
回顾本届世界杯,信息通信技术的发展赋予了它相比以往诸多不同之处—譬如移动互联网的高速普及令世界杯从客厅走向指尖、社交媒体的充分利用使之成为真正意义上首届“社交网络世界杯”、大数据的应用大大扩展了看球视野促进“全民娱乐”。
上海联通携手《东方早报(博客,微博)》在世界杯落幕阶段发布了大数据世界杯“申迷指数”白皮书。本次发布是国际上运营商首次尝试以大数据来分析世界杯、观察球迷、关注市民的生活,以白皮书方式全面展示世界杯期间沪上生活,同时也开创了运营商大数据应用结合世界杯活动的先河。
世界杯从客厅到指尖
综合第三方机构调研分析可以看到,整个社会正加速从PC互联网时代向移动互联网时代转变,一个显性的指标就是接入互联网的移动终端数大大增加;手机终端整体从功能机时代进入到智能机时代;通信技术从2G时代进入到3G时代和4G时代。
社交媒体被充分应用,微博2010年开始大行其道、微信2012年开始普及,整个社会进入了“人人社会”或者“社交社会”;娱乐无处不在,“有趣”成为事件传播的要素。同时大数据成为最热门的话题,其应用迅速普及、影响力越来越大。
在这样的时代背景下,不难发现除了“中国足球队继续留在家里看电视”这点外,2014年与2010年相比世界杯发生了很大变化。
上海联通互联网与存量经营部总经理沈可分析说,本届世界杯看球的设备从电视机转为了平板电脑和大屏智能机;看球的渠道从完全依赖电视台,获取信息从纸面媒体转变为互联网视频和网站;看球的形式从个人默默熬夜和扎堆酒吧看球,演变成线上联动看球,充分利用社交媒体,形成虚拟的“一起看球”;球迷在世界杯期间自我表现和参与需求更为强烈,UGC与互动参与成为刚需;看球的关注点更加多样,不仅要足球好看,而且要相关的信息展示更有趣、更形象、更直观。
2014巴西世界杯已经从“客厅里的世界杯”变成为一届“指尖上的世界杯”。借助移动终端、利用先进的4G/3G技术、通过移动互联网和社交媒体,将观看与参与通过手指的操作得以实现,信息与硬件完美融合创造出全新的赛事体验,这也是现代信息通信革命赋予球迷的最好馈赠。
联通大数据新看法
由世界杯衍生的话题不胜枚举,无论超级铁杆还是对足球漠不关心,这一个多月来注定会被世界杯影响,反过来又影响了世界杯的信息传播。实际上,本届世界杯的内容主体已经从队员和比赛变为球迷和赛会期间生活乐事,至少后者的信息量占比不断提升。
在这种转变过程中,大数据会发挥重大作用,甚至是还原期间百姓生活、球迷特性的唯一途径。沈可说,用数据来展示球队、回顾比赛历史、区别球员表现已经习以为常,但是这些数据只是统计的展现,带有专业性,并不美。还需要引入更多样、更大量、变化更快、且能创造新价值的数据,也就是用大数据的眼光来发现世界杯的更多美、球迷的更多美。
不仅如此,在数据展示的过程中,也需要通过丰富的图表、有趣的文字、创意的主题来进一步丰富表达的内容,让这些数据更具有亲和力,更具有传播性。让数字也变得更加有趣,充满娱乐精神。
上海联通利用先进的大数据技术,将点滴的个体数据汇聚起来,寻找单一元素大集合后的整体规律,探索令人着迷的大数据关联关系,一起以大数据的眼光来看看上海市民与球迷在世界杯期间的生活。
从终端的选择、移动互联网使用的强度、网络服务的感知、心仪APP的选择到吐槽的槽点、热门话题的介入,并与更为广泛的其他数据结合,就能找到上海球迷看球的脉络、看到上海球迷的画像、知晓比赛期间我们的生活究竟与世界杯发生了怎样的联系。这些角度都是过去所不具备的,是我们首次以大数据的角度来观察一届世界杯、观察球迷、关注市民的生活,沈可说。
“申迷指数”白皮书
面向大数据的能力输出是运营商积极参与智慧城市建设的一个重要领域, 而“申迷指数”白皮书的发布恰是上海联通积极关注民生问题的体现。
在整个世界杯期间,上海联通启动了“指尖上的世界杯,大数据里的新看法”主题活动,通过矩阵式媒体合作,与《东方早报》合作,辅以自有社会化媒体平台为核心阵地,配合社会化媒体平台进行粉丝精准互动。
该活动通过对前一比赛日的球迷大数据分析,每日发布一条主分析和预测指数,如峰值时刻、昨夜无眠等,使民众对大数据的应用有更加直观的感受。同时“申迷指数”也会每日推出花絮指数,如熬夜圣地、性感指数、TOP Apps等,让广大球迷不仅看好球赛,而且看球的关注点更加多样化。
C114获悉,上海联通在整合活动中通过线上线下多次与网友互动,实现了矩阵式媒体全覆盖。有超过50万人参与了线上线下等活动,活动总曝光量达5000万次。
作为活动最重要部分,“申迷指数”白皮书在世界杯落幕阶段也进行了发布。用大数据的眼光找到沪上球迷看球的脉络,同时也揭晓了一些沪上球迷看球的聚结区域、钟爱什么样零食这样的有意思的看球行为,展示世界杯背后的另一面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11