܄

想成为数据新闻达人?这些采写技巧或许你还不知道!

【数据猿导读】 大数据时代,数据浩如烟海。数据的广泛多样性和普遍可获得性,使利用数据进行科学有效的分析,从而挖掘出数据背后的意义、规律成为可能。但是,如果对数据不能进行正确的采集,或者对于采集到的数据不能运用科学的方法加以分析处理,就会得出失于偏颇甚至完全错误的结论,相关新闻报道就...

想成为数据新闻达人?这些采写技巧或许你还不知道!

数据新闻,即记者基于各类数据的收集、整理、分析,从而发掘出数据背后的经济、社会、政治等意义、规律的新闻报道形式。

当前处在信息爆炸的时代,由于各领域产生的数据规模庞大而繁杂,媒体记者只有从知识结构、分析能力和新闻写作水平进行全面提升,掌握数据新闻采写技巧,才能采写出数据新闻佳作。

一、大数据时代赋予数据新闻报道新活力

数据新闻原本是一种传统新闻报道形式,进入信息社会后,每天全球的经济、社会、政治、文化等各个领域产生海量的数据,为数据新闻报道采写、创新提供了坚实支撑。

此外,信息技术,特别是大数据技术的飞速发展,以及互联网与新闻媒体的深度融合,也使数据新闻采写有了强大的技术手段。可以说,正是大数据技术的推动支持下,数据新闻采写迎来了黄金期。

与此同时,数据新闻的数据来源广泛,包括政府、行业、企业、个人的经济社会行为、组织数据、社会化平台数据、医药卫生、地理以及网络数据等等,各种新技术的出现、新业态的发展,使数据新闻的内涵大大拓展。

二、数据新闻的采写技巧

总体而言,新闻学界把数据新闻的采写步骤分为获取数据、处理数据、采写制作报道三个大步骤,即在处理数据的基础上,挖掘出数据背后的新闻价值,然后通过文字、图表、动画和视频,把数据背后的新闻以可视化、叙事化、社会化、人性化、趣味化的方式呈现给受众。

数据的获取。采写数据新闻,或是先有问题,然后根据问题寻找能提供支撑的数据,或是通过梳理数据归纳出问题,这都需要掌握充足的数据。从国内外新闻媒体的实践看,获取数据,主要利用从政府、行业管理机构、企业、社会化平台、社会组织、调查公司、数据信息公司等渠道公开的数据,或者利用媒体、调查公司等自行得出的数据。相比之下,前者的获取成本低,权威性高,由此受到记者的青睐。

数据的过滤处理。信息有真伪、次要与重要之分,为此需要甄别、过滤,并通过梳理使其背后的新闻价值清晰直观地显现出来。为此,新闻中用的所有数据必须有来源,而且来源要有代表性、权威性,记者在写稿时也要把数据来源交代清楚。

支撑新闻观点的数据,要评价其质量,反复与观点进行逻辑验证。例如时效性如何、说服力强弱等,在此基础上过滤掉不权威、不必要的、干扰性数据,选择权威、主要的、说服力强的数据,并反复检验数据与结论之间的逻辑关系。在此基础上,把所选择的数据进行结构化处理,梳理成图表等形态。

需要注意的是,在新闻报道中并非支撑观点的数据越多,新闻就更好,只要能支撑观点即可。

数据新闻的呈现。在对数据进行梳理和分析解读基础上,还要运营文字、图表、视频等方式,对数据反映出的新闻进行呈现。值得重视的是,图表与文字相比,直观,简洁,而且形象化与趣味性兼备,为此受到媒体和记者的厚爱。近年来,不少媒体还利用动画、视频等形式,呈现数据新闻,更加的生动直观,特别是在移动终端上的传播效果更好,媒体值得尝试。

三、采写数据新闻面临的挑战

大数据时代,数据浩如烟海。数据的广泛多样性和普遍可获得性,使利用数据进行科学有效的分析,从而挖掘出数据背后的意义、规律成为可能。但是,如果对数据不能进行正确的采集,或者对于采集到的数据不能运用科学的方法加以分析处理,就会得出失于偏颇甚至完全错误的结论,相关新闻报道就会带来负面影响。

因此,记者采写数据新闻时,一要增强数据甄别、梳理、和结论归纳的能力,防止“只见树木不见森林”,被表象所误导;二要防止新闻主题先行,定下观点后拼凑数据佐证,或者以能否支撑观点作数据取舍的标尺,这些都不可取,要遵守归纳原则,确保数据与观点的契合度;三要重视前后数据对比,采写新闻时要放宽数据收集时间,从而把握数据变化趋势,以发展的眼光分析对比数据,归纳新闻点。

融合发展也给数据新闻采写带来很大冲击。对媒体而言,在社会化媒体与专业媒体融合的大趋势下,数据新闻借助互联网的大平台,发挥的作用日益凸显。但是,数据新闻报道是一个综合报道形式,需要新思维与多种技术、能力作支撑,特别是处理数据和设计制作、发布图表的能力,因此,新闻媒体需要从技术人才、专业记者和设备硬件上着力,努力补上短板。


来源:鄂尔多斯日报

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>