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
在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 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 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-11AB实验是互联网产品迭代、营销优化、功能升级的核心科学验证手段,通过流量随机分组、对照组与实验组对比,科学验证策略、功能、 ...
2026-08-10在MySQL数据库优化中,索引是提升查询效率、降低数据库IO开销、优化系统性能的核心手段。普通单列索引仅适配简单查询场景,面对 ...
2026-08-10