数据质量四维鉴别
完整性（无缺失）+ 准确性（无错误）+ 一致性（格式统一）+ 时效性（足够新）。四维中任一维度出问题，分析结果都不可信。
分析的先决条件数据分析
数据新闻的"烹饪"环节——把收集来的"生"数据加工为有营养的"熟"信息。先鉴别数据质量，再挖掘新闻价值，最后通过九大分析方法提炼新闻故事。
三大核心框架
从质量鉴别到价值挖掘再到方法选择——三个框架层层递进，构成了数据分析的完整方法论。
新闻价值四维挖掘
找趋势（有什么在变？）+ 找差异（谁和谁不一样？）+ 找关联（A和B有什么关系？）+ 找异常（什么数据反常？）。四个方向对应四种典型新闻故事。
从数据中找故事九大分析方法
对比/分组/平均/矩阵/网络/相关性/贡献度/周期性/回归。从描述统计到推论统计，由浅入深。不必全用，根据问题选择1-3种最合适的。
分析工具箱数据质量四维鉴别
完整性
无缺失值
准确性
无错误数据
一致性
格式统一
时效性
足够新
新闻价值"四找"法
找趋势
有什么在变？是上升还是下降？变化速度如何？——适合时间序列分析
找差异
谁和谁不一样？不同群体/地区/时期的差异有多大？——适合对比分析
找关联
A和B有什么关系？是正相关还是负相关？——适合相关性分析
找异常
什么数据反常？偏离正常范围多远？——适合异常值检测
九大分析方法一览
1
对比分析
揭示差异
2
分组分析
群体特征
3
平均分析
总体水平
4
矩阵分析
二维定位
5
网络分析
关系图谱
6
相关性分析
变量关系
7
贡献度分析
因素权重
8
周期性分析
规律循环
9
回归分析
预测模型
关键概念词典
点击任意术语展开详细定义。
描述统计
通过平均数、中位数、分布图等描述数据总体特征，属于初级但常用的分析方法。80%的数据新闻分析用描述统计即可完成。
第5章 · 约第143页推论统计
通过假设检验、置信区间、回归分析等从样本推断总体特征，需要统计学专业知识。适合深度调查类报道。
第5章 · 约第144页对比分析
比较不同数据点或数据集以揭示差异和趋势。最基本也最常用的分析方法，如同比、环比、横向对比、纵向对比。
第5章 · 约第154页相关性分析
研究两个或多个变量之间的关系强度和方向。注意：相关性不等于因果性！冰淇淋销量和溺水率相关，但不能说冰淇淋导致溺水。
第5章 · 约第159页回归分析
研究自变量与因变量之间的关系，可用于预测。是九大分析方法中最复杂的一种，需要统计学基础。
第5章 · 约第164页贡献度分析
量化每个因素对总体结果的影响程度。如分析各行业对GDP增长的贡献率，帮助读者理解"谁在拉动增长"。
第5章 · 约第161页两个思维模型
用类比理解数据分析的本质。
🔮
用数据当X光
数据分析像给社会现象拍X光片，穿透表面看清内在结构和关联。肉眼只能看到表象，数据X光能看到骨骼和病变。
🩸
"体检报告"与"诊断书"
描述统计是"体检报告"——告诉你"看起来怎么样"；推论统计是"诊断书"——告诉你"为什么会这样"。前者是基础，后者是深入。
三个反面警示
数据分析环节最危险的三个陷阱。
相关性当因果性
发现两件事在数据上相关就直接下因果结论。这是数据分析中最经典、最常见的错误。
失败原因：混淆了相关与因果。冰淇淋销量和溺水率相关，但不能说冰淇淋导致溺水——真正的原因是夏天高温。
选择性分析
只展示支持预设结论的数据，忽略反面证据。"樱桃挑选"式分析。
失败原因：违背了数据新闻最基本的客观性原则。数据新闻的力量在于让数据说话，而不是让数据说你想说的话。
过度分析
在简单问题上堆砌复杂模型，用回归分析解决一个对比分析就能搞定的问题。
失败原因：增加理解门槛却未提供额外价值。分析方法是手段不是目的，够用就好。
实战案例深度拆解
三层分析法的典型应用。
城市犯罪率下降报道的数据分析
记者使用警方犯罪统计数据进行分析，采用了从浅到深的三层分析法：
描述统计→相关性分析→定性补充
第一层 · 描述统计：发现某些区域犯罪率下降幅度较大——回答"发生了什么"
第二层 · 相关性分析：将犯罪率与社区警务投入数据进行交叉分析——回答"为什么发生"
第三层 · 定性补充：通过采访揭示社区警务发展的具体机制——回答"怎么发生的"
案例意义：三层分析从"发现现象"到"揭示原因"逐步深入，展示了数据分析不是一步到位的，而是层层递进的。每一层分析回答一个层次的问题，最终形成完整的故事链条。
本章要点回顾
五个核心要点。
- 数据质量鉴别是分析的先决条件，质量不过关的数据比没有数据更危险。
- 描述统计和推论统计分工不同：前者适合日常选题，后者用于深度调查。
- 九大分析方法不必全用，根据问题选择1-3种最合适的即可。
- 数据分析工具从易到难：Excel → Python（Pandas/NumPy）→ R语言。
- 数据新闻的数据分析目标不是学术发表，而是找到能讲故事的"钩子"。