
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29