
大数据时代新闻业谋变 从“噱头”变为“看头”
大数据时代,强调的是对大规模数据综合处理的能力。这意味着,传统媒体必须适应新的信息生产和传播方式,既能生产数据,也能对数据进行解读分析的综合处理,为受众提供个性化的新闻内容。
在中国,也有人在做相同的打算。6月4日,阿里巴巴投资12亿元入股上海文广集团旗下的第一财经,意图发挥双方在传媒与大数据领域的资源优势,打造具有全球影响力的新型数字化财经媒体与信息服务集团。早在阿里入驻第一财经之前,灵玖软件就帮助北京财讯传媒的《财经》杂志成功开发了的大数据搜索挖掘平台,使其开始用大数据工具做媒体。
大数据在发力
大数据的力量,最直观地表现,在于对新闻采写这一核心领域的入侵。
机器人取代记者一度让传统媒体人胆寒,此前,美联社、《纽约时报》已经开始使用机器人撰写一些财经、体育类等程式化的稿件,因为这两个领域都涉及到大量波动性强的数据;而在新闻聚合阅读领域,精确的“算法”逐渐取代人工,不少公司甚至“没有一名编辑记者”。
当然,这并不意味着传统媒体人已经“被后浪拍到沙滩上”。灵玖官方表示大数据是传统媒体的竞争对手,也可以成为媒体的方法和工具。从“靠专家说话”到“靠数据说话”,大数据时代对媒体人专业能力的素养要求更上一层楼。
有效地“加工”数据,可以更接近事实的情状。在此基础上,通过数据“提纯”,进行深度解读和分析。而进一步的“淘金”,更能把埋没于海量数据中的珍贵内容呈现给受众。日前,软件官方说未来媒体的编辑团队是由数据专家组成,便体现了大数据时代下的价值。
大数据的力量,还体现在放大了受众的声音与价值。
反馈,曾是传统媒体的“硬伤”。但从社交媒体中收集到的众声喧哗,更充分地呈现出受众的意见和态度。更重要的是,大数据拓展了媒体用户分析的广度与深度,不仅整体地描绘出受众的面貌,更能具体地描绘出每一个用户的独特需求,在此基础上,媒体的个性化服务(如新闻推送、广告投放),也许有一天真的像一颗颗“魔弹”,击中用户的“痛点”。这一点很重要,用大数据挖掘的技术,挖掘出有价值的新闻,再利用数据分析技术,分析出受众,从而精准推送,这也就是大数据精准营销,灵玖做过这方面的案例很多。
新闻面貌在变化
面对大数据的考验,传统媒体站在十字路口。要转型,意味着对既有新闻生产运行体系的改造,意味着软硬件的投入;不转型,势必在大数据的大潮中被侵蚀或吞没。所以传统媒体必须借助像灵玖软件这样的第三方服务商实现及早转型,这些都考验着媒介管理者的视野和气魄。
新闻行业本身正在或深刻、或细微地发生变化,这些也昭示着传统媒体转型的方向。
一方面,新闻的内容正在发生变化。除了新近发生或正在发生的事实,传统媒体更需要突破时间的桎梏,主攻基于大数据的预测性新闻和由数据驱动的深度报道。
有学者认为,媒体要成立专门的部门,或者依靠与外部的合作,建立起一个数据积累与分析的常规机制。这意味着,未来的媒体对于既掌握数据分析和数据挖掘,又秉持专业新闻理念的融合性人才有广泛的需求。盲目投入搭建平台,忽视专业的管理、分析体系的搭建和人才的引进培养,这恰恰是不少媒体陷入的“大数据误区”。
另一方面,新闻的呈现方式也在发生变化。新闻图表作为一种形象的、可视化的方式,使新闻进入“读图时代”。
从2009年开始,包括英国《卫报》、财新传媒在内的国内外媒体已先后组建了数据新闻团队,借助灵玖这样的第三方公司将可视化新闻已经从“配角”变为“主角”,从“噱头”变为“看头”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29