
大数据对艺术有什么影响
就目前国内的发展情况来讲,大数据始终是和互联网分不开的,或者说我们能够做所谓大数据应用的场景多是建立在互联网为基础的情况下。
所以,在谈艺术行业如何应用大数据之前,可能先要做好艺术行业如何在互联网的道路上走的更深更远一些,毕竟大数据的真正应用是需要庞大的数据基础。
很巧的,作者之前曾就职于国内顶尖的艺术服务集团,在艺术行业内算是相当有权威的一家媒体以及平台性质的公司。现在也恰巧在做数据咨询类的产品经理。答主的问题我曾经也和之前的同事讨论设想过,您看是否有参考性。
首先,我将大数据真正的价值核心归纳为一句话
利用已有的历史数据作为分析和剖析的根本,在实际的过程中不断验证以及调整数据基础以及算法模型等利用场景,最终目标为利用成型的模型以及大数据基础对未来的价值和趋势做出稳定的可信赖的预测。
在实际应用中,大数据的应用在这三个阶段均可以有着成型的产品以及可利用价值,但最终的实现目标均是对行业价值的预测。
相比艺术行业,最特殊的一点在于艺术的价值是无法用现有其他行业的方式方法去评估的,说的俗一点,艺术品是不能用钱衡量的(当然这句话在真实的艺术行业并不适用)。
艺术的真正价值几乎可以等同于收藏和投资,所以,艺术行业的大数据价值,可能唯一在于,价值预测。
之前的老东家确实有着手进行这个概念化的操作,集团旗下有一个艺术市场监测中心专门以数据分析作为基础来提供参考指数以及价值走势和报告等产品。但至今大数据的概念已经风起云涌,我始终没看到他们能够走到预测这一步,一方面我相信是实际操作的难度以及问题导致,没有庞大的基础样本数据很难做到预测。另外一方面,作为利益相关人士,我深知这个数据分析的实际操作情况有多么的不科学不严谨以及苍白无力……。
那么,如果当真要利用大数据作为艺术行业的扶持我们可以做到什么程度?
我提一个美好的设想,在大数据对于艺术行业的扶持已经完善之后。我们可以对任意艺术家、艺术品、艺术行业进行预测。在2014年秋拍结束之后,我们就可以预测在2015年的春拍价格会环比上升什么地步,可握持价值为多少,未来的某个时间区间内的价格走势如何。艺术行业成为可量化的标准,国画在未来大环境的影响下会是什么样的生存状况,鼻烟壶在未来几年内是否会成为收藏投资的热门,从事某个艺术品制作的艺术家是否有可投资价值。
均在掌握之中。
这是一个看起来很美好,也很可怕,也实际价值可怖的设想。但实际的情况是,这样的设想,我们只能起于初步,路途相当的遥远。
大数据这个概念本身就是在和行业经验做斗争,将之前的只有经营了几十年画廊或者在拍行混迹多年的老师傅才有的眼光和经验来权衡的信息通过大数据成为了量化的价值标准,这足以改变这个行业,也足以改变对于艺术品什么是美的概念。
那么,如果当真要利用大数据作为艺术行业的扶持,达到我们这个美好的设想,我们可能会遇到的问题是什么?
1.历史数据缺失。
前面有提到,对于大数据的三种格式,艺术行业天生匮乏,现在着手于大数据的收集整理分析,要面临着极大的人工以及时间投入成本。
首先,社交数据我们可以通过目前已有的论坛、贴吧、微薄等媒体平台采集整理,历史数据仍可以获得。但真实价值最大的行业数据几乎属于空白。
现在着手,可能需要去联系整合国内所有大型的或者资格够老的画廊、排行、经纪人等存有数据的机构,重新整理编排录入。或者,这一方面的问题只涉及到浅层,只获取已有的线上数据,通过艺术品在线交易的机构,这一方面的数据应该还算易于获取。
2.算法模型的建立
任何大数据的价值利用都会需要在预测和分析过程中建立算法模型,类似央视那种什么大数据说春运,哪回家的人最多,哪外出打工的最多,什么交通工具最受欢迎等等属于第二阶段的大数据利用,几乎不涉及算法模型等概念,但可利用价值较低。艺术行业如果在第二阶段的价值利用,可以发布一些指数可评级,作为线下的艺术家评测或者论坛、颁奖的依据也是可行的,不过需要主办方本身一定的行业威信。
而如果涉及到第三阶段的预测,大数据的建立就必须要涉及到算法模型。之前看过一篇介绍日本的迪士尼乐园在预测人流量上的大数据模型,参考维度细致入微,在以历史数据分析为辅的情况下,把天气、周边交通情况、市内其他活动的举办周期、节假日信息、城市常住人口的生日以及年龄信息等等均通过算法模型建立考虑其中,最终得出对未来几天内的人流量预测。
而艺术行业如果能够做到预测一步,艺术品消费人群的主流意向、行业发展情况、国家扶植政策、品类收藏热度、艺术家从业品类分布、各大拍行春拍秋拍情况、小拍行的艺术品流向和交易量、画廊和投资自购投资偏导、市场饱和容量等等都是即便不深究也是一眼就能看出会影响到最终结果的因素。这其中的算法和逻辑关系,要通过长时间的验证以及自身的从业人士才能去揣摩的东西。
3.行业排斥性
这个是很多其他行业不会遇到的问题,但是却是一个很严重的问题。像前文所说,大数据的利用可能会彻底改变艺术行业的现状和生存,尤其是艺术行业本身就是一个不能用基础价值去衡量的产业链,行业的排斥性会是一个很现实的问题。试想,如果真的由一个权威机构发布一份报告给拍行告诉他们未来五年内,紫砂壶的收藏价值会逐渐下降衰落,建议不接拍或不投资,以现有的行业环境来看,拍行会有多大可能相信这份报告?要知道行业的价值很大程度上正是存在于拍行的手中,艺术品真正表现出来的价值是炒出来的。拍行大力作价,导向结果不是一件太难的事。再说,就算拍行信任这个预测结果,行业的接纳程度又会有多少,紫砂壶行业的从业艺术家会如何看待?艺术行业的大数据价值利用,与传统互联网行业的差别在于,互联网行业的大数据是挖掘大家都看不到的东西给大家用,而艺术行业的大数据挖掘分析的结果会损害到一部分人的利益,且是巨大的利益。
4.谁先吃这个螃蟹
谁先吃这个螃蟹?谁都知道这个规划有价值有利用的可能,但面对初期没有任何收益的情况下就需要大资本的投入,谁会先去吃?
5.大数据是否真的适合艺术行业?
经常有人说,大数据是第三次工业革命。前文有提到过,大数据如果真的在艺术行业完善起来,改变的不仅仅是艺术这个行业,可能最终会改变人审美的价值。
现在我们去花钱买一副画,可能是因为它会升值会有投资价值,但更多的还是因为我喜欢这幅画,或者我喜欢这个风格的画。未来呢?可能由于标准的量化,任何艺术品都变得透明无趣,变成了普通的商品,人们乐于投资的是那些明显有收益回报的,如果你看到一幅画,行业经过大数据分析预计他在未来几年内的价值会不断下滑,即便你很喜欢这幅画,你会买回家收藏吗?人们不再为了美而去对待艺术品。这本身就是一件值得悲哀的事情。
所以,综上所述,艺术行业对于大数据的利用,其实最理想也相对而言最有价值的地方我希望会是在大数据价值利用的第二阶段,在采集分析历史数据的同时能够基于现状在行业大环境下发布相关的报告、行业现状、趋势,并对从业的公司个人提供偏导意见及部分建议,而不是真正把艺术行业量化,把美的概念量化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 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 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08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, ...
2025-09-05