【摘 要】随着数据时代的到来，数据应用和数据挖掘成为新闻发展的热点。数据新闻作为数据技术与新闻理念的结晶，受到我国传媒业的广泛关注。国内媒体已纷纷对数据新闻展开实践，并且取得初步成效。本文以网易"数读"、搜狐"数字之道"、新华网"数据新闻"三个国内数据新闻栏目在2018年5月——2019年5月间的报道内容为样本进行比较后发现，数据新闻在我国发展势头强劲，但仍然存在选题层次浅、数据缺乏深加工、可视化程度低等问题。
【关键词】数据新闻；网易“数读”；搜狐“数字之道”；新华网“数据新闻”；比较研究
一、国内数据新闻的研究现状
2012年网易开设了“数读”栏目，是国内最早进行数据新闻实践的媒体之一，随后各大媒体网站纷纷进行数据新闻的制作与发布。如财新网的“数字说”、新华网“数据新闻”等。2017年11月新华网数据新闻作品《征程》获得中国新闻奖一等奖，2018年财新网数据可视化实验室在“全球数据新闻奖”中获得“最佳大型数据新闻团队”奖，这也是中国媒体首次在全球数据新闻奖项中获奖。
目前国内的数据新闻研究焦点分为两个方面，中山大学传播与设计学院院长张志安从大数据时代下国家意识形态安全的角度出发，对数据时代的新闻传播研究进行了概括与反思，试图从理论研究层面给数据新闻传播的研究带来一些新的学术想象。南京大学新闻学教授白净，则从数据新闻可视化设计与内容如何平衡入手，结合国内外数据新闻报道，探讨如何运用减法设计策略，实现数据新闻可视化形式与内容共同发展，更好地服务于用户。
数据新闻实践与理论研究的共同进步，促进了我国高校举办有关数据新闻实践与研究的课程，如2016年中国传媒大学设立了新闻学数据新闻报道专业。除此之外，各个数据新闻研究机构的成立，不仅为读者定期地分享优秀的数据新闻作品，还组织线下的讲座培训，为中国的数据新闻发展做出了巨大贡献。
二、网易“数读”、搜狐“数字之道”、新华网“数据新闻”的比较研究
作为一种新闻报道模式，目前国内的数据新闻实践处于大发展时期，有鉴于此，本文选取了国内三个有代表性但又存在差异性的数据新闻栏目进行比较，以此分析国内数据新闻实践的特点与可能存在的问题。
本文选取了国内第一家开展数据新闻实践的网站网易“数读”，国内最大的数据新闻实践机构新华网“数据新闻”以及搜狐“数字之道”三者进行比较研究。主要比较方面包括：选题偏向、可视化程度、社会化媒體的运用。
（一）选题偏向
通过分析，笔者将三个数据新闻报道栏目的内容统一划分为：国际、政治、民生、经济、环境、社会，健康、交通、人文、地理、其他这几大类型（如图1所示）。然后以2018年5月至2019年5月间三者的全部报道内容为样本，分析三个栏目的选题偏向。
图1 选题内容比例图
从选题内容来看，三个栏目报道内容占比前三的分别是，搜狐“数字之道”：社会（30.8%）、政治（12.9%）、民生（11.5%）；新华网“数据新闻”：政治（24.5%）、民生（21.1%）、社会（18.4%）；网易“数读”：社会（19.8%）、民生（17.4%）、娱乐（14.1%）。
从选题内容的偏向来看，社会与民生新闻不仅是党媒报道的侧重点，也是各大门户网站为用户服务的主要方面，百姓所关注的养老、农村、户口、教育、生活等方面的信息也是媒体关注的焦点。而新华网“数据新闻”作为党媒在报道内容偏向上更加偏重于政治，这与媒体自身的定位有很大的关系，搜狐“数字之道”在报道风格上更偏中性一些，网易“数读”对政治关注度较少，但是对娱乐（14.1%）与健康（14.0%）方面的关注度较高。
（二）可视化程度
从数据可视化的构成来看，数据分析分为静态的（位置、角度、长度等）和动态的（发生时长、变化速率等）（如图2所示）。因此，我们将三者的可视化程度分为：1.单向的信息图、呈现图（柱状图、饼状图）、关系图、对比图、时间线仅仅是静态可视化的呈现，用户仅仅是读者；2.数据地图、交互图表、视觉动画等属于动态单向呈现方式，这种呈现方式的可视化是动态的，但是互动方式仍然是单向的；3.用户不仅可以选择信息且可以自主上传信息，并通过实时显示达到双向交流的目的。
图2 可视化程度比例分析图
通过对三者可视化方式进行统计与对比可以看出，从可视化的层次来看，三者的数据新闻的报道可视化程度都不是很高，大都集中在单向的信息图的呈现，除新华网“数据新闻”之外，另外两者在此项目的占比高达95%，新华网“数据新闻”静态信息图占86.3%。除此之外，新华网“数据新闻”的数据地图与交互图表的使用占11.7%，用户可以参与的数据新闻占比2.1%。
（三）社会化媒体的运用
美国学者保罗·布拉德肖曾强调与受众的互动是数据新闻的一大特点，数据新闻可以使读者根据个人的兴趣和需求选择性地订阅新闻并对新闻作品加以应用[1]。网易“数读”、搜狐“数字之道”、新华网“数据新闻”都将社会化媒体视为其新闻报道传播的重要渠道之一，其数据新闻都可以一键式地分享至各种社交平台。
通过对网易“数读”、搜狐“数字之道”二者社会化媒体使用的比较，可以看出二者都仅仅是分享内容至社交媒体或者分享链接至网站，但这只是对社会化媒体的初级应用。新华网的“数据新闻”栏目则将报道内容再分类成信息图、图文互动、手机交互、PC交互等项目，更深层次地运用社交化的媒体数据抓取进行数据新闻的数据再分析。
虽然，三者社会化媒体的运用并不是十分地成熟，模式相对来说比较一元化，但新华网率先在数据新闻社会化媒体的运用上进行革新，在分享的基础上可以让用户在平台表达自己的观点、进行辩论，媒体对数据进行再开发与制作，加强了数据新闻交互性与应用性。
三、数据新闻研究面临的困境
通过对国内三个具有代表性的数据新闻栏目的分析比较，我们可以发现，虽然已经过6年的发展，但我国数据新闻实践依然存在着一些问题，这些问题将影响数据新闻走向更加专业化的道路。
（一）数据新闻采集的选题层次偏浅
通过研究发现，虽然三个数据新闻栏目的数据新闻实践发展较为平稳，但在选题层次方面依然缺乏深度。三个数据新闻栏目的选题方向包括政治、经济、社会、环境等方面，但是选题层次普遍不高，更加注重的是新闻的娱乐性。相对而言都是单个事件，难以深度挖掘，可解析的数据也是有限的。虽然也有关于两会等重要的政治新闻，但是相比全球数据新闻奖获奖作品所涉及的政治议题、公共利益与领域范围，我国数据新闻的选题内容就显得略微单一。
（二）数据新闻制作缺乏深加工
制作数据新闻的主要过程包括对数据进行初步地分析，识别数据的用途，清除无用的信息，然后使用数据、参照数据、关联数据，帮助用户了解数据更深层次的价值[2]。
三个数据新闻栏目对于政府公开的信息源十分依赖，自我采集型的数据新闻所占比例过少，无法增加数据新闻的独创性，数据规模较小，对于数据的利用大都是简单的罗列式的解读，大量报道将数据处理等同与计算总量与均值百分比。简化的数据处理不仅会让用户认为数据新闻与统计数据没有差别，而且从新闻专业性的角度来看，这样缺乏深度挖掘的数据新闻，使我国数据新闻实践的发展缺乏了市场竞争力。
（三）数据新闻传播方式单一，与用户缺乏互动 数据新闻可视化传播主要通过制作动态或静态的信息图或者模拟场景等手段，以达到让受众进行轻量化阅读的目的[3]。对于三个栏目的研究可以发现，三者主要的传播方式是“可视化+叙事传播”，传播方式较为单一，在可视化与叙事化传播方法的应用中，也存在着一些问题。虽然三个数据新闻栏目的可视化形式多样，模拟场景、视觉动态等可视化传播手段颇具有特色，但是以“静态信息图+文字传播”等方式占据绝大部分，而一些更需要互动以及冲击力强的传播方式则比较少，因此降低了栏目的交互性。
四、结 语
通过对三个数据新闻栏目的实践进行比较分析，可以发现国内数据新闻的发展势头良好。但是与全球数据新闻的实践相比较，国内数据新闻的实践仍然处于发展初步时期，还需要在选题内容、传播形式、技术运用等方面有所提升。
随着互联网的发展，越来越多的程序开发者和软件公司加入了开源运动，这推动着数据开放运动的兴起[4]。中国数据新闻的实践也逐步推进着中国的数据开放，各新闻媒体应该充分利用各种渠道主动收集各类数据，在与政府数据平台以及各大数据机构展开合作的同时还要注重实现自我数据的开发，努力建设数据新闻专业团队，提升自我数据收集的能力。
在数据新闻的制作方面，正如美国公共广播电台的视觉团队的编辑曾说：“我们所做的一切都应以用户为中心设计流程，也就是那些最能从我们的数据产品获益的人”[5]。因此我们要更多地考虑以用户为中心设计的数据新闻，因为用户本身就是数据新闻的有机组成部分，在观念转变的基础上努力挖掘数据的价值，加强处理数据新闻的能力，拓展运用现代化技术处理数据新闻，以此来提高媒体数据新闻的市场竞争力[6]。
在数据新闻的传播方面，要注重社交化媒体的运用，多层次与多方面运用各种传播手段，扩大媒体的影响力，一方面加强数据新闻互动模式的报道，公开征集数据和加强趋势预测与服务性；另一方面拓展行业结构实现数据新闻背后的经济增值，在带来社会效益的同时也带来经济收益，推动我国数据新闻实践的发展。
参考文献：
[1]方洁.数据新闻:一个亟待确立专业规范的领域——基于国内五个数据新闻栏目的定量研究[J].新闻学研究,2015(12):105-121.
[2]文卫华,李冰.大数据时代的数据新闻报道——以英国《卫报》为例[J].现代传播,2013(5):10-11.
[3]章戈浩.作为开放新闻的数据新闻——英国《卫报》的数据新闻实践[J].新闻记者,2013(6):7-13.
[4]严茜,龙雪翎.“互联网+”时代新华网“数据新闻”报道模式与发展对策[J].新闻研究导刊,2017(1):9.
[5]任子青.全媒体时代下我国数据新闻的发展[J].视听,2018(1):25.
[6]张超.数据新闻的发展特点——以网易､新浪､搜狐的数据新闻為例[J].青年记者,2014(11):116.
