AI驅動數據可視化：財經媒體內容生產的創新機制探析

人工智能技術的不斷迭代升級，以及跨領域應用場景的持續拓展，讓基于AI技術賦能的深度媒介化實踐成為媒體行業突破現有發展模式、向縱深方向轉型發展的重要依托和強大支撐。根據相關統計，在2014一2018年全球數據新聞獎“最佳可視化”類目下的獲獎作品中，運用可視化交互技術的作品占比達三分之二。這些作品圍繞深度沉浸式體驗、實體化展示以及可聽化呈現這幾個維度進行了有益的嘗試[1]。文章旨在通過研究財經媒體數據可視化的現狀及問題，探索適合財經媒體的創新發展路徑，以提升其在新時代的傳播力、競爭力和影響力，從而更好地服務于經濟社會的發展。

一、財經媒體數據可視化的現狀及問題

隨著大數據和人工智能技術的迅猛發展，數據可視化技術在財經新聞傳播領域的功能價值也日益凸顯。該技術在提升財經信息傳遞效率的同時，進一步強化了用戶群體對財經新聞內容的認知深度。學界對數據新聞可視化的研究始于新聞信息呈現形式的革新，國外學者的研究大多以新聞報道實踐為支撐，圍繞可視化流程與呈現方式展開，并探討其價值內涵；國內學者的研究則注重對比數據可視化內容，旨在凸顯其價值，分析其在媒體轉型中的表現。

筆者在CNKI（中國知網）數據庫中檢索發現，當前關于數據新聞可視化的研究主要聚焦可視化敘事、可視化呈現、可視化傳播策略等領域。第一，聚焦可視化敘事的相關研究。戰迪通過研究新浪網與新華網的可視化新聞報道發現，在數據驅動新聞生產理念的影響下，當前主流可視化新聞呈現敘事主線弱化與敘事邏輯斷裂的特征。研究表明，碎片化的敘事呈現方式不僅模糊了新聞事件的整體認知脈絡，更在注意力經濟導向下催生出泛娛樂化傳播傾向，對傳統新聞的權威性與嚴肅性構成極大挑戰[2]。許向東在研究中指出，數據新聞可視化敘事通過技術賦能革新了傳統新聞敘事范式，構建起線性敘事、組合敘事和交互敘事三種模式，并形成了關聯性、對比性和演進性的復合敘事邏輯體系[3]。王海智在《可視化敘事在數據新聞中的應用研究》一文中強調，當前數據新聞發展存在“重數據、輕敘事”、追求全面宏大的敘事模式與讀者“短平快”的閱讀習慣存在沖突，以及用戶參與感低等問題。他主張運用可視化敘事手段，從敘事與數據的協調發展、多線程與模塊化設計、互動性增強三個維度切入，以解決上述問題[4]。第二，聚焦可視化呈現的研究。中國學者多采用案例分析的方式對國內外媒體的數據新聞可視化實踐進行對比研究。例如，黃雅蘭和仇筠茜通過對比國內外主流新聞網站的數據新聞欄目發現，國外媒體注重數據的深度挖掘與可視化的交互設計，而我國媒體則傾向于將可視化作為增強信息吸引力的抓手。兩位學者也提到，數據新聞工作者應當關注用戶的特征和需求，使可視化設計更契合用戶的觀看習慣，從而更好地服務于公眾的知情權。張雪婷通過對比財新網與彭博新聞社的數據新聞平臺發現，當前我國財經新聞數據可視化還存在生產環節缺乏專業技術人才、財經媒體數據庫建設水平和數據挖掘能力不足、財經數據新聞選題立意缺乏深度、數據的解釋力和預測力有待提升、可視化作品缺乏互動機制等問題。第三，聚焦可視化傳播策略的研究。學者郎勁松、楊海指出，大數據技術驅動下的數據新聞既可以彌補傳統新聞宏觀敘事的不足，還可以通過開放數據運動來拓展新聞報道領域，以及改變傳統以文字為中心的新聞敘事方式。他們還指出，可查詢的交互地圖、動態圖表、信息圖等可視化方式是未來數據新聞可視化發展的趨勢之一。專業的數據新聞人才的培養與引進也是數據新聞可視化過程中不可忽視的一環。一個好的數據團隊需要具備精準選題策劃、數據挖掘分析、可視化呈現等能力，以創作出滿足用戶個性化需求的數據新聞。

盡管數據新聞在大數據等技術的支持下取得了顯著進展，數據可視化技術也在財經新聞領域得到廣泛應用，但是其發展仍面臨諸多挑戰。王怡溪和許向東圍繞新冠疫情報道中的數據可視化實踐展開研究，并取得了相關發現，即媒體所發表的可視化報道存在部分信息滯后、數據維度少、可視化表現形式單一、同質化嚴重等問題。基于此，他們指出，只有敘事清晰、簡單易懂的新聞才能獲得顯著的傳播效果[5]。在財經新聞領域，數據失真、誤導性可視化以及用戶的理解門檻仍然是亟待解決的問題。

除了上述文獻研究發現的問題，筆者結合主流財經媒體發布的財經數據新聞作品還發現，財經數據新聞可視化實踐還存在以下三重核心困境。其一，敘事功能弱化。當前，數據可視化生產過程過度依賴技術工具，導致可視化圖表出現“技術異化”現象。具體來說，相關主體在圖表設計過程中過度追求視覺沖擊效果，卻忽略了信息傳達的有效性，進而導致與預期中數字化、精確化表達目標相差甚遠的情況的出現。其二，歷時數據挖掘具有局限性。當前，部分數據可視化工具在處理金融領域的歷時數據時存在明顯缺陷。具體表現為，這些工具僅能實現基礎的時間序列線性呈現，缺乏對市場環境、政策變遷等多維數據的關聯分析，因而無法精準探析趨勢性規律。以股票市場為例，傳統靜態圖表難以呈現股價波動的動態演進過程，這種淺層化處理削弱了可視化工具的實用價值。其三，金融動態數據處理瓶頸。金融市場實時生產的海量數據對新聞生產者的能力提出了更高要求，傳統依靠人工驅動的數據處理流程已難以應對毫秒級的數據更新頻率。同時，財經新聞數據可視化的圖表大多采用靜態呈現模式，再加上數據處理存在滯后性，導致金融市場分析出現失真情況。這不僅會制約生產效率，更會直接影響金融信息的傳播價值。這些困境共同體現技術應用與新聞專業主義之間的深層矛盾，亟須構建“技術一敘事一數據”三位一體的新型生產機制。

二、AI驅動財經新聞可視化的進階路徑

（一）破除數據壁壘，加強數據開源建設

2009年，西方國家率先掀起開放政府數據（OpenGovernmentData，OGD）運動并迅速在全球范圍內推廣。同年，美國政府推出公共數據開放網站Data.gov。作為全球首個開放網絡數據共享平臺，Data.gov允許公眾自由獲取信息，這為各國政府的數據開放實踐樹立了先行典范。我國在數據開源方面也緊隨其后，并逐步構建起完善的地方政府數據開放體系。截至2024年7月，我國已有243個省級和城市的地方政府上線了數據開放平臺，其中省級平臺有24個（不含直轄市和港澳臺地區），城市平臺有219個（含直轄市、副省級與地級行政區）。與2023年下半年相比，新增17個地方平臺，其中包含2個省級平臺和15個城市平臺，平臺總數增長約 8% [6]。在政策層面，我國也出臺了多項措施來推動數據開放。2024年，《中共中央辦公廳國務院辦公廳關于加快公共數據資源開發利用的意見》公開發布并強調，以促進公共數據合規高效流通使用為主線，破除公共數據流通使用的體制性障礙、機制性梗阻，激發共享開放動力，優化公共數據資源配置，充分發揮數據要素放大、疊加、倍增效應，為不斷做強做優做大數字經濟、構筑國家競爭新優勢提供堅實支撐。在新聞報道領域，依托多維數據生成的數據新聞已成為提升信息透明度和拓展報道深度的重要方式。

新聞工作者的數據來源較為多樣化，涵蓋國家統計局發布的公開數據、以央媒為主的相關公開報道數據、學術機構發布的研究報告和研究成果數據，以及機構自采數據和自建數據庫的數據。當前，數據開放程度存在不足，商業性數據開放仍面臨諸多挑戰，因此政府和財經媒體需要協同發力、多管齊下加以應對。第一，構建公共數據開放共享機制。政府應發揮主導作用，通過優化公共數據供給機制來提升數據資源配置效能，同時制定數據流通交易規則，通過標準化流程管理來提升開放數據的可用性和可信度。第二，構建專業化人才培養體系并強化技術賦能。新聞媒體機構應積極運用跨組織協作和眾包模式來整合數據資源，引入主流可視化工具來降低數據分析的復雜度，以進一步加強數據分析與可視化能力建設。以數據處理環節為例，當面臨數據缺失、數據失真以及數據處理效能低下等困境時，新聞工作者可借助生成AI技術實現精準突破。例如，基于開源協議的智能工具Cursor可根據特定指令從互聯網上抓取相關數據并進行結構化清洗。這種自動化處理方式不僅提高了數據抓取的速度，還規避了人為干預可能引發的系統性偏差[7]。第三，充分發揮數據要素在新質生產力發展中的核心作用。全國政協委員、中國工程院院士鄧中翰提出，“要以數據要素為核心、以標準引領為支撐、以人才培育為根本，全面激活人工智能時代下的新質生產力”。此外，全國人大代表、中興通訊高級副總裁苗偉建議，要完善數據產權法規，明晰數據權益界限，建立國家統籌協調機制，打破數據分散壁壘，破解“數據孤島”難題，讓數據要素真正成為高質量發展新動能。

（二）革新數據驅動范式，構建智能財經交互生態

隨著深度學習技術的迭代突破，財經數據新聞可視化也正經歷著范式變革。研究表明，基于Transformer架構的大模型在時序數據預測、多模態生成等領域展現強大能力，其注意力機制可有效捕捉金融數據間的長距離依賴關系。這種技術革新正推動財經新聞生產全鏈條的智能化轉型，使其從數據挖掘到可視化呈現均實現智能化。

在具體的新聞生產實踐中，新聞生產者可以運用生成式AI構建雙向情感式互動鏈條，進而成功搭建自身與用戶協同溝通共創的交互平臺。第一，在生成可視化圖表的環節，生成式AI以算法大模型為技術支撐，能夠依據數據的特性以及用戶的不同需求，生成各類不同的圖表，如柱狀圖、折線圖、?；鶊D、旭日圖等。例如，Datatales系統可根據圖表反向進行文本敘述，允許用戶添加圖表注釋來引導故事的焦點，這使得非技術用戶也可以創作高質量的可視化作品[7]。

依托現有Tableau等主流可視化平臺，新聞生產者借助AI技術和深度學習算法，可實現數據質量的自動化評估，進而為用戶呈現立體化的數據圖表。例如，《自然丨通訊》發表的一篇題為Unused housingin urbanChinaanditscarbonemissionimpact的文章，從碳排放的視角探討了中國城市已出售房屋的實際使用率問題。該論文作者開發了一種深度學習算法，先通過分析網上房屋中介平臺的室內照片來判斷對應的房屋是否有人居住過，再按照規定原則來抓取相關數據，并利用Tableau工具進行可視化呈現，從而有效地闡明了中國城市目前的住房空置率問題。第二，新聞生產者可以利用生成式AI創建動態交互元素。例如，當用戶在瀏覽一篇財經新聞時，若文中出現專業術語，用戶能夠通過懸停或者長按的操作來觸發AI彈出解釋框。該解釋框內會提供該術語的定義、示例等相關信息，進而為用戶閱讀和理解財經新聞提供便利。以汽車版塊為例，2025年3月4日，比亞迪股份有限公司發布公告，計劃在香港融資435億港元。消息一經爆出，其股票大幅低開，造車新勢力呈集體下跌態勢。財經媒體在分析相關公告時，除了要提示滬深股市用戶投資的風險，更應借助AI技術獲取某地城市的人口情況、交通路況、交通擁堵指數、充電樁規劃等歷史數據，從而為新能源投資者提供清晰且有效的決策分析依據。第三，財經媒體可以利用生成式AI解析個體瀏覽軌跡、搜索歷史及點贊評論等多模態數據，構建動態更新的財經新聞用戶特征模型，進而驅動智能分發系統實現內容供給與用戶需求的顆粒度匹配，提升信息傳播效能與增強用戶價值感知。例如，第一財經旗下的“有看投”App以人工智能為驅動，圍繞智能投教、智能投研、智能風控、智能客服等核心場景，構建了全新業務和產品生態。該App于2024年11月開始邁向從“內容賦能投教”到‘ ^?AI⁺ 內容賦能投教”的數智轉型，開拓了全新的投資者服務模式。它接連推出了基于生成式AI的智能投教助手“小投寶”和智能分析工具“投研社”，通過多模態數據分析構建動態用戶特征模型，實現了內容供給與用戶需求的精準匹配。

（三）破除智能遮蔽神話，構建人機協同共生生態

隨著ChatGPT、Sora等生成式AI技術的廣泛應用，人們驚訝于人工智能竟能將過去的幻想轉化為現實圖景。陳良斌指出，當前人工智能發展仍處于弱人工智能階段，其本質是面向特定任務的專用智能系統。在現階段，人工智能本質上依舊以人工為核心，智能不過是其呈現的表層特征，且恰恰是“智能”這一表述，掩蓋了背后人工所起到的基礎性作用。舉例來說，2021年，中華人民共和國人力資源和社會保障部發布一項新職業，即人工智能訓練師。它的定義是“使用智能訓練軟件，在人工智能產品實際使用過程中進行數據庫管理、算法參數設置、人機交互設計、性能測試跟蹤及其他輔助作業的人員”。該職業總共分為五個等級，其中，L1和L2等級又被稱為數據標注員，他們的日常工作是對人工智能（如車企的自動駕駛系統）進行算法訓練數據標注，通過反復框選車輛、行人、道路標線等目標并按類別標記。這種高重復性的工作被形象地比喻為給人工智能“投喂數據”。恰恰是這些人類勞動，是人工智能得以運行的基礎和前提。然而，在現實當中，它們常常會被人工智能所掩蓋，成為所謂的“人工非智能”?！叭斯し侵悄堋备拍钣蓴祿茖W家布魯薩德于2018年首次提出，起初旨在批判技術沙文主義并用于解構技術精英構建的數字烏托邦敘事方式。該概念強調智能系統背后的人工干預本質，以此揭示算法決策中非技術因素的結構性影響。當AI全方位地進入大眾視野后，人們通常較難意識到，人工智能并不能代表所有，且“智能”一詞往往遮蔽了那些處在“自動化最后一公里”之中的人類勞動。那些持續為智能系統運行提供支持的人類勞動，構成了服務于人工智能并賦予其“智能”特性的“人工非智能”，這也就是學界所說的“幽靈勞動”[8]。人們在從事“人工非智能”相關勞動時，往往會有新的新聞發現，這能讓新聞生產者獲取不同角度的新聞線索，進而拓寬新聞報道的維度。

一篇好的新聞應兼具技術賦能與人文價值，在提升生產效率的同時堅守新聞專業主義。第一，在技術應用方面，新聞生產者需要完成從工具輔助到人機協同的轉型升級，具體表現為數據驅動的采編生產、實時動態的場景響應以及精準個性化的內容推送。例如，《人民日報》自主研發的“創作大腦 AI⁺ ”智能平臺整合了近20款智能工具，可實時生成多模態數字內容產品，覆蓋新聞采編發全流程。第二，在倫理框架方面，新聞生產者需要實現從風險防控到價值引領的轉變，具體表現為保證數據的透明性與可解釋性；采集數據時要注意隱私保護與數據合規，服務于公共利益而非商業利益。例如，清華大學新聞與傳播學院新媒體研究中心2024年4月發布的報告《揭秘AI謠言：傳播路徑與治理策略全解析》指出，人工智能工具的不當使用使得AI謠言量在半年內增長 65.00% ，其中經濟與企業類AI謠言量增速甚至高達 99.91%^[ 9]。第三，在用戶體驗方面，新聞生產者需要實現從單向傳播到雙向交互的轉變，具體表現為沉浸式內容消費、多模態交互體驗、情感化內容設計。例如，新華社“新小微”作為全球首位3D版AI主播，可根據新聞內容實時變換服裝、場景與肢體語言，使新聞播報更具代入感。

三、結語

生成式AI正在將數據可視化從“工具導向”轉變為“洞察導向”，其核心價值在于提升從數據挖掘開始至數據可視化呈現這一流程的所有環節的制作效率，讓非技術用戶也能通過自然語言參與數據分析過程。需要注意的是，人們在使用生成式AI或者任何一種大模型時既要避免陷入技術主義陷阱，還要注意數據隱私安全、避免數據偏見和數據杜撰等問題。同時，財經媒體應緊跟AI技術發展，通過推動業務體系與人工智能的深度融合，重塑信息服務獲取、感知、體驗的全新傳播范式，最終實現工具理性與價值理性的動態統一。

［參考文獻］

[1］楊璧菲.全球數據新聞獎的可視化實踐趨勢［J].青年記者，2019（09）：48-49.

[2］戰迪.新聞可視化生產的敘事類型考察：基于對新浪網和新華網可視化報道的分析［J］.新聞大學，2018（01）：9-17.

[3]許向東.轉向、解構與重構：數據新聞可視化敘事研究［J].國際新聞界，2019（11）：142-155.

[4]王海智.可視化敘事在數據新聞中的應用研究[J].傳媒，2021（01）：39-41.

[5]王怡溪，許向東.數據新聞的人文關懷與數據透明：對新冠肺炎疫情報道中數據可視化報道的實踐與思考[J].編輯之友，2020（12）：69-75.

[6］2024中國地方公共數據開放利用報告［EB/OL]：（2024-10-07）[2025-03-08].https：//baijiahao.baidu.com/s？id 1812255411641518194amp;wf spideramp;for=pc.[7］何康，鄭雨蛟.從數據驅動到智能驅動：新聞可視化的應用創新［J].中國編輯，2025（02）：34-41.[8］陳良斌，閆晉齊.人工智能背后的“人工非智能”：“幽靈勞動”的運行模式及其堆棧機理［J］.東南學術，2024（04）：175-183.

[9]段萱，李敏輝.從噪聲規避到信源真實：社交媒體平臺虛假視頻治理研究［J」.哈爾濱師范大學社會科學學報，2025（02）：145-152.