如何为数据新闻找选题？你可以试试这七种方法

作为一种新型报道方式，数据新闻正在越来越多地进入公众视野。虽然对数据新闻的定义五花八门，但教育界和媒体行业有一个共识，数据新闻至少要有三个要素：新闻、数据、可视化。

首先，数据新闻必须是新闻，具备新闻价值，是新近发生的事实，或者新发现的事实，或重要，或有趣，或解释现象，或揭露秘密；其次，数据新闻必须有数据支撑，通过分析数据进而发现问题并挖掘出新闻故事；另外，数据新闻通常使用可视化手段，呈现文字难以描述的内容，或者文字描述难以让读者更好地理解内容。可视化既可以很简单，比如在文字中罗列数据，或是做一个简单的数据图表，也可以很复杂，比如信息图、互动页面、动画视频等。

相比于一般新闻报道，数据新闻的选题多了一个要求：必须要有数据。那么是先有选题还是先有数据？这个问题就像鸡和蛋的关系一样，没有令人满意的答案。在选题操作中，既可以是选题先行，再去寻找数据，也可以是先找数据，进而从数据分析中找到新闻，无论哪一种情况，都要运用数据对所发现的问题或现象进行探究或解释，最后以恰当的方式呈现给读者。

作者过去两年从事与数据新闻相关的教学工作，指导学生创作了超过五十篇数据新闻作品，这些作品选题各异，涉及时政、教育、人口、经济、民生、文化、新闻出版、环保、科技、娱乐、体育等多个领域。这些作品的选题都是如何确定的？寻找选题又有哪些方法呢？

一、关心时事，从新闻中寻找选题

很多数据新闻选题都来自新闻报道。平时阅读新闻时留意有可能做成数据新闻的选题，并把它记录一下，积少成多，就会形成一个选题库。

例如《134亿学前教育发展基金，你的家乡能分到多少？》的选题，就来自2018年11月20日的一条新闻，有媒体援引财政部网站公开信息，财政部将提前下达2019年学前教育发展基金，总计134亿元。学前教育发展基金是否每年都有？2019年的预算相较以往是增加了还是减少了？这笔预算的分配有什么规律？通过初步的信息梳理发现，与2017和2018年相比，2019年的学前教育发展基金减少了10%。数据分析还发现，学前教育发展基金每个省区直辖市都获分配，人口多，城市化率低，农村人口数庞大的省区，被分配的发展资金相对多，从一个侧面反映中央财政对欠发达地区的支持。

《134亿学前教育发展基金，你的家乡能分到多少？》作品节选

《端上谈判桌的为什么是大豆？不是小麦玉米！》，这篇作品的选题受中美贸易战相关报道所启发，中国反制美国贸易战的“武器”主要是农产品，而农产品中，大豆被经常提及。为什么是大豆？而不是其他农作物？大豆都有哪些用途？为什么中国的大豆不能自给自足？除了美国，中国还从哪些国家进口大豆？近年来，进口大豆的数据有什么变化？对这个选题所涉及的专业领域学生并不熟悉，需要大量阅读文献，查找海关进出口数据，世界谷物协会数据，并采访农科院的技术人员。作品通过多个纬度的数据，解释为什么中国要进口大豆；通过梳理中国大豆生产历史，解释为什么中国从大豆出口国变为进口国；作品还发现一个问题，中国十多年前就提出“大豆振兴计划”口号，但大豆非但没有振兴，反而对进口依赖越来越大。

《一年437万对夫妻离异，有一个原因不容忽视！》这个选题也是来自新闻报道。2018年8月，民政部公布《2017年社会服务发展统计公报》，其中提到2017年中国离婚人数437.4万对，不少媒体对此做出报道，但都大同小异，通过简单数据可视化的呈现，告诉读者离婚率高的事实，但没有告诉读者，中国的离婚率在世界所处的位置，是高，是低，还是处于平均水平？这么多人离婚，背后的原因是什么？学生们去南京市栖霞区婚姻登记处采访，发现办理离婚手续跟“买菜”一样，手续非常简单，15分钟就可以办完。采访还发现有人为买房而假离婚。通过查找资料和数据，发现新中国成立以来，中国人离婚从不自由到自由，进步的同时，由于离婚手续过于简单，也令婚姻变得不那么神圣。数据分析发现，离婚率与房地产政策变化有关系，房地产限购的年份，离婚率会升高。通过对比国外离婚政策和数据，发现一些国家和地区，离婚手续繁琐，离婚成本高，而中国的离婚率已经超过某些发达国家和地区。

二、保持好奇心，在熟悉的领域寻找问题

学生身处高校，最熟悉的领域是教育，只要保持好奇心，就会在学习、实习、考研、求职中发现很多值得探究的问题，其中一些问题就可以变成数据新闻的选题。

每年都有很多大学毕业生选择考研，重点大学的报名人数尤其火爆，为了让考生清楚知道自己有多大机会能考取理想高校的研究生，我们决定做一个考研选题《新闻传播考研，哪家学校最难考？》。由于高校数量众多，院系情况各异，我们将分析范围缩窄至42所“双一流”高校。通过查找这些学校新闻传播研究生（包括全日制学硕、全日制专硕、非全日制专硕）报名人数、录取人数（包括考试录取和保研录取），分析哪些学校研究生招生规模大容易考，哪些学校接受保研比例高难考，哪些学校侧重于学术型硕士培养，哪些学校招收的专硕数量最多，从研究生推免率、报录比、就业率等多个维度进行分析，教会考生如何分析数据，做出有利于自己的选择。

《新闻传播考研，哪家学校最难考？》作品节选

社会上不少机构热衷搞大学排名，这些大学排名是怎么计算出来的？学生们对此很好奇。在英国 QS 世界大学排名网站上，学生们发现，QS 虽然公布了排名计算公式，但根据其公布的数据和公式，并不能计算出其公布的结果，而且，有些排名没有统计单项数据，却得出了综合排名，根据所获取到的 QS 网络调查问卷发现，所谓高校学术声誉，就是让被调查者提供国内外各10所大学名称而已。于是学生写了《我们调查了 QS 世界大学排名，发现了三个问题！》，揭开QS大学排名的神秘面纱，告诉人们，所谓的世界大学排名，原来评选过程并不严谨。

在高校网站上，可以查到很多公开数据。教育部2014年公布《高等学校信息公开事项清单》，要求高校公开包括基本信息、招生考试信息、财务、资产及收费信息、教学质量信息等十大类信息。学生们对其中的财务信息公开产生的兴趣，各个高校信息公开做得怎么样？“双一流”大学的钱都从哪里来？都花在什么地方？哪些大学钱多？哪些学校预算做得精准？学生们通过查阅42所大学的预决算报告，完成了《“双一流”高校财务公开：哪家经费最多？哪家预算最精准？》这一作品。

教育类选题，是学生们做的最多的选题，一是接近性，学生们身处校园，对教育方面存在的问题和现象比较敏感，容易找到选题；二是教育部门和高校，在信息公开方面做得比较好，数据容易获取。三是采访对象容易接近，选题容易操作。

三、多看数据新闻案例、举一反三

多看数据新闻优秀案例，学习别人的方法，举一反三，对找选题就会有启发。澎湃湃客平台“有数”栏目，截至2019年8月共有91支数据新闻和信息可视化团队入驻，“有数”每天发表大量作品，多看作品，就会逐渐培养数据新闻的选题策划能力。除了澎湃“有数”，新华社、新京报、界面、每日经济、China Daily、网易等媒体，都设有数据新闻栏目，初学者可以先从看作品学起。

网易数读曾经做过一个分析楼盘名称的数据新闻《我们分析了54069个楼盘后，发现了中国楼盘取名的套路》，受该作品启发，学生们从恒大、碧桂园、万科三大地产商官网上抓取了2000多条楼盘名称信息，分析发现三大地产商给楼盘取名的套路，比如爱用与大自然相关的词汇，出现最多的词语包括“天”“山”“江”“湾”“湖”“海”“花”“洲”“岛”等，爱用“府”“城”“都”“公园”“庭”“台”“里”“郡”等词汇，动物最钟意“龙”和“凤”，喜欢皇家气派，爱用“御”“金”“玺”“龙”等词，另外还要有珠光宝气，最喜欢用 “翡翠”。

《我们分析了54069个楼盘后，发现了中国楼盘取名的套路》作品节选

与分析楼盘名称的方法一样，我们从百度地图抓取了南京市的2000多条街道名称，通过词频分析和内容分析，发现南京街道名称的特点：门特别多，名山大川遍布、有着缤纷的颜色，像是一个动物世界，承载着中国历史，《南京这座古董铺子，在2000多条道路里都藏了哪些秘密？》由荔枝新闻首发，作品形式新颖，内容有趣，引发许多互动。

四、从政府信息公开网站中找选题

随着政府部门和教育部门信息公开工作的推进，政府部门网站和高校网站都有很多公开信息，有的是结构性数据，有的是非结构性数据，如果有一定的新闻敏感性，就可以从这些公开信息中，寻找到有新闻价值的元素，进而形成新闻选题。

江苏人力资源和社会保障网公布了一份“三支一服”招募计划名单，有详细的学生姓名、性别、毕业学校、学历等信息。很多学生对“三支一服”并不了解。什么是“三支一服”？每年有多少“三支一服”名额？什么学生选择参加“三支一服”？参加“三支一服”有什么好处？“三支一服”是新一轮“上山下乡”运动吗？……带着这些问题，学生们去寻找答案，除了查找资料和数据，理清大学生村官、西部计划、“三支一扶”三者之间的关系，还要采访参加 “三支一服” 的大学生，在冰冷的数据之外，增加有温度的人物故事，最终形成了《数据告诉你，哪些大学生选择下基层？》。

《数据告诉你，哪些大学生选择下基层？》作品节选

南京民政局官网每个月都会公布民政统计月报表，里边有很多数据，学生从中发现，南京市每年火化遗体数约5万具，遗体火化后如何处理？墓地够用吗？不够用怎么办？带着这些问题，学生们开始了解南京的殡葬改革，查找数据，并到公墓去采访，最后完成了《你听说过“3D生态云葬”吗？》这篇介绍生态葬的作品，用数据普及了生态葬的知识，内容很有趣。

人口题材是数据新闻常见的选题，人口信息可以从政府统计年报中查到。学生们查找了改革开放40年来江苏省人口的变化，创作了《40年中国人口发生了哪两个显著变化，一个江苏省就能体现》，从数据可以清楚地看出，40年中国人口流动的趋势，就是从农村到城市，从欠发达地区，向发达地区流动，一个省如此，全国亦如此。学生们也关注了香港的人口变化，通过《8组数据告诉你香港人口老龄化有多严重？》，用官方统计数据分析香港人口老龄化的原因，即晚婚、晚育、少子、长寿。

2019年，南京市公安局公布了一份“积分落户”人员名单，名单上有新落户的人名、身份证部分字段、落户区域等。通过数据处理，可以清楚地发现，申请南京“积分落户”的4000多人中，一半来自本省，一半来自外省，而外省又以邻近的安徽省为主，居住年限和房产情况是“积分落户”的最大“敲城砖”。用同样的方法分析北京、上海、深圳等外来人口较多的城市，情况可能又不一样。

政府信息公开，是数据新闻的“富矿”，没事儿去逛逛政府网站，就可能有意外的收获。

五、从行业报告、企业财报中寻找线索

不少行业协会、调查咨询机构、中介组织都会定期或不定期发布行业报告，阅读行业报告和企业年报，可以从中挖掘到数据新闻的选题。

中国演出行业协会每年都会发布《中国演出市场年度报告》，里边有很多演出数据，每一组数据，都可以衍生为一个数据新闻选题，对话剧感兴趣的同学创作了《话剧：小众的狂欢，还是大众的繁荣？》，通过话剧的票房、票价、观众、政府补贴、剧团经营等多个数据维度，结合人物采访，说明话剧“繁荣”背后有多种原因，除了剧团推出优秀剧目，小众但稳定的话剧观众、政府补贴也功不可没。同样一份报告，除了可以分析话剧市场，还可以分析音乐剧、农村演出、政府文化补贴等等，做出不同选题的数据新闻。

国家卫计委定期公布《全国口腔流行病学调查》，里边涉及大量的牙病调查数据，虽然上次调查已经过去两年，但结合新的采访，学生们创作了《我国竟有64%成年人每天刷牙不足两次》，这个作品在湃客上发表，引发读者共鸣，取得了不错的传播效果。

六、从生活经验中找选题

用支付宝的人大约都知道「蚂蚁森林」（用户通过步行、地铁出行、在线缴纳水电煤气费、网上缴交通罚单、网络挂号、网络购票等行为，就会减少相应的碳排放量，可以用来在支付宝里养一棵虚拟的树。这棵树长大后，公益组织、环保企业等蚂蚁生态伙伴们，可以“买走”用户的“树”，而在现实某个地域种下一棵实体的树），它将电子支付与环保理念绑在一起，既营造了良好的企业形象，又满足了消费者的环保“虚荣心”。蚂蚁森林种树的地方是内蒙古，为什么要到内蒙古去种树？一定是那里的树少！在一般人的印象里，内蒙除了草原，还有沙漠，是沙尘暴的发源地。但查找资料却发现，内蒙古的森林面积在全国排第一，内蒙是怎么做到的？学生们完成的数据新闻《考考你！中国哪个省份森林面积最大？》在湃客号发表后，获得了意想不到的热评，被评为澎湃2019年6月数据驱动内容排行榜三等奖。

《考考你！中国哪个省份森林面积最大？》作品节选

用手机的人都知道，手机里安装的 App 会读取手机里的数据信息，比如手机型号、位置、联络人等等。App 读取手机数据的情况有多严重？会导致哪些后果？如何防止个人信息泄露？学生们在某应用商城里爬取了数万个 App 的应用程序安装包，通过分析这些安装包中的用户权限调取文档，完成了《8.7万条数据告诉你 安卓 App 里面到底有多少“坑”》，揭露应用商城监管不力，致使众多 App 随意调取用户隐私数据，留下安全隐患。

近年来，高铁成为人们出行的常用交通工具。高铁如此便捷，民航是否大受冲击？是不是有了高铁，人们坐飞机少了，民航的业绩会大幅下滑？通过查找数据，学生们发现，民航的收入不减反增，民航都采取了哪些手段应对高铁的冲击？通过查找数据和采访民航业内人士，学生们创作了《高铁抢了民航的生意吗？》，通过腾讯位置大数据和飞常准等第三方数据，发现高铁的出行数据以中短程为主，而飞机的出行数据以中远程为主，在“一带一路“政策下，民航开辟了更多的国际航线，与高铁差异化竞争，寻找到新的出路和财路。

日常生活中多观察，多思考，在司空见惯的现象中寻找问题，用数据来解读，就有机会发现各种有趣的答案。

七、头脑风暴聊出来的选题

2018年下半年，我们想做一个年终盘点的数据新闻选题，但一直没有找不到合适的选题。我在首尔参加全球深度报道网年会时，与每日经济记者聊天，获悉2018年内地企业蜂拥到港上市，数量可能是历年来最多的。为什么内地企业要赴港上市？为什么2018年赴港上市“井喷”？赴港上市的都是些什么企业？来自哪里？上市后的市值如何？基于这些疑问，我们与《每日经济新闻》记者合作，完成了《七成赴港上市内地企业都破发了，小米、海底捞们图个啥？》。

没有想法的时候，可以与同伴一起头脑风暴一下，或许可以找到思路。

结语

做数据新闻有时候是选题先行，之后再去找数据，有时候，是先有一个大的方向，在找数据的过程中，逐渐形成选题；还有的时候，是数据先行，从分析数据中确定选题。选题确定之后并非一成不变，有时候在做的过程中，发现事先的想法不可行，或者进展不下去，或者有了新的发现，就会临时转换选题的角度。

完成一个数据新闻选题，不亚于做一个行业调查报告，问题意识、采访沟通能力、数据获取与分析能力、写作能力、解释问题的能力都会得到锻炼。

白净，博士，南京大学新闻传播学院教授，主要研究方向：新闻实务，可视化应用，媒介伦理与法规。