■徐笛 马文娟
　　【本文提要】通过对北京、上海、广州三地的数据新闻从业者进行的首次问卷调查和深度访谈，并结合比较分析，本文介绍了中国内地数据新闻从业者的基本构成、工作状况、从业情况以及价值认知。调查发现，数据新闻从业者以女性居多，年龄集中在30岁（含）以下，超过半数拥有研究生学历，同时有56.6%的从业者修读过新闻传播类专业。调查发现，媒体内数据部门与其他部门的跨部门合作存在一定困难，同时数据新闻生产较为依赖既定机构和官方提供的数据。无论何种岗位的从业者都普遍认同新闻价值判断是最为重要的能力，但也强调获取编程等技术类技能力的重要性。而原本作为记者核心技能的采访能力却被降格以求。在从业者看来，数据新闻在内地发展的首要掣肘因素是难于获取数据。
　　【关键词】数据新闻 从业者 问卷调查 基本构成 工作状况 从业情况 价值认知
　　【中图分类号】G214
　　如果将2012年视作中国内地数据新闻元年①的话，短短5年时间里，数据新闻在内地已基本完成从尝试性创新实验到常规型生产实践的转变。据不完全统计，目前内地已有20多家媒体组建了数据新闻团队，②29所高校开设了数据新闻相关课程。③
　　数据新闻发端于英美精英媒体的新闻创新实践，随后开始向全球扩散。第一份全球数据新闻调查④显示，目前至少有来自43个国家的媒体展开了数据新闻实践，这也表明数据新闻扩散的广度。被引入中国内地后，数据新闻也得到快速发展，主流媒体相继组建了数据新闻团队，如《人民日报》中央厨房设立了数据新闻组，上海观察新近也组建了数据新闻团队。内地数据新闻作品开始斩获国际奖项，财新传媒数据可视化实验室的标志性作品《周永康的人与财》获得了亚洲出版业协会以及国际新闻设计协会颁发的奖项。
　　那么是谁在生产数据新闻？他／她们为什么进入这个领域？数据新闻生产需要哪些核心技能？对新闻业又带来了什么冲击和影响？带着这些问题，研究者对内地数据新闻从业者展开了首次实证性调查，调查由问卷和深度访谈两部分构成。
　　调查之前，首先要明确数据新闻的所指，数据新闻诞生之初，数据被等同为数字，由此在狭义上，数据新闻是“在数字中挖掘故事，并利用数字来讲故事的新闻报道”。⑤随着实践的持续展开，数据的内涵得到扩充，图像、声音、颜色、类型、地理位置信息、关系等都被视作数据，用来生产新闻，这是广义上的理解。业界倾向于对数据新闻作泛化的界定，这种话语上的努力，意在扩大管辖权范畴，以增强自身合法性。本研究的访谈资料显示，虽然从业者对数据新闻的具体界定各异，但对其构成要素存在一些共识：一是数据新闻基于可被结构化的信息，无论这种信息是数字抑或文本；二是对信息的可视化呈现；三是具备新闻价值。本研究从广义的角度理解数据，并依据生产流程将数据新闻简单界定为通过挖掘和分析数据发现新闻点，以可视化的方式讲述新闻故事的报道样式。据此，数据新闻从业者包括数据采集人员、数据分析师、可视化工程师、设计人员以及新闻故事统合人员。
　　虽然数据新闻从业者群体不大，但其对新闻业态的影响不容小觑。数据新闻诞生于新闻业深陷各种危机之时，它起初被视作创新型新闻实践的典型，随后逐步展现出对新闻室文化的革新潜力。比如：提倡公开生产过程和原始数据挑战了封闭的新闻室文化；而程序员、设计师等不同背景人员的进入，重塑了从业者的知识结构，构成了创新的潜在动力。由此我们认为，对数据新闻从业人员的调查具有一定的现实意义。从业者作为数据新闻实践的具体行动者，其构成与认知将形塑这项实践的展开。对生产流程的揭示亦可为数据新闻教学提供参考和借鉴。本文主要介绍调查发现，辅以访谈内容加以阐释，同时将本次调查发现与文献中其他国家或地区的数据新闻发展现状进行对比，亦可由此管窥中外数据新闻发展的共性与特性。
　　
一、问卷设计与调查实施
　　在问卷设计过程中，研究者参考了每十年一次的美国全国记者调查问卷⑥以及我国研究者对网络新闻从业者的调查问卷。⑦在这些调查基础上结合数据新闻的发展特征，确定了调查的主要内容：基本构成、工作内容、所需技能以及价值认知等。
　　研究者选择在北京、上海、广州三地展开调查，一是因为这三地的媒体一直是国内新闻业创新的开拓者，它们的实践往往被当作范例来效仿；二是出于时间、费用等实际因素的考量。接着，研究者参考了2015中国数据新闻发展报告，⑧列出了三地媒体机构中固定的数据新闻栏目，共12个，将为这些栏目生产内容的从业者作为调查对象，这些从业者既是国内数据新闻的先行者也是领跑者。我们的调查对象隶属于固定数据新闻栏目的从业者，不包括在报道中偶尔使用数据或进行可视化呈现的从业者。两者在工作流程、技能要求和价值理念上有诸多不同，前者更契合本文研究目的。
　　调查实施时间为2016年9月21日至12月1日，符合研究目的的从业者总数并不多，我们采用小总体大样本的策略，主要以面对面填答电子问卷的方式完成调查，调查对象总体为68人，共回收有效问卷53份。虽然样本数量有限，但问卷填答质量较高，具备一定的代表性，亦可填补我们对于这个群体的认知缺失。作为第一次数据新闻从业者调查，本次调查的探索意义较强。
　　
二、数据新闻从业者的基本构成
　　（一）性别
　　总体上，数据新闻从业者以女性居多，53位受访者中，女性有35人，占66.04%，男性为18人，占33.96%。11个接受调查的栏目中，6个栏目的负责人为女性。
　　（二）年龄
　　调查显示，从业者整体较为年轻，受访者平均年龄为27.96岁，年龄最大的44岁，最小的20岁，30岁（含）以下的从业者占到了77.36%。
　　（三）学历
　　在学历方面，受访者的受教育水平普遍较高。超过半数受访者（28人，占52.83%）拥有研究生学历，24人最高学历为本科，占45.28%，1人为大专学历，占1.89%。
　　（四）专业背景
　　受访者中修读过新闻传播专业的人仍占多数，占56.60%，另有45.28%受访者曾接受过除新闻传播以外的人文社会学科教育，15.09%受访者曾接受过计算机、信息类学科教育，另有13.21%受访者接受过除计算机、信息以外的理工学科教育，受访者中没有来自农林医学科背景的毕业生（图1　图1见本期第24页）。
　　（五）收入情况
　　从收入来看，多数受访者税前月收入在8001～12000元之间，占30.19%，每月税前总收入在16001元以上的受访者占15.09%，另有26.42%的受访者不愿透露个人收入（图2　图2见本期第24页）。总体而言，从业者中以女性居多，年龄多在25岁以下，且受过良好的教育，研究生学历占多数。同时超过半数的从业者修读过新闻传播学科。
　　
三、工作状况
　　（一）岗位分工
　　为考察数据新闻的工作流程，调查从岗位分工入手，请受访者勾选符合其岗位职责的全部选项。结果显示，有62.26%的受访者工作内容涉及编辑工作，另有32.08%受访者涉及记者工作，26.42％受访者会参与设计与制图工作，24.53%受访者会参与编程与开发工作，另有1人未填答，1人从事运营工作（图3　图3见本期第24页）。
　　与传统新闻相比，数据新闻对从业者提出了更多的技能要求，也更为强调不同工种间的协作，比如记者需要懂编程以便与工程师合作，而媒体对具备跨界工作能力的从业者更是求贤若渴。几位栏目负责人都不约而同认为既有新闻敏感又会编程开发的从业者是理想人选，而这类人才也较为稀缺，受访者中仅5人能够同时承担采编与编程开发工作。但“跨界”即多工种的工作模式已悄然兴起：53名受访者中，29人只承担一个工种的工作任务，占55%，22人承担两个或两个以上工种的工作任务，占42%。跨界工作体现了从业者在技能上的融合，它同时也带来了新闻室内部劳动分工的微妙变迁。在传统媒体时代，记者、编辑、美编等不同工种间有较为明晰的职责界限，而融媒体时代劳动分工界限渐趋模糊。“跨界”工作意味着劳动分工的减少，从业者可一人分饰多角，降低了内部沟通的成本，有利于提高生产效率，“不用每次开会都去找工程师问能不能做出来”。⑨但同时也意味着作为策略性仪式⑩而存在的编辑部层层核查的内部机制在弱化。在有的新闻室内，从数据获取、分析到可视化呈现和发布都由同一人完成，生产者个人的偏见或许夹杂在新闻产品之中，看起来更客观的数据新闻或许遮蔽可能存在偏倚的生产过程。
　　调查进一步考察了岗位职责与性别的相关关系（图4　图4见本期第25页），结果显示，女性在需要较高计算机技能的岗位上不占优势，比如从事编程与开发工作的女性为三分之一强，而进行编辑和记者工作的女性为三分之二强，这似乎辅证了流行的性别印象，即女性对技术不敏感，无法在技术驱动的领域与男性展开竞争。但在11个受调查团队中，有6个团队的负责人都是女性。其中两个数据新闻团队，几乎全部为女性，她们承担了从获取数据、做分析到通过编程输出可视化产品的全部工作，女性似乎正在进入传统上男性占优势的就业岗位。
　　（二）常用工具
　　数据新闻生产比较依赖技术工具，但技术不断更新，学习哪些技术一直没有定论。为此，本次调查也涉及了数据新闻生产环节中主要依赖的工具或编程语言，以求对教学设计有所裨益。
　　获取数据是数据新闻生产的起点，除了从数据库或公开发布的报告中获取数据之外，还有大量散落在网页中的数据需要通过编程语言或工具来抓取。调查显示，有47.7%的受访者的工作内容不涉及网络数据抓取，需要抓取网络数据的受访者中，较多使用R语言实施抓取（图5　图5见本期第26页）。
　　数据清洗是指对数据进行格式化处理，清除无效值、统一度量等。在数据新闻教学以及各种培训项目中，清洗工具主要介绍Refine，本次调查显示超过80%的受访者使用Excel完成数据清洗，仅有16.98%的受访者使用Refine清洗数据（图6 图6见本期第25页）。
　　到数据分析阶段，超过90%的受访者会使用Excel分析数据，另有11.32%的受访者用SQL分析数据，SQL是一款大数据分析软件，这也说明从业者工作中会涉及大数据的分析处理（图7　图7见本期第26页）。
　　调查询问了受访者对统计知识的应用情况。结果显示，有47.17%的受访者称会偶尔用到统计学知识，另有16.98%的受访者极少用到或基本不会用到统计学知识（图8　图8见本期第26页）。这与研究者在英国[11]和加拿大魁北克地区[12]的发现类似，数据新闻生产中并不会常用统计的方法。
　　在可视化呈现阶段，调查显示从业者所使用的工具较为多样（图9　图9见本期第26页），其中制图软件Photoshop和制作静态图表的软件Illustrator较受欢迎，有超过半数的受访者经常使用这两款工具。HTML5语言由于具备良好的跨平台适配效果，也被广泛使用。
　　（三）选题来源
　　调查继续追问了数据新闻中选题来源和数据来源的问题，受访者被要求为不同选题方式的出现频次打分，分值从1到10，1为从来没有，10为非常频繁。结果显示，从业者自报的选题得分最高，均值达到了8.16分自报选题意味着从业者较大的发挥空间和自主程度。紧随其后的是可预知的重大事件，数据公开发布列第3位（表1　表1见本期第26页）。
　　实地调研中，新华网数据新闻栏目负责人马轶群[13]认为，一些自报的选题视角较为独特，也通常出于从业者个人兴趣，比如新华网的《音曲繁美》作品，对120年流行音乐流派变迁做了可视化呈现，是一位资深乐迷从业者自报的选题，作品传播量也不错。
　　由同机构内部其他部门提供的选题排在末位，在一定程度上反映出数据部门与其他部门合作存在困难。实地调研了解到，数据部门有与其他部门合作的意愿，“条线记者手中有大量的数据资源，但条线记者认为提供数据不是自己分内事，会增加工作量。即便记者有数据，也不会想到来找你”，而“需要条线记者提供数据时，他们反馈比较慢，后来也就不催促了”。如果有合作，也多是基于“个人关系”。[14]访谈中，研究者了解到多个新闻室都存在这一问题，实际上，类似问题还发生在美国与挪威的新闻室内。在美国一些新闻机构内，数据部门编辑经常要为项目做游说，以说服其他记者加入；另有从业者如独行侠般，从头至尾独立生产数据新闻，也会有从业者感到孤立与疏离。[15]在挪威，数据部门与其他部门的合作也十分少见，只有维基解密泄密案这样的大事才能推倒部门间的屏障。这也表明新闻机构内部“条块化”的组织架构影响了这项创新实践的展开。有研究者认为新闻创新来自水平上、打破条块分割的实践，[16]但经验研究结果却显示，如果将媒体内部的条块结构改为团队结构，反而会增加内部沟通成本，从业者满意度下降，而新闻生产质量却未见明显提升。[17]至于解决之道，访谈中反复出现两种路径，一是通过获奖来提升内部认可度，多位从业者均提到奖项的助益作用。借用布尔迪厄的场域分析[18]框架，可将奖项视作一种文化资本，得奖是通过文化资本的积累来提升自身在场域内的位置。一位从业者说：“之前同事并不知道我们在做什么，但我们陆续获得一些奖项，国内、国外的都有。这样其他部门就知道我们了，也了解我们在做什么。（其他部门同事）可能碰到用数据的时候就主动来找我们。” [19]二则是依靠领导重视和支持。一位从业者表示，“如果大领导在各种场合多强调数据部门的重要性，那么在与其他部门领导沟通需求时，可能就会被重视”。[20]（四）数据来源
　　对于数据来源，结果显示，来自大学、科研机构的数据使用频次最高，平均分为6.36。紧接其后是党政机关发布的数据，得分均值为6.24。而通过信息公开申请获得数据的方式排在末位，得分仅有3.86。
　　新闻源是新闻社会学研究的核心议题。传统媒体时代，受截稿时间及条线制度的影响，新闻生产较为依赖官方或既定机构作为新闻源。[21]有研究者认为，将数据作为新闻来源，扩大了新闻源光谱，可去除新闻生产对“条线”的依赖，也由此消解了社会精英的话语权。[22]本次调查结果却显示，数据仍主要来源于政府、大学等官方或既定机构。基于英国、美国和加拿大魁北克地区的研究也发现，[23]从业者极少使用公开申请的方式获得数据，而出于效率和便利性的考量，已公开的公共数据或官方数据更受青睐。
　　媒体也经常使用来自数据公司和其他企业（比如滴滴、淘宝等）的数据，其得分均值分别为6.0和5.18，都超过了中值。这类第三方数据并非原始数据，而是经过了脱敏或初步编辑的数据。很多情况下，第三方机构并不会提供数据编辑说明，而且数据中还可能暗含特定议程，也许会潜移默化地影响从业者对新闻点的选取。
　　
四、从业情况
　　（一）从业年限
　　调查显示，数据新闻从业者多为这个领域内的“新人”，其平均从业年限为2年，有25%的受访者在数据新闻领域工作了两年左右，有32.69%的受访者超过了两年，另有42.31%的受访者从业年限小于两年。
　　（二）从业经历
　　在从业经历方面，有35.85%的受访者有传统媒体工作经验。另有9.43%受访者曾就职于网络媒体采编岗位，7.55%受访者曾在技术、开发类岗位工作。值得注意的是，从学校直接走上数据新闻岗位的受访者也占了较大比重，共15人，占28.3%，他们当中接受过新闻传播学教育的有7人（图10　图10见本期第28页）。
　　（三）择业因素
　　调查也关注了从业者的择业因素（图11　图11见本期第28页），受访者可在9个选项中多选。结果显示，对从业者而言，数据新闻的较大魅力在于其所提供的学习新知识的机会，近七成受访者勾选此项，有58.49%的受访者因为喜欢新鲜事物而选择了数据新闻。数据新闻所提供的“做新鲜事”的机会，也正是创新心态的来源，[24]在这个意义上，数据新闻实践也有利于孕育新闻室内部的创新文化。
　　（四）工作满意度
　　调查中对工作满意度的测量使用了10级量表，1为非常反对，10为非常赞同。总体而言，受访者较为满意目前的工作状态，其得分均值为7.09，高于中值。有16.98%的受访者为自己的工作状态打了满分，64.15%的受访者打分在7分以上，对工作状态打分在5分以下的仅占22.64%。
　　具体到工作中的不同方面，受访者最为满意的是与同事的合作关系，其评价得分均值为8.17分，最低分也有5分。同时受访者对工作中的自主性程度、学习新知识的机会、领导的能力以及工作发展前景都有较为正面的评价。工作中所获得的成就感和作品的社会影响也有较高认可程度，其得分分别为7.02和6.74（表5　表5见本期第30页）。在全部选项中，从业者评分最低的是工作待遇，但其得分也超过了中值。一位刚入职的从业者称，“对于刚工作的人来说，待遇不算低了，但跟工作量比起来还是少了点”。[25]
　　
五、价值认知
　　从业者作为具体行动者，其价值认知会影响数据新闻实践的展开。在调查价值认知时，研究者特别关注了传统新闻理念与技术驱动之间的张力。数据新闻兴盛于“技术驱动的新闻业创新” [26]的背景下，其实践操作存在一定的技术门槛，也由此重新定义了新闻生产者的技能要求，那么从业者如何评判传统新闻生产技能（如采写编评、新闻判断）与技术要求（比如编程）孰轻孰重？借由这项实践，越来越多的程序员开始进入新闻生产场域，他们的加入将如何影响记者的文化权威？一位资深数据新闻从业者曾撰文提到：“程序员获新闻奖，你怎么看？” [27]你怎么看便涉及如何处置记者的文化权威所面临的挑战。本次调查通过制作要求与能力评级等问题管窥这种张力。
　　（一）数据新闻制作要求
　　问卷中列出了数据新闻的一些制作要求，并通过10级量表请受访者评分，1为非常反对，10为非常赞同。受访者认为制作数据新闻最重要的是新闻敏感和价值判断，其得分均值为8.74，有近半数（26名）受访者为此条表述打了10分，其最低评分也有5分，可见受访者高度认同这一表述。与之相对应，受访者最不认同掌握编程技能比新闻判断更为重要（均值3.15，低于中值）。
　　即便如此，受访者也倾向于认为最好能熟练运用一门编程语言（均值5.91，高于中值）以及最好做可视化呈现（均值7.6，高于中值），可视化也对从业者的设计和编程能力有一定要求。此外，受访者基本认同制作数据新闻需要知晓有关新闻报道的法律法规、信息公开的法规政策以及宣传要求（表4　表4见本期第30页）。
　　（二）能力评级
　　受访者被要求为制作数据新闻所需的各项能力的重要程度打分，分值从1到10，1为最不重要，10为非常重要。结果显示（图12　图12见本期第30页），评分均值最高的是良好的新闻判断，接下来是团队合作、统计分析与写作能力，编程能力排在末位。
　　传统的新闻记者的核心能力——采访——却被降低要求，其评分均值在倒数第二位，仅位列编程能力之上。一位从业者称，“做数据新闻并不像传统新闻那样需要很多采访，更多的是编辑工作”。这种技能结构的转变有着较为深刻的意涵，它从一个侧面反映出新闻在认识论上的变化。第一个层面涉及新闻生产客体的变迁。美国学者安德森[28]曾以历史唯物主义的视角审视新闻业的历史发展，他认为采访是美国新闻业的发明，其兴起于十九世纪中叶，兴盛于美国内战时期。采访出现后，新闻生产的客体由此前书写的文件变成了口头的陈述。而在数据新闻中，新闻生产的客体变成了可被电子化的数据。第二个层面的变化，即什么是新闻认可的事实也在发生改变。在传统媒体时代，由采访获得的口头材料经过了策略性地加工，被记者视作事实并用来再现现实。而在数据新闻生产中，口头材料的合法性地位开始动摇。正如一位从业者所宣称的，“数据比什么人说了什么更加客观”。[29]其潜台词即数据比口头材料更具合法性，更符合当下从业者对新闻事实的想象，可以更合法地再现现实。客体的变迁与观念的变革互为因果，并共同重构了新闻生产的技能结构，引发了采访技能的降格。
　　结合对数据新闻制作要求的调查结果，我们似乎得到了一幅混杂的图景。首先，在从业者的认知中，新闻价值判断占压倒性优势，传统新闻价值观仍被推崇，技术类技能仅居次要地位。而同时，从业者并未放弃对技术类技能的强调，比如要至少熟用一门编程语言，虽然编程能力在评级上位列末尾，但其得分均值也超过了中值，说明从业者仍较为认可这项能力的重要性。
　　（三）数据新闻的特点
　　对比传统新闻，数据新闻具有哪些独特之处呢？调查仍采用10级量表考察从业者对数据新闻特点的认知，1为最不赞同，10为非常赞同。结果显示（表5　表5见本期第31页），得分（均值）最高的是数据新闻更加依赖团队合作，这也可以解释在能力评级中，团队合作紧随新闻判断之后，是从业者认为较为重要的能力。数据新闻因可视化元素而更加吸引受众也有较高的认可程度，其得分均值达到了7.96分。数据新闻更加客观和更少依赖官方新闻源的评价得分（均值）都超过了中值，表明从业者认可这些表述。但前文已有相关阐述，尤其针对新闻源，调查显示最常出现的便是既定机构与官方，实践与理念上的差异也呼唤研究者进一步批判分析。从业者对数据新闻生产更加耗费资源也有较为一致的认知，耗时、耗费人力资源与费钱这几项的得分均值都超过了中值。
　　（四）数据新闻在中国情境中的发展
　　数据新闻作为舶来品，进入中国后必然要经历本土化调适，问卷也调查了数据新闻在中国情境中所面临的掣肘因素。结果显示，受访者最为认同的是难于获取数据会制约数据新闻发展（均值8.26），同时受访者也倾向于认为数据新闻有利于促进政府和企业的信息公开，并可以更好地实施舆论监督。至于数据新闻可能会侵犯个人隐私，受访者对此认同度较低，其得分均值为4.55，低于中值（表6　表6见本期第31页）。
　　（五）经典范例
　　经典范例不仅体现了从业者所秉持的价值观，还凝结了他们所追求的规范性原则。一则报道或一家媒体如果能够被较多从业者奉为经典范例也说明从业者群体内已享有一定的专业共识。[30]为此本研究调查了从业者心目中代表数据新闻生产最高水准的媒体并请受访者提名3则经典的数据新闻报道。
　　结果显示，在被提名的媒体中，境内媒体与境外媒体各占50%，其中《纽约时报》以20票（37.3%的得票率）当选从业者心中生产水准最高的媒体。《卫报》紧随其后，得到8票，得票率为15.1%。这两家媒体也是数据新闻实践的执牛耳者，一直引领着数据新闻发展。也有从业者选择了自己所在的媒体，说明从业者对工作机构具有较高认同感和归属感。
　　至于经典报道范例，共有99则报道获得提名，财新数据可视化实验室标志性作品《周永康的人与财》得票数最多，共11票，得票率为11%。这则报道对中国内地数据新闻的发展具有里程碑式的意义，其先后斩获腾讯传媒大奖“2014年度数据新闻奖”以及亚洲出版业协会“2014卓越网络新闻奖”等奖项，传播量也较大，在微博的阅读数达到了2000万，[31]不仅为生产团队带来了较高的美誉度也把数据新闻从幕后推到了台前，正是这则报道让更多内地媒体和受众了解了数据新闻。有从业者称，“领导看到了财新的探索，还有国外的案例，也决定开辟专门的数据新闻栏目”。[32]还有从业者认为，“财新的实践具有示范意义，如果（财新）发展得不好，可能会影响数据新闻在中国内地的发展”。[33]
　　
小结与讨论
　　本文通过对北京、上海、广州三地数据新闻从业者的问卷调查和深度访谈，并结合比较分析，系统地描述并分析了从业者的基本构成、工作状况、从业情况以及价值认知。调查主要发现如下：
　　1.数据新闻从业者呈现年轻化、高学历的特点，以女性居多，修读过新闻传播学科的从业者占主体。从业者的月均收入普遍超过了4000元，大多数从业者月收入在8001元到1.2万元之间。
　　2.数据新闻的选题较多来自部门成员自报的选题或可预知的重大事件。数据则较多来自机构消息源，如大学、科研机构以及政府机构，来自企业和数据公司的数据也占有一定比重，而通过信息公开申请获取数据并不常见。同时，数据新闻部门与其他部门的跨部门合作存在一定困难。
　　3.从业者更倾向为学习新知或喜欢新鲜事物而走上数据新闻岗位。同时，受访者普遍较为满意目前的工作状态。
　　4.在价值认知方面，受访者认为制作数据新闻最重要的是新闻敏感和价值判断。对于制作数据新闻所需的各项能力，得分最高的是良好的新闻判断，接下来是团队合作，编程能力排在末位。调查还发现，传统的新闻记者的核心能力——采访——被降格，其评分均值仅在编程能力之上。对于数据新闻的特点，从业者认为其更加依赖团队合作也更加耗费资源。同时，缺乏数据最为制约数据新闻在中国内地的发展。
　　总体而言，数据新闻从业者具有较高教育水平、较为积极的工作态度，他／她们喜欢尝试新鲜事物，对数据新闻的发展前景也有较为正面的评价。培养和挖掘这个群体的潜力，将助益于新闻创新实践的展开。然而无论学界业界，对数据新闻的前景也存在忧虑的声音，有观点认为受制于媒介体制和数据环境，中国内地数据新闻发展前景不甚乐观。反观以英美为代表的西方新闻业，数据新闻红利还在持续释放。一项针对西方媒体发行人的调查[34]显示，2017年这些媒体掌舵人计划首要投资的领域便是数据新闻。西方媒体同行则在探索数据的丰富样态，比如与算法结合，运用模拟数据生产新闻。《纽约时报》已有成功尝试，即通过算法生成模拟数据揭示新经济体对劳工的剥削。[35]同时新技术不断涌现，更多信息将可转化为生产原材料，比如借助自然语言处理和机器学习，数据新闻或可攻克储备最为丰富的一种信息形式——文本，[36]这也被一些西方从业者寄望为数据新闻的下一个高峰。在中国内地，数据的样态亟待丰富，数据新闻的潜力有待挖掘，这也要求学术研究增加前瞻性，也呼唤比较视角的研究，以便为实践提供有效指导与参考。■
　　
①2012年内地四家门户网站和财新传媒相继组建了数据新闻团队，此后多家媒体纷纷效仿，数据新闻也开始了在中国内地的扩散。
②⑧王琼：《2015中国数据新闻发展报告》，2016数据与传媒论坛，2016年7月27日。
③卞清、戴管悦榕：《中国内地数据新闻教师调查报告》，未刊稿。
④HeraviB. The state of Data Journalism globally, Proceedings of the European Data and Computational Journalism Conference, http://10.11.103.33:6510/researchrepository.ucd.ie/bitstream/handle/10197/8634/DataJ%20Conf%20Proceedings%20Final.pdf?sequence=1
⑤HowardA. The Art and Science of Data-Driven Journalism. Research report,
　　Tow Center for Digital Journalism, http://towcenter.org/the-art-and-science-of-data-driven-journalism/
⑥Willnat, L.& Weaver, D. H. The American Journalist in the Digital Age: Key Findings. Research report, http://news.indiana.edu/releases/iu/2014/05/2013-american-journalist-key-findings.pdf
⑦参见周葆华、查建琨：《网络新闻从业者生存状况调查报告》，《新闻爱好者》2017年第3期；陶建杰、张志安：《网络新闻从业者的基本职业状况——上海地区调查报告之一》，《新闻记者》2013年第12期
⑨研究者对从业者的面对面访谈，时间为2016年10月27日，北京。
⑩Tuchman, G. Objectivity as Strategic Ritual: An Examination of Newsmen’s Notions of Objectivity. American Journal of Sociology197277（4）:660-679.
[11]KnightM. Data journalism in the UK: a preliminary analysis of form and content. Journal of Media Practice, 201516（1）:55-72.
[12]TabaryC.ProvostAnne-Marie, & Trottier, A. Data journalism’s actors, practices and skills: A case study from Quebec. Journalism, 201617（1）:66-84.
[13]研究者对新华网数据新闻栏目负责人马轶群的面对面访谈，时间为2016年12月1日，北京。
[14]研究者对两位数据新闻从业者的面对面访谈，时间为2016年10月26日和27日，北京。
[15]FinkK.& Anderson, C. W. Data journalism in the United States: Beyond the “usual suspects”Journalism Studies201416（4）:467-481.
[16]Gynnild, A. Journalism innovation leads to innovation journalism: The impact of computational exploration on changing mindsets. Journalism, 201315（6）:713-730.
[17]GadeP.& PerryE. Changing the Newsroom Culture: A Four-Year Case Study of Organizational Development at the St. Louis Post-Dispatch. Journalism & Mass Communication Quarterly200389（2）:327-347.
[18]BourdieuP. The political fieldthe social science fieldand the journalistic field. In Benson, R. & NeveuE. eds.Bourdieu and the Journalistic Fieldpp.29-47Cambridge: Polity Press2005.
[19]研究者对从业者的面对面访谈，时间为2016年10月26日，北京。
[20]参见注释20。
[21]参见GansH. J. Deciding what’s news: a study of CBS evening news, NBC nightly news, Newsweek, and Time （Reprint）. London: Constable1979；HallS.Critcher, C.JeffersonT.Clarke, J.& RobertsB. Policing the crisis: muggingthe stateand law and order. London: Palgrave Macmillan1978；Schlesinger, P. Rethinking the sociology of journalism: source strategies and the limits of media-centrismpp.61–84. In Public communication: the new imperatives. London: Sage, 1978；TabaryC.ProvostA.-M.& Trottier, A. Data journalism’s actors, practices and skills: A case study from Quebec. Journalism, 201617（1）:66–84；TunstallJ. Journalists at work: specialist correspondents, their news organizationsnews-sources and competitor-colleagues. London: Constable & Robinson Limited1971.
[22]曾庆香、侯雪琪：《数据新闻：社会精英话语权的消解》，《探索与争鸣》2015年第3期
[23]参见注释12、13、16。
[24]Gynnild, A. Journalism innovation leads to innovation journalism: the impact of computational exploration on changing mindsets. Journalism, 201415（6）:713-730.
[25]研究者对从业者的面对面访谈，时间为2016年12月1日，北京。
[26]白红义：《从技术创新到新闻创新：重塑新闻业的探索性框架》，《南京社会科学》2016年第10期
[27]黄志敏：《程序员获新闻奖，你怎么看？——解读财新网可视化数据新闻》，《中国记者》2015年第1期
[28]AndersonC. W. Between the unique and the pattern. Digital Journalism, 20153（3）:349-363.
[29]参见注释20。
[30]Pan, Zhongdang & Chan, Joseph Man. Shifting Journalistic Paradigms: How China’s Journalists Assess “Media Exemplars”Communication Research, 200330（6）:649-682.
[31]黄志敏（财新数据可视化实验室前任负责人）在复旦大学新闻学院所做的讲座，时间为2014年11月21日，上海。
[32]参见注释20。
[33]参见注释15。
[34]The Media Briefing, The State of the Media 2017. Research report, The Media Briefing website26 October 2016http://www.themediabriefing.com/article/the-state-of-the-media-2017-report
[35]ScheiberN. & HuangJ. How Uber uses psychological tricks to push its drivers’ buttonsThe New York Times website2 April 2017?
　　https://www.nytimes.com/interactive/2017/04/02/technology/uber-drivers-psychological-tricks.html。
[36]KaplanA. Data Journalism: What’s Next?. Uncovering Asia 2016 website24 September 2016http://2016.uncoveringasia.org/2016/09/24/data-journalism-whats-next/
　　
徐笛 马文娟/徐笛系复旦大学新闻学院讲师；马文娟系密歇根州立大学统计培训与咨询中心统计学家。本文受到复旦大学新闻学院2017年上海市高峰学科新媒体研究课题项目资助（SXH3353017/007/017），以及武汉大学人文社会科学青年学者学术发展计划学术团队建设项目的支持（WHU2016007）。