新媒体时代借力大数据强化网络舆情分析研判
新媒体时代,大数据技术方兴未艾,面对互联网上的海量信息,借力大数据强化网络舆情分析研判,有效预防突发事件发生,对舆情工作者亦是有益尝试。
预测是大数据舆情分析研判的核心
大数据的核心作用是预测,大数据舆情分析研判是舆情工作者通过收集分析互联网上关于社会热点或网民关注焦点事件的大量消息报道,发掘背后隐藏关系,进而预测事态发展趋势,为舆情事件处置提供决策参考。
预测不是预知,更非先知,大数据舆情分析研判也是通过对现有数据分析运算而推出结论,对事件发展趋势的预测与数据数量、质量和分析模型等密切相关。在舆情事件处置中,应树立依靠而非依赖数据的指导思想,避免数据独裁,这一点我们要有清醒认识。
数据是大数据舆情分析研判的基础
互联网上海量数据的存在是大数据舆情分析研判的基础,但是面对纷繁浩杂、真伪难辨的网络信息,需要舆情工作者秉持来源广泛、时效性强、数量大的原则收集筛选各类数据,客观反映事件真相。
数据来源要广泛。大数据舆情分析研判所需数据,不仅要来自官方舆论场还应包含民间舆论场,既要有正面赞扬更要有负面批评。网络舆情数据按网民参与度可分为消息数据和互动数据。消息是网上关于事件的各类报道,来源广泛、真假难辨,此类报道通常会将网民聚焦到事件本身,引发关注,是突发事件的“导火索”,也是分析事件起因的重要线索。互动数据是网民对社会热点事件情感意愿的体现,是社情民意的真实反映,是突发事件的“催化剂”,也是研判舆情发展趋势的基础,是舆情分析的核心,收集数据时,应特别关注贴吧、论坛、新闻跟帖、微博、微信等互动数据的采集。
数据时效性要强。现在每天互联网上的数据以GB甚至TB级规模增加,总量超乎想象,这就需要收集舆情数据时把握好数据的时效性。对于数据时效性,通常根据舆情事件的性质、规模、影响力等因素综合分析。
数据量足够大。现在网上各类消息满天飞,真伪难辨,错误的消息数据会严重影响舆情分析质量。辨别消息真伪的关键是看消息间逻辑关系是否合理,假消息通常与其他消息没有联系或联系不紧密,不能与之构成合理的消息链,这就要求舆情工作者应收集尽量多的数据,数量大到能多维度反映事件真相,内在逻辑关系能让假消息原形毕露。
数据分析是大数据舆情分析研判的关键
大数据舆情产品的价值来源于数据分析。数据本身并不产生价值,对数据开发利用才会产生巨大价值。好的数据分析技术或模型会透过消息表象全方位揭露隐藏于消息背后的微妙关系,国内有学者形象指出:如果把大数据比作石油,那么数据分析技术就是勘探、钻井、提炼、加工的技术,只有掌握大数据的关键技术才能将资源转化为价值。
一个科学高效的舆情数据分析模型应尽量减少人为干预,用简单算法分析尽量多的数据,相对于算法参数设定的主观性,数据本身是客观存在的。
云计算、物联网、4G网络等新技术的发展为大数据舆情分析模型的建立提供了有益帮助。基于云计算的舆情分析,能同时分析更多数据,揭露更多隐藏价值,使预测更准确,决策更合理。
法律是大数据舆情产业健康发展的保障
大数据必将给全社会的工作、生活、学习带来巨大变化,政府管理部门应未雨绸缪、提早应对,加强法律法规建设,构建完善的监督管理体系,指导规范大数据产业健康发展。现阶段可以统筹推进鼓励发展、明确使用、保障安全三个层面的法律法规建设工作。
鼓励发展。政府应高度重视大数据产业化工作,加强顶层设计,制定国家层面的大数据战略规划,出台鼓励政策,加强基础平台建设,构建国家数据中心,强化技术和人才支撑。明确各方定位,引导政府决策数据化,推动政务信息公开向政务数据公开的转变,鼓励社会、企业等数据持有者公开数据,确保数据的流动性和可获取性。
明确使用。大数据时代,随着数据被不停的收集分析,社会运行更加透明。就大数据舆情而言,包含了太多的个人兴趣爱好、行为特征等隐私数据和对社会热点事件发展趋势的预测等敏感信息。这就需要我们对大数据舆情的用途、使用方式、使用范围、使用部门等做出明确的法律规定。
保障安全。安全是互联网发展的最大挑战。大数据时代,数据作为最大财富,政府应强化数据安全保护,制定出台适合国情的大数据法律体系,建立数据保密与风险管理机制,明确在数据收集、存储、传递、使用、买卖阶段的操作规范,加大对破坏数据服务器、存储设备等的处罚力度。健全完善个人隐私保护法规,严厉打击非法买卖个人信息等数据犯罪行为。
数据分析咨询请扫描二维码
《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大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20