京公网安备 11010802034615号
经营许可证编号:京B2-20210330
让大数据助力媒体更上层楼
当下,大数据对人们的影响可谓无处不在;人们对大数据的态度,也可以说是痴迷疯狂。
在中央要求传统媒体加快融合发展,充分运用新技术创新信息传播方式的大背景下,媒体运用大数据助力自身转型发展的步伐也日益加快。在这一过程中,中国日报社里有这样一个团队,因行业趋势推动应运而生,因观念转型较快而为《中国日报》媒体融合提供着技术保障。它不仅为《中国日报》自身的媒体转型努力,更为中国声音更多地传到世界默默奉献着自己的力量,它就是中国日报新媒体联合实验室。
“三驾马车”搭架构 用数据说话
“与中国科学院自动化研究所成立新媒体联合实验室这一举动在当时看来是具有前瞻性的,这种创新精神也激发出了新的活力。在研发、运用大数据技术服务报社融合发展的同时,也为推动行业技术进步、服务国家战略尽自己微薄之力。”采访之初,中国日报社技术部新媒体实验室负责人韩冰这样介绍道。
《中国新闻出版报》记者了解到,实验室通过3年多的建设和完善,构建起涵盖业务创新、技术研发和理论研究3个领域专业资源的“三驾马车”架构,研究成果包括媒体传播效果反馈系统理论,全媒体、多语言覆盖的实时监测平台,基于关键样本的评估模型和跨学科的复合指标体系等。在传统媒体效果评估体系之外,通过对大数据技术的运用,为传播效果量化评估、科学评估找到解决方案。
“我们所做的工作就是用大数据说话,充分、客观、公正。”韩冰说道。
其实,透过中国日报新媒体联合实验室的成立及其大数据的应用,让我们看到了原有媒体业务的外延扩展。谈及伴随新媒体发展的感受,韩冰认为“顺势而为对于媒体而言非常重要,任何人都拧不过趋势”。在这种情况下,传统媒体转型与其观望不如尽早行动。因为目前业界所处的是一个等不起的时代,“马上行动”也是中国日报社在媒体转型中一个切身的感受。而当很多选题、技术大家都能做、都在做的时候,就要比谁想得更早,谁做得更快、更好。
在应用中产生价值 革新理念
“大数据就在那里,关键看它如何为你的机构所用。”采访中,韩冰十分推崇《哈佛商业评论》英文版总编辑阿迪·伊格内休斯说的这句话。生产工具是推动社会进步的重要力量,但生产力中最活跃的因素是人,发明创造工具的是人,使用工具使其发挥最大效用的也是人。互联网时代,人类利用网络以及网络上流动、停留的数据信息,创造出了一个具有无穷魔力的魔法棒,幻化无穷的可能。
“大数据可以说是互联网/物联网数据与人类智慧融合的产物,而不仅仅是一项技术。”这是新媒体实验室对大数据独特的诠释。但是,不落实到行业,不体现在行业应用中,人们对大数据的感知仍然会停留在“它仅仅是一个技术趋势”的肤浅层面。只有让大数据成为新的解决业务问题的手段,才能说明大数据的价值。
如何让大数据落地?韩冰说:“新媒体实验室在研究和孵化大数据应用的同时,更重要的是培育人才和理念。”这就是实验室为实现数据与人的智慧融合进行的尝试。
在新媒体实验室3年的发展历程中,与技术进步伴随的更多的是理念的革新。在此过程中,实验室经历过面对经过艰难攻关构建起来的功能强大、覆盖广泛的全球媒体云平台,却无法准确找到业务部门的“痛点”,也面对无法对症下药的问题;也经历过上级部门面对实验室庞大的指标体系和算法模型赞赏有加,却无从下手、无法“拿来用”的问题。为此,跨学科人才的引进,以及实验室“三驾马车”架构的应运而生,推动“数据”与“人”对接乃至融合。
化繁为简做减法 找到落点
在以快为特征的互联网时代,当人们稳步向前的时候,是不是感到了焦虑,是不是患上了互联网综合症,是不是因为信息爆炸变得无所适从,乱了阵脚?
“不积跬步,无以至千里。”韩冰说,“虽然我们身处研究互联网大数据分析的前沿,我们也时刻感受着互联网的快带来的种种压力和危机感,但做实事的准则从来没有动摇,这一点受到了各方的认可。”实验室通过整合资源实现借力发展,在理论研究、模型构建、技术研发的每一个环节扎实深入推进,在应用推广环节更是考验耐心——大数据理念的普及、使用大数据的人的培养,这是传统媒体向新兴媒体转型过程中的短板,也是巨大挑战。
在此过程中,实验室做的最多的事情是化繁为简做减法,必要的时候甚至让大数据变成小数据,为的是能够在业务中找到一个落点,为的是让用数据的人能在这个过程中逐步增强操控数据的感受,找到感觉。
现阶段,新媒体实验室已经找准自身清晰的发展方向和发展路线。随着中国日报社媒体融合转型的实践越来越深入,与其业务相配套的技术支撑体系将不断完善,走向成熟。而构建于成熟技术体系之上的中国日报社全球联动传播业务,将助力中国日报社构建立体多样、融合发展的现代传播体系,成为具备强大传播力、影响力的媒体集团。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24