京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据对新闻业三大革命性改变
在大数据与信息过剩的风险社会,真正有价值的新闻应当是基于数据分析得出的‘预计明天将有暴风雨’式的对公众的忠告、指南、通知、预警。”概言之,大数据时代的新闻传播较之传统的新闻业态是一种深刻的转型,本文集中探讨大数据对于新闻业态重构的若干革命性改变。
一、生产信息提供者层面的变化
(一)个性化信息推荐:新闻生产机制的颠覆性转变
1、基于个性化信息聚合的信息推荐模式
这种模式是对新闻生产机制的颠覆性转变。“个性化信息推荐”首先是基于个性化的信息聚合,即通过人工智能分析和过滤机制,根据个性化需求聚合相关的信息和应用,并以此对信息进行深度智能分析,以实现用户个性化的、动态的需求。信息聚合已经不再是由媒体主导的信息过滤与筛选,而是基于互联网生产逻辑的信息聚合的过程,并借助特征分析、语义网等技术的发展,形成了基于个人兴趣的个性化信息合成和推荐模式。
社交网络和移动互联网的发展,为个性化信息聚合提供了更广泛和更便捷的平台,使深入分析用户标签之间的联系、跟踪用户标签的使用习惯和频率成为可能,并能够以此为用户推荐个性化内容。
2、基于用户兴趣图谱的个性化新闻推荐模式
以“今日头条”APP客户端为例,其有两个最大的特点:一是基于用户兴趣图谱分析的个性化阅读推荐。“今日头条”基于大数据挖掘技术,会有一个所谓的“冷启动”过程,即通过对用户微博账号的分析建立一个“兴趣图谱”,即兴趣模型,原理是根据用户在微博上发布的内容及其所属类别、用户自标签、社交关系、社交行为、参与的群组、机型、使用时间等数据源来推断出用户的兴趣点有哪些。
二是“今日头条”通过对网易、新浪等各大门户网站的新闻进行内容聚合,完成基于“推荐”、“热门”、“好友动态”三个维度向用户进行包括资讯和评论在内的内容推送。
(二)众包、众筹:从信息集成者到社会意义生成者
2006年,互联网杂志《连线》的资深编辑杰夫?豪(Jeff Hawe)在《众包的崛起》(The Rise of Crowd sourcing)一文中提出了“众包”(Crowd sourcing)这一概念。“众包”是指利用集体智慧来搜集与核实信息、报道故事,或者在新闻生产中做出选择。
1、众包新闻
大数据时代,社会化媒体对数据新闻生产影响深远,它既是数据搜集的重要来源,又可以帮助扩大传播影响力。
2、众筹新闻
众筹新闻(Crowd sourcing news),亦称新闻众筹,是指个人或机构向公众募集资金,实现特定的新闻报道计划。相比喜闻乐见的众包新闻生产,众筹新闻尽管开创了新闻生产的新模式,但是得到的评价却是毁誉参半。众筹新闻充分发动公众参与新闻生产,固然增强了记者与受众的互动性,但是也会容易导致丧失传统新闻生产孜孜以求的独立性。
二、媒体层面的变化
(一)“推倒新闻编辑室的那面墙”:数据团队进驻编辑部
大数据新闻的生产模式决定了头脑风暴和奇思妙想的重要性,部门与部门之间的界限日渐模糊。正如英国卫报数据博客编辑西蒙?罗杰斯所指出的“新闻编辑部的布局很有讲究,如果你越靠近新闻编辑部,就更方便对报道进行交流,成为新闻策划进程中的一部分;反之则两者距离越来越远。”
(二)媒体融合、跨界合作与产业升级:大数据时代媒体机构的自我颠覆
除了“推倒新闻编辑室的那堵墙”,让新的数据团队来主导新闻生产外,从媒体自我颠覆的层面来说,还需要加强跨界合作,与社会化媒体、移动互联网结合起来,把不同行业、领域和终端的数据进行聚合,进行关联分析和价值挖掘,增强媒体融合及跨界合作,加速产业升级。
1、加速媒介融合
大数据技术的运用,促进了不同行业、不同领域、不同终端的数据交换和相互融合。11传统媒体联合新媒体正在打造的“云计算”和“全媒体平台”,能够为大数据分析和数据驱动的生产建立庞大的数据库基础和通畅的信息交流整合渠道。同时还可以对数据进行二次价值的挖掘。
2、增强跨界合作
在大数据分析技术运用方面,新闻媒体还面临着很多挑战。数据的来源、加工和挖掘都需要专门的技术人才和设备等,跨界合作,也许是比自己事必躬亲来说是最适合的方式,不仅可以降低成本,而且可以通过合作碰撞出新的火花。
3、加速产业升级
媒介融合和技术发展给媒介集团带来的冲击有目共睹,迫使传统媒体也在加快与互联网媒体融合的步伐,加速产业升级。文汇新民联合报业集团和解放日报报业集团于2013年合并成立上海报业集团,除了对旗下业务板块进行重新整合之外,还将与百度公司合作,开始了与互联网媒体融合的第一步。
三、用户层面的变化
(一)从“传者中心”转向“用户中心”
信息获取方式的多元化与信息的易得性,使得信息与媒体出现“富余化”倾向,信息生产的单位成本不断降低,信息的供应量以每年8%—10%的速度快速增长。媒介市场从“传者中心”向“受者中心”转变,信息的供应也从供不应求的卖方市场开始进入供过于求的买方市场。
(二)从单向变双向:体验至上,提升用户分析价值
转变为以用户为中心的传播模式后,用户的体验和反馈对媒体的改进尤为重要。因此,通过跨媒体的平台来收集用户意见,通过关联分析受众需求、偏好及行为模式,是提升用户分析价值,增强用户体验满意度的有效途径。
以电视媒体为例,可以通过数字电视或者是互联网智能电视的机顶盒,采集与统计受众对节目内容的接触频次、行为轨迹等数据,甚至提取受众在观看电视时快进、暂停产生的收视率数据与传统媒体收视率数据汇总,以此找出受众的兴趣点和喜好所在。大数据时代,结合个性化的数据平台,通过有效的数据采集和受众洞察系统,可以实现节目定制,为受众带来更好的观看体验和推送内容。
本文来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09