借鉴威尔奈特等（Willnat & Weaver）[9]为美国记者画像的方法，我们也依据调查发现，描绘了数据新闻从业者的典型形象：一位不到30周岁的女性，大学毕业，接受过新闻传播学专业教育。下文将详细报告受访者的人口统计学特征。
1.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%；男性有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。有的数据新闻栏目，团队全体成员均为女性。
2.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）以下的的从业者占到了77.36%。
3.学历
在学历方面，受访者的受教育水平普遍较高。超过半数受访者拥有研究生学历，共28人，占全体受访者的52.83%。另有24人最高学历为本科，占45.28%，1人为大专学历，占1.89%。
4.专业背景
问卷中要求填答者勾选曾修读过的专业教育，包括2+2学位、第二学位、辅修专业、本科专业、研究生专业等多种类别。结果显示，受访者中修读过新闻传播专业的人仍占多数，所占比例为56.60%，另有45.28%的人曾接受过除新闻传播以外的人文社会学科教育，15.09%曾接受过计算机、信息类学科教育，另有13.21%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科背景的毕业生（见图3—2）。
图3-2 从业者的专业背景
5.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（见图3—3）。
图3-3 从业者收入情况
分析从业者的人口统计学特征可得到表3—1。总体而言，从业者以女性居多，年龄多在25岁以下，且受过良好的教育，研究生学历者占多数。同时超过半数的从业者修读过新闻传播类学科。
表3-1 数据新闻从业者的基本构成（占比最高的类目已加粗）
为进一步揭示数据新闻从业者群体的构成特点，我们将本次调查结果与全国范围内的网络新闻从业者调查结果[10]进行了对比。需要说明的是，两个调查在受访对象、调查实施地域与抽样方法上均不相同，仅调查实施时间相近。目前数据新闻生产较为倚重网络或移动终端的呈现，在一定意义上，数据新闻从业者也可算作网络新闻从业者的一部分；通过粗略比较可获得数据新闻从业者在构成上的一些独特之处，比如受教育程度较高，接受过新闻传播专业教育的从业者较多。
在性别上，无论是数据新闻还是网络新闻业者，女性都占多数，均超过了半数。在年龄上，从业者普遍呈现年轻化的趋势，平均年龄在27至28岁。在学历上，数据新闻从业者学历更高，52.83%的数据新闻从业者有研究生学历，而在网络新闻从业者中，这一比例为27.9%。[11]这或许是因为制作数据新闻需要更高的知识层次，也可能与北上广三地就业市场的要求相关。从专业看，超过半数的数据新闻从业者曾修读过新闻传播类学科，在网络新闻从业者中，这一比例为43.9%。在收入方面，由于没有同时段同地域的记者收入调查来做比较，我们只能与三年前全国网络新闻从业者调查[12]的收入数据进行比较。结果显示，数据新闻从业者的月薪显著高于（三年前的）网络新闻从业者的月薪。有54.71%的数据新闻从业者月收入超过8000元，而三年前，月薪8000元以上的网络新闻从业者仅有10.6%。同时，月薪在4000元以下的网络新闻从业者有40.3%，而受访的数据新闻从业者月薪普遍超过了4000元。至于造成收入差距的原因，一方面要考虑到三年来整体工资上涨的影响，另一方面还需注意，本次调查仅限于北上广三地，而三年前网络新闻从业者的调查是在全国范围内进行的，北上广的工资收入也明显高于全国水平。在实地访谈过程中，大多数数据新闻从业者对薪酬较为满意。
与本次调查时间相近，有研究者对世界范围内43个国家的181名数据新闻从业者进行了调查。对比两个调查的结果可发现较多相似之处，比如数据新闻从业者大都受过良好的教育，无论是在中国还是在世界范围内，超过半数的从业者具有研究生学历。此外，数据新闻从业者大都有新闻传播类学科的教育背景。两个调查最关键的区别在于从业者的性别比例。全球调查表明，数据新闻从业者主要是男性，占比为57.5%；而在中国数据新闻从业者中，近2/3为女性（见表3—2）。
表3-2 人口统计学指标对比
6.从业年限
从业者的从业经历和工作年限也会影响他/她们在场域中的实践。调查显示，数据新闻从业者多为这个领域内的“新人”，其平均从业年限为两年，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。
有的从业者初入传媒业就直接进入了数据新闻领域，有的此前从事其他新闻工作。也有在传媒业工作多年的“老兵”，受访者中在传媒业工作年头最长的为14年，最短的为3个月；大多数从业者工作年限少于或等于3年，占全部受访者的58.4%。
从业年限与资历相关，而资历可以转化为更多的话语权与更高的权威，可作为行动主体的符号资本参与场域内的位置竞争。
7.从业经历
从业经历是从业者过往经历的重要组成部分，之前的从业经历可能会形塑从业者在场域中的实践活动。在进入数据新闻行业之前，有35.85%的受访者曾在传统媒体工作，另有9.43%的受访者曾就职于网络媒体采编岗位，还有7.55%的人曾担任过设计师，7.55%的人曾在技术、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。无论是传统媒体采编还是网络媒体采编，我们都可以将其归入新闻业背景，而设计师、技术开发等可以归入技术类工作背景。从业者中大部分还是来自新闻业背景（见图3—4）。
图3-4 从业经历
本书深入数据新闻生产链条之中，调查实践活动中的常用工具、学习培训、岗位分工、选题来源，数据来源以及价值认知等问题，下面分项报告。
1.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常用的工具或编程语言，以求对教学设计有所裨益（见图3—5）。
图3-5 抓取工具
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47.17%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，占26.42%；使用Python语言的占20.75%。R和Python都是计算机编程语言，在运行时还需要掌握HTML、CSS甚至JavaScript等初阶编程语言，要求从业者具备一定的计算机技术能力。另有近两成从业者使用Webscraper、八爪鱼、火车头等网络工具。
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。Refine是谷歌公司推出的一款开源软件，在英美新闻室应用甚广。本次调查显示有81.13%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（见图3—6）。
到数据分析阶段，超过90%的受访者使用Excel分析数据，有11.32%的受访者用SQL分析数据。SQL是一款大数据分析软件，这也说明从业者在工作中会涉及到大数据的分析处理。另有超过三成的受访者使用R、SPSS或SAS等编程语言和统计分析软件（见图3—7）。
图3-6 清洗工具
图3-7 分析工具
从业者在实践过程中是否会应用到统计学知识呢？调查显示，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。这与研究者在英国[13]和加拿大魁北克地区[14]的发现类似，即在数据新闻生产中并不会常用统计学的方法（见图3—8）。
图3-8 统计学知识的使用
第一章提到计算机辅助报道、精确新闻等数据新闻先导类型都强调统计学方法的运用，这也是因为新闻业受到当时日益成熟的社会学的影响。而数据新闻虽基于数据，却不再重点强调统计。这或许是受到大数据时代认知变革的影响，即不再强调精确性与抽样，而是通过总体样本获得认知。但另一个原因也可能是出于生产效率的考量。有从业者解释称：
通过抽样、统计等方法做新闻非常耗时，等新闻做出来时热度已经过了。此外也要考虑用这种方法做新闻，看上去好像很高大上、很客观，但读者能看明白吗？读者不喜欢看复杂的东西，读者还是比较喜欢能类似一图读懂的东西。[15]
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，其中做图软件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（见图3—9）。
对工作流程的调查显示，数据新闻实践对技术能力有一定要求，媒体原有的人才储备可能无法完全应对数据新闻的生产要求。正因如此，近年来，媒体机构吸纳了一批新人。他们与传统记者具有不同的教育背景和思维方式，在美国，他们被称作“程序员记者”，研究者认为这是新闻室内新的职业类别。[16]在中国，他们的岗位可能叫做开发、可视化工程师等。新人进入场域，既有可能成为场域变革的推动者，也可能是保守的场域结构拥护者。[17]
图3-9 可视化工具
2.学习培训
调查询问了从业者如何学习数据新闻所需的各种计算机技能，从业者可以在7个选项中进行多选，所得到的百分比是指选择该选项的人次在所有填答本题的人数中的比例。结果显示：有86.79%的从业者都会选择向同事、同行学习；另有71.70%的从业者会通过数据新闻相关书籍进行学习；MOOC和其他在线课程、在校学习、在职培训以及工作坊也是学习技能的重要平台，都有超过三成的从业者勾选选项（见图3—10）。
图3-10 从业者的学习培训途径
3.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%的受访者的工作内容涉及编辑工作；另有32.08%涉及记者工作；26.42%参与设计与制图工作；24.53%参与编程与开发工作；另有1人未填答；1人从事运营工作（见图3—11）。
图3-11 从业者岗位分工
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地认为既有新闻敏感又会编程开发的从业者是理想人选，而这类人才也非常稀缺。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，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”[18]。但这同时也意味着，作为“策略性仪式”[19]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会夹杂在新闻产品中，看起来更客观的数据新闻可能会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，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占1/3强，而进行编辑和记者工作的女性占2/3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，其中有两个数据新闻团队成员几乎全部为女性，她们承担了从搜集数据、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（见图3—12）。
图3-12 岗位分工性别比
4.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有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（见表3—3）。
表3-3 选题来源
实地调研中，新华网融媒体产品创新中心马轶群[20]认为，一些自报的选题视角较为独特，也通常出于从业者的个人兴趣，比如新华网的《音曲繁美》作品，对120年来的流行音乐流派变迁做了可视化呈现，这是一位资深乐迷从业者自报的选题，作品传播量也不错。
除了自报选题之外，可预知的重大事件是数据新闻选题的第二大来源。一位栏目负责人称，“选题是跟着新闻走的，重大的新闻、重要的会议活动、重要的时间节点都需要跟进报道”[21]。一位从业者总结认为，选题主要来自于三个方面：
一是重大新闻发生之后，寻找相应的数据来做支撑，但如果没有数据就没法做了；二是数据发布或数据报告，无论官方发布还是科研报告都可以做新闻；三是一些预先知道的重大活动，比如周年纪念、大型会议等，需要提前找一些角度来做报道。[22]
调查和访谈的结果显示，数据新闻的选题筛选仍以新闻性为先。调查中，由同机构内部其他部门提供的选题排在末位，甚至低于来自其他媒体和机构合作的选题，这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，“跑口记者手中有大量的数据资源，但跑口记者认为提供数据不是自己份内事，会增加工作量。即便记者有数据，也不会想到来找你”。而“需要跑口记者提供数据时，他们反馈比较慢，后来也就不催促了”[23]。如果有合作，也多是基于“个人关系”。[24]
访谈中，研究者了解到多个新闻室都存在这一问题。一位从业者称：
我基本都是单干，跟其他编辑记者沟通不太多，基本没有和其他记者合作过。有时候看到了线索，会问跑口记者要一些数据，这个也是看人了，有的人给，有的人觉得不是自己的义务，基本上都是我主动去要，其他记者不会主动想起来给。[25]
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，数据部门的编辑经常要为项目做游说，以说服其他记者加入；也有的从业者如独行侠般，从头至尾独立生产数据新闻，个别从业者有被孤立感与疏离感。[26]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，新闻创新来自打破条块分割的实践，[27]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，从业者满意度会下降，而新闻生产质量却未见明显提升。[28]访谈中，一位负责人提出，部门之间的合作困难不仅仅因为条块化的结构分割，也有个人意识的原因。
我们其实有一个机制来做不同部门之间的交流，但有的经常是明天就要发稿今天才跟你说，这对于做融合报道的周期来说是来不及的，他们可能还是文字记者的思路。有的就是新媒体的思路比较强，比如我们环科的主编，她前两天还在找我，说我们有一个选题，可以一起合作一下。还是跟自己对新媒体是不是有足够敏感有关系。但现在在媒体内部，这样的人还不是特别多。[29]
从场域视角来看，这也说明数据新闻子场域在新闻业大场域内的位置不高，较难调动其他子场域内的行动者展开联合实践，后续章节还将详述。(www.xing528.com)
5.数据来源
本次调查要求受访者勾选数据的主要来源，同样是按出现频次打分，1为从来没有，10为非常频繁。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。紧随其后的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（见表3—4）。
表3-4 数据来源
新闻源是新闻社会学研究的核心议题。传统媒体时代，受截稿时间及跑口制度的影响，新闻生产较为依赖官方或既定机构作为新闻源。[30]有研究者认为，将数据作为新闻来源，扩大了新闻源光谱，可降低新闻生产对“口”的依赖，也由此消解了社会精英的话语权。[31]如果从场域视角来理解，即政治场域能够对新闻场域施加较大影响。
本次调查结果显示，数据新闻中的数据仍主要来源于政府、大学等官方或既定机构。第二章中提到的基于英国、美国和加拿大魁北克地区的研究也发现，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，从业者更青睐于使用已公开的公共数据或官方数据。
此外，在数据新闻生产中，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。这类第三方数据通常并非原始数据，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，而且数据获取过程也是隐蔽的，记者编辑无从核查数据真伪。数据中还可能暗含特定议程，或会潜移默化地影响从业者对新闻点的选取。然而访谈发现，从业者并不认为这是较大问题，一位数据新闻部门负责人称：
我们对数据的来源要求非常高，一般是官方的，或者是非常高级别的调查机构，当然也会使用公司的。从品牌营销的角度，公司很愿意提供数据。也有一些数据公司，你可以把它们看成是一个平台。比如说天眼查，它的数据其实不是自己的，都是来自官方工商资料的整理。我们作为媒体，不可能所有选题都去工商局重新提取，那样比较费时费力。如果根据过往发现，它的数据是可靠的，所有数据都是准的，也节省时间成本，那当然可以用了。而且这些公司提供的数据也基本上都是免费的。[32]
也有从业者表示，使用第三方数据“双方都需要妥协”：
从业者在操作过程中会感受到，大量的时间都放在了第一个阶段内，调查如何获取数据、数据能不能用、数据如何处理。我们需要获得很多方面的数据，如何打破壁垒、合成一个整体的数据是很头疼的问题。我们现在也通过数据谈判的方式从公司获取一些数据，最近的一个项目，前期数据谈判就花了两个月，首先要详细向对方解释你要什么样的数据，你要用这个数据做什么。因为我们不了解对方的商业模式或是痛点，这就导致很多时候他们给我们的可能是一些模糊的数据，未必是真实的数据，这样，谈判过程中双方可能都要妥协，要找到能够合作的中间点。[33]
也有从业者认为大数据时代要核查数据真实性似乎很无奈：
现实中，我们用部门发布的数据比较多，像统计局、环保部发布的这些数据，我只能默认数据是准确的，因为我无法从其他途径获取数据。另外一些大数据公司提供的数据，我们只能详细地标注数据来源。因为数据量太大了，这些数据也是通过各种算法算出来的。我相信，首先我拿不到原始数据，其次我也没办法把这么大量的数据找记者来核实。[34]
调查和访谈分析显示，数据新闻生产仍然受到数据来源的限制，而数据也仍然较多来自官方、科研机构等。值得注意的是，数据新闻中也频繁使用第三方数据，即来自公司、企业等的数据。如从业者所言，这些数据难于核查。而数据获取权掌握在官方、公司、企业等手中，数据新闻生产的自主性也受到一定制约。数据新闻作为一个场域，受到政治场域（官方数据源）与经济场域（公司、企业数据源）的双重影响。
从业者作为具体行动主体，其价值认知会影响数据新闻实践的展开。下文我们将报告驱动从业者进入数据新闻领域的原因，以及数据新闻从业者的价值认知。
1.择业因素
调查也关注了从业者的择业因素，受访者可在9个选项中多选。为了实现更有针对性的测量，在设计选项时，研究者特别关注了数据新闻与传统新闻相比的特殊之处，比如需要学习新知识、经常与新工具或新技术打交道等。而传统新闻和数据新闻兼具的一些特点，比如工作时间灵活等并未放在选项中。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7成受访者勾选了此项，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，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。另有三成多的从业者认同进入数据新闻领域可施展其技术才能。而因为薪酬优厚或因为数据新闻十分火爆而进入该领域的从业者各占3.77%（见图3—13）。
图3-13 择业因素
不同的专业教育背景是否会影响择业考量呢？将这两个变量做交叉分析可以发现，修读过新闻传播学科的从业者对数据新闻评价较为积极。他/她们更倾向于因认可数据新闻的价值而进入这个场域，有超过9成的人认可数据新闻是未来的发展潮流，并因为喜欢新鲜事物以及喜爱数据新闻而进入数据新闻领域；也较为认可数据新闻提供了学习新知识的机会；相较于其他专业背景的从业者，他/她们更少因为服从工作安排而进入该领域。而修读过理工学科的从业者则更倾向因喜欢新鲜事物而进入数据新闻领域。值得注意的是，有超过五成的新闻传播学背景从业者因可以施展技术才能而选择数据新闻，而计算机、信息学科背景从业者则仅有一成勾选此选项（见表3—5）。
表3-5 专业背景对择业因素的影响
2.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%（见表3—6）。
表3-6 工作满意度
续表
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。访谈中数位从业者都提到，数据新闻部门的“小环境很好”。[35]两位团队负责人不约而同用“内部创业”来形容自己的团队。其中一位提到：
这个部门是一个从无到有的东西，以前从来没有过，这个团队也大都是年轻人，有些90后一毕业就过来了，大家一起工作很愉快，心往一处使。待遇不算最好，但文化很好，像家一样。[36]
这也是数据新闻作为子场域与其他子场域的区别所在。同时，受访者对工作中的自主性程度也有较为积极的评价，前文提到，从业者自报选题比例高，这都说明了在数据新闻子场域内从业者的自主性较大。从业者也较为认可数据新闻提供了学习新知识的机会，其得分为7.72，“新”也是数据新闻吸引从业者的主要方面。另外从业者对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力也有较高被认程度，其得分分别为7.02和6.74。一位栏目负责人认为，其团队成员在工作中所获得的成就感才是吸引其留在这个场域的核心原因。
你要明白从业者的心理，一方面是工资待遇，另一方面更重要，就是作品获奖、受表扬，或者一些作品引起了比较好的反响等，这些因素会给从业者带来较大的获得感、成就感。其实很多孩子家庭条件都挺好的，并不一定在乎钱。有一年我们网站获得了三个中国新闻奖一等奖，这是网站里面很少很少有的，而这三个项目我们部门都参与了，我们还获得了中国新闻奖的名专栏奖。我们内部每年也有精品报道、创新奖这样一些年度的、季度的奖励，以及每周表扬稿、创新项目奖等，很多这种奖项，我们部门经常得奖。得奖当然也有物质奖励，大奖从2万元到8万元不等。[37]
从业者对工作时间弹性、工作时长、考核方式和职业培训机会也有较为正面的评价。在全部选项中，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。”[38]
3.制作要求
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”[39]的背景下，其实践操作存在一定的技术门槛，前文调查结果显示，数据新闻生产需要了解或掌握一定的编程技能，由此也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”，[40]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。
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，见表3—7）。
表3-7 数据新闻制作要求
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），可视化对从业者的设计和编程能力也有一定要求。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。
4.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，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，熟练使用计算机软件、设计能力、采访能力位列其后，编程能力排在末位（见图3—14）。
图3-14 技能评级
传统的新闻记者的核心能力——采访——却被降格，其评分均值排倒数第二位，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。”[41]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。如前文所述，美国学者安德森[42]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，兴起于19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合法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”。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。
将专业教育背景与能力评级做交叉分析可以发现，无论来自于何种教育背景，受访者普遍对良好的新闻判断打了最高分，而对编程能力打了最低分，也就是说不同专业背景的从业者都把良好的新闻判断排在首位，而编程能力排在末位（见表3—8）。
表3-8 专业教育背景与能力评级
不同的岗位职责是否会影响能力评级的评价呢？将岗位职责与能力评级做交叉分析，结果发现，无论在哪个岗位上，从业者都将良好的新闻判断作为首要重要的能力，即便是接受过计算机、信息相关学科教育的从业者，也最为看重新闻判断能力，同样，在编程/开发岗位上的从业者也为良好的新闻判断打了最高分，为编程能力打了最低分。值得注意的是监制岗位对能力评级的评价，因其在一定程度上体现出用人要求，结果显示，良好的新闻判断与团队合作同样被视作最为重要的两项能力（见表3—9）。
表3-9 岗位职责与能力评级
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，这说明从业者仍较为认可这项能力的重要性。而从场域的视角来看，我们可以将新闻与技术视作数据新闻子场域内的两个轴，他们也是这个场域内的相互作用力。从调查可知，相比传统新闻生产，技术的重要性正在提升，而在与新闻的角力中，它仍然占据下风。
5.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，得分（均值）最高的是数据新闻更加依赖团队合作，这也可以解释为什么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（见表3—10）。
表3-10 数据新闻的特点认知
数据新闻更少受到宣传要求和截稿压力的影响则认可度较低。通常认为数据新闻制作比较耗时，周期较长，动辄数月，甚至一年，看似数据新闻更少受到截稿压力影响，但大多数从业者对此似乎并不认同，其得分未达到中值。访谈发现，每个媒体的新闻生产周期各不相同。在一家传统媒体，“领导要求一天生产一篇，上午确定选题，下午找数据、制图，实际上生产时间非常紧张。”[43]几家规模稍大的数据新闻团队都采用类似的生产模式，即分为日常新闻和大项目。“日常新闻通常一到两天完成，一天时间采集数据和分析，留一天时间给设计。而如果是大项目则依据项目本身需要，从一周到几个月不等。”[44]
6.数据新闻本土化的制肘因素
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制肘因素。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，并可以更好地实施监督。从业者也倾向于认为数据新闻有利于促进媒体间合作。访谈中也发现，在一定程度上，数据新闻从业者间的合作似乎能超越媒体界限。两位同城的栏目负责人都认为对方给自己很多工作思路上的启发，“本来就是很小的圈子，大家又都是年轻人，相互帮忙很多”[45]。对加拿大数据新闻从业者的研究也有相似发现，不同媒体的从业者间可以相互提供支持和帮助。从场域的视角来理解，我们可以认为数据新闻是新闻业场域内的后来者。降低内部竞争程度，合力提升数据新闻子场域的位置，有利于全体行动者（见表3—11）。
表3-11 数据新闻本土化的制肘因素
续表
同时，人才匮乏和制作经费匮乏制约数据新闻发展也有较高认同度。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。一位栏目负责人总结称：
主要的制约因素一个是数据一个是技术。前端开发人才比较缺，新闻媒体现在干不过百度、腾讯和阿里巴巴，所以你很难招到特别优秀的开发人员，他们来媒体没有职业发展前景，完全是两个行业，薪酬也没法比，媒体怎么和互联网比啊，所以最优资源还是向金融和IT流动，比较难找到优秀的人才。[46]
“缺人”是受访者普遍认可的制约因素，“要找到既懂技术又懂新闻的人太难了”[47]。也有从业者认为难于获取数据是最关键影响因素。
现在整体数据开放的情况还不是很好。即便能够拿到数据，发布的形式也不一样，形式特别不亲民，全都是文档，那你要一个一个摘出来。还有比如说发布的表述也不一样。我前一阵找北京空气质量的数据，按道理他们每个月公布的形式应该都是一样的。就是这个月PM2.5、PM10、二氧化硫等指数平均浓度分别是多少多少。然后到了其中的一个月忽然就变成了，这几个指数浓度比上个月高出了百分之多少，或者是低了百分之多少，不给具体数了。这就导致我本来很想做一个很长的周期，它忽然中断了。[48]
但也有从业者认为难于获取数据对于全世界的媒体来说都是一样的，而且数据也没有想象中那么难以获取。
其实各种各样的数据都有，不然的话我们也不会存在了，好多数据只是你不知道而已，当然数据也还是有各种各样的问题吧，我们也希望有更多的数据可以公开。但其实中国现在的数据新闻处在不毛之地的阶段，就是这么贫瘠，你随便做个选题都是一条新闻，你随便拿都没有人报过。那你现在推进数据公开，还没有到那个阶段。只有到大家充分竞争了，很多东西都给大家报过了，没意思了，你才去推进更深的数据公开。其实现在数据新闻最缺的是钱。[49]
一位栏目负责人也认可了数据新闻发展首要的阻碍因素是“缺钱”的说法。
首先是钱，这个东西是无底洞。狭义的数据新闻是高成本的生产方式，这个成本有时候甚至高于普通新闻报道。因为新闻报道本身就是一次性的，大部分数据能沉淀下来或者对未来还有用的东西是很少的，它就是一个高成本、一次性的生产方式。所以这真的是无底洞，你要想做得更好，就要投入更多技术力量，还有购买数据的成本，算起来是很大的成本。那么到底不同媒体愿意投入多少钱进去，要看不同机构的心态和对于这个团队的期待。有些机构我理解他们做数据新闻就是做着玩儿的，因为现在很热，而且好看啊，那就招几个懂数据的小孩把这个东西撑起来，至少不让整个报纸一版看起来全是字。好看的数据新闻都属于高成本的一次性投入，可持续性很差的，如果一直循环下去，很快很多团队就做不下去了，这是一个挺大的障碍。[50]
由从业者对当下制约因素的分析也可以管窥数据新闻子场域内的作用力量与规则。不难发现，经济力量起到较大影响，下一章我们将深入分析。
7.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。[51]为此本书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）当选从业者心中数据新闻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的发展。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。从业者选出的范例媒体中，境外媒体的得票率为66%，境内媒体为34%。实际上中国的数据新闻生产也较多地受到英美媒体实践的影响，下一章我们将详述（见表3—12）。
表3-12 媒体范例
至于经典报道范例，共有99则报道获得提名，表3—13仅列出了得票数超过两票的报道。经典范例的前两名都被财新数据可视化实验室揽入怀中。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。”[52]还有从业者认为，“财新的实践具有示范意义，如果（财新）发展的不好，可能会影响数据新闻在中国的发展”[53]。由此可见财新传媒在数据新闻场域中的地位。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
