新聞業應用大數據：展望、誤區與對策

張 　超　　　鐘 　新

?

新聞業應用大數據：展望、誤區與對策

張 超鐘 新

摘要：大數據時代，新聞業將發生三個方面的變化：在新聞報道樣式上，由數據新聞升級為大數據新聞；在新聞生產的受眾觀上，由類型化受眾觀變為個人化用戶觀；在新聞產品的本質上，由易碎的信息轉向高附加值的知識。在大數據時代初期，人們對大數據還有諸多誤解，如認為大數據的分析是客觀的、大數據的數據采集都是全樣本的、大數據的結論一定是正確的。大數據對于新聞業態的重構是革命性的，新聞業需要主動、積極地迎接大數據時代，包括對大數據資源的主動積累、獲取，對大數據技術的主動接軌和掌握，對大數據新聞的常態化實踐，還要提升新聞業者的“大數據素養”。新聞業應用大數據需要再審視。

關鍵詞：大數據；大數據新聞；客觀性；閾值

有關大數據的探討自2008年《自然》雜志推出大數據專刊就已開始，但大數據真正成為世界范圍內的熱門話題是以2011年6月美國麥肯錫咨詢公司發布的研究報告《大數據：下一個競爭、創新和生產力的前沿領域》為起點。在中國，“大數據熱”也持續升溫，從IT領域擴展到各行各業，與大數據有關的研究在中國逐漸成為一門顯學。2013年被稱為中國的“大數據元年”。

大數據備受推崇，被稱之為“一場生活、工作與思維的大變革”①。而大數據時代的新聞業也被寄予期待。在傳媒領域，以社交媒體為代表的新媒體利用大數據展開諸多嘗試，而傳統媒體也在思考如何應對大數據時代的到來。2013年，《紐約時報》《衛報》等老牌紙媒已利用大數據挖掘技術，推動新聞向“利基化”“縱深化”發展②；2014年中國電視新聞也開始運用大數據，開啟了“中國大數據電視新聞時代的元年”③；這些舉措為學界、業界一致叫好。而當前，新聞業對大數據的認知誤區已經顯現，大數據發展中存在的問題也引起關注，新聞業如何迎接大數據時代等問題需要我們重新審視。

一、大數據時代新聞業的展望

大數據的特點被總結為四個“V”：Volume(容量大)、Variety(種類多)、Velocity(速度快)、Value(價值大)。應用大數據將會給新聞業帶來以下三個方面的變化。

1.新聞報道樣式的變化：由數據新聞升級為大數據新聞

數據新聞的緣起可追溯至20世紀60年代的精確新聞報道，在歷經了計算機輔助報道、數據庫新聞之后，如今的數據新聞是基于數據挖掘與分析思維的新聞報道，也是數據驅動型的調查性報道或深度報道。④《數據新聞學手冊》認為，數據新聞的特點是：記者和編輯利用充裕的數字信息，將傳統的新聞敏感和引人入勝地講述故事的能力相結合。⑤數據新聞將深度與可視化結合起來，數字平臺上的數據新聞還具有互動性。

大數據時代，數據新聞的內涵將極大拓展(見圖1)，大數據新聞將成為數據新聞的重要組成部分。何謂大數據新聞？基于大數據技術，運用可視化和互動性手段，對社會某一熱點問題進行宏觀和中觀的呈現、解釋或預測的新聞樣式即是大數據新聞，大數據新聞是深度報道的一種類型。大數據新聞與傳統數據新聞最大的不同在于它運用的是大數據技術，其數據主要是非結構的或半結構的，而不是結構性數據。

鐘新，女，中國人民大學新聞學院教授，博士生導師(北京100872)。

圖1　數據新聞的構成

大數據時代，大數據新聞將成為新聞業“內容為王”的核心競爭力之一。大數據新聞可以通過大數據挖掘與分析，通過關聯分析和因果分析，從關注社會表層現實到發掘社會深層現實，極大地拓展人們對新聞事件或社會現實的認知與把握。這一新聞樣式一經推出便受到歡迎，如央視《晚間新聞》2014年推出的“據說系列”，該系列每日收視率通常高于《晚間新聞》前3個季度的平均收視率。

隨著技術的進步，人們的態度、情緒、行為等都可以變成數據進行分析和預測。如媒體可通過情感分析來測量和判斷社交媒體上用戶群的態度。2012年美國大選時，推特(Twitter)通過對用戶每天推文和評論的關鍵詞進行量化跟蹤，計算出“政治指數”來判斷民心所向⑥。大數據的核心是預測，以往新聞事件的預測多由專家、智庫做出，大數據新聞使新聞媒體對某一新聞事件事態發展的預測能力大大加強。對于精確新聞報道和預測性報道而言，大數據技術的應用無疑會提升新聞報道品質。

2.新聞受眾觀的變化：由類型化受眾觀變為個化用戶觀

從西方大眾報業以受眾為導向開始，近200年間新聞業的受眾觀經歷了“想象”的受眾觀到類型化受眾觀，再到用戶觀的轉變。

“想象”的受眾觀是指新聞采編人員“設身處地”的設想受眾可能會對哪些內容感興趣，從而指導新聞生產。類型化受眾觀則是伴隨現代受眾調查技術的發展成熟而樹立起的受眾觀，通過對受眾的抽樣調查，總結出受眾的類型。媒體的專業化是類型化受眾觀的具體表現。隨著新媒體技術的發展和媒介間競爭的激烈，受眾呈碎片化發展，這對新聞媒體的信息傳播提出更高的要求：既要提供信息，又要提供“體驗”。如今的受眾觀變成了“準確”的用戶觀，即準確定位，在類型化受眾之下繼續細分。媒體基于用戶過往的新聞內容閱讀特征，隨后推送有針對性的新聞，“今日頭條”的運營模式即是如此。

大數據將“準確”的用戶觀繼續深入，由準確定位變為精確定位，真正滿足用戶的碎片化需要，這種用戶觀可稱之為個體化用戶觀。隨著穿戴式智能設備和移動位置服務的廣泛普及，物聯網將用戶與新聞媒體勾連起來，個體化用戶觀念將成為新聞生產的主導觀念。大數據時代的新聞推送是基于物聯網提供的信息，即具體的情境向用戶推送信息，包括地理位置、使用時間、個人生理、日常行為等因素，是一種完全智能化地信息推送，真正使新聞生產在版本上精確化，在推送上個人化。可以這樣說：“想象”的受眾觀，受眾是模糊的；類型化的受眾觀，受眾是可知的；“準確”的用戶觀，用戶是可了解的；個體化用戶觀，用戶是可理解和可預測的。這也意味著大數據時代媒體對用戶的研究，比以往更復雜。

3.新聞產品本質的變化：由易碎的信息變為高附加值的知識

大數據時代新聞報道與客觀現實的關系發生了變化，由折射現實向反映現實轉變，人類將步入鏡像化生存的時代。鏡像化生存是一種以計算機、網絡等硬件為基礎，以數字化數據及其運算來表征顯示物質世界中各種真實關系的生存方式。⑦這使新聞產品的性質也發生了質變：由信息變為知識。大眾傳媒自誕生之日起，基本功能在于傳播信息，知識生產只占傳媒產品的很少一部分，科研機構、研發企業等是知識生產的主要來源，媒體承擔的是知識傳播的平臺角色而非生產角色。

大數據可以讓新聞業真正成為社會的“瞭望者”。大數據將媒體推向知識生產的前臺，因為媒體不僅有生產信息的能力，亦有生產知識的能力。這種從折射現實到反映現實的轉變，使得媒體有能力以無限接近真實的狀態反映世界，從而具備知識的生產能力。

媒體運用大數據進行新聞報道，從某種意義上說相當于一次科學研究，通過“數據—信息—知識”的進階，使擬態環境與客觀現實無限重合，帶來的是受眾內心感知的現實無限重合，即媒體反映現實功能的最大化實現。

從信息向知識的轉變，也使新聞產品的“保質期”延長，以生產消息為主的“易碎品”變為挖掘社會現實的知識，使新聞的附加值增加。以往一次性售賣的信息，在變為知識后，可以通過媒體二次售賣，或依據大數據結果分門別類多次售賣。新聞產品本質的轉變也使媒體的功能得到拓展，如在提供財經資訊方面，可以利用大數據挖掘出來的知識為企業提供市場預測服務，延伸媒體的產業鏈。目前傳統媒體依靠廣告為主的盈利模式已經觸到“天花板”，利用大數據技術為新聞產品增值，拓寬媒體的盈利渠道，是可行的新路徑。

二、當前新聞業對大數據應用的認知誤區

隨著大數據技術的應用，一些現實問題也暴露出來。比如被人們奉為圭臬的《紙牌屋》，經驗卻難以復制，“大數據”其實只是奈飛公司(Netflix)的一個營銷噱頭。⑧我們對大數據時代新聞業的展望是建立在大數據技術成熟、大數據資源互聯互通與開放的基礎之上的。但不可回避的現實是，大數據變革正處于其最初階段。⑨學界、業界當前的探討多聚焦大數據對新聞業帶來的美好前景，而對大數據技術和大數據的發展欠缺客觀、全面的認識和思考，相關闡述多理想化，甚至對大數據存在誤解。因此重新審視大數據、客觀看待大數據至關重要。目前新聞業對大數據的認知誤區主要集中在三個方面。

1.忽視算法：大數據分析的客觀性誤區

有人認為新聞業對于大數據技術的應用使新聞報道由“用事實說話”轉變為“用數據說話”，保證了新聞的客觀性，因為“有效加工的大規模數據可揭示更大范圍內的或更接近事實的情狀”⑩。大數據新聞運用社會科學研究的方式探尋事實及其背后的聯系，有助于媒體建立起面對復雜社會問題時進行新聞報道的透明性。按照這個邏輯，大數據技術的確可以保證新聞的客觀性。

但這個邏輯恰恰是一個陷阱，大數據是客觀存在的，大數據中的數據、數據挖掘與分析卻并不是客觀的。大數據反映客觀現實的準確性不在于數據量，而在于數據來源、異質數據和數據處理分析中的模型和算法。數據相同，而模型、算法不同，其結果可能存在差異甚至相反。以社交媒體數據為例，數據清洗的過程決定哪些自變量、因變量被考慮，哪些被忽略，這個過程本質上是主觀的。因此數據樣本是否足以代表整體、數據算法是否足以體現與現實的關聯、對數據的解讀是否盡可能拋棄主觀性，直接決定數據的客觀性、可信性。

圖2　大數據技術架構

資料來源：馮登國、張敏、李昊：《大數據安全與隱私保護》，《計算機學報》2014年第1期。

可見，大數據技術不是一款簡單的數據分析軟件，要從大體量、多類別的數據中快速提取價值，幾乎需要重構整個數據庫技術。正如《原始數據只是一種修辭》的作者麗莎·吉特曼所說：“數據從來都不可能是原始存在的，因為它不是自然的產物，而是依照一個人的傾向和價值觀念被構建出來的。我們最初定下的采集數據的辦法已經決定了數據將以何種面貌呈現出來。數據分析的結果看似公正客觀，其實價值選擇貫穿了構建到解讀的全過程。”所以大數據技術并不必然保證新聞客觀性，客觀性有賴于大數據及其技術的成熟和完善，尤其是在大數據時代初期，不能盲目信任大數據的分析結果。

2.忽視閾值：大數據采集的全樣本誤區

大數據的基礎是數據挖掘和數據處理。2012年末，非結構化數據占互聯網數據的75%以上。大數據時代的關鍵并不在于獲取更多數據，而是從數據中挖掘知識。從數據到知識轉化的過程中，數據處理是核心的一環。有研究者指出大數據是全數據、全樣本，但實際上大數據不可能等于全數據，全數據是一個理想化的、相對的概念。數據是動態產生的，采集數據只能獲得一段時間、某些平臺的數據(有些數據并不公開，或定期自動刪除)。

雖然大數據時代新聞生產中知識所占比重將越來越大，但是新聞業不是一項非盈利事業，新聞生產的投入與產出、經濟效益與社會效益、叫好與叫座等是現實問題。解決問題最關鍵的環節在于大數據技術中的閾值(threshold)，即解決一個問題所需要的數據量。有關閾值的問題也被稱作“預言性數據分析問題”，即“在做大數據處理之前，我們可以預言，當數據量到達多大規模時，該問題的解可以達到何種滿意程度”。

新聞業的競爭已經從“今日新聞今日報”發展到“現在新聞現在報”，新聞時效的競爭更加激烈，如果追求全樣本、反映復雜現實，忽略了高效的閾值，必然影響新聞時效性。而閾值與新聞的生產成本也直接相關。解決好閾值問題可以節約新聞生產成本、提高新聞生產效率，否則大數據新聞會淪落為“奢侈品”。大數據樣本的關鍵不在于全樣本，而在于真數據、異質數據、厚數據。

3.忽視情境：大數據結論的適用性誤區

通過大數據技術做出的預測已有諸多成功的嘗試，如2009年“谷歌流感趨勢”曾成功預測了流感在美國的傳播。預測準確、數據說話、大體量數據采集往往被視為大數據分析結論可靠性的保證。然而大數據技術也有失靈的時候，“谷歌流感趨勢”在2011—2013年的流感預測不盡如人意，原因在于大數據雖擅長觀察人們的行為，但不擅長理解人們對每樣事物的背景知識。大數據不善于結合具體情境分析問題，分析出的數據結果不能簡單套用，而是有一定的適用范圍。除了“算法”，大數據還包括對數據的分析、闡釋，這些環節并非數據處理的強項，這也就是大數據之所以擅長相關關系，而不是因果關系的重要原因。而新聞報道探尋的不僅是相關關系，更重要的是因果關系。TOW數字新聞研究中心的研究者尼克·蒂亞克普洛斯認為：“數據自身并不意味著真實。是的，我們通過誠實的推理過程可以在數據中找到真相，但是也可找到多個真相，甚至是完全的假相。”

大數據的這一弱項對新聞業是一個“致命傷”。對新聞業而言，真實性是立身之本。如果說預測性報道出現失誤情有可原的話，那么對于非預測性報道，對大數據結論的闡釋和適用性要保持高度警惕。以2014年的《據說春運》為例，記者用分析后的數據“還原”到現實，結論的可信性卻受到質疑，原因在于記者可能帶入“太多隨意和武斷的推論”，使數據的適用邏輯出現偏差。因此記者用大數據進行新聞報道時，應該對大數據有客觀認知，注意大數據結論的情境，以判斷適用范圍，避免以偏概全。大數據時代更需要記者對現實世界保持敬畏心。

三、新聞業如何迎接大數據時代

大數據對于新聞業態的重構是革命性的，新聞業的走向很大程度上取決于大數據技術的發展。盡管當前大數據技術還存在諸多問題，但不可否認的是，對大數據技術的應用已經成為新聞業的“必修課”。對于新聞業而言，需要重視應用大數據的頂層設計，主動、積極地迎接大數據時代。

1.大數據資源的主動積累與獲取

大數據的“原材料”是數據，在大數據時代，得數據者得天下。但新聞媒體尤其是傳統新聞媒體并未掌握這些海量數據：一方面，傳統媒體在新媒體時代來臨之前，積累數據較為困難，且數據已過時；另一方面，在媒介融合過程中，媒體側重內容生產和渠道延伸，忽視了線上數據資源的積累與獲取。

除了媒體自身原因，媒體外的數據壟斷是導致大數據缺乏的另一主要原因。當前大數據主要掌握在政府、企業和各數據終端平臺(如百度、新浪、騰訊等)上。這些數據終端平臺的數據并未實現互聯互通，數據壟斷已經形成。作為以“內容為王”為核心競爭力的行業，占有數據即是占有內容，新聞業應抓住當前大數據興起的初級階段機遇，通過自身和合作等多種形式主動占有、獲取數據資源。

2.大數據技術的主動接軌與掌握

大數據時代已經開啟，但是大數據技術還并未普及。新聞媒體在大數據時代掌握主動權，必須主動接軌與掌握大數據技術。

當前新聞媒體的大數據新聞實踐多通過合作的方式進行，例如央視《晚間新聞》的“據說系列”，就是央視與多家互聯網企業展開數據合作的產物，所用數據和技術包括：百度的地圖與檢索數據、新浪的微博數據、360的網絡安全數據和可視化支持、騰訊QQ與微信的社交網絡數據、阿里巴巴的交易數據以及拓爾思的數據分析技術等。

技術合作是大數據時代初期媒體可以采取的模式，但從長遠看，媒體必須主動掌握大數據技術，在新聞內容生產方面占得先機。新聞媒體與互聯網企業不同，新聞報道必須符合新聞專業主義標準、體現社會效益，不掌握大數據技術，就意味著內容生產是“外包”給互聯網公司，技術受制于人，新聞報道真實、客觀、公正的品質可能會存在風險。因此大數據時代媒體中的技術部門或內容生產部門中應包含大數據技術團隊，該團隊將密切關注、學習、掌握大數據最新技術，為新聞生產服務。

3.大數據新聞常態采編模式的積極實踐

傳統新聞媒體是以編輯部為核心的單體作戰模式，而大數據時代新聞生產越來越依賴于媒體內的跨界融合。這種融合不是部門間流水線組裝式的合作，而是彼此交叉、自始至終的深度合作，記者、編輯與數據團隊成為兩個并行又彼此交叉的新聞生產主體。2012年首屆國際數據新聞獎獲獎作品的運行過程顯示，數據新聞比拼的不是采訪力量和團隊規模，而更看重具有新聞敏感的人與具有數據挖掘、分析與可視化呈現能力的人之間的相互協作。

大數據新聞將是未來新聞報道的“新常態”，但這種常態的形成需要不斷實踐。當前國內媒體在大數據新聞報道上的嘗試已經開始，但這些嘗試都是階段性的，并未形成常態化的報道、發布機制，所以未來有實力的新聞媒體應當將大數據新聞作為新聞生產的著力點，實現差異化定位、搶得市場先機。

4.新聞業者“大數據素養”的積極提升

大數據發展的制約瓶頸之一是人才供給的缺乏，其中的關鍵在于復合型人才的匱乏。大數據新聞人才的培養主要包括兩個層次：一類是大數據新聞的專業人才，這類人既具有新聞專業精神，又具有數據技術基本處理能力，還具備大數據思維。他們是大數據新聞生產的高端人才，是未來新聞媒體人才資源的核心競爭力。另一類是具有大數據素養的新聞業者，他們以新聞報道見長、具備大數據素養，但不一定擅長大數據技術。

大數據素養是大數據時代新聞業者的基本素質，是認識、評判、運用大數據的態度、能力與規范。具體而言，態度層面是指對大數據及其技術有較為全面客觀的認識和實事求是的態度；能力層面是指新聞從業者在數據的采集、處理、分析、可視化等方面的能力，他們可以評判大數據對某一問題的分析，而非盲從大數據的結論；規范層面是指新聞從業人員的數據生產、管理、使用、發布過程合情、合理、合法，使大數據新聞的整個流程遵循專業規范和社會規范，在運用中符合新聞專業主義的采編標準。

目前，我國高校的數據新聞專業課程設置滯后于市場需求，因此媒體自行培養、招募團隊的人才培養方式是當前國內新聞媒體需要優先考慮的。

這是一個“媒介即訊息”的時代，對于大數據的認識需要動態、發展的眼光，大數據時代新聞業的發展還有很多值得探討的地方，如數據采集帶來的媒介倫理(如隱私權)、唯用戶需求導致的“信息繭房”、數據生產帶來的數字鴻溝等。大數據需要再審視，大數據時代的新聞業需要思考的還有很多。

責任編輯：沐紫2015年6月

【新聞與傳播】

作者簡介：張超，男，山東大學(威海)文化傳播學院講師(威海264209)，中國人民大學新聞學院博士生(北京100872)。

收稿日期：2015-03-12

中圖分類號：G206

文獻標識碼：A

文章編號：1003-0751(2015)06-0169-05

注釋

①[英]維克托·邁爾-舍恩伯格、[英]肯尼思·庫克耶：《大數據時代：生活、工作與思維的大變革》，盛揚燕、周濤譯，浙江人民出版社，2013年，第1頁。②參見史安斌、劉瀅：《顛覆與重構：大數據對電視業的影響》，《新聞記者》2014年第3期。③陳超：《中國大數據電視新聞時代的到來——〈據說春運(節)〉〈據說兩會〉開創中國大數據電視新聞之路》，財經網，http://tech.caijing.com.cn/2014-04-11/114088088.html，2014年4月11日。④參見喻國明等：《新聞傳播的大數據時代》，中國人民大學出版社，2014年，第25頁。⑤參見王斌：《大數據與新聞理念創新》，《編輯之友》2013年第6期。⑥參見周翔、劉欣：《數據壟斷的困境與隱憂》，《人民論壇》2014年5月(下)。⑦參見賈利軍、許鑫：《談“大數據”的本質及其營銷意蘊》，《南京社會科學》2013年第7期。⑧參見方毅華：《電視劇能靠大數據“算”出來嗎》，《中國廣播電視學刊》2014年第4期。⑨參見美國總統行政辦公室：《大數據：抓住機遇、保存價值》，2014年5月，浙江大學歷史數據研究小組譯，http://www.whitehouse.gov/sites/default/files/docs/big_data_privacy_report_may_1_2014.pdf.⑩郭曉科：《大數據》，清華大學出版社，2013年，第3頁。Danah Boyd, Kate Crawford. “Critical Questions for Big Data”. Information, Communication &Society，2012，No.5, pp.662—679.陶雪嬌、胡曉峰、劉洋：《大數據研究綜述》，《系統仿真學報》2013年增刊。Lisa Gitelman. “Raw Data” is an Oxymoron. From Infrastructures. MIT Press. 2013. 中文可參閱徐端：《大數據戰略：個人、企業、政府的思維革命與紅利洼地》，新世紀出版社，2014年，第59頁。李國杰、程學旗：《大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據的研究現狀與科學思考》，《中國科學院院刊》2012年第6期。Mikkel Krenchel，Christian Madsbjerg.Your Big Data is Worthless if You Don′t Bring It into the Real World，http://www.wired.com/2014/04/your-big-data-is-worthless-if-you-dont-bring-it-into-the-real-world/.David Lazer, Ryan Kennedy, Gary King, Alessandro Vespignani. “The Parable of Google Flu：Traps in Big Data Analysis”. Science，2014，Vol. 343，No. 6176，pp.1203—1205.Alexander Benjamin Howard. The Art and Science of Data-driven Journalism. Columbia Journalism School.中文可參閱郭恩強編譯：《數據新聞何以重要？——數據新聞的發展、挑戰及其前景》，《新聞記者》2015年第2期。陳力丹、李熠祺、娜佳：《大數據與新聞報道》，《新聞記者》2015年第2期。喻國明：《大數據對于新聞業態重構的革命性改變》，《新聞與寫作》2014年第10期。常江、文家寶、劉詩瑤：《電視數據新聞報道的探索與嘗試》，《新聞記者》2014年第5期。徐銳、萬宏蕾：《數據新聞：大數據時代新聞生產的核心競爭力》，《編輯之友》2013年第12期。