京公网安备 11010802034615号
经营许可证编号:京B2-20210330
让大数据助力媒体更上层楼
当下,大数据对人们的影响可谓无处不在;人们对大数据的态度,也可以说是痴迷疯狂。
在中央要求传统媒体加快融合发展,充分运用新技术创新信息传播方式的大背景下,媒体运用大数据助力自身转型发展的步伐也日益加快。在这一过程中,中国日报社里有这样一个团队,因行业趋势推动应运而生,因观念转型较快而为《中国日报》媒体融合提供着技术保障。它不仅为《中国日报》自身的媒体转型努力,更为中国声音更多地传到世界默默奉献着自己的力量,它就是中国日报新媒体联合实验室。
“三驾马车”搭架构 用数据说话
“与中国科学院自动化研究所成立新媒体联合实验室这一举动在当时看来是具有前瞻性的,这种创新精神也激发出了新的活力。在研发、运用大数据技术服务报社融合发展的同时,也为推动行业技术进步、服务国家战略尽自己微薄之力。”采访之初,中国日报社技术部新媒体实验室负责人韩冰这样介绍道。
《中国新闻出版报》记者了解到,实验室通过3年多的建设和完善,构建起涵盖业务创新、技术研发和理论研究3个领域专业资源的“三驾马车”架构,研究成果包括媒体传播效果反馈系统理论,全媒体、多语言覆盖的实时监测平台,基于关键样本的评估模型和跨学科的复合指标体系等。在传统媒体效果评估体系之外,通过对大数据技术的运用,为传播效果量化评估、科学评估找到解决方案。
“我们所做的工作就是用大数据说话,充分、客观、公正。”韩冰说道。
其实,透过中国日报新媒体联合实验室的成立及其大数据的应用,让我们看到了原有媒体业务的外延扩展。谈及伴随新媒体发展的感受,韩冰认为“顺势而为对于媒体而言非常重要,任何人都拧不过趋势”。在这种情况下,传统媒体转型与其观望不如尽早行动。因为目前业界所处的是一个等不起的时代,“马上行动”也是中国日报社在媒体转型中一个切身的感受。而当很多选题、技术大家都能做、都在做的时候,就要比谁想得更早,谁做得更快、更好。
在应用中产生价值 革新理念
“大数据就在那里,关键看它如何为你的机构所用。”采访中,韩冰十分推崇《哈佛商业评论》英文版总编辑阿迪·伊格内休斯说的这句话。生产工具是推动社会进步的重要力量,但生产力中最活跃的因素是人,发明创造工具的是人,使用工具使其发挥最大效用的也是人。互联网时代,人类利用网络以及网络上流动、停留的数据信息,创造出了一个具有无穷魔力的魔法棒,幻化无穷的可能。
“大数据可以说是互联网/物联网数据与人类智慧融合的产物,而不仅仅是一项技术。”这是新媒体实验室对大数据独特的诠释。但是,不落实到行业,不体现在行业应用中,人们对大数据的感知仍然会停留在“它仅仅是一个技术趋势”的肤浅层面。只有让大数据成为新的解决业务问题的手段,才能说明大数据的价值。
如何让大数据落地?韩冰说:“新媒体实验室在研究和孵化大数据应用的同时,更重要的是培育人才和理念。”这就是实验室为实现数据与人的智慧融合进行的尝试。
在新媒体实验室3年的发展历程中,与技术进步伴随的更多的是理念的革新。在此过程中,实验室经历过面对经过艰难攻关构建起来的功能强大、覆盖广泛的全球媒体云平台,却无法准确找到业务部门的“痛点”,也面对无法对症下药的问题;也经历过上级部门面对实验室庞大的指标体系和算法模型赞赏有加,却无从下手、无法“拿来用”的问题。为此,跨学科人才的引进,以及实验室“三驾马车”架构的应运而生,推动“数据”与“人”对接乃至融合。
化繁为简做减法 找到落点
在以快为特征的互联网时代,当人们稳步向前的时候,是不是感到了焦虑,是不是患上了互联网综合症,是不是因为信息爆炸变得无所适从,乱了阵脚?
“不积跬步,无以至千里。”韩冰说,“虽然我们身处研究互联网大数据分析的前沿,我们也时刻感受着互联网的快带来的种种压力和危机感,但做实事的准则从来没有动摇,这一点受到了各方的认可。”实验室通过整合资源实现借力发展,在理论研究、模型构建、技术研发的每一个环节扎实深入推进,在应用推广环节更是考验耐心——大数据理念的普及、使用大数据的人的培养,这是传统媒体向新兴媒体转型过程中的短板,也是巨大挑战。
在此过程中,实验室做的最多的事情是化繁为简做减法,必要的时候甚至让大数据变成小数据,为的是能够在业务中找到一个落点,为的是让用数据的人能在这个过程中逐步增强操控数据的感受,找到感觉。
现阶段,新媒体实验室已经找准自身清晰的发展方向和发展路线。随着中国日报社媒体融合转型的实践越来越深入,与其业务相配套的技术支撑体系将不断完善,走向成熟。而构建于成熟技术体系之上的中国日报社全球联动传播业务,将助力中国日报社构建立体多样、融合发展的现代传播体系,成为具备强大传播力、影响力的媒体集团。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29