在2016年美国大选中，由于算法控制，脸书用户通常看到的推送信息是与自己想法接近的观点。这解释了为什么很多人在大选结果揭晓时备感突然，毫无准备。网络行动主义者埃利·帕利瑟在其著作《过滤泡泡》中认为“过滤泡泡”的算法限制，一方面使得数据呈现方式极度个人化，另一方面用户将很难看到冲突性的观点。乔治·华盛顿大学的媒介研究学者尼科·莱塞对此也不无担忧，认为“过滤泡泡”将大众传播转化为大众化的自我传播，其数据质量大为可疑。

　　恼人的民调：大数据，大失误？

　　2016年11月8日，美国共和党总统候选人唐纳德·特朗普，从佛罗里达、北卡罗林纳、康斯维辛等摇摆州中一一胜出，径直摘取获选必需的270张选举人票，媒体一片哗然。此前的民意调查则显示了一个截然不同的舆论场：数据庞大、模型众多、意见杂糅的各类民调统计数据高度一致地预言了特朗普的最终落选。

　　著名统计学者、数据新闻旗帜人物内特·希尔以单独计算民调数据的模式推算希拉里的胜率为71.4%，而这几乎是主要公众调查中最为保守的估计：《纽约时报》估算希拉里的胜率为85％；赫芬顿调查的数据显示希拉里有98%的可能性获胜；而对普林斯顿选举联盟而言，希拉里胜出的可能性更高达99%。事实上，除了《洛杉矶时报》与南加州大学、《投资者商业日报》与技术产业市场情报（TIPP）的两组民意调查，几乎所有主流媒体、独立调查公司、民意测量网站以及选情预测专家都明显看好希拉里的白宫前景。在仅考虑特朗普和希拉里两位总统候选人胜率的测算模型中，包括《纽约时报》《华尔街日报》《经济学人》在内的主要媒体均推测，希拉里将以四个或者更高百分点优势最终胜出（表1）。

　　出人意料的选举结果，在美国各界激起强烈反响。特朗普的支持者在社交网站上毫不客气地讥笑主流媒体的民意预测。美国公众舆论研究联合会在选举日第二天的公开声明中承认“这些调查很显然是错了。”美国有线电视网（CNN）新闻主持人安德森·库珀面对突然翻转的选情，在节目现场不禁发问：“为什么每个人都错了？”而CNN另一主持人杰克·塔珀更加直接而尖锐，他说“这一结果快要让民意调查和选情预测破了产。”

　　而在这次预测落空的选情报道刺痛主流新闻界之前，数据新闻却是不少新闻编辑部内最受欢迎的新闻运作方式之一，政治报道记者对大选数据的青睐更是显而易见。不论是老牌主流媒体，还是网络传媒新力量，《纽约时报》、《卫报》、《经济学人》、CNN、《赫芬顿邮报》对选民舆情数据抓取、筛选、分析、重组以及视觉化处理不遗余力，最大限度地开掘信息的数据价值，增强新闻互动性及用户黏性。而一些独立的新闻机构(如ProPublica.com等)也频繁利用各种在线统计工具进行数据新闻报道。大选选情的动态比对、数据图表演示、交互式地图、视觉化新闻遍布各类媒体与大小网站。从某种意义上说，对数据的深度开发已经深入美国政治新闻记者的集体意识。

　　迷人的数据：从精确新闻到数据新闻

　　在 “数据新闻”“数据驱动新闻”“数据可视化”成为新闻界流行话语之前，精确新闻实践已经在上个世纪六七十年代的美国崭露头角。菲利普·迈耶是20世纪60年代最早使用计算机辅助报道的记者之一。他在《精确新闻：记者的社会科学方法引论》一书中指出，“如果能够适当地使用社会科学家的一些研究工具，我们记者将更少犯错。”

　　早期精确新闻就曾通过对数据的深度挖掘揭示出不同于直觉或者偏见的惊人事实，比如运用计算机辅助分析犯罪数据背后隐匿的社会关系和种族问题。《纽约时报》大卫·博纳姆1973年使用计算机处理从纽约市警察局获取的数据，发现当时纽约黑人比白人有高于40倍的机率成为被谋杀的对象。而发表在《亚特兰特杂志宪章》上另一篇获得1989年普利策新闻奖的作品，以计算机辅助分析美国人口统计局和联邦金融机构检查委员会的数据，揭示出亚特兰大地区金融机构政策中存在的种族主义偏见。美国计算机辅助报道研究所在1989年成立之后，全国范围内的计算机辅助报道比例大幅增加，甚至在一些中小规模的新闻机构中也有尝试。