京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据开放可提升政府公信力_数据分析师
1月5日,美国哥伦比亚新闻评论网发表的文章《21世纪的新闻审查》(21st-Century Censorship)提出,互联网技术的发展产生了越来越多的媒体平台和自媒体。有观点认为,在大数据时代下,政府对信息的监管和审查会变得日益乏力。然而,学者们则认为,事实可能恰恰相反。
政府与媒体关系发生变化
美国杜克大学斯坦福公共政策学院教授菲利普·班尼特(Phillip Bennett)表示,对新闻业来讲,首先,互联网对新闻媒体的影响是破坏性和颠覆性的,这是不可阻挡的趋势;其次,它催生了互联网通信工具的创新。同样,政府公共部门与媒体间的关系也发生转变。政府不再像以前一样“单纯”地面对并处理与几家主流媒体间的关系,而是面临着由公共舆论所引发的更加复杂多样的挑战。
据美国互联网数据中心数据显示,互联网数据每年约增长50%,每两年便翻一番,而目前全球90%以上的数据是近几年才产生的。有人曾预言,随着互联网和大数据平台的日趋开放,面对海量数据的“无从监管”,政府对新闻信息的监管和审查将随之消失。但事实上,大数据概念从诞生开始,政府监管在其中扮演的角色从未被低估。正如大数据技术的战略意义不在于掌握庞大的数据信息,关键在于对这些有意义的数据进行专业化处理的能力。比如,对新闻信息的处理,就不仅仅是个技术问题。
班尼特表示,在“自由的”网络世界和各国政府对海量新闻信息源的处理过程中,我们看到了这个时代的一种悖谬的“传播风格”,一方面,人们更加善于表达自己,言论途径更加开放;另一方面,政府监管随着大数据的发展在某些方面“愈加严格”。
“当前,一个事实是:监管和审查随着信息时代的发展而不断完善。”班尼特说,理论上,新技术的发展应该使新闻信息的审查更加困难,并最终成为“不可能的审查”,政府难以控制信息的流通。然而,现实中越来越多的政府开始加大监管、审查新闻及各路媒体信息的力度,不仅是发展中国家,也包括发达国家,尤其是在互联网安全意识的提高下,对新媒体的审查越来越“用力”。
英国伦敦城市大学学者格兰达·库珀(Glenda Cooper)日前在澳大利亚对话网站刊文表示,全民新闻时代的来临,打破了传统的派记者去现场、报道、发布新闻的流程,现在很多记者都是在办公室里从社交媒体中搜索有价值的新闻。但这种新的方式,在新闻的隐私性、验证真伪、品位方面都有值得质疑的地方。自媒体新闻往往是倾向性明显的新闻,常伴随伪造、暴力的图片,给社会造成不良影响。
据了解,目前,许多国家通过立法加强对新闻媒体行为的规范,一方面是制定专门的新闻法规,如瑞士、法国、意大利、丹麦等国;另一方面,即使没有整体立法,但相关法律条文“散见”各处,如美国、英国、日本等国,尤其是针对互联网信息的传播。
杜克大学教授莫伊塞斯·纳伊姆(Moises Naim)表示,各国政府正在从数字革命的“观众”转变为数字时代先进技术的最早采用者,政府越来越有能力掌握新闻记者和自媒体的情况,并在一定程度上控制信息的流通过程和方式。政府的监管能力发生了变化,与媒介的关系也发生了变化。
监管方式的模仿与创新
纳伊姆说,今天,一方面许多国家的政府正在使信息更加开放;另一方面政府也需要在监管和审查方式上进行创新。当前,在一些国家,如匈牙利、厄瓜多尔、土耳其和肯尼亚,政府正在模仿俄罗斯等国家,对重要新闻进行更大程度的管控,并力图建立国家媒体品牌的影响力。
“虽然互联网的发展是一个全球化的趋势,但对于信息的监管和审查是每个国家或地区的自主行为,比如,在匈牙利,政府规定权威媒体有权收集记者的详细信息、广告内容和社论内容。”纳伊姆说,我们无法单纯以“新闻自由”为幌子全盘否定政府对媒体和信息的审查和监管行为,尤其是在今天的海量数据面前,每个国家都要考虑互联网时代的信息安全。纳伊姆反问道,当网民在网络平台上遭受他人肆意而名目张胆的人身攻击时,是否还能看到“言论自由”的积极面?
政府监管将更加透明化
许多学者认为,不论新闻及其他信息的监管和审查面临多少偏见和争议,在大数据平台迅速发展和广泛应用背景下,政府监管方式都将更加透明。
大数据的开放能够增加政府的透明度,提高政府的公信力。纽约大学法学院教授贝丝·诺维克(Beth Novick)表示,数据的开放可以让政府公职人员和民众一起参与进来,解决政府无法完成的、棘手的问题,更广泛地发挥群众力量,借助大数据平台进行更好的社会管理。
当然,大数据的存储和处理模式,不可避免地会带来信息安全、隐私保护等问题。一方面,大数据时代的国家信息安全需要引起政府高度重视,应大力推动国家的网络信息安全建设;另一方面,从全球范围来看,目前已有50多个国家依靠法律形式规范个人信息数据的管理与使用。显然,大数据时代,人们的隐私应该受到更好的法律保护。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,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 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02