京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,票房不再是唯一
经历了数代学院派导演在艺术上的探索和产业化白手起家的拓荒,电影不再只是“声光电”的艺术形式,更开启了一个雄心勃勃的市场化运作的时代。众多资本的涌入,一方面创造出巨大的利益空间,另一方面也暴露出行业内部的“鱼龙混杂”——创作者的良莠不齐,伴之以评论界的莫衷一是,网络世界的众说纷纭,可谓“乱哄哄你方唱罢我登场”,乱象频生。
群龙无首:电影评估共识性缺失
一般而言,常态文艺评价体系中文艺作品的传播效应,也许和老百姓的喜好息息相关,而其艺术质量的高下,往往取决于专家学者等专业人士的评价意见。然而,信息时代的来临,发声渠道的多样化,却让“专家”地位岌岌可危。
“一些所谓的‘专家’常常只说‘溢美之词’”“太缺乏同行之间相互辩论的氛围”“被权力和资本绑架”是当下的专家群体常常受到的指责。具体到电影行业,则更多体现为学术界在电影艺术价值判断方面的混乱。不同学者、不同场合、不同媒介在话语上的参差,加之背靠专家的各类评奖不断被权力关系裹挟,一些“专家”在公众心目中沦为“砖家”,公信力一落千丈。
专家群体共识性的下降,并不代表公众话语能取而代之,因其内部本就呈现出鱼龙混杂的“非理性”。相比于公正的评估,网民更倾向于狂欢式“站队”,比如近年来围绕《小时代》《后会无期》等电影出现的粉丝战争,正是其典型症状——如此任性的口舌之争,共识性从何谈起?此外,一些民间电影评分网站如豆瓣、时光网等,在电影评估和影迷互动等方面的确扮演着越来越重要的角色。然而,由于算法规则的粗糙、参与人员的随意性以及资本渗透的加速,其公正性与客观性也面临严峻挑战。
环顾四周,中国电影似乎身陷评价体系混乱的困局。然而,随着大数据时代的来临,市场的规范化和标准化毕竟是大势所趋。在可以预见的将来,电影市场兴衰高下究竟应由谁来裁断,作为完善产业的权威评价体系又该如何构建?
革故鼎新:中国电影产业指数诞生
2015年9月18日,在第24届中国金鸡百花电影节期间,吉林省吉林市举办了“‘互联网+’时代的中国电影产业高峰论坛暨电影教育和产业发展委员会2015年年会”。这次会议上,一份名为《中国电影产业指数研究》的研究报告,吸引了众多与会人员的关注,而项目的主持者则是北京电影学院党委书记侯光明。
“中国电影现在面临的问题,要宏观而长远地看。”从2013年起,身为北京电影学院电影产业战略研究所所长的侯光明,就和副所长刘正山一起,开始了整个项目的数据搜集和调研。作为国内发布的首个综合性的电影产业指数,其成果也为电影评估共识性的建立,指明了方向。
其实,大数据概念的提出早已不是新鲜事,近年来用大数据思维将产业形势指数化的尝试屡见不鲜,但对于文化领域而言,步伐却似乎显得缓慢,且更多局限在微观研究领域。“许多电影人总觉得电影的本质在于艺术性,在于主观评价而非量化评估,因此很少用标准化、数据化的方式去综合考量电影行业。”在中国传媒大学讲师龙思薇看来,中国电影产业指数作为产业背景下的宏观指标被提出,具有“革故鼎新”的意义。
“我们的电影发展环境是比较好的,像硬件环境方面,投资环境、政策环境都不错,总的银幕数和影院数也是很可观的。然而从‘效益’来讲,每块银幕的平均观影人次和票房数却不尽如人意,这会拉低产业的整体数值。”综合报告数据,侯光明得出了一个重要结论:票房数据漂亮,不等于电影产业综合发展好。“我们可以算是电影大国,但离电影强国还有很长的路需要走。”
这对于空前膨胀的中国电影市场而言,不啻为一味苦口良药。
路在何方:行业呼吁综合性评估
1895年,电影诞生于法国巴黎卡普辛路14号大咖啡馆的地下室里,距今已整整120年。在这一百多年的时间里,对电影艺术作出最大贡献的是欧洲,而电影产业的引领者则是美国。相比于好莱坞电影成熟的产业体系和完善的评估制度,中国电影无论是在数据基础、评奖机制还是第三方评估等领域,都刚刚起步。而无论是出品方还是影评人,似乎都囿于文艺作品“生产—接受”的主观视角——这显然无法满足当下电影市场客观评估的需求。
侯光明指出,中国电影产业指数的诞生,旨在“给政府提供决策支持,制定中长期发展规划,同时也给企业提供决策依据”。然而“海外竞争力”这一指标,由于数据搜集等原因在综合指数中却无法体现出来。由中国文化国际传播研究院院长黄会林所领衔的“中国电影国际传播”数据调研,自2011年启动以来,已连续开展五年,也在相当程度上填补了产业评估的空白。
“以今年的调研为例,我们采取多阶段抽样和随机抽样结合的方式,向全球五大洲66个国家共投递并收回有效问卷1592份,在SPSS数据分析的基础上得出了一些相当有益的结论。”黄会林介绍说,其年度报告《银皮书》显示,中国电影在国外仍属“非主流”电影,其中现代题材的电影发展明显滞后。“通过调查我们发现,国产电影对于展现国家的飞速发展,并没有促进作用,这应该是未来需要着力的方向。”
无论是国内产业指数报告,还是海外电影传播的调研,都是从个别案例的水洼中走出来,面向整片“海洋”的壮阔之举。龙思薇认为,综合性评估的逐渐涌现,标志着国内电影产业正逐步走向成熟。“正如资本运作需要根据客观的证券指数来进行规划筹谋一样,电影产业的走向也有赖于行业的‘晴雨表’。产业评估为资本流动和政策导向提供了标尺,也可由此预测行业的发展前景。”
随着“蛋糕”的不断做大,越来越多的民间或官方机构可能会参与到产业评估的盛宴中来。对于大数据时代的中国电影而言,我们也的确需要“说一不二”的量化标准,以更加客观的方式、经常性地为产业把脉问诊,指点迷津。正如黄会林所言,中国电影作为国家文化传播的有机组成部分,既要靠微观上电影人的不懈努力,也要在宏观上提升到战略高度,把握好准确的航向。从这个意义上来说,电影产业评估的天地大有可为。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11