二、数据的分析
数据新闻兴起之后，有部分新闻从业人员开始对职业持有悲观态度，认为在技术高速发展的时代，大量专业工作开始被技术取代。其实不然，对于数据的分析，依然需要新闻从业人员极强的专业知识储备、媒介素养以及新闻专业主义精神。在此基础对所采集的数据进行预处理，鉴别数据真实性、完整性以及时效性等，结合数据分析工具，对所获取的数据进行分析，从而让数据能够“有血有肉”。
（一）数据预处理
真实、完整的数据是进行数据分析的前提，其次还需要考虑数据的权威性、时效性等因素，因此在获取数据时候，首先需要对数据进行一次预处理，以保障后续的分析进行。
1.数据客观性及完整性检验
首先，在数据获取环节，一类数据常常可以通过多个渠道获取，新闻生产者要根据获取来源的权威性和可靠性进行选择，同时还需要对不同来源的同类数据进行交叉验证，以尽可能保证数据的真实性与完整性。其次，还需要谨慎地对各类数据进行新闻价值判断，对数据集进行深入而广泛的探索与挖掘，尽可能多地保存有关联性的数据，以便后续叙事过程中能随时取用。例如影响个体采取行动与做出决策的变量是非常多的，很难通过一两个变量就解释清楚，考虑到这一点，就需要在前期尽可能多的将相关的背景数据进行充分收集，以便在后续能够使用相关数据进行解释。充分完整的数据保障数据新闻报道全面的基础。最后，新闻生产者应该明确数据并非总是客观的，尤其是图文型数据，其通常是由人来划分类型。除此之外，对数据的采集过程也是人为的，因此，个人的价值取向会影响到最终的数据，从而使数据带有一定的主观性。新闻生产者需要警惕，应以专业精神和新闻敏感度出发，结合选题背景，对数据采集及产出过程进行把握，考量数据产生背后的因素，避免自己掉入“数据陷阱”之中。例如要考查社交媒体上用户对于某一公共事件的舆论，不能仅仅只看总体的舆论风向，还需要注意不同的群体对于该事件的表达与评论。
2.数据过滤
数据过滤通常又被称为“数据清洗”，主要是利用工具将众多数据中的无效数据进行清理，无效数据主要有三种类型。一是缺失数据，是指在采集到的数据中，个体数据或者数据的某一个属性缺失了，需要进行补全或无效清理。二是重复数据，重复数据首先需要判断是所有属性完全重复，还是仅仅是数值重复。数值重复可以备份后合并或删除，完全重复则不用备份，直接处理。三是异常数据。例如某些数据格式不一致等问题。在数据过滤环节，有很多有效的数据清洗工具和方法，下面作简单举例介绍。
（1）缺失数据处理
对于数据缺失值的处理，主要的方式包括直接忽略或删除，保留缺失值记录、在相应分析中做必要排除，应用默认值，使用同类样本平均值，预测可能值等。对缺失值的处理可以利用R语言、python中的拉格朗日填充法等，本书简单介绍利用微软公司Office Excel软件处理空白单元格形式的缺失数据。
首先，在Excel“开始”选项中选择“编辑”功能区，然后单击“查找与替换”，在下拉菜单中单击“定位”（快捷键“Ctrl+G”可直接选择“定位”），在“定位条件”选中“空值”确定，即可选中选区数据中的所有空值（图9-7所示）。第二步，确定处理方式，例如使用同类样本平均值填充，确定平均值数据或公式，按住“Ctrl”和“Enter”键，在不连续的区域中输入该数据或公式。第三步，对定位中的“空值”做标识，选择其中一个“空值”并同时长按“Ctrl”键选中全部剩余“空值”。最后，在最后一个被选中的“空值”中输入所需要录入的数据，按住“Ctrl”和“Enter”键，完成所有“空值”的统一数据录入。
图9-7 Excel中“定位条件”选中空值确定
图9-8 Excel中“条件格式”选中“重复值”
图9-9 重复值对话框
（2）重复数据处理
对于重复数据，通常的处理方式就是进行合并或者清除，下面介绍利用Excel工具中条件格式快速直接清除重复数据的方法。选中目标数据选区，在“开始”菜单栏中选择“条件格式”选项，选择“突出显示单元格规则”，在下拉菜单中单击“重复值”（图9-8所示），然后弹出“重复值”对话框，在对话框中设置重复值的格式，点击确定（图9-9所示），重复值被标记，可直接删除。
（3）异常数据处理
异常数据的发现与处理可以利用工具绘制“箱形图”来实现，绘制“箱形图”的工具很多，如Tableau、Excel等。Excel中插入图表里可以直接选择“箱形图”，根据绘制结果做出异常数据处理与判断。此外对于格式异常的数据，还可以利用Excel“突出显示单元格规则”中的“其他规则”里的“新建格式规则”来进行处理，此处就不一一展开了。
数据过滤最容易上手操作的就是Excel软件，但是它只适合用来处理质量较好的数据。对于体量大且杂乱的数据，推荐使用Open Refine工具，也是比较容易快速上手操作的。当然，如果有一定的编程基础，可以使用Python工具等对数据进行处理。
（二）数据分析方法
在对数据进行了预处理之后，就可以着手对数据进行分析了，数据分析环节即让数据“开口”，深入挖掘数据背后的故事。基本的数据方法主要有以下几种。
1.对比分析法
对比分析法是指将两个（组）或两个（组）以上的数据进行或横向、或纵向、或全方位的比较，分析数据之间的差异，从而揭示造成差异的原因或者总结数据各自的规律。
财新网“数字说”栏目的数据可视化新闻作品《那些年我们做过的广播体操》（图9-10），通过对比60年间广播体操从第一套到第九套的动作、燃脂率、背景音乐等方面的差异，揭示广播体操的编排规律、不同时代背景下“全民做操”的热度、现阶段健身方式多元化等问题。
2.分组分析法
分组分析是指将数据按照一定的标准（指标）进行分组，从而了解不同数据类型的特征、性质，进而揭示不同类型的数据的规律性以及相互之间的联系。需要注意的是分组分析法要坚持相互独立、完全穷尽的枚举分析法原则。分组内容之间不能有交叉，每个数据只能进入到一个组别，不能同时属于两个或两个以上组别；同时分组的时候也不能遗漏数据，将部分数据单独出来，不进行分组。
3.预测分析法
预测分析时通过对现有的数据进行分析之后，预测未来的发展趋势或者事件的结果。例如对于体育新闻，通过对过往比赛数据的分析，预测比赛的结果等。要注意的是，使用预测分析法时，一方面要注意数据逻辑处理的严谨性与科学性，尽可能充分的考量数据关系中的各种要素；另一方面要注意数据来源对于预测结果的影响。
图9-10 《那些年我们做过的广播体操》
4.相关分析法
《大数据时代》作者迈尔-舍恩伯格在书中写道：“大数据时代，相关关系比因果关系更重要”“相关关系能够帮助我们更好地了解这个世界”。这一方法是指对两个或两个以上的具备相关性的变量进行分析，判断变量之间是否存在不确定的统计关系，进而去衡量两个变量之间的相关程度及其方向。相关分析法能够有效地在大数据时代进行预测。2013年谷歌公司曾发布了《谷歌搜索电影票房预测分析报告》，报告通过影片的搜索量与最终票房数据进行相关分析，发现两个变量之间存在极高的相关性，以此建立了“谷歌票房预测模型”，提前一周预测即将上映的影片的票房收入，预测准确度高度94%。