
大数据时代:媒体新任务和媒体人的新角色
提要:《大数据时代: 生活、工作与思维的大变革》一书最具洞见和最富争议的观点是:大数据时代最大的转变就是,放弃对因果关系的渴求,而取而代之关注相关关系。也就是说只要知 道是什么,而不需要知道为什么。本文认为,理解大数据时代的相关性思维方式,以及其它本质要素,进而理解大数据环境下受众对高品质、确定性信息的 需求,有助于传统媒体开阔眼界,找到寻求战略突围的方法。
关键词:大数据时代 传统媒体 媒体人 角色
文/张坤阳 徐铁英
在大数据时代,必须承认,追求因果性的传统媒体谈稿会等形式已经落伍。无论多么优秀的记者,他们对于事物的观察都受制于个人视野与立场,即 使是相对深入的,也未必全面、充分。而与记者在某一个视野有限的观察点上对事物进行的观察与分析不同的是,有效加工的大规模数据可以揭示更大范围内的或更 接近事实的情状,从而也为报道的深入提供了基础,从而彻底改变媒体生态。
媒体人角色的新转变
维克托舍恩伯格所理解的大数据思维,即不再热衷于寻找因果关系,而寻找事物之间的相关关系。这种观点,意在颠覆此前有限数据时代的信 息思维理念。传统媒体在信息思维上的不足恰恰在于:只见树木,不见森林。追求微观精确,忽视宏观把握。传统媒体应该有大数据视野。有了这种视野,即便关注 的是点上的微观问题,看到的风景也会不同,不是孤零零的点的意义,而是具有面上价值的节点。
以世界首届数据新闻奖的一个入围作品为例,这是由英国广播公司(BBC)和毕马威会计师事务所联合制作的《预算计算器:2012年财政预算 将如何影响你?》。政府财政预算向来是一项专业和繁复的公共政策事件,媒体要解决的问题是如何有效解读它对普通居民的生活影响。BBC的计算器简便实 用,用户只需在界面上输入一些日常个人信息,就能自动算出新预算会让自己多付多少税、明年的生活会比今年变得更好还是更差,等等。
在国内也有这方面的尝试,去年国庆节,游客在天安门广场留下大量垃圾,引发国人素质的大讨论。从大数据分析的角度来看,把历年来所有关于天 安门广场上垃圾的报道梳理出来。这样把所有数据全部整合出来,就能发现垃圾数量和游客数字之间,其实不存在关联性(事实上,天安门广场出于安全需要,不设 垃圾箱),人文素质也就无从谈起。通过开掘数据,记者的工作建立在扎实证据基础上,为读者提供经过科学分析的洞见,把抽象的、宏观的社会问题转化为跟普通 人相关、普通人容易理解的内容,还可分析复杂形势中事物发展的规律和趋势,给人们决策提供预见性内容。
在大数据时代,媒体人角色,就应该是意义生成者,主要工作内容是阐释事件的影响。建立在大数据技术之上的事件分析和意义解读,要比采访专家和凭记者个人判断更有可靠性。
战略突围要提前布局
为什么走在大数据前沿的都是一些互联网公司,而不是传统媒体或者出版机构?就在于技术原因起决定性因素,技术汇聚数据,数据的意义自现,才 会有相关性一说,才会忽视因果联系。这方面,传统媒体业存在先天劣势,不仅掌握的数据资源有限,掌握的人才和管理也基本为零。可以说,绝大多数媒体机 构连传统的流程、工具和方法都没有掌握。
一个简单的例子:中国最大的电视台中央电视台据称拥有近40万小时的节目资源,年播出总量为23.0248万小时;而YouTube每分钟 就有72小时的视频被上传,更不用提每月10亿独立用户的行为数据。数据量级相差悬殊。所以,传统媒体深受大数据冲击和影响,但又缺乏根基,难以出现颠覆 性的创新,无法孵化出新的业务形态。
传统媒体在大数据时代生存下去,除要对新闻业务本身进行变革之外,还要提前布局,积累数据资产,打牢根基。如浙江日报报业集团收购边锋浩 方。边锋浩方拥有五六百款游戏,活跃用户达2000多万,最高在线人数150万。围绕这个平台,浙报集团就可以建设数据分析系统为支撑,深入筛选捕捉用户 行为、习惯、偏好和需求,挖掘和积累可贵的数据资源。从其自身成长性和增值可行性来看,这个平台对传统媒体价值巨大。
另一方面,要加强数据能力的获取。媒体应通过合作、购买、外包、孵化等方式,首先掌握传统的数据处理能力,进而具备大数据应用的能力;引进 和培养数据人才,包括拥有统计学、商业智能、机器学习、自然语言处理等多方面技能的数据科学家,也要有知晓如何通过运用大数据来设计产品和运营企业的 分析师和管理者。浙报集团旗下传媒梦工场就投资了知微、优微等项目,主要专注社交网络的数据深度挖掘。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29