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”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26