大數據時代媒體行業數字資源研究

文｜齊宇杰

一、大數據研究的背景

隨著信息技術的不斷發展與快速普及，信息交流，數據交換爆炸性增長，大數據時代來了。目前全球的電子化信息量是千萬億兆的數據量，預計2020年整個數據量可能會達到35千萬億兆。著名分析調研機構IDC的研究報告《從混沌中提取價值》顯示，僅2011年，全球就產生了1.8ZB(也就是1.8萬億GB)的大數據，由此可見，海量數據就在眼前。我們把那些大小超出傳統數據庫軟件工具的抓取、存儲、管理、分析能力的數據群稱之為大數據。IBM公司曾經把大數據屬性概括為以下三點：大量化（Volume）、多樣化（Variety）、快速化（Velocity），而這三點也或明或暗的展示了大數據的價值（Value），只是由于大數據的海量屬性，鑄就這種價值密度偏低。

關于“大數據”的表述，某著名搜索網站認為最早是Apache公司2009年3月發布的開源項目Nutch。其中，“大數據”用來描述為更新網絡搜索索引而同時進行批量處理或分析的大量數據集。其實，早在2008年國際頂級學術刊物Nature就出版過專刊“Big Data”來探討對大數據的研究。也許名稱的最早提出已經不重要，然而，大數據理念的產生，應該是在1980年阿爾文·托夫勒出版的轟動世界的未來學思想體系名著《第三次浪潮》中首次提及。作者認為，人類社會在經歷了始于一萬年前的農業階段、始于十七世紀的工業階段之后，從20世紀50年代后期開始已經步入信息化階段，在這個階段，大數據將是“第三次浪潮的華彩樂章”。

二、大數據研究與應用

無論是大數據理念的產生，還是大數據表述的問世，這些都不妨礙大數據應用的思考與推廣。“大數據”的數據來自哪里，有很多說法，不盡相同，匯總看來，主要來自三個方面：第一、政府相關部門的數據，第二、企業自身運營的數據，第三、自媒體時代的個人數據。前兩個方面的大數據積累其實早就有之，而正是因為互聯網、移動互聯網、智能移動設備的大規模普及，從而催生自媒體時代的急速邁入，進而使得大數據慢慢向個人數據傾斜。

大數據應用層面，主要集中在大型公司、一些民間組織、政府行業等。美國麻省理工學院設計的全球疾病警報地圖（Health Map）利用廣泛的自媒體數據，結合官方發布的數據，不間斷掃描博客、推特、官方監控數據、新聞網站等等信息，然后用十多種語言進行發布，當前國內最具影響力的H7N9禽流感進展也在他們的發布數據當中。政府行業的大數據事件最著名的莫過于奧巴馬總統在2012年3月22日，簽署的美國政府投資兩億美元的大數據研究和發展計劃。大家都知道大數據是“未來的新石油”，然而美國政府更是將對大數據研究上升為國家意志。毫無疑問，這將對世界科技與經濟發展帶來深遠影響。

三、媒體行業大數據研究與應用現狀分析

1、最新研究成果簡介

大數據在媒體行業的研究與應用就是媒體行業數字資源的研究與應用。在這方面，國外最新研究與應用是數據新聞學的興起。所謂數據新聞學，就是以大數據為依托，憑借各種新技術呈現手段，用數據來報道新聞。在多種學科的技術支持下，實現豐富的、交互式的新聞呈現方式，把社會、個人、數據之間復雜的關系運用可視化手段展示出來，既客觀，又便于理解。最近，哥倫比亞大學新聞學院花巨資進行數據新聞學項目的研究，該項目主要關注以下三個方面的研究：對于公共數據的分析挖掘，哪些可用，哪些不可用；對于新聞內容的表現方式研究，什么方式可以更為吸引讀者；對于新聞影響力的研究，什么工具，什么新聞更有利于提升媒體的影響力與知名度。

2、媒體行業大數據來源

媒體行業擁有龐大的數字資源。IDC曾經發布一項調查數據顯示，在美國，擁有大數據最多的前三個行業分別是離散式制造業（966PB）、政府行業（848PB）、媒體行業（715PB），這說明媒體數據資源之龐大。這些資源來自于傳統媒體的數據積累和新媒體的自媒體互動。對于傳統媒體，由于自身歷史較長，積累了大量數據，其中，結構化數據容量并不是很大，非結構化數據的大小根據媒體具體展現方式不同而不同。新媒體行業主要是網站文字、圖片、視音頻信息的大容量，特別是一些SNS興起后交互信息產生的數據信息。除此之外，在當下一個自媒體時代，人人都是記者，個個都能廣播，網絡給了所有人公平的話語權。而這些話語、這些信息對于媒體管理者來說就是龐大的數據來源。

3、內容信息的整合利用早已部署

很多人認為，大數據是當下對信息化時代最新發展階段的描述，其實，在媒體領域，關于數據整合、信息匯總、系統融合，在此基礎上進而展開個性化服務、增值業務的工作，一些省級以上的單位早就開始部署了。只是沒有人意識到這是大數據時代的必然，沒有人想著給這項工作套上一個“大數據”的帽子，大家都只是在結合自身業務拓展的需要來對媒體內容產物進行開發利用。

能否稱為大數據并不妨礙媒體對已有數據的分析挖掘再利用。在這些再利用的較大媒體中，就有很多單位做的不錯。比如杭州日報報業集團在十余年前就意識到報業自身數據的重要性，著手對報刊數據進行匯總，部署實施報刊數字資源存儲管理系統。當然，開始只是實現對紙媒內容的匯總查詢，既方便了內部員工的工作需要，又對外提供數據的查詢與光盤出版。最近兩年，杭報集團部署實施了全新的數字資源內容數據庫項目，匯總的就不僅僅是自己報社的近期紙媒，還包括了自上世紀五十年代創刊以來的全部數據、全國的重要報刊數據、各大互聯網站數據。隨著大數據時代的到來，接下來還有兩個方面工作要展開：第一、在現有全媒體內容數據庫基礎上深度開發挖掘，拓展業務，做足內容服務。第二、建立完善統一客戶資源平臺，充分利用優質客戶資源，開展更多精準化業務。

4、客戶資源的整合利用相對薄弱

一直以來，很多媒體都把自身的內容數據看得很重要，特別是“內容為王”思想的根深蒂固，他們認為即使是新媒體時代，“渠道為王”也離不開內容的加工生成，因此基于內容深加工、深挖掘成了很多人的固有模式。國外對于媒體數字資源的研究絕大多數就是圍繞著內容展開的，只是他們更多的是通過技術手段把內容展現的更為親民、更為準確、更為快捷。最近一兩年開始，國內也有一些媒體認識到客戶數據的重要性，圍繞客戶數據可以有針對性的推出很多定向服務產品。媒體在自身發展中，通過發行、廣告、與受眾之間的互動熱線、各種形式定期或者不定期的推廣活動積累的客戶信息是一筆寶貴的資源，充分利用這些資源不但可以為傳統業務高效運轉增加亮點，同時也能開辟不少新業務，創造不少新模式。比如在對內業務系統的支撐服務方面，把廣告用戶信息整合進入其他業務系統，將廣告用戶需求及時反饋到其他各個業務系統中，實現廣告用戶與媒體的互動。從某種意義上講，這種互動比普通受眾與媒體之間的互動要更重要，因為在生存環境越來越惡劣的媒體行業，先生存下來尤為迫切。除了傳統方式積累的客戶資源，隨著網絡的發展、智能設備的普及，通過互聯網、移動互聯網等新媒體方式積累的客戶資源也在快速增長中，而且針對這些用戶的分析挖掘更快捷方便。

但是比較可惜的是，目前大多數媒體針對以上兩大類客戶資源的整合挖掘還沒有真正開始，有的媒體甚至還沒有意識到客戶資源的重要性。這個問題需要外部競爭環境的壓力，需要大數據時代的沖擊，更需要媒體內部自身眼界的開闊。

5、媒體大數據的整體分析挖掘略顯單薄

1) 大數據是基礎，數據挖掘才是關鍵

大數據不是目的，只是一個平臺，一個容納海量數據的容器。其目的是為了應用，為了創造更多、更新的價值，這就需要數據分析與數據挖掘。嚴格說來，數據分析與數據挖掘是不一樣的，數據分析，是以輸入的數據為基礎，通過先驗的約束，對數據進行整理，篩選，加工，由此得到信息。數據挖掘是對數據分析后的信息，進行價值化的分析，不考慮數據本身，而是考慮數據是否有價值。數據挖掘是一門跨學科的技術，需要用到統計學，數據庫技術，人工智能，可視化技術等等。具體的數據挖掘方法學界有不同的認識，比較有共識的有：分類和聚類分析、回歸分析、決策樹算法等等。廣義層面，我們暫且把數據分析和數據挖掘統一看待，都是通過對數據的處理，獲得數據的規律，從而產生價值的可能。

2) 國內媒體行業大數據趨利性挖掘明顯

媒體行業對于大數據的挖掘利用程度參差不齊，有的也許剛剛聽說大數據，相關大數據的工作還沒開展；有的也許沒聽過大數據，但是與大數據相關的工作早已展開；也有少數單位已經在自己所謂的“大數據”基礎上準備展開新一輪數據挖掘。雖然發展程度不一樣，但是在數據挖掘的目的性上有一個共性，那就是太趨利。媒體行業大數據基本上包括內容產品與客戶資源，這兩方面都是媒體多年來積累的資源，都很重要，可以進行數據挖掘，只是在經營屬性層面程度不同。目前，國內媒體的著眼點越來越注重客戶資源的分析挖掘，寄希望匯總各業務分支的客戶數據，經過關聯、查重、清洗等多項具體流程，形成以客戶為中心的為廣告、經營提供數據分析報表的數據倉庫，從而為精細化營銷和集團決策規劃提供數據支持。為此，有個別媒體甚至對外購買某領域互聯網站積累的客戶資源。基于內容資源的大數據挖掘也有一些媒體在做，表現出來就是對內容產品的歸檔、查詢、二次銷售，還是趨利性明確。反觀國外媒體在大數據挖掘方面，更多的對媒體內容生產的幫助，而不是對客戶資源的定向推送。對于數據挖掘的重心，國外媒體行業更多是用于新聞事實的準確還原，新聞內容的準確到位，新聞呈現方式的活潑親民。比如2011年倫敦騷亂發生后，《衛報》的“解讀騷亂”數據團隊通過分析260萬條推特信息，制作騷亂發生地圖，幫助受眾更好地理解了事態的進展以及騷亂背后的原因，并因此做出了兩大現實貢獻：讓“騷亂與貧窮無關”的政治話語不攻自破；糾正了“社交媒體煽動騷亂”的錯誤言論。類似的數據挖掘不僅提升了媒體影響力，更為重要的是，體現了媒體的社會責任，呈現了媒體的社會良知。

四、媒體行業數字資源研究利用關鍵點

1、媒體行業大數據理解偏差急需糾正

很多媒體人根據定義認為，大數據是數據量大到超出傳統軟硬件處理的數據集，一般數據量在PB級別，而媒體行業數據偏小，特別是傳統平面媒體行業，視音頻數據少，大多是數據庫、文圖數據。所以，雖然有很多媒體人在討論大數據，但是在媒體行業，特別是平面媒體行業，相當多的人不認可大數據的存在。筆者認為，這種認識存在兩個偏差：

1) 大數據概念偏差

大數據不僅僅是指數據量大，關鍵是不同應用、多個平臺的數據集，重點在于對該數據集的挖掘利用。通過匯總多方數據，建立數據集，可以重新審視自身擁有的數據資源，突破單個應用平臺的視野，打通數據壁壘，從高屋建瓴的角度重新認識數字資源的價值與意義。而這種價值與意義是單個應用系統無法想象或者無法實現的。

2) 大數據范圍偏差

現在很多大型媒體行業都實行集團化戰略，走多元化發展，平面媒體、廣播媒體、電視媒體、網絡媒體、戶外媒體和移動媒體都有涉足。他們所擁有的數據種類多，分布廣，這些數據的直接擁有者單打獨斗，各自為陣，有些甚至相互競爭，拒絕共享。當然，這都是集團內部管理體制問題，需要制度層面的改進完善，但是從技術層面考慮，這些數據都屬于一個大的集團或者公司，技術應該做好準備，通盤考慮，把這些數據統統算起來加以利用。如果這樣考慮，媒體行業的數據量也是驚人的。

2、媒體行業數字資源研究利用四個目標

解放日報報業集團社長尹明華曾經說過：如果數據被賦予背景，它就成了信息；如果數據能夠提煉出規律，它就是知識；如果數據能夠借助于各種各樣的工具在分析的基礎之上為我們提供正確的決策，它就是資源。這段話簡單表述了大數據研究利用的過程與目的。對于過程，更多是技術層面的實現手段；而對于目的，筆者認為，除了為領導層提供決策之外，媒體行業數字資源研究還應該有另外三個目標：對外增值服務；對內業務支持；受眾平穩遷移。

對外增值服務包括根據相關數據資源展開的票務服務、教育咨詢、就業中介、房屋中介、電子商務以及物流配送等便民服務；短信營銷、精準投遞、電商營銷、DM、EDM等營銷擴展業務。對內業務支持包括與其他各個接口業務系統的數據對接，意見回饋，比如客戶關系系統（CRM）中受眾對媒體發布內容的意見建議，或者對于熱點選題等相關內容推送到內容制作系統，為記者編輯下一步優化內容做出參考。對于受眾平穩遷移的功能，傳統媒體最為期待，也最為擔憂。因為在媒體融合的今天，關于傳統媒體如何更具有粘性，如何吸引忠實用戶群體平穩遷移到其他系列種類的媒體平臺，一直是每一個媒體從業者思考的問題。基于媒體行業數字資源研究的大數據平臺建立了統一的用戶平臺，打通了傳統媒體、新媒體用戶之間的壁壘，數據共融，信息共享。這就為用戶的遷移、共享、擴容提供了可能。

3、媒體行業大數據挖掘應該有試錯精神

有人說現在是信息化時代，也有人說是大數據時代，但是有一點肯定沒錯，現在是創新的時代。創新就要有試錯精神，創新就要允許失敗。大數據挖掘，同樣要有“勇于試錯”的創業環境。而這一點就需要領導層非比尋常的魄力和高瞻遠矚的眼光。2011年3月，《紐約時報》大膽開始自己的網絡付費時，大多數人都曾經提出質疑，認為《紐約時報》錯了，然而，2012年《紐約時報》卻實現了2.33億美元的發行收入，超過2.2億美元的廣告收入，實現了歷史上大型報紙第一次訂閱收入大于廣告收入，此時，誰又能說《紐約時報》錯了呢。當然，在創新過程中，真正走進死胡同的不乏人在，而且可能一敗涂地，但正是因為沒有人是先知，所以我們要創造“勇于試錯”的創新環境，要有試錯精神。