大数据时代:媒体新任务和媒体人的新角色
提要:《大数据时代: 生活、工作与思维的大变革》一书最具洞见和最富争议的观点是:大数据时代最大的转变就是,放弃对因果关系的渴求,而取而代之关注相关关系。也就是说只要知 道是什么,而不需要知道为什么。本文认为,理解大数据时代的相关性思维方式,以及其它本质要素,进而理解大数据环境下受众对高品质、确定性信息的 需求,有助于传统媒体开阔眼界,找到寻求战略突围的方法。
关键词:大数据时代 传统媒体 媒体人 角色
文/张坤阳 徐铁英
在大数据时代,必须承认,追求因果性的传统媒体谈稿会等形式已经落伍。无论多么优秀的记者,他们对于事物的观察都受制于个人视野与立场,即 使是相对深入的,也未必全面、充分。而与记者在某一个视野有限的观察点上对事物进行的观察与分析不同的是,有效加工的大规模数据可以揭示更大范围内的或更 接近事实的情状,从而也为报道的深入提供了基础,从而彻底改变媒体生态。
媒体人角色的新转变
维克托舍恩伯格所理解的大数据思维,即不再热衷于寻找因果关系,而寻找事物之间的相关关系。这种观点,意在颠覆此前有限数据时代的信 息思维理念。传统媒体在信息思维上的不足恰恰在于:只见树木,不见森林。追求微观精确,忽视宏观把握。传统媒体应该有大数据视野。有了这种视野,即便关注 的是点上的微观问题,看到的风景也会不同,不是孤零零的点的意义,而是具有面上价值的节点。
以世界首届数据新闻奖的一个入围作品为例,这是由英国广播公司(BBC)和毕马威会计师事务所联合制作的《预算计算器:2012年财政预算 将如何影响你?》。政府财政预算向来是一项专业和繁复的公共政策事件,媒体要解决的问题是如何有效解读它对普通居民的生活影响。BBC的计算器简便实 用,用户只需在界面上输入一些日常个人信息,就能自动算出新预算会让自己多付多少税、明年的生活会比今年变得更好还是更差,等等。
在国内也有这方面的尝试,去年国庆节,游客在天安门广场留下大量垃圾,引发国人素质的大讨论。从大数据分析的角度来看,把历年来所有关于天 安门广场上垃圾的报道梳理出来。这样把所有数据全部整合出来,就能发现垃圾数量和游客数字之间,其实不存在关联性(事实上,天安门广场出于安全需要,不设 垃圾箱),人文素质也就无从谈起。通过开掘数据,记者的工作建立在扎实证据基础上,为读者提供经过科学分析的洞见,把抽象的、宏观的社会问题转化为跟普通 人相关、普通人容易理解的内容,还可分析复杂形势中事物发展的规律和趋势,给人们决策提供预见性内容。
在大数据时代,媒体人角色,就应该是意义生成者,主要工作内容是阐释事件的影响。建立在大数据技术之上的事件分析和意义解读,要比采访专家和凭记者个人判断更有可靠性。
战略突围要提前布局
为什么走在大数据前沿的都是一些互联网公司,而不是传统媒体或者出版机构?就在于技术原因起决定性因素,技术汇聚数据,数据的意义自现,才 会有相关性一说,才会忽视因果联系。这方面,传统媒体业存在先天劣势,不仅掌握的数据资源有限,掌握的人才和管理也基本为零。可以说,绝大多数媒体机 构连传统的流程、工具和方法都没有掌握。
一个简单的例子:中国最大的电视台中央电视台据称拥有近40万小时的节目资源,年播出总量为23.0248万小时;而YouTube每分钟 就有72小时的视频被上传,更不用提每月10亿独立用户的行为数据。数据量级相差悬殊。所以,传统媒体深受大数据冲击和影响,但又缺乏根基,难以出现颠覆 性的创新,无法孵化出新的业务形态。
传统媒体在大数据时代生存下去,除要对新闻业务本身进行变革之外,还要提前布局,积累数据资产,打牢根基。如浙江日报报业集团收购边锋浩 方。边锋浩方拥有五六百款游戏,活跃用户达2000多万,最高在线人数150万。围绕这个平台,浙报集团就可以建设数据分析系统为支撑,深入筛选捕捉用户 行为、习惯、偏好和需求,挖掘和积累可贵的数据资源。从其自身成长性和增值可行性来看,这个平台对传统媒体价值巨大。
另一方面,要加强数据能力的获取。媒体应通过合作、购买、外包、孵化等方式,首先掌握传统的数据处理能力,进而具备大数据应用的能力;引进 和培养数据人才,包括拥有统计学、商业智能、机器学习、自然语言处理等多方面技能的数据科学家,也要有知晓如何通过运用大数据来设计产品和运营企业的 分析师和管理者。浙报集团旗下传媒梦工场就投资了知微、优微等项目,主要专注社交网络的数据深度挖掘。
数据分析咨询请扫描二维码
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