
大数据时代:媒体新任务和媒体人的新角色
提要:《大数据时代: 生活、工作与思维的大变革》一书最具洞见和最富争议的观点是:大数据时代最大的转变就是,放弃对因果关系的渴求,而取而代之关注相关关系。也就是说只要知 道是什么,而不需要知道为什么。本文认为,理解大数据时代的相关性思维方式,以及其它本质要素,进而理解大数据环境下受众对高品质、确定性信息的 需求,有助于传统媒体开阔眼界,找到寻求战略突围的方法。
关键词:大数据时代 传统媒体 媒体人 角色
文/张坤阳 徐铁英
在大数据时代,必须承认,追求因果性的传统媒体谈稿会等形式已经落伍。无论多么优秀的记者,他们对于事物的观察都受制于个人视野与立场,即 使是相对深入的,也未必全面、充分。而与记者在某一个视野有限的观察点上对事物进行的观察与分析不同的是,有效加工的大规模数据可以揭示更大范围内的或更 接近事实的情状,从而也为报道的深入提供了基础,从而彻底改变媒体生态。
媒体人角色的新转变
维克托舍恩伯格所理解的大数据思维,即不再热衷于寻找因果关系,而寻找事物之间的相关关系。这种观点,意在颠覆此前有限数据时代的信 息思维理念。传统媒体在信息思维上的不足恰恰在于:只见树木,不见森林。追求微观精确,忽视宏观把握。传统媒体应该有大数据视野。有了这种视野,即便关注 的是点上的微观问题,看到的风景也会不同,不是孤零零的点的意义,而是具有面上价值的节点。
以世界首届数据新闻奖的一个入围作品为例,这是由英国广播公司(BBC)和毕马威会计师事务所联合制作的《预算计算器:2012年财政预算 将如何影响你?》。政府财政预算向来是一项专业和繁复的公共政策事件,媒体要解决的问题是如何有效解读它对普通居民的生活影响。BBC的计算器简便实 用,用户只需在界面上输入一些日常个人信息,就能自动算出新预算会让自己多付多少税、明年的生活会比今年变得更好还是更差,等等。
在国内也有这方面的尝试,去年国庆节,游客在天安门广场留下大量垃圾,引发国人素质的大讨论。从大数据分析的角度来看,把历年来所有关于天 安门广场上垃圾的报道梳理出来。这样把所有数据全部整合出来,就能发现垃圾数量和游客数字之间,其实不存在关联性(事实上,天安门广场出于安全需要,不设 垃圾箱),人文素质也就无从谈起。通过开掘数据,记者的工作建立在扎实证据基础上,为读者提供经过科学分析的洞见,把抽象的、宏观的社会问题转化为跟普通 人相关、普通人容易理解的内容,还可分析复杂形势中事物发展的规律和趋势,给人们决策提供预见性内容。
在大数据时代,媒体人角色,就应该是意义生成者,主要工作内容是阐释事件的影响。建立在大数据技术之上的事件分析和意义解读,要比采访专家和凭记者个人判断更有可靠性。
战略突围要提前布局
为什么走在大数据前沿的都是一些互联网公司,而不是传统媒体或者出版机构?就在于技术原因起决定性因素,技术汇聚数据,数据的意义自现,才 会有相关性一说,才会忽视因果联系。这方面,传统媒体业存在先天劣势,不仅掌握的数据资源有限,掌握的人才和管理也基本为零。可以说,绝大多数媒体机 构连传统的流程、工具和方法都没有掌握。
一个简单的例子:中国最大的电视台中央电视台据称拥有近40万小时的节目资源,年播出总量为23.0248万小时;而YouTube每分钟 就有72小时的视频被上传,更不用提每月10亿独立用户的行为数据。数据量级相差悬殊。所以,传统媒体深受大数据冲击和影响,但又缺乏根基,难以出现颠覆 性的创新,无法孵化出新的业务形态。
传统媒体在大数据时代生存下去,除要对新闻业务本身进行变革之外,还要提前布局,积累数据资产,打牢根基。如浙江日报报业集团收购边锋浩 方。边锋浩方拥有五六百款游戏,活跃用户达2000多万,最高在线人数150万。围绕这个平台,浙报集团就可以建设数据分析系统为支撑,深入筛选捕捉用户 行为、习惯、偏好和需求,挖掘和积累可贵的数据资源。从其自身成长性和增值可行性来看,这个平台对传统媒体价值巨大。
另一方面,要加强数据能力的获取。媒体应通过合作、购买、外包、孵化等方式,首先掌握传统的数据处理能力,进而具备大数据应用的能力;引进 和培养数据人才,包括拥有统计学、商业智能、机器学习、自然语言处理等多方面技能的数据科学家,也要有知晓如何通过运用大数据来设计产品和运营企业的 分析师和管理者。浙报集团旗下传媒梦工场就投资了知微、优微等项目,主要专注社交网络的数据深度挖掘。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10