张志安 中山大学传播与设计学院
随着数据内容行业的飞速发展，其所应用的领域已不再局限于研究、新闻等行业。良好的数据洞察力和数据理解力将成为各行业人才的必备技能。国内外的数据内容和媒介融合领域最缺哪一类人才？学习数据新闻的高校学生，毕业后从事相关工作的比例又有多少？展望数据内容未来的发展，有哪些可行的中外合作方向？
近日，中山大学传播与设计学院院长张志安做客新浪演播室，与新浪新闻、封面新闻畅谈数据内容发展的现状与前景，以下为访谈实录：
好的数据内容作品：可信、透明、会讲故事
随着技术的发展，国内各媒体平台呈现出越来越多的数据内容，您认为什么是“数据内容”？
答：好的数据内容，就是准确、精确的数据，加上通俗、创新的表达，完成基于数据对社会的洞察，所以数据本身固然重要，更重要的是通过数据洞察社会。
您认为优质的数据内容，需要包含哪些要素？达到哪些标准？
答：第一是数据本身靠谱，就是它的信效度非常高；第二是数据的来源、整个调查的方法和传播数据的透明性，这样的话可以让公众理解不同的数据偏差和数据价值；第三就是通过数据去讲故事的能力，也就是数据新闻的叙事和表达。
为何数据内容也要追求“深度”？
有一种观点认为，数据内容也可以做得很深，但是我们知道其实调查报道是传统媒体比较擅长的深度范畴。您认为这两种不同的作品在深度的体验上有哪些相同点和不同点？
答：在我看来，在讲故事的基础上去接近真相，是数据新闻和深度报道能够找到共同结合点的一个枢纽。不管是通过数据或通过核心材料去讲述深度事实，对呈现社会的复杂性都需要有一个共同的标准，就是超越事实表面去探究事实背后的价值。在日常情况下，我们通常离事实很近，但是我们离真相很远，那么不管是深度报道，还是数据新闻想要呈现它的深度，就要尽可能的去接近真相，真相虽然没有办法被完全弄清，但可以无限的接近和抵达。
我想，他们都有共同的追求，不管是通过数据还是故事，都希望能够增加我们对社会复杂性的认识，能够在一个更大的社会复杂性的知识拼图和信息拼图当中，让受众获得他原来所不具有的对社会更深层次的一种认知。那么这种认知的价值拼合起来，会让我们现代的读者变成更加理性的公民，从而让大家在提高媒体素养的同时，对社会的理性和建设性有更多的期待。在掌握很好的事实真相的基础上，大家的公共对话、公共表达才会更加具有理性，才更有可能达成理性的舆论共识，从而以媒体这种优质的内容助力国家治理的现代化。
如果他们之间有一些差异的话，我觉得第一点是做数据新闻的团队既要有产品经理的思维，同时更要有对数据的捕捉、分析和处理能力以及把新闻故事化的能力。做深度报道最重要的三种能力从简而言，一是认知社会复杂性的能力；二是通过调查去进行突破，拿到独家事实的能力； 三是通过一个较长的文本讲故事的能力。所以数据新闻和深度报道，他们各自对团队操作的要求是有所不同的。
透过现象看本质：造成国内外数据新闻差距的原因有哪些？
我们国家现在的数据内容产品，基本上还是以描述和呈现数据为主，可以说和国外相比，我们缺乏互动的体验，以及对数据的分析和挖掘。您认为这种原因是如何造成的？还要如何改变这种情况？
答：我觉得可能有几个原因，首先是数据的获得性，就是说如果我们不同的政府部门，它具有数据更开放的计划和平台，对媒体或者是第三方机构来讲，就更有可能获得公共事务或者是社会运行的开放数据，所以这个涉及到不同国家和地区政府数据开放的计划和数据获得性便利程度的差异。
第二个是跟不同的专业主流媒体对数据重视程度的差异有关。你比方说在新媒体环境下，很多专业媒体面对一种比较大的转型风险和压力，甚至有一些被边缘化的风险，所以他们为数据新闻所做的成本投入相对来讲就会低一些。但我们会发现，比方说财经类媒体，或者像新浪这样的综合商业互联网平台，我们对于优质内容产品是比较愿意花成本的，如果成本投入多的话，我们所做出来的数据新闻产品会更加具有可持续性和专业品质。
第三点，我觉得也跟我们整个受众市场对数据新闻的购买能力以及数据新闻的商业价值变现非常有关。相对来讲财经媒体，它通过付费墙的方式，更有可能把数据新闻跟其他的内容产品放在一起，通过用户的付费来获得部分的成本变现。但对大部分的综合类报纸或者都市类媒体来讲，就很难通过数据新闻获得直接的内容变现，这样的话也可能会影响这些主流媒体生产数据新闻的可持续性和积极性。
如何做好数据内容？大小数据都有用，速度深度要平衡
利用大数据进行网络舆情的分析和调查，是国内数据内容关注的焦点之一。在分析网络舆情方面，用大数据的方式生产数据内容产品是否可以代替传统的、经典的社会调查方法？
答：用大数据的方法来做网络舆情的研究，当然会成为一种必备手段，而且也会成为一种新的研究方法。它区别于我们过去质化的观察、案例的观察法，也区别我们过去传统的以社会问卷来做民意调查的方法，它具有非常大的便利性和极大的价值。比方说通过新浪微博这个平台，我们就可以去监测整个微博的舆论场。从某种程度上来讲，通过一个平台的全数据，对整个平台的舆论观察一定是最全面、最及时的，而且通过大数据方法，我们可以及时的抓取数据，之后再通过对社会属性相关标签的分析，我们又可以具体到不同的人群和地区，从而可做地区舆论差异、人群差异和不同话题背后的社会心态的比较，这都是大数据方法带来的极大价值。但是通过做舆论研究多年，我们有个深深的感触，大小数据都有其价值，也都有其不同的缺陷，比方说对大数据来讲，它可能会受到一些样本偏差的影响，还有全网的数据对每一个平台来讲又都是相对的数据孤岛，所以很难完全联通，因为联通也会涉及到隐私问题。另外受网络水军或者商业因素的影响，网络的数据也可能会受到污染。因此我觉得最为理想的办法是一方面对数据进行清理，一方面对数据进行抓取，再则就是通过大小数据相结合的方式来做完整的舆论分析。我们都知道不同的舆论场，它在特定的阶段，特定的话题也会受到公共政策包括管理制度的要求，所以这也会使得显性的舆论场可能未必能够完整的反映社会的真实心态。因之我们基本的结论是大中小数据都要用，传统方法和数据分析方法要有效的结合，强的信号感触到的网络舆论和弱的信号感知到的网络之下的舆论两者也要结合。我觉得从未来的发展来讲，显性舆论和隐性舆论要有效结合，大小数据要有效结合，数据智能分析和人的社会判断和洞见要有效结合，这样的话我们才有可能更加完整的、真实的、全面的认识我们的舆论。
时效性较强的数据内容（如疫情报道），受众对数据更新的及时性、准确性要求更高，但数据分析和可视化制作（如复杂的动态信息图和交互设计等）需要较长的生产周期，数据内容从业者该如何平衡这一对矛盾？
答：我觉得对数据新闻的从业者来讲，一定要解决所谓的时效和深度的关系，而且要清楚对受众来讲，从快到深是一个递进的信息需求，所以面对一个重要的个案数据，比方说某地区出现了新的确诊病例，我们就可以快讯或简讯的方式第一时间先做报道。因为时效的需要，我们紧接着把这个数据跟其它的数据相结合，比方过去一周或者一个地区目前确诊的病例和已经治愈的数据再做一个产品，以便满足我们对这个地区疫情感染情况的一种动态更新，像新浪新闻客户端，我们推出的疫情地图能把相关的数据整合在一起，非常直接简便的呈现出来，这样公众不仅可从数据可视化来获得相关的动态信息，而且易于大家进行社交分发。我们可以把相关的数据生成不同的产品，通过社交网络的方式传播给我们的受众和亲朋好友，很好地实现了专业的生产和社交分发的协同。我们当然还可以做更多的可查询、可互动、可参与的数据，这些数据内容产品相对来讲就可以时效性不那么强，所以我觉得对于数据内容的生产者来讲非常重要的一点，是要把握好速度和深度之间的平衡。
做好数据内容，我们面临三个挑战
数据内容这个概念是西方先提出来的，随后引进了中国。 您觉得数据内容在中国这七八年的本土化的过程中，遇到了哪些困难？目前业界和学界在这方面有没有解决这些困难的思路和尝试？
答：数据新闻在中国的发展，我觉得碰到最大的困难有三个，第一就是开放数据的共享获得，其实渠道还相对比较单一。 如今，国内的发展最缺的既不是人才，也不是技术，而是数据。因为数据才是源头活水，只有更广泛的、更充分的、更打通的、更有价值的、体量更大的数据，我们才能有更大的价值实现。第二个就是持续生产数据新闻的专业媒体还是不够多，大家会发现现在还是少数的网站少数的客户端或者少数的主流媒体在专注做这一块。在商业的网站客户端里面，我们新浪是比较重视的。但是我觉得总体来讲，大家在做这一块的还是少数，没有形成一个规模和集群的效应。第三个我觉得一个特别大的挑战是今天很多的数据新闻，它对于透明性的坚守原则贯彻是不够的。我们很多时候拿了这个数据直接把结果呈现给了大家，但数据的来源、数据的调查方法、数据本身的偏差是否会对公众在理解上造成误导，有时候我们会再次强调数据的价值，而不去反思数据的不足。
探索数据内容的国际合作之道
在未来数据内容的发展里，您认为有哪些可以中外合作的事情？
答：我目前看到的中外合作的这种数据，比较多的是全球化的或者区域性的跨国调查。你比方说在过去几年当中，我们有一些国家对于不同政府形象和公众认知的相关调查，那么这个数据就可以做比较，包括我们中国和亚洲其他一些国家，也曾经有主流媒体做持续的民意调查，那么这些数据一开始呈现的时候，不管是我方媒体来进行传播，还是他国媒体进行传播，我觉得就是一种数据新闻的跨国合作。但你会发现这样的合作其实相对比较零散，是项目依托制的，是项目驱动的，还没有成为一个普遍的、在媒体之间持续的一种跨国的数据调查基础上的数据新闻。当然还有另外一种合作就是国外的媒体做了好的数据新闻，国内会对它进行翻译和二次传播，国内做的一些好的数据，国外也会做援引，这也算是一种媒体之间的跨境合作。但总体看来这种合作的持续性、全面性、系统性是不够的。
数据内容的国际合作最难的还是在于我们多数的媒体都是在满足本国的受众，所以在进行跨国合作上，一方面有成本，一方面是协作机制，一方面做出来的跨国产品在落地的时候有多大的商业回报，可能都是一些限制的因素。
数据内容中的大经验：能自采数据、有跨学科方法论、实现公共价值
中山大学成立了大数据舆情相关的实验室，运用大数据进行舆情分析有很多优势，这方面咱们有什么经验可以介绍？
答: 2015年我们成立了全国新闻学院中最早的大数据传播实验室，2017年我们把这个实验室建成了全国新闻学院里面第一个理工科的省级重点实验室，叫广东大数据舆情分析和仿真重点实验室，2016年我们也把这个实验室建成了广州市人文社会科学研究基地，我们现在其实也用这个实验室，它相关的数据有力支撑着我们的高端智库及粤港澳发展研究院关于港澳舆论和内地舆论的相关研究。
我们前期跟一些互联网平台做了一些数据的合作，比方说我们产出了一些关于网络谣言的数据分析报告，把它变成非常通俗的谣言报告产品，提高公众识谣、防谣的意识。
另外我们也会做一些媒体视觉相关产品的年度报告，让大家知道我们媒体生产视觉内容每一年有哪些前瞻的特点，还包括哪些策略和技巧上的改进和一些政策建议。我们有一些感触，第一就是一个好的大数据传播实验室非常重要，就是它要有数据的合作、数据的自己采集和平台的合作，这样的话你才有更好的数据资源。第二个，在这个数据的基础上，一定要鼓励跨学科的方法论。比方说我们这个团队之所以做网络舆情的研究，在国内算是比较领先，我觉得最重要的就是我们用传播学的视角来看舆情，心理学的视角来看网络社会心态，政治学、社会学的视角来看网络意识形态，我们用这样跨学科的方法去做舆情的话，就能够立足舆情，跳出舆情，从舆情看心态，从心态看意识形态，这就会使得我们对这个数据的洞察更有深度。还有第三个我觉得是所有的数据报告不能只是沉浸在实验室里面，变成今天学术论文的产出，它一定要变成公共传播的报告，实现它的公众价值。所以对我们高校的大数据传播实验室，如何平衡它学术的驱动的研究和它的社会价值实现，让这样的报告产品既有论文的成果，又有公共产品的社会供给，我觉得也很重要。
大数据传播专业成热门，报考学生背景呈多元化趋势
比如说咱们学院学数据新闻相关的专业或者相关课程的本科生和研究生，毕业后从事数据新闻相关工作的比例大概有多少？
答：两年前，我们在新闻传播专硕里专门增加了一个方向叫大数据传播。因为专硕是两年，所以我们第一届毕业生今年毕业了19个人，这19个人都找到了非常好的工作，有人进了华为、IBM这些大的互联网公司或科技公司，有人到了像广报数据研究院这样的主流媒体去做数据分析，还有人考了公务员，当选调生去做舆情的相关分析。所以我觉得他们的就业面是非常广的，而且找的工作都不错。我们这个专业也在不断的扩容，我们第一届是19个人，第二届我们到了20多个，现在每一届报考的人数非常多，我们考研率成功率非常低，5~6%，也就是100个人考这个专业方向，可能最后只有5个人被录取。让我特别骄傲的是，这个方向本科生的来源越来越多元化，不仅仅有新闻传播、社会学、心理学这种人文社科专业的学生来报考我们的大数据传播方向，这几年还有越来越多具有软件工程、计算机、理工科、工科专业背景的学生来考我们的研究生，我们非常欢迎大家来报考。
数据内容生产团队新趋势：多类型、跨学科人才相互协作、各施所长
我们都知道人才其实是数据内容发展的重要因素，您觉得目前国际国内的数据内容和媒介融合领域最缺的是哪一类人才？是技术的、内容的还是视觉表达的？
答：从一个行业的快速迭代和发展，你会发现不管是技术人才还是内容人才都是缺乏的，特别是既有技术思维和用户意识，同时又有内容价值表达能力的人才，这种通才是非常缺乏的。但我也并不觉得太过担心，因为实际上你会发现在成熟的平台里面，这样不同类型不同学科的人才恰恰是能够发挥互补作用的。我们往往很难要求一个人非常全面，既懂技术又懂数据、内容、制作、视频等。真正在成熟的团队里面，你会发现不同的人才之间形成一种协作机制，大家才可以各自发挥自己的所长，变成非常好的数据内容生产创新团队。
所以我觉得一方面我们高校要努力，一方面媒体可以开放更多的机会让我们的学生来进行实习，特别是不要指望新闻院校出来的学生就是成品，我们最多只能培养半成品，他们到你们的媒体单位实践以后，才能快速的获得成长，然后成为合格的数据内容的报道者。实际上大学提供的是一种核心能力，这种核心能力是对数据的洞察，是对公共传播价值的坚守，是新闻传播的公共理想。所以我觉得只要让我们的学生具有终身学习、主动学习和社会学习的意识，他们能够在工作当中不断的自我更新，他们在某方面的能力短板在实践中是可以不断的获得弥补的。
