（贝云网络科技）
报道从海量的数据之中进行意义建构，具体回答了“美国各州无家可归者占比”“美国主要城市无家可归人员的比例”、“无家可归者流动方向及城市”、“纽约无家可归者海外流向”、“接纳地收入状况”以及“是谁和那些组织在接纳无家可归人员”等问题。通过利用 结构性的数据 ，该报道为读者过滤冗杂信息，简洁直观地解释了报道中所涉及的核心概念，为读者提供了获取重要信息的便捷性。
同时，动态图片、静态图片的介入打破了传统的线性文字叙述方式，使得文章能够有效抓住读者注意力。并且由于该报道所采用数据的丰富性，读者能够针对自身的情况（例如所在地，家庭有无流浪人员等）获取特定的信息，进而能够进行个性化的再加工，进行属于自我意义的构建。
报道除了运用数据之外，还有大量的 文字叙述 内容。这些内容是对琐碎、直观数据的补充。该报道文字叙述内容主要为发生在接受这一项目的无家可归人员身上的故事。文字的叙述从个案出发，具体探讨了该项措施对无家可归人员的或积极或消极的影响，从而能够增强报道的故事性，带给读者更直观的体验。在带给读者故事的同时，内容对这一项目的具体影响进行了批判性解读（“ we feel like animals like they put us in a garbage bag and put us to the side”——Jose Ortiz ），进一步弥补了数字本身给读者带来的轻度阅读体验的弊端。