
大数据分析和小圈层社交两手抓_数据分析师培训
大数据分析关注的是过去和现在,社交小圈层关注的是未来;我们需要用大数据来触发灵感的最大值,用社交关注人性的最深处
从新闻与传播的角度来看,我们更关注人的大数据,以及人构成的社群所表现出来的大数据。人的大数据怎么获得?你每天都拿着手机,如果手机里有一个软件在分析,就可以知道你的朋友是谁,你跟朋友聊了什么,甚至可以定位你家在哪儿。如果你带了一个智能手环,也可以知道你的身体状况。我们认为,这些移动互联网数据,是媒体大数据的核心。
移动互联网改变了我们的舆论生态和日常行为。对于移动互联网的数据,我们要进行重新认识,特别是要重新认识微博和微信。
虽然微博从去年下半年开始活跃度在下降,但我们看到,很多新闻数据和突发事件在微博上表现最及时,比如漳州PX爆炸事件,微博和微信公众号的新闻报道较早发声。微博通过围观、参与、互动三个步骤影响经济和社会,微博可以说是纸媒移动转型的第一场战役。
再看微信,一方面具有很强的互动性,强调点对点的交流;另一方面,微信公众号具备很强的媒体属性,腾讯公司致力于从内容走向服务。而我们一方面在研究媒体,另一方面也在研究媒体怎样走向服务。
我们最近在做的一项工作是指数大数据,收集各行各业的微信公众号数据,包括每天的阅读数、点赞数等等,以此评价这个公众号的运营主体。评估政府部门,分析某个行业的移动互联网成熟度,评估某个自媒体人的发展状况等等。
基于移动互联网的大数据,我们还可以对整个智慧城市做进一步评价,包括城市的网络形象、组成机构、媒体、网民的反映,如果我们可以形成一个关于软件环境、硬件环境、政府口碑的报告,就可以方便政府部门做出决策和判断。
社交的圈层又是怎么形成的?在网络交流中,人与人的距离从未如此之近,信息交流跟金融、服务等各种领域相结合,我们发现整个社交全环已经形成,既有公开的社交(如微博),又有私密的社交(如微信),还有秘密社交(如无秘)。这些社交工具的数据成为我们媒体大数据中非常重要的内容。所以,在社交工具里,我们既能看到大数据分析,也能看到社交活动的演化。
如果说大数据分析是天,那么社交的小圈层就是地;大数据分析关注的是过去和现在,社交小圈层关注的是未来;我们需要用大数据来触发灵感的最大值,用社交关注人性的最深处。文章来源:CDA数据分分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30