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
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 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 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 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 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09