Работа с данными: практические рекомендации для небольших редакций
Небольшим редакциям в наше время стоит глубже задуматься о том, насколько важно использовать данные. Однако они часто сталкиваются с различными препятствиями: нехваткой финансирования, недостатком ресурсов и устаревшими представлениями о традиционной журналистике.
Любая история может стать дата-историей, любой журналист может стать дата-журналистом, и любая редакция способна создавать дата-проекты.
Генеративный искусственный интеллект помогает экономить время и повышать эффективность работы с данными. Такой подход может показаться пугающим, однако если сохранять целостность статистических данных, быстро очищать их и писать код, то крупные, средние и даже небольшие редакции могут успешно реализовывать сложные дата-проекты.
Полезно поразмышлять над следующими вопросами: как небольшие редакции могут извлечь пользу из новых возможностей? Способны ли новые инструменты эффективно работать с любыми типами данных? Можно ли применять их для работы с разными данными?
Как небольшим редакциям начать эту трансформацию?
Ниже мы объясним, что нужно делать, и предложим ответы на важные вопросы.
- Почему дата-журналистика необходима небольшим редакциям?
- В чем преимущества анализа новостных данных в небольшой команде?
- Как создавать впечатляющие дата-проекты при ограниченном бюджете и небольшом штате?
- Какие тренинги, мастер-классы и бесплатные онлайн-курсы могут быть полезны небольшим редакциям?
- Какой должна быть организационная модель небольшой редакции для эффективной работы с данными?
- Какими (бесплатными или недорогими) инструментами для работы с данными могут пользоваться небольшие редакции?
- Где найти источники открытых данных?
- Чему можно научиться у небольших редакций — лауреатов премии Sigma?
Преимущества использования данных в небольшой команде
Небольшим редакциям стоит задуматься об использовании данных и инвестициях в создание дата-материалов, поскольку это дает большое преимущество в точности, глубине, удержании аудитории и повышении ее лояльности.
С помощью данных редакции готовят более точные, надежные и оперативные материалы, что помогает привлекать внимание аудитории и повышать конкурентоспособность.
Анализ в режиме реального времени позволяет быстро выявлять и исправлять ошибки, а также проверять информацию. Это дает возможность подавать новости на более высоком уровне.
Сбор и анализ данных из разных источников позволяет предложить читателям более широкий и глубокий взгляд.
Глубокий дата-анализ повышает конкурентоспособность редакции, привлекает внимание читателей и усиливает их вовлеченность.
Визуализация данных облегчает понимание сложных тем и помогает быстрее воспринимать информацию. Кроме того, она позволяет прогнозировать будущие тенденции и события.
Решения, основанные на данных, позволяют эффективнее использовать ресурсы редакции.
Как создавать впечатляющие дата-проекты при ограниченном бюджете и небольшом штате?
Все дело в общении. Всегда открыто разговаривайте с командой и обсуждайте возникающие проблемы. Без общения хорошей дата-истории не будет!
Определите роли и задачи, следуйте поэтапному порядку работы с данными: сбор и конвертация данных (как правило, из бумажного вида в цифровой), очистка, анализ и подготовка истории.
Для эффективной работы внедрите и поддерживайте систему работы с файлами, данными и заметками и обмена ими.
На старте устанавливайте сроки, ориентируясь не на календарные даты, а на этапы проекта.
Научитесь работать с метаданными. Чем лучше вы понимаете структуру набора данных, тем легче с ним работать. Составьте словарь для некорректных или незнакомых терминов — это сэкономит время в дальнейшей работе. В этом и есть сила метаданных!
Делайте заметки. Документируйте каждый шаг. Это не только экономит время, но и заставляет вашу команду мыслить стратегически. Регулярно сохраняйте данные и делайте резервные копии — это убережет вас от потери проекта.
Пробуйте новые языки программирования. Пользоваться Excel и подобными инструментами — обычное дело, но следующим шагом должно стать изучение таких языков, как R или Python. Также подумайте о внедрении искусственного интеллекта в качестве вспомогательного инструмента.
Используйте блок-схемы. Их можно постоянно совершенствовать. Когда возникает проблема, подход с блок-схемами помогает вместе с командой заново выстроить проект.
Интересный пример: три журналиста Ortak создали проект «Турция: золотая жила троллинга». Исследователи разоблачили сеть троллей, управлявшую как минимум 181 аккаунтом в соцсети X (бывший Twitter), и проанализировали их деятельность, цели и возможные мотивы. Команда также обеспечила открытый доступ ко всем наборам данных.
Ниже — упрощенный план для редакций с ограниченным бюджетом и ресурсами, которые хотят начать заниматься дата-журналистикой:
- Проведите анализ потребностей.
- Определите доступные источники данных (включая бесплатные платформы открытых данных).
- Сформируйте дата-команду, даже если она будет небольшой (например, два человека, которые понемногу разбираются во всем, и еще двое, владеющих основными инструментами дата-анализа).
- Регулярно обучайте команду (OSINT, искусственный интеллект, бесплатные онлайн-курсы, тренинги с приглашенными специалистами).
- Определите, над какими дата-проектами будете работать (с учетом четких рамок, границ и общественного интереса).
- Сосредоточьтесь на этапе сбора и анализа данных (генеративный ИИ позволяет уделять больше внимания журналистской части, а не техническим аспектам).
- Обращайте внимание на разные способы визуализации данных (в зависимости от их функций).
- Старайтесь укреплять связь и коммуникацию с читателями (социальные сети, кампании, опросы).
- Как можно чаще собирайте обратную связь.
- Используйте инструменты с открытым исходным кодом (они просты в использовании и удобны в настройке).
- Составьте список открытых источников (местных, национальных и глобальных) и не стесняйтесь направлять информационные запросы.
- Используйте структурированные источники, которые легко анализировать. Такие наборы данных могут «спасти жизнь». С помощью GitHub обновляйте свои данные и делитесь ими для будущих проектов.
Важно: любая история может стать дата-историей, любой журналист может стать дата-журналистом, и любая редакция может создавать дата-проекты.
Какие дата-тренинги и онлайн-курсы могут быть полезны?
- Тренинги по работе с данными для журналистов и редакторов.
- Консультации экспертов. Журналистам небольшой редакции бывает сложно найти время для анализа данных в ежедневном потоке новостей, поэтому помощь внешних специалистов или работа с наставником не будут лишними.
- Для развития навыков работы с данными существуют различные тренинги, мастер-классы и курсы в формате MOOC (массовых открытых онлайн-курсов).
- Настройте онлайн-оповещения, чтобы следить за анонсами новых курсов и контента в интернете.
- Работайте с местными дата-трекерами. Рассмотрите возможность создания сети гражданских дата-журналистов.
Как организовать небольшую редакцию для эффективной работы с данными?
- Перед началом проекта проведите предварительную подготовку.
- Составьте список избранных файлов для быстрого доступа к нужным ресурсам.
- Ведите список контактов (и постоянно его обновляйте).
- В свободное время практикуйте навыки работы с базами данных.
- Давайте команде практические задания и устанавливайте сроки.
- Храните специальный файл базы данных, который понадобится вам для проекта.
- Чаще пользуйтесь базами данных и обновляйте их.
- Ищите новые подходы или старайтесь взглянуть на данные свежим взглядом.
- Создайте командную атмосферу, в которой каждый участник делится целями и идеями.
- Признайте, что самый важный шаг — понять, как превратить данные в увлекательную историю.
Какими инструментами для работы с данными можно пользоваться (бесплатными или недорогими)?
Небольшие редакции часто предпочитают простые и удобные инструменты для создания историй на основе данных. Однако важно учитывать редакционную независимость — то, откуда происходят эти инструменты (предпочтительны версии с открытым кодом), — и этические нормы дата-журналистики. Вот несколько удобных инструментов для работы с данными:
- Voyant Tools — веб-платформа для чтения и анализа цифровых текстов.
- Microsoft Excel или Google Sheets — распространенные программы электронных таблиц, которые есть почти на каждом компьютере. Они отлично подходят для анализа, очистки и создания простых визуализаций. Эти инструменты могут стать отличной отправной точкой для дата-проектов.
- GPT Excel — плагины, добавляющие искусственный интеллект в существующие инструменты.
- OpenRefine — сервис с открытым кодом для очистки и стандартизации данных. Отлично подходит для очистки и упорядочивания сложных наборов данных.
- Tabula — инструмент дата-журналистики с открытым кодом, помогающий извлекать данные из PDF-файлов.
- R — язык программирования для статистических вычислений и визуализации данных. Широко применяется в скрейпинге, биоинформатике и анализе данных.
- Python — еще один язык программирования, позволяющий работать быстро и эффективнее интегрировать системы.
- Datawrapper — позволяет с помощью простого интерфейса создавать интерактивные графики, карты и инфографику. Не требует навыков программирования и помогает улучшить визуальную подачу вашей истории. Особенно полезен Datawrapper River.
- Flourish — платформа для создания интерактивных визуализаций данных. Благодаря удобному интерфейсу и возможностям создания изображений улучшает визуальную подачу вашего дата-проекта. Попробуйте опцию Flourish for Newsrooms.
- Tableau Public — платформа, позволяющая пользователям анализировать данные и создавать интерактивные визуализации. Ее бесплатная версия — экономичный вариант для небольших редакций.
- Trello или Airtable — такие инструменты управления проектами помогают организовать дата-проекты и оптимизировать рабочий процесс. Используются для управления наборами данных, постановки задач и контроля их выполнения.
Эти инструменты помогут небольшим редакциям эффективно работать над дата-проектами. А выбор зависит от ваших потребностей, возможностей и бюджета.
Где найти источники открытых данных?
- Государственные учреждения — у многих официальных правительственных сайтов есть собственные платформы открытых данных по различным темам. Например, data.gov в США и data.gov.uk в Великобритании предоставляют статистические данные о здравоохранении, образовании, транспорте, погоде, экономике и многих других темах.
- Международные организации — у Организации Объединенных Наций, Всемирного банка и Европейского союза есть платформы открытых данных по различным темам. Они включают международные наборы данных о глобальном развитии, правах человека, окружающей среде, экономике и других сферах.
- Города и муниципалитеты — многие местные органы власти предоставляют платформы открытых данных, где есть информация о дорожном движении, использовании водных ресурсов, проектах преобразования города, зеленых зонах и т. п. Например, портал открытых данных города Стамбула (см. скриншот видео ниже).
- Образовательные учреждения — у университетов и научно-исследовательских институтов есть наборы открытых данных по различным научным областям. Эти данные можно использовать для материалов на социальные, медицинские и многие другие темы.
- СМИ (медиаорганизации) — некоторые редакции предоставляют наборы данных: архивы новостей, данные политических кампаний, результаты выборов и другие. Например, Bianet и ProPublica.
- НКО (некоммерческие организации) — могут делиться наборами данных по различным социальным проблемам: нарушениям прав человека, экологическим проблемам, миграции, трудовым правам, неравенству и другим вопросам.
- Исследовательские институты — научно-исследовательские организации и фонды проводят глубокие исследования по определенным темам и могут делиться результатами своей работы. Такие наборы данных охватывают экономику, здравоохранение, окружающую среду, уголовное правосудие, образование и многие другие сферы.
Перечисленные источники могут быть полезны в работе с данными, однако всегда проверяйте их актуальность, надежность и точность, а также правильность их интерпретации.
Портал открытых данных города Стамбула предлагает широкий спектр официальных наборов данных.
Чему можно научиться у небольших редакций — лауреатов премии Sigma Awards?
Sigma Awards — международная премия за выдающиеся достижения в области журналистики данных. Она отмечает лучшие практики и инновации в анализе данных, визуализации и сторителлинге.
Эта премия подчеркивает важную роль данных в подготовке новостей и поощряет работу в этом направлении. Для вдохновения можно ознакомиться с базой Sigma Awards, где хранится информация о 2200 проектах, участвовавших в конкурсе за последние четыре года. В ней указаны бюджеты, численность сотрудников, методы работы, продолжительность проектов, их темы, содержание и многое другое.
Журналистика данных становится неотъемлемой частью нашего ежедневного потребления новостей. Небольшие редакции тоже не могут игнорировать это направление. Чтобы выжить и оставаться конкурентоспособными, таким командам необходимо готовить материалы с использованием данных, помогать обществу понимать современные проблемы, упрощать сложные темы и обогащать свои истории.
С помощью приведенных выше инструментов и советов путь к внедрению дата-журналистики уже не так сложен, как раньше, — он может оказаться гораздо доступнее и проще.
Эта статья основана на презентации Пынар Даг «Использование данных в небольших редакциях».
