编者按：《调查报道信息核实手册》（Verification Handbook for Investigative Reporting）是一本有关网络搜索和调查技巧的新鲜实用指南，指导人们如何利用UGC（user-generated content, 即用户生产的内容）和开源信息进行网络搜索和调查。此手册由总部设于荷兰的GIJN成员“欧洲新闻中心”（European Journalism Centre）出版，共有10章，均可免费下载。以下是该书第5章，由调查记者Giannina Segnini编写。
时至今日，记者们接触信息的渠道之多前所未有。现在世界上每天生成的数据有3 EB之多，相当于7亿5千万张DVD 的容量之和 (1EB = 1024TB = 1048576GB = 1073741824MB)，而且这个数字每3年零4个月就能翻一番。
第一步就是对所有人和事物提出质疑。用数据一丝不苟地做新闻时，你会发现没有一个消息源是完全可靠的。
举个例子，问大家这样一个问题：你会完全信任世界银行发布的数据库吗？我问过的大多数记者都会回答“信任”；他们认为世界银行是可靠消息源。那就让我们验证这判断对不对。我选了两个世界银行的数据组来说明如何验证数据，并向各位强调：甚至所谓“可靠”的消息源也可能给出错误数据。我会沿下图所示的步骤带大家一探究竟：
在表格里只升序筛选“借出款项（Lending Project Cost）”这一数据，就能很快发现多条记录在这一列居然显示为零。
这就意味着如果项目花费显示为零的条目得不到合理解释，任何人在计算或分析每个国家、区域，或年份时引用相关项目支出数据就可能出错，这样的数据集就会导向错误结论。
世界银行发布了另一个数据库，涵盖了1947年以来它所资助的每个项目的单独数据（不仅仅是估算数据），如下图所示：
如下图，在Excel里打开名为 api.csv 的文件（2014年12月7日的版本），你就会一目了然：数据混杂，一格里包含很多变量（例如领域名称或国家名称）。但更值得注意的是：文件并没有涵盖所有1947以来的投资项目。
实际上，数据库只收录了1947年以来世界银行15000多个项目中的6352个。（注：世银最终纠正了错误。到2015年2月12日为止，这份文件共收集16215条记录。）
我在波多黎各开工作坊期间，发现了另一个数据库不够连贯的例子。 我们从审计官的办公室调用了政府合同数据库。去年全部的合同中，有72份政府合同在花费记录上出现了负值（$–10,000,000）。
第二张图显示的是你可以用数据库里的数值范围生成一个柱状图，在表格中移动箭头筛选数值。可用同样的方法筛选日期和文本数值。
是否有重复记录？
我们犯的一个普遍错误是处理数据时没辨识出重复记录。
处理涉及人、公司、活动或交易的分类数据或信息时，首先搜索每条信息的唯一识别项。以世界银行的项目评估数据库为例，每个项目都包含一个唯一编码，或者“项目ID”，以供识别。其他机构的数据库可能有唯一识别码，或者像政府合同数据库那样，有一个合同编码。
这种情况下，重复记录的产生是由于每一条记录都用了多重评估类型，我们必须选择最值得信赖的评估方式。（在这个例子中，“表现评估报告” [PARs]似乎是最可信的数据，它们让评估更有说服力。该数据由独立评估小组（Independent Evaluation Group ）开发，它每年独立、随机选取了世界银行25%的项目做抽样调查，派专家实地评估项目结果，发布独立评估报告。）
数据准确吗？
世界银行的数据库按理应该收录了该机构所发起的所有项目，如果我们按每项花费的降序排列这些项目，会发现印度有一个项目花费最多，总额高达298.333亿美元 (相当于人民币1852亿元)。
如果我们在谷歌上搜索项目号（P144447），我们就能看到项目和其拨款的原版批准文件，清楚写着298.33亿美元的花费。这说明数字是准确的。
核实数据的完整性
例如，在世界银行的数据库里，还有不少多年前就得到批准的项目依然在“活跃”之列，即使很多项目已经结束了。
为了验证，我创建了一个数据透视表，把每年批准通过的项目分组。接着筛选数据，只显示那些在“状态”一列是“进行中（Active）”的项目。我们发现1986、87和89年审批通过的17个项目在数据库里依然显示为“进行中”。他们几乎都在非洲。
我们应该使用其他的测试来检测世界银行数据的一致性。例如，检查贷款接收方（在数据库里显示的时“借款人”（borrowers））和（或）“国家名称”（Countryname）标注的国家组织与实际政府是否一一对应。或者看看这些国家分属的区域是否正确（查“区域名称”（regionname）一列）。
破解编码和缩略词
吓跑记者的最好方法之一是给他/她充斥特殊编码和术语的复杂信息，这是希望隐瞒信息的官员和组织偏爱的伎俩。他们希望我们从公开信息里看不出个所以然。但编码和缩略词也有好处：可以减少用词量，扩充信息容量。几乎所有数据系统，不论公共还是私人，都用编码和缩略词来分类信息。
世界上很多人、机构和事物都有一个或数个专属编码。人们拥有身份证号、社保号码、银行客户编号，纳税人识别号，学号，雇员编号等。
因此我们必须学习如何破解编码，理解他们是怎么被用来表达数据库背后的逻辑，更重要的是，理解他们之间的关系。
全世界有1700万个货物集装箱，每一个都有一条唯一识别码，我们如果知道识别码开头的四个字母和物主的身份相关，就能依此追踪集装箱的去向。在这个数据库里，你可以查询物主信息。一条神秘编码的四个字母，就已经打开了获取更多信息的大门。
在世界银行记录评估项目的数据库里，编码和缩略词比比皆是，而令人惊奇的是，机构并没有发布统一的词汇表阐述编码的含义。一些缩略词甚至已经过时，仅在旧文件里出现。
例如在“资金调度工具（Lending Instrument）”这一栏，根据世界银行资助项目的16种信贷工具类型，把所有的项目分类：APL, DPL, DRL, ERL, FIL, LIL, NA, PRC, PSL, RIL, SAD, SAL, SIL, SIM, SSL 和TAL 。为了理解数据，有必要弄清楚这些缩略词的意思。否则你还不知道“ERL”指的是紧急贷款，专门贷给刚经历武装冲突或者自然灾害的国家。
编码SAD, SAL, SSL 和PSL和上世纪80、90年代世界银行争议颇多的“结构调整项目（Structural Adjustment Program）”有关。该项目贷款给身陷经济危机的国家，作为交换，这些国家调整经济政策，以削减财政赤字。（由于在好几个国家造成的社会影响，这个项目受到诸多质疑。）
世界银行称，自上世纪90年代末，他们更重视以“发展”为目标的贷款，而不那么重视那些旨在“调整”的了。但是，数据库显示，在2001年和2006年之间，150多笔批准的贷款标示的是“结构调整编码”。
这是数据库的错误？还是结构调整项目2000年之后仍在继续？
这个例子告诉我们：破解缩略词不仅是评估数据，更重要的是能发现公众关心的故事。
这个故事浓缩了我在数据调查里学到的最有效的经验：即使最好的数据分析也不能代替现场新闻和实地核查。