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
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