第一篇关于中国疫苗问题的数据新闻是如何出炉的

7月15号晚上有世界杯决赛，很多人在看球，也包括从不关心各类球赛的我，因为网易传媒的HR发邮件说了，法国队夺冠公司就放假一天。开场第18分钟，克罗地亚队员自摆乌龙送出一球，法国队1:0领先。

近乎同时，编辑老师在选题群里发了条新闻截图——《长春企业狂犬病疫苗生产信息造假，药监局责令停产》，觉得这是一个值得跟的题。在21号前，这件事并没有引起太多人关注。因为曾做过狂犬病疫苗的数据新闻，我被安排跟进这个选题。

相较于其他的新闻类型，数据新闻的一个特点就是能把问题量化。 不管是金钱的流向，还是位置的移动，甚至桌上吃什么，只要每一笔、每一次、每一顿都有结构化的记录，就能分析出点门道来。 数据新闻中的“数据”二字绝不单单是“数字”（number）的意思。

为了理清疫苗在中国到底有什么问题，首先想到的是新闻报道。 通过检索慧科新闻数据库（一个搜集了各类媒体报道的新闻数据库）中近十年所有标题含有”疫苗“两字的报刊新闻，我梳理了所有涉及疫苗问题的报道 。

这件事做了两天，从19号到20号，最直观的感受就是难受，因为看到：

2010年，王克勤的《山西疫苗乱象》引发巨大反响，媒体铺天盖地报道“山西疫苗案”；

2014年，不断有婴儿接种乙肝疫苗后死亡，媒体铺天盖地报道“乙肝疫苗疑似致人死亡”；

2016年，一篇名为《疫苗之殇》的文章刷爆朋友圈，媒体铺天盖地地报道“山东疫苗案”。

此外，还有各地报纸零零散散的疫苗问题报道。

所以21号疫苗文章刷屏时，没有惊讶，现在是历史的翻版。

不过，仅仅梳理新闻报道是难以呈现疫苗问题全貌的，因为报道的最低标准是只用告诉我们发生了一件疫苗安全事件，至于注射的是什么疫苗，是否真是偶合症，是否有公职人员犯罪等，在不同报道中详略不一，有的报道事无巨细，有的报道只字不提。

这时能够想到的资源就是判决书。 法院的判决书不仅提供了刑事、民事等案件的详细内容，而且信息结构固定，方便分析。更关键的是，判决书容易获取。根据相关规定，除特殊情形外，发生法律效力的判决书均要在互联网公布。

判决书能被方便查阅，和近十年来政府推行的信息公开一样，都是助推数据新闻发展的条件之一。 很多数据新闻的数据都是来源于政府等国家机关公开的资料，这在全球也是一个趋势。

各级法院在相应网站上都会公布自己的裁判文书，而中国裁判文书网（https://wenshu.court.gov.cn/）便是最高法汇总裁判文书的地方。从2014年至今，提及“疫苗”二字的刑事、民事判决书共有8000多条，因为手动整理缓慢，网易数读的另一位同学负责用Python爬取。

在互联网中沉淀着海量数据，《经济学人》把它们称为数字时代的石油，对数字编辑而言，如果搜集起来加以分析，将会得出很多有价值或有趣的结论。网易数读曾发过一篇《分析了300万字文本后，我们终于知道了什么是直男癌》 （ http://data.163.com/17/0830/19/CT43NV6M000181IU.html），就是基于微博、知乎、豆瓣、虎扑这些社交平台的文章和帖子。而Python这类灵活的工具能节省很多获取或清洗数据的时间。

新闻网站Propublic的那篇有名的数据新闻 《给医生的美元（Dollars for Docs）》 数据就是搜集自药企网站（美国《平价医疗法案（ACA）》规定医药企业必须披露因推销式谈话、咨询等而给医生、牙医等的费用）。搜集来的PDF文件页数有17320页，网站则有243034页，合起来有1099377条记录。要是一个人来手动复制黏贴整理这些记录，要一年半的时间，所以他们就写了个程序，批量化地完成了整理数据这件事——当然，整个过程中，依然需要很多人工的核查和清理。

不巧的是，文书网承载的访问量过大，网站频繁出现503错误，同学表示：“爬虫也拯救不了网站崩溃”。为了赶上发稿日期（原定是24号，被提前到22号，搜集文书数据时已是20号晚上），我转向了 OpenLaw裁判文书检索网站 （http://openlaw.cn/）。

OpenLaw 是一个面向律师、法官、检察官、法学教师、学者、学生以及从事法律相关的工作人员的 NGO 开放型组织，2014年成立于上海。它的检索系统汇总了来自全国法院依法公开的判例，裁判文书的数量甚至略多于中国裁判文书网的。同时，它的服务器稳定，反应速度快。更重要的是，网站提供判决书的导出，有 PDF 和 xlsx 两种格式可选，减轻了我搜集数据的负担。

搜集完数据后的下一步就是清洗数据。从 OpenLaw 上导出的2014年至今提到“疫苗”二字的刑事判决书有995份，民事判决书有7000份（从2014年起是因为在这之前的判决书在网络上并不完整）。剔除与疫苗问题无关的判决书后，得到了408份刑事判决书和78份民事判决书。最后，通过分类汇总，得到了各个维度的数据。

通过分析刑事判决书，基层公职人员受贿是造成问题疫苗的一个重要原因，而通过可视化这一步骤，能将分析结果更直观地展现出来，可能这也是数据新闻最能吸引读者在屏幕上停留一会的地方。

在新闻专业的理论课上，老师都会被强调新闻要讲客观性，但我们都知道这是夸父追日，所以有“只可无限接近却永远无法达到”一说。而数据新闻能让我们离客观更进一步。与传统新闻常常靠例证法来证明观点不同，数据新闻常常是全举，把所有的情况都列举出来，让读者看到事件的全貌。

这方面，国外的数据新闻已有非常多的经典案例。比如《华盛顿邮报》所做的有关警察枪杀平民的数据新闻《995 people shot dead by police in 2015》（https://www.washingtonpost.com/graphics/national/police-shootings/）。

美国警察枪杀平民的事件时有发生，这很有可能与官方惩罚不力有关。为了证明，《邮报》记者建了数据库，整合了2015年以来所有美国警察枪杀平民的案件，包括被害者的种族、是否携带武器等信息。然后，他们从典型案例切入，再通过数据呈现问题的全貌，准确且深入。如今，这份数据库已更新到了2018年。

当疫苗事件的讨论焦点转移到调查记者缺失时，我没想太多，毕竟是往日荣光。 但在当下，仅仅是数据新闻领域，我就知道有很多优秀的记者正在推动它。

6月，在由全球编辑网络（GEN）主办的2018年数据新闻奖（Data Journalism Awards）上，财新数据新闻中心拿到了“最佳大型数据新闻团队奖”，如果看到和它一起被提名的媒体有哪些，就会明白这是件多么令人激动的事。

7月，澎湃新闻上线了湃客频道，其中一个名为【有数】的栏目汇集了众多数据新闻创作者。

细翻当中的作品，有很多的选题和操作都非常棒。其中，可能有些作者并非新闻专业出身，甚至都不是文科专业。数据新闻领域吸纳了很多非新闻专业的人。我所实习的网易数读栏目，有二十几名写稿实习生，其中不到三分之一的人是新闻专业，其他的有计算机专业，还有社会学、经济统计、公共管理、地理国情监测等等，我不知道其他新闻栏目的人群画像，但我猜数据新闻一定是专业背景最丰富的一种。

中国的数据新闻有着巨大的探索价值。 以这次疫苗事件为例，如果建立起疫苗事故的数据库，通过记录每一起疫苗事故的涉事企业、疫苗批次、最终调查结果等，就能分析出不安全因素。

五年前，数据新闻在中国可能还仅仅代表着好看的花哨图表。但现在，走向更扎实作品的变化正在发生。

2017全球深度报道精选

如何利用网上法院判决书揭露真相？

前世卫发言人教你科学质疑“健康专家”