大数据时代，深度报道须补上数据挖掘的“短板”

□ 黄晓勇

（作者系新华社摄影部高级编辑，中国人民大学新闻学院研究生业界导师）

今年6月8日，美国公益新闻组织ProPublica发布了使用数据挖掘手段生产的深度报道《超级富翁如何避税》，其中称：巴菲特、贝佐斯、马斯克等亿万富豪的纳税税率“远低于普通中产，有些竟然一分钱没交”，一时引起舆论喧哗。

这则轰动新闻是近年来ProPublica利用数据挖掘技术取得的又一成果。ProPublica在创建后不久，就成立了以记者、程序员和数据分析员为核心的数据团队，拿手武器便是从数据中挖掘新闻。借助先进的机器学习和挖掘技术，ProPublica已经发布了大量数据驱动的深度报道，并多次斩获普利策新闻奖，成为数据新闻界的楷模。除ProPublica之外，卫报、纽约时报、路透社等西方主流媒体也着力于数据挖掘方向的深度报道，发表了一批知名作品。

全球兴起的数据新闻热潮近年来逐渐影响我国，头部主流媒体和商业媒体几乎都在此方向投入了大量资源，并获得长足进步。我国数据新闻的发展成果主要集中于数据新闻的前台——数据可视化，而数据新闻的后台核心技术，即对深度报道更为关键、技术含量更高的数据挖掘，在发展上却明显滞后，成为深度报道的明显“短板”。

一、数据挖掘：大数据时代深度报道的利器

数据挖掘（Data Mining）是广义数据分析的重要组成部分，顾名思义是深入研究和分析数据，并在数据中发现隐含知识的过程。这个“数据”并不限于数字，它包括一切可感知、分析、计算的信息，包括数字、语篇、图像、声音、气味、视频等数据形式。……