制作一个大数据故事的5个步骤
从事数据工作很多年，我总结了一套好的实用方法与大家分享。它不是唯一的方法，但对于我来说，它是一种用数据讲故事的最好方法。
我不用太强调。这些日子，我努力将每个故事数字化，包括笔记、图片、音频、视频和文档。怎么做？一些实用的工具如下：
软件DocumentCloud ——允许你上传PDF文件并且实现光学字符识别，也叫OCR。OCR可以扫描文档，并将其转化为可搜索的文件。它并不完美，但这是一个开始。
软件DocumentCloud 也有惊人的嵌入特征，允许你强调和注释段落。最后，它拥有一个复杂却很有用的时间轴和一个很棒的实体识别引擎。IRE（美国无线电工程师学会）可以使用。
DocumentCloud软件允许你上传PDF文件，并且实现光学字符识别。
谷歌文档——和DocumentCloud功能差不多，而且能很好地适应使用谷歌套件的新闻编辑室，同时能自动完成光学字符识别文档。
文字记录——海外文字记录服务已经将费用降低到每分钟1美分，而且工作质量不错。所以，当你有一个重要采访需要传到网上，这是个很好的方法。不久的将来这些肯定会转变，但是费用会明显增加，例如每分钟3美元。rev.com, TranscriptionAssociates, Transcribe, andTranscribeMe服务都能提供很棒的文字记录服务。警告：如果这是一个关键引用，请回放录音，就像美国国家橄榄球联盟那样。
光学字符识别扫描——如果你有大量纸质文件需要转换成可索引的PDF文件，通常最便宜的方法是在城镇找一家合法的服务公司。他们每页收费15到25美分，所以，即使你有数百页纸需要扫描，价格也不会太贵。合法服务公司速度很快，而且他们有高质量的光学字符识别仪器用来识别文档并将他们转换成可以搜索的文本。
Excel或Google Spreadsheets(电子表格工具)——我的所有工作几乎都用Excel或Google Spreadsheets完成。使用Excel不一定非要有一个计算机数据库。它可以很方便地创建、分类和组织很小的信息表。比如，关于在伊拉克受伤的平民承包商的故事，我的脑海中立马会浮现很多事。于是，我建立了一个涵盖约30个案例的电子表格，并添加了少量的数据。
Idea Organizers——如果是一项大的工程，你可以考虑使用与Office软件一体化的印象笔记或 Microsoft’s OneNote这样的特殊组织软件。这些精心设计的软件可以粘贴至网页，追踪数据来源和组织数据。在工作中我很少使用这些软件，但很多人喜欢它，因为它可以将所有的东西放到一个软件包里。
类似于印象笔记这样的程序能够帮助你组织数据和理念。
几乎每个故事都可以从数据之中获益。数据有助于将故事置于背景中，使你的故事脱颖而出，而这点也越来越容易做到。
数据分析不必太复杂。它可以像写一桩谋杀案，并指出今年和去年的谋杀案数量对比那样简单。它也可以像上市公司追溯期权支付的多元回归分析那样的复杂。
但重点是：数据总是存在的。不要逃避它，而应该去利用它。
试试这个练习。随机抽出一张报纸，翻开一个页面。先看前几个故事，问问自己：这个故事还可以添加哪些背景？
如何找数据？你可以从这几个联邦一级的网站上开始着手。你会发现州政府和地方政府往往比联邦政府回复地更快。
data.gov——联邦政府数据的主要存储库。按照主题和机构，你可以搜索到联邦调查局已公开发布的数据集。
在Data.Gov，你可以搜索到联邦调查局已公开发布的数据集。
fbo.gov——所有联邦政府外包出去参加投标的名单。有关项目和联系人姓名的有用信息。
USAspending.gov——列出所有已授权的政府合同和分包合同，是fbo.gov的后续跟进。通过关键字搜索，可以找到你所在的国家或城镇的合同。
Enigma.io——由政府、大学、企业和组织提供的数据集的奇妙融合。
Govzilla——这个网站专门为获取竞争情报而创建，但包含了许多惊人有用的信息自由法信息。从本质上讲，该网站不断为一些机构，包括美国食品药物管理局、美国国税局和美国国立卫生研究院，提供信息自由法的审查报告。它们的成本较高。但是如果你需要最新的数据，就在这儿搜索。
Dataportals——试图收集世界上所有公开的的数据源。无论成功与否，它都有大量实用的国际数据。
无论你的调查性报道采取何种形式，或长或短，叙述性或主题性，人物主导或话题性，总存在一定顺序。
当我坐下来写报道时，第一件事就是创建一个时间轴。为了理清哥伦比亚北部一个叫圣多明哥村庄的轰炸事件，我创建了一份长达11页的时间轴。它的确对我弄清事件的发展有很大的帮助。
更近的一个例子，关于创建利比亚内战历史的时间轴，就有98页467,18个字。一个庞大的工程？是的，但总体而言它很有必要。
时间轴的三点好处
我倾向于使用电子表格创建时间轴。但是，稍作提示，你也可以在 Word 中创建时间轴，只要你使用像 YYYY-MM-DD 这样的日期格式去开始这一段文字。若以此格式开头，Word 会将段落按照日期排序。所以你可以在 Word 文档底部输入信息，然后只需确保时间轴是按时间排序即可。
依我拙见，在报道方面依然需要时间轴工具。它们更注重作品本身而非数据收集。有些基于网络的工具，比如Tiki Toki（交互式多媒体时间轴制作应用）和Dipity（在线时间轴应用服务），还有来自北卡罗来纳大学骑士实验室的软件版本（比如timelinejs）或非盈利新闻机构ProPublica的TimelineSetter。但不论哪一个，我都不太满意。一个电子表格或Word文档足以满足工作需求。
现在我们要着手处理工作了。你需要让故事说话，那将意味着要有会讲故事的人。
当我做笔记或与某人交谈时，我总是在一些听起来不错的引语前标记上星号。这样，当我回顾笔记时，只用寻找星号去创建一个引语集就可以。然后从引语集中找出最好的10条、15条或20条引语。其次，还有另外两个原因：
另一件大事是寻找人物。当然，这并不总是可行的。如果你有一个故事，需要花费大量时间在许多人物上，你最好按照年表顺序简单表述，让时间成为主线。也许没有一个人物能够很好地融于整个故事，那么最坏的打算就是尽力让一个人物“适应”一件轶事。
另一方面，如果你有一个能滔滔不绝举出例证的人物，他有着强大而动人的生活故事，能够很好地阐明你要说的内容，这就意味着你拥有了“魔法”。尽最大努力去讲述他的故事。
这是非常难的部分。你要弄清楚如何去讲述一个故事。然而，好的消息是，在一到三的步骤中，你可以得到暗示知道你都要做些什么。
我最喜欢的故事结构是时间轴的方式。如果你在展现故事时或多或少地用到时间轴，它将会帮助读者理解正在发生的事，使得事件之间的联系更加明朗化，更具有可读性。事实上，我说时间轴是讲述任何故事的唯一方式可能会招来责难。
一般来说，我会写一个梗概来总结故事和要点。通常我会试图找到一个能快速识别的点或者简单的硬新闻，以便于我的查看。然后我会填充核心段落、一些重要的发现和一系列对于发现的即时反应。
这些总共会占到10到15个段落。到那时候，读者就会知道这篇文章是否值得花时间深入阅读。高潮过后，我会中止，然后顺着时间轴来展开余下的故事。
我的第二种选择是主题式文章。换句话说，我会分块来阐述主题。我将其称为混合体模式。但即使是这样，我也会尽可能顺着时间轴，用一些不超出主题范围的轶事来充实故事。
以上是我讲故事的方式。虽然按照步骤写了下来，但我写故事的进度几乎和时间平行。从报告的开始，我就在想怎样使故事更具人格化和叙事性。我正在从事数据化工作。当我发现更多数据、更多人物或者当数据化揭示新趋势的时候，它没有以固定的顺序发生，而是以一种不断反复的方式进行。
这是一个任重而道远的过程。但在最后，我认为读者意在寻求一种有力量、叙述生动且内容丰富的的故事。我们不能总是发表那些奇怪事物、缩减的能源和濒危物种的故事。但我们可以努力改变。当我们找对了方向，那将会不同凡响。
数据分析咨询请扫描二维码
