大数据与传媒业发展2_数据分析师培训
其次,基于大数据的产业融合加速进展。以大数据为代表的互联网技术打破了既有产业之间的界线,把之前界线分明的产业融合在一起,形成新的产业蓝海。传媒业也在互联网技术的推动下,不断和其他产业融合成新的产业。一是传媒业与通信业以及IT业融合成新的信息服务业。未来新的信息服务业潜力巨大,根据国务院正式发布的《关于促进信息消费扩大内需的若干意见》:到2015年,信息消费规模将超过3.2万亿元,年均增长20%以上;带动相关行业新增产出超过1.2万亿元。其中基于互联网的新型信息消费规模达到2.4万亿元,年均增长30%以上;基于电子商务、云计算等信息平台的消费快速增长,电子商务交易额超过18万亿元,网络零售交易额突破3万亿元。从中可以看出,大数据必然是信息服务业的基础。二是传统零售业和IT业融合成电子商务业。三是传统金融业和IT业融合成互联网金融业。
第三,基于大数据的互联网生态系统快速形成。随着传媒业竞争程度日益的加剧,传媒业竞争的关键也从以前的“内容”、“产品”、“平台”上升为“商业生态系统”。一是未来商业生态系统将是竞争的主体,阿里巴巴的生态系统由信用体系、金融体系、社会化大物流体系、小企业工作平台和大数据系统所组成。需要着重说明的是,在生态系统竞争层面,未来传媒平台仅仅是生态系统的一个标配,虽然起着关键作用,但是已经不是收入的主体。而且内容、产品、平台到生态系统是一个逐级向上发展的关系,后者包括前者又是前者的升级版和高级版,后者又在不断地颠覆或替代前者。二是生态系统时代运作的关键点是“商业生态系统”,其优势在于自组织、自强化和涌现等。例如,在自强化方面,由于阿里巴巴能够精准地掌握商户的商业信息,其在为商户提供贷款时,就具有很强的风控能力,而风控能力是金融业最为关键的能力,因此,阿里巴巴就能够更好地为在其平台上运作的商户提供金融服务。
2.大数据为传统媒体业带来重大挑战
首先,出现了信息的过度充裕和满足于用户个性化、定制化需求的信息的极度匮乏之间的突出矛盾,每个人都像生活在信息的汪洋大海中,但又找不到有效信息的信息乞丐一样。传统媒体在各种新的传播媒介和方式上不断探索,通过手机报、网络媒体和客户端、官方微博等方式,积极进入各种渠道和终端,但是一直不能解决至关重要的盈利模式问题,而根本问题是缺乏基于大数据的技术平台,其提供的内容难以有效匹配给用户。
其次,传统媒体的大数据能力弱。一是我国的大部分传统媒体还依然是小、散、弱的现状,导致很难形成大型的高质量的信息平台。二是由于同质化等原因,导致信息大量重复,也给信息的筛选和提炼带来了很多困难。三是大数据分析高度依赖于用户规模和技术,而这些都是传统媒体的短板,当前最大的数据分析公司是谷歌、Facebook、阿里巴巴以及腾讯等具有高科技技术的互联网公司。
四、传统媒体大数据转型的实践与误区
1.传统媒体的大数据实践
首先,通过大数据分析及时抓取传统媒体用户的相关阅读等信息,提高用户体验。当前,无论是平媒还是广电媒体,相较于互联网媒体,用户体验都是其短板,而大数据分析可以通过分析用户的关注点、需求等数据,来更好地满足用户的需求,进而提升其用户体验。例如,金融时报开通免费专区供注册的读者阅读,金融时报获得了大量的读者信息,通过大数据分析读者的需求,为其提供个性化的信息,就能实现用户的付费阅读,目前,金融时报的订阅收入已占全部收入的一半以上。
其次,积极进行新闻数据化尝试。当前,用户对可视化的数据更为感兴趣和关注,这就要求传统媒体更好地实现数据可视化,传统媒体的一些重要报道越来越重视信息的可视化。
第三,利用大数据技术开发舆情管理的相关产品。当前,我国正处于社会转型期,各种矛盾突显,舆情也处于多发期,因此,在这种时代大背景下,舆情管理的需求量很大,传统媒体因为具有较强的新闻挖掘能力和传播能力,可以利用大数据分析手段发力舆情管理业务。
2.传统媒体的大数据实践误区重重
首先,依然秉持“内容为王”理念。大数据时代,单纯的内容已经难以形成商业闭环,只有利用大数据技术实现信息与用户个性化、定制化的需求才能实现商业闭环,也才能实现商业价值,这就要求从“内容为王”理念转变为“信息服务为王”。但是从传统媒体的实践来看,主流观念依然是“内容为王”,导致对互联网理念和技术不够重视,大数据平台更是难以实现。
其次,误把数字化当成数据化。当前,很多传统媒体在进行大数据转型时,对数据化的认识较为肤浅,认为只要把传统内容转换成数字化内容就实现了数据化,在实践中就是仅仅通过电子版、互联网网站实现内容的在线化呈现。大数据的本质是建立起不同数据之间的内在联系和建立起用户和信息之间的联系,通过数据挖掘和分析,找出不同事物之间的相关关系,进而实现商业价值。由于传统媒体当前做的仅仅是数字化,其实践仅仅完成了素材建设部分,距离真正的数据化还有很远的距离。
第三,误把新闻可视化当成数据化。当前,很多传统媒体在做新闻时,经常借助可视化工具,使得新闻更为直观、更生动、更可读,取得了不错的效果,但是大多数可视化新闻仅仅追求新闻的美观,而并没有充分体现数据之间的本质逻辑关系,既不能有效地促进用户思考,更不能有效呈现其目的。
五、大数据与传媒业的有机融合:信息智能匹配
在大数据技术的推动下,我们已经进入信息智能时代,这就要求传媒业和大数据进行有机融合,实现信息智能匹配。
首先,打造信息智能匹配平台。要真正满足用户个性化、定制化的信息需求,就必须通过数据挖掘和分析技术,在不断优化用户信息需求的基础上,实现信息和用户需求的智能化匹配。这就要求做好如下工作:一是打造巨型的云信息服务平台,在该平台上,云集着各式各样的信息,既有文字的,又有音频和视频的,并能实现信息的分类筛选、摘编和深度加工;二是打造大型的大数据平台,在该平台上能够通过数据挖掘和分析等方式,实现对读者和受众个性化需求的准确定位和把握;三是能够通过技术手段低成本地实现信息和受众个性化、定制化的需求之间实现智能化匹配,并能通过各种支付手段,实现智能化信息的收费。例如,亚马逊通过自己研发的被业界称之为“鬼打墙式的推荐”的精准推荐系统每秒卖出的商品达72.9件,这种精准推荐系统就是跟踪客户的所有消费习惯,不断进行优化。Google和百度利用搜索和筛选手段在一定程度上实现了读者的主动信息需求,而亚马逊等利用推荐手段也在一定程度上满足了读者的被动信息需求,而基于巨型平台的社会引擎将能够实现精准信息和读者需求的智能匹配。
其次,信息智能匹配能够实现信息收费。一是信息智能匹配包括了内容和信息、数据分析和挖掘平台以及用户,形成了完备的信息服务商业闭环,信息收费的条件已经具备。二是能够为用户节省大量的信息搜索时间。在信息过载时代,每个用户每天即使花费3个小时的时间也难以搜寻到基本满足自己需求的高质量信息,而信息智能匹配则能给用户提供个性化、定制化的信息,使得用户仅仅需要0.5—1小时的时间就能掌握大部分重要信息,这样每天就能为每个用户最少节省两个小时的时间。按照当前的平均工资水平,2个小时的时间成本为50元左右,则一个月就为1500元左右,如果有4亿用户愿意每月向信息智能服务付费100元,则一年信息智能服务业的规模就为4800亿元。因此,只有实现了信息智能匹配,内容收费的良好愿望才能实现,而这必须以大数据为基础。
第三,信息智能匹配平台同时提供多种服务。在基于大数据平台的平台上,除了信息智能匹配服务之外,还同时提供精准广告服务、电子商务服务、舆情服务等。在精准广告服务方面,数据分析和挖掘平台可以在精准掌握每个用户消费偏好的基础上,实现广告主的营销信息和用户需求的智能匹配,达到更好的广告效果,真正达到精准营销的目的,百度正在通过自己的大数据计划强化自身的领先优势。在电子商务方面,可以通过对生活服务类信息需求的分析,找出用户对商品的有效需求,引导用户直接下单,阿里巴巴居于绝对领先地位,根据其上市招股说明书数据,2013年其旗下公司的交易额总计2400亿美元,比亚马逊和EBAY交易额的总和还要多。在舆情服务方面,政府可以利用大数据平台及时发现民众诉求并及时回应,以提升政府的治理能力。
第四,大数据能够更好地实现“OTO”。“OTO”作为线上资源和线下资源的有机结合和互动,是传媒业运作的核心模式。传统的“OTO”模式能够实现线上资源向线下资源的传导,但是却难以实现线下资源向线上资源的传导,虽然二者有结合但难以及时互动;而基于大数据的现代的“OTO”模式则能够完全实现线上资源和线下资源的有机互动,能够更好地发挥该模式的威力。
第五,打通产业之间的界线,实现跨界融合发展。大数据用户平台提供了多个产业协同发展的基础,用户数据能够为多个产业、多个企业共同使用,这就极大地助力跨界发展,例如,阿里巴巴在大数据用户平台的推动下,横跨电子商务业、传媒业、物流业、金融业等多个行业。
当然我们也必须清醒地认识到,虽然大数据是传媒业融合的利器,但是由于一些传统媒体缺乏技术能力和多秉持“内容为王”的理念,这也导致其向大数据的转型困难重重。
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