京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当大数据遇到传播:跨界专家共探新闻业未来
“我想致力于当数据科学家,因为有人说21世纪最性感的职业就是数据科学家。”提及研究方向,中国传媒大学教授沈浩开玩笑地说。
12月23日,沈浩在百度新闻、百度百家、百度新闻实验室举办的“The BIG Club”融合传播精英沙龙上作为演讲嘉宾,介绍了大数据背景下数据挖掘与可视化传播的前景,沈浩妙语连珠的讲解给在场嘉宾留下了深刻印象。
对于大数据与传播的关系,沈浩一针见血:“大数据对我们新闻传播从生产方式、内容、传播、包括受众都产生重大影响。大数据提升了新闻所具有的价值、敏感性以及新鲜性”。
这场以“大数据、新传播”为主题的沙龙活动,邀请了百度大数据实验室主任张潼和CMRA市场研究协会会长、中国传媒大学教授沈浩、百度大数据部高级经理高代鹏、37°副总裁华磊作为演讲嘉宾,新华网、人民网、央广网等二十余家核心媒体的中层管理者作为讨论嘉宾共同参与。在大数据不断发挥越来越重要作用的背景下,怎样融合、促进媒介传播的需求成了大家关注和探讨的焦点。
大数据的未来——个性化,智能化,产业化
“大数据产业的维度很多,有做基础架构的,有做平台上,有做分析工具的……这些百度都有涉及”。作为百度大数据实验室主任,张潼曾担任美国新泽西大学统计系教授,是机器学习、大数据分析和统计学领域的国际级学者。在沙龙上他为在座嘉宾介绍了大数据的“前生今世”,并且依据他的经验预告了大数据的未来走向。
浏览网页时,个性化推荐的电商广告;生病就医时,医院提供的电子病历、精准医疗;还有今日头条、百度新闻等资讯平台的定制化新闻推荐……大数据的技术开发与应用相互促进,发展至今,已经深入到生活的方方面面,影响着每一个人的生活。“大数据产业最重要的方向,是智能连接、人机交互和数据创新。“张潼在演讲中说。
在这些应用都已经得到实现之后,下一步还能实现什么?“沿着智能化的方向,我们做了两个东西,一个是在线问诊,一个是秘书化。”张潼认为,当今的信息学习技术依靠复杂的模型,良好的计算能力,和尖端的大数据学。企业和学者能够在个性化和智能化的方向继续前进,这与对机器学习技术的研究是分不开的。“未来的一大趋势是基于机器学习的计算、建模大数据,最近5年有很多提升在这上头,这充分体现了大数据的价值。”
据张潼介绍,百度具有用户基础广泛和技术实力雄厚的双重优势,这为数据收集、数据管理和数据应用提供了必要的条件。而说到大数据的未来,张潼教授点出了三个关键词:个性化,智能化,产业化。“大家还都在学习和尝试,但是未来十年,这是一个整体的发展方向。”
能为大众所理解的大数据更有价值
沈浩是中国传媒大学的教授,数据可视化领域的专家。作为学者,沈浩更关心的是大数据应用的社会意义。
“我们能不能通过大量数据看这个社会?举例来说,如果追踪大量新闻事件中乌克兰跟美国、乌克兰跟俄罗斯之间关系的报道,基于合作冲突的比值观察声量的变化,由此推演出国与国之间是不是会产生今天这样一个冲突事件,如果能够以可视化的方式表现出来,会带来更大的影响和价值。”
十年前,沈浩在互联网方兴未艾的大潮中感受到了大数据带来的冲击,他写下了这样的感慨:如何从海量知识中发现知识,揭示社会现象和发展规律,发现隐藏在大数据中的模式、趋势和相关性,以及可能的商业应用前景,都需要我们拥有更好的大数据洞察力。这段话后来成为他写给《大数据时代》一书的推荐语。
在沈浩看来,大数据对于时代的意义,除了技术的应用,还有可视化处理后对于传播的重要价值。“大数据可以让我们感知这个社会。”沈浩不断强调,大数据并不是一个空中楼阁的东西,它所出产的成果不但能够为大众所用,更能为大众所“懂”。“百度基于大数据做的迁徙地图,老百姓都看得懂,这就是大数据可视化的特点。”
沈浩鼓励更多的新闻媒体采用数据可视化的工具和模型,在他看来,能够为大众所理解的大数据呈现将对新闻本身带来质的改变。“大数据时代,意味着社会科学的春天到了,我们可以比以往更好地研究人和人类社会的特征。”
“TheBIGClub”融合沙龙的主办方百度新闻,始终致力于技术与新闻传播结合的研究与探索。“TheBIGClub”已被打造成一个交流互动、思想碰撞的平台,聚合了大批科技界、媒体界的精英人士。“2015年,我们看到,技术的变迁已经给传播行业带来了巨大的变革,2016年,这种变革肯定会来得更为猛烈。我们希望与行业共同探讨、一道迎接即将到来的挑战。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09