
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
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11