Datová žurnalistika: Jak čísla mění způsob vyprávění příběhů

Co je datová žurnalistika a její význam

Datová žurnalistika je prostě moderní způsob novinařiny, kde se klasické pátrání potkává s analýzou dat a nejnovějšími technologiemi. Za poslední roky se z ní stala neodmyslitelná součást současné žurnalistiky – a není se čemu divit. Díky ní totiž dokážou novináři odhalit souvislosti, vzorce a trendy v obrovských haldách dat, které by jinak nikdo nezaregistroval.

Jak to vlastně funguje? V jádru jde o práci s nejrůznějšími zdroji informací – veřejné databáze, otevřená data nebo třeba dokumenty získané přes žádosti o poskytnutí informací. Novináři v tomhle oboru musí zvládat tradiční novinářské řemeslo, ale k tomu potřebují i technické know-how: Excel, databázové systémy, programy na analýzu a vizualizaci dat. Tahle kombinace jim umožňuje vytvářet příběhy postavené na konkrétních číslech a faktech, což jim dodává na váze a přesvědčivosti.

Co je na tom nejcennější? Především to, že datová žurnalistika otevírá informace všem a komplikovaná data dělá srozumitelná pro běžné lidi. Žijeme v době, kdy vlády, firmy a různé instituce produkují neuvěřitelné množství dat. A právě datový novinář jim dokáže dát smysl a zasadit je do správného kontextu. Vezme suché statistiky a čísla a udělá z nich poutavé příběhy, kterým rozumí každý – a díky nim pak lidé chápou složité společenské, ekonomické nebo politické jevy.

Další velký plus? Větší transparentnost a odpovědnost ve veřejném prostoru. Když novináři zveřejní své datové zdroje a popíšou, jak pracovali, může si každý jejich závěry ověřit nebo na jejich práci navázat. Tohle otevřené fungování posiluje důvěru v novinařinu a podporuje veřejnou debatu, která má pevný základ v faktach.

V praxi se datová žurnalistika osvědčila nesčetněkrát – při odhalování korupce, sledování toho, kam jdou veřejné peníze, při analyzování ekologických problémů nebo mapování sociálních nerovností. Představte si třeba analýzu veřejných zakázek, kde novináři odhalí podivné vzorce při zadávání kontraktů. Nebo zpracování zdravotnických dat, které ukáže, že v některých regionech mají lidé mnohem horší přístup k péči než jinde.

Nesmírně důležitá je pak vizuální stránka věci. Dnešní nástroje dokážou vytvořit interaktivní grafy, mapy a infografiky, které ze složitých informací udělají něco přístupného a zajímavého. Tahle vizualizace nejen pomáhá lidem pochopit data, ale taky je víc vtahuje do tématu a podporuje sdílení důležitých informací na sociálních sítích.

V současné mediální krajině, kde čelíme dezinformacím a fake news, představuje datová žurnalistika mocný nástroj pro obnovu důvěry v média. Její zaměření na ověřitelná fakta a transparentní postupy vytváří pevný základ pro kvalitní novinařinu, která skutečně slouží veřejnosti a pomáhá budovat informovanou občanskou společnost.

Hlavní nástroje pro analýzu a vizualizaci dat

Když dnes novinář pracuje s daty, potřebuje k tomu správné nástroje. Není to žádná rakétová věda, ale bez těch správných pomůcek se prostě neobejdete. Surová čísla a tabulky jsou samy o sobě nuda – teprve když z nich vytvoříte něco, čemu lidé rozumí, začne být vaše práce vidět.

Tabulkové procesory jsou základ, bez kterého se nehnete. Excel nebo Google Sheets – to je alfou a omegou každého, kdo s daty začíná. Umí toho daleko víc, než si většina lidí myslí. Kontingenční tabulky, filtrování, grafy – všechno tam najdete. A Google Sheets? Ten má jednu skvělou výhodu: můžete na stejném dokumentu pracovat s kolegy najednou, každý z vlastního počítače. Zkuste to při deadlinu a pochopíte, proč je to tak užitečné.

Ale co když potřebujete víc? Když máte tisíce řádků dat a Excel už nestíhá? Tady přichází na scénu Python, který se stal jedničkou mezi programovacími jazyky pro práci s daty. Nebojte se toho slova „programování – Python je poměrně přátelský i pro začátečníky. Knihovny jako Pandas vám umožní pracovat s obrovskými datasety, jako byste listovali v knize. NumPy zvládne složité matematické operace a Matplotlib vytvoří grafy podle vašich představ. Někteří novináři dávají přednost jazyku R, zvlášť když jde o statistiku – je to věc osobní preference.

Vizualizace dat je umění samo o sobě. Můžete mít sebelepší data, ale když je nedokážete ukázat tak, aby je lidé pochopili a zapamatovali si je, je vaše práce k ničemu. Tableau je mezi profesionály velmi oblíbený – umožňuje vytvářet interaktivní grafy a dashboardy, aniž byste museli umět programovat. Power BI od Microsoftu jde podobnou cestou a skvěle funguje s ostatními produkty této firmy.

Pro ty, kdo chtějí mít nad vizualizací naprostou kontrolu, existuje D3.js. Ano, musíte umět JavaScriptem, ale výsledky stojí za to. Vidíte ty úžasné interaktivní grafiky v New York Times nebo Guardianu? Hodně z nich vzniklo právě v D3.js.

Než začnete analyzovat, musíte data vyčistit – a to je často ta nejhorší část celé práce. OpenRefine vám v tom pomůže. Tento bezplatný nástroj najde chyby v datech, sjednotí formáty a opraví nesrovnalosti. Zní to nudně? Možná, ale bez čistých dat jsou vaše analýzy k ničemu.

Někdy prostě nepotřebujete nic složitého. Chcete rychle vytvořit graf, který vypadá dobře a funguje na mobilu i počítači? Datawrapper nebo Flourish jsou přesně pro tyto situace. Žádné programování, žádné komplikace – vyberete šablonu, nahrajete data a máte hotovo. Datawrapper se soustředí na jednoduché, čisté grafy. Flourish nabízí víc možností včetně animací, které dokážou příběh opravdu oživit.

Když pracujete s mapami a geografickými daty, přichází na řadu QGIS. Pro investigativní novinařinu je tento nástroj k nezaplacení – představte si třeba, že zkoumáte rozložení znečištění ovzduší ve městě nebo chcete ukázat, kde přesně došlo k sérii incidentů. Mapa řekne víc než tisíc slov.

A co když data, která potřebujete, nejsou nikde ke stažení? Web scraping – automatický sběr informací z webových stránek – je řešení. Nástroje jako Beautiful Soup nebo Scrapy umí projít desítky či stovky stránek a vytáhnout z nich přesně to, co potřebujete. Samozřěte, musíte respektovat pravidla a zákony, ale když to děláte správně, ušetříte si týdny monotónní ruční práce.

Získávání dat z veřejných zdrojů a databází

Datová žurnalistika je v podstatě novinařina, která pracuje s čísly, tabulkami a grafy. Místo toho, abyste jen telefonovali zdrojům a psali rozhovory, procházíte datasety, hledáte v nich souvislosti a snažíte se z nudných čísel vytáhnout příběhy, které by jinak zůstaly skryté.

A kde ty data vlastně vzít? No, máte štěstí – v Česku existuje spousta veřejných zdrojů, ze kterých můžete čerpat. Zákon o svobodném přístupu k informacím vám dává právo žádat data od úřadů, ministerstev nebo třeba městských úřadů. Jenže tady je háček: spousta novinářů tento nástroj moc nevyužívá. Buď neví, jak správně formulovat žádost, nebo je prostě nenapadne, že by určitá data mohla existovat. A tak cenné informace leží v šuplících úředníků, aniž by je někdo použil.

Pak jsou tu datové portály jako Národní katalog otevřených dat. Najdete tam všechno možné – od dopravních statistik přes data o životním prostředí až po veřejné finance. Stáhnete si to, otevřete v Excelu a můžete začít hrabat. Jenže pozor, ne všechna data jsou kvalitní nebo aktuální. Někdy narazíte na dataset, který byl naposledy aktualizovaný před třemi lety, nebo na čísla, která prostě nedávají smysl. Proto je důležité vždycky ověřovat z více zdrojů.

Obchodní rejstřík je další poklad, zvlášť když děláte investigativu. Potřebujete zjistit, kdo vlastní jakou firmu? Kdo s kým obchoduje? Kde končí veřejné peníze? Všechno tam je. Podobně funguje registr smluv – vidíte tam, jaké smlouvy uzavírají města, kraje nebo ministerstva. Skvělý nástroj, jak kontrolovat, jestli se s našimi daněmi zachází rozumně.

Český statistický úřad zase nabízí dlouhodobé řady dat o populaci, ekonomice, zaměstnanosti. Když se podíváte na čísla za posledních dvacet let, najednou vidíte trendy, které by vám jinak unikly. Třeba jak se mění věková struktura společnosti, nebo jak se vyvíjejí platy v různých regionech.

A když chcete srovnávat Česko se zbytkem světa, sáhněte po datech z Eurostatu, Světové banky nebo OECD. Tam získáte standardizované datasety, díky nimž můžete porovnat, jak si stojíme v oblasti vzdělání, zdravotnictví nebo třeba v ochraně životního prostředí.

Jenže samotné získávání dat má svá pravidla. Musíte si zapisovat, odkud co máte, kdy jste to stáhli, v jakém formátu. Tahle dokumentace není jen formalita – je to důkaz, že jste pracovali poctivě a že si čtenáři můžou vaše zdroje ověřit. Občas dostanete data v nešikovném formátu, třeba jako PDF, a musíte je převést do tabulky. Je to otrava, ale bez toho se dál nedostanete.

Někdy potřebná data nejsou v žádné databázi, ale jsou roztroušená po webových stránkách úřadů. Existují nástroje, kterými můžete automaticky seškrábat informace z webu. Ale pozor – ne všechno, co je online, můžete takhle stahovat. Musíte respektovat autorská práva a podmínky použití. Rozdíl mezi chytrým využitím veřejných dat a porušováním pravidel je někdy tenký.

Data žurnalistika není jen o číslech a grafech, je to především o schopnosti vyprávět příběhy, které jsou skryté v datech a které mohou změnit způsob, jakým vnímáme svět kolem nás

Radovan Březina

Zpracování a čištění rozsáhlých datových souborů

Zpracování a čištění velkých datových souborů – to je jedna z nejnáročnějších, ale zároveň nejdůležitějších dovedností každého novináře, který chce s daty opravdu pracovat. Představte si, že denně dostáváte obrovské množství informací z nejrůznějších míst, plné nesrovnalostí, chyb a mezer. Zvládnete to efektivně vyčistit a zpracovat? Právě v tom se pozná profesionál od začátečníka.

Než se pustíte do samotné práce, musíte především pochopit, jak jsou vaše data uspořádaná. Co vlastně máte před sebou? Jak je to všechno organizované? V jakém formátu to je? Možná narazíte na CSV soubory, Excel tabulky, JSON nebo XML – každý z nich vyžaduje trochu jiný přístup. A když pracujete s vládními databázemi nebo veřejnými registry, připravte se na pořádnou komplikaci s propojenými tabulkami a vztahy mezi záznamy.

Čištění dat vás zabere většinu času – klidně i osmdesát procent celého projektu. Není to žádná nadsázka. Musíte najít a opravit chybné záznamy, vyhodit duplikáty, sjednotit formáty a doplnit chybějící hodnoty. V praxi to znamená systematicky procházet celý soubor a hledat ty záludnosti, které by vám mohly výsledky úplně zkazit.

Co vás čeká nejčastěji? Nekonzistentní formáty dat. Datumy jsou každý psaný jinak, názvy měst mají překlepy nebo různé varianty, čísla jsou někdy napsaná jako text. Zkrátka chaos. Musíte vytvořit pravidla, podle kterých to celé sjednotíte. Pomohou vám regulární výrazy, automatizované skripty nebo specializované nástroje.

Pak jsou tu duplikáty. Vznikají při slučování dat z různých zdrojů nebo prostě kvůli chybám v původních databázích. Najít je není vždycky snadné – tentýž záznam může být napsaný s drobnými odchylkami ve jménech, adresách nebo číslech. Potřebujete algoritmy, které dokážou rozpoznat podobné, i když ne úplně stejné záznamy.

A co chybějící data? To je kapitola sama pro sebe. Někdy je můžete doplnit odjinud, jindy musíte rozhodnout, jestli ty záznamy vyřadíte, nebo je necháte s upozorněním na neúplnost. Buďte v tomto průhlední – je to naprosto klíčové pro důvěryhodnost vaší práce. Lidé mají právo vědět, co všechno jste měli k dispozici a co vám chybělo. Může to totiž výsledky hodně ovlivnit.

Jaké nástroje použít? U menších souborů vám stačí Excel nebo Google Sheets. Ale když máte před sebou opravdu velká data, bez programování se neobejdete. Python nebo R s jejich výkonnými knihovnami jsou základ. Měli byste umět alespoň základy programování a být schopni napsat skripty, které vám automatizují opakující se úkoly.

Vytváření interaktivních grafů a infografik pro čtenáře

Interaktivní grafy a infografiky dnes patří mezi nejsilnější zbraně novinářů, kteří chtějí čtenářům přiblížit složitá data. Představte si, že máte před sebou tabulku s tisíci čísly – kolik z nás by ji vůbec dočetl? A teď si představte tutéž informaci v podobě grafu, kde můžete klikat, přibližovat, filtrovat podle toho, co vás zajímá. Cítíte ten rozdíl?

Žijeme v době informačního přetížení. Každý den na nás chrlí desítky zpráv, statistik, čísel. Kdo z nás má čas a chuť probírat se suchými daty? Proto je schopnost převyprávět příběh ukrytý v číslech pomocí poutavé vizualizace tak cenná.

Dobrá vizualizace funguje jako tlumočník mezi daty a člověkem, který o statistice možná moc neví, ale chce pochopit, o co vlastně jde. Nejlepší na tom je, že si každý může data prozkoumat po svém – někdo se zajímá o celkový trend, jiný chce vidět detaily své oblasti nebo porovnat konkrétní hodnoty.

Když vytváříte vizualizaci, nestačí jen naklikat nějaký graf. Musíte si nejdřív rozmyslet, jaký příběh chcete vyprávět a jakým způsobem ho nejlépe ukázat. Chcete porovnat výsledky voleb v různých krajích? Mapa bude nejspíš lepší volba než tabulka. Zajímá vás vývoj nezaměstnanosti za posledních dvacet let? Časová osa vám ukáže trendy na první pohled. Potřebujete odhalit propojení mezi firmami a politiky? Síťový graf může odhalit vztahy, které by v textu zapadly.

A tady přichází ta pravá síla – interaktivita. Čtenář si může vybrat, co ho zajímá, přiblížit si detail, který ho zaujal, nebo porovnat data třeba ze svého města s celostátním průměrem. Když si s daty sám pohrajete, mnohem lép si je zapamatujete a pochopíte souvislosti.

Technologie na tvorbu těchto vizualizací už dávno nejsou doménou jen programátorů. Ano, knihovny jako D3.js nebo Plotly nabízejí téměř neomezené možnosti, ale pokud neumíte kódovat, nezoufejte. Nástroje jako Tableau nebo Flourish zvládne používat každý, kdo se nebojí trochu pohrát s nastavením. Záleží hlavně na tom, co potřebujete vytvořit a jaké dovednosti máte k dispozici.

Nezapomínejte ale na jednu zásadní věc – polovina vašich čtenářů si dnes články čte na mobilu. Co vypadá skvěle na velkém monitoru, může být na telefonu úplně nečitelné. Proto je potřeba myslet na responzivní design už od začátku. Někdy to znamená vytvořit pro mobil zjednodušenou verzi, jindy stačí chytře upravit ovládání pro dotykovou obrazovku.

Design není jen o tom, aby to vypadalo hezky. Samozřejmě, barvy a písmo hrají roli – nikdo nechce zírat na ošklivý graf. Ale především musí vizualizace fungovat. Vidí ji dobře i lidé se slabším zrakem? Rozpoznají barvoslepí všechny důležité informace? Dokáže ji přečíst odečítačka obrazovky pro nevidomé? To všechno by mělo být samozřejmostí.

A ještě jedna rada na závěr – pusťte svou vizualizaci k lidem dřív, než ji publikujete. Ukažte ji kolegům, přátelům, babičce. Co vám připadá jasné, může být pro někoho jiného naprosto matoucí. Zpětná vazba od skutečných uživatelů vám ukáže, kde navigace nefunguje nebo kde data potřebují lepší vysvětlení. Nebojte se na základě reakcí vizualizaci předělat – lepší než pak čelit zmatku čtenářů.

Příklady úspěšných datových investigativních projektů

Datová žurnalistika prokázala svou sílu prostřednictvím řady průlomových investigativních projektů, které odhalily skryté pravdy a přinesly významné společenské změny. Ukázalo se, jak systematická analýza rozsáhlých datových souborů v kombinaci s klasickými novinářskými metodami dokáže odhalit korupci, nespravedlnost a systémová selhání.

Panama Papers – to je projekt, který si zaslouží zvláštní pozornost. Představuje pravděpodobně největší datový únik v historii žurnalistiky. Mezinárodní konsorcium investigativních novinářů probralo více než 11,5 milionu dokumentů z panamské advokátní kanceláře Mossack Fonseca. Stovky novinářů z desítek zemí strávily měsíce tím, že procházely tato data, identifikovaly offshore společnosti a propojovaly politiky, podnikatele i celebrity s daňovými ráji. Co z toho vzešlo? Odhalení rozsáhlých daňových úniků a praní špinavých peněz po celém světě. Několik politických lídrů muselo odstoupit a v mnoha zemích se zahájila vyšetřování.

Pak tu máme investigaci The Guardian o Cambridge Analytica, která odhalila masivní zneužití osobních dat uživatelů Facebooku pro politické účely. Novináři zjistili, jak byla data desítek milionů uživatelů získána bez jejich vědomí a následně využita k cílení politických kampaní. Projekt spojil tradiční investigativní postupy s analýzou datových toků a digitálních stop. Výsledek? Celosvětová debata o ochraně soukromí a regulaci technologických gigantů.

Ve zdravotnictví se datová žurnalistika prokázala při odhalování problémů v lékařském systému. ProPublica vytvořila projekt Dollars for Docs, který analyzoval platby farmaceutických společností lékařům v USA. Novináři zpracovali miliony záznamů o finančních transakcích a vytvořili veřejně dostupnou databázi. Ta umožnila pacientům zjistit, jestli jejich lékaři dostávají peníze od farmaceutických firem. Díky tomu se zdravotnictví stalo transparentnějším a legislativa se změnila.

BBC vytvořila působivý projekt zaměřený na analýzu leteckých nehod, kde zkombinovala historická data o haváriích s geografickými informacemi a meteorologickými záznamy. Prostřednictvím interaktivních vizualizací ukázali vzorce a trendy v letecké bezpečnosti, které by jinak zůstaly skryté v tisících stránkách zpráv. Projekt pomohl lidem lépe pochopit rizika letecké dopravy a identifikoval oblasti, kde je potřeba něco zlepšit.

The Guardian přišel s projektem The Counted, který systematicky dokumentoval případy lidí zabitých policií v USA. Novináři vytvořili komplexní databázi kombinující oficiální zprávy, mediální záznamy a svědecké výpovědi – žádná oficiální vládní statistika totiž neexistovala. Tento projekt odhalil rasové nerovnosti v policejním násilí a stal se důležitým podkladem pro debatu o reformě policie.

Datová investigativa funguje i při odhalování environmentálních skandálů. Vezměte si projekt Dieselgate, kdy novináři analyzovali emisní data vozidel Volkswagen a odhalili systematické podvádění v emisních testech. Kombinace technické analýzy dat ze senzorů vozidel s dokumenty z interní komunikace vedla k jednomu z největších podnikových skandálů v automobilovém průmyslu.

Co nám tyto projekty ukazují? Úspěšná datová investigativa vyžaduje nejen technické dovednosti v práci s daty, ale také schopnost klást správné otázky, ověřovat informace a prezentovat složité nálezy srozumitelným způsobem širokému publiku.

Etické otázky a ochrana soukromí při práci

Datová žurnalistika je způsob, jak dnes novináři pracují s obrovským množstvím dat, aby z nich vytáhli důležité informace a vytvořili příběhy, které mají skutečný smysl. Jenže práce s daty s sebou nese pěkně zamotané etické dilema – kde končí právo veřejnosti vědět a kde začíná soukromí jednotlivce?

Představte si, že máte přístup k databázi tisíců lidí, kde vidíte jejich zdravotní záznamy, bankovní převody nebo třeba soukromou korespondenci. I když jste k těmto údajům přišli legálně, můžete je prostě tak zveřejnit? Tady přichází ta nejtěžší část práce datového novináře – vážit na vahách veřejný zájem proti právu lidí na soukromí. Každý takový případ je jiný a univerzální odpověď prostě neexistuje.

Pak je tu problém s anonymizací. Myslíte si, že když z dat vymažete jména a rodná čísla, jste v bezpečí? Bohužel to tak nefunguje – i zdánlivě anonymní data se dají často znovu poskládat jako puzzle a najednou víte přesně, o kom se píše. Stačí zkombinovat věk, místo bydliště, zaměstnání a pár dalších detailů, a máte to. Moderní analytické nástroje dokážou z těchto střípků poskládat celý obraz, i když původně byly všechny přímé identifikátory odstraněty.

A co když vám data přistane někdo na stůl? Možná je někdo vynesl z firmy, možná je zveřejnil whistleblower, nebo se k nim dostali hackeři. Můžete taková data použít? Tady není černobílá odpověď. Záleží na tom, co ta data obsahují, jak velký je veřejný zájem a co by jejich zveřejnění znamenalo pro dotčené lidi. Každý případ vyžaduje pečlivé zvážení všech pro a proti.

Důležité je i to, aby novináři ukázali své karty. Jak jste k datům přišli? Jak jste s nimi pracovali? Jaké metody jste použili? Lidé mají právo vědět, jak jste došli ke svým závěrům, aby si mohli udělat vlastní názor na to, jestli je vaše práce důvěryhodná. Když schovávate své postupy, vyvoláváte pochybnosti.

Pak je tu kontext. Data sama o sobě jsou jen čísla a fakta – mohou být zavádějící, neúplná, vytržená ze souvislostí. Je povinností novináře vysvětlit, co ta data vlastně znamenají, jaká mají omezení, kde může být zkreslení. Jinak můžete nechtěně šířit dezinformace, i když jsou vaše data technicky správná.

Když pracujete s citlivými daty od důvěrných zdrojů, musíte myslet na jejich bezpečnost. Ochrana identity zdroje není jen etická povinnost, ale často jde doslova o život. Šifrovaná komunikace, zabezpečené úložiště dat, opatrnost při zveřejňování informací – to vše musí být samozřejmostí.

A co algoritmy a umělá inteligence? Ty se dnes v datové žurnalistice používají čím dál víc. Problém je, že často nikdo pořádně neví, jak přesně fungují a jaká zkreslení v sobě můžou mít. Neprůhledné algoritmy můžou vést k nespravedlivým závěrům, které pak poškodí konkrétní lidi nebo celé skupiny obyvatel. Proto je potřeba umět vysvětlit, jak takové nástroje pracují a kde jsou jejich limity.

Budoucnost datové žurnalistiky a umělá inteligence

Svět datové žurnalistiky se mění k nepoznání – a umělá inteligence s strojovým učením jsou hlavními hybateli této proměny. Představte si, jak se mění každodenní práce novináře: místo zdlouhavého proklikávání stovek dokumentů může nyní nechat algoritmy, aby mu udělaly hrubou práci. A pak se může soustředit na to, co opravdu umí – vyprávět příběhy, které lidi zaujmou.

Kolik hodin by vám zabralo projít tisíc dokumentů? A kolik vzorů a souvislostí byste v nich dokázali odhalit? Automatizace rutinních úkolů tady mění pravidla hry. Algoritmy zvládnou za pár minut to, na co by člověk potřeboval týdny. Prohledají data, najdou zajímavé anomálie a upozorní na příběhy, které stojí za pozornost. Novinář se tak může věnovat tomu důležitému – ověřování, kontextu a smysluplnému vyprávění.

Technologie rozpoznávání jazyka otevřely zcela nové možnosti. Můžete sledovat, jak se veřejné mínění mění z hodiny na hodinu na sociálních sítích. Můžete mapovat, jak se určité téma vyvíjí v médiích. Nebo odhalit dezinformační kampaň dřív, než se rozšíří. Umělá inteligence dokáže zpracovat obrovské množství textů a vytáhnout z nich podstatné informace, které by jinak zůstaly pohřbené v záplavě dat.

S prediktivní analytikou to je fascinující i trochu děsivé zároveň. Dokážete předpovědět ekonomický vývoj, odhadnout volební výsledky nebo rozpoznat nastupující společenské trendy. Jenže pozor – každá předpověď má své limity a ty musí být jasně řečené. Nikdo nemá křišťálovou kouli a algoritmy taky ne.

Vizualizace dat prošla revolucí. Moderní nástroje vám samy navrhnou, jak nejlépe zobrazit čísla tak, aby jim lidé rozuměli. Interaktivní vizualizace řízené umělou inteligencí umožňují každému čtenáři procházet data vlastním způsobem a najít si souvislosti, které ho zajímají nejvíc.

Personalizace obsahu zní skvěle – každý čtenář dostane informace přesně tak, jak mu vyhovují. Ale kde je ta hranice? Nechceme přece uzavřít lidi do informačních bublin, kde uvidí jen to, co algoritmus považuje za vhodné. Tady je potřeba opatrnosti.

Boj proti dezinformacím získal mocné zbraně. Automatizované systémy dokáží zkontrolovat fakta během chvilky, odhalit upravené fotky nebo videa a sledovat, jak se fake news šíří po internetu. V době, kdy se lež rozletí po světě dřív, než si pravda stihne obout boty, je to neocenitelná pomoc.

Jenže – a tady je velké ale – transparentnost musí zůstat na prvním místě. Černá skříňka algoritmů nemůže nahradit novinářskou odpovědnost a zdravý úsudek. Čtenáři mají právo vědět, jak příběh vznikl, jaká data se použila a kde algoritmy hrály roli. Žádné tajnosti.

A co s tím vším dělat? Novináři dnes potřebují rozumět programování, statistice i principům umělé inteligence. Zároveň technici musí pochopit, jak funguje žurnalistika a proč jsou etické standardy tak důležité. Bez tohoto propojení se nikam neposuneme.