數(shù)據(jù)是科學(xué)，也是藝術(shù)。數(shù)據(jù)使用合適與否，對于建立新聞?wù){(diào)查邏輯、推導(dǎo)結(jié)論、傳達(dá)準(zhǔn)確可感的內(nèi)容十分重要，也直接影響受眾的觀感和認(rèn)知。對此，數(shù)據(jù)猿選取資深記者和專家的新聞數(shù)據(jù)使用經(jīng)驗(yàn)，告訴你可視化地圖、數(shù)據(jù)新聞、普通新聞以及完整流程中里存在的數(shù)據(jù)陷阱、怎么選用數(shù)據(jù)才能又保險(xiǎn)又合適。

1.可視化地圖數(shù)據(jù)要領(lǐng)：完善樣本和邏輯，增強(qiáng)說服力

早戀雖美好卻易逝——果真如此嗎?社交網(wǎng)站Facebook的數(shù)據(jù)科學(xué)小組分析了本網(wǎng)用戶信息，想知道學(xué)校對擇偶的影響。他們的作品“From Classmates to Soulmates”得出結(jié)論：已婚人群中，有15%是和中學(xué)校友結(jié)為伴侶;而已婚的大學(xué)畢業(yè)生中，約28%是和大學(xué)校友喜結(jié)連理。

上圖是與中學(xué)校友結(jié)婚的比率，紅點(diǎn)表示高比率，藍(lán)點(diǎn)則相反。城市地區(qū)往往藍(lán)點(diǎn)較多，鄉(xiāng)村等偏僻地區(qū)則紅點(diǎn)較多。

這個(gè)數(shù)據(jù)分析看似簡單，卻有許多問題：如果兩人雖是校友，卻并非在學(xué)校遇到，便不能證明是學(xué)校牽線搭橋;如果兩人不僅上同一個(gè)中學(xué)，也上了同一個(gè)大學(xué)，哪一段相處促成了戀愛，也無法統(tǒng)計(jì)。另外，如何選擇樣本、避免系統(tǒng)誤差，也是個(gè)問題。

針對以上問題，F(xiàn)acebook的分析員采取了如下預(yù)設(shè)條件：

1) 如果兩人上同一所學(xué)校的時(shí)間差在4年以內(nèi)，就算作學(xué)校促成了這段姻緣;學(xué)校的“做媒成功率”是s/n，s是Facebook上某校畢業(yè)生與其配偶同校的人數(shù)，n是該校已婚畢業(yè)生的配偶也提供了學(xué)校信息的人數(shù);

2) 如果兩人同上過不止一所學(xué)校，只計(jì)算最早同校的那一所;

3) 只計(jì)算年齡在24歲以上、已婚并提供完整信息的用戶數(shù)據(jù);

4) 只選擇(在Facebook上登記的)有1000個(gè)以上已婚校友的學(xué)校;

5) 女性用戶和男性用戶數(shù)據(jù)分開統(tǒng)計(jì)，因此兩邊數(shù)據(jù)是不對等的，分析時(shí)也分開觀察。

數(shù)據(jù)分析的量度也很重要。Facebook分析員選擇了如下三個(gè)因素作為變量，探究學(xué)校的“做媒成功率”與這些因素的關(guān)系：

1) 學(xué)校大小;

2) 學(xué)校的宗教傾向：以-1代表完全非宗教，1代表完全宗教化;

3) 學(xué)校的政治傾向：以-2代表非常自由，2代表非常保守。

在這些前提下，一些有趣的發(fā)現(xiàn)包括：

1) “做媒成功率”較高的學(xué)校大部分是宗教化的學(xué)校;

2) 女性嫁給同校男生比率最高的學(xué)校是印第安納州的羅斯-豪曼理工學(xué)院(Rose-Hulman Institute of Technology)，比例達(dá)70.4%;

3) 男性娶同校女生比率最高的學(xué)校是愛荷華州的一所高中，虔誠浸會(huì)圣經(jīng)學(xué)院和神學(xué)院(Faith Baptist Bible College and Theological Seminary)，比例達(dá)66.8%;

4) 男生比例高的學(xué)校，“做媒成功率”高;女生比例高的學(xué)校則相反。

這個(gè)案例中，數(shù)據(jù)不是通過針對性問卷獲取，因此總有不足，F(xiàn)acebook調(diào)查小組也列舉出一些缺陷，比如無法確定兩人是在學(xué)校里才開始戀愛(也可能是之前或之后)，所以上述統(tǒng)計(jì)是十分初步的;又比如兩人雖然上同一個(gè)學(xué)校，卻以不同拼寫標(biāo)示學(xué)校名稱，統(tǒng)計(jì)中就會(huì)顯示學(xué)校不吻合，有漏記風(fēng)險(xiǎn);再者，數(shù)據(jù)只包括在Facebook上登記了完整信息的已婚用戶，本身就是一個(gè)有缺漏的樣本。

上圖是每個(gè)大學(xué)的情況，圓圈代表大學(xué)，紅色表示同校結(jié)婚者比例高，藍(lán)色表示比例低;細(xì)線則連接了有較高比率“婚姻關(guān)系”的兩個(gè)大學(xué)。(順便推薦一個(gè)免費(fèi)開源軟件Gephi，這幅圖就是用它制作的。)

2.數(shù)據(jù)新聞要領(lǐng)：四大錯(cuò)誤要避免

1) 上下文比例系數(shù)不能缺

沒有語境的數(shù)字是沒有意義的。缺乏背景信息的問題在有關(guān)財(cái)政支出的新聞中尤其明顯，其它類型的報(bào)道中這種錯(cuò)誤也經(jīng)常蹦出來。

舉個(gè)例子：

“納稅人花費(fèi)十億美元為非法移民兒童買單”、“福利津貼花掉64億英鎊”——這些天文數(shù)字組成的標(biāo)題聽上去讓人憤慨不已。但事實(shí)是，公共支出數(shù)據(jù)常常都是天文數(shù)字，把數(shù)據(jù)放到上下文里看，分解到每個(gè)人頭上，你會(huì)發(fā)現(xiàn)這些數(shù)字可能是完全合理的。

這個(gè)故事告訴我們?比例系數(shù)通常比絕對數(shù)值更有內(nèi)涵。但比例系數(shù)也并不總是最正確的呈現(xiàn)方式。從你的數(shù)據(jù)出發(fā)，想想有什么辦法能夠最忠實(shí)的呈現(xiàn)它。

衛(wèi)報(bào)(The Guardian)數(shù)據(jù)新聞?dòng)浾逬ames Ball建議所有數(shù)據(jù)新聞?dòng)浾邊R總一些基本的數(shù)字，既避免犯初級錯(cuò)誤，也更容易一眼看出數(shù)據(jù)和結(jié)論是否合理，比如全國處于工作年齡段的人有多少、平均工資、就業(yè)率等。這不失為一種辦法。

2) 相關(guān)性和因果關(guān)系要分開

只要你懂哪怕一點(diǎn)點(diǎn)統(tǒng)計(jì)學(xué)，你應(yīng)該知道，相關(guān)性和因果關(guān)系是兩個(gè)截然不同的東西。

然而，這一點(diǎn)卻總是被新聞編輯室的人忽略。不要僅僅因?yàn)閯偤糜袃蓚€(gè)變量呈現(xiàn)相關(guān)性，就以為你有了條獨(dú)家新聞。這種相關(guān)性完全有可能是其它一些潛在變量引起的，又或者，純屬巧合。

比如下圖：

IE瀏覽器的市場份額 VS 美國謀殺率數(shù)據(jù)(圖片來自Gizmodo)

這張圖中IE瀏覽器的市場份額與美國謀殺率的關(guān)系是我最愛的例子之一-它們倆的超高相關(guān)性是不是看上去容易讓人迷惑?想了解更多具有欺騙性的相關(guān)性，可以上這個(gè)名叫“偽相關(guān)”(Spurious Correlations)的網(wǎng)站看看(別怪我害你在那兒流連忘返浪費(fèi)了一整個(gè)下午!)

3) 用最合適的方式呈現(xiàn)數(shù)據(jù)可視化

這個(gè)問題值得專門寫一篇文章，甚至好幾篇文章，不過這里我只能點(diǎn)到為止。

好不容易，你做完了數(shù)據(jù)分析，挖出了一條大新聞，但一個(gè)差勁的視覺化呈現(xiàn)就能讓你前功盡棄。糟糕的可視化可能會(huì)讓讀者產(chǎn)生疑問，甚至可能誤導(dǎo)他們。比如，請不要這樣……

(圖片來自Business Insider)

不要用線形圖表 (line chart) 表現(xiàn)離散數(shù)據(jù)，更不要去嘗試那些看上去炫酷的3D餅狀圖，有可能你還在參與那場關(guān)于到底能否截短Y軸的永恒辯論。

數(shù)據(jù)可視化是藝術(shù)，更是科學(xué)。這里有一些好的指導(dǎo)書和網(wǎng)站，教你如何避免這些可視化中的潛在陷阱：

The Functional Art, by Alberto Cairo

Data visualization-Principles and Practice, by Alexandru Telea

VisualisingData.com

4) 注重文字?jǐn)⑹?/p>

在我看來，這是最重要的一點(diǎn)：

數(shù)據(jù)新聞給了我們以量化方式探索某個(gè)話題的力量，但它仍是新聞的一種，也就是說，它的本質(zhì)還是storytelling(講故事)。如果你只是扔出一堆隨機(jī)數(shù)字，那你并沒有做好這項(xiàng)工作。數(shù)據(jù)及其呈現(xiàn)只是一個(gè)開端，你要引導(dǎo)你的讀者，講完這個(gè)故事。你要讓他們理解為什么那些數(shù)字如此重要，它們代表了什么。正如數(shù)據(jù)記者Tanveer Ali在《哥倫比亞新聞評論》(Columbia Journalism Review)中所說：

“數(shù)據(jù)是講故事的一種方式，而非故事本身。”

3.新聞數(shù)字使用要領(lǐng)：選取合適類型，認(rèn)準(zhǔn)權(quán)威來源

在新聞中使用數(shù)字、采用可視化形式呈現(xiàn)新聞，已經(jīng)成為新聞報(bào)道的普遍做法，看似簡單，其實(shí)背后技巧多多。

如何在海量數(shù)據(jù)中抽取數(shù)據(jù)寫進(jìn)故事?相信這是每一個(gè)記者都曾經(jīng)歷或仍在苦惱的問題。伊利諾伊大學(xué)厄巴納香檳分校教授、全球深度報(bào)道網(wǎng)董事會(huì)主席Brant Houston，擁有豐富調(diào)查報(bào)道實(shí)踐和培訓(xùn)經(jīng)驗(yàn)， 總結(jié)出了幾種新聞?dòng)浾哌m合使用的數(shù)據(jù)類型，并強(qiáng)調(diào)最重要的前提：清楚新聞故事中使用的數(shù)據(jù)是為了解決什么問題，我們才能決定能采取什么樣的算法;復(fù)雜或者含混的數(shù)據(jù)時(shí)常出現(xiàn)，我們有時(shí)需要驗(yàn)證算法，或者自己動(dòng)手算出新數(shù)據(jù)。

推薦使用的數(shù)據(jù)類型：

在描述一個(gè)地區(qū)的人口收入或者住房情況時(shí)，以中位數(shù)取代平均數(shù)。中位數(shù)是按大小排列時(shí)最中間的數(shù)字，比平均數(shù)更有代表性，更易讓讀者理解和推測具體情況，并有助于避免收入差距懸殊且低收入人數(shù)較多時(shí)，使用平均數(shù)會(huì)拉高收入水平這一陷阱;

使用眾數(shù)反應(yīng)頻率和集中情況。例如，一共有15個(gè)人，兩人收入500萬，兩人收入5萬，剩下的收入10萬，10萬是眾數(shù)，能說明所在團(tuán)體大多數(shù)人的收入水平;

使用比例和比率。采用單位平均數(shù)據(jù)，要點(diǎn)就更清楚了。比例適用于突出不同主體之間的差別;

特別關(guān)注比率(百分比)變化。假設(shè)一個(gè)人今年的收入是4萬美元，下一年收入為2萬美元，前后差了2000美元，從百分比來看，收入變動(dòng)了5%，或者說漲了5%。兩組相關(guān)數(shù)據(jù)的百分比變化中就有新聞可挖。譬如，公司的預(yù)算上調(diào)了30%，而所購買物品的價(jià)格僅上漲了2%，那么背后原因是什么?如果有物品選擇、預(yù)算決策的信息，說不定就能找到貓膩，寫成新聞;

計(jì)算百分比變化時(shí)，我們應(yīng)關(guān)注最顯著的變化，舍棄輕微變動(dòng)。

選好了數(shù)據(jù)，呈現(xiàn)數(shù)據(jù)也同樣重要，用圖表展示比文本列舉更直觀形象。Houston推薦了表格、線形圖、餅圖、柱狀圖，都能讓讀者清晰閱覽數(shù)據(jù)，一看即懂。

同時(shí)，他還推薦了幾個(gè)易于下載表格數(shù)據(jù)的權(quán)威網(wǎng)站：世界衛(wèi)生組織的Observatory Data(GHO)、世界銀行的數(shù)據(jù)庫、聯(lián)合國網(wǎng)站(能鏈接到很多重要統(tǒng)計(jì)網(wǎng)站或頁面)。

數(shù)據(jù)到手后，需確定要檢索的數(shù)據(jù)目錄，掌握基本的分類，同時(shí)確定篩選的標(biāo)準(zhǔn)，要見到樹林而非樹木——從數(shù)據(jù)看概況而不是局限在小范圍。

4. 完整數(shù)據(jù)處理流程參考：清楚數(shù)據(jù)含義，備份、記錄、驗(yàn)證一步都不能少

調(diào)查記者與編輯協(xié)會(huì)(Investigative Reporters and Editors，IRE)的執(zhí)行總監(jiān)Mark Horvit及培訓(xùn)主管Megan Luther逐步分析了數(shù)據(jù)可視化當(dāng)中最通用的數(shù)據(jù)使用法則，不少都可以遷移到數(shù)據(jù)處理的完整流程上來。

關(guān)于使用數(shù)據(jù)，選定時(shí)間范圍非常重要，至少有3年左右的數(shù)據(jù)對比會(huì)更具可信度。

用時(shí)間軸展示數(shù)據(jù)，更容易被讀者理解;要想更快更準(zhǔn)地選數(shù)據(jù) ，就得明白數(shù)據(jù)庫數(shù)據(jù)的計(jì)算方法。

選取數(shù)據(jù)后，你還需要在數(shù)據(jù)分析之前做幾件事：先把數(shù)據(jù)備份，算算關(guān)鍵數(shù)據(jù)來驗(yàn)證它們是否有效、合理，搞清楚每一行每一列的數(shù)據(jù)分別代表什么。這里有兩點(diǎn)非常重要，一是看看有沒有缺失的數(shù)據(jù)，并了解每一行數(shù)據(jù)的意義，這樣就能加快數(shù)據(jù)分析;二是清楚所選數(shù)據(jù)應(yīng)該一共有多少行多少列，有些國家可能會(huì)隱藏部分?jǐn)?shù)據(jù)，因此在使用之前一定要確認(rèn)，以免作品中出現(xiàn)離奇數(shù)據(jù)，無法自圓其說——換句話說，你要確保數(shù)據(jù)是連貫的、計(jì)算的數(shù)字項(xiàng)是前后一致的。除此之外，也不要做數(shù)據(jù)假設(shè)。

數(shù)據(jù)分析完成后，最好記錄下工作流程和得出的結(jié)果，不要只存儲數(shù)據(jù)透視表(pivot tables)就草草了事。要把發(fā)現(xiàn)寫下來，建立備忘錄，并準(zhǔn)備好接下來要做的事件清單，或?yàn)閿z影師和網(wǎng)站等單獨(dú)建立工作清單。同時(shí)，應(yīng)對照IT或數(shù)據(jù)講座、培訓(xùn)分享的內(nèi)容來確認(rèn)自己做的對不對。提前考慮怎么呈現(xiàn)數(shù)據(jù)，別等著呈分析完數(shù)據(jù)才開始，最好在分析過程中即有一定的預(yù)想和準(zhǔn)備。

驗(yàn)證你的數(shù)據(jù)分析。篩選分析出的數(shù)據(jù)包含項(xiàng)，或者使用不同的結(jié)構(gòu)查詢語言，檢查你的主要發(fā)現(xiàn)和工作記錄，也讓其他人幫助你檢查數(shù)據(jù)。

單純的數(shù)據(jù)不等于好故事，把你的結(jié)果分享給例如數(shù)據(jù)來源機(jī)構(gòu)的官員，以驗(yàn)證自己的數(shù)據(jù)準(zhǔn)確度，聽聽他們的意見。報(bào)告、文件中的數(shù)字總數(shù)和單個(gè)數(shù)字相加的結(jié)果應(yīng)該一致，與此同時(shí)，也要以其他相關(guān)信息來驗(yàn)證數(shù)據(jù)的有效性。

現(xiàn)在終于可以下筆寫新聞了!同樣，你不能對數(shù)據(jù)的使用過于大意：最好用表示程度的詞來描述數(shù)字，例如“至少”、“多于”、“大約”，以避免后面反復(fù)修改。不要在一個(gè)作品里使用太多數(shù)據(jù)，也切勿過分推理自己的數(shù)據(jù)，只寫合理且得到驗(yàn)證的結(jié)論。寫清楚數(shù)據(jù)的來源，列出你獲取數(shù)據(jù)的機(jī)構(gòu)名稱。

此時(shí)，記者得不斷問自己：我還不知道的部分是什么?這樣會(huì)導(dǎo)致什么樣的錯(cuò)誤結(jié)果?有沒有把所有的發(fā)現(xiàn)結(jié)果都與信源對照核查過?是不是每一個(gè)數(shù)據(jù)元素(圖片、交互式效果等等)都能確切表達(dá)它應(yīng)該表達(dá)的意思?我的發(fā)現(xiàn)是不是和所有人的認(rèn)識相沖突?數(shù)據(jù)的魅力在于它并不能直接開口告訴你錯(cuò)在哪里，而是會(huì)通過結(jié)果顯示出來。如果分析結(jié)果與通識完全不一樣，你的報(bào)道要么精彩絕倫，要么錯(cuò)得離譜。

你還需要一份最后檢查的清單：在采訪時(shí)，讓信源拼寫自己的名字和稱呼頭銜;記錄或者抄寫采訪信息;反復(fù)驗(yàn)證可靠信源的言論;保存鏈接和其他研究成果;詢問信源其他新聞報(bào)道中偏頗之處，避免犯同樣的錯(cuò)誤。

在提交之前，多重檢查可保證萬無一失。最后自己再多看看數(shù)字、計(jì)算方法、名字、頭銜、地點(diǎn)、對照筆記和記錄檢查筆記、定義、鏈接、拼寫和語法、語句引用等，計(jì)算機(jī)的拼寫檢查系統(tǒng)也會(huì)出錯(cuò)，所以還是參考權(quán)威的拼寫建議(字典等)更保險(xiǎn)。

來源：全球深度報(bào)道網(wǎng)