Az adatújságírás (data journalism) az utóbbi évtizedben a modern újságírás egyik legdinamikusabban fejlődő területévé vált. A The Guardian Data Blog, a New York Times Graphics Desk és a Spiegel Online Datenjournalismus szakcsapatai megmutatták, hogy a számok nem száraz statisztikák — ha jól kezelik őket, döbbenetesen pontos és meggyőző képet adnak a valóságról.
Az adatújságírás folyamata: az adattól a történetig
Az adatújságírói munkafolyamat négy szakaszból áll: adatgyűjtés, adattisztítás, elemzés és vizualizáció. Mindegyik szakasz egyforma fontossággal bír — a legjobb vizualizáció is félrevezető, ha az adatok hibásak vagy rosszul értelmeztek.
Az adatgyűjtés forrásai lehetnek nyilvános adatbázisok (KSH, Eurostat, Közbeszerzési Hatóság), közérdekű adatigénylésekkel szerzett adatok, web scraping-gel letöltött honlap-adatok vagy saját felmérések. A tisztítás — duplikációk eltávolítása, hiányzó értékek kezelése, egységes formátumra hozás — általában a legtöbb időt viszi el a folyamatból. Az elemzés statisztikai módszerekkel feltárja a mintákat és összefüggéseket. A vizualizáció a száraz adatokból befogadható, vizuálisan hatásos anyagot alkot.
- Adatelemzés: Google Sheets, Microsoft Excel, Python (Pandas), R
- Vizualizáció: Datawrapper, Flourish, Tableau Public, RAWGraphs
- Térképészet: QGIS, Kepler.gl, Mapbox, Google Maps API
- Web scraping: Python (BeautifulSoup, Scrapy), Octoparse
- Tárolt adatok: OpenRefine az adattisztításhoz
- Dokumentumelemzés: Tabula (PDF-ből táblázat), DocumentCloud
Közbeszerzési adatok elemzése Magyarországon
A Közbeszerzési Hatóság adatbázisa az egyik leggazdagabb nyilvánosan elérhető adatforrás magyar investigatív és adatújságírók számára. Minden, 25 millió forint feletti közbeszerzési eljárást publikálni kell a hatóság honlapján, amelynek adatai gépi feldolgozásra is lehetővé teszik a letöltést.
Az adatbázis elemzésével például megvizsgálható, hogy egy adott miniszérium, önkormányzat vagy állami vállalat pontosan kinek ítélt oda megbízásokat, milyen arányban indultak versenyhelyzeten kívüli eljárások, és milyen árkülönbségek mutatkoznak hasonló termékek és szolgáltatások esetén. Ilyen elemzéseket végzett el a Direkt36 és a K-Monitor számos esetben.
"Az adatújságírás nem a jövő — a jelen. Aki ma nem érti az alapvető adatelemzést, az elveszíti a lenyűgözőbb történetek egy részét." — Lorenz Matzat, adatújságírás-oktató
Statisztikai csapdák: amit az újságírónak tudnia kell
A statisztikai hibák az adatújságírás egyik legnagyobb veszélye. A leggyakoribb tévedések: a korreláció és az okozatiság összekeverése; a kis mintán alapuló következtetések; a relatív és abszolút számok felcserélése; és a válogatott időszakok alkalmazása (cherry-picking), amelyek torzítják a valódi trendet.
Ezeknek a hibáknak az elkerüléséhez statisztikai alapismeretek szükségesek. Nem kell szakstatisztikusnak lenni, de érteni kell az átlag vs. medián különbségét, az konfidencia-intervallum fogalmát, és azt, mikor nem megbízható egy minta. Az újságírói munkában különösen veszélyes a "mindig növekvő" vagy "állandóan csökkenő" narratívák erőltetése a valódi, zaj- és ingadozásteli adatokra.
A vizualizáció tervezésének alapelvei
A hatásos adatvizualizáció nem csupán esztetikai kérdés — a rosszul megválasztott ábratípus félrevezethet, a jó pedig azonnal egyértelművé teszi az összefüggést. Néhány alapelv: az oszlopdiagramok összehasonlításra ideálisak, a vonaldiagramok időbeli trendekre; a kördiagramok csak kis számú, jól elkülönülő kategória esetén használhatók hatékonyan; a hőtérképek (heatmap) térbeli vagy mátrix-jellegű összefüggésekre valók.
Az akadálymentesség (accessibility) a vizualizáció tervezésének elengedhetetlen szempontja: színvak olvasók számára is értelmezhetőnek kell lennie, ezért a csak színre támaszkodó megkülönböztetés kerülendő. A Datawrapper beépített akadálymentességi ellenőrző eszközzel segít ebben.
Adatújságírás a magyarországi médiában
Magyarországon az adatújságírás elsősorban a független online portáloknál van jelen. A Direkt36, az Átlátszó és a 444 szerkesztőségei folyamatosan publikálnak adatokra alapuló anyagokat, amelyek a közbeszerzéstől az oktatásstatisztikán át az egészségügyi adatokig terjednek. A Magyar Tudományos Akadémia és a KSH adatbázisai szintén értékes forrásnak bizonyulnak az oktatási és szociális tematikájú riportokhoz.