京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代舆情服务的机遇与挑战分析
舆情服务在进行行业规范和整合的同时,正面临着大数据挑战。本文从信息浓缩、数据深挖、关联舆情构建与跟踪、大舆情等层面,深入分析并提出大数据时代舆情服务的应对建议。
浓缩海量信息抵抗“数据爆炸”
“信息超载”“数据爆炸”将人们变为机械的信息查询者。在过剩的信息海洋里,阅读由享受变为负担。美国、日本近年来的信息吸收率仅为10%左右。曾经公务繁忙的美国前总统克林顿说,就理解和领会能力而言,头脑中塞满东西和头脑中空空如也同样糟糕。也因此,能够在短时间内消费最大信息量的“浅阅读”成了大数据时代最大的阅读变革。从舆情产品服务的角度看,浓缩海量信息,抵抗“数据爆炸”已成基本要求。可从两方面着手:一方面在信息广度上作文章,最大可能去抓取数据信息。同时掌握数据抓取能力与舆情解读能力将是未来舆情分析的必备技能。另一方面,舆情分析人员需要对一些非常重要的事件,给予一种更加平易的解读方式。
强化数据深挖实现“信息增值”
提高舆情产品质量的关键,在于对数据的“加工能力”,通过“加工”实现数据的“增值”。这就要求分析人员提高对信息的鉴别力、萃取力、掌控力,对数据进行生产、分析和解读,探索一条为用户提供分众化服务的信息增值之路。
目前,已有美国大学专门开设了研究大数据技术的课程,培养下一代的“数据科学家”。在国内,情况更不容乐观,很多舆情服务机构甚至没有专门的数据管理、分析部门和专业分析团队。未来需要一批有较高学习能力、分析能力、知识水平的数据从业人员占据舆情服务重镇。
构建关联舆情消除“信息孤岛”
目前我国信息化应用水平参差不齐,政府和企业不同的部门之间都存在“信息孤岛”问题:有多少个部门就有多少个信息系统,每个系统都有自己的数据库、应用软件和用户界面,完全是独立的体系,阻碍了数据的互通互联。舆情机构提供的个案分析已不能满足政府和企业的资讯需求,协助对方消除“信息孤岛”越来越紧迫。
作为政府和企业的资讯提供者,舆情服务机构需把握未来几年大数据在公共及企业管理领域发展的重要方向,充分整合政府和企业的数据资产,进而完善对方的决策流程。通过搭建关联领域的数据库、舆情基础数据库等,在舆情预警、研判、应对、决策等环节,丰富和完善决策参考体系。届时,舆情和数据服务不再局限于个案分析,同时需要跟踪关联舆情,不再局限于危机解决,还要辅之以决策参考。
跟踪关联数据提高趋势研判
大数据的核心和目标就是预测。舆情等数据分析机构从互联网浩如烟海的数据中挖掘信息、判断趋势、提高效益已有实际应用。在美国中央情报局,情报人员通过抓取海量数据来追踪恐怖分子和监控社会情绪,首席技术官格斯?汉特称,在“阿拉伯之春”中,大数据分析可以了解多少人和哪些人正在从温和立场变得更为激进,并“算出”谁可能会采取对某些人有害的行动。
在大数据时代,决策行为将更多地基于数据、分析和事实做出。鉴于此,2012年3月29日美国政府发布的《大数据研究和发展计划》提出,应当通过对海量和复杂的数字资料进行收集、整理,从中获得真知灼见,以提升对社会经济发展的预测能力。具体到舆情服务,分析人员要不断增强关联舆情信息的分析和预测,把服务的重点从单纯的收集有效数据向对舆情的深入研判拓展,从注重“静态收集”向注重“动态跟踪”拓展,从致力“反映问题”向致力“解决问题”拓展,使舆情产品“更快”——预警快、决策快。
树立大舆情观念拓展服务边界
提起舆情监测,人们更多想到网络舆情,忽略了现实社会生活中的舆论情况。舆情服务与社会调查结合不足,甚至直接把网络观点整理后报送给客户,难免对决策产生误导。如几年前,对于假期增减的网络投票,有机构打着尊重民意的旗号,在网上和其他媒体做调查,而最后的结果却与很多民众真实意见相左,破坏了舆情服务的公信?力。
舆情服务机构应树立大舆情观念,使舆情服务的主体和边界“更全”。这里的大舆情,强调大数据的关联性,横向看,将服务主体延伸至政府、企业和社会的各领域;纵向看,将产品内容延伸至包括舆情预警到决策方案在内的各环节。
网络舆情分析、社会调查和效果研究相整合,不但拓展了舆情服务的边界,同时使舆情产品更科学、严谨,避免误判。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22