如何打造优质且具特色的数据新闻?数可视资深编辑分享案例实操

作者:发布时间:2019-11-08 08:39

2

本文转载自微信群众号:腾讯媒体研讨院(ID:TencentMRI),作者: 腾讯新闻 姜柳

10月26日,由数可视与蓝鲸财经联合主办的“大数据年代新闻开展&产出实操”沙龙落地北京,会上数可视资深数据新闻修正姜柳以《媒体的数据可视化优势在哪》为主题进行了共享,叙述了数可视打造数据新闻的经历与事例实操。腾讯媒体受邀参会并将部分观念实录发布,以下为具体内容。

01

不是数据科学家,

媒体为什么要做数据可视化?

在实体经济跟产品经济开展的一同,数据可视化可以更好的为产品资金和实体经济服务,今日我和咱们讲的便是媒体的数据可视化。

首要有一个问题:假如不是数据科学家,媒体为什么要做数据格式化?其实这个问题开端是同行跟我沟通时提出的,我觉得这确实是一个值得沉思的问题。

像科学职业的各个范畴,不管是专业的论文仍是职业研讨,里边都有可视化的成分在,已然各行各业都有十分专业的人在做这些剖析和可视化,那媒体做数据可视化的含义在哪里?

后来我做了许多事例,认识到媒体应该认清它本身的一个功用:在冗繁的数据和群众之间充任传达和沟通的桥梁。

这也是媒体的本职作业,认清了这一点就十分好打开接下来的作业,在这儿我也会跟咱们共享一些事例,包含国际上有名的和咱们自己做的,结合这些事例跟咱们共享经历。

首要咱们看这两个图,这是Airbnb的一些信息。这个信息展示了近年来柏林房价和Airbnb房间数意图添加趋势,用来研讨柏林的房价是否由于Airbnb的鼓起而受到影响。 

2

数据库信息

1 

成型的可视化著作

上面两张图比照起来就很好地诠释了媒体做数据可视化的必要性,媒体可以把海量信息抽丝剥茧般地进行系统性收拾并出现,这样出来的作用就十分简练,你还可以得出一些十分直观的定论。

在可视化的基础上,再进行深度的新闻发掘,这便是媒体可以做的作业。

这样做获益许多,首要你可以知道接下来的方向是什么。比如说图二,右上方是Airbnb在柏林的房间数意图历年添加趋势,右下方是价格趋势,左面是面积添加趋势,联动这些信息的一同又可以看到他们之间的正向相关性,这就可以直观地得出一些定论。

你假如去看原始数据,会发现需求向服务器发送许屡次恳求,比如说你想查2005年到2006年的数据,就得别离发送不同的恳求进行检索。

02

化繁为简是一个准则

对媒体来说,化繁为简是做数据可视化的一个准则。

1.功用叠加

化繁为简很重要的一点便是功用叠加,把凌乱的数据收拾提炼,整合出现。由于数据库没有“数据收拾”的进程,它仅仅直接把数据放在那里,但你假如做成可视化著作的话,是需求进行功用叠加的。

以本年CGTN两会做的著作为例——Who runs China。对两千多位人大代表的布景原籍学历做了缩影,用粒子的方法出现出定论,每一个粒子都代表了一位人大代表的个人信息。

2

这个著作其实就像一个小型引擎,你在网页上进行查找,严选出每一个颗粒,都是有相应代表人物的个人信息的。好著作对信息的集纳十分到位,这便是功用叠化的表现。

2.视觉简化

处理完数据后就要进行视觉简化。不少人跟我说过:“媒体做过的许多格式化著作并没有协助咱们更好地了解要传达的东西,反而进步了阅览门槛。”

这个问题是存在的,我以为媒体这边能做的便是尽量优化和简化视觉作用,协助群众下降门槛,而不是简略的把著作当成一个炫技的东西。由于群众传达以简练、进步沟通功率为主。假如仅仅为了让这个图表很炫,这个动效很炫,就违反初衷了。

3.迭代

下面这个比如是之前我和小伙伴们一同做的有关北京地铁的著作。

创意来历是看到微博上说北京地铁的官博是一个资源富矿,每天都会发布北京一切地铁线路的运营情况,包含哪天哪条线路由于什么原因出了毛病,什么时候排除了毛病。

1

可是它有几千条微博,所以咱们进行了爬虫处理,把提取出来的数据进行收拾,看哪条线路毛病次数最多,最终得出来5号线毛病次数最多。

咱们还用自己的一套加权办法算出了一个毛病指数,也便是最终的出现成果。其实咱们在制造的进程中十分纠结,在最终一版成果出来前至少有三版都被抛弃了。

2

可以看出,在规划信息组的进程中,迭代是十分必要且凌乱的,并且触及到对信息的取舍,这是十分实操的东西,咱们在创造进程中一定会遇到。

原本咱们讨论说再添加一个目标,细化到每隔几周会遇到毛病,由于咱们觉得这样能让咱们有亲身经历的感觉。因而咱们引入了这个维度,但做出来后发现出现作用太花哨凌乱了,没有要点,还会掩盖重要信息。

信息量太多,就没有杰出的信息点了,所以咱们又进行了迭代。甘愿拿掉这个维度,也不要搅扰有用信息,这便是最终的出现成果。

举这个比如仅仅想说,做信息规划的进程触及到许多信息的取舍,不该要的就不要,尽量从读者的视点考虑,不要仅仅把图表当作自己发挥规划才干的当地。或许有人觉得做出这种凌乱的东西很厉害,但我觉得不是,仍是要以简练为主。

03

非典型的数据新闻修正室

怎样打造特征?

严厉含义上来说,数可视并不算一家媒体,但咱们的首要协作对象是媒体,特别是以央媒为主,为他们打造数据产品。这个条件下咱们做的作业其实跟修正室的修正和记者做的差不多,所以我觉得咱们算是一个非典型的数据新闻修正室。

许多人对咱们的作业的方法和事务比较感兴趣,想了解咱们和传统媒体有什么区别,下面就跟咱们共享一下。

1.开辟不同的表现方法

咱们其实是在开辟一个不同的表现方法。数据可视化有十分多的表现方法,除了传统的网络交互外,还有信息图文、漫画、短视频等,这些都是咱们在做的,咱们在开辟不同的表现方法。

2.结合本身的数据特征

和其他媒体协作十分重要的一点便是要时间结合本身的数据特征,坚持干货传达的一同,要把团队特征融入到看似不太搭边的著作里。

下面这个比如是咱们之前跟腾讯科技协作的一个著作,主题是春运抢票,方法是漫画。

腾讯科技先提需求,说著作要表现历年来咱们的抢票软件以及交通运输的开展,又想做的温情一点,风趣一点,不约束方法,像极了一般甲方的需求:列出要求1...2...3...你们给我做个东西出来。

最终他们说漫画不错,所以咱们就采用了这个方法来做故事整理。假如只简略的做一个情节性故事,并不能表现咱们的特征,由于有更好的专门做漫画插画的公司,从生产流程到操作方面他们都比咱们了解。

已然找咱们做了,咱们就要做出自己的特征,一同该出现的干货也要出现。

首要是要交融历年来抢票软件的开展进程,绿皮车时期咱们抢票要连夜排队,或许从黄牛手中买票。动车高铁时期咱们开端在电脑端抢票,继而是手机端,买加快包买会员,这是互联网生态开展在抢票软件上的表现。

其次还要交融历年来我国交通运输提速的改变。咱们最终把明线跟暗线结合起来,整理出了一个比较清楚的头绪,用温情的故事展示出来。所以我觉得结合本身的数据特征来打造著作是十分重要的,否则做着做着就简单忘掉自己的风格,这样或许就跟无数个咱们协作的媒体公司相同,只能成为他们的编外人员。

我就觉得一定要充分发挥自己的能动性,去做一些能表现你特征的东西。

3.交融客户需求,确认本身风格

提到这儿,特别像在跟咱们共享作为乙方的经历:怎样去更好地结合甲方主意,怎样保存自己的风格。其实事例许多,这儿就共享一下咱们和央视网协作的系列视频——China Formula,即我国时间。咱们选取了我国在国际开展的一些抢先职业,做数据上的解剖,推论抢先的原因。

这个著作很像一套微型纪录片。首要颜色比较鲜艳,其次咱们想表现拼贴的质感,但凡有数据图表的元素,都尽量用简练的线条方法出现,不想过分富丽。

223

最终出现出来的著作是经过了跟央视网的不断沟通和重复修正的,由于他们想做的一些东西太超前的idea也不太适宜,比起这个更需求做的是更本土化、更符合媒体调性的风格。

咱们期望今后不管跟哪家公司或许媒体协作,著作都能带上咱们的痕迹,而不是说彻底遵照他们的要求,成为一个没有魂灵的服务东西。

即便跟不同的公司协作,依然能看到你们团队的著作自成一派,这是一个十分高的规范。

04

书目及网站引荐

或许由于我之前学的便是数据新闻,所以跟许多业内人士和学生都有沟通。

首要榜首本是Sarah Cohen的书——< Numbers in the Newsroom >,这本书在国外新闻修正室,最起码在美国新闻修正室是圣经相同的存在,查询性新闻机构基本上人手一本。Sarah Cohen是《纽约时报》数据新闻的修正,她出的这一本书十分深入浅出,触及了修正和记者可以运用到的数据和统计学知识,十分合适咱们阅览,门槛没有那么高。

第二本便是数据可视化大牛Alberto Cairo的 ,这本书依据可视化的原理,深层次地去讲怎样规划更凌乱的信息、怎样更简化、怎样更有用地去传递信息。

第三本是David McCandless的,他是Information Is Beautiful网站的创始人,对信息规划感兴趣的同行和学生可以看看他的著作。

接下来这三个网站也是十分值得引荐的,榜首个叫Makeover Monday,你从网站上能获取许多有用的数据集,了解咱们都是怎样去做可视化规划的。这个网站有点类似于一周应战的方法,它每周会出一个data set,也便是数据集。

这些数据集是从不同网站上转移过来的,比如说地产和体育范畴现已成型的著作,一同也供给数据源,咱们可以群策群力,看看可以二次创造出什么样的著作。这个网站现已运营许多年了,每周都会有一个这样的challenge,咱们可以去看一下其他小伙伴的规划风格。

第二个是Dear Data,这个在业界很有名,是两个闻名的规划师和数据新闻记者做的项目,她们在不同的国家,但都十分喜爱做数据可视化,所以这两个姑娘一块进行了为期一年的这个项目。她们把身边的一些小事顺手画成比较轻量级的可视化著作,以明信片的方法寄给对方,最终集结成书。咱们可以去看一下同一个主意在不同思想下是怎样成型的,怎样做成两个风格天壤之别的产品。

第三个网站是Derek Watkins的个人网站,他也在《纽约时报》作业,是一个数据新闻作业者,他把自己的个人著作集放到这个网站上。其实做著作集很常见,许多人都有自己的著作集,但可贵的是他会在每个著作下面标示他做了什么作业,用了哪些东西。关于初学者来说,或许说关于想成为他那样大牛的人来说,追根溯源的去了解他做的作业和用的东西,是十分有建造含义的,所以我也十分引荐这个网站。

这便是一些著作和网站的引荐,期望可以对咱们有一些协助或许启示。

推荐产品
推荐新闻: