WiDS Taipei 2022 | 一個記者的觀點：如何透過數據了解這個世界？ — 史書華 Silva Shih
講者介紹Silva目前是天下雜誌的主編，負責中國新聞，同時帶領一組四人的數位敘事/資料新聞團隊。有著豐富從業經驗的Silva，是一名文字記者出身，曾任職英國金融時報中文網，在台灣、紐約、香港、北京生活過，並在當地教過資料新聞。在工作之餘，Silva運用她的專業在台灣大力推廣新聞科技，是全球非營利新聞社群Hacks/Hackers Taipei共同創辦人，鼓勵科技人與新聞人跨界合作。
天下雜誌的資料新聞團隊
目前天下雜誌的資料新聞團隊是由Silva組成的四人團隊，工作內容包括創新新聞敘事、即時數據敘事和數據驅動的新聞報導，製做過俄烏戰爭、四大公投、Covid-19…等多種與數據相關的專題報導。
在這些報導中，Silva表示數據扮演了兩個角色：
- 幫我們開天眼
- 釐清關鍵問題
以下Silva將用兩個專題報導為例，告訴我們數據如何應用在新聞報導。
如何用數據找答案？以製作「共機」專題為例
Silva有趣的說道，會製作「共機」這個題目，源自於一碗台南米糕。到台南工作，常常可以聽到飛機飛過的噪音，於是她心中冒出了一個念頭，想回答ㄧ個被高度關注的議題：共機為什麼一直飛過來？台海要開戰了嗎？
過去的新聞報導方式通常是藉由採訪大量官員或學者，平衡各家觀點。例如：「國防部官員表示，因為某些原因所以共機飛過來；某某大學教授同樣支持這樣觀點的。」
Silvaㄧ改以往的做法，讓我們透過數據找答案吧！
首先，要用什麼數據呢？蒐集戰鬥機的聲音，但是這個成本太高了，不符合實計效益。Silva團隊從國防部網站提供的pdf檔案下手。
國防部關於共機的pdf檔案大多是文字檔，需要經過處理才能轉為結構化的資料，Silva團隊也將這些整理好的資料公開在github上。
Silva團隊初步統計初每日飛來台灣的共機架次，從下圖可以看出共機擾台的架次有增加的趨勢。然而，這個發現能說明什麼事情嗎？
Silva團隊進一步分析擾台共機的種類，大致可分為：反潛機型、電子做戰機型、轟炸機型、戰鬥機型和早期預警機型，其中以反潛機型和電子做戰機型的架次最多。這兩種機型是沒有武裝，主要負責空中情報的偵蒐。
另外，Silva團隊使用國防部提供的共機航行軌跡圖進行分析。由於國防部提供的資料僅是整理過的pdf檔案，Silva團隊必須將國防部提供的圖檔與真實地圖進行比對，才能將每個軌跡圖放在同一個比較標準下，進行後續的分析。
將每個共機航行軌跡圖進行疊合後，Silva團隊發現共機大部分停留在台灣的西南空域。
綜合以上的發現，共機擾台的主要目的很可能是為了蒐集台灣西南海域的情報。台灣的西南海域是軍事上的戰略位置，常常有各國的軍艦活動，因此了解這個區域的軍事活動對於中國而言是十分重要的。Silva認為，共機選擇在台海上空西南角頻繁活動，也對應到這塊的水下戰場經營。
另外，在刊登了這篇報導後，有讀者私訊Silva建議可以蒐集更多另類數據 (alternative data)，例如：「很多軍艦會關掉自動識別系統，你們其實還可以去觀察海洋上的排泄物數據。」利用這些另類數據為分析結果做進一步的驗證。
完整報導請參考：
如何貼近讀者需求？以「台灣疫情最新動態」為例
Silvaㄧ開頭便提出大多數人的疑問：「為什麼媒體要做疫情數據儀表版？看指揮中心網站，不是就夠了？」Silva回答，提供清楚及正確的資訊是新聞媒體的責任。雖然衛福部每天都會公佈疫情的數據，但是這些數據只是文字，不方便讓人清楚了解其中的資訊。
同樣的，Silva團隊整理衛福部每天公佈的資料，並將這些整理好的資料公開在github上。此外，Silva團隊也將資料做視覺化的呈現。
今年四月台灣疫情爆發，每天確診人數不斷增加，Silva團隊除了即時更新數據外，他們也將這些數據與國外比較。
此外，Silva提到在數據蒐集的過程中，常常遇到指揮中心的數據標準改變，或數據需要另外要，這時Silva團隊就需要做一些調整，使得數據在呈現的時候是前後標準一致的。
另外，Silva團隊運用內部工具抓取Google Trend的數據，觀察不同時間在前10名內和疫情相關的關鍵字的變化。因此，Silva團隊可以建議新聞製作的同事製做和關鍵字相關的報導。這就是ㄧ個典型的數據驅動新聞報導的做法，如此也會更貼近讀者的需求。
為了讓使用者方便閱讀，關於疫情相關的新聞報導，Silva團隊建立tag將其分類，讓使用者點擊tag就會出現該類的新聞。
完整報導請參考：https://www.cw.com.tw/graphics/covid-live-updates-2021/
Silva表示在數據驅動的新聞報導中，以下幾點是重要的：
- Report On Data vs. Report With Data
- 不存在完美乾淨的data
- 不是要取代傳統的報導技藝
- 分析完數據後，要去跑採訪、聽各領域專家意見
- 多尋求回饋
Silva也提到幾點是未來可以努力的方向：
- 在組織內，如何讓更多人理解和認識不同的工作方法？
- 還有更多領域的data，等待我們去挖掘和分析，幫助我們更認識這個世界。
Q&A
Q1:
收集、整合這些數據感覺非常花時間，對媒體產業來說，花心力在這些數據上能算是一個好的「投資」嗎？
Ans:
傳統的媒體報導同樣需要花費大量時間，Silva認為新聞媒體有其責任要投資在蒐集數據上面。
Q2:
外媒在3–5年前已經有專門的團隊在做資料視覺化，想請問台灣媒體業有這方面的趨勢嗎？
Ans:
國外的媒體步調比較快，這也是Silva想創辦Hacks/Hackers Taipei的原因。
Q3:
請問這樣的數據驅動報導模式，是不是會更適合做為一個專題模式的報導，報導內容會有更長期的觀察及觀點，對於平時即時性的新聞上，可以怎麼運用數據來呈現呢？
Ans:
Silva表示不是所有的數據驅動報導都需要花幾個月的時間，像是ㄧ些重大新聞需要即時報導的類型，數據可以提供最新的資訊。
Q4:
數據蒐集需要時間，對於需即時且變化大的新聞來說，怎麼評估要不要深究數據呢?
Ans:
Silva說：「這是新聞記者的專業，新聞記者需要平時就有所準備，包括跑線和養線…等，數據也是平常要累積、要養。」
Q5:
在俄烏戰爭、大排長榮、共機及COVID疫情等案例中，視覺化的呈現都很簡潔美觀，請問是使用什麼樣的工具製作的？
Ans:
使用D3.js和Svelte.js。
Q6:
你們做的分析也許學者專家早就做過嚴謹的分析。自己重做分析跟訪問學者的研究結果有什麼差異？
Ans:
記者並非研究人員，會先蒐集資料，再找專家訪問。Silva提到，在拜訪專家時，若是有做完分析，專家也會比較願意深入的回答，而不是只是要專家背書某個論點而已。
Q7:
新聞產業主要提供即時資料給與大家參考，那針對資料中正常或不正常的資料通常都會怎麼判斷呢?
Ans:
新聞的資料都會是來自權威或機構，若是對於資料的正確性有疑問，則會再找專家學者進一步確認。
