生产四步流程
数据收集 → 数据处理 → 数据分析 → 数据呈现。四个环节环环相扣，是数据新闻从业者的标准操作流程（SOP）。
核心方法论数据新闻的生产与运营
数据新闻生产遵循"数据收集→数据处理→数据分析→数据呈现"四步流程，每个环节都需要伦理约束和专业规范。运营层面需要独立/合作/平台三种模式灵活组合，以及主编、记者、分析师、设计师四个角色协同作战。
五大核心框架
从生产流程到伦理约束，从策略选择到团队组织，五个框架构成了数据新闻"从理念到落地"的完整体系。
伦理三维度
真实性（来源可靠+处理准确+分析透明+呈现清晰）、信息安全（法律合规+敏感脱敏+安全意识）、公共利益（关注社会问题+满足公众需求+促进公共参与）。
伦理约束六种生产策略
故事驱动 / 数据驱动 / 比较对比 / 可视化 / 受众参与 / 多平台传播。不同策略解决不同报道需求，可灵活组合。
策略工具箱团队四角色
主编（统筹决策）+ 记者/编辑（内容采写）+ 数据分析师（技术处理）+ 可视化设计师（视觉呈现）。四种角色缺一不可，小团队可一人多角。
组织保障三种运营模式
独立运营
如"数可视"——独立运作的数据新闻团队，自主选题、自主生产、自主发布，灵活度高但资源有限。
合作运营
如"镝次元"与高校合作——媒体与高校/研究机构联合，优势互补，学术界提供方法论，媒体提供传播渠道。
平台运营
如"数读""数字之道"——在大型媒体平台下设专栏，依托平台资源，受众基数大，但选题受限。
四步流程可视化
1. 数据收集→2. 数据处理→3. 数据分析→4. 数据呈现
关键概念词典
点击任意术语展开详细定义。
数据收集
数据新闻生产的第一步，从政府、企业、学术、社交媒体等多渠道获取原始数据，可使用爬虫工具（Python/Scrapy）或采集软件（八爪鱼/集搜客）。
第2章/第4章数据清洗
去除错误、重复或不完整的数据，确保数据质量。是数据处理环节的核心操作，遵循"垃圾进垃圾出"（GIGO）原则。
第2章 · 约第52页描述统计 vs 推论统计
前者用于快速把握数据总体特征（平均数/中位数/分布图），后者用于从样本推断总体（假设检验/回归分析）。前者是"体检报告"，后者是"诊断书"。
第2章/第5章交互式数据新闻
以H5为代表，受众通过点击、拖动等操作自主探索数据。是数据新闻区别于传统新闻最本质的特征之一。
第2章 · 约第55页视频化数据新闻
将数据与动画、视频结合，动态呈现数据故事。适合短视频平台传播，是数据新闻年轻化的重要方向。
第2章 · 约第56页三大可视化工具
Tableau（商业平台，拖拽式）、Datawrapper（在线开源，零代码）、D3.js（编程框架，深度定制）。按需求和技术能力选择。
第2章 · 约第62页故事驱动 vs 数据驱动
故事驱动策略：先确定引人入胜的故事，再用数据支撑和补充内容。数据驱动策略：以数据为起点，通过数据挖掘确定报道方向和角度。
第2章 · 约第60-61页算法伦理
在算法设计、开发和应用过程中应遵循的道德规范和价值观。算法在提升效率的同时也带来了偏见和隐私风险，是数据新闻伦理的新焦点。
第2章 · 约第45页两个思维模型
用类比理解数据新闻生产和团队协作的本质。
🔍
用数据当滤网
数据清洗如同用筛子过滤，去掉杂质（错误数据）保留精华（有效信息），最终呈现的是"干净"的故事。没有滤网，再好的食材也做不出好菜。
🎤
团队如乐队
主编是指挥，记者是主唱，分析师是编曲，设计师是舞台灯光——缺了任何一方都演不出好作品。每个人都是独奏家，但只有在合奏中才能创造杰作。
四角色详解
主编
统筹决策，把控选题方向和最终质量
记者/编辑
内容采写，负责叙事逻辑和数据故事化
数据分析师
技术处理，负责数据清洗和分析挖掘
可视化设计师
视觉呈现，负责图表设计和交互实现
三个反面警示
生产环节最常犯的三个错误。
跳过清洗直接分析
拿到原始数据直接套用分析模型，不经过清洗和验证。脏数据必然导致错误结论，"垃圾进垃圾出"。
失败原因：GIGO原则。原始数据中通常包含缺失值、重复记录、格式错误，直接分析会产生系统性偏差。
可视化与内容脱节
华丽图表与报道核心无关，为可视化而可视化。读者被图表吸引，却偏离了报道要传达的核心信息。
失败原因：形式大于内容，喧宾夺主。可视化是手段不是目的，必须服务于叙事。
忽视伦理审查
使用未脱敏的个人数据，或在报道中暴露了敏感信息。可能导致隐私侵犯和法律风险。
失败原因：可能侵犯隐私，造成法律风险和信任危机。伦理审查不是可选项，是必选项。
实战案例深度拆解
数据驱动策略的典型实践。
《学生信息泄露不只在人大，网上最低1元就能买到200条》
澎湃新闻团队采用了典型的数据驱动策略：不是先有故事再找数据，而是先发现了数据现象，再展开调查。
发现数据现象→调查交易平台→收集价格数据→可视化呈现
策略解析：整个报道从数据发现出发——发现学生信息在网络上被低价批量交易的数据现象，随后通过调查多个在线交易平台，收集了价格、数量等详细数据，最终可视化呈现信息泄露的普遍性和严重性。
案例意义：展示了数据驱动策略的完整链条——以数据为起点，以数据验证收尾。与故事驱动策略形成鲜明对比，适合"先有数据异常，后有新闻故事"的报道场景。
本章要点回顾
六个核心要点。
- 数据新闻生产核心链条：收集 → 处理 → 分析 → 呈现，四环节环环相扣，不可跳过。
- 真实性是伦理底线，需从数据来源、采集处理、分析透明、呈现清晰四方面共同保障。
- 算法伦理正成为新焦点——算法在提升效率的同时也带来了偏见和隐私风险。
- 数据新闻团队 = 主编 + 记者编辑 + 数据分析师 + 可视化设计师，四种能力缺一不可。
- 六种生产策略按需选择：故事驱动靠"人"，数据驱动靠"数"，可视化靠"图"。
- 中国数据新闻大赛（2015年启动）是推动产学研融合的关键平台。