趋势网(微博｜微信)讯：

女子取现700万给骗子怼民警管的宽  给爱说话学生戴小蜜蜂的老师离职  吉林一滑冰馆被曝坍塌  

专注于用数据来做时政 新闻 ，听起来好像很“小众”。不过这个方向我们也已经坚持了三年。在不久前的中国首届数据 新闻 大赛上，我们图政数据工作室（@一图观政）独揽双奖，成为全国唯一一个有2件作品入围的机构。图政数据发表在《南方周末》头版头条的《还有多少官员独董》获得全国唯一一个二等奖。

首次清点中国2532家上市公司 还有多少“官员独董”》数据分析图片

这些时政数据 新闻 是如何操作出来的？幕后的故事更值得分享。

数据生涯起步：多元知识储备与流程思考不可少

三年前开始，我在《南风窗》杂志负责做配文图表的数据部分。当时还不太流行“数据 新闻 ”的概念，经常自称是“做图表的”。那时候为了一个主题或者一篇文章会查很多数据，默默记住来自于各个数据源的各种数据指标及其意义，去把统计年鉴的指标都弄懂和记住，有时也会统计一下全国人大代表们对《政府工作报告》的反对票票数变化情况。

时政类数据 新闻 涉及时政知识、数据理解、 新闻 把握和可视化呈现，四个方面任何一个领域单独拎出来都需要耗费很多精力去积累。积累着积累着，从“做图表”发展成了“做小型的量化研究”。

在 新闻 传播学研究生阶段，我本身就偏好量化分析。但将量化分析应用于 新闻 选题仍旧是一种很特别的体验：

一、 新闻 选题每天都在变化，得将量化工具应用于不同的选题，要求具有多样化的知识储备。

这种感受很奇妙。

入职没两个月，我做了个《各省（市）教育部直属高校分布与人口分布对比》——没错，如此学术化的题目确实是 新闻 标题。这篇两个版的数据报道用系数将北京在教育资源上的“绝对优势”展现了出来，这种“优势”是触目惊心的。之后去查，发现这篇报道被研究教育公平的相关学术论文引用。

如果不是做 新闻 ，怎么可能尝试到不同领域的研究？在学界，一辈子可能只能研究一个领域，不太可能在不同领域去尝试。是 新闻 给出了更广阔的视野。

二、 新闻 要求快，数据要求准，快和准之间有时候是很矛盾的，这会迫使我去不断反思流程上的优化。

数据 新闻 的流程很长，相互的配合非常重要，从数据收集、采访、内容定稿、可视化、传播等等，要熟练且默契。

这是一个非常漫长的积累过程。在这个过程中，最难忍受的是孤独以及对未来的不确定性。至今仍有数据 新闻 界的同行或者实习生问我如何看待数据 新闻 的前景。关于前景，请听我下面的解释。

前车之鉴的触动：投入高、产出低、风险大

那个时候，国内很少有人做数据 新闻 。当时国内有一家知名报纸在很早的时候就专门安排人员做数据 新闻 ，坚持了一年以后，放弃了。相关的记者也迅速转岗。

这件事对我触动挺大，忽然就有一种泡沫破灭的惊醒之感。

如今数据 新闻 看似如火如荼，但实际上仍保有那三个特点：投入高，产出低，风险大。

首先说投入。一个数据 新闻 需要耗费大量人力物力智力，调动记者、编辑、美编、程序员、推广人员和统筹者（项目经理）等等，耗时一周到几个月不等。若不是由有经验的人来统筹，很可能就会花了大力气，做出不那么有 新闻 价值的产品。这种试错成本和人才培训成本也是媒体需要考虑的。

再看产出。重磅的数据 新闻 很难批量化生产，轻量级的数据 新闻 也需经历比普通 新闻 更长的数据收集、校对、解读等等流程。产出量不可能很高——这会挑战传统媒体尤其是报纸的以字数和发稿量为核心的薪酬体系。

相应的风险随之而来。一是数据极易出错，数据的解读也很容易出现误读，损害媒体公信力。二是数据类报道的受众人群本身不会太广泛，虽然有可视化来做弥补，但也无法消解数据 新闻 天然的枯燥性，辛辛苦苦耗时半个月做出来的内容可能还不如一篇鸡汤文吸粉。三是万一选题不当，造成人力的浪费；万一时间花费太长，会导致推送时间落后于热点。

种种原因，夹杂在传统媒体衰落的浪潮中，让数据 新闻 看起来更像是“富人的游戏”。

在这种情况下，我认为媒体会出现一个新的趋势和“更省心”的走向，即“直接购买和定制数据 新闻 ”，不需要自己养团队。

我提出这种想法的时候，是认为传统媒体界会出现“制播分离”。有人问是不是指的是通讯社形式？其实不完全是，因为通讯社的内容更多的是通讯社自主发布的，而不是媒体“定制”的。

数据 新闻 具有“精品化”的特点，它是最有希望成为一种“产品”的。

当然，想法是美好的，现实是骨感的。

如何带数据 新闻 团队?以年轻实习生为骨干！

曾经有段时间，我非常希望跟其他记者们合作。也许长期合作以后，就会有记者也转入数据 新闻 领域。现在看来，有点too naive。

第一，真的不是每个人都对数据 新闻 感兴趣。好吧，这话说得客气了，应该说绝大部分记者都对数据不感兴趣，而对数据感兴趣的人也不会来做记者这一行了。第二，哪怕是感兴趣，进入数据 新闻 领域也是需要时间成本的。目前数据 新闻 的专职记者极少，只能从已有领域挖人。而记者的转型和时间成本谁来负责？

是否有时政记者愿意花半年以上的时间去转型做数据记者？

所以图政数据工作室在创立之初到现在，一直都是“以年轻实习生为骨干”的，迄今已经是第五届实习生，每一届基本上都需要实习半年以上。

图政的实习生们非常年轻，90后已经成为主宰。她们热情而勤奋，像海绵一样吸收知识，摔倒了又能毫不在乎地爬起来。

以实习生为班底，图政数据逐渐走上数据 新闻 的流程化和专业化之路。

这就是一个从无到有的过程。

我个人认为，一个好的单位，不仅是干事创业的地方，更应该是一所有理念的学校，让人才能够更自如充分地成长。

时政类数据 新闻 没有现成的培训材料，于是图政数据自己制作了案例和课件，设计了内部培训课程；这些培训材料来自于一届又一届实习的积累、留言和贡献。

每个人都应该有管理自身事务的能力，团队的组织最好能实现“自治”，所以图政数据实习生团队是由实习生自己设计和传承制度，有民主选举和投票，有学生leaders。

由于人员分散在国内外各地，所以有实习生带来了线上的团队协作系统（推荐使用Tower），让实习生们在任何地点都能线上协作办公，并且将数据 新闻 的所有环节都流程化，实现进程控制……

曾经有媒体人很诧异地问过我：实习生能承担数据 新闻 工作吗？

我当时一时不知道如何表达，最后憋出来一句：这取决于你如何组织她们。

脑中始终会坚信：江山代有才人出，青出于蓝胜于蓝。

情怀靠实干落地：未来仍聚焦时政 新闻

图政数据目前分化成两支团队，一支是实习生队伍，一支是专业团队。我们希望做的事情，仍然是集中在时政 新闻 领域。

比如我们统计过各省法院院长的背景，比如我们制作过“省部级高官迁徙调动图”，比如我们巨细无遗地梳理过“山西落马官员盘根图”，比如我们做过全国70城市纪委书记的统计分析，比如我们研究过新疆暴恐案的数据，比如我们统计过涉及就业性别歧视的招聘公告，比如我们组织过对政府信息公开情况的满意度调查。我们扒拉过很多时政类数据，比如学术界对政府信任度的测量，比如香港民意调查的结果变化，比如中国左派和右派的观念区别……

我们接受媒体的选题委托，并且为自己主动制作的 新闻 产品寻求更广泛的发布渠道。时政数据 新闻 的路不好走，但总要有人往前迈出一步。

以上的故事其实仅仅是一个故事梗概，其间起伏折转自是难以尽述，回忆起往事，好像那些起起伏伏又淡去了。

时代正在汹涌向前，每个人都有情怀，而唯有实力和脚踏实地的努力才能让情怀落地。

本文系《全媒派》独家编辑稿件，未经授权，不得转载。