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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09