
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
Pandas 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在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23