Наприкінці березня на конференції з інфографіки «Малофєй» (Іспанія) українську журналістку Ярину Серкез було відзначено бронзовою медаллю. Перемогу здобув матеріал «Мистецтво мілісекунди», в якому йдеться про те, як змінювалися результати переможців зимових Олімпійських ігор, починаючи з 1920 року і дотепер.

«Учора я отримала свою першу медаль “Малофєй”, кілька років тому це здавалося майже неможливим», — прокоментувала перемогу журналістка. До слова, її талант помічали вже й раніше: у 2017 році вона виграла одну з найпрестижніших відзнак у сфері журналістики даних Data Journalism Awards. Обидві нагороди стали не тільки першими для Ярини, але й для України...

Нині Ярина Серкез працює візуальною журналісткою The Wall Street Journal, до якого її запросили в червні 2017 року. Шлях до американського видання був непростим. Протягом кількох років дівчина створювала інфографіку та візуалізації для українських мас-медіа: «Тексти», «День», «Українська правда». Потім було навчання в Університеті Міссурі (США), стажування у The New York Times. А вже за рік вона потрапила до The Wall Street Journal, де й залишилася працювати.

«Детектор медіа» зв’язався з Яриною Серкез і поговорив із нею про специфіку роботи візуального журналіста та про секрети підготовки текстів у популярному всесвітньому виданні. Розмова почалася із запитання про те, як Ярина зацікавилася візуальною журналістикою:

— Почалося все дуже прозаїчно, з першої школи інфографіки в Києві, яку організовували «Тексти» сім років тому. Це був загальний вступний курс про можливості data-журналістики. Нас не вчили ні програмувати, ні працювати з R чи Python. Але мені дуже пощастило, що я туди потрапила. Вже тоді я бачила багато проектів, які робили The New York Times та The Washington Post. В Україні фактично ніхто не знав про це — вперше про це почали говорити «Тексти». Анатолій Бондаренко (головний редактор «Тексти». — Ред.) дуже мене надихнув, і після того я почала вчитися сама.

У мене гуманітарний бекґраунд, тому починала я з того, що було мені під силу. Зокрема, зі статичних графіків в Illustrator. Але потім зрозуміла, наскільки це лімітує мої можливості з огляду на складність проекту чи його впливу. Мені довелося вчити програмування. Інакше це було би дорогою в нікуди.

Найлегше, напевно, було розібратися з R (мова програмування і програмне середовище для статистичних обчислень, аналізу та зображення даних в графічному вигляді. — Ред.). Але рано чи пізно будь-які результати дослідження чи журналістського проекту закінчуються тим, що їх треба публікувати. Тому я взялася за вивчення JavaScript. Python знадобився у процесі роботи. Він — один із моїх основних інструментів для аналізу даних, особливо якщо це великий масив.

— Згадай свій найперший проект і які складнощі в тебе виникли під час роботи?

— Складнощі виникають завжди. Дуже часто вони одні й ті ж. У моїй роботі вони бувають декількох типів.

По-перше, це робота з даними. Вони можуть бути дуже «брудними» та неструктурованими. Може бути, що в тебе є величезна база адрес і в кожній є якісь друкарські помилки. Ці неправильні адреси потрібно відфільтрувати і звести до спільного знаменника, який матиме сенс.

По-друге, це відображення даних. У тебе може бути настільки складний проект, що ти просто не знаєш, як правильно розробити його дизайн. Ти маєш розуміти, що увага твого читача в інтернеті лімітована і в кілька хвилин треба втиснути всю історію, не важливо, наскільки вона складна. Потрібно вмикати інженерне мислення, щоби розуміти, як зацікавити й утримати аудиторію, як має йти нитка наративу, щоб людина дочитала це до кінця, зрозуміла загальну картину й нюанси, які ти хочеш донести.

По-третє, представлення кінцевого продукту й технічні нюанси. Тобто можна створити дизайн класної візуалізації з надзвичайно цікавими даними, але якщо вона завантажується більше 10 секунд — це провал. Часто доводиться попітніти, аби візуалізація виглядала добре як на десктопі, так і на мобільних девайсах. Іноді потрібно створювати дизайн та розробляти дві окремі версії.

— Скільки часу в тебе займає процес підготовки візуалізації?

— Дата-журналістика — це не стандартний алгоритм роботи з клієнтом у студії дизайну чи веб-розробки. Це частина життя ньюзруму. Може трапитися breaking news (екстрені новини. — Ред.), і доведеться все робити на льоту. Але якщо це заплановане висвітлення подій: вибори, Олімпійські ігри, інші великі події чи просто аналітика без прив’язки до щоденних новин — ми все плануємо наперед. Іноді навіть місяцями.

Один із моїх нещодавніх проектів, над якими я працювала, розповідає про торгівлю між Китаєм та Америкою. Він про те, як Китай змінив весь баланс сил не лише для США, але й для їхніх сусідніх та інших країн, яким раніше належала левова частка експорту до США.

На початку цього проекту в нас було 2 Гб даних — інформація про торгівлю всіма предметами між усіма країнами починаючи з 1961 року. Спробуй тут розказати якусь виразну історію! Проблема полягала в тому, що там було декілька дуже цікавих прикладів. Графіки показували, що Німеччина, В’єтнам та інші країни мали велику частку експорту різдвяних іграшок у 1960–70 рр. до США. Буквально через десять років їх витіснив Китай. Нині близько 95 % усіх різдвяних прикрас ідуть до Америки з Китаю. Це був такий собі hook (гачок), яким можна було зацікавити читачів напередодні Різдва. Таких гачків у редакторів було штук 20. Я пішла з ними на компроміс і запропонувала те, що я називаю zoomed in small multiples. Це інтерактивний варіант поширеної практики у сфері дата-візуалізації. Під час наративу ми збільшували вибрані міні-графіки, щоби читач побачив не лише загальну картину, але й конкретні анекдотичні історії. Я працювала над цим проектом близько місяця, лише тиждень пішов на формування наративу. Після того ми провели додаткову роботу і з даними, і з девелопментом, і з тестуванням — усім, що необхідно для остаточного продукту.

— Які інструменти ти використовуєш у своїй роботі?

— Їх дуже багато, але все зводиться до кількох мов програмування. JavaScript, основний інструмент для веб-девелопменту, необхідний фактично для кожного проекту разом із CSS, HTML. Для швидких прототипів та аналізу даних я використовую R та його бібліотеку ggplot2. Python — для глибшого дослідження. Хоча дуже часто його можна замінити відповідними командами в R.

У світі дата-журналістів та візуалізаторів є ті, хто використовує або R, або Python. Я десь посередині: працюю з обома, залежно від складності проекту.

У мене був проект про місію зонду NASA Кассіні. Використання Python було обов'язковим, оскільки як людині, яка не програмує на С, навігаційні дані Кассіні найзручніше було обробляти з бібліотекою SpiceyPy. Jet Propulsion Laboratory написали її для роботи з обрахунками різноманітних місій. Для дуже простих мокапів і статичних графіків я використовую Illustrator.

У випадку з картами існує зовсім інший «всесвіт»: GDAL, QGIS або ArcQIS — для роботи з геоданими, Mapbox або Leaflet — для веб-розробки.

Повертаючись до JavaScript, то я найчастіше працюю з D3.js і Three.js, які дають змогу робити більш складні та кастомізовані візуалізації.

— Який твій проект був найбільшим викликом?

— Дуже багато було мороки із проектом про Китай. Але стосовно технологій, він був доволі простим. Запрограмувати його було легко. Питання в тому, як дійти до цієї історії, як її знайти і сформулювати? Це було доволі складно.

У плані технології, напевно, проект про Кассіні. Я його зробила два роки тому. Але тепер, озираючись назад, розумію, що там не було нічого особливого. У той момент у мене не було так багато знань, і тоді це для мене був wow-проект!

— Якщо порівняти журналістику даних із перегонами, що особисто ти переслідуєш? Чим для тебе є візуалізація даних?

— Для мене це не лише робота. Секрет полягає в тому, що це моя велика пристрасть і мені це дуже подобається. Щодня доводиться працювати з різними типами даних. Тобто ти можеш працювати як data scientist (дослідник даних. — Ред.) у якійсь компанії, але в тебе буде більш-менш передбачуваний патерн: підеш у фінанси, будеш працювати з біржовими та банківськими даними. А тут — щодня нова пригода. Шалені проекти про морський трафік в Арктичному океані, космічні дані про перебування супутників на підході до Сатурну чи результати Олімпійських ігор…

Я люблю цю роботу за те, що вона така цікава й вимоглива: ніколи не дає розслабитися. Завжди маєш тримати свої навички в тонусі. Я хочу досягти такого результату, щоб, озирнувшись назад, мені сподобалися всі мої проекти. Не знаю, чи таке взагалі можливо. Але хотілось би.

— Наскільки великою є конкуренція серед дата-журналістів у США?

— Шалена. Зараз це не швидкоплинний тренд, а стандарт. Майже у всіх великих ньюзрумах є цілі команди. Наприклад, наш департамент складається із 40 людей. Не всі вони займаються глибоким аналізом, але, умовно кажучи, ці люди візуалізують різні історії, які публікує газета. Схожа ситуація і в The New York Times, і в The Washington Post. Є видання, які тільки на це й зорієнтовані. Тобто вони майже всі складаються з візуальних журналістів.

Конкуренція є дуже потужною. Тим паче вона йде з різних напрямків. Не всі ми працюємо в однакових типах структур: є великі національні газети The New York Times, The Washington Post і The Wall Street Journal. Є більш нішеві видання: FiveThirtyEight, The National Geographic. Є просто скажені і фантастичні хіпстерські проекти як The Pudding, який цього року просто забрав усе золото в більшості конкурсів. У них немає майже ніяких інституційних бар'єрів, можуть робити будь-які експерименти, які дозволить їм уява, плюс вони шалено талановиті.

Є ще інші дизайн-студії, приватні інституції, як DensityDesign Lab в Мілані. Вони теж завжди роблять класні візуалізації, які для нас є натхненням чи зразком.

— Серед журналістів-початківців панує думка, що журналістика не про цифри…

— Дуже багатьом нашим репортерам часто доводиться робити попередній аналіз своїх даних. Звісно, що їм потрібно розбиратися з даними чи математикою. Я навіть не знаю, чи в нас є журналісти, які «бояться» цифр, інакше це просто некомпетентне висвітлення подій, про які вони пишуть.

— З чого би ти порадила починати займатися візуалізацією?

— Я би порадила почати з розуміння того, чого би ви хотіли досягнути. Всі ці нашарування, про які я говорила: й картографія, й веб-девелопмент, і аналіз даних, і графіки — різні напрямки. У деяких ньюзрумах ними займаються конкретні люди. Дуже рідко буває людина, яка робить усе дуже добре. Це радше виняток. Не треба на це орієнтуватися із самого початку. Варто почати з роботи з даними. R або Python. Тобто навчитися їх розуміти, фільтрувати дані і знаходити в них історії. А вже після того будуть потроху нарощуватися мускули візуалізації, як можна представити необхідну інформацію: основи візуального дизайну, кольорів, шрифтів тощо.

Фото: Любомир Савчинський, creatives.media