
论大数据对媒体融合的推进作用
自2012年以来,大数据成为行业间转型升级的一个关键词。大数据的应用,颠覆了各个行业固有的运作模式,对行业变革产生深远影响。在传媒领域,大数据的应用推进了媒体融合的进程。本文探讨了大数据对媒体融合的影响及作用,梳理了大数据在媒体融合中的功能。
《中国互联网络发展状况统计报告》数据显示,截至2016年6月,中国网民数量达到7.10亿,手机网民数量达到6.56亿。[1]越来越多的人集聚在网络空间,人们的信息环境、网络的行为都形成了海量的数据信息。移动互联网的繁荣,使得大数据更加倍受关注。
自2012年以来,大数据成为行业间转型升级的一个关键词。麦肯锡咨询公司定义“大数据”为超出了典型数据库软件的采集、储存、管理和分析等能力的数据集。[2]伴随着数据量的不断持续增长,云计算等高新技术赋权,使得数据的提取、处理和分析得以实现。大数据能够在海量的数据中抓取颇具价值的数据,从而为各行各业提供组织、决策参考,把零散数据集成化,总结出基本规律,大数据便成为了核心资源。大数据的应用,变革了各个行业固有的运作模式,对行业发展产生深远影响。在传播领域,大数据的应用推进了媒体融合的进程。
一、大数据思维对媒体融合的影响
大数据时代背景下,大数据对传媒业的影响首先表现为思维上的巨大作用。大数据思维主要指,总体样本取代随机样本;对不精确的容忍度增加以及相关关系取代因果关系。[3]27大数据思维的运用,进一步助推媒体融合,对媒体融合造成突出影响。
(一)前沿性
大数据的应用减少了媒体获得数据、内容的时间成本和经济成本,使得同一平台上能够融合多种内容,不同介质的媒体形态互联互通,促进了媒体融合的发展。人民日报在媒体融合发展的过程中,搭建起全媒体发展核心平台即“中央厨房”。“中央厨房”实现了传媒内容的一体化策划、一次采集之后生成适应不同平台传播的多种内容,推出了多款融媒体新闻产品。“中央厨房”的良好运营,是前沿性大数据思维的突破。2016年11月,南方报业集团整合优势资源,成立南都光原娱乐有限公司,依托大数据获取在传媒领域最有价值的IP,开创纸媒与资本融合发展。[4]凭借大数据这一前沿科技的应用,使得“中央厨房”、南方都市报业集团探索的媒体融合发展之路更加倍受瞩目。
(二)操作性
大数据思维的应用,为媒体融合指明了一条切实可行的路径,实际操作性效果明显。媒体运用大数据思维,可以提升媒体运营的整体水平。一方面,媒体从业者采用大数据技术挖掘分析内容,得到受众关注的焦点内容,追踪内容在传输过程中的变化发展,使得传播内容更容易吸引受众的眼球,针对性更强。另一方面,基于大数据的网页数据抽取技术,媒体从业者可以精准表达内容,使得内容更加“原汁原味”。此外,基于受众评论、反馈数据,媒体能够与受众展开良性互动,从而大幅度提升操作性。
(三)传播性
媒体运用大数据思维,转变传统媒体传播的方式和形式,实现精准传播和预测传播。媒体从业者运用大数据分析受众需求之后为受众推送定制化内容。定制化推送内容,媒体从业者做到了具体分析个人需求,不再是“点对面”式的为受众提供相同内容,而是为受众“量身打造”提供个性化、差异化的内容,这就增强了内容传播的实效性。此外,在大数据的作用下,媒体基于多种形态的传播平台提取内容。内容生成之后,可以实现跨媒体、跨平台传播,媒体之间的多屏联动也就取得了长足发展。大数据思维的传播性进一步推进了对媒体发展和传播格局的预测,通过大数据传播思维,传媒未来似乎更加清晰可见。
大数据思维对媒体融合赋予了前沿性、操作性、传播性的影响。大数据在媒体融合中的功能和作用同样值得关注。
二、大数据在媒体融合中的功能
在媒体融合发展的过程中,大数据的成效是有目共睹的,大数据之于媒体融合有助于实现传播主体复合化、传播渠道多维化及传播受众立体化。
(一)复合化传播主体
大数据时代,传播主体不再局限于专业化的媒体从业者,受众同样能够生成内容在自媒体上传播。媒体从业者更加依赖于受众传播的内容,大数据监测、分析内容源,寻找到热点内容,以此来生产高质量的内容。传受双方都构成传播的主体,传播主体是复合化的。同时,大数据时代,对于专业的媒体从业者要求更高,媒体从业者的业务能力要向数据化采编转型。媒体从业者在数据化挖掘内容之后,要摆脱“搬运工”的不利角色,对内容进行分析加工,找寻到内容之间的相关联系,发现最具有新闻价值的内容。在内容的呈现上,媒体从业者应该以新闻图片、视频、音频等形式可视化呈现内容,以此来强化内容的渲染力,增强内容的传播力度。2016年两会,人民日报中央厨房、新华社、澎湃新闻等媒体推出了多款解读两会的可视化新闻,体现了媒体从业者数据化采编能力的提升。大数据背景下,媒体从业者的职业能力要求不再是单一的图文音频视频制作、加工,而是复合化的数据化采编。应用大数据,媒体从业者的职能也趋于复合化。媒体从业者一方面是信息的把关人,另一方面善于发现受众的需求,为用户提供个性化服务。大数据背景下,传播主体是复合化的,这就使得生成的内容能够适合不同平台上传播,助推媒体之间内容的融合。
(二)多维化传播渠道
媒体获知数据,需要立足于传统媒体、新兴媒体,大数据搜集相关数据。数据的来源,不仅仅依托于单一的传播渠道,而是多维化、交互式的传播渠道,这样,数据的搜集便更加详尽。同样,数据加工成内容之后,连接内容的渠道也是多维化的,受众接收内容的方式是多样的,这也使得内容的覆盖面更加广泛,增加了内容的实际到达率。利用大数据分析,媒体从业者还可以知晓受众偏爱哪一种传播渠道接收内容,知晓内容投放到哪些传播渠道进行组合传播取得的效果更佳。不同形态的内容可以选择取得传播效果最大化的传播渠道进行传播,使得内容的传播效果得以最大限度地优化。视频、音频等形态的内容,不仅可以通过网络、电视渠道,还可以通过移动客户端、微博、微信渠道进入受众视野。在大数据背景下,多维化的内容连接渠道助推着媒体之间渠道的深度融合。
(三)立体化传播受众
大众传播时代,传播受众是一个泛化、抽象的概念,媒体从业者只能够基于从业经验判断内容的传播价值及受众对内容的喜好。媒体从业者的主观判断,往往会造成受众对内容的“置之不理”,使得内容传播效果不及预期。媒体从业者即使是获得受众的反馈,也只是获知受众片面的信息,对受众也只能是模糊的认知。而在大数据时代,凭借大数据技术,受众的个人形象是清晰化、立体化的。受众登录各种媒体平台,注册信息留下的个人数据,浏览内容生成的阅读数据,分享、转载、下载内容留下的个人行为数据等等,都会成为媒体分析受众的基础。客观、详尽的数据为受众“画像”,还原受众在现实生活中的真实面貌。媒体从业者对受众的兴趣爱好、个人特征、内容需求等有着深刻的感知。此时,媒体从业者能够知晓受众热衷何种内容、哪种传播平台,受众的需求变得透明化。基于大数据、云计算等网络技术发展起来的移动手机客户端,之所以能够实现传播主体对传播受众“点对点”式的精准传播,是因为运营手机终端的媒体从业者对受众需求的精准把握。媒体从业者运用大数据,构建受众形象,分析受众需求,进一步助推传媒内容和形式的创新。
大数据在媒体融合的过程中,有着复合化传播主体、多维化传播渠道以及立体化传播受众的功能。大数据对媒体融合的作用也是显著的。
三、大数据对媒体融合的作用
大数据是数据、技术及应用三者之间的统一,大数据的应用加剧了媒体融合的进程;净化了网络空间,使得传媒内容更加真实、健康、有效;也为媒体进行媒体融合构建了可望成功的模型。
(一)催化剂
大数据的应用,加速了媒体融合的进程。大数据已经融入到了传播采编、传播方式、传媒制播、传媒效果评估等环节之中,大数据成为了媒体的中枢,指挥着媒体的运营。媒体运用大数据,大大提升了发现内容的效率和能力,缩短了媒体之间生产内容的鸿沟,有助于消除内容边界。大数据对媒体进行内容赋权,降低了内容的准入门槛,生产出更符合受众“口味”的优质内容,最大化地实现内容的价值。传统媒体为了适应时代的发展,转型成为新兴媒体,推出传统媒体网页版,微博、微信平台以及移动客户端。传统媒体依托于新兴媒体平台,制作符合新兴媒体传播特性的内容,走上了媒体融合的路子。在这个过程中,大数据对媒体转型升级的作用功不可没。
(二)净化剂
在媒体融合发展的过程中,内容可以通过不同形态、不同介质的媒体平台传播到受众面前。移动互联网更是便捷化生产、获取内容的平台。在移动互联上,内容不再是稀缺资源,大数据生态环境中,内容呈井喷式地增长。由于受众在移动互联网上发声的即时性以及媒介素质水平参差不齐,使得移动互联网上面充斥的内容纷繁复杂、良莠不齐。热点事件发生之后,围绕热点事件的一些虚假内容往往会在移动互联网上肆意传播。这些虚假内容歪曲事实,以耸人听闻的标题,赚取受众的浏览点击率。虚假内容的传播,不利于网络空间的良好运行,也会对媒体的公信力造成消极的影响。大数据对净化网络空间,还原事件真相显得尤为必要。利用大数据建构的数据取证公众服务平台,通过实时数据取证,受众可以举报虚假信息来维护自身的合法权益。[5]在媒体融合的过程中,大数据起到了净化、过滤内容的作用,与真相的契合度更高。
(三)塑化剂
大数据从思维到现实层面引领媒体融合和媒体发展的未来。大数据能够“化无形为有形,于芜杂中见规律”,从而把抽象事物形塑为有形和可见的事物,具有塑化剂的作用。利用大数据,推出的内容注重与受众互动,内容的形式更加形象生动。2010年10月,英国《卫报》采用数据地图的方式,报道了伊拉克战争人员伤亡情况。数据地图的制成基于大数据分析维基解密数据和谷歌地图定位的应用。在这份数据地图上,受众点击地图上的地点,都会标注该地点的人员伤亡人数、原因等信息。数据地图三维式地呈现内容,给予受众强烈的视觉冲击力,增强了受众的记忆。大数据的应用,是《卫报》制作数据地图的充要条件,大数据为媒体融合指明了发展方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29