近些年来，数据新闻报道在财经媒体中大行其道，四大证券报都给予了足够重视。重要数据新闻在版面处理上相当突出，也受到读者普遍欢迎。探寻数据新闻规律，把握数据新闻报道时点，是搞好数据新闻报道的前提。
等待数据新闻
由于经济发展的周期性或对经济事件或现象统计的周期性，财经数据的产生或关注价值也就具有周期性。由此决定了财经数据产生时点的可预见性，从某种意义上说数据新闻是等出来的。比如国家每个月定时发布的各类宏观经济运行数据、上市公司定期披露的财务报告等等。但这种等决不是守株待兔式的等，而是织网以待，待来有价值的数据新闻。
几年前，上证指数从千点以下绝地反击，一路上攻至2000点关口。在当时的市场环境下，2000点是十分重要的整数关口，突破2000点大盘创历史新高就指日可待。由此可见，2000点突破意义非凡。对于证券媒体来说，谁都不会放过这个报道时机。对于这个等待的数据新闻，我们如何做到既突出新闻，又与众不同呢？经过仔细分析对比，我们发现指数的回升只是少数权重股和新股的贡献，大量老股其实还是山底徘徊。为此，我们及时推出数据新闻专版《大盘重上2000点 八成股票待解套》，一方面揭示了大盘上涨的实质，另一方面也为新进投资者提供选股信息。由于选题角度独特，颇受市场好评。
比较数据新闻
数据新闻大多都是来自于数据的比较，通过比较才能凸显其中的新闻价值。孤立的数字要么显得枯燥，要么显得单薄，无法判断其大小、好坏。比如2007年A股IPO融资4470亿元，绝对数字够大，但大到什么程度，没有参照物就显得单薄，如果和2006年的1643亿元比较，增长172%，新闻价值有所提升。进一步比较发现，2007年IPO融资竟然超过前5年之和。如此比较，新闻价值就非同一般了。这种比较方法是数据的纵向比较，所挖掘出的新闻属于同比数据新闻。
现在上市公司已几千家，要把这些千差万别的公司放在一起比较，谈何容易。为攻克这一难题，《中国证券报》与清华大学经管学院密切合作，对所有公司财务数据进行反复相关性计算，筛选出四组十五项与绩效关联较大的财务指标，选取最近4个会计年度的平均值。经过反复计算，最后确立绩效值的计算公式，并与公司实际表现进行模对。由此我们从2001年开始，连续8年刊发了中国上司公司绩效综合排序及单项排序，得到业界广泛赞誉。
对有些财经数据单从横向或纵向对比，也许可以发掘其部分新闻价值，但未必到极致。往往需要纵横挖掘，立体呈现。比如，一家上市公司年度营业收入增长30%。这可以算是一则同比数据新闻，但新闻价值并不高。如果通过与同类上市公司横向相比，发现其30%的业绩增长排在前三甲的位置，其新闻价值明显增厚。
“创造”数据新闻
除了对可预见的数据进行等待、比较挖掘外，我们还可以“创造”数据新闻。当然这里的“创造”不是凭空捏造，而是透过事件表象，发掘隐含在数据中的数据新闻。也就是说，其新闻价值是由可预见的数据衍生数据凸显出来的。这才是真正体现新闻敏感性和专业能力的舞台。上面所述的“上市公司绩效排序”，各上市公司绩效得分及排位就是其财务数据的衍生数据。基于此的《2008年度上市公司综合绩效排序揭晓 新和成、金岭矿业、贵州茅台位居前三甲》一文就属于“创造”数据新闻。
证券市场纷繁复杂，市场主体的一举一动都有可能带来价值波动。如何确定事件对市场的影响幅度，往往需要从数据方面寻找突破。比如，随着大量的非流通股获得流通权以及会计政策的变化，上市公司交叉持股带来的财务损益日益突出，而市场的波动也会带来浮盈和浮亏，这是最近两三年才出现的新现象。根据交叉持股的数量、和市场股价的波动，及时跟踪由此带来的财务损益变化，并以数据新闻的形式分析报道。这同样是“创造”数据新闻。
“创造”数据新闻不仅需要新闻敏感性，还必须有专业知识，二者是相辅相承的。只有具备专业能力，才会对异常数据敏感。没有专业素质，摸不清门道，“创造”出的热闹也一定不精彩。
