京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,票房不再是唯一
经历了数代学院派导演在艺术上的探索和产业化白手起家的拓荒,电影不再只是“声光电”的艺术形式,更开启了一个雄心勃勃的市场化运作的时代。众多资本的涌入,一方面创造出巨大的利益空间,另一方面也暴露出行业内部的“鱼龙混杂”——创作者的良莠不齐,伴之以评论界的莫衷一是,网络世界的众说纷纭,可谓“乱哄哄你方唱罢我登场”,乱象频生。
群龙无首:电影评估共识性缺失
一般而言,常态文艺评价体系中文艺作品的传播效应,也许和老百姓的喜好息息相关,而其艺术质量的高下,往往取决于专家学者等专业人士的评价意见。然而,信息时代的来临,发声渠道的多样化,却让“专家”地位岌岌可危。
“一些所谓的‘专家’常常只说‘溢美之词’”“太缺乏同行之间相互辩论的氛围”“被权力和资本绑架”是当下的专家群体常常受到的指责。具体到电影行业,则更多体现为学术界在电影艺术价值判断方面的混乱。不同学者、不同场合、不同媒介在话语上的参差,加之背靠专家的各类评奖不断被权力关系裹挟,一些“专家”在公众心目中沦为“砖家”,公信力一落千丈。
专家群体共识性的下降,并不代表公众话语能取而代之,因其内部本就呈现出鱼龙混杂的“非理性”。相比于公正的评估,网民更倾向于狂欢式“站队”,比如近年来围绕《小时代》《后会无期》等电影出现的粉丝战争,正是其典型症状——如此任性的口舌之争,共识性从何谈起?此外,一些民间电影评分网站如豆瓣、时光网等,在电影评估和影迷互动等方面的确扮演着越来越重要的角色。然而,由于算法规则的粗糙、参与人员的随意性以及资本渗透的加速,其公正性与客观性也面临严峻挑战。
环顾四周,中国电影似乎身陷评价体系混乱的困局。然而,随着大数据时代的来临,市场的规范化和标准化毕竟是大势所趋。在可以预见的将来,电影市场兴衰高下究竟应由谁来裁断,作为完善产业的权威评价体系又该如何构建?
革故鼎新:中国电影产业指数诞生
2015年9月18日,在第24届中国金鸡百花电影节期间,吉林省吉林市举办了“‘互联网+’时代的中国电影产业高峰论坛暨电影教育和产业发展委员会2015年年会”。这次会议上,一份名为《中国电影产业指数研究》的研究报告,吸引了众多与会人员的关注,而项目的主持者则是北京电影学院党委书记侯光明。
“中国电影现在面临的问题,要宏观而长远地看。”从2013年起,身为北京电影学院电影产业战略研究所所长的侯光明,就和副所长刘正山一起,开始了整个项目的数据搜集和调研。作为国内发布的首个综合性的电影产业指数,其成果也为电影评估共识性的建立,指明了方向。
其实,大数据概念的提出早已不是新鲜事,近年来用大数据思维将产业形势指数化的尝试屡见不鲜,但对于文化领域而言,步伐却似乎显得缓慢,且更多局限在微观研究领域。“许多电影人总觉得电影的本质在于艺术性,在于主观评价而非量化评估,因此很少用标准化、数据化的方式去综合考量电影行业。”在中国传媒大学讲师龙思薇看来,中国电影产业指数作为产业背景下的宏观指标被提出,具有“革故鼎新”的意义。
“我们的电影发展环境是比较好的,像硬件环境方面,投资环境、政策环境都不错,总的银幕数和影院数也是很可观的。然而从‘效益’来讲,每块银幕的平均观影人次和票房数却不尽如人意,这会拉低产业的整体数值。”综合报告数据,侯光明得出了一个重要结论:票房数据漂亮,不等于电影产业综合发展好。“我们可以算是电影大国,但离电影强国还有很长的路需要走。”
这对于空前膨胀的中国电影市场而言,不啻为一味苦口良药。
路在何方:行业呼吁综合性评估
1895年,电影诞生于法国巴黎卡普辛路14号大咖啡馆的地下室里,距今已整整120年。在这一百多年的时间里,对电影艺术作出最大贡献的是欧洲,而电影产业的引领者则是美国。相比于好莱坞电影成熟的产业体系和完善的评估制度,中国电影无论是在数据基础、评奖机制还是第三方评估等领域,都刚刚起步。而无论是出品方还是影评人,似乎都囿于文艺作品“生产—接受”的主观视角——这显然无法满足当下电影市场客观评估的需求。
侯光明指出,中国电影产业指数的诞生,旨在“给政府提供决策支持,制定中长期发展规划,同时也给企业提供决策依据”。然而“海外竞争力”这一指标,由于数据搜集等原因在综合指数中却无法体现出来。由中国文化国际传播研究院院长黄会林所领衔的“中国电影国际传播”数据调研,自2011年启动以来,已连续开展五年,也在相当程度上填补了产业评估的空白。
“以今年的调研为例,我们采取多阶段抽样和随机抽样结合的方式,向全球五大洲66个国家共投递并收回有效问卷1592份,在SPSS数据分析的基础上得出了一些相当有益的结论。”黄会林介绍说,其年度报告《银皮书》显示,中国电影在国外仍属“非主流”电影,其中现代题材的电影发展明显滞后。“通过调查我们发现,国产电影对于展现国家的飞速发展,并没有促进作用,这应该是未来需要着力的方向。”
无论是国内产业指数报告,还是海外电影传播的调研,都是从个别案例的水洼中走出来,面向整片“海洋”的壮阔之举。龙思薇认为,综合性评估的逐渐涌现,标志着国内电影产业正逐步走向成熟。“正如资本运作需要根据客观的证券指数来进行规划筹谋一样,电影产业的走向也有赖于行业的‘晴雨表’。产业评估为资本流动和政策导向提供了标尺,也可由此预测行业的发展前景。”
随着“蛋糕”的不断做大,越来越多的民间或官方机构可能会参与到产业评估的盛宴中来。对于大数据时代的中国电影而言,我们也的确需要“说一不二”的量化标准,以更加客观的方式、经常性地为产业把脉问诊,指点迷津。正如黄会林所言,中国电影作为国家文化传播的有机组成部分,既要靠微观上电影人的不懈努力,也要在宏观上提升到战略高度,把握好准确的航向。从这个意义上来说,电影产业评估的天地大有可为。
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