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 学者:不少媒体陷“误区”
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”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09