
“大数据+传媒”影响各行业转型与变革
2016中关村大数据日活动暨京津冀协同发展高峰论坛在中关村国家自主创新示范区展示中心会议中心开幕。围绕 “数据驱动创新,智慧引领未来”这一主题,来自政府、学术界、企业界、传媒界嘉宾,就大数据技术创新、成果转化和产业融合等问题进行全面、深入交流和研讨。北京北大方正承办“2016中关村大数据日——传媒大数据分论坛”,深入探讨并交流了大数据给传媒行业带来的深刻变化,以及如何通过大数据应用构建传媒的核心竞争力等话题。
北京大数据研究院院长、中国科学院院士鄂维南在开场致辞中提到,从长远来看,互联网大数据在传媒行业应用空间非常大。一方面,所有的人都需要用到媒体,另一方面,在现在的条件下,有可能让每一个人都成为新闻界一员。和日本、美国等相比,中国的传统媒体受到的互联网冲击力度更大,然而,互联网只是第一步,大数据是下一步,智能化的一步。希望方正电子和其他企业一起,使传媒大数据应用更上一层楼。
北京师范大学新闻传播学院执行院长喻国明以《技术发展下的传媒业态与转型》为主题,阐述了影响中国传媒业发展变化的基本动因。他认为,智能化的引入,对于整个互联网未来的产业发展具有特别重要的意义,谁能够利用智能化的技术,处理数据的使用,并以更加有效的方式跨界融合整合,谁就能够夺得市场、产业的主动权。在下一轮发展当中,对于数据的智能化处理映射出这个产业最重要的发展路径。
北大计算机研究所教授、博士生导师彭宇新分享了“跨模态大数据分析与识别技术”的最新进展。他介绍说,随着媒体数据的快速增长,出现了两个问题,一是存在大量未上传且敏感的数据“管不住”,二是图像视频很难识别导致“用不好”。不过,随着多模态识别关系和系统的开发与建立,可以突破网络有害信息难以识别、难以利用的问题,最终应用于互联网监管领域,从而促进媒体大数据的运用。
在新闻媒体快速数字化的今天,在数据处理领域出现了哪些新进展?北大计算机研究所研究员、博士生导师赵东岩表示,媒体大数据的语义搜索和系统,可以基于互联网和新闻出版资源的信息,包括社交网络,进行语义分析,构建出专业化的知识库将媒体的信息与知识服务能力提高到新的水平。
新华社中国经济信息社新华丝路事业部总监魏薇表示,目前新华社中国经济信息社正在为国家“一带一路”战略提供信息服务,而这个体系的打造,离不开大数据的支持,需要利用“互联网+信息服务”的思维,打造以“精准数据+智库”为支撑的新华丝路信息服务体系。
人民网技术总监邢华以《大数据时代的传统媒体》为题做了分享。介绍了人民网对大数据应用的成果,重点介绍了正在建设的人民网数据中心项目。
作为传媒行业领先的技术、服务提供商和行业咨询专家,方正电子全力打造DT时代的智慧媒体,已为300余家报社提供DT时代的媒体融合解决方案,在当天的论坛上,来自方正电子的3位技术专家分享了针对互联网大数据的深度挖掘与利用技术、方正传媒大数据的成果以及知识体系建设方案。
方正电子互联网大数据技术开发部部长张丹深度解读了对互联网大数据进行挖掘的方式与技术,其重点是围绕着互联网的数据、业务信息资源和知识库,从内容、人、位置三个方面展开,包括态势的分析,以及敏感事件、热点话题、传播溯源等角度。
方正电子媒体大数据总经理卢岚分享了如何借助大数据,推进媒体的新闻生产,帮助新媒体运营,并开拓媒体经营服务的转型,从而实现新型媒体集团的转型与飞跃。卢岚认为,在DT时代,新闻的未来是分析数据,而媒体的未来就是数据能力。我们的目标是帮助传统媒体打造成为“智慧媒体”,它的核心目标就是以用户为中心,实现精准传播、精准营销和精准服务。
今年中关村大数据日关注的一个重点是,以大数据的思维、技术、模式、产品、服务等突破行政藩篱和区域界线,而由方正电子承办的此次传媒大数据分论坛则体现了整个业界针对传媒大数据领域的更多探索。无论如何,大数据时代已经来临,并在加速影响着各行各业的产业转型与变革。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16