“大數據”時代：新聞業面臨的新震蕩

2013-01-01 00:00:00彭蘭

編輯之友 2013年1期

摘要：

大數據技術正在對今天的新聞業形成沖擊，它在一定程度上將對現有的新聞生產的模式與機制產生影響，這主要體現在：大數據技術滲透到新聞生產的核心環節，大數據技術重樹新聞質量標桿，大數據技術進一步提升受眾反饋的價值，大數據技術拓展用戶分析廣度與深度。在大數據技術等因素的推動下，新聞業務將實現一些方向性調整，如趨勢預測性新聞和數據驅動型深度報道分量的增加，數據呈現、分析與解讀能力的提高，新聞生產中跨界合作的增強。

關鍵詞：

大數據信息圖表計算機輔助報道數據驅動型新聞

今天的新聞業正在受到前所未有的挑戰。一方面，社會化媒體的興起使得公民新聞在一定程度上侵蝕著過去專業媒體的領地；另一方面，在大數據技術等的支持下，計算機這樣一種“機器”，也在對媒體人形成直接的沖擊。關于社會化媒體的影響，學界和業界已有很多關注，但對于大數據時代技術對媒體的影響，我們的關注還遠遠不夠。而在未來，它的影響將超乎我們的想象。

一、從“計算機輔助報道”到大數據時代

計算機數據分析技術與新聞報道的結緣并非新鮮事。20世紀50年代，美國就有媒體記者利用大型計算機對政府提供的數據庫中的信息進行分析，以發現和調查新聞事實。[1]之后，在西方，計算機輔助報道（Computer Aided Reporting，簡稱CAR）逐漸興起，在這樣一個新的領域內，人們不斷探討著以數據為基礎挖掘新聞、解釋新聞的方法。那些或公開或隱蔽的數據，成為記者發現新聞選題、拓展新聞深度的重要資源。

但在計算機輔助報道技術啟動之初，媒體能利用的資源是有限的，來源主要是政府機構、企業等發布的數據。而互聯網、手機等新媒體的發展，使得計算機輔助報道能獲得的數據日益豐富。

今天的時代已經被稱為“大數據”時代。“大數據”（Big Data）這一概念，首先是指信息或數據量的巨大。數據的單位，已經從G和T發展到P、E、Z、Y等為計量單位。計算機中存儲信息的基本單位是字節（Byte）。一個西文字符用一個字節存儲，一個漢字需要兩個字節存儲。其他單位及其相互間的關系分別為：1K=1024Byte，1M=1024K，1G=1024M，1T=1024G，1P=1024T，1E=1024P，1Z=1024E，1Y=1024Z。有資料稱，2011年全球的數據量達到1.8Z。[2]

大數據時代的出現，與很多因素相關，除了政府機構、媒體、企業等提供了更多的數據外，用戶數據、社會化媒體平臺上的UGC、移動終端的地理信息、物聯網技術的發展等，也使信息的數量急劇增長，而后者是大數據時代更重要的數據來源。

這樣的新環境，對大型數據的挖掘、處理、分析、分享等能力提出了全新的要求，此外，“大數據”時代也意味著不同行業、不同領域的數據之間的交換和相互利用也變得十分頻繁。大數據時代，強調的是對大規模數據的綜合處理能力。

提到大數據特點，業界通常會將其歸納為四個“V”，即多樣性（Variety）、體量（Volume）、速度（Velocity）和價值（Value）。IBM網站關于大數據四個特點的界定中，則用真實性（Veracity）替代了“價值”。（參見http：//www-01.ibm.com/software/data/bigdata/）總體來看，大數據意味著多樣化的數據來源、巨大的數據量、快速的處理。而對于大數據的價值，人們的解釋角度不盡相同。雖然對大數據進行有效加工會產生巨大的價值，但大數據本身卻有著價值密度低的特點，也就是說單位數據的價值并不高，要在大量的數據中發現有價值的數據或者將低價值的微小數據集聚成有價值的大數據，也是大數據技術要解決的一個主要問題。

目前，“大數據”的概念及其價值更多的是被IT業和企業營銷領域所關注，但事實上，傳媒業也將是受到大數據時代沖擊的主要行業之一。

二、大數據技術對新聞生產模式與機制的影響

大數據技術不僅使數據成為新聞報道的更重要的資源，而且在全面地影響現有的新聞生產模式與機制。

（一）大數據技術滲透到新聞生產的核心環節。在大數據及相關技術的影響下，過去只有受過專業訓練的人才能承擔的新聞報道工作，開始部分地轉移到了計算機身上。

Narrative是一家擁有大約30名員工的美國公司，它運用Narrative Science算法，大約每30秒就能夠撰寫出一篇新聞報道。2011年該軟件通過收集相關信息寫出了大約40萬則關于少年棒球聯盟的新聞報道。2012年這一數字預計將達到150萬。Narrative 的新聞撰寫的基本模式為：首先，通過系統的搜索引擎收集大量高質量的數據；其次根據報道題材決定文章的風格模式，再按照元作者提供的詞匯來組成句子。所謂元作者是由資深記者組成的團隊，他們負責創建一系列報道題材的模板，他們同Narrative技術工程師密切合作，使計算機能夠從不同“角度”來識別相應數據。[3]

Narrative聯合創始人兼首席技術官（CTO）克里斯蒂安·哈蒙德（Kristian Hammond）認為，未來機器生成的新聞將占到媒體新聞的90%，并且在未來5年之內，這樣的新聞有可能獲得普利策新聞獎。[4]

盡管目前我們還無法判斷哈蒙德的說法是虛妄的豪言，還是有遠見的預測，但是，Narrative公司的實踐至少說明，新聞采訪寫作這樣一個過去被“人”壟斷的領域，開始受到機器的“入侵”。

當然，機器進行新聞的采集與撰寫，目前還局限于特定的領域，在Narrative，機器生產的新聞目前僅限于金融業和體育產業。這兩個產業都涉及大量波動性很強的數據，新數據總是源源不斷。另一方面，體育和金融題材，在新聞寫作中已經有若干固定模式，建立相應文章模板，也就比較簡單。

事實上，2004年開始，谷歌、百度的新聞（或資訊）頻道，就已經依賴搜索技術和計算機算法來進行新聞的整合以及在網頁上的呈現。它們可以說是計算機技術用于新聞生產的更早的探索。

無論未來技術如何發達，計算機也不會完全取代人完成一切新聞報道，但兩者之間的結合一定會更加緊密，正如哈蒙德指出的，計算機的優勢在于記憶無差錯，并能夠快速訪問各類數據。而人工記者在進行采訪過程中，能夠做到“直奔主題”，在獲得相關材料后，再將撰寫文章的任務交給計算機。隨著計算機處理此類任務次數的增長并能夠獲得更多數據，計算機的“敘事”技巧也將越來越高。[5]

Narrative生成新聞報道的很多數據來自于社會化媒體，這也反映了未來一個主要趨勢，大數據技術與社會化媒體的結合，是未來新聞生產的一種重要方式，它們將成為專業媒體的人工式新聞生產的一種重要補充。

普通用戶在社會化媒體中生產的內容，是專業媒體需要充分利用的一種重要的資源，但目前媒體和受眾面臨的一個共同困境是，來自于個體的內容往往是碎片式的。盡管這些碎片中存在著很多具有重要價值的內容，它們一旦被發掘出來并且與專業媒體的內容整合在一起，將能發揮重要的作用，但是，由于信息量的巨大，碎片的篩選、挖掘和整合，也變成一件難事。大數據技術，也許可以在一定程度上解決這一問題。

大數據時代的發展，與物聯網技術也密切相關。作為物物相連的網絡，物聯網技術意味著，在未來，只要需要，任何物體的狀態數據可以由它們自身所攜帶的裝置向互聯網傳送，這些數據也將成為未來新聞報道的重要來源——無論是從新聞線索的提供還是新聞要素的揭示角度來看。與記者的個人觀察得出的判斷相比，這些直接的采集自物體本身的數據，將更為精確。

因此，在社會化媒體、物聯網以及其他相關技術的共同作用下，新聞生產的幾個基礎環節，都可能會發生一定的變化。

從新聞線索與選題的發現的角度看，記者與編輯需要更多地利用媒體自身或合作機構的數據庫，來發現重要的新聞。也有些情況下，新聞的發現，甚至可能是由“機器”來完成的。專業媒體人需要的是在計算機提供的線索基礎上，進行更深層次的采訪與數據挖掘。

從新聞信息的采集、新聞要素的發現角度看，對于那些具有持續的數據形成機制的行業或領域（如上文提到的體育、金融業等以及未來物聯網技術廣泛運用的那些行業），信息（包括核心要素信息）的采集將在較大程度上實現自動化，媒體人的職責，需要從梳理事實更多地轉向解釋事實發生的原因及分析影響方面。

從新聞作品的角度看，機器寫作的稿件將在常態的新聞報道中占據越來越大的比重，而重大題材的報道中，媒體人仍扮演主要角色。對于圖片、音視頻類的新聞報道來說，媒體人的角色可能在短期內難以被計算機替代。

從新聞編輯的角度看，對日常的新聞稿件的篩選與整合，類似谷歌新聞、百度新聞這樣的自動整合模式，具有一定的價值，當然，它們不會取代人工編輯。但是一部分受眾會逐步接受這樣一種新聞整合模式。

（二）大數據技術重樹新聞質量標桿。在專業媒體壟斷傳媒業的時代，人們對媒體的要求往往是能作出報道就行，至于報道的客觀性、全面性、深刻性等，由于缺乏相應的參照系，受眾往往難以作出評價，所以相應的要求也相對較低。

而今天，專業媒體的周圍已經出現了多個參照物，其中最主要的一個是社會化媒體。社會化媒體在某些事件的反應速度、內容的豐富度等方面甚至會超過專業媒體。專業媒體雖然總是聲稱自己可以做得更專業，但是，僅靠豪言壯語并不能真正解決問題。媒體要在社會化媒體的包圍下突圍，需要在報道模式、報道手段方面找到突破。

大數據技術是檢驗專業媒體質量的另一個參照物，在大數據技術面前，無論是在反映全局性事實還是趨勢性規律方面，媒體現有報道方式與報道成果的缺陷都日漸暴露。

但大數據技術既是參照物，又可以成為專業媒體未來的方法與工具，利用大數據技術，專業媒體的報道水準將得到有效的提升。

無論多么優秀的記者，他對于事物的觀察都只能是受制于個人的視野與立場，即使是相對深入的，也未必是全面的、充分的。而與記者在某一個視野有限的觀察點上對事物進行的觀察與分析不同的是，有效加工的大規模數據可以揭示更大范圍內的或更接近事實的情狀，從而也為報道的深入提供了基礎。

2011年夏天英國的騷亂發生后，Twitter等社會化媒體被認為是導致騷亂的“罪魁禍首”之一。但英國《衛報》進行的一項調查結果顯示，實際上在此期間Twitter在應對騷亂事件方面也扮演了重要角色?！缎l報》對250多萬條Twitter消息進行了分析，發現有20.6萬條消息是市民呼吁清理騷亂后的大街上的雜物，占所發送消息總量的8%。[6]雖然這一分析并不能排除Twitter在騷亂中的負面影響，但至少它推動人們更全面地認識Twitter在騷亂中扮演的角色。

大數據不僅在某種程度上比媒體的個別角度、個別層面的觀察更為有效，也在一定意義上比傳統的問卷調查更為客觀。例如，基于社會化媒體數據的分析，是以人們自發的信息與情緒披露為基礎的，盡管這些信息與情緒未必百分之百真實，但是，相對人們被動接受調查的情形，人們自發的披露，通常還是更能反映他們的狀態與意愿。

對于趨勢的預測，也是大數據技術的價值所在。

科學家的研究，已經越來越清晰地揭示出，人類行為多數是可以預測的，正如《爆發——大數據時代預見未來的新思維》書中所指出的：

各種各樣的記錄人類行為的數據庫，雖然給人類帶來了前所未有的風險，但“同時也創造了一個歷史性機遇——它第一次毫無偏見地為我們提供了成千上萬人，而不是少數人的詳細行為記錄。在過去幾年里，這些數據庫為各大實驗室提供了不少幫助，使很多計算機學家、物理學家、數學家、社會學家、心理學家以及經濟學家得以在強大的計算機和新技術的支持下，對某些問題進行仔細研究。實驗的結果令人振奮。他們有充分的證據證明，人類的大部分行為都受制于規律、模型以及原理法則，而且它們的可重現性和可預測性與自然科學不相上下”。[7]

同時，在人類行為與社會的變化之間，也存在著密切的關聯。大數據分析有可能將那些隱藏著的深層關聯揭示出來。

社交媒體監測平臺DataSift監測了Facebook IPO當天Twitter上的情感傾向與Facebook股價波動的關聯。例如，在Facebook開盤前Twitter上的情感逐漸轉向負面，25分鐘之后，Facebook的股價便開始下跌。而當Twitter上的情感轉向正面時，Facebook股價在8分鐘之后也開始了回彈。最終，當股市接近收盤時，Twitter上的情感轉向負面，10分鐘后Facebook的股價又開始下跌。最終的結論是：Twitter上每一次情感傾向的轉向都會影響Facebook股價的波動，延遲情況只有幾分鐘到20多分鐘。[8]

聯合國推出了一個名為“全球脈動”（Global Pulse）的項目，希望利用數據分析來了解人們的生存狀況，對可能發生的危機進行預警。這個項目著重對實時的數字化的信息進行分析，用來了解某些地區人們的境遇，有關政策或項目的執行情況，并以相關信息指導援助項目。（參見http：//www.unglobalpulse.org/）其中一個嘗試是，項目組與技術公司SAS進行合作，SAS用軟件自動提取了2009年6月至2011年6月間含有“失業、被解雇”等關鍵詞的博客、論壇和新聞網站內容，過濾精選后歸入“住房”“交通”“教育”等多個類別中，再借助語言分析工具對每一條目表達的“情緒”定性，比如“焦慮”“疑惑”“快樂”等，然后將人們情緒和討論話題的逐月變化趨勢與官方失業率統計數字進行比較。SAS發布的研究結果顯示，在美國失業率出現上升趨勢的4個月之前，網民的“郁悶”情緒就開始上升；在愛爾蘭，“焦慮”情緒和“疑惑”情緒上升分別出現在失業率出現上升的5個月和3個月之前。另外，在美國，失業率出現上升2個月和3個月后，網民討論住房不保和汽車置換開始增多；在愛爾蘭，失業率出現上升的同時，網民討論改換交通方式開始增多，3個月和8個月之后則取消旅行和置換住房的討論開始增多。[9]

目前媒體報道中關于某一事物走向的判斷主要來自于個別專家的分析，但這種方法的局限性顯而易見。如果媒體能廣泛借助大數據技術來進行重大趨勢的預測與分析，那么，它的預測的準確程度可能得到有效提升，它對社會的影響力就能得到提升。

（三）大數據技術進一步提升受眾反饋的價值。對于媒體內容的受眾反饋，在很多時候，也是以大規模數據的形式體現的。對于這些數據的挖掘，可以使受眾的意見、態度得到更充分的呈現，也可以使得這些反饋的價值得到更好的發揮與利用。

在印度，有一個非常受歡迎的電視節目—— Satyamev Jayate（《真相訪談》）。該節目談論的都是印度當地比較受關注的社會話題，每期播出之后都會在網絡上引發激烈討論。為了讓節目產生更大的社會影響力，節目組找到了一家名為Persistent System的IT 咨詢公司來幫助管理和分析“大數據”。該公司設計了一個系統，幫助搜集網絡上與每期節目話題相關的信息，并對其進行分類、貼標簽，以及根據興趣水平和情感指數評分，這些數據都會以信息圖的形式公布在節目的官網上。這些數據并不只是揭示了受眾的整體情緒與意見，還作為社會輿論的反映被政府所關注。在以女性墮胎（將未出生的女嬰作流產處理）為話題的第一期節目播出后，有 99.8% 的觀眾認為執行這類手術的醫生應該受到懲處。這一結果被提交給印度政府之后，據節目組的人稱，政府“幾乎立即就同意了改善審判系統”。[10]

大數據技術有可能使受眾反饋直接轉化為民意，這將使媒體在反映與傳達民意方面的功能進一步增強。

（四）大數據技術拓展用戶分析廣度與深度。雖然受眾分析早就成為媒體的基本工作，但以往的受眾分析是以傳統的抽樣調查手段為主，由于調查對象的有限性，這樣得出的研究結論，未必能全面反映受眾市場，且它們更多地關注的是“受眾”語境下的孤立的媒介使用習慣（如閱讀、收看、點擊等），而忽略了用戶的綜合行為習慣以及這些習慣對他們的媒介使用的影響，例如人們的社交關系圈子或者人們的網上購物行為對于他們在新聞內容消費方面的影響等。

而大數據技術基礎上的用戶分析，將不僅關注媒介行為習慣本身，還會關注用戶的整體行為，并從中尋找影響他們內容消費行為的相關因素。同樣，這樣的研究不是強迫用戶對他們的行為習慣以問卷的方式作出回答，而是對他們日常的自發行為本身進行分析，因此，能更真實地反映用戶的需求、偏好以及行為模式。

大數據也不僅僅將注意力放在用戶整體分析上，它同樣注重對于每一個用戶的個性化需求的分析，未來媒體所要提供的個性化服務，也需要對用戶在各種平臺各種行為中產生的數據進行整體連接并在此基礎上進行挖掘與分析。

2012年，騰訊發布了面向營銷的大數據戰略，它將調動騰訊7億活躍賬戶數據去服務門戶，來打造基于用戶社交關系鏈的“下一代騰訊網”。騰訊將從這些海量數據中挖掘、分辨出用戶的行為模式、興趣偏好等，更準確地向用戶推薦合適內容。[11]在這樣一個戰略中，我們看到的是，社會化媒體中的用戶活動等看上去與門戶平臺上內容消費相對分離的行為數據，已成為影響門戶網站的發展模式的重要依據，以數據分析為基礎的個性化的信息服務也成為門戶網站發展的目標。騰訊的做法也將被越來越多的媒體借鑒。

三、大數據時代的新聞業務發展趨向

在大數據技術以及社會化媒體的共同作用下，專業媒體需要重新尋找自身的定位，謀求新的價值。而新的定位與新的價值，必將通過業務形態的變革體現。在未來，新聞業務的主要調整方向也許會體現在如下方面：

（一）趨勢預測性新聞和數據驅動型深度報道分量的增加。以往媒體的選題更多地來源于正在發生或已經發生的事實，但公民新聞已在這個方面對專業媒體形成強有力的沖擊。如果媒體能夠利用大數據技術，把更多的注意力放在對未來趨勢的預測上，那么，就有可能在公民新聞難以達到的高度上，來實現媒體價值的重塑。

此外，深度報道仍然會是媒體的主要追求，但與以往建立在個體記者的調查、采訪能力基礎上的調查性報道不同的是，未來越來越多的深度報道將是數據驅動的，是基于大型數據的挖掘與分析實現的對新聞事實的深度揭示與解析。

這意味著，媒體要成立專門的部門，或者依靠與外部的合作，建立起一個數據積累與分析的常規機制。數據分析師或數據挖掘師這樣的職位，也應該成為媒體的一個常設崗位，當然他們的職責不僅僅是對已經形成的數據進行分析解讀，更需要提出選題方向和數據采集、處理的方案。無論是對于只習慣文字、圖像等思維的傳統新聞人，還是只習慣于數據思維的技術人，這都會是新的挑戰。進行跨學科的人才培養，是未來的必然。

盡管不少媒體已經開設了諸如“精確新聞”這樣的以問卷調查為基礎的數據新聞欄目，但大數據技術的運用，將使這類數據新聞欄目面臨挑戰，它們也需要升級。

（二）數據呈現、分析與解讀能力的提高。大數據時代使數據成為新聞報道中的重要資源，但這并不意味著新聞報道是數據的堆積，信息爆炸時代需要的是對信息更明晰的呈現、更準確的分析和更深層的解讀。

在這樣一種背景下，在國內外的媒體中，信息圖表（Infographic）開始扮演越來越重要的角色。信息圖表是將數值型和文本型的信息形象化、可視化的一種方式。信息圖表的作用主要表現為呈現數據、提示要點、圖解過程、梳理進程、揭示關系、展現情狀、整合內容、表達意見、分析解讀等。

信息圖表使得媒體進入一個新的“讀圖時代”。與20世紀90年代中國紙質媒體提出的以新聞照片為重點的“讀圖時代”不同的是，今天的讀圖時代，更多的是通過信息的視覺化再加工，更好地傳達、解釋甚至解讀信息。信息的視覺化再加工，對于媒體人來說，是一種全新的思維與能力，要全面提高媒體人在這方面的素質，需要一個較長的過程。

（三）新聞生產中跨界合作的增強。新聞媒體要運用大數據技術面臨著很多新的挑戰，數據的來源、數據分析與加工的技術與人才，以及支持相應數據運行的設備等，無一不給媒體帶來新的課題。盡管有實力的媒體可以通過自己的力量來解決這些問題，但是，利用外部力量，進行跨界合作，也許是更為切實可行的方式。

大數據時代的數據處理，需要“云計算”等技術支持，也需要大型的數據處理的服務器集群，同樣，在這些方面，媒體更多地應該走外部合作的道路。

當然，這也會意味著數據處理的權力將日益集中于相應的硬件與軟件服務的提供者那里，這也使得技術對于媒體的制約能力進一步增強。

大數據時代不僅意味著機會與挑戰，也會意味著更多的風險與新的外部制約力量，但無論如何，這是媒體必須面對的一個新的時代。

基金項目：本文為國家社科基金特別委托項目“三網融合相關問題研究”（10@zh002）研究成果

參考文獻：

[1] 卜衛.計算機輔助新聞報道：信息時代記者培訓的重要課程[J].新聞與傳播研究，1998（1）.

[2] 鄭重.大數據時代我們如何做分析[EB/OL].http：//bizsoft.yesky.com/377/30424377.shtml.

[3] [4] [5] 中濤.連線雜志：未來新聞90%以上將為電腦化新聞[EB/OL].http：//tech.qq.com/a/20120503/000271.htm.

[6] 李明，彥飛.英國《衛報》：Twitter在騷亂中利大于弊[EB/OL].http：//tech.sina.com.cn/i/2011-08-26/18285986351.shtml.

[7] 艾伯特-拉斯洛，巴拉巴西.爆發——大數據時代預見未來的新思維[M].馬慧，譯.北京：中國人民大學出版社，2012：13.

[8] 深度剖析互聯網“大數據”的特點[EB/OL].http：//www.100ec.cn/detail--6042391.html.