下载掌阅APP，畅读海量书库
立即打开
埃弗雷特·罗杰斯（Everett Rogers）认为，当一个观点、方法或物体被某个人或团体认为是“新”的时候，它就是一项创新。创新的定义和它是否为客观上的新、是否为第一次使用等关系不大；个体对它的反应决定它是否属于创新，如果人们认为它是新颖的，它就是创新。
数据新闻是一种“破坏性创新”（disruptive innovation），但到底“新”在哪里？笔者对比传统新闻和计算机辅助报道，从认识现实、探索现实、建构现实、表达现实上的“新”来探讨。
“数据新闻的重要意义在于公共数据是它的来源与核心。”
清华大学教授沈浩认为，数据新闻让新闻的定义发生了变化，由“新近发生的事实的报道”转为“新近发现的事实的报道”。从“发生”到“发现”暗含新闻报道客体的扩展。美国加利福尼亚大学教授列夫·曼诺维奇（Lev Manovich）认为，数据库为人们提供了一种新的组织结构来构建人们对自我与世界的体验。由于以往的新闻生产往往将数据置于较为边缘的位置，并未意识到开放数据的价值，因而对开放数据的再利用极为有限，尤其是大规模、海量数据并不在记者的工作对象之中。
人民日报社“中央厨房”负责人叶蓁蓁认为，在虚拟和现实深度融合的当下，越来越多的新闻发生在数据世界里，需要挖掘这些“看不见的新闻现场”
。
数据新闻诞生之初，业界曾有“数据是新闻吗”（Is data journalism？）“发布一个原始数据库是新闻吗”（Is it journalism to publish a raw database？）的争论。阿德里安·哈罗瓦2009年5月21日在博客上回应：谁在乎数据是不是新闻？我希望我的竞争对手尽可能浪费时间争论这个问题。
《得克萨斯论坛报》（
Texas Tribune
）的马特·斯蒂尔斯（Matt Stiles）和宁朗·巴巴洛拉（Niran Babalola）在阐述该报运营理念的博文中认为，发布数据就是新闻（Publishing data is news.）。
2015年5月，阿根廷《国家报》（
La Nación
）与三个非政府组织合作开发了一款基于Web的官员财产可视化应用Declaraciones Juradas Abiertas，让公众直观、便利地查询到官员的个人财产信息，“这些信息不仅是冷冰冰的数字，还有方便理解的信息图”
。还有的媒体自行搜集数据，建立数据库，为公众提供更具针对性的信息服务。
“与照片捕捉了瞬间的情景一样，数据是现实世界的一个快照。”
当人类进入大数据时代，数据的本体地位得到了张扬。数据从描述事物的符号变成了世界万物的本质属性之一。
数据是表征现实的一种方式，如果将数据进行历时或关联分析，就可以从中发现深刻的洞见；基于数据的分析，还可揭示某些掩盖的真相。
财新《从调控到刺激：楼市十年轮回》回顾了2005年以来国家对楼市政策调控的效果。该作品用动态交互图展示了全国70个城市10年间逐月的房价变化。通过各地房价环比涨幅的比较，明显看出政策对房价的作用是有效的，十年间市场共遇上三次调整，每次下调都有相应刺激政策出台。对比之前两次调整，2014年整体房价下调后，刺激政策在大部分城市都收效甚慢。
2014年《华尔街日报》推出的数据新闻系列报道《医保解密》（Medicare Unmasked）利用920万条美国医疗索赔数据揭露了总额6 000亿美元的老年人和残疾人项目的运作情况。其他媒体根据这些数据又进一步发掘了新的医疗欺诈和滥用行为。
“维基解密”（Wikileaks）创始人朱利安·阿桑奇（Julian Assange）相信“新闻业应该更像科学”，“尽可能让事实应该能被证实，如果记者想长期获得专业上的公信力，他们必须沿着这个方向走——对读者更敬重。”
记者常用的求真方法，如采访、搜集资料，运用归纳、演绎、推理等思维方式获得对某个现象、问题、事件的认知、判断与解释，是定性的。《亚特兰大商业纪事报》执行总编玛格丽特·弗雷尼（Margaret Freaney）认为：过去业界把新闻报道称为“坊间”新闻，如果记者发现三个例子，就可以简单总结为一种“趋势”。实际上这个报道没有任何说服力，记者说的都是特例。现在如果记者进行系统研究，用数字支持推测，那就非常可信了。
英国卡迪夫大学（Cardiff University）新闻学教授理查德·萨姆布鲁克（Richard Sambrook）认为：“在怀疑主义盛行的时代，人们更愿意相信通过数据收集和分析发现的新闻，更愿意阅读通过数据呈现的新闻事实。”
数据新闻将数据科学作为求真的方法，与其他新闻类型划清了界限。或许会有人质疑：计算机辅助报道难道不是运用数据科学作为求真的方法吗？实际上传统意义上的计算机辅助报道运用的是统计学方法。虽然统计学的对象也是数据，但统计学和数据科学还是有差异的。
现代统计学是从处理小数据、不完美的实验等这类现实问题发展起来的，数据科学则是因处理大数据这类问题而兴起的。从数据对象看，统计学中的数据是结构型数据，数据科学的数据既包括传统的结构型数据，也包括文本、图像、视频、音频、网络日志等非结构型和半结构型数据。
所以数据科学的理论基础是统计学，数据科学可以看作统计学在研究范围（对象）和分析方法上不断扩展的结果，特别是数据导向的、基于算法的数据分析方法越来越受到重视。
如538网站负责人纳特·西尔弗（Nate Sliver）通过建立统计模型对新闻事件进行预测。2008年美国大选纳特·西尔弗预测对了50个州选举结果中的49个；2012年美国大选，50个州全部预测准确。美国BuzzFeed网站与BBC合作利用算法对2009—2015年的26 000场国际职业网球联合会（Association of Tennis Professionals，ATP）赛与大满贯顶级男子网球赛进行分析，得出了涉嫌打假球的场次和球员名单。所以数据新闻的方法论已不仅限于统计学，而是数据科学。
数据新闻的叙事多属复杂叙事，是对用文本或表格形式不易感知的复杂关系的处理和呈现
，它从新闻事件出发，通过运用数据方法把新闻“做宽（广度）、做深（深度）、做厚（时间）”
。
“一个事件具有新闻价值并不仅仅因为事件本身，还因为我们能用已有的叙述符码对其进行叙述。”
语言在叙事上的自由度是有限的，图像则具有多义性，需要借助语言（如文字或有声语言）来“锚定”特定的意义。更为重要的是，以语言为主的叙事方式往往按照时间或因果的线性逻辑展开，无法包容更多的叙事线索和维度。
数据新闻具备复杂叙事的“叙述符码”，数据新闻可视化表征系统决定了它擅于复杂叙事：数据新闻的语言是多模态的、编码方式是视觉化的、涵盖的层面是高维的。在叙事语法上，数据新闻突破了传统树形二维叙事结构的局限，形成了立体的叙事法则。
传统新闻从业者认为读者对长故事不太感兴趣，记者在讲故事时力求简短，新闻中大篇幅的描述或解释段落有时会从报道中删除，复杂议题常不被触及。
对于新闻报道而言，宏观叙事与微观叙事的兼顾将使报道显得更加真实、客观、生动，但传统新闻报道在实际操作中很难兼顾这两个方面。
西方新闻报道中有“华尔街日报体”，它被视为宏观叙事与微观叙事结合的典范。这种写作方法的要求是从某一具体的事例（人物、场景或细节）写起，经过过渡段落，进入新闻主体部分，之后又回到开头的事例中，从叙事的层次看是“微观层面—宏观层面—微观层面”，兼具人情味、故事性，多用于特稿写作中。但“华尔街日报体”的微观叙事其实是讲一个微观个案的故事，它的本质是增强报道的趣味性，通过“以小见大”和移情的方式让受众深刻地理解报道内容。数据新闻将宏观叙事与微观叙事的结合走得更远，它的微观叙事不是投射到某个个案，而是通过互动和个人化的方式为受众提供有针对性的个性化叙事内容。例如，《华盛顿邮报》获普利策新闻奖的作品《今年被警察射杀的人》（People Shot Dead By Police This Year），既有从宏观层面对美国2015年被警察枪击身亡事件的总体叙述，也有从中观层面对各州发生类似事件的概率的统计（见图2—6）。更为重要的是，受众可以针对自己感兴趣的内容进行信息筛选，点击所在州、性别、种族、年龄、携带武器类型、是否患有精神疾病、危险等级等的选项，查看图表、案件简介、报道文字、视频等（见图2—7）。
图2-6 今年被警察射杀的人（1）
资料来源：https：//www.washingtonpost.com/graphics/national/police-shootings/.
图2-7 今年被警察射杀的人（2）
资料来源：https：//www.washingtonpost.com/graphics/national/police-shootings/.
传统新闻报道让受众对信息的获取是均质化的，如果在内容选择上兼顾不同的受众，往往使内容出现两种极端：“大而空”和“小而窄”。“大而空”是指覆盖面大，针对性的信息少；“小而窄”是指信息针对特定人群导致传播面窄。米歇尔·舒德森（Micheal Schudson）认为，现代新闻常给人一种“标准化”的感觉：“报道应不分男女老少、人种和性别偏好。”
数据新闻由于在宏观叙事与微观叙事层面的灵活转换，让新闻内容由标准化转向个性化。由于大规模数据集不能被传统新闻叙事形式有效呈现，新闻生产需要用交互、具有视觉吸引力的清晰、简洁的叙事手段进行补充。
数据新闻则利用新媒体平台和数据库技术呈现多层次信息，从而兼顾更广泛受众群体的传播面与针对性。
数据新闻的最终产品形态是一套视觉符号系统，相比传统新闻以语言为主的叙事方式，它在语法、形态和表现方式上发生了根本性的“图像转向”（pictorial turn）
：在对时间、空间等抽象信息的表达上，图表通过具象的元素和逻辑的秩序来表现内容
；数据间错综复杂的关系、规律，以及由数据“阐释”的世界，借助数据可视化被“表征”出来，满足了人们的视觉快感（visual pleasure）。
视觉快感来源于两个方面：一个是“看”的乐趣，另一个是“入迷”。“看”是人的主动行为，观看对象是能满足人们视觉欲望、带来快感的客体。
数据可视化将难以可视化之物或者不易被理解的复杂问题，通过化繁为简的直观方式，满足了人们理解信息的需要，通过“看”带来的是知识获得的乐趣。数据可视化本身蕴含美感，无论简单的静态图还是复杂的交互图，其设计都遵循一定的审美原则，愉悦受众的眼睛。此外，数据可视化以一种直观、明了、生动的方式拓展着以往新闻报道无法触及的维度。在数据新闻出现以前，新闻多数只能以文本、图片、影像等形式展现，在篇幅、时长既定的条件下，文本整合的信息量是有限的，通常一篇新闻并不能将一个事件的完整信息全部展现出来。数据新闻则突破了这一缺陷，它利用数据可视化将更多的事件信息整合到较小的新闻篇幅中，给受众呈现的是更完整的事件信息。
例如财新的《周永康的人与财》，如果用文字对其中人物间的关系进行叙述，最终将导致受众接收信息发生超载现象，而借由数据可视化，只需一张图即可看懂里面人物间错综复杂的关系。
“入迷”则是让受众沉浸其中。数据可视化虽然会凸显创作者的一些意图和信息，但也允许受众自己进行探索。从接受理论看，受众本身也是一个创作者，尤其凭借对交互手段的运用，受众可以探索自己感兴趣的内容，获得基于人机互动的个性化体验。这与传统新闻让受众被动地接收、制造一种“拟人际传播”的情境有着明显的不同：受众是积极的，而非被动的。这种“入迷”快感的满足，让新闻报道告别了“速读式”的浅尝辄止，增加了新闻阅读的沉浸度和乐趣。
所以，数据可视化拓展了新闻报道的叙事空间，增强了新闻叙事的自由度。“现在我们或许无须再畏惧新闻的多面化和复杂性，相反，我们要大胆拥抱复杂性。”