数据新闻组织指南
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Data Unit Guide（DUG）并不是传统意义上的在线课程，而是一个面向新闻机构的数据新闻能力建设指南。正文明确指出，它不定位为“如何成为数据记者”的教程，而是关注如何把数据引入新闻生产流程，并帮助新闻编辑部搭建相关组织基础设施。其内容菜单覆盖 Getting Started、People、Structure、Tech and Tools、Value、Fundraising 等板块，说明它更像一套团队建设与运营框架。
在课程领域上，DUG 聚焦数据新闻、数据团队建设和新闻机构内部的数据能力提升。授课形式方面，抓取文本没有显示直播、录播或1v1教学安排，也没有作业、社群、导师反馈等课程化机制，因此应视为自学型文字指南。认证/证书方面未见任何证书信息。授课语言从正文判断为英文。师资与机构背景较清晰：项目来自 Caldern LLC 与密苏里新闻学院 Reynolds Journalism Institute，主要作者为 Clayton Aldern 和 Tatyana Monnay，并获得 RJI 与 The Tableau Foundation 支持，具备一定新闻行业与公益资源背景。
正文明确写明该指南免费使用，并尽量整合免费和开源工具，降低中小型及非营利新闻编辑部开展数据新闻的成本。支付方式没有出现，因为没有付费信息。其开源属性也是亮点，用户可通过代码仓库提交 pull request，或通过邮件反馈建议。
优点是定位清晰，填补了个人技能教程之外的组织建设空白，适合资源有限的新闻机构参考；免费和开源也提升了性价比。缺点是它并非结构化课程，缺少学习进度、讲师讲解、证书和服务支持；同时内容面向新闻行业，泛数据分析学习者可能收获有限。
它最适合中小型新闻编辑部、非营利媒体中负责建设数据新闻团队或流程的人。对于中国用户，正文没有提供网络访问、支付或中文本地化信息，因此中国访问状态只能标为未知。若需要中文或系统化教学，可考虑数据新闻公开课、新闻传播院校课程或其他数据可视化与新闻数据分析培训作为替代。
本测评基于公开资料整理,不构成购买建议,请以 dug.news 官网实际信息为准。
免费数据新闻方法论，适合媒体和内容团队学习。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。