Hva spør du om før du skriver én setning om et datasett?

Nesten hver gang jeg møter nye deltakere, kommer det samme spørsmålet i løpet av første time: hva gjør jeg egentlig når jeg har fått en tabell foran meg og ikke vet hvor jeg skal begynne? Svaret mitt er alltid kjedelig på en nyttig måte. Du begynner ikke med å lete etter en overskrift, og du begynner ikke med å regne. Du begynner med å lese tabellen som en tekst, fra venstre mot høyre og fra topp til bunn, og skriver ned det du ikke forstår.

Det kan virke tregt, men det er her de fleste feil blir avverget. Mange deltakere har erfaring med å lese ferdige saker, og de er vant til at tallene allerede er tolket for dem. I et rått datasett er det ingen som har gjort den jobben. Du må selv finne ut hva en rad betyr, hva en kolonne måler og hvem som har samlet inn tallene. Dette er første modul i Fra tall til nyhet, og vi bruker god tid på det.

Før du ser på selve tallene, les kolonneoverskriftene én etter én. En kolonne som heter «verdi» sier ingenting uten enhet. Er det kroner, tusen kroner, prosent eller antall personer? Jeg har sett deltakere bruke en halv time på en tilsynelatende dramatisk økning som viste seg å være et skifte fra hele kroner til tusen kroner midt i tabellen. Fotnoter og metadata ser kjedelige ut, men det er der forfatteren av datasettet innrømmer hva som ikke er med.

Se også etter definisjoner. Hva regnes som en «hendelse», en «bosatt» eller en «søknad»? Samme ord kan bety ulike ting i to tabeller fra to ulike kilder. I øvelsene våre bruker vi åpne eksempeldata, og vi ber deltakerne skrive én setning per kolonne om hva de tror den måler, før de sjekker mot dokumentasjonen. Gapet mellom gjetning og fasit er ofte den mest lærerike delen.

• Hva måler hver kolonne, og i hvilken enhet?
• Hvem har samlet inn tallene, og når?
• Hva er definert inn og ut av datasettet?

Når du forstår hva kolonnene betyr, ser du på formen. Hvor mange rader er det? Er det en rad per person, per kommune, per måned? Finnes det tomme celler, og er de tomme fordi noe mangler eller fordi verdien er null? Dette er en forskjell som kan snu en hel konklusjon. Sorter kolonnene fra minste til største, og se på de ytterste verdiene. Er det en verdi som er tusen ganger større enn de andre, er det enten en spennende nyhet eller en tastefeil.

Det er fristende å hoppe rett til gjennomsnittet, men gjennomsnittet skjuler det meste. Jeg ber deltakerne først lage en enkel telling: hvor mange rader, hvor mange tomme felt, hvilken periode dekkes. Alt dette kan gjøres i et vanlig regneark uten tilleggsprogrammer. Kurset forutsetter ingen matematikkbakgrunn, bare vilje til å se nøye etter og skrive ned det du finner underveis.

Først nå er du klar til å stille journalistiske spørsmål. Et godt spørsmål til et datasett er smalt nok til at tallene faktisk kan svare på det. «Går det dårligere i kommunene?» er for vagt. «Hvordan har antall registrerte saker per tusen innbyggere endret seg mellom to bestemte år i kommunene i datasettet?» kan besvares, og det kan etterprøves av en annen. Vi øver på å skrive spørsmålet ned før vi rører tallene, slik at vi ikke tilpasser spørsmålet til det vi tilfeldigvis fant.

Skriv også ned hva som ville være et overraskende svar, og hva som ville være et kjedelig svar. Det hjelper deg å merke deg når du lures av egne forventninger. Hvis alle kommunene i eksempelet viser samme utvikling, er det kanskje ikke en historie om kommunene, men om hvordan tallene er målt. Denne vanen med å si høyt hva du forventer, er noe av det deltakerne sier de bruker mest etter kurset.

• Gjør spørsmålet smalt og etterprøvbart
• Skriv ned forventet svar før du regner
• Avgjør hva som ville gjøre deg overrasket

Underveis skriver du en enkel arbeidslogg. Den trenger ikke være pen. Noter hvilken fil du åpnet, når du hentet den, hvilke rader du fjernet og hvorfor, og hvilke beregninger du gjorde i hvilken rekkefølge. En kollega, redaktør eller du selv om et halvt år skal kunne følge sporet og komme til samme tall. Dette er kjernen i det vi kaller etterprøvbarhet, og det er ikke en formalitet som kommer til slutt, men noe du gjør løpende.

Mange tror de skal huske hva de gjorde. Det gjør de ikke, særlig ikke når datasettet oppdateres og alle tallene endrer seg litt. En kort logg redder deg også når noen spør hvorfor tallet ditt avviker fra et annet tall i omløp. Da kan du svare med hva som er forskjellen i utvalg, periode eller definisjon, i stedet for å forsvare tallet uten å vite hvorfor det ble slik.

Først etter dette kommer teksten. Da vet du hva tallene dekker, hva de ikke dekker, og hvilket spørsmål du faktisk kan svare på. Det gjør setningene dine kortere og mer nøkterne, fordi du ikke trenger å skjule usikkerhet bak store ord. Skriv hva du fant, over hvilken periode og i hvilket utvalg, og la leseren se at du har valgt å ikke si mer enn tallene tåler.

Nå i høstukene kommer det gjerne nye årsrapporter og oppdaterte tabeller fra offentlige kilder, og det er en god anledning til å øve. Hent et åpent datasett, bruk rekkefølgen over, og se hvor langt du kommer før du skriver første linje. De fleste oppdager at de ni av ti første timene går med til å forstå materialet, og at selve skrivingen går raskt etterpå.