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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25