大数据时代传统报业如何占位(1)_数据分析师考试
大数据时代的大门刚刚开启,巨头、中小企业、各类机构都将重新寻找在互联网中的位置,报业如何立足优势恰当占位?需要务实创新的思考和回答。
数据再“大”无用武之地等于零,要搜集“慢数据” “活数据”
互联网上每时每刻都在产生数据,人们生活中无所不在的各种设备,比如电脑、手机、智能电器、感应器等等,都能时刻留下人的行为痕迹,实时产生数据,这些呈几何级增加的数据沉淀在网上,成为大数据。这些大数据有多大用?
2014年5月29日,百度董事长兼CEO李彦宏在第九届百度联盟峰会上预测了“未来5年有非常大的发展”的两大产业机会,这两大产业是“BAT(百度、阿里巴巴、腾讯)三者都不会涉足的领域”:1.新型企业级软件,解决企业从内部到外部链接的问题;2.挖掘新的有价值的“慢数据”,发掘个性化的预测信息,为用户寻找真正有价值的新数据。
李彦宏的分析有共识性、有说服力——在用户规模扩大、流量激增的情况下,目前互联网企业面临尴尬:搜集上来真正有价值的数据很少,无价值数据增多,有价值数据积累并不比传统企业更有优势。“比如最近比较火的智能硬件,手环、眼镜,搜集很多的数据,但这些数据拿过来,总觉得用不上,没法分析。”为此,他建议企业通过搜集“慢数据”来获取真正有价值的数据,找准并挖掘能真正帮助用户解决问题的新数据。这一判断,对报业这样的传统企业来说既是一种安慰,更是鼓舞。
另一个与之印证的观点是,阿里巴巴集团执行副总裁曾鸣最近有一篇长文分析说,大数据最重要的特征不在大小,而在死活。数据的死活决定一切,从数据的管理到数据的运用,数据必须能活起来,开始跑通迭代,才能产生持续价值。
既然传统媒体与新兴媒体及很多大企业一样,对如何用好大数据基本站在同一起跑线上,对报业来说,如何利用自身优势和资源去发掘、应用好“慢数据”“活数据”,让大数据成为报业未来的一大新增长点,就成为迫切需要研究解决的重要课题。
报业在大数据产业中的一席之地在哪儿?
《大数据时代》的作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”,他描述了大数据价值链的三大构成:第一种是基于数据本身的公司,这些公司拥有大量数据或者可以收集到大量数据。第二种是基于技能的公司,它们通常掌握了专业技能,但并不一定拥有数据,往往是技术供应商、分析公司或者咨询公司。第三种是基于思维的公司。
在互联网上,任何主动收集庞大数据的行为,其成本都难以想象。因此,基于数据本身的第一种公司在价值链中处于最核心的位置,比如美国的谷歌、苹果、Facebook、亚马逊,中国的腾讯、阿里巴巴、百度。他们的优势是大数据聚合和模型构建,他们也想方设法把自己打造成基础设施和平台,使大数据在自己的平台上发挥出最大效用。
比如, 2014年4月百度正式发布了大数据引擎,将核心大数据能力开放,向外界提供大数据存储、分析及挖掘的技术能力,以更好地帮助传统行业挖掘数据价值,加快传统行业转型升级。百度联盟将基于“开放云”“数据工厂”“百度大脑”三级开放平台,推进“人找信息”向“信息找人”的变革,为媒体、DSP、广告主、代理商提供更简单、高效的推广及变现平台。
而具有数据思维和数据技术的公司,在未来竞争中也处于有利地位,围绕着数据化变革,将衍生出新的商业模式。一是数据资产存储,二是数据资产定价,三是数据资产中介,四是数据资产管理,五是数据驱动的解决方案。①
从价值链和报业传统优势的角度分析,报业即使在采集、处理、储存、传播等各方面完全数字化后,即使数据量再大,与那些互联网入口企业相比、与真正生成大数据的公司相比,那点数据还远远不够大,因此不可能去做基于数据本身的公司。比较理性、可行的选择是,传统报业对大数据的运用着力点应是数据资产中介、数据资产管理、数据驱动的解决方案三大类。
数据资产中介——这个应用领域对媒体来说并不陌生,比如彭博社、路透社和《朝日新闻》、日本经济新闻社等新闻机构,收集免费的数据制成数据库,通过数据的加工和组合、分析产生新的价值,再卖给有需求的企业、机构。这是一些大通讯社和财经专业媒体的强项。
数据资产管理——听起来有点儿抽象,但其中可操作的内容对报业并不陌生。比如,网络上每天产生各种新闻、信息,特别是负面新闻、评论,无论对机构、企业和个人而言都是正面或负面资产,既然是资产,如何管理就是一门生意。舆论监督本就是报业的核心功能之一,加之媒体对舆论危机公关比较擅长,由此延伸到数据资产的管理,角色跨度并不很大,不失为基于报业资源优势的一种务实选择。
再看数据驱动的解决方案——对报业来说其应用领域相当广泛。未来,媒体在做好社会记录者与信息传播者外,更应定位成社会解读者和分析预测者,做好信息和数据的深度加工、深度解读和去伪存真的服务,而大数据无疑能成为报业进行全面深刻洞察的一大利器。 下面将具体分析。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21