京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代新闻业谋变 新闻面貌在变化_数据分析师
传媒业受到大数据时代的冲击,已经不是危言耸听。
据报道,美国新闻集团近日对旗下的道琼斯新闻出版部门进行重组。包括道琼斯通讯社、《华尔街日报》在内的新闻机构将经历近百人规模的裁员。与此同时,集团将增加数十个数字新闻的职位,包括社交媒体服务、读者数据分析等,将资源转移至数字媒体及核心报道领域。据悉,通过重组,道琼斯公司希望让新闻编辑室“彻底转型”,成为世界第一大数字新闻组织。
传统媒体裁员已不是什么新鲜事,关键在于裁员之后,是紧缩银根苟活,还是壮士断腕谋变。《华尔街日报》的选择是,拥抱大数据,转向数字市场寻求增长。
大数据时代,强调的是对大规模数据综合处理的能力。这意味着,传统媒体必须适应新的信息生产和传播方式,既能生产数据,也能对数据进行解读分析的综合处理,为受众提供个性化的新闻内容。
在中国,也有人在做相同的打算。6月4日,阿里巴巴投资12亿元入股上海文广集团旗下的第一财经,意图发挥双方在传媒与大数据领域的资源优势,打造具有全球影响力的新型数字化财经媒体与信息服务集团。
“希望打造中国的《华尔街日报》、彭博,发出真正代表世界这一面的声音。”马云毫不掩饰自己在大数据上的“野心”。
大数据在发力
大数据的力量,最直观地表现,在于对新闻采写这一核心领域的入侵。
机器人取代记者一度让传统媒体人胆寒,此前,美联社、《纽约时报》已经开始使用机器人撰写一些财经、体育类等程式化的稿件,因为这两个领域都涉及到大量波动性强的数据;而在新闻聚合阅读领域,精确的“算法”逐渐取代人工,不少公司甚至“没有一名编辑记者”。
当然,这并不意味着传统媒体人已经“被后浪拍到沙滩上”。大数据是传统媒体的竞争对手,也可以成为媒体的方法和工具。从“靠专家说话”到“靠数据说话”,大数据时代对媒体人专业能力的素养要求更上一层楼。
有效地“加工”数据,可以更接近事实的情状。在此基础上,通过数据“提纯”,进行深度解读和分析。而进一步的“淘金”,更能把埋没于海量数据中的珍贵内容呈现给受众。日前,苹果公司高调招聘编辑团队,便体现了大数据时代下人的价值。
大数据的力量,还体现在放大了受众的声音与价值。
反馈,曾是传统媒体的“硬伤”。但从社交媒体中收集到的众声喧哗,更充分地呈现出受众的意见和态度。更重要的是,大数据拓展了媒体用户分析的广度与深度,不仅整体地描绘出受众的面貌,更能具体地描绘出每一个用户的独特需求,在此基础上,媒体的个性化服务(如新闻推送、广告投放),也许有一天真的像一颗颗“魔弹”,击中用户的“痛点”。
新闻面貌在变化
面对大数据的考验,传统媒体站在十字路口。要转型,意味着对既有新闻生产运行体系的改造,意味着软硬件的投入;不转型,势必在大数据的大潮中被侵蚀或吞没。这些都考验着媒介管理者的视野和气魄。
新闻行业本身正在或深刻、或细微地发生变化,这些也昭示着传统媒体转型的方向。
一方面,新闻的内容正在发生变化。除了新近发生或正在发生的事实,传统媒体更需要突破时间的桎梏,主攻基于大数据的预测性新闻和由数据驱动的深度报道。
有学者认为,媒体要成立专门的部门,或者依靠与外部的合作,建立起一个数据积累与分析的常规机制。这意味着,未来的媒体对于既掌握数据分析和数据挖掘,又秉持专业新闻理念的融合性人才有广泛的需求。盲目投入搭建平台,忽视专业的管理、分析体系的搭建和人才的引进培养,这恰恰是不少媒体陷入的“大数据误区”。
另一方面,新闻的呈现方式也在发生变化。新闻图表作为一种形象的、可视化的方式,使新闻进入“读图时代”。
2014年,数据新闻《青岛中石化管道爆炸》获得亚洲出版业协会的卓越新闻奖,这是中国新闻史上首次由程序员斩获新闻奖。而随着HTML5的异军突起,数据新闻的表现形式愈发地多样化。从2009年开始,包括英国《卫报》、财新传媒在内的国内外媒体已先后组建了数据新闻团队,可视化新闻已经从“配角”变为“主角”,从“噱头”变为“看头”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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