京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一切皆数据 广电开启大数据时代
大数据是竞争力,大数据将变革一切。2015年8月,国务院印发《促进大数据发展行动纲要》,全面启动“互联网+”时代国家大数据战略。
在此背景下,10月23日,中国广播电视网络有限公司、北京歌华有线电视网络股份有限公司联合全国三十余家省市有线电视网络公司,共同成立“中国广电大数据联盟”。该联盟将以全国超过4000万双向数字电视用户的收视数据为基础,搭建全国广电大数据平台并建设收视数据调查分析机构,实现数据共享、联合发布。
面对互联网时代“一切皆数据”的热潮,肩负三网融合核心使命的广电行业,在三年前启动大数据时代。2012年8月,国家广电总局印发通知,支持开展基于有线数字电视网络双向回传数据的大样本收视率调查试点工作。
中国广播电视网络有限公司自成立伊始,即着手统筹推动广电大数据的研究论证工作,加快相应产业布局,全力促进全国广电大数据的运营。不仅在北京,浙江、上海、广东、重庆、黑龙江、吉林、江苏、贵州等地也开展了对大数据的探索和研究。华数传媒与尼尔森合作,专注于数字环境下的媒介和受众研究。东方有线对高清双向用户直播、点播数据进行采集。广东省网、重庆有线、龙江网络、吉视传媒、江苏有线、贵州广电等省市有线网络公司相继建设大数据分析系统,为企业经营决策提供可视化数据,为用户精确定制产品和服务。
随着各地有线电视双向网改成果不断扩大,全国有线电视行业大数据产业环境已基本成熟。
成立数据联盟、消除数据孤岛,充分挖掘数据价值,让数据流动、共享,对广电行业意义重大。
联盟将成立中国广电大数据运营公司并搭建“中国广电大数据共享平台”,实现数据共享与交换,形成大数据产品体系。面向政府,提供专业、权威的舆情监控服务;面向电视台、节目制作单位提供节目收视研究数据,共同打造精准EPG产品;面向广告商,提供广告分类与精准投放数据支持;面向有线网络公司,提供经营数据支持和个性化服务;面向用户,提供节目智能推荐与精准推送。同时,运营公司还将联合互联网企业和传统数据公司,实现多屏收视数据共享,打造全媒体节目收视综合评价体系。
尼尔森网联媒介数据服务公司首席执行官张余表示,有线电视网络公司的大数据将传统数据调查方法与广电行业大样本收视数据相结合,为广电数据的研究开创了新视角,将直播、点播、回看等应用数据进行综合研究,也拓宽了传统研究仅仅基于直播收视数据统计的新的视野。
北京奇虎360公司董事长兼CEO周鸿祎认为,广电是中国拥有用户最多的一个基础设施,有着亿万的用户基础,所以在广电的基础上运用大数据,对于广电行业下一步进一步的发展,如何和互联网的融合,一定会产生深远的意义,具有巨大的价值。
附:中国广电大数据联盟宣言
在传统媒体与新兴媒体融合发展的背景下,推动广电跨越、跨界、跨域的协同创新,具有重要的战略意义。大数据是从电视到电视+、从电视+到智慧广电的重要支撑。今天,中国广播电视网络有限公司与北京歌华有线电视网络股份有限公司联合各省市有线电视网络公司在北京发起成立“中国广电大数据联盟”。我们郑重宣言:
建立“中国广电大数据联盟”,旨在共同搭建全国广电大数据平台并建设收视数据调查分析机构,实现数据共享、联合发布,努力构建科学准确、客观公正、导向正确的收视评价体系,打造全国收视调查市场健康发展新格局,探索大数据助力电视+与智慧广电发展新方向。
作为一家全国性、行业性业务联盟,“中国广电大数据联盟”承诺在国家新闻出版广电总局领导下,自觉遵守法律法规和职业道德,尊重社会道德风尚,贯彻执行国家相关产业发展的方针、政策,团结进取,维护行业声誉。
“中国广电大数据联盟”将通过共同搭建的广电大数据平台,实现数据的流通与共享,挖掘数据价值,探索广电行业协同发展的新业态、新模式,共同打造全国权威数据发布品牌和产品,扩大行业影响力。同时,探索与收视调查公司的密切合作、优势互补,共同建立覆盖全国的全媒体与全样本收视数据运营公司,实现专业化运营。
联盟将打造并建立健全大数据产品体系。面向政府提供专业、权威的舆情监控服务;面向电视台、节目制作单位提供节目收视研究数据;面向广告商提供广告分类与精准投放数据支持;面向有线网络公司提供经营数据支持和个性化服务。
建立“中国广电大数据联盟”,契合国家战略和行业发展趋势,符合联盟内各成员单位的共同利益。联盟将积极探索更为健康和谐的产业生态系统,搭建全新的公共文化服务平台,推动传统媒体与新型媒体融合发展,探索电视+与智慧广电发展新模式,助力中国文化产业大发展大繁荣。让我们开拓进取,勇于创新,共同开创中国广电大数据的美好未来!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27