
大数据时代如何做好数据新闻:需有数据素养
大数据时代的机遇与挑战
“新闻在信息时代依然是站在时代航船舰首的瞭望者。而数据新闻是创新与变革的产物,开启了传播方向的新思维。在大数据的时代,媒介更应该勇敢的承担起一个从地区传播到定量传播的时代。”央广新媒体副总编辑伍刚如是说。他表示,在这个快速变迁的时代,只有拥抱飓风,才能迎风飞翔。
数据新闻与数据素养
“数据新闻,严格意义上不是媒体,但是它迁入了媒体,由内容生产的领域。以数据为基本的资源,有了数据之后把会生成很多东西,包括内容,包括特定的新闻的内容产品。另外一个角度,有用户的平台,就是媒体,平台即媒体用户即终端。未来接受信息的方式会越来越丰富,越来越立体,这也是数据新闻的大背景。“清华大学新闻与传播学院金兼斌老师, 系统性的阐述数据新闻的时代背景。
他还表示,新闻业正在经历的变革,这是个立体、组合传播时代,按媒介区分的新闻正在统合为融合新闻。而数据时代新闻从业者应具备的数据素养,主要包含:1、对数据的敏感;2、数据的收集能力;3、数据的分析、处理能力;4、数据的利用能力;5、基于数据的批判能力;同时,数据新闻也不应太强调可视化,可视化一定服务于传播主题的需要,过分可视带来的效果有时候会造成对事情简单化理解。
数据新闻与信息可视化
“信息图是数据新闻最重要的载体之一。在设计中,涉及到的8类手法和技巧:具化、类比、转换、比喻、关联、流动、引入时空、构建场景。清晰明了地传达主题才是设计核心。”新浪微博数据中心方群杰说道。
方群杰以数据新闻案例分析数据新闻生产的全过程。数据新闻的制作是由编辑、分析师、设计师三个岗位全面配合完成。而全流程包括:新闻选题、提出数据需求、挖掘、整理、分析、数据可视化、审核数据新闻、输出数据新闻五大步骤。
数据新闻的“思与行”
“以新闻的视角选择题材,通过深度调研分析和数据挖掘来生产信息,以可读性强的表达形式(文字、图像、声音等),通过传播途径发布并送达至受众。” 缔元信网络数据产品经理高远,这样阐释数据新闻。同时,分享缔元信.网络数据在数据新闻的生产上进行的尝试,包括数据新闻的产品价值、制作过程。
高远认为,数据新闻的制作流程分为三部分,首先要以人为本,没有人就不能够制造数据新闻;第二是数据采集、数据模型化的结构化处理;第三要是从这些数据之中找到兴趣点即选题、选材,这三部分形成小闭环,通过数据的积累、数据的模型化处理,可以选取的题材和点会更多。最后,他畅想未来的数据新闻,将是由“人 + 采集数据 + 结构化数据 + 兴趣点 + 写作程序 + 生成新闻”组成。
财经新闻在股票市场的价值应用
“数据财经新闻对财经网站栏目及金融机构来说,可以数字化地组织、展现财经新闻,更好地为用户服务。而对以股民为主的财经新闻阅读者来说,可以直接、明了地获得相关信息。”缔元信.网络数据数据研究员陆达飞,分享了数据化财经新闻的应用成果。
他表示,股票市场分析与研究,分为基本面与技术两大分析。技术分析,以时间为切入点,通过图表分析和模型预测等方法,依据历史数据来预测股价的变动方向。缔元信网络数据拥有全网财经新闻监测数据,个股、行业关注人群,以及全面、完备的行业知识库,在此基础上,目前形成了股票市场情绪产品、财经新闻分类产品等财经数字新闻产品。
数据新闻以客观真实且直观的数据+极具美感的可视化呈现,逐渐形成数据传播新热潮。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09