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
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18