春日见面会，那些未竟的回答

4月12日，我们在中国人民大学校园内办了一场小型的直播活动，既是推广新书，也是第一次“掉皮”，在春天与大家在线下线上相见了。

这场直播之前，我们从报名信息中获得了一张问题清单。这些提问不仅角度有趣、也很有质量。那天，我们几个在共享文档中分工协作，尝试给所有提问以回答，一不小心写下了近万字。

由于时间有限，很多问题在直播中没来得回答，现在重新整理后放出。我们如此珍惜这些问题，回答它们，既是反思和总结的宝贵机会，也是听到远处回响的美妙时刻。有问可答真是一件幸运的事情。

01 如果选题预设与数据结果相悖，我该怎么办？

Q1.请问新闻坊过往的稿件中，有没有出现过跑出的真实数据结果和选题时预设的或假设的内容相冲突的情况？

葛书润：预设结论是很常见的错误，因为我们总习惯性地通过对一些趋势、现象、情绪的感知来寻找选题。

如果一篇稿子能有一两个数据和预设相反，这一方面在提醒我们“预设过强”，是不是先入为主了。这可能需要重新调整数据的结构，思考自己的预设是不是影响了稿子整体的客观性。

但有时候，数据所得出的结论与“预判”相反，也可能是一种出人意料的惊喜。这证明了当前的主流认知可能和现实之间存在着错位、偏差。这篇稿子的数据运用如果较为科学的话，那么就能指出这种偏差，提示一种未曾被考虑过的情况。这也是做数据内容最激动人心的时刻。

相反，如果整个作品都做得特别平滑甚至“平淡”，作为作者没有任何被冲击到的时刻，反而需要反思自己是不是被单一的认知困住了，从而构建了一个信息茧房，影响了数据的选择和处理，最终只是完成了一次自圆其说，并没有创造什么信息增量。

此外，在操作前充分的预调研，可以在一定程度上避免“失控”。充分的文献找读，多方信源交叉观看，能让我们在大的判断上不太容易冲突，在这个大判断下的小假设，便可以用于挑战和验证。

举两个例子来说：

在《在网暴中自证，清者何以“自清”？》一文中，作者们最初的设想是希望找到一条能够自证的路，后来经过调研，发现可能这个路是走不通的，“自证”几乎是不可能的，于是文章转向了，“用数据来说明网络自证有多难”。虽然和最初的构想不相符，但不成立也是一种证明。

在《暴雨袭城：被低估的红色预警》一文中，作者们最开始认为是因为缺少预警，导致了严重灾害的发生，但通过调研发现，实际预警是有的，只是这些预警并没有受到重视，问题的关键在于传达无效或者低效。

Q2.如何判断数据新闻提出的是否是“真问题”？

方洁：我心中的真问题应该具备几个特质：

第一，是真正关乎公共利益和公共价值的问题；例如我们的作品《勿知我姓名：流调信息公开的边界》探讨的就是一个事关所有公众利益的问题，这是一个前提特质。

第二，是公众真的感到疑惑而未被解答的，但他们的确比较想了解的。比如郑州暴雨里的对“千年一遇”的解释在那样一起突发事件中非常有必要和有价值；

第三，容易被社会主流舆论场忽视的问题，比如一些不被人看到的边缘群体的问题。像我们曾做过的“老年人看电视” 的话题；还有一些容易被忽视的问题，如我们探讨过的关于卫生巾价格的问题。

第四，公众对之存在刻板印象或认知偏见，而实际上真实情况与这种印象和偏见不相符的问题。比如一些关于性别的话题往往与公众习以为常的认知往往不太相符。

02

“数据”如何真实而有效？

怎样解读数据？

Q3.在数据爆炸的时代，如何判断数据真实性 ？

方洁：首先，始终保持对数据的批判性思考（这是信息素养的一部分，数据亦是一种信息）。《统计陷阱》一书中作者提过对统计资料的五个提问可参考：1）谁说的？2）如何知道的？3）是否遗漏了什么？4）是否偷换了概念？5）资料是否有意义？

其次，尽可能用一手数据，追溯原始数据，从相对优质的数据源获取数据。

第三，对于不熟悉质量的数据源，要注意对数据的逻辑判断，能找到其他来源数据做交叉印证的则更可信。

第四，注意数据诠释力的有限性，数据总是在一定时段一定范围内收集的，其可能受到诸多因素影响，不要把片段截面的数据等同于可以解释所有纵横维度的数据。

邓海滢：找到数据不是终点，做完分析好应需要进行数据核查，应该注意以下几点：

第一，做好内部检查，通过运算核查等方式，看表内逻辑是否自洽，是否有异常之处。最近在做的一个作品运用到海关hs代码，分析完后发现出口量趋势有异常，检查发现有些商品品类的出口量是按重量，有的按个数，按个数计算的商品数据无法加入到出口量中，故出口量指标本身不全面，最后舍弃用这个指标。

第二，注意和原始数据核查，防止出现搬运失误。

第三，和官方数据核查，多信源交叉核查。做完后可以比对同主题其他口径的数据情况，尤其很多宏观指标会有官方口径，最好能相互印证。如果具体数字对不上，要多考虑误差产生的原因，进而考虑误差是否被接受，考虑应当选择哪个数据源。而在这个对比差异的过程中，也可能发现新选题。

第四，主要方法层面的检查，有的时候是自采数据，最好进一步和专业人士确认抽样方法、采集方法、分析方法是否可靠。

Q4.在统计方法本身各有局限的情况下，怎样让数据新闻真正帮助人们接近事实？

方洁：尽可能确保使用科学的统计方法；增强新闻的透明性；给读者留下互动的空间，接纳质疑、组织讨论。

Q5.如何用数据表达微观经济模型？

方洁：这个问题很专业，我尝试做一下回答。大多数模型是现实的抽象，能帮助我们理解经济行为。但是经济模型往往有其最优化假设和其他条件不变的假设，它具有科学的特质。当我们用数据表达这些人类对经济行为规律的阐释时实际在做一个科学传播的工作，这种科学传播需要：

第一，我们自己充分理解所要表达的经济模型，且能确保在我们阐述的问题中能够匹配相应的模型来做解释，而不是错误地使用模型；

第二，需要做科学和公众之间的转译工作，用公众能够理解的方式告诉大家为什么我们用这个模型，这个模型在这个问题上具有怎样的解释力，它如何帮助我们去解决我们要解答的疑问；

第三，需要提醒公众静态的理论模型应用于动态的现实是存在局限性的，提醒公众对之保持批判性的思考和理解。

Q6.对数据的解读常常是多角度的，是否在解读时会有很强的预设立场？

葛书润：数据内容和所有特稿一样，只要是人写的（甚至AI同样），就不可能没有所谓的“预设立场”，这是作者根据自己的知识背景、现实经验、情感倾向、意识形态等综合做出的一个判断。这个“打底”是挥之不去的，有时如果不是这个“底”，都不会产生操作某个选题、把某事视作选题的的念头。

既然预设不可挣脱，那不如让预设变得更为“专业”，至少离事实更进一步而非南辕北辙。

预设立场并非是不可动摇的，每个人的“立场”在具体事件上都有不同。此外，在操作之前，对该主题的资料进行广泛的阅读，以开放的心态浏览一下各方观点，那么操作选题时的预设立场也许对探究真相更有帮助。

预设立场不可怕，只要把预判作为切入选题的楔子，进行更深入地了解，并在此基础上一些需要验证的假设，然后在用数据检验它们，我认为这是一个较为科学的流程。

Q7.数据新闻更多是一种总结性的信息，数据往往具有延后性，那如何看待数据新闻的时效性?

方洁：我不太赞同数据新闻更多是一种总结性信息的说法。数据新闻可以用一些统计数据来梳理已经发生的历史，这可能是带有总结性的，但考虑到当下数据生成的即时性和遍在性，数据新闻也可以对时效性很强的新闻事件给予关注，如在飞机失事报道中对异常的飞行轨迹数据的及时追踪和披露。与其说数据具有延后性，毋宁说新闻报道本身就具有延后性，因为我们毕竟是对已经发生的事做报道，而不可能提前。

在实践中，我注意到阻碍数据新闻提升时效的往往不是数据本身的问题，而是我们获取、分析和呈现数据往往相比一般的采写新闻所需的流程更多且更复杂。尽管如此，当下很多数据机构的数据新闻已经时效越来越快，往往一些突发新闻发生后我们会很快就看到不错的数据新闻作品在跟进。我想这些机构能做到这样快时效的数据新闻，主要得益于长期积累的新闻敏感和触角，快速的团队协作，扎实的数据和可视化资源储备，相对轻量化的作品操作路线。

Q8.数据新闻生产创作过程中，如何平衡数据采集与用户隐私之间的关系？

方洁：最近正在做这方面的研究。在我们的日常操作中，大部分数据来自公开渠道，相应的，用户隐私保护的问题并不显著。但是也有两个地方需要格外注意：

一是从互联网上爬数据时可能会触及到一些用户的隐私，比如你在某个社区爬交流病患感受的数据，那这种数据就可能触及用户隐私，一般这种数据在使用时尽可能展现结构化分析的结果，而不呈现个体的具体情况，比如可以分析此类病患发言的总体情感趋向，常见的交流术语等；

二是从线下采访得来的个体数据，比如在调研糖恋现象中采访个体得来的数据，这个一般会采取匿名或者粗化数据等方式脱敏，以避免不必要的隐私泄漏。

Q9.如何从数据结果中提取出“知识”和洞见？

方洁：我觉得一个好的数据作品应该以一个好的研究的标准来要求自己，它需要我们提出具有研究价值的问题，这个问题能被量化，具有可操作性，我们能采用数据对之展开分析和论证，证实或证伪我们提出的假设，从而得出更具抽象和普适性的“知识”和洞见。

当然，相比理论研究中的“知识”和洞见，在新闻中提取出的知识和洞见的深度是无法与之相提并论的，但因为新闻离我们的日常非常接近，所以这些知识能更贴近公众的生活，更服务于我们的日常。在某种程度上，它可以搭建起从一般知识到更深的理论研究的知识和洞见的桥梁，如果相关读者对某一领域感兴趣，也可以跨过这座桥走进更广阔的天地。

葛书润：数据，尤其是数据内容甚至不是实证文章中的数据，能不能直接“提取”出知识和洞见，我是存疑的。

我觉得其实在一篇数据内容中，更多能做的是“关联”。从某个事件和现象出发，将已有的知识和洞见关联起来。然后把我们从数据中得到的结论去“验证”或者说“对话”。

还需要和更广泛的现实关联，比如以往的相关新闻事件。归根结底，数据作品不是学术研究，而是更立足现实经验、回答实际问题的。

比方在《报道农民工思考海德格尔，是正常的事吗？》一文的写作时，广泛搜集了农民工的媒介形象研究的文献、报道，进行了综述。通过一个新鲜的舆论事件，与过去的相关的新闻和研究进行了广泛关联，提炼出了新的认知。

Q10．对于个体而言，如何建立自己的数据库？ 

邓海滢：建立自己的数据库，我个人觉得是一个积跬步以至千里的漫长过程。

首先，要有积累意识，让数据及来源成为阅读时的稳定关注点，不止是看数据新闻时留意图表的数据源，平时看消息、特稿、专业分享等都要对数据更加敏感；

其次，要为自己的数据库搭建一个信源分类框架，例如按领域分、按数据格式分、按付费免费分、按可靠程度分等，使得以后搜索能更有的放矢；

最后，我觉得这个数据库建在浏览器书签或者微信收藏夹是最合适的，因为这是平时使用最多的地方，比单独建一个文档更容易调用。

不过最重要的还是，要多探索收藏夹里的数据源，真正用过的数据才会真正印象深刻，不能“码了等于拥有了”。

03 如何表达和设计，

让数据新闻更具吸引力？

Q11.如何保证新闻的可读性？

葛书润：对已经揭露的事实，只需要简单交代或直接加上链接即可，然后快速地进入自己想表达、具有独创性的内容。不要堆叠重复，但也不要急于亮观点，要让读者有水到渠成、“图穷匕见”之感。

节奏非常重要。尤其是在数据内容中，不仅要注意文字本身是否简明、流畅，还要注意与图片的结合是否丝滑，图和文之间是相辅相成的，看文字想喘口气或者感觉读不明白的时候正好出现了图，而不是互相打断，或者一下子一长段文字、一张充满信息量的长图，这会让读者感到疲倦。多媒体的内容在做完之后一定要自己多看几遍，看有没有“大喘气”或图文“抢话”的情况，一口气能读下来比较好。

在新媒体时代，美编排版也大有讲究。不适合的分行分段、字体字号、颜色配图……都会影响阅读节奏。要结合文章的主题和内容选择适配的排版。新华社的“梨花体”简单易读，但绝不适合所有报道。知识密度较高、较为严肃的内容，更适合朴素的排版。同时，“可读”也要考虑适老问题，比方好几个老年读者反应我们公号的推文字太小、看不清，这无疑是影响阅读体验的。这些都要在一次次实践中反复琢磨。

抠字句，尤其注意标题、开头、结尾、过渡句、总结句，一定要简短有力。不要不舍得删自己写的东西。读一遍删一点，让每一句都有信息量。关注句与句，段与段之间的联系，要设置一些“钩子”勾着读者往下读。

不用回避一些可能带动情感的因素（但不是煽情），让读者共情才能让文章走进心里。

如果需要借用一些理论资源，不要太艰涩，要做一些转译。如果没用，那也千万要避免大白话。数据和可视化的加入不是无聊文字的挡箭牌。

更丰富的引用。学术著作、小说、网友发言、播客金句、电影台词……无论阳春白雪还是下里巴人，只要用对了地方就能四两拨千斤，胜过自己吭哧吭哧写的千言万语。

Q12.你认为数据新闻中人文关怀和数据充分哪个更重要？

方洁：在数据新闻中，数据是驱动一切的基础，没有充分和扎实的数据支持，就谈不上形成有价值的故事。而人文关怀是一种遍在的操作旨趣，不管我们讲述的故事主题有多么千变万化，归根结底仍是人与人、人与社会、人与自然的故事。简单比较两者谁更重要，没有啥意义，因为他们不是同一个层次的东西。

Q13.可视化在数据新闻中的重要性大概占到什么样的比例？

方洁：我也没法给出确切的比例数据，因为那肯定不科学。

很多数据新闻的研究者都认为数据新闻未必要通过可视化这种方式来呈现，一些脱离了可视化的数据故事也可以归入数据新闻之列。

但是因为视觉文化的影响，完全摆脱可视化的数据叙事越来越罕见，一个数据故事往往需要三个必不可少的元素：数据、叙事、可视化。其中数据是基石，没有数据一切无从谈起。叙事可以解释数据，也可赋予故事更多人性化的内容，使之与受众产生密不可分的关联。可视化一方面能提升受众对叙事的参与，使之更具可读性和易读性；另一方面还能展现和探索数据，发现潜藏在数据背后的信息和知识。好的数据故事需要三者紧密的结合。

相对而言，我反而觉得可能可视化相比数据和叙事略弱一些也可被接纳，如果数据和故事非常强，可视化略弱也可能会被接纳，当然它可能不是一个最好的故事，但是一个不错的故事；相反的，如果数据和叙事较弱的话，这个故事肯定不会是一个好故事，用再好的可视化也无济于事。

Q14.对于很多普通人来说，即使可视化之后还会感觉数据是一种不太能让人很提起兴趣的形式，在数据新闻领域有没有一种采取更加亲民的表达方式的倾向？

惠一蘅：一方面，选题、数据收集、可视化形式、文案任何一个环节没有配合好都可能带来「数据让人提不起兴趣」的感受，这与选题本身及各个生产环节之间的配合有关；另一方面，受众阅读兴趣多样，不同专业背景的读者对“亲民”程度的体会可能是不一样的，有些我们觉得很有价值的题目流量却很低。从共识角度看，如果要更“亲民”，需要从选题开始让话题与生活相关（比如“人大校园里有多少树”这种话题），需要数据、可视化和文案制作过程中都注意可读性，缩短篇幅、细化问题、明确问题。

一些网页交互作品之所以惊艳，是因为非线性阅读可以让信息丰满但又轻盈。但当前微信文章的平面性、线性阅读、弱交互性，使读者没办法像浏览网页一样自己选择阅读想要的信息，有时候即使可视化尽力活泼，文章也会有些厚重。长文/复杂信息令人提不起兴趣是整个社会的阅读倾向。我们作为生产者需要时刻思考如何处理珍贵的注意力与深度完整的内容之间的关系。

邓海滢：补充一个点，像所有新闻一样，让人提起兴趣是因为这件事情出乎意料/很重要/与我相关……所以这个问题在讨论可视化的效果之前，可能要倒回去追问：找到的是好的新闻点吗？我的数据真的有令人兴奋的结论吗？当你真正问出一个需要数据去解答的好问题的时候，有没有可视化可能读者都对数据感兴趣了。

而且不是随便配个图表，文章就一定变得更好读，我个人觉得好的可视化很重要一方面是帮助读者去理解数据及其变化背后的逻辑，这一点或者视频/交互网页更好做到，可以通过可视化变换配合分析，像解数学题一样，深入浅出地读懂数据，能读懂，自然也会更感兴趣。

Q15.做信息图的时候，如何在美观和信息连贯性上做平衡？

惠一蘅：在我的经验里，美观是可以靠色彩、元素、构图等设计技巧叠加实现的，如果想做好平衡可以先注意表现信息连贯性，这也是为什么我们在书的11章中说到信息量与美感的重要性时，把信息量放在前面。我觉得问题里的「信息连贯性」一词特别好，一定程度上已经指出了部分答案，即我们要有意识地去组织梳理，信息在画面上的位置、逻辑与脉络。具体而言有三点：

一是将信息安排成块状结构。在最初的数据新闻课堂上，老师专门给我们做了一个训练，就是去用矩形框出信息图的structure，也就是我们在14章里开头做的，把信息图上一个个块状信息区分离出来，这样的训练可以保证我们自己在安排信息时，注重信息排列的秩序感。

第二，看一些成品信息图会发现，信息的主次关系表现得非常明显【展示图片⬇️】。主与次本身就形成了一种信息秩序，我觉得是非常实用的一种技巧。

信息图作品《方圆之际》（节选） 刘璐 王馨荭

圣保罗滑板比赛（上） 棕色卷尾猴是如何伤害白蚁的（下） 案例出自：The Functional Art, p55

第三点，还可以创造脉络与序列，书的14章这个自行车发展案例，是用了一个时间轴的变体，把时间轴和道路结合起来的设计，时间轴本身就是信息脉络的体现。在我们上面展现的每张信息图里其实都有类似的视觉牵引：下面滑板的轨道本身就是一种线性指引，下面还有块状的信息区，信息都有序陈列在此；棕色卷尾猴的案例也是在主体之下，设计了一个标清数字的序列流程图。

说到这里大家可能会发现，美感似乎在有序的信息中自然达成了，因为努力达成信息连贯性的过程，就是构图的过程，在好的构图基础上，去选择配色、添加细节、精进画功，提高美感的上限就好。

综上，注意信息的块状结构、注意信息的主次、用视觉元素牵引信息的脉络，这是我想到的三个答案。

Q16.在具体的操作层面，模板如何“生成”成一张数据图表？

新闻坊制图模板（2020版本）

惠一蘅：我们有一个AI格式的工程文件，在这个界面里所有的元素都是可编辑的。一般我保留模板画板，另外复制一个一模一样的用来编辑，如上图所示。可以看到，我会把所有同类的元素都放在同一个图层里面，如标题色块、装饰线条、logo这类固定不变的元素放在一层，说明文字放在一层，后期加入的图表标题、图表主体放在一层。

将固定元素图层锁定，之后编辑的时候也不会打扰到他们。红色说明性的文字以及框线，是用来框定各个元素之间的固定数值的——做可视化确实需要一些数值上的强迫症。具体的标题、小标题、图表就放到该放的位置就可以。后续可以在图层这边一键隐藏这些框框、线以及说明文字。

在我们的工作中，做可视化的同学会人手有一份这个模板文件，以及，关注新闻坊比较久的读者会发现模板已经变了好几版，有时我们会为了特别主题的稿件设计新的模板。如果要论及具体的图表主体部分如何制作，需要涉及可视化工具介绍、如何根据需求选用数据图、如何安排信息、如何配色……这便是书中设计篇介绍的内容。

Q17.可视化素材可以怎样积累？

惠一蘅：一是理性知识注入，二是感性经验感受。

理性方面，在学习可视化初期，先要做的是熟悉设计软件工具的基本操作。虽然我也更爱手绘党，但当前可视化工作的主流工具仍是计算机。初期可以像画画一样多做临摹，像下图一样。

熟悉工具的同时，可以阅读一些专业读物，比如《The Functional Art》（中译《不只是美》）、《The Truthful art》、一些媒体如华盛顿邮报的可视化风格手册，从理论上了解可视化可以怎么做、不可以怎么做、有什么规范标准与共识。当这些事情做完，就已经培养起了数据可视化的意识。当时看完《The Functional Art》之后，我就可以用书里出现过的图表形式来呈现自己手中的数据了。

有了这样的基础之后，就开始大量浏览新闻作品：南华早报、卫报、The pudding、信息之美网，以及国内站酷网这种设计师聚集的网站。近年来社交媒体平台与信息愈发丰富，在小红书上也能看到优秀可视化作品的分享。个人兴趣起着重要导向：我认为纽约客官网的封面合集对培养审美力作用非凡，图书馆、书店里平面设计与配色相关的书中藏着极多惊喜，开卷有益。

感性经验感受，是指在硬性知识之外多锻炼自己的审美感知能力。大三（2019年）刚入坑时，我常常会带着学习构图、配色的目的去看各种画展，这个过程给了我许多灵感启发。

做可视化给了我系统学习绘画和平面设计的激励，我很鼓励想要买入可视化领域的朋友们学一点画画，这会对大大拓展可视化的想象力与可能性。

除了上面说的这些，我也会重视积累具体的素材、配色网站，包括免费可商用的高清图片、小的图标素材、地图素材等等。

04 还有一些无法归进类的提问

Q18.如何看待数据新闻在培养和提升新闻工作者四力上的作用意义？

邓海滢：所谓四力，即脚力、眼力、脑力、笔力。

后三个我觉得数据新闻带来的最大影响都是培养一种讲道理、摆事实的思维。比起很多时候新闻即采即用，做数据新闻时需要考虑有无数据支撑和数据说服力度，需要一种做研究一样的严谨态度来做新闻，我想对做出一篇客观公正、全面真实的新闻是大有帮助的。

而至于脚力，很多时候大家会认为数据新闻坐在办公室就好，不用出去跑，（这可能确实是现实的工作常态），但有很多优秀的数据新闻报道也证明外出调研、获取一手资料的重要性，现在不少机构媒体的数据新闻团队也会多和条线部门合作，基于他们的一手数据来生产稿件。所以从这个角度说，数据新闻是为外出调研、采写材料提供一个新的呈现方式，当你获得的一手资料越详实、越结构化，可能一篇特稿无法完全承载，这个时候数据新闻就能更充分地发挥资料的价值。另一个角度是，做数据收集、处理、分析的过程，也当然是一种调研，也可以当做是在锻炼“脚力”吧。

Q19．如何处理数据新闻可能带来的“数字鸿沟”？

邓海滢：关于“数字鸿沟”，应该从数据生产场景和数据触达场景两个层面去分析。

前者，关乎一些弱势群体失声的问题，所以要时刻记得网络数据样本的偏差，尤其我们采用舆论数据做分析的时候，应该要在逻辑上进行充分的推理，尽可能找到覆盖更广样本的数据，如果实在没办法，最起码要向读者表明局限。

后者，关乎作为知识的数据新闻接收门槛过高的问题，读数读图对于某些群体来说确实是比较艰难的，而全民数据素养提升又是一个需要多方努力的长期工作，所以现阶段进行数据叙事时，数图文表达要注意深入浅出。

Q20.国内外数据新闻的差异如何进一步缩小？

方洁：关于国内外数据新闻的差异如何进一步缩小的问题，我觉得需要先认识到不同的土壤会开出不一样的花朵，这些花可能各有特色，不是说我必须长成别人那个样子才是一朵符合要求的花；另一个这可能不是数据新闻这一个行业或领域的问题，它涉及到一个大背景，包括我们的数据传统，新闻文化，新闻教育，公众认知，数字科技发展等等。

一个令人惊喜的事是，近年来越来越多院校愿意开设数据新闻课程或相关方向，越来越多学生作品开始更加专业化，越来越多媒体也展开了数据新闻培训，并且投入到数据新闻领域，甚至越来越多机构都开始重视数据叙事，如果整个社会对数据方法越来越重视，这种趋势能够持续下去，国内的数据新闻前景可期。

作者：方洁、葛书润、邓海滢、惠一蘅

美编：邓可、李天钰

往期回顾