京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据的价值 _数据分析师
不久前的上海国际电影节上,保利博纳总裁于冬关于“未来的电影公司都将为BAT(即互联网媒体百度、阿里巴巴和腾讯电影节新增设的“华语电影新焦点”单元也首次运用大数据技术遴选了五位最受关注的焦点人物。由此可见,基于新媒体的大数据技术已经得到了具有前瞻意识的行业精英们的重视,开始被投入应用之中。然而,就在一些先锋人士主动走进大数据的同时,另一群从业者却认为,过分强调大数据的作用,并不利于电影产业的发展。比如梦工厂的CEO杰弗瑞·卡森伯格就坚决反对大数据参与到电影制作当中。他表示,梦工厂的电影不是来自数据,而是来自内心。乐视影业CEO张昭也认为,如果为了商业化目的,太早用数据做电影,用数据挣票房,我们将错过一次中国电影的文艺复兴。究竟哪个观点更有道理,值得探索。
一直以来,中国电影产业缺少对票房收入、受众结构和衍生品开发的有效数据统计,导致产业链最前端的项目评估由于缺乏数据支持,准确性和可靠性大大减弱。大数据的运用能够为电影投资提供可以量化的指标,数据所显示的规律性和对于项目的可行性预测,可以有效规避经验主义所带来的投资风险。大数据可以帮助电影产业进行市场定位,让业界有目标性地宣传推广,投放商业广告进行市场预热、引发话题讨论和用户参与等。我们还可以通过对大数据的持续量化跟踪,预测产业收益和社会影响。比如,克顿传媒很早就把数据分析应用于电视剧产业链的各个环节,让产业开发更有针对性。去年华策影视并购克顿传媒,很大程度上也是看中了克顿所拥有的庞大数据资源。
新媒体介入电影产业,让跨屏传播实现了无缝对接,同时也令电影创作更多地照顾到互联网、手机等移动终端的视听诉求,并且进一步扩容了受众数量和市场卖点。网络电视的推出,把大屏幕互联网、视频点播、内容定制和特别推出的数字机顶盒进行整合销售。数字电视与网络媒体的嫁接,让数字机顶盒中的“回路数据”被准确提取。与传统的收视率调查相比,这些海量又及时的数据所蕴含的信息量更大,准确度更高,由此得出的收视率和上座率评估就更为严谨、科学和实用。然而,目前国内影视行业更多的只是掌握了大数据的理念,而对大数据技术和实际操作流程还不甚了解。因此,搭建基于互联网的大数据平台,通过多渠道、多终端的互联互通,为投资、创作、发行、销售等产业链的各个环节提供技术支持和服务保障,是将大数据技术投入应用必须实施的基础工程。
那么,究竟如何将大数据应用于影视创作呢?美国视频网站Netflix用大数据技术评估观众口味,以选定美剧《纸牌屋》的创作班底,从而使其大受欢迎的故事,在媒体圈广为流传,甚至成为一些从业者树立“数据为王”这一颠覆性理念强有力的现实支撑。然而,我们发现,虽然《纸牌屋》的创作班底和播出方式是基于对3000万用户的数据分析得来的结果,但是创作者的艺术水准不容忽视。该剧对美国政治、经济、文化和社会生活的解读精致到位,剧作情节结构、剪辑节奏和表演技巧都堪称一流。对于大数据的另一个著名案例《小时代》而言,其原著在网络上的高点击率和大数据所显示其受众的人员构成及消费习惯,直接促成了电影从投资、拍摄到上映整个产业链的形成。然而,作品所显现的信仰缺失和价值观紊乱以及拙劣的创作水准,却与其票房收入形成极大的反差。这两个例子告诉我们:充满理性、相对严谨的数据思维固然可以提供一种创作模式和流水线般的商业运作方式,但它代替不了艺术思维中的灵感闪现和情怀抒发。过分依仗数据思维的艺术创作,容易落入迎合、取悦甚至献媚观众的窠臼,而缺乏必要的艺术引领和精神攀登。因此,在大数据时代,数据思维可以作为艺术思维的参照信息。在艺术创作中,我们可以从大数据的海量信息中窥得社会思潮、文化基因和流行元素,触摸到当代人的精神需要和生活期许,然后把这些数据信息当作创作者的素材、养料和佐证。但数据思维绝不是艺术创作的实现方式,解决不了拍摄理念、剧本创作、表演水平和3D技术应用等问题。也就是说,大数据可为电影的投资风向做出战略规划和战术指导,但是它无法代替具体“作战”的艺术创作者。因此,大数据对于艺术创作的介入应该有多深,还是个值得商榷的问题。我认为,面对大数据的来袭,我们既不要迷信也不要排斥,要用辩证的方法和发展的眼光来看待它。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20