
大数据视角的内容产业供给侧结构性改革思考
作者根据“出版业供给侧结构性改革解决之道·优化供给优控库存2016年度峰会”的主题,将国家新闻出版广电总局在新闻出版大数据体系建设方面的思路与大家进行交流;同时,与党中央、国务院当前提出的供给侧结构性改革任务作一个交互对照,梳理新闻出版业大数据体系建设与新闻出版业供给侧结构性改革的关系,从大数据的视角思考新闻出版业供给侧结构性改革的具体方向与任务。
大数据体系建设
与出版业供给侧结构性改革
对供给侧结构性改革的认识:最终目标是提高供给与需求的匹配度。
2015年11月10日,在中央财经领导小组会议上,习近平总书记提出“要在适度扩大总需求的同时,着力加强供给侧结构性改革”;随后,国务院在11月23日即下发文件《国务院关于积极发挥新消费引领作用加快培育形成新供给新动力的指导意见》,从中央政府层面开始全面推进供给侧改革,从中央到国务院,步调高度一致;2016年5月16日,中央对供给侧结构性改革再次做出重大决策,提出“三去一降一补”的具体任务。
要全面理解供给侧结构性改革,“供给侧”与“结构性”都是关键词,缺一不可。从国家总体经济状况看,一方面,产能过剩,库存增加;另一方面,大量关键装备、核心技术、高端产品又严重依赖进口。供给侧出的问题是对需求的掌握不清楚、对需求的满足不到位,所以要综合调整,头痛可能要医脚,而不是简单地头痛医头。结合出版业来看,比如困扰多年的库存问题,一方面有大量的积压,一方面读者又觉得没有“吃饱”,看不到好书,说到底还是需求问题,是需求变了,出版业的供给没有跟上,质量和服务没有跟上。出版业不但要在发行环节寻找解决方案,更应当到上游的出版环节解决问题,这才叫结构性改革。结构性改革应该如何推动?应该是政府、行业机构、企业共同发力。很多工作,政府要逐步退后半步,站在更加宏观的位置上,行业机构要大胆往前冲,服务好市场,带动企业跟进。现在很多时候,是行业机构这个中间齿轮的转动不够顺畅。这是宏观层面的一个基本认识。
总之,对供给侧结构性改革必须全面理解,不只是要推动供给侧改革,更是要做好结构性调整;不只是从供给侧单方面发力,解决供给侧的问题还是要到需求侧去寻找答案。最终,要实现供给与需求的高匹配度。
出版业落实“三去一降一补”的总体思路:尊重市场,允许市场自淘汰;分类处置,不做简单一刀切;推行标准,设定门槛控质量;技术创新,改变落后生产力;培养队伍,人才适应新时代;确定规则,上层建筑要稳定。
新闻出版业完成供给侧结构性改革的具体任务,需要各方协同推进。接下来重点从科技工作角度,思考如何依托大数据体系建设推动供给侧结构性改革。
一是尊重市场,要允许市场机制下的自淘汰;二是分类处置,不做简单一刀切,要对所面临的问题做详细分析,分类处理;三是推行标准,通过设定行业达成共识的门槛来提升与控制供应质量;四是技术创新,不断改变落后生产力;五是培养队伍,加快提升一般从业人员的基本素质,特别是技术应用水平,培养新闻出版企业的技术官、数据官,适应新时代;六是确定规则,在实践中总结出规律,形成规则甚至是法律法规,确保行业上层建筑稳定,保障行业秩序。
要结构性解决行业问题,就必须以覆盖全产业链的大数据为基础,构建科学的分析模型,实现产能分布、库存分布的合理性,减少经营负债,减少政府在竞争性领域的直接投入,通过改革与创新降低成本、补充短板。
新闻出版业的供给侧结构性改革,重点在去产能、去库存,而这两个方面恰恰是大数据体系建设最能直接发挥作用的。
去产能
要做到去产能,但不降低增速
一是选题管理,要尝试从出版业源头开始加强管理,以数据支持选题等级确定,产能要评估、分类、分级,比如,对重复出版不要做单纯否定,要在数据深度挖掘与分析基础上做出比较,具体分析。二是产量管理,以更为全面的市场数据、更科学的分析模型,提高市场预测准确率,甚至不只是预测,还要借助产业流程再造,改变传统“编—印—发”的单向、线性流程,以数据支持“众筹”等模式创新,实现用户端为起点的“发行—编辑—印刷—发行”的闭环流程,进而提高产能有效利用率。三是用户管理,要学会基于用户数据分析,做出用户画像,提高用户管理精准度,提高个性化推送准确率。
要鼓励发行单位把符合CNONIX标准的数据及时反馈给上游,用这种数据的反馈来推动源头的生产单位的改进,推动其选题管理和产量管理两种管理能力的提高,减少无效产能,提升有效产能,提高效益增速。
去库存
要做到去库存,但不减少市场销量
一是联动管理,包括横向的各销售环节的联动管理,横向的各出版环节的联动管理,以及纵向的产业链上下游的联动管理,实现策划、生产、营销、库存与物流配送的联动。二是分级管理,建立多维度、立体化的产品分类标签体系,区分产品的供应优先等级,对不同种类的出版产品、不同品种的出版产品采取不同管理策略。三是分类管理,关键是要从用户需求角度建立起分类管理。
关于联动管理,一方面,是发行单位和发行单位之间要联动,同一个发行单位内部不同的发行点之间也要联动,要改变发行单位“连而不锁”的局面,比如说各省的新华书店到各个地市、甚至区县都有所谓连锁门店,但那是名义上的连锁,数据上没有打通,导致管理上不能联动,仍然各自为战,是连而不锁;另一方面,就是上下游的联动,要把库存数据管理纳入到出版社统一的运营管理系统当中,将发行数据和分析的结果及时反馈源头的生产部门。
关于分级管理,要以历史数据和实时数据为支撑,实现库存的品种管理优化,尝试构建用户对出版产品需求的等级、评估体系,建立起出版产品的分级管理规则。建议大家跳出新闻出版业,去考察其他行业在物流配送环节的分类分级管理。比如,部分药业的仓储管理,会根据对用户购买行为的热点分析,结合季节、地域的病毒流行情况,实时调整库存的货架管理。这不是技术问题,是思维方式与工作方法问题。假如出版业也采取这样的管理思维,会是什么状态?比如,特朗普刚刚上台,曾经有出版单位出过介绍他的书,那么可不可以借助技术手段,将这一信息传递进入管理系统,将这本书在库存管理系统中排到第一等级,将相关图书放置距离仓储、销售场地门口最近的位置。实践中的类似行为,是根据主观判断。未来应当逐步提高对新闻、舆论大数据的利用,借助技术工具、系统,对舆论数据采集,判断消费者内容消费趋向,利用这样的分析结果去提高内容产品的品种分级管理水平。
关于分类管理,我们现在对产品基本上是按照已有的管理分类法,比如中图分类法等。可否从用户需求的角度出发,重新制定分类标签体系,重新评估某一本书是五星级还是四星级,是长销书还是畅销书?出版社的策划编辑、未来的出版业产品经理们,应当依托大数据制定销售策略,是短期销售还是长期销售?这将直接决定把这本书放在货架的什么位置上。而货架摆放位置,包括物理空间与在线书城等等虚拟空间的摆放,也应当有对应的星级划分。
去杠杆
减少经营负债,减少竞争性领域财政投入
国家宏观经济部门、财政部门提出“去杠杆”,是指要减少竞争性领域的财政投入。比如,财政部在文化产业发展专项资金投入方式上的调整,提出培育遴选一批中央、地方和市场的优秀文化产业基金,支持省级国有文投集团加大债权投资力度,进一步发挥市场在配置资源中的作用,切实发挥财政资金引导和杠杆作用,撬动社会资本,逐步减少政府直接投入。比如,总局规划发展司开始跟进采取相关举措,在今年下发的新闻出版改革发展项目库2017年度申报指南中,鼓励有条件的新闻出版公共服务项目采用政府和社会资本合作(PPP)模式开展建设,促进公共服务提供主体和提供方式多元化,并启动了新闻出版改革发展项目库合作基金申报工作。比如,发改委在征集各领域大数据应用工程项目时,也提出要尝试采取后补助方式,减少财政投入风险,为去除杠杆奠定基础。
对企业而言,去杠杆是要减少企业的经营负债,调整债务结构;是要鼓励企业从竞争到竞合,通过控股、参股、联营等方式加快资本盘活,充分发挥市场化资本配置效率;是要鼓励企业以多种形式参与公共事务。
降成本
要加快改革和创新
政府要改革,要改进工作手段、减少审批环节、提高工作效率,不断优化产业环境。企业要创新,要创新模式,寻找红海当中的蓝海,推动产业升级。行业要创新,要加快技术研发与应用,以技术引领创新,加快人才建设,推动行业“走出去”。这些工作,都需要以行业大数据为基础,以数据管理能力与水平的不断提高来支持创新。要以大数据支持生产与运营决策,减少无效生产,减少传播的中间环节,减少运营中管理工作的信号衰减,提高管理有效性,不断降低成本。
补短板
要加强基础建设
从行业的层面补短板,主要是加强基础建设。总局数字出版司目前关注的是行业科技支撑的基础环境建设。此前在“十二五”前期启动的重大科技工程,在“十二五”后期开始推动的技术应用,这些科技与标准工作的相关成果,已经开始转化为新闻出版企业的具体的生产力,正在产生效能。“十三五”期间,总局将加快行业级科技人才体系建设、行业科技研发与支撑平台建设、行业前沿技术跟踪与研发应用体系建设,并打造出畅通的技术应用路径与渠道。重点加强行业科技服务机构的建设,充分发挥其齿轮传导作用,降低行业内耗。
新闻出版企业的补短板,则要关注基本能力的回归,回归到出版本质。出版企业要思考,在这个时代,哪些是不变的?特别是,用户的哪些需求是不变的?
要正确和准确认识技术对行业发展的冲击,把握住机遇。互联网企业这么多年来已经完成了对用户习惯的改造,某个角度看,也是替新闻出版业完成了“用户迁移”工作。用户已经知道并习惯于“获取内容的渠道多样化,内容的呈现形态与互动方式多样化”,但是苦于“优质内容、可信内容”的匮乏,而这种状况正是掌握了大量优质内容资源、汇聚了可信知识资源的传统出版企业的机会。
我们现在需要做的,是加快推进从国家、到行业、到企业的多层级的基础建设,加快大数据体系建设中的“知识资源数据”的供应能力建设,以出版业生产的“知识数据”供应外部产业,在提升外部产业产能的过程中,实现外部产业增值的过程中,实现新闻出版业的效益增加。
未来展望和思考
新闻出版业是国民经济建设各个产业部门的智力供应发动机。
很多人经常把新闻出版业认识小了、做小了,总觉得我们就是出书报刊、出光盘的。当大家都在谈“互联网+”,我们就跟着做“互联网+”;谈大数据,我们就做行业的“大数据”;中央和国务院讲“供给侧结构性改革”,我们也讲行业的供给侧改革。但是,新闻出版人要认识到,互联网的相关技术,是信息传播的基础设施,互联网真正实现人与人、人与物、物与物的连接,所依托的是信息与内容,新闻出版业应当成为互联网的重要组成部分;大数据中最具价值的部分是知识数据,而“知识”,正是新闻出版业长期以来一直在供应的高级形态的信息内容;各个产业领域开展供给侧结构性改革,其成本降低,都需要从提高劳动力技能、开展终生教育开始,需要实践经验累积与推广,需要知识传播与服务、知识化解决方案供应,都离不开新闻出版业的知识供给。
从科技与标准化工作的视角看,总局将抓住“技术创新—标准规范—数据支撑”这样的工作脉络,在“十三五”时期广泛调研、持续创新,紧密结合政府、行业、企业各层级的需求,充分发挥支撑与引领作用,持续推进新闻出版业自身的供给侧结构性改革,并不断夯实新闻出版业在国民经济建设中的支柱性产业地位,为外部产业的供给侧结构性改革提供支持。
新闻出版大数据体系的建设成果,必须首先服务于行业用户,支持其提高资源管理的可控性;指导其有效再生产,减少库存、降低成本;支撑其建立知识服务为引领的新业态、新模式,以实现有效供给,推动行业供给侧结构性调整。相关建设成果还应当服务于政府用户,为各级各类政府部门治理决策提供支持;服务于公众用户,为研究机构、社会公众提供各领域知识服务,支持学术研究与教育学习、文化消费;服务于外部产业用户,为各领域产业部门提供新闻出版行业数据,特别是知识资源数据,以知识服务支持生产活动。以有效满足各个方面对内容供给侧的需求。
在通往未来的道路上,新闻出版人要持续大胆探索,不断总结经验,以数据引领产业创新发展,加快构建新闻出版大数据体系,为行业的自身发展提供支持,为国民经济各领域产业部门提供从资讯、文献到知识的全面数据服务,为社会公众承担起传承文明、传播文化的神圣使命,为实现中华民族伟大复兴的中国梦贡献力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28