面对数量庞大的数据，多数人的第一反应便是“这数字怎会有假”，然而实际情况是，数据从来都不会自行开口道出话语，它所展现出的样子，在很大程度上依赖于你最初是以怎样的方式去“询问”它的，从开始采集的那一刻起，主观的价值评判就已然被写入到它里面了。

数据诞生自带立场

不同的数据，不像自然界中原本模样固定的石头那样，不会随意开掘而出后就这样一成不变。它反而犹如一件经过专门定制的工具，从开始设计的最初之时起，就已然带有了制造者赋予的那份特殊意图以及不可避免的局限。对于采集方法所做的设定，像问卷之中所使用的措辞，还有传感器放置的具体那种位置情况，会直接对哪些信息能够被成功捕捉，哪些信息将会被有所遗漏这一结果产生决定性作用。

用推特数据分析社会情绪，为例来说，这个平台的数据看起来庞大，然而其用户群大部分是年轻、高收入的群体，用他们发出来的声音去代表整个社会的舆论，这就如同用少数人的声音把沉默的大多数给盖过去，从一开始结论的偏差就注定了。

数字无法反映全貌

即便数据源自看似具备权威性的机构，像是警察局的犯罪记录数据库这般，同样需要保持警觉之情。为了实现降低犯罪率的绩效目标，某些轻微案件或许会被“内部处理”进而不录入系统。你所获取的犯罪率下降数据，有可能反映的是执法行为产生的变化，并非治安状况的真正改善。

曾提醒记者的哥伦比亚大学新闻学教授乔纳森·扎瑟指出，当拿到数据后，要如同侦探那般追问，这些数字源自何处，怎样确保它的完整性，在生成这些数据的进程里，哪些主观抉择对结果产生了影响，唯有穿透数字自身，知晓其产生环节，方可接近真实。

相关关系不等于因果

自身不会言语的数据，经由算法挖掘而得的意义，需记者赋予它逻辑，大数据通常揭示的仅是两件事之间的相关性，像巧克力销量与谋杀率同时升高这种情况，然而这并不表明吃巧克力就会致使杀人，毫无关联的数据同样能够展现出好看的统计相关。

常在数据契合记者预判时，出现这种误读风险这般情况。要是先有结论而后去找数据予以支撑，那恰好相关联的数字便有可能被错误地当作因果证据。从数据世界迈入现实解说，每一步的推论都需要严谨的逻辑以及额外的调查去进行验证。

警惕预测模型的黑天鹅

传媒当下倾向运用大数据来开展预测型报道，意图向读者传达未来将会出现什么情况。然而，我们所生活的这个世界极度复杂，充斥着难以预测的突发状况，即所谓的“黑天鹅事件”。无论多么精密的模型，都没办法涵盖所有变量。

依据历史数据所做的预测，常常在突发的社会变革另外还有自然灾害面前失去效力。记者于运用数据工具之际，应当对模型怀有几分适量的怀疑，对于现实的复杂性增添几分敬畏之情。预测并非宿命论，而是一种基于概率的推测，这点务必要向读者阐明。

数据合作暗藏伦理风险

当媒体跟掌握用户数据的商业组织构建起合作关系之际，新的伦理挑战紧随着就出现了。为去制作某个专独报道，媒体有没有权力调用涉及用户隐私的特定数据呢？比方说借助定位数据跟踪特定人群的行动路线，又或者凭借消费记录剖析个人健康状况。

承载新形式的这些问题，正向传统的新闻职业道德猛地发起冲击。其下依循这样的利益交换，那保护用户隐私的底线，可还能够坚定地予以守护呢？当针对某个公共议题回答，需要对私人数据展开挖掘之际，这般的权衡，切实地考验着媒体机构自身的价值观以及自律的能力呀。

国内大数据新闻的进阶之路

当下，我国的大数据新闻正处于刚刚起始的阶段，比如说央视和百度合作开展的“据说春运”，这是值得珍视的一种尝试，然而却并没有构建成常态化的态势。三大门户网站的固定栏目仍然大多是以静态图表作为主要呈现形式，只是开展一些较为简易的数据对比，和国外同行相比较，在深度以及形式方面存在着一定的差距。

要实现突破当前状况，首要的是拓宽选题的思维路径，思索那些以往未曾敢去设想、不能够进行操作报道的内容，其次，在呈现形式方面要摒弃静态的图表形式，去接纳交互式的动态技术，最为关键重要的是构建一支跨学科的团队，促使新闻专业的人员与数据分析师、产品研发的人员能够深度地融合在一起，仿如《芝加哥论坛报》的“黑客团队”那般齐心协力地开展工作。

当下次你瞅见一组令人惊叹或者精准的数据之际，不妨暂且停顿下来思索一番，这个数字背后隐匿着谁的视角，又遗漏了谁的声音？欢迎于评论区去分享你针对数据“客观性”的看法，点赞以便让更多人学会理性看待数据。