журналистика данных связана с такими сферами как
Data Science: зачем нужна журналистика данных
Количество информации в мире растет с пугающей быстротой. Ежедневно человек пропускает через себя бесчисленные потоки информации. Неизбежной адаптацией к информационному шуму является снижение концентрации внимания. Согласно исследованию компании Microsoft, в 2000 году средний показатель концентрации внимания был 12 секунд, к 2015 году он снизился до 8. Современным СМИ, чтобы оставаться читаемыми, недостаточно просто сообщить интересную новость, необходимо за 8 секунд привлечь внимание читателя. Визуальный контент может заинтересовать аудиторию за считанные миллисекунды.
Журналистика данных (Data Journalism) — это процесс сообщения фактов с использованием структурированных данных в качестве основы повествования и объективного управления ими.
СМИ всегда стремились подкреплять статьи данными и фактами. Однако, журналистика данных — это принципиально новый механизм организации общения с аудиторией. Она предлагает инструменты визуализации «сухих» данных, помогает наглядно представить информацию. Но привлекательное визуальное сопровождение — лишь вершина айсберга журналистики данных.
Для объяснения действительности дата-журналисты вместо информаторов или пресс-релизов, основных инструментов традиционной журналистики, используют базы данных. Именно данные, которые накоплены в различных информационных системах, в том числе государственных, — основной источник информации. Для широкой аудитории они оказываются сложны и не понятны. Аудитории нужен журналист, чтобы увидеть хоть что-то значимое посреди нарастающего шума информации. Недостаточно смотреть на таблицы, важно задавать к данным правильные вопросы и находить на них ответы. Этим занимаются дата-журналисты, исследуя и обрабатывая большие массивы информации, они структурируют ее, применяют в контексте ситуации и делают выводы, влияющие на понимание широкой аудиторией экономических и социальных процессов и явлений.
В мире, наполненном поддельными новостями и альтернативными фактами, читатель теряет доверие к СМИ. Согласно исследованию «Edelman Trust Barometer 2020», 57% респондентов считают, что медиа транслируют непроверенную и недостоверную информацию. С 2018 г. доля опасающихся, что ложные новости используются «как оружие», выросла до 76%. В такой плачевной для СМИ ситуации журналистика данных, основанная на фактах, доступных любому пользователю, способна вернуть доверие к СМИ. Читатель, опираясь на данные, может следовать по тому же маршруту, применять те же методы, которые использовал журналист, и прийти к тем же выводам.
Сухие данные наглядны, они дают возможность с помощью поиска, фильтрации, анализа и визуализации превращать абстрактное в конкретное, но лишены эмоциональности. Хорошая статья должна вызывать эмоциональный отклик аудитории. Задача журналистов данных преподнести информацию так, чтобы создать историю, которая звучит увлекательно и убедительно, очеловечить ее.
Вендоры аналитических платформ содействуют развитию data science и некоторые из них предоставляют свои продукты для дата-журналистов бесплатно для расследований.
Дальнейшее развитие журналистики данных будет связано не только с созданием информационного продукта, но и с предоставлением своим читателям особого информационного поля, в котором они смогут формировать продукт и выбирать для него форму представления. А в медиа среде укоренится гибридная должность, совмещающая навыки журналиста и data scientist.
Дата-журналистика: как рассказать историю, используя открытые данные и графический дизайн
За последние десять лет у журналистов-расследователей появились новые инструменты и возможности. Во всех крупных мировых СМИ стали появляться визуализации, основанные на анализе открытых данных. Такие материалы вызывают общественный резонанс, а их авторы становятся лауреатами Пулитцеровской премии. Вскоре дата-журналистика стала настолько самостоятельным жанром, что для работ в ее области была создана специальная премия — Data Journalism Awards.
Журналистика данных — это новый междисциплинарный метод сторителлинга, основывающийсяанный на работе с открытыми данными, статистикой, аналитикой, информатикой и дизайном. Развитие Иинтернета и технологий позволило использовать его как дополнение или даже альтернативу традиционным журналистским расследованиям. После того как в сети появился большой массив открытых данных, непосредственная коммуникация с источниками информации стала далеко не единственным способом изучения и описания реальности. Расследования нового формата стали строиться на сборе и анализе сухих данных, которые впоследствии превращались в яркую интерактивную визуализацию, доносящую сложную информацию до читателя легко и убедительно. Постепенно отделы, специализирующиеся на дата-журналистике, появились во многих крупных мировых СМИ, например,: в The Guardian, The New York Times, BBC, Reuters, Bloomberg, The Washington Post, The Wall Street Journal и других. Американское интернет-издание FiveThirtyEight и британско-русский ресурс Bellingcat публикуют расследования, основанные исключительно на методе анализа данных из открытых источников.
Одним из главных преимуществ дата-журналистики считается достоверность полученной информации: вероятность того, что история, основанная на комментариях интервьюируемых, объективна, всегда меньше, чем у историяи, воссозданнаяой с помощью качественно проанализированных данных. Статистика помогает проверить слухи и сплетни.
В The Washington Post появилась серия историй о проблемах бездомных. Материал, опубликованный в The Guardian рассказывает о новых подробностях дела Эдварда Сноудена. Журналисты Istories узнали о реальных масштабах разлива нефтепродуктов в России. РБК сделал материал о регионах, где от ВИЧ умирают чаще, чем от убийств, суицида и ДТП вместе взятых.
Работа с big data становится единственным инструментом, позволяющим объяснить происходящее, когда ответов на вопросы не дает никто. Так, вВ начале пандемии, когда весь мир оказался в условиях карантина (и онлайна), визуализация данных, рассказывающая о распространении вируса и количестве заболевших, появилась на сайтах многих зарубежных изданий. Журналисты The Telegraph предложили своим читателям инструмент, измеряющий количество зараженных коронавирусом в ближайшей к ним локации с помощью почтового индекса. В The Washington Post выпустили материал, наглядно показывающий механику распространения инфекций в целом.
Журналисты The New York Times создали интерактивную карту, которая показывает, как коронавирус распространялся по миру. «Медиазона» подсчитала, сколько медицинских сотрудников стали жертвами вируса в России.
Для работы с big data не обязательно быть программистом или аналитиком — достаточно увидеть проблему в сухих данных и превратить ее в историю для публикации. Создание дата-материала состоит из разработки темы и гипотезы, поиска данных, их извлечения (скрейпинга), анализа и визуализации. Каждый этап предполагает владение специальными инструментами.
За последние несколько лет в России появились образовательные проекты, где можно научиться работать с данными, заниматься их парсингом, анализом и очисткой, а также собирать на их основе истории. Первая и пока единственная в России двухлетняя магистерская программа по направлению «Журналистика данных» есть в ВШЭ. Существуют и обучающие интенсивы. В 2019 году «Яндекс.Практикум» запустил шестимесячный курс «Дата-аналитика». В этом же году журнал Strelka Mag совместно с ведущими дата-журналистами России открыл ежегодную школу дата-журналистики. Третий интенсив пройдет с 8 по 25 апреля. Преподавать в школе будут Андрей Дорожный, Дада Линделл и Александр Богачев.
Что такое журналистика данных
За последние годы в открытом доступе накопилось столько данных, что понадобились специалисты, которые смогли бы из этого массива извлечь полезную информацию и представить ее в удобном виде. Этих специалистов стали называть дата-журналистами, а их направление работы – журналистикой данных. Разбираемся, что это такое и зачем нужно.
Что такое журналистика данных
Любой журналистский материал должен опираться на факты и доказательства: официальную статистику, финансовые отчеты, исследования, законодательство. Иначе он превратится в личное суждение автора, которое можно оспорить. Пользы от такого материала не будет.
Тем не менее, людей больше интересует не сам факт, а объяснение его значимости – как определенное событие повлияет на их жизнь. Они не хотят читать «сухие» отчеты госорганов, сравнивать прибыль компаний и самостоятельно разбираться в строительных нормативах. Аудитории нужен материал, где информация структурирована и написана на понятном языке. Для этого и существует data-журналистика.
Неважно, работает специалист с тысячами документов или с 20-30 источниками – любая работа с информацией считается журналистикой данных. А вот под журналистикой больших данных уже понимают обработку серьезных массивов информации.
Главное отличие от классической журналистики здесь в навыках, которые нужны специалисту, чтобы работать с большим объемом данных. Для сбора информации из тысяч документов потребуется знание языка программирования. Для сбора результатов в увлекательной форме без специальных сервисов тоже не обойтись.
Провести четкую границу между дата-журналистикой и классической журналистикой довольно сложно. Это не отдельная профессия, а набор дополнительных навыков для работы с данными. С развитием технологий ее выделили как отдельное направление, хотя по факту этим занимались и раньше, просто без автоматизации.
Обычно к сбору информации журналисты приступают, когда уже известна тема материала. Есть и обратный вариант, когда интересная идея рождается при изучении данных. Например, зная статистику по ДТП, можно сделать интерактивную карту города с обозначением наиболее аварийных участков дороги.
Само понятие «data-журналистика» как отдельное направление возникло в 2010 году на международной конференции в Амстердаме.
Издания работали с массивами данных и раньше. Например, британская газета Guardian еще в 1821 году опубликовала список школ в Манчестере, собранный по количеству учеников и стоимости обучения. Журналисты хотели определить, сколько детей получают бесплатное образование. Для этого опросили более 10 тыс. человек, а полученные результаты представили в формате таблицы.
Журналистикой данных занимаются не только новостные СМИ, но и редакции отраслевых журналов, корпоративных блогов, исследовательских бюро. В крупных изданиях над проектом работает целая команда data-журналистов. В компаниях поменьше сбором, анализом и визуализацией данных часто занимается 1 специалист.
Дата-журналистика – это в первую очередь набор навыков, а не отдельная профессия. От классической журналистики она принципиально отличается тем, что работа над материалом опирается не на отдельные документы, а на большие массивы информации.
В мире каждую секунду генерируется огромное количество информации. Если раньше журналисту достаточно было изучить 2-3 источника, то теперь их могут быть тысячи. Чтобы обрабатывать эти массивы, журналист должен владеть специальными инструментами (как минимум, Microsoft Excel и Python). Также ему нужно уметь использовать различные средства визуализации – графические редакторы и программы для создания анимации. Для их освоения придется потратить десятки, если не сотни часов.
Поясню на примере. Вы готовите материал на тему «10 самых посещаемых блогов рунета». Чтобы рейтинг был объективными, нужно собрать данные о посещаемости сайтов за определенный период. Затем их нужно проанализировать: отсечь переходы по контекстной рекламе, нецелевой трафик. Вам предстоит изучить аналитику по сотням сайтов, а результат свести в единую таблицу. Это простой пример. Есть сложнее.
Например, некое издание готовит материал про бизнес на Дальнем Востоке.
Во-первых, журналисту предстоит изучить направления для инвестиций с показателями, влияющими на прибыль.
Во-вторых, привести рынки сбыта продукции.
В-третьих, представить налоги, административные барьеры и программы господдержки бизнеса.
Не лишним будет еще показать успешные и провальные проекты, поговорив с предпринимателями.
Такой материал потребует изучения огромного массива данных: законов, статистики Росстата, географии, отчетов компаний, новостных сводок и многое другое. И все это задача дата-журналиста.
Спецпроект агентства «РИА Новости» про создание бизнеса на Дальнем Востоке
Что такое данные в журналистике
Под данными понимается любая исходная информация для журналистского материала: статистика Росстата, отчеты государственных органов, видеофайлы, показатели сервисов онлайн-аналитики, результаты опросов, финансовые отчеты компаний. С каждым днем данных становится все больше.
Данные – такой же источник информации для журналиста, как, например, интервью. Возможно, даже более ценный, чем любой другой вид экспертного контента.
Задача дата-журналистики – преобразовать данные в доступную для широкой аудитории информацию: обработать, обобщить и проинтерпретировать.
Онлайн-лекция Pressfeed и SEMrush об использовании приемов дата-журналистики
Данные – это вообще все. В дата-журналистике мы просто анализируем одинаковые свойства объектов и делаем какие-то выводы.
Например, есть джинсы. У джинсов есть карманы. Мы можем измерить их размеры и выпустить материал о том, что в женских джинсах карманы меньше, чем в мужских. Или, допустим, есть тексты. В текстах есть слова, и можно сравнить, сколько раз эти слова употреблялись в текстах. Например, Dekoder посчитали, как часто говорили на какие-то темы наши президенты.
Или гораздо более прозаично: можно взять в Росстате табличку с количеством транспортных средств России и узнать, как изменилось количество каждого из их видов. Правда, перед тем, как данные попали в табличку на Росстате, кто-то это все считал. Например, компании, которые продают автомобили, сложили все свои продажи, отправили в Росстат, а потом местные аналитики это все суммировали.
Объектов, которые мы будем анализировать, может быть вообще немного. Крайне некорректно говорить, что дата-журналисты работают с большими данными. В редких случаях к нам в руки попадают наборы данных с миллионами объектов. Их может быть даже несколько десятков. РБК, например, анализировали жанры групп, выступающих на митингах. Там чуть больше 20 концертов.
Данные могут быть числовыми, категориальными (это текстовые значения – мужчины и женщины, названия стран), логическими (есть ли в регионе губернатор, есть ли в школе компьютерный класс) или географическими (координаты объектов), а также датой и временем.
Порядок работы дата-журналиста над материалом выглядит следующим образом:
Вот примеры того, как выглядит готовый материал data-журналистов в российских и зарубежных изданиях.
Газета Financial Times посчитала количество погибших от COVID-19 в Великобритании за первые месяцы пандемии. Для этого журналисты изучили десятки тысяч медицинских заключений о причине смерти больных
«РБК» опубликовал рейтинг городов России по комфорту и доступности жилья. Журналисты сравнили статистику Росстата по средней зарплате, стоимости квартир, цене на бензин, количеству экологических катастроф и другим показателям за 2020 год
Один из спецпроектов «РИА Новости» посвящен производству и потреблению лапши быстрого приготовления. Авторы получили комментарии экспертов, собрали данные «Всемирной ассоциации лапши быстрого приготовления» и отчеты исследований, опросили людей
«Т–Ж» выявил основные причины разводов в России на основании официальной статистики и мнений специалистов
Исследование «Текстерры» об отношении россиян к нетрадиционной рекламе. Мы опросили 602 человека по всей России, а результаты представили в виде наглядных графиков
Сбор и анализ данных
В России действует закон об открытости данных: все государственные службы должны размещать свои отчеты в открытом доступе. Речь идет не только о налоговых декларациях чиновников. В свободном доступе находятся все реестры, указы, распределение бюджета, результаты анализов городской воды, тарифы на услуги ЖКХ и многое другое. Любой человек может узнать, например, сколько объектов недвижимости построила та или иная организация за последний год.
Вот некоторые источники данных госорганов:
В крупных городах открытые данные загружены на специальные порталы. Такие порталы есть, например, в Москве и Екатеринбурге. Кроме этого, «Яндекс» собрал перечень полезных ресурсов для работы с данными.
Среди прочих источников данных – соцсети, поисковые запросы, сервисы интернет-аналитики, видеозаписи, опросы, анализ хештегов, комментарии. Массу интересного можно узнать, если проанализировать судебные решения.
Увы, не все данные находятся в открытом доступе или в машиночитаемом формате. Для некоторых проектов нужно знать язык программирования. Например, Python или JavaScript.
Данные можно получать по-разному. Есть открытые данные – это машиночитаемые датасеты. По сути, таблички, которые можно сразу использовать в анализе. Есть статистика, над расшифровкой которой приходится работать. Например, фотографии или сканы документов. Иногда данные можно запрашивать у компаний и государственных органов. Иногда – получать с каких-то сайтов при помощи скрейпинга или API.
Если у сайта есть API, программисты могут написать запросы определенной формы, чтобы получить с него данные. Например, API есть у социальной сети «ВКонтакте», и можно написать код, который выгрузит все сообщения, в которых содержится слово «собака», и которые были опубликованы в марте 2020 года. Далеко не все API бесплатны, а еще всегда ограничены по числу запросов. Не стоит питать иллюзий, что вы легко выгрузите всю социальную сеть, но сотни тысяч сообщений – вполне.
Если API нет, то сайты еще можно скрейпить. Для этого нужно написать скрипт, который будет заходить на каждую страницу сайта, как это делали бы вы, и забирать оттуда необходимую информацию. Слишком «подозрительные» скрипты сайты могут забанить, поэтому процесс скрейпинга обычно занимает часы и даже дни.
После сбора данных нужно провести их обработку и анализ. Например, из общей статистики налоговой службы выбрать только данные по конкретному региону или виду деятельности. Это удобно сделать с помощью обычных офисных редакторов.
В начале «нулевых» годов от журналистов ожидалось максимум умений: создание медиатекста, разработка дизайна, программирование и т.д. Сейчас, с усложнением технологий, я вижу это как тупиковый путь развития, поскольку невозможно одинаково хорошо делать всю работу. Многие СМИ постепенно переходят от штатной организации работы к проектной, когда часть задач передается фрилансерам – специалистам в определенной области. К примеру, графическим дизайнерам.
Для дата-журналистики самым передовым опытом является использование искусственного интеллекта, который может обрабатывать значительные массивы информации, находить в них закономерности, перепроверять результаты и т.д. Сегодня ряд западных СМИ, например, Associated Press, отдали на откуп ИИ создание около 20 % всех своих медиатекстов.
Однако, ИИ – это нечто большее, чем просто программирование. Здесь нужны специалисты по коммуникации между всеми участниками процесса. Именно эту роль «переводчиков» и должны взять на себя журналисты. Они должны понимать, что нужно их читателям / зрителям, и чего хочет редакция. При это, чтобы говорить на одном языке с разработчиками ИИ, без знания современных IT-технологий не обойтись.
Визуализация данных
Визуализация – наглядное представление данных в удобном для читателя виде. Она должна быть понятна любому человеку, который впервые ее увидел. С помощью визуализации читатель сможет сразу извлечь нужную информацию, не вдаваясь в расчеты, сравнение показателей, анализ данных. Другими словами, визуализация в data-журналистике – это упаковка готового материала.
Вот некоторые способы визуализации:
Спецпроект «РИА Новости» про источники питьевой воды в Москве. Инфографика воспринимается легче, чем лонгрид со скучными картинками
Публикация газеты «Аргументы и факты». Такая карта понятна любому читателю
Атлас газификации в России в спецпроекте «Новой Газеты»
Визуализацию можно сделать c помощью специальных программ: MS Excel, Google Data Studio, Tableau, Flourish, RawGraphs, Google Docs и другие. Некоторые дата-журналисты с нуля программируют визуализацию, используя JavaScript или Python.
Есть определенное количество наборов данных, с которыми можно работать без программирования, и выпускать на основе этой работы материалы. Но все-таки неумение программировать сильно сужает спектр возможностей: не получится работать с большими объемами данных, делать анализ текстов. Не всякий сайт можно скрейпить без программирования.
В общем, желательно, чтобы в команде был хотя бы один человек, который умеет кодить. Если такой человек есть, остальные могут обойтись без программирования.
Например, платформа Tableau позволяет работать с большим объемом данных, представляя результат в интерактивном формате. Данные собираются с облачных или файловых систем. Над одним проектом могут работать сразу несколько специалистов.
Где учиться на дата-журналиста
По мнению «РБК», профессия data-журналиста входит в топ самых востребованных в ближайшие годы. При этом в государственных вузах специальных программ по дата-журналистике нет. В НИУ «Высшая школа экономики» есть магистерская программа продолжительностью 2 года. О том, как работать с данными для материала, частично учат на журфаке.
Кроме вузов получить профессию дата-журналиста можно в онлайн-школах, хотя и здесь найти подходящий курс будет непросто. Они есть, например, в «Нетологии» и «Стрелке».
Раньше, когда информация была в дефиците, она ценилась сама по себе. Сейчас информации, наоборот, слишком много, поэтому ценится умение правильно ее анализировать, структурировать и представлять аудитории.
Потенциал для создания материалов, основанных на данных, практически неограничен. Поэтому очень нужны люди, которые умеют с этим работать: разбираются в методах обработки и анализа, программировании и графическом дизайне. Надо или журналистов учить работать с данными, или искать специалистов по данным, которые умеют рассказывать истории. И то, и другое – задачи не из легких.
Специалисты по работе с данными (они же «сенсмейкеры», «визуальные аналитики», «инфомейкеры») нужны не только в СМИ, но и в других сферах. В производстве дата-контента заинтересованы госструктуры, вузы, финансовый сектор, рекламные и маркетинговые агентства и т.д. Каждый бизнес располагает огромным объемом данных. Важно уметь эти данные извлекать. В России на профессиональном рынке таких специалистов очень мало. Зайти в эту профессию сейчас очень просто: можно «сделать имя», пока конкуренции практически нет.
Журналистика данных: примеры для контент-маркетологов
Понятие «Журналистика данных» появилось в 2010 году. Статья Мэтт Гиллеспи показалась мне интересной, поскольку на примерах показывает, как контент-маркетологи могут использовать ее принципы.
Ниже перевод статьи Мэтт Гиллеспи
В профессиональном мире маркетологов часто упоминаются статистические данные, согласно которым 90% данных, было создано за последние два года. Интересно, что этот факт упоминался Science Daily в 2013 году, MediaPost в 2016 году и Forbes в 2018 году. Казалось бы, как это могло быть правдой за три разных года? Ответ прост глобальный объем цифровой информации со временем растет в геометрической прогрессии.
Это означает, что статистика «90 процентов всех данных…» была верна в 2013, 2016 и 2018 годах, и будет оставаться верной в обозримом будущем. По мере того, как наша культура становится все более интегрированной и мобильной с Интернетом, мы продолжаем производить огромные объемы данных из года в год.
Данные всегда представляли интерес для маркетологов, проводящих исследования потребителей, но рост журналистики данных показывает нам, что существует как потребительский спрос, так и практически неограниченный потенциал для создания историй, основанных на цифрах.
Журналистика данных (англ. data journalism) — направление в журналистике, в основе которого лежит обработка данных и их использование для создания журналистского материала. Данные могут служить как инструментом для раскрытия определенной журналистской истории, так и ее источником. Развитие журналистики данных связано с развитием технологий, позволяющих хранить и обрабатывать большие объемы данных, и движением в сторону большей открытости информации.
Четырех ключевых аспекта науки о данных и журналистики, помогут маркетологам использовать данные для создания действительно интересного контента, который выделяется среди потока сообщений.
Визуализация данных, от простых графиков до сложной интерактивной графики, может помочь рассказать историю и добиться широкой наглядности для читателей.
После первого всплеска интереса к инфографике ее популярность стала падать. Для контент-маркетологов появление инфографики стало воплощением мечты: любой, кто обладает даже базовыми навыками в Excel и владеет основами графического дизайна, может создать диаграммы, украсить их и использовать для оформления сообщений. Но инфографика 1.0 быстро сошла на нет, потому что она не смогла дать ничего интересного – это был просто другой способ поделиться одними и теми же скучными историями.
Журналисты, работающие в стиле журналистики данных, делают что-то совсем другое. Возьмите новаторскую работу Reuters о лагерях мусульман-рохинджа на юге Бангладеш, которая в 2018 году была удостоена награды Глобальной сети редакторов за лучшую визуализацию данных. Эта публикация начинается с истории — огромного кризиса беженцев, происходящего далеко от Запада — и использует интерактивные карты, составные гистограммы и простые статистические визуализации для контекстуализации и усиления душераздирающего повествования.
Материал Reuters эффективен не только благодаря своим инновационным методам, а именно методам обработки данных; это всего лишь часть, обеспечивающая эффект от статьи, которая освещает историю жизни в лагерях и использует цифры, чтобы рассказать о проблеме самым эмоционально резонансным способом. Контент-маркетологи, которые завалены советами о том, как рассказывание историй имеет важное значение для их работы, должны рассматривать журналистику данных как способ продвижения своих рассуждений, а не думать о визуализации данных просто как способ вызвать интерес или повысить доверие.
Это особенно верно, когда дело доходит до брендов.
В эпоху «FakeNews» маркетологи контента изо всех сил стараются, чтобы их контент был точным, заслуживающим доверия и заслуживающим доверия. Работа контент-маркетолога состоит в том, чтобы производить работу для бренда, который может выйти и разумно конкурировать за прозрачность против некоммерческих организаций, аналитических центров, университетов и основных средств массовой информации одновременно.
Контент-маркетологи работают с клиентами, стремящимися повысить осведомленность и доверие благодаря выделяющемуся контенту. Один из лучших способов сделать это — следовать опыту журналистики данных, позволяя визуальному контенту передавать вашу историю.
В преддверии выборов 2012 года Нейт Сильвер с его программой FiveThirtyEight из «Нью-Йорк Таймс», вызвал критику со стороны традиционных политических экспертов, которые утверждали, что «компьютер» не может предсказать результаты выборов лучше, чем традиционные журналисты, работающие в политике на протяжении десятилетий. В конце концов, «компьютер» Сильвера (на самом деле сложная математическая модель) правильно предсказал каждое результаты выборов 2012 года.
Сильвер и его команда сделали модель широко доступной, чтобы показать, насколько беспристрастной она была на самом деле. Он принимал огромное количество исторических данных о выборах, использовал вероятности и весовые коэффициенты, чтобы выяснить, какие знания были наиболее важными, и выдвинул прогноз относительно наиболее вероятных результатов. Показывая, как все это работает, Silver и FiveThirtyEight прошли долгий путь к повышению доверия общественности к данным и, соответственно, к журналистике данных.
Таким образом, в эпоху бесконечных горячих взлетов и подхода «сейчас каждый может быть журналистом» контент-маркетологи, стремящиеся установить авторитет, авторитет и доверие к бренду, могут извлечь огромную пользу из доказанного успеха журналистики данных — просто используя фактические данные.
Успеха можно добиться, сделав визуализацию данных настолько сложной, насколько это требуется, но при этом всегда стремясь к простым и красивым решениям. Другими словами: возьмите необработанные цифры, которые будут интересны людям. Подумайте о целенаправленном способе их четкой визуализации. А затем создайте образ, который соответствуют общему настроению вашего произведения.
В рамках кампании для Porch.com было задано 1000 вопросов о еде 1000 американцам, сосредоточившись на вещах, которые были легкими и юмористическими для начала разговора. Например, «Хот-дог это бутерброд?» И «Какой соус вы используете в хот-доге?».
В ответ на эти два вопроса были получены числа, которые выглядели так:
Таблицы были преобразованы в черновые варианты окончательной визуализации:
Все три из приведенных выше визуализаций сообщают об одних и тех же данных, но только одна из них доступна для мгновенного восприятия и рассказывает о результатах. Творчески показывая сами продукты, команда превратила простую таблицу процентов на первом рисунке в визуализацию, которой можно поделиться в социальных сетях или которую может использовать журналист, освещающий историю.
Данные компании часто играют центральную роль в ее истории, и могут быть использованы при надлежащей анонимности и очистке от персональной идентифицирующей информации. Ценность информации, которую сообщает бренд из своих внутренних источников, может быть огромной.
Четвёртый ключевой принцип эффективного использование данных контент-маркетологами: у каждого бренда есть свои уникальные данные. Материалы, опубликованные ими, используют данные, которые могли быть получены только из их источников, потому что только у них был доступ к данным, что делало конкретные выводы уникальными. И это ключевое конкурентное преимущество этого конкретного бренда в ландшафте контента. Хотя работа с внутренними данными сопряжена с потенциальными ловушками и проблемами, стремление к сотрудничеству с клиентом для выбора значимых внутренних данных и направления их последующего использования для контента и повествования должно быть в центре внимания контент-маркетолога.
Хотя количество вакансий для журналистов с 2004 года сократилось более чем на 10 процентов, количество рабочих мест, в основном связанных с «контентом», увеличилось почти в четыре раза за тот же период времени.
Творческие люди всегда будут искать варианты, которые позволяют им делать то, что они любят, и благодаря органическому поиску, который в значительной степени рассматривается как мера успеха контента, возможности для брендов и маркетологов использовать инструментальные средства журналистики данных никогда не были такими большими.
Сейчас нет недостатка в цифрах для контент-маркетологов, которые можно было бы изучить и использовать для создания историй. Фокус заключается в использовании правильного сочетания фактических данных и эмоциональной привлекательности, чтобы создать рассказ, который является действительно убедительным.
Поскольку бренды все больше инвестируют в контент как средство стимулирования органического поиска и просвещения общественности, контент-маркетологам следует серьезно подумать о применении этих ключевых элементов журналистики данных на практике.
В мире бесконечных вращений и возрастающей важности демонстрации вашей работы лучше всего вспомнить знаменитую цитату, написанную давним редактором Guardian С.П. Скоттом в 1921 году : «Комментарии бесплатны, но факты священны».