“数据为始”：经济新闻自带“数据新闻”基因

　　【核心阅读】 不论是用于市场预测的数据图表，还是体现市场变化的价格指数等，经济新闻（Economic Journalism）自其产生以来，就与数据紧密相连。来自西班牙纳瓦拉大学的资深新闻学教授安吉尔·阿雷塞（Angel Arrese）近日在其主笔的一篇题为“In the Beginning Were the Data：Economic Journalism as/and Data Journalism”文章中认为，数据新闻的逻辑，自其诞生以来，就一直是新闻业发展的内生动力之一。作者通过分析数据新闻在经济新闻领域中的广泛应用，进而认为，数据新闻的实践者们可以通过借鉴经济报道中的一些经验，将数据新闻应用到更广泛的新闻报道中。对此，作者提出了四项有助于数据新闻推广的建议。本文将编译和整理安吉尔·阿雷塞教授文章中的重要观点，为当前我国数据新闻的探索和发展，以及媒介数字化应用提供一定的参考建议。

　　数据新闻是过去10年里新闻业的流行语之一。在新技术和数据化的背景之下，世界各地的新闻从业者、专家和学者们一致认为，这种“数据新闻”的文化将会成为新闻业变革的重要发展趋势。数据新闻的蓬勃发展源于当前可观的数据可利用率，或者说时下“大数据”的流行。这些数据除了能够帮助新闻媒体改善其自产的报道内容之外，还能给予这些报道更多可量化的展示角度和方式。从世界范围来看，数据新闻在众多知名新闻机构中正被大量使用和推广，其中一个突出的例子就是英国的《卫报》。自2009年起，《卫报》便在全球范围内开始了各种类型媒体形态的布局和扩张。这种扩张同时还伴随着大量的学术成果的产生，其中主要涉及的就有数据新闻的技术、数据视觉化呈现和数据新闻概念的发展等。

　　关于数据新闻的讨论，众说纷纭。本文中，作者基于近年来围绕数据新闻的众多学术讨论，重点梳理了5个涉及数据新闻和经济新闻的要素，并展开讨论。其中包括：数据和数据库，概念、分析和数据故事，数据可视化，数据和科技，数据新闻所需的专业技能。

　　1.数据和数据库。纵观世界新闻业的发展史，数据新闻在经济新闻领域的发展和演变经历了诸多阶段，其产品形态也发生了诸多变化。最早和数据有关的内容产品是17世纪和18世纪广泛传播于欧洲和北美社会的反映价格走势的期刊和其他类型的商业报纸。这些反映商品和货物价格、库存价格和其他类型市场信息的数据构成了最原始的经济新闻的基本信息。进入19世纪，典型的“数据驱动的新闻”体现为部分媒体产出的统计类信息产品，如《经济学人》的“Statistical Supplement（统计副刊）”、“Commercial History & Review（商业史评论）”、“The Investor’s Monthly Manual（投资者月度手册）”和“The Monthly Trade Supplement（月度贸易副刊）”。20世纪，一些商业新闻媒体基于其管理海量数据和信息的经验，相继成立了一批数据驱动的商业新闻部门。例如，《经济学人》的 “Economist Intelligence Unit”，《华尔街日报》的 Dow Jones News，《金融时报》的Fintel。时至今日，经济、商业和金融数据和数据库已然构成了经济新闻报道的命脉。

　　2.概念、分析和数据故事。经济学和统计学的发展肇始于18世纪，兴盛于19世纪，为公众理解经济数据提供了必要的理论、概念和分析解释模型。20世纪最有影响力的经济学家之一保罗·萨缪尔森曾说：经济理论为优质经济新闻的开展提供了可能。这一观点很好地反映了新闻和经济学的关系。从历史的角度来看，一些经济学家同时也是“记者”，比如法国的重农学派、德国的弗里德里希和英国的大卫·李嘉图等。从那时起，一些杰出的经济学家就开始在媒体上积极传播经济学理论、观点和概念。在众多经济学家看来，向社会解释经济如何发展和运行是非常重要的，因为这样可以帮助提高经济政策运行的效率。就这一点而言，媒体发挥了重要的作用，也为当时许多经济政策的合法化和普及，以及向公众阐释这些政策背后的经济理论诸如自由贸易、凯恩斯主义、社会市场经济学和货币主义等提供了帮助。数以百计的经济指标（国内生产总值、通货膨胀、就业率、贸易统计数据等）、商业概念（资产负债表、盈亏、业绩指标等）和财务指标（股票指数、金融产品价格、利率等）构成了经济生活大厦的“数据砖”。这些“数据砖”也常见于日常的经济新闻报道之中，成为人们日常生活密不可分的一部分。

　　与此同时，媒体也在其自身发展过程中，参与了以上这些指标和概念的生产。众所周知，被应用于许多国家的反映股票市场稳定情况的市场指数，就是在一些新闻编辑室中制定出来的。比较著名的案例包括《华尔街日报》的道琼斯指数、《金融时报》的富时指数和《日本经济新闻》的日经指数。理论、重要的概念、被广泛接受的指标指数、排名等，可以被看作是应用于经济新闻领域的数据新闻的“原材料”。这也使得经济新闻得以有一个结构、一个用于比较事件的基础和一个用于分析某经济体随时间演变和变化所需的历史背景。

　　面对这种抽象的论证框架，经济类故事的叙事一直以来对修辞就会有比较特别的要求，需要叙事内容能够尽可能地解释清楚故事本身，从而让公众能够尽可能地读懂故事的内容。从这个意义上说，经济领域的数据新闻故事，较其他领域的数据新闻故事而言，就会更具有分析和论证的功能。

　　3.数据可视化。提及数据可视化，就不得不提到数据表格。早在1821年，《卫报》的第一期报纸出版了一篇数据新闻报道。内容展示的是一张曼彻斯特和索尔福德学校的数据图表，包含了每所学校有多少学生入学，以及这些学校的平均年度支出。表格是数据可视化最基本的图形形式之一，也是最开始展示价格走势这类经济数据的呈现方式。事实上，19世纪，经济信息就几乎等同于数据表格。即使在今天，数据表格仍然是最基本的数据可视化图形形式。

　　随着之后经济生活的丰富，以及经济学、统计学的发展，数据可视化的图形形式也变得丰富起来，渐渐出现了柱状图、折线图、饼图等。在这些图形形式的发展历程中，不得不提的是苏格兰工程师和经济学家威廉·普莱费尔（William Playfair，1759-1823）。普莱费尔是第一个以我们今天熟悉的方式对统计数据进行图形展示的人。普莱费尔出版了两本关于18、19世纪之交（1786-1801）世界贸易发展的书，并在书中使用了他所谓的“图解法”。他认为：图形展示有助于简化难以观察到的复杂关系；企业主、家和决策者需要快速、直观地掌握统计信息中的精华，因为他们没有时间研究细节；表格，尤其是大量表格，会比较枯燥，难以理解。图形展示能帮助用户；图形吸引眼球。普莱费尔强调了他的方法在理解关系和数量方面的有效性；图形方法吸引和挑战大脑，不仅有助于大脑感知，而且有助于理解结构和关系。在整个19世纪，随着经济学的科学发展，流行的图形形式和普莱费尔时代的数据可视化，与工业前后出现的经济学之间的联系得到了进一步的加强。进入20世纪，经济新闻融合了各种数据可视化元素。即便在很大程度上依赖于普莱费尔创造的各式图形形式，以及追求简单的逻辑，基于经济数据的逻辑也在催生出一些创新案例。例如，《财富》杂志从20世纪30年始，就以富有创意的可视化形式，发布消费者调研结果，以期将其自身打造成融合艺术、科学和商业的一份杂志。人们可以在一些报纸和杂志上的经济和金融版面，如美国全国广播公司财经频道 (CNBC)、福克斯商业新闻 (Fox Business)、路透社和彭博社等，用实用数据可视化工具浏览新闻，这些新闻大多是交互性质的，且基于其自身的软件系统。

　　不过，从数学、统计学和经济学中结合衍生出的数据图形发展，虽然没有正式出现在新闻学的相关论文中，但也在某种程度上发展了这些学科的逻辑性，诸如相关性、时间预测、线性和非线性函数等主题也在新闻学教材中有所涉及。

　　4.数据和科技。提及媒体技术，就必须说一下印刷技术。15世纪，德国发明家约翰内斯·古登堡将当时欧洲已有的印刷技术整合在一起，创造性地发明了铅字的活字印刷。这项技术很快在欧洲推广、传播开来，推进了印刷的工业化。古登堡印刷机的发明，结合了造纸术，第一次以一种高效、可留存的方式，将文字、文学传播给欧洲大众。

　　巴克尔·戈本 (Bakker Gerben) 则认为，在古登堡印刷机之后的每一项新技术都是由经济和金融信息提供者开发的。例如，电报带来了一场真正的金融新闻，让欧洲和北美金融报纸的诞生成为可能。保罗·朱利斯·路透在亚琛一直经营新闻和股票价格的信息服务，当时使用的技术包括电报和200多羽信鸽。用现有技术来服务于数据的准确性和速度，可以翻译成路透社的一句名言——“跟着电缆走”(Follow the cable)。可以说，路透社的这句口号详细描述了经济新闻领域的新闻和技术之间的关系——通过交易室和新闻编辑室向市场和社会传播经济数据需要最先进的技术，以确保数据的安全传播，同时保持其质量和传输速度。

　　从20世纪90年始，互联网的普及只促进和推动了公众进一步对这些经济和金融信息网络的访问。但其实，这些信息可以在媒体中以越来越开放和创新的方式被加以利用。这是新闻从业者在实践过程中需要思考的问题。

　　5.数据新闻所需的专业技能。计算能力和数据技能对于生产好的经济新闻至关重要，对于数据新闻也是如此。然而，如何将计算能力、经济知识和写作技能很好地结合在一起，一直是经济新闻行业面临的一个长期存在的问题和挑战。因而，这需要进一步改进财经新闻记者的培训方式，特别是叙事方式。《财富》的创始人亨利·卢斯 (Henry Luce）认为，一个诗人比一个会计更容易成为一个经济学家型的记者。

　　1.概念、新闻和数据。数据新闻虽然有助于我们跟踪实时动态，但在实操过程中不能以牺牲新闻的基本价值原则和其内容的新闻价值性为代价。因而，在经济新闻中，我们需要重点关注有助于提高新闻内容质量的概念和指标的基础结构。只有这样，我们才能利用好数据、技术和可视化工具来生产好的经济数据新闻。如果不这样做的话，许多数据新闻工作者可能就会机械性地翻译定量信息和技术知识，而忘记了“数据在话语体系和实践中，是以技术性、组织性和符号性的方式传播的”。

　　以新冠大流行为例，疫情报道凸显了及时同步概念、新闻报道和数据的重要性。一方面，新闻报道依赖于医学工作者和流行病学家的知识，需要及时为公众提供诸如病毒传播、群体免疫等新的术语。另一方面，日常生活中出现的一些指标如病例死亡率、最大医院容量等又需要及时向公众普及。由于局势的新颖性和疫情的极大不确定性，公众都遭受了数字的波动、不同国家指标之间不对等的比较、非标准化概念的使用等等。而这些都是虚假信息的滋生地，并且使得许多媒体人或主动或被动地参与其中。

　　经济新闻，由于其处理复杂和抽象问题的特点，首先是概念驱动的，然后是数据驱动的。数据类别（概念）和数据（数字）一直是经济报道的主要内容。

　　2.数据的语境。缺失语境的数据是无意义的。通过将数据更好地“语境化(contextualization）”，数据的价值能出现指数级的增长。每个数据新闻的项目至少应该考虑两种类型的语境。第一种在经济新闻中历来重要，与数据本质（即元数据 metadata）的辩证态度有关——有必要评估（并解释）数据的限制、它们是如何被定义的、数据是如何获得的、这些数据回答了什么问题、数据的代表性等等。简而言之，必须说清楚语境如何影响数据的质量，以及这些数据如何真实地展现现实情况。第二种需要考虑数据和其他数据的关系。例如，当在不同情况下比较不同案例（国家、公司等）的相同类型的数据时，结合语境可以让这些数据转换成观点，使得数据有意义。

　　数据的语境和视角是好的经济新闻报道和好的经济学的基本特征。著名记者哈兹里特 (Hazlitt, 1979）在他署名的著作《经济学的一堂课》（Economics in One Lesson）中写道：经济学的艺术不仅在于观察任何行为或政策的直接影响，还在于观察其长期影响，包括追踪这项政策对所有群体的后果，而非仅是一个群体。

　　3.调查性新闻项目和日常报道。如今，在任何新闻领域，对时事报道都需要稳定、不懈的数据新闻方面的努力。这需要有定期和有计划性的工作安排、能考虑到主要数据变量和指标的演变及其背景等。与此同时，无论是外部数据来源，还是媒体随着时间的推移收集和积累的数据，数据新闻的创造力都可能是无限的。经济新闻在生成指标、指数和排名方面的经验和优势，可以在其他新闻领域被加以效仿。

　　4.跨学科性和横截性。现阶段而言，许多新闻编辑部的数据新闻项目通常会由一个专门的数据台（小组/单位/部门）来运作，为某些项目提供数据专业服务。但这种形式是不是一种最好的模式，也存在着一种合乎逻辑的辩论。例如，当数据新闻仅限于特殊项目时，建立这样的团队是有意义的。但目前尚不清楚，这样的计划能否长期持续下去，也不清楚它能否从新闻报道各个领域日益增长的数据化中获益。此外，外部或外围数据新闻服务对于填补媒体资源和专业知识的缺口正变得越来越重要。

　　5.数据新闻与数据技术之间的平衡。数据新闻报道中，通常采用的标准是数据的性质和数量、可视化和交互性。事实上，数据在许多新闻编辑部中的应用，绝大多数情况是一项视觉和技术工作。大数据、算法新闻、人工智能等为观众访问和解读数据提供了更高级的交互功能，也极大地增加了新闻的价值。

　　然而，数据新闻中以技术主导的逻辑可能会加剧传统新闻编辑室的文化和数字文化之间的紧张关系。所以，要使数据驱动的新闻事业健康发展，就必须在好的新闻报道、数据的需求和处理数据的技术工具的使用之间寻求平衡。

　　经济新闻一直以来都在使用科技手段来讲述故事，这是因为经济新闻更看重获取信息的质量和速度，而不是信息的数量或呈现形式的创新和吸引性。快速获取信息，以及保证清晰、准确和有价值的内容是在经济新闻中使用技术的指导原则。

　　经济新闻在所有这些方面所积累的经验，可以归纳为今天数据新闻所面临的一些主要挑战。我们可以从中吸取一些经验和建议，以帮助改善其他新闻领域的数据新闻实践。

　　首先，好的经济新闻，体现出管理好数据使用、维护新闻价值以及用来解释数据的分析性和概念性工具使用之间的平衡。因此，每个新闻步骤都应当考虑如何实现这种平衡，以此提高数据故事的精细化和高质量。强大的语境化 (时间、概念和数据之间的关系等) 和适合特定新闻领域的恰当叙事，是数据故事改进的基础。在处理数据时，创造力也很重要，就像经济新闻中的指数和排名一样。

　　其次，数据可视化的目的，应该是简化和澄清复杂的问题和数据之间的关系，让公众对时事和报道更易理解。

　　第三，数据新闻需要将调查项目与日常报道融合起来。以数据驱动的常规信息和通过对数据的深入解读而产生的“独家数据新闻”两者的发布都很重要。

　　最后，数据新闻应该避免陷入“技术决定论”的认识误区。新技术应该更好地为新闻服务，而不是反过来。交互算法新闻等可以显著改善数据故事的阐述和传播方式，但它们也可能成为好新闻的干扰，甚至是障碍。所以这中间的平衡就显得非常重要。