京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据+传媒”影响各行业转型与变革
2016中关村大数据日活动暨京津冀协同发展高峰论坛在中关村国家自主创新示范区展示中心会议中心开幕。围绕 “数据驱动创新,智慧引领未来”这一主题,来自政府、学术界、企业界、传媒界嘉宾,就大数据技术创新、成果转化和产业融合等问题进行全面、深入交流和研讨。北京北大方正承办“2016中关村大数据日——传媒大数据分论坛”,深入探讨并交流了大数据给传媒行业带来的深刻变化,以及如何通过大数据应用构建传媒的核心竞争力等话题。
北京大数据研究院院长、中国科学院院士鄂维南在开场致辞中提到,从长远来看,互联网大数据在传媒行业应用空间非常大。一方面,所有的人都需要用到媒体,另一方面,在现在的条件下,有可能让每一个人都成为新闻界一员。和日本、美国等相比,中国的传统媒体受到的互联网冲击力度更大,然而,互联网只是第一步,大数据是下一步,智能化的一步。希望方正电子和其他企业一起,使传媒大数据应用更上一层楼。
北京师范大学新闻传播学院执行院长喻国明以《技术发展下的传媒业态与转型》为主题,阐述了影响中国传媒业发展变化的基本动因。他认为,智能化的引入,对于整个互联网未来的产业发展具有特别重要的意义,谁能够利用智能化的技术,处理数据的使用,并以更加有效的方式跨界融合整合,谁就能够夺得市场、产业的主动权。在下一轮发展当中,对于数据的智能化处理映射出这个产业最重要的发展路径。
北大计算机研究所教授、博士生导师彭宇新分享了“跨模态大数据分析与识别技术”的最新进展。他介绍说,随着媒体数据的快速增长,出现了两个问题,一是存在大量未上传且敏感的数据“管不住”,二是图像视频很难识别导致“用不好”。不过,随着多模态识别关系和系统的开发与建立,可以突破网络有害信息难以识别、难以利用的问题,最终应用于互联网监管领域,从而促进媒体大数据的运用。
在新闻媒体快速数字化的今天,在数据处理领域出现了哪些新进展?北大计算机研究所研究员、博士生导师赵东岩表示,媒体大数据的语义搜索和系统,可以基于互联网和新闻出版资源的信息,包括社交网络,进行语义分析,构建出专业化的知识库将媒体的信息与知识服务能力提高到新的水平。
新华社中国经济信息社新华丝路事业部总监魏薇表示,目前新华社中国经济信息社正在为国家“一带一路”战略提供信息服务,而这个体系的打造,离不开大数据的支持,需要利用“互联网+信息服务”的思维,打造以“精准数据+智库”为支撑的新华丝路信息服务体系。
人民网技术总监邢华以《大数据时代的传统媒体》为题做了分享。介绍了人民网对大数据应用的成果,重点介绍了正在建设的人民网数据中心项目。
作为传媒行业领先的技术、服务提供商和行业咨询专家,方正电子全力打造DT时代的智慧媒体,已为300余家报社提供DT时代的媒体融合解决方案,在当天的论坛上,来自方正电子的3位技术专家分享了针对互联网大数据的深度挖掘与利用技术、方正传媒大数据的成果以及知识体系建设方案。
方正电子互联网大数据技术开发部部长张丹深度解读了对互联网大数据进行挖掘的方式与技术,其重点是围绕着互联网的数据、业务信息资源和知识库,从内容、人、位置三个方面展开,包括态势的分析,以及敏感事件、热点话题、传播溯源等角度。
方正电子媒体大数据总经理卢岚分享了如何借助大数据,推进媒体的新闻生产,帮助新媒体运营,并开拓媒体经营服务的转型,从而实现新型媒体集团的转型与飞跃。卢岚认为,在DT时代,新闻的未来是分析数据,而媒体的未来就是数据能力。我们的目标是帮助传统媒体打造成为“智慧媒体”,它的核心目标就是以用户为中心,实现精准传播、精准营销和精准服务。
今年中关村大数据日关注的一个重点是,以大数据的思维、技术、模式、产品、服务等突破行政藩篱和区域界线,而由方正电子承办的此次传媒大数据分论坛则体现了整个业界针对传媒大数据领域的更多探索。无论如何,大数据时代已经来临,并在加速影响着各行各业的产业转型与变革。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12