Az adatújságírás rövid történeti áttekintése
Az adatvezérelt riport gyökerei a 19. századi statisztikai újságírásig nyúlnak vissza: Florence Nightingale egyetlen infografikus ábrán mutatta meg az 1850-es évek krími háborújának halálozási okait – és ez önmagában megváltoztatta a katonai higiéniás politikát. Philip Meyer "precíziós újságírás" modellje az 1960-as évektől vezette be a szociológiai adatfelvételi módszereket a riportmunkába.
A modern adatújságírás a Guardian Data Blog, a ProPublica és a The New York Times Graphics asztala révén vált iparági mintává az 2000-es évek második felétől. Magyarországon a Qubit.hu, az Átlátszó.hu és a HVG adatrovatai képviselik ezt a szemléletet.
Az adatelemzés munkafolyamata
A tipikus adatújságírói projekt négy fő fázisból áll: (1) adatbeszerzés – nyilvános adatbázisokból, közérdekű adatigényléssel vagy saját gyűjtéssel; (2) adattisztítás és normalizálás – az OpenRefine és a Python pandas könyvtára a legelterjedtebb eszközök; (3) elemzés – statisztikai összefüggések, kiugró értékek, trendek azonosítása; (4) elbeszélés és vizualizáció – az adatból emberközeli narratíva formálása.
Különösen fontos az adatok kontextualizálása: egy abszolút szám önmagában könnyen félrevezetheti az olvasót. A relatív értékek, az időbeli trendek és a összehasonlítható populáció megjelölése elengedhetetlen feltételek.
„Az adat csak akkor válik újságírássá, ha képesek vagyunk elmondani: ez mit jelent az emberek életében." — Simon Rogers, a Google News Lab adatújságírója
Vizualizációs alapelvek
Edward Tufte "adat-tinta arány" (data-ink ratio) elve szerint a vizualizáción minden pixelnek vagy vonalnak információt kell hordoznia. A felesleges dekorációk – 3D hatások, túl sok szín, indokolatlan tengelyek – az érthetőség rovására mennek. A jó vizualizáció egyetlen, egyértelmű üzenetet közvetít.
Vizualizációs eszközök spektruma: az egyszerűbb grafikonokhoz a Datawrapper vagy a Flourish elegendő; összetettebb, interaktív ábrákhoz a D3.js kínálja a legtöbb szabadságfokot. A Mapbox és a QGIS térképes ábrázoláshoz alkalmas. A szerkesztőségi publikáláshoz a Datawrapper beágyazhatósága és gyors tanulási görbéje teszi ezt a legelterjedtebb megoldássá.
Adatforrások és nyilvános adatbázisok
Magyarországon a legfontosabb nyilvános adatforrások: a KSH (Központi Statisztikai Hivatal) nyilvános adattára, az MNB (Magyar Nemzeti Bank) statisztikai adatbázisa, a Közbeszerzési Hatóság tenderadatbázisa (EKR), az Önkormányzati Portál, valamint az Opten céginformációs rendszer. Európai szinten az Eurostat, az ECDC (járványügyi adatok) és az EU Open Data Portal nyújt strukturált adathalmazokat.
A közérdekű adatigénylés mint módszer nélkülözhetetlen kiegészítő: a kért adathalmazok feldolgozása olykor hetekig tart, ezért az adatújságíró munkafolyamatában az igénylési ütemterv megtervezése kulcskérdés.