【WPS知识库】初代金山办公KVP王琼：武大教授如何穿越创业康波周期？

#靠谱AI办公WPS #WPS知识库

WPS活动锦鲤许愿池

@金山办公

赵九州：回看2013年你第一次接触数据新闻的那一刻，最震撼你的是什么？是什么让你选择把数据叙事作为自己的事业？

王琼：2013 年第一次接触数据新闻时，最吸引我的是它能弥补传统新闻的局限，靠数据可视化带来全新的信息阅读体验 —— 这也是我选择它的核心原因。

传统新闻多是截面化个案，比如人物专访、事件报道，缺宏观和历时视角，有时反而误导认知。就像 “狗咬人不是新闻，人咬狗才是新闻”，反常个案会被扎堆报道：某杀妻案后,类似新闻集中出现引发女性不安；问 “消防员、垃圾清洁工、保安，哪种职业死亡率最高”，大家多觉得是消防员（因新闻常渲染其英雄事迹），但美国的一份数据显示是垃圾清洁工 —— 这就是传统新闻在个案上真实，但在整体上却可能造成的拟态环境的失真和认知偏差，而数据新闻靠分析能透视群体现实，更客观。

另一点是数据可视化。传统新闻难呈现海量信息，比如维基解密的伊拉克战争伤亡数据（几十万条），文字根本讲不清；但数据新闻用一张交互式地图，每个点对应冲突时间、地点、伤亡（含妇女儿童数），用户还能自由探索，体验前所未有的好。

加上我本科学病毒学、博士学新闻学，文理交叉背景刚好适配数据新闻（融合计算机图形学、数据科学、新闻传播、信息设计），所以不仅被它震撼，更决定把数据叙事当事业。

《卫报》利用维基解密的数据制作的地图（图源网络）

赵九州：在AI能力的加持下，你觉得“数据新闻”、“数据叙事”的工作流会有什么新框架吗？

王琼：AI（尤其是通用大模型的泛化能力、特定领域专业模型的精准性）会渗透数据新闻工作流的全环节，形成 “AI 辅助提效 + 人工专业把控” 的新框架，但核心始终离不开新闻专业性。

从数据新闻的制作流程来看，每个环节都能融入 AI 的价值：第一步数据获取与预处理，过去人工爬取整合问卷、政府开放数据等多源信息效率低，现在 AI 可高效处理这些数据，减少重复劳动；第二步数据清洗与线索挖掘，比如要分析 300 部电影台词来探究角色特征，过去人工逐句读完全不现实，AI 能快速提炼数据特征、发现关联，还能辅助判断数据是否冗余或不足，减少往复补采的成本；第三步内容产出，如今多媒体报道形式多，AI 可协助生成图文、适配 H5 或小程序的可视化素材，提升呈现效率。

但新框架里，人工的作用更关键：AI 存在 “幻觉”，记者的质疑精神、专业核查能力必须在线 —— 要控制 AI 可能的错误输出，确保数据真实。数据新闻虽有艺术性和传播性，但科学性是第一原则，新闻专业主义不能丢，这才是新框架的核心底线。

赵九州：新闻业界把“新闻专业主义”奉为圭臬，对于数据新闻或者说数据的叙事、表达而言，这种“专业主义”如何体现？

王琼：不管是数据新闻还是传统新闻，“新闻专业主义” 的核心都要坚守 —— 首先是客观真实这一第一性原则，这是所有新闻的根本，数据新闻也不例外。

现在 AI 盛行，生成虚假信息的成本低、效率高，未来互联网可能超 90% 内容由 AI 生成：好的是能产出有想象力的艺术作品，但坏的是会出现大量虚构信息。这对内容机构和受众的媒介素养都是挑战，也让数据新闻坚守 “客观真实” 更关键 —— 我们得用更专业的能力分辨真伪，避免被虚假数据或 AI “幻觉” 误导。

更重要的是，数据新闻的本质是新闻，不是数据：数据只是我们的 “采访对象”，和传统新闻的差异，仅在于信息来源、处理手段和展现方式 —— 传统新闻可能靠采访当事人、亲临现场、查资料获取信息；数据新闻靠分析数据挖掘真相、用数据讲故事，帮公众看懂背后含义。但两者的核心都是传递事实，所以 “新闻专业主义” 不能因 “数据” 这一访问对象和工具的变化而打折扣，无论何时都必须牢牢守住。

赵九州：新闻行业从业者和学者，应该如何学习数据新闻领域的专业知识？

王琼：从业者和学者的学习路径，要结合各自的角色定位来区分 —— 前者侧重 “实践生产”，后者侧重 “思辨研究”，两者的目标和方法差异很明确。

对数据新闻从业者来说，核心是成为 “内容生产者”，学习要围绕 “产出有价值的新闻故事并传播” 展开：一方面要主动掌握新工具，思考如何将工具高效应用于内容生产；另一方面要密切跟踪国内外同行的最新报道手法、视角与形式，把这些实践经验融入自己的作品，最终满足受众的知情权，以及信息的娱乐、文化传承、环境监测、社会协调等功能。

而学者更像 “思辨者”，学习重点是 “探究规律、反思影响”：首先要精读数据新闻领域的经典著作和最新学术论文，紧跟国内外学术共同体的研究方向 —— 比如其他学者在关注什么问题、用了什么理论和方法；其次要主动审视现有研究的不足，思考如何结合中国的研究样本，通过规范的研究得出有价值的结论，最终为全球学术共同体贡献力量，也为数据新闻对社会、国家的影响提供反思，推动社会福祉与人类进步。

赵九州：从 2018 年“镝数图表”上线到今天的“镝数聚”“镝数AI图表”，产品演进背后有哪些“非技术驱动”的决策？

王琼：我们产品迭代的核心，从不是单纯追技术，而是瞄准中国数据新闻的生态短板、行业痛点，以及对社会公共价值的坚持。

最初的决策源于对比：我在美国见记者有便利工具和开放数据做数据新闻，回国却发现国内生态不成熟 —— 高校没相关课程、数据少、缺好用工具。我坚信数据新闻能规避传统新闻的认知偏差, 有社会价值，又深知 “工欲善其事，必先利其器”，便决定从补生态短板起步。

后来调研明确了媒体三大痛点：缺数据、缺工具、缺人才，这成了近十年决策的锚点。最初想做数据内容社区，但早期会做数据新闻的人少、数据开放度低，生态撑不起，便立刻调整：先搭数据平台，自己整理流通开放数据，补 “数据缺口”；考虑到媒体技术人员少，好想法难落地，就开发无代码可视化工具，解 “工具之困”；针对新闻教育缺量化思维，又开数据新闻课程，补 “人才短板”。

到 AI 时代做 “爱图表”，也不是追热点，而是看到媒体人对新技术最敏感、愿尝试，便顺应这一需求迭代功能。始终，技术只是手段，真正驱动决策的，是行业需要什么、数据新闻的社会价值该如何落地。

镝数科技旗下“爱图表”aitubiao.com

赵九州：镝数团队内部如何衡量可视化图表的效果？

王琼：我们衡量图表效果，核心是以数据可视化的专业规则为根基，结合实践经验与用户友好设计，平衡科学性、有效性与易用性。

首先，数据可视化是有成熟学科体系的，从计算机图形学延伸而来，早已形成普遍认可的规则 —— 比如 “科学性优先于美观性”，这和艺术设计不同。学科里明确了颜色、形状、大小等视觉通道的认知效率差异，比如哪种通道更易被感知、多通道叠加时的优先级，这些都有科学实验和论文支撑，我们做衡量时，第一步就是看图表是否符合这些专业理论。

其次，团队核心成员都来自媒体图表设计一线，有大量实战经验。衡量时会结合场景综合判断：比如图表是偏娱乐还是严肃属性？传播渠道是交互形式还是静态图文？这些都会影响数据可视化的选择方案，比如严肃报道的图表需更看起来更加理性、克制，娱乐新闻的图表设计可以更活泼、更fancy。

我们还把这些理论和经验沉淀到产品细节里：一个简单的饼图，要考量最多分几份、最大扇形应放在哪里、不同扇形的排列规则等，甚至字体选择（衬线 / 非衬线）、配色对比（黑底白字 / 白底黑字），单图表配置项就有上百个 —— 这些细节共同决定图表是否 “科学、有效，且美观”。

同时，我们会考虑用户门槛：普通用户可能只觉得 “好看”，不懂背后逻辑，所以用 “皮肤” 功能打包专业配置，让用户直接选样式；用 AI 识别数据结构，自动匹配图表类型（比如判断用柱状图还是饼图、基线是否从 0 开始）。本质是把专业的决策标准，转化为用户易上手的产品能力，确保图表既符合专业要求，又能让用户高效用起来。

赵九州：镝数在C端和B端的现状与未来应用？数据图表在B端应用和C端应用的异同？

王琼：先谈现状：目前镝数C端用户量远大于B端，但从付费总额来看，B端暂时更高。不过我们认为，不管是C端还是B端，未来都有很大成长空间。

核心原因是 “数据表达” 成为刚需的时间并不长：十年前新闻传播领域都很少提数据新闻，直到 2012-2013 年进入大数据时代，2020 年数据成为国民生产要素后，“用数据可视化传递信息” 才逐渐普及。并且，随着数据开放进程加快，和数字经济的深化，“数据可视化表达”不再只是数据新闻工作者的需求，而是成为千行百业、数亿用户的数字化职场办公需求。

再看数据图表在 B 端和 C 端的应用异同：相同点是核心目标一致，都是通过可视化让数据更易读、信息传递更高效，避免 “数据堆砌”。

不同点则集中在需求侧中：C 端用户多是个人创作者、自媒体、普通职场人，需求偏 “轻量化、易上手”，比如做社交平台传播的动态图表（如 GDP 竞赛图），更看重快速出效果、适配传播场景；B 端用户以企业、媒体机构、政府单位为主，需求更 “专业、刚需”，比如媒体做深度报道、企业做业务汇报、政府做政策解读，更看重图表的科学性、定制化能力，付费意愿和金额也更高，这也是目前 B 端付费额领先的原因。

2021年，王琼在长江云融媒体课堂教学

赵九州：从学者到创业者，这两个角色会有怎样的不同？你如何平衡学术理想与商业目标？这两者会对你的工作生活带来怎样的影响和改变？

王琼：我很幸运，学术研究（数据新闻）和创业方向（数据表达产品）完全一致，能天然结合，但两者本质是截然不同的工作，需要两种思维，想做好特别难 —— 最直接的感受就是 “累”，得付出比单做一份工作多几倍的时间精力。

先谈角色不同：学者更侧重 “思辨与规律探究”，比如研究数据新闻的社会价值、可视化理论；创业者则要 “落地与结果导向”，比如打磨产品功能、对接用户需求、考虑商业变现，思维逻辑和工作节奏完全不一样。

对工作生活的影响，就是时间被大幅挤压，个人节奏变慢了，但也有收获：学术让产品更有专业根基，不偏离 “数据表达的科学性”；商业实践又为学术提供了真实案例，让研究不空洞。现在我们的用户量在专业数据表达工具里（除 Office、WPS 外）已是最大，这既是用户对产品的认可，也是对 “学术 + 商业” 这条路的肯定, 再累也觉得值得。

2015年，创业中的王琼与团队成员

赵九州：你觉得AI知识库能否替代传统共享文件夹的作用？又会对传统的数据统计、分析工作带来哪些影响?

王琼：在过去，我们很难在一个共享文件夹里快速找到特定信息，不同文档之间的关联和信息整合更是耗时耗力。但现在有了知识库，我们只需要通过自然语言提问，AI就会自动帮助我们阅读、整理和提炼信息，极大地提高了效率。

赵九州：你作为传播学科的专家，在知识传播和经验传承这个类场景，你都用过哪些工具软件，对于WPS AI知识库，你会有怎样的期待，希望能解决你怎样的问题？

王琼：这取决于我们是做研究、还是做新闻报道的业务实践。两者的区别还是挺大的，会按 “工具选择会分场景：做研究时，除了专业学术知识库，WPS AI 知识库是核心助手 —— 它能系统管理文献、笔记和灵感，自动生成摘要和思维导图，让繁杂资料变清晰；搭配 WPS AI PPT，能快速把知识体系可视化，学术演讲效率翻倍。

对记者来说，知识库是刚需：一是能沉淀优秀记者的文笔风格和洞察，通过团队知识库实现经验共享，提升写作效率；二是帮数据新闻记者把独家数据系统化存储，避免报道过时后数据散落，真正把辛苦整理的数据变成 “奇货可居” 的资产。

对 WPS AI 知识库最期待两点：学术上，希望它像 “无名额限制的跨专业博士助手”，突破招生限制，用 AI 连接不同领域知识，让跨学科研究更顺畅；新闻上，盼它能精准对接领域专家知识，借助 AI 的深度挖掘能力，降低深度报道的协作成本，同时通过技术控制 AI “幻觉”，保障数据真实性 —— 让过去成本高、难落地的优质项目, 未来能更轻松实现。