数据新闻来源的信度评估_周宇博

1、 讨论与思考数据新闻来源的信度评估 周宇博 摘 要：评估数据信度是数据新闻生产的起点和重点。本文从数据源入手，从法律、公信、利益、程序、资源等多重维度考量，对数据新闻源的可信度等级进行了排序分析。同时，针对平台型互联网企业用户大数据信用评估复杂的情况，为数据新闻生产机构提出建议，包括可通过和数据源合作、多源头引用数据、样本数据和海量数据互相论证等。 关键词：数据新闻；数据源；信度评估 闻编辑西蒙罗格斯所说的那样：“数据新闻既要处理数据，又要不断检验数据的信度与价值，并通过多种手一、评估数据信度：数据新闻生产的关键近几年，伴随着大数据技术的发展和应用，数据量爆炸式增长、数据处理技术不断优化、数据

2、可视化手段更加丰富，数据新闻逐步进入专业化、规模化发展的快车道，成为各大媒体一种重要的新闻报道方式。较之于以文字描述为主的新闻报道，数据新闻以数据为核心， 通过数据挖掘和数据分析，以图表等可视化方式呈现新闻事实，凸显新闻价值。 早在2009年，卫报专门成立的数据新闻团队，段和渠道完成报道。”二、数据源的信度评估方法及其结果关于数据的可信度评估，有研究者以数据对客观世界的测量精度为依据，将数据分为定类、定序、定距、定比四类，测量精度依次从低到高，进而将数据新闻报道中的数据主要分为三种类型：描述事物特征的类别型数据（定类数据）、展现事物差异的序列型数据（定序数据）和量化事物差异的数值型数据（定距数

3、据和定比数据）。但这种排序方式强调的是数据的精度，而非信度。美国学者Randy Reddick 和Elliot King 通过网站的后缀，曾对网站类型的可信度进行排列，依次是：.mil（军事）.int（国际组织，比如NATO） .gov（政府） .org（ 非营利组织等） .edu（ 教育） .。这种排序方法有一定的借鉴意义，注意到了政府、研究机构、公众网站等不同源头数据的可信度差异，但是仅以网站类别来对数据的可信度进行排序太过粗略。 一套科学的能服务于数据新闻采编流程的数据来源评估体系，应着重从法律（数据生产者是否会为数据生产活动承担法律责任）、公信（数据生产者是否具备数据生产

4、的公信力）、利益（数据生产者是否和发布数据国际媒体纷纷推出专门的数据新闻产品。2012年前后， 我国四大门户网站各自推出数据新闻专栏，搜狐数字之道、网易数读、腾讯新闻百科、新浪图解天下相继上线。这之后，国内主流媒体也逐渐开始数据新闻探索，或推出专栏，如新华网数据新闻；或在重大新闻报道时引入数据新闻的元素，如央视新闻 据说春运、中国大数据，数据新闻越来越多地应用于新闻生产实践中。 然而在发布端口泛化、内容把关人缺失的互联网空间，各种数据信息泥沙俱下。来源不明、标准缺失， 甚至违反统计学常识的数据生产和数据发布让数据新闻的质量参差不齐，一些看似客观的数据甚至可能颠倒黑白，成为彻头彻尾的假新闻。要解

5、决这一问题，需要从源头上评估数据信度，改善数据新闻的生产环境，提高数据新闻的质量。 因此，如何对采集的数据进行可信度评估不仅是数据新闻制作的起点，更是重点所在。一旦数据的可信度不足，无论什么样的数据处理和数据呈现都无法进行二次弥补，反而会让错误更加可见。就像卫报数据新存在利系）、程序（数据生产者的数据生产过程是否科学）、资源（数据生产者掌握数据样本的数量和质量）等多重维度考量；同时考虑到大数据并不是数据新闻生产的必要条件等因素，评估对象不应仅限于网络数据，而是将数据新闻可采用的所有数据源一并纳入。基于上述方法，对数据新闻的数据源进行可信度评估，结552017年第3期 讨论与思考务和权利，依托政

6、府数据统一共享交换平台，大力推进国家人口基础信息库等信息系统跨部门、跨区域共享。”随着政府部门数据联通度和的提升，高信度数据源的数量和种类都将随之丰富，成为数据新闻生产的重要源头。 当然，除了公权力机构发布的权威信息外，上市公司信息披露中的公司运营和财务数据，由于受到严格监管和法律约束，同样具备较高的可信度。截至2016年12月9日，A股上市公司数量突破3000家。随着上市公司数量的增加，上市公司的信息披露成为数据新闻“富矿”的效应也日趋明显。第一，上市公司披露数据的背后是“不得虚假陈述”的法定义务，数据质量整体高。第二，相比于官方统计机构、行政部门生产的宏观数据，媒体等机构对上市公司运营和财

7、务数据的检查、验证更为容易。更为关键的是，相比于直接引用，媒体对上市公司信披数据的反向验证更具新闻价值。对图一 数据新闻来源的信度评估结果 1.法律性数据 法律性数据，是指具备法律效力或附带法律责任的数据。由于有公权力背书或者受到法律规范严格监管， 比如，政府发布的数据或者上市公司依法披露的信息， 可信度最高，是数据新闻生产的重要信源之一。 在我国，政府及其职能部门发布数据不仅有法可依，而且有法必依。如国民生产总值（GDP）、居民消费价格总水平（CPI）、工业生产者出厂价格指数 （PPI）、城镇居民可支配收入、粮食生产数据等这类数据，往往被视为数据新闻中“优先度”最高的数据类别。不仅因为这些数

8、据的生产者有专业的数据生产体任何一个媒体而言，证实上市公司数据都是既具备轰动效果也具备社会价值的独家新闻。第三，针对上市公司信息披露内容的共性要求，数据新闻生产机构能够建立起包含所有上市公司的全样本数据库。考虑到上市公司是经济运行和行业发展的晴雨表，这个全样本数据库可以产生大量的信息增量，成为数据生产的重要来源。如针对多地房价暴涨问题，2016年2月证券时报根据上市公司的财报刊发了“四成上市公司一年利润够不上北上广深一套房”的新闻报道。 2.研究性数据 研究性数据来源主要包括非营利性研究机构和营利性研究机构。前者主要指高校和科研机构，由于自身公信力和影响力的“背书效应”，在数据生产独立性上更有

9、优势，其公布的数据信用优先度也比较高。如中国社科院国家资产负债表研究中心发布中国国家资产负债表2015，分析了2012年2014年中国经济增长与结构调整的轨迹，重点关注杠杆率调整与相应的金融风险管理问题。经济日报依此推出数据新闻“从中国国家资产负债表2015阅读中国经济”。后者范围更广，无论是普华永道、毕马威等国际会计师事务所，还是高盛集团、摩根大通这类金融机构，都会不定期发布各类研究数据。这些机构进行数据生产时，由于自身业务的关系，更容易获取行业相关的数据，比如，找到和研究高度匹配的样本等。这些机构虽然国别不同、经营领域不一、盈利模式多样，但是其从事数据生产的一个重要目的都是为自身公信力起到

10、“增信”的作用，从而助力其他业务的拓展。 其中，营利性机构的研究数据在可信度上又可以分为两类：描述性数据可信度较高，因为这类数据大多系、数据性的数据占有，而且根据法律规定，如果存在，相关部门及其工作人员就要承担民事、行政甚至刑事责任。 新闻媒体在生产数据新闻时，除了被动接收公权力机构发布的信息外，更要能主动找寻这类信源。根据我国政府信息公开条例等规定，通过申请信息公开等方式，可要求行政机关和包括教育、医疗卫生环保、公共交通等与人民群众利益密切相关的公共企事业单位公开“涉及公民、法人或者其他组织切身利益的和需要社会公众广泛知晓或者参与”的信息。目前，这些信息中包含的数据正在被各类数据新闻使用。比

11、如，搜狐的数字之道2016年12月2日推出的“中国工资涨速全球读推出的“雾霾天强行起降，不是只有战斗民族的飞机才这么猛”，部分数据来源于北京首都国际机场。 从长远来看，政府数据的开放共享是大势所趋。2015年发布的促进大数据发展行动纲要明确要求：“建立政府和社会互动的大数据采集形成机制，制定政府数据共享开放目录。通过政务数据公开共享，引导企业、行业、科研机构、社会组织等主动采集并开放数据”“明确各部门数据共享的范围边界和使用方式，厘清各部门数据管理及共享的义56总第312期 讨论与思考基于成熟的研究方法得出，尽管数据新闻生产机构对研究结果进行复盘的难度较大，但数据存在被“证实”的可能性。同理，

12、预测性数据在新闻采编中的优先度相对则低一些。因为无论是基于样本数据推演而来，还是基于大数据算法计算得出，都无法排除这些机构主观的经验化判断，尤其是这种判断有时会跟自己的利益存在关联。因此，这些机构对于社会问题、经济形势的预测数据更应被用于预测者的态度描述而不能够被视为作为未来的一种事实性陈述，其数据的可信度存疑，要谨慎使用。 3.第三方数据 第三方数据服务商存在的价值在于其独立性和公正性，能够提供公平、客观的数据来衡量某一行业内部的竞争格局。因此，数据的公信力是第三方数据供应商的够快捷、低成本地进行问卷设计和数据采集。相比于建立在科学基础上的“随机抽样”，这类调查只能定义为“随便抽样”。目前网

13、络舆论场中大量诸如“八成网友认为”“九成网友支持”的伪报道，多数来源于网络平台的随便抽样调查。这类数据显然不能成为数据新闻的数据来源。 三、平台型互联网企业的数据信用迷失及其思考除了上述四种类型的数据来源外，平台型互联网企业拥有海量用户数据，可实现基于全样本的数据生产和呈现，这为数据新闻的发展提供了广阔空间。维克托迈尔-舍恩伯格在其著作大数据的时代中就指出，“在大数据时代，我们可以分析更多数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖随机采样。与局限在小数据范围相比，使用一切数据为我们带来更高的精确性，也让我们看到一些以前无法发现的细节大数据让我们更清楚地看到了样本无法揭示的

14、细节信息。”2017年1月，蚂蚁金服旗下支付宝发布了2016年中国人全民账单，该账单引发媒体争相报道，新华网数据新闻推出“支付宝2016全民账单，你贡献了多少”。 不过，“大数据的核心就是预测，把数学算法运用到海量数据上来预测事情发生的可能性” ，目前， 多家平台型互联网企业利用其用户数据预测各自领域的未来情况。但这类数据基于商业保密等因素，其可信度很难得到检验。比如，在2017年春运数据的预测方面， 携程通过近两年用户预订春运火车票的相关数据分析预测，春运铁路去程高峰期将集中在1月2326 日期间。而滴滴出行联合飞猪发布的春运出行大数据预测报告，则提出从1月22日开始火车站、机场将迎来人山人

15、海模式。两组数据存在分歧，但其数据的可信度都很难识别。 不仅如此，和政府数据透明共享的发展趋势不同的是，平台型互联网企业的大数据呈现出集中封闭的孤岛态势。对他们而言，用户是根本，用户数据只能掌握在自己手中。这意味着，在行业大数据的新闻采编过程中，媒体一方面很难寻觅到信用优先度更高的替代数据，另一方面也很难有机会通过检阅企业提供的原始数据来判断其提供的数据素材是否附带本身的商业利益。这也是大数据的兴起让数据新闻的发展迎来机遇的同时，同样带来的数据信用迷失问题。 面对平台型互联网企业带来的数据信用迷失时，可以考虑三条解决思路。 生命力，一旦出现“数据”问题可能直接影响这些企业的存亡。以电视测量领域

16、为例，中国广视索福瑞媒介研究(CSM)发布的收视率数据成为电视行业的“通用货币”，是广告商判断各大电视台媒体价值的重要依据。因此，这类数据服务商提供的数据在数据新闻的报道中，也具备一定的优先度。 不过，在一些新兴领域，由于市场发展还未成熟， “通用货币”尚未形成，所谓的“第三方数据公司”往往容易受到企业利益的裹挟，导致其数据生产无法取信于行业，有的甚至沦为企业的传声筒。如在2014年二季度，中国手机市场出现了三家手机制造商引述不同的“第三方数据”声称自己市场占有率“全国第一”的现象。这样的数据随后也屡见不鲜，如UC浏览器和QQ浏览器之间、高德地图和百度地图之间、美团网和饿了么等O2O平台间都曾

17、出现过围绕着数据的争论。在第三方数据供应商无法受到行业普遍认可的情况下，数据新闻生产机构对于其发布的数据就需要慎之又慎，避免沦为虚假数据的宣传工具。 4.利益相关方数据和随意调查数据 利益相关方数据主要表现为“数据自述”。前文提到上市公司披露的信息，实际上就是一种“数据自述”，但由于其提供的数据附带法律责任，所以数据信度高。而非上市公司尤其是尚未形成影响力和公信力的创业企业，数据新闻生产机构在使用其公开数据时需要打问号。目前，有些创业公司为了吸引更多的资金注入，倾向于发布虚假营收数据甚至于不实的融资消息， 且难以验证，可信度较低。 同时，容易引起误导的还有各类在方法上缺乏严谨科学逻辑的调查数据

18、。移动互联网时代，用户调查变得572017年第3期 讨论与思考数据新闻生产机构可以和平台型互联网企业开展合作，在数据新闻生产更为上游的区域介入。以新华网和滴滴的维度依然是利益。平台发布的关于销量、市场占有率等影响企业自身价值评估的数据要谨慎使用，但平台以第三方身份发布的用户行为特征类的数据可信度相对较高。 出行的合作为例，2015年7月，新媒体中心联合滴滴媒体，基于实时生成的移动出行大数据分析高温天部委加班情况，发现公安部的24小时出发、到达量综合达1327次，高居榜首。更为惊人的是，全天每小时都有出发和到达的车辆，且十分平均，堪称24小时无休。这种尝试让数据新闻生产机构一方面可以全程参与监督

19、数据的生产，另一方面可以获得独家的数据新闻。进一步来说，若数据新闻生产机构能利用自身的公信力和影响力，将本不联通的互联网数据孤岛打通， 其意义将更为重大。 第二，多源头引用数据，互相比对。在使用平台型企业数据时，可以通过多源头的数据引用和多类别的数据比对来提高数据新闻的可信度。一是同类型平台之间注释：Simon Rogers. Behind the Scenes at the Guardian Datablog. http:/xiaoyongzi.github.io/web/newsroom_3. html/ 凌云：数据的新闻价值和使用风险，新闻战线2016年第8期。 方胜：当前实践中数据新闻

20、发展的局限和误区， 中国2016年第11期。 人民人民政府网：促进大 数 据 发 展行 动 纲 要 ， /zhengce/content/2015-09/05/content_10137.htm 中国经济的资本画像：A股上市公司今天突破3000的数据比对。如在线旅业的携程、途牛和去哪儿，送餐领域的百度外卖、美团和饿了么，这些平台业务类似，引用、比对多个源头的用户数据有助于提升数据的可信度。二是产业链上下游的数据比对。如电商平台的交易数据和快递公司的业务数据进行比对。 第三，样本数据和海量数据互相论证。大数据的一个重要特征就是“呈现事实不问因果”，然而一个好的数据新闻必然有内在逻辑的支撑，在告诉受众“是什么”的时候，还需要回应受众“为什么”的疑问。因此，在基于海量数据挖掘信息的同时，可以寻找样本调查的小数据，一方面对大数据的结果进行检视，对于一些明显不符合逻辑的地方，进一步探索原因，发掘新闻价值；另一方面，还可通过样本数据不同纬度特征的交叉分析，探求大数据所呈现诸多特征之间的内在逻辑关系，让数据新闻报道更加可信和易读。 当然，评估平台型互联网企业数据信度时最核心 家，/gppd/sjjj/201612/t20161209_5115114.html 英维克托