京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31