shù)據(jù)有限的情況下，很難做出確切的結(jié)論，但是仍然可以根據(jù)有限的統(tǒng)計變量（主要是人口年齡和每個選區(qū)大?。﹣韺ν镀甭蔬M(jìn)行潛在的預(yù)測。⑴

基于大數(shù)據(jù)的分析預(yù)測表明，在2012年兩地區(qū)議會選舉中，老年人比例高的地區(qū)投票率也高；另一方面，年輕人比例高的地區(qū)，投票率反而低。這是因?yàn)槟贻p人對政治雖然感興趣，但是他們卻不會對選舉過程全身心投入和抱有更多幻想。后來的實(shí)際投票表明，高齡集中區(qū)域和高投票率集中區(qū)域的確是比較吻合的。

4“悅讀”：展現(xiàn)信息可視化之美

除了上述三大功能，大數(shù)據(jù)新聞還能夠提供更精準(zhǔn)的監(jiān)測環(huán)境，最大程度上消除社會的不安定感以及更豐富更新鮮的社會知識，滿足受眾的求知欲望。最重要的是，以上這些內(nèi)容都可以通過提供更有趣的形式來呈現(xiàn)，同時不失嚴(yán)肅，這就是數(shù)據(jù)可視化圖表給新聞報道帶來愉悅的閱讀體驗(yàn)。斯坦福大學(xué)2013年的紀(jì)錄片《數(shù)據(jù)時代的新聞學(xué)》中提到，作為一種講故事的方式，可視化技術(shù)利用了許多其他領(lǐng)域中發(fā)展的技術(shù)，生成各類可視化圖表，比如雜志風(fēng)格的圖表（Magazine style），加注釋的圖表（Annotated Chart），科展海報式圖表（Science Fair Poster），動態(tài)流程圖（Flow Chart），連環(huán)漫畫圖（Comic Strip），幻燈片（Slide Show），電影/視頻/動畫（Film/Video/Animation）等。⑵

美國加州大學(xué)伯克利分校的Richard KociHermandez提到：“信息可視化的最新趨勢是數(shù)據(jù)可視化和動態(tài)圖形相結(jié)合，這其實(shí)是和故事中的敘事結(jié)構(gòu)結(jié)合了。這種結(jié)合不僅僅是數(shù)字在浮動，看起來很漂亮，而是根本不再需要任何的文字?jǐn)⑹?。這就是兩者（數(shù)據(jù)可視化和動態(tài)圖形）結(jié)合的美妙之處?！苡腥ぃ趾車?yán)肅，這些因素它都有了。它有一些娛樂性在，視覺的體驗(yàn)又這么強(qiáng)烈。”另外也有評論者說：“在我眼中，這就是網(wǎng)頁和印刷品的區(qū)別，你可以講一個故事，你能用文字、音樂或靜默，能用動作或任何音效。在印刷品上的東西看起來過于緊縮，甚至有些復(fù)雜；但是在網(wǎng)頁上，就有了生命力，你可以引導(dǎo)人們理解各個步驟。展示事情的發(fā)展、評論它、談?wù)撍@對我們來說是個啟示，同時也意味著巨大的工作量⑶”。

比如該校團(tuán)隊制作的一則名為“能源吸血鬼（Vampire Energy）”的可視化短片，把日常生活的家用電器比喻作能源吸血鬼，提倡人們過低能耗的環(huán)保生活。動態(tài)的圖形顯示了我們?nèi)粘＜矣秒娖髂茉聪牡谋壤热?公斤洗衣機(jī)的每小時能耗為消耗20美分，而吸塵器一小時耗電量為17美分等。而這些都通過講故事的形式，把能源消耗和吸血鬼的形象結(jié)合起來，既生動又直觀。

5大數(shù)據(jù)新聞的核心價值：從數(shù)據(jù)庫到“數(shù)據(jù)閉環(huán)”
（一）搭建高品質(zhì)數(shù)據(jù)庫

大數(shù)據(jù)新聞是數(shù)據(jù)驅(qū)動型新聞，因此，必須要有專業(yè)的結(jié)構(gòu)化數(shù)據(jù)庫做支撐，才能保證新聞報道的客觀性和真實(shí)性。數(shù)據(jù)庫的來源可以是多種渠道：一是公共數(shù)據(jù)，主要是來自政府網(wǎng)站或工作報告、企業(yè)網(wǎng)站、科研機(jī)構(gòu)和專業(yè)調(diào)研機(jī)構(gòu)的公開數(shù)據(jù)等權(quán)威渠道；二是媒體資料數(shù)據(jù)庫，主要是媒體自身在長期的新聞報道中積累起來的新聞報道素材和數(shù)據(jù)等信息；三是受眾的個性化數(shù)據(jù)，主要來自社交媒體和移動媒體，包括用戶發(fā)布的內(nèi)容及其所屬類別、個性標(biāo)簽、社交關(guān)系、社交行為、加入的朋友圈和地理信息等等，這些都是個性化的多維數(shù)據(jù)，能夠深入到以前新聞報道所無法抵達(dá)的行為分析、情感分析、心理分析和社會分析的深層。在未來，隨著可穿戴設(shè)備和物聯(lián)網(wǎng)的發(fā)展，可以隨時捕捉的傳感數(shù)據(jù)，這將對數(shù)據(jù)分析和應(yīng)用提出更高挑戰(zhàn)?；谶@些渠道來源，可以建立高品質(zhì)、結(jié)構(gòu)化的專業(yè)數(shù)據(jù)庫，為大數(shù)據(jù)新聞報道打下良好的基礎(chǔ)。

以上提到的數(shù)據(jù)庫分類中，知名的有官方數(shù)據(jù)門戶 data.gov（美國）和data.gov.uk（英國）等，受美國及英國政府啟發(fā)，越來越多的國家都開設(shè)了數(shù)據(jù)門戶網(wǎng)站，鼓勵公眾對政府?dāng)?shù)據(jù)的再利用。在這些官方的數(shù)據(jù)網(wǎng)站上，公眾可以找到權(quán)威的、實(shí)時更新的最新索引信息。

除了官方數(shù)據(jù)庫，還有一些社區(qū)或?qū)ｉT機(jī)構(gòu)開設(shè)的開源數(shù)據(jù)網(wǎng)站或數(shù)據(jù)軟件網(wǎng)站，比如The Data Hub就是一個由開放知識基金會運(yùn)作的社區(qū)推動型(community-driven)數(shù)據(jù)資源網(wǎng)站。再比如在線工具ScraperWiki，其目的是“簡化有用數(shù)據(jù)的提取，使這些數(shù)據(jù)便于應(yīng)用到其他應(yīng)用程序，或者提供給記者和研究人員”。這些數(shù)據(jù)提取網(wǎng)站及其數(shù)據(jù)庫大多數(shù)情況下都是公開的，可以重復(fù)使用。 再比如世界銀行和聯(lián)合國數(shù)據(jù)門戶網(wǎng)站，可以為所有國家提供多年積累的高水平的指標(biāo)參數(shù)。⑷

此外，互聯(lián)網(wǎng)上還有很多公開的數(shù)據(jù)源或者是數(shù)據(jù)博客，可以供記者或者是愛好者們查詢和下載數(shù)據(jù)。比如《紐約時報》數(shù)據(jù)圖表編輯Kevin Quealy創(chuàng)辦的記錄型博客“Charts‘n’Things”，收錄了紐約時報大部分?jǐn)?shù)據(jù)新聞的制作過程。一方面可以將之作為一個不完整的《紐約時報》新聞數(shù)據(jù)庫，另一方面也可以參考紐約時報的數(shù)據(jù)新聞編輯們面對龐大的數(shù)據(jù)是如何構(gòu)思、如何篩選和如何進(jìn)行數(shù)據(jù)可視化處理的。包括一些有價值的概念也可以在這里找到。“Charts‘n’Things”是最有價值的數(shù)據(jù)新聞博客之一。

再比如荷蘭阿姆斯特丹大學(xué)教授、數(shù)據(jù)可視化工程師、多媒體記者Bas Broekhuizen建立的Interactive-Inforgraphics博客，通過分享互動可視化圖表的理念、制作、理論在業(yè)界建立了一定的權(quán)威。Interactive-Inforgraphics最大的特點(diǎn)是不僅有工具、技術(shù)的分享，同時也有可視化的理論和新鮮理念的交流。Bas Broekhuizen認(rèn)為數(shù)據(jù)可視化是一個技術(shù)加藝術(shù)的實(shí)踐，但最終是要服務(wù)于功能性的工具。清晰地展示數(shù)據(jù)背后的故事是每個可視化最基本也是最高的要求。因此無論是學(xué)者、工具開發(fā)者還是數(shù)據(jù)新聞編輯，都可以在這里找到有用的素材。 (5)

（二）提高記者的數(shù)據(jù)素養(yǎng)

作為大數(shù)據(jù)新聞記者，一定要有高超的數(shù)據(jù)素養(yǎng)，具備敏銳的數(shù)據(jù)感覺和分析能力，在海量的數(shù)據(jù)庫信息中，能夠分辨出有價值的數(shù)據(jù)，挖掘背后的故事，擬成有價值的新聞選題，在此基礎(chǔ)上，如果能夠基于數(shù)據(jù)庫和數(shù)據(jù)分析建立一個數(shù)據(jù)模型，就能夠?qū)ν惖男畔⑦M(jìn)行監(jiān)測，從而寫出預(yù)測性的新聞報道，進(jìn)一步提升新聞的價值。比如在2014年的英國大選中，《衛(wèi)報》“數(shù)據(jù)博客”的記者西蒙·羅杰斯（Simon Rogers）就通過對推特（twitter）上用戶發(fā)表的內(nèi)容和評論進(jìn)行實(shí)時數(shù)據(jù)監(jiān)測，把保守黨、工黨、綠黨等五大政黨在不同地區(qū)的政選活動熱度變化制成了動態(tài)圖，用來觀測哪些是投票活動和關(guān)注的熱門區(qū)域。五個黨派分別用不同顏色的閃光點(diǎn)表示，當(dāng)視頻點(diǎn)擊播放時，光點(diǎn)閃爍的越璀璨奪目，說明在這個地區(qū)的該政黨得到的投票和關(guān)注越多。

（三）營造“數(shù)據(jù)閉環(huán)”驅(qū)動數(shù)據(jù)創(chuàng)新

在這個數(shù)據(jù)就是生產(chǎn)資料的時代，如何對數(shù)據(jù)進(jìn)行循環(huán)利用也是數(shù)據(jù)挖掘與分析的一個重要議題?！皵?shù)據(jù)閉環(huán)”指的是從數(shù)據(jù)的生成、采集、聚合、集成到數(shù)據(jù)挖掘和分析的過程中，由各種數(shù)據(jù)來源、數(shù)據(jù)采集方式、數(shù)據(jù)庫、數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)模型和數(shù)據(jù)產(chǎn)品組成的一個環(huán)狀數(shù)據(jù)運(yùn)營體系。除了建設(shè)專業(yè)數(shù)據(jù)庫和提高記者的數(shù)據(jù)素養(yǎng)，媒體本身乃至整個業(yè)界都應(yīng)該具有利用數(shù)據(jù)、培養(yǎng)數(shù)據(jù)的意識，形成一個可持續(xù)運(yùn)營的循環(huán)體系，這樣才能促進(jìn)數(shù)據(jù)創(chuàng)新，催生更多佳作。大數(shù)據(jù)新聞的核心價值在于數(shù)據(jù)，而數(shù)據(jù)價值的挖掘不僅僅局限于一次性的價值挖掘，也可以是基于對數(shù)據(jù)的循環(huán)利用。數(shù)據(jù)庫本身需要不斷更新和完善，數(shù)據(jù)挖掘也是。因此，如果能夠建立一個可再生的數(shù)據(jù)循環(huán)體系，采集數(shù)據(jù)、運(yùn)營數(shù)據(jù)、創(chuàng)造數(shù)據(jù)產(chǎn)品和模型，然后再反過來，基于數(shù)據(jù)模型培養(yǎng)新的數(shù)據(jù)，同時完善舊的數(shù)據(jù)，以數(shù)據(jù)“養(yǎng)”數(shù)據(jù)，打造數(shù)據(jù)新聞循環(huán)生產(chǎn)體系，同時也會形成數(shù)據(jù)自然生長和循環(huán)利用的密閉型生態(tài)系統(tǒng)，使數(shù)據(jù)閉環(huán)“轉(zhuǎn)起來”。這種基于生物邏輯的數(shù)據(jù)循環(huán)和生產(chǎn)方式，會賦予大數(shù)據(jù)新聞持續(xù)的創(chuàng)新動力，從數(shù)據(jù)決策到數(shù)據(jù)挖掘皆是如此。

比如AVOS公司基于用戶行為數(shù)據(jù)分析推出的個性化新聞類閱讀產(chǎn)品“美味愛讀（ReadWise）”，就是基于對用戶閱讀數(shù)據(jù)和反饋信息的循環(huán)利用。AVOS的目標(biāo)是解決互聯(lián)網(wǎng)信息碎片化、發(fā)現(xiàn)有效信息成本增加的問題。Delicious是AVOS最核心的產(chǎn)品之一，幫助用戶通過書簽服務(wù)來梳理、檢索自己在互聯(lián)網(wǎng)中的所得。AVOS中國團(tuán)隊的工程師在分析書簽數(shù)據(jù)時發(fā)現(xiàn)，用戶在閱讀器的書簽內(nèi)留存并查閱知識、新聞和數(shù)據(jù)是最典型的使用場景，其中，新聞?wù)剂撕艽笠徊糠直壤?。消費(fèi)者感興趣的是一些特定的話題，但為了能看到感興趣的內(nèi)容，要自己從各個頻道進(jìn)行篩選。所以美味愛讀會跟蹤文章在互聯(lián)網(wǎng)上的傳播情況，把引用數(shù)作為判斷文章價值的重要標(biāo)準(zhǔn)之一。同時發(fā)布時間和文章受評論的狀況也會影響它在閱讀器里的排序。在此基礎(chǔ)上，美味愛讀又增加了“焚毀”和“評論”兩個功能?！胺贇А本褪亲層脩羧コ约翰幌矚g的內(nèi)容，系統(tǒng)通過收集這些用戶反饋，可以做出更加個性化的推薦。⑹長久以往，就形成了一個自動化運(yùn)營的數(shù)據(jù)新聞“閉環(huán)”系統(tǒng)，完善個性化推薦的內(nèi)容