京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的大媒体_数据分析师
大数据时代,媒体的转型发展,既是技术问题,也是战略问题,将对未来的媒体形态和格局产生深远影响
经过一年的蓄势待发,新年伊始,“大数据”的概念火了。
大数据有多火?有媒体将2013年称为“大数据元年”。目前,几乎所有世界级的互联网企业,都将业务触角延伸至大数据产业;无论社交平台逐鹿、电商价格大战还是门户网站竞争,都有它的影子;去年美国政府投资2亿美元启动“大数据研究和发展计划”,更将大数据上升到国家战略层面。大数据,正由技术热词变成一股社会浪潮,影响社会生活的方方面面。
大数据时代,媒体的转型发展,既是技术问题,也是战略问题,将对未来的媒体形态和格局产生深远影响。
数据就是资源
信息爆炸推动媒体转型
大数据并不是一个新概念,但大数据时代却是伴随着近年来信息爆炸式增长而来。
互联网上,每天新浪微博用户发博量超过1亿条,百度大约要处理数十亿次搜索请求,淘宝网站的交易达数千万笔,联通的用户上网记录一天达到10TB……
数据量的爆发式增长也带来了数据储存方式的革命。“今天我们花不到100美元就可以买到1个T的存储,成本只是10年前的1%。”微软亚太研发集团首席技术官孙博凯说。在2000年,数字化储存的信息只占全球数据量的1/4,而在2007年,所有数据中只有7%是储存在报纸、书籍、图片等媒介上,其余全是数字数据。
“新媒体的本质就是数据分析。我们已经从信息时代走到了数字时代和智能时代,如果数据被赋予背景,它就成了信息;如果数据能够提炼出规律,它就是知识;如果数据能够借助于各种各样的工具在分析的基础之上为我们提供正确的决策,它就是资源。”解放日报报业集团社长尹明华在近日举行的中国传媒大会上说。
大数据时代,信息的内涵已不仅仅是消息等新闻,而是各种各样的数据。这就要求媒体必须适应新的信息生产和传播方式,以多元化媒介来承担信息传播的职能。生产、分析、解读数据,探索一条为受众和用户提供分众化服务和体验的媒体发展之路,将成为媒体竞争的必备技能。
量身打造资讯 媒体转型发展新思路
中国社科院信息化研究中心秘书长姜奇平说,“媒体通过对数据的整合和分析,针对不同的受众需求,满足个性化和专业化的需求。”
腾讯网总编辑陈菊红说:“目前门户网站之间、网络媒体之间同质化非常严重。未来的媒体和门户网站应充分利用大数据和关系链,在为用户筛选、推荐最适合的内容,提供近乎量身打造的新闻资讯的同时,使他们体验社交媒体的感受。”
从理论到实践,大数据的发展为掌握了大量数据源的媒体和门户网站提供了转型的良好契机。过去一年,国内几家大的互联网企业纷纷调整自己的发展战略,迎接大数据时代的到来。
浙报集团去年开始投资数据分析项目,将目光放在了未来社交网络的数据深度挖掘上;优酷和土豆合并,搜索平台可以挖掘和推算出4亿多视频用户的浏览行为数据;搜狐正着手搭建基于云计算的大数据平台,将旗下数据资产全面打通整合,获取每月9亿多人次的用户数据资产;腾讯启用新版首页,并启动门户、微博、视频、无线的跨平台深度整合战略……在云计算、移动互联网等新技术推动下,一场关于数据的圈地运动正在互联网上拉开大幕,竞争日益激烈。
挑战也是机遇
赢得大数据时代的主动权
大数据时代的媒体转型和发展,需要结合自身特色,走一条符合传播规律、符合自身实际、符合受众需求的发展之路。这对媒体既是机遇也是挑战。
大数据考验媒体的战略决策能力。姜奇平说:“数据量的快速增长,需要在带宽和存储设备等基础设施方面加大投入,这令很多媒体进退维谷。”不转型,就会丧失主动权,被淘汰或边缘化;要转型,就要对当前的报道形式和运行体系进行全面改造。这将考验决策者的胆魄和智慧。
媒体应对大数据时代的另一个挑战是数据加工能力的匮乏。专家指出,当前大数据建设缺乏专门的数据分析方法、使用体系和高端专业人才,很多媒体没有专门的数据管理和分析部门和专家。如果软件跟不上,却一窝蜂地投身数据平台的搭建,对媒体长远发展不利。
有媒体担心,在大数据时代的转型道路上,媒体是否会迷失方向,变成咨询公司或是社交网站?
对此,孙博凯说:“老技术既有的投资、数据和价值观,是不可能被新技术全部抹杀的,而是融合、整合到新的业务中去,在更高层次上得以发展。”媒体也应该有这样的信念。只有积极谋略全局,着眼长远,才能赢得大数据时代的主动权。
链 接
什么是大数据
早在1980年,著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中,将大数据热情地赞颂为“第三次浪潮的华彩乐章”。不过,大约从2009年开始,“大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。此外,数据又并非单纯指人们在互联网上发布的信息,全世界的工业设备、汽车、电表上有着无数的数码传感器,随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化,也产生了海量的数据信息。
大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13