
随着社会的发展,“娱乐小报改叫自媒体了,算卦的改叫分析师了,统计改叫大数据了,大忽悠改叫互联网思维了。”这不仅仅是调侃,而是表明在一个时兴“穿上马甲”的年代我们应当时刻保持理性和清醒。对于“大数据时代的收视率调查”,至少有这样三个问题是“大数据”无法解释的:一、非文化的方式能否完成对文化产品的评价?二、大数据能否考量中国特色的收视率造假?三、大数据能否提升电视节目的质量特别是节目的文化含量?
我的思考也不成熟,只是想提醒大家:就像我们食品安全一样,之所以不安全不是数据出了问题,而是世道人心礼崩乐坏。我提供非数据的引经据典。
在实证主义的指导下,收视率是否能承担起对包括电视节目在内的文化文本主观评价的全部任务,无疑难以作出确评,这是由于实证主义研究传统对社会事实的基本态度所致,正如法国社会学家迪尔凯姆就观察社会事实的准则曾经谈到的:“第一条也是最基本的规则是:要把社会事实作为物来考察。”
尽管,冒着对受众隐私的极大侵犯,技术的介入在收视率数据的收集中,并没有使研究者摆脱实证主义也难以避免对社会事实的择取,相反,收视率调查数据越是精确,越使收视率导向的对象――电视受众的面目模糊不清:“一言以蔽之,流水线化了的受众是一种难以把握的乌托邦式的符号客体,但是,受众评估总是要努力接近这一客体。这是受众评估的硬伤所在,其难以实现的前提是对评估技术不断改进的追求。而这种追求基于如下信仰:该技术将提供越来越多的关于受众的信息,也将对受众施加越来越多的控制。但是,这只能加剧整个产业的问题。正如赫维茨所言,受众评估技术日益精细化‘只能增加广播机构的吸引力,推介研究成果就好像解决了问题’。换句话说,收视率服务越是通过其评估手段的改进而提供更多的信息,将实际受众整合进‘电视受众’这一虚幻客体所带来的问题也就越多,结果是,整合受众的流程变得越来越复杂。”
同时,力图实现“价值无涉”的收视率导向在何种程度上隐瞒了自身的意义框架,也可以从实证主义那里找到其理论上的根源,拒绝意义的收视率导向本身恰恰拒绝了对作为文化产品的电视节目的分析这一最根本的任务,就像美国文化人类学家格尔茨所告诉我们的:“对文化的分析不是一种需求规律的实验科学,而是一种探求意义的解释科学。”
这样,对电视节目评估的行为本身就陷入了一种窘境:用非文化的方式来完成对文化本身的评价,用普遍化的诉求来完成对个别文化产品的透析,如此,则“如果把文化事件看作自然,亦即把它纳入普遍概念或规律之下,那么文化事件就会变成一个对什么都适用的类的事例(Gattungsexemplar),它可以被同一个类的其他事例所代替。因此,我们不能满足于仅仅用自然科学的或普遍化的方法去处理文化事件。虽然,这样的处理是可能的,甚至也许是必需的,因为任何一种现实都是可以用普遍化的方法去理解的,但是,在这种情况下,这种处理的结果将是这样:再一次用歌德的话来说,它把那种‘只有分离开来才具有生命’的东西‘生搬硬套地凑成一种僵死的普遍性’。因此,用自然科学概念来表现文化生活,这种做法虽然可能有其正当理由,但仅仅用这种方法是不够的。”
当然,“秀才遇到兵,有理说不清”,人们更感兴趣的是这样的新闻――电影界大数据狂热中,因为大数据的神奇在于“算出拍什么,算出怎么拍,算出谁来看”。《小时代》出品方提到了互联网上的直观数据:该片上映前,预告片的网上点击率达到近五千万次,“票房一定低不了”,最终票房近5亿元。而《爸爸去哪儿》的电影拍摄仅仅四天半,却凭借“粉丝效应”拿下了7亿元的票房。
大数据最终是要大数钱,明白了吗?严肃的学者还要在文章中注明“文中着重号为原文”,一定会有人说:算了吧,啥时候啦?都大数据了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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