傳媒數據庫建設與數字資產開發利用的思考
——以湖北日報傳媒集團為例

◎鄒漢青

大數據(Big Data)或稱巨量資料，是指涉及的數據資料規模巨大， 需要新型數據處理模式才能對其進行采集、存儲、加工和分析的海量、高增長、多樣化電子資訊集合。

數字資產(Digital Assets)是指企業或個人擁有或控制的，以電子數據形式存在，以備使用或出售的非貨幣資產。

本文討論的傳媒大數據， 僅限于傳媒機構基于內容生產形成的文字、照片、音視頻等電子資料。

一、傳媒內容數字化建設的現狀

數據是基礎性戰略資源，是21 世紀的“鉆石礦”。 大數據的產生，得益于辦公自動化。 傳媒集團化和采編無紙化，為傳媒機構建立內容數據庫提供了條件。

（一）傳媒集團積累起巨量內容資源。 以黨報黨臺為主體的傳媒機構，因辦報辦臺歷史久（大多數傳媒機構辦報辦臺達70 年甚至更久），積累起規模龐大的圖文、音視頻等內容資源。 特別是上世紀90 年代以來，隨著都市類報刊（頻道）、網站等新生代媒體相繼興起，傳媒機構由單一黨報黨臺衍生出報、刊、網、屏、端、微、出版社等多媒體形態，形成“1+N”式媒體集團，內容生產呈爆發式增長。 如湖北日報傳媒集團（以下簡稱“湖報集團”）高光時期擁有11 報、11 刊、5 網站，期發量過百萬媒體6 個，報刊期發量800 多萬份，日原創新聞信息漢字100 多萬個， 居全國內容生產第一方陣。 巨量的內容，為建立傳媒數據庫提供了豐富資源。

（二）傳媒數據庫建設初具雛形。 隨著上世紀末互聯網技術引入，無紙化采編出版系統在傳媒業得到普遍應用，使得大規模大原創性內容即時生產、在線存儲成為可能。 同時，各大傳媒集團相繼啟動內容資源庫建設，如湖報集團的電子稿庫存儲查詢系統 （后升級為 “數字資產存儲管理系統”），將2001 年以來重點媒體刊發的文稿、圖片存儲于該系統。 據筆者統計，2001 年 7 月至 2016 年 1 月，存儲原創稿件達485 萬余篇、數十億漢字。

另一方面，隨著大數據時代到來，傳媒集團開始推進數字化檔案建設，運用OCR 等技術，將各種紙質、膠片、聲像等傳統介質的歷史內容轉化為數字信息。 如湖報集團將湖北日報1949 年7 月創刊以來所有文章、版面、圖片、圖表、廣告等內容電子化， 獲得10 多萬個數字版面、10 億多漢字、近20 萬張照片、100 多萬篇各類稿件， 形成時間跨70年、涵蓋政治經濟文化社會等各方面的歷史數據。

傳媒機構數據資源具備規模大 （Volume）、內容多樣（Variety）、時效高（Velocity）、真實準確（Veracity）、高價值（Value)“5V”特點，為數據資源開發奠定了基礎。

二、傳媒大數據資源開發利用狀況

2013 年是我國大數據建設 “元年”。 2014、2015 年，以BAT 為代表的商業互聯網公司，陸續推出各自大數據產品。2015 年，國務院出臺《促進大數據發展行動綱要》，大數據成為國家戰略。

近年來，各大傳媒機構紛紛啟動媒體大數據平臺建設，南方報業、浙報傳媒等地方傳媒集團2013 年前后開始籌建大數據中心，湖報集團荊楚網2014 年成立輿情中心（研究院），利用互聯網平臺監測網絡輿情，開發《網絡新輿情》產品，為黨政機關提供輿情專報等個性化服務，目前年營收上千萬元，但利用的主要是網絡公共信息而非傳媒數據資源。

總體上看，傳媒數據資源開發利用率較低，可資借鑒的成功范例尚不多，未能充分分享大數據的紅利，特別是未能將積累的傳媒特色數據資源轉化為特色商品。

以湖報集團內容生產重點產品之一的圖片資源為例，集團檔案科采集整理存儲的電子照片近9 萬張， 其中不少屬“孤品”級珍稀史料照片，但主要作為資料留存，極少且被動地向社會提供圖片商業服務，年服務收入僅幾十萬元。與之相對照的是， 國內三大民營圖片供應商視覺中國、全景網、東方IC，圖片生意做得風生水起。 視覺中國財報顯示，2019 上半年核心主業 “視覺內容與服務” 營收3.94 億元。2018 年，北京字節跳動公司投資買下東方IC 圖庫，顯示資本看好商用圖片市場前景。

三、制約傳媒數據資源開發利用的原因

傳媒機構內容資源庫，大多只能算是數據庫的雛形，離真正意義上的數據庫還有較大差距。 傳媒數據資源開發利用率低，既有體制機制原因，也有觀念意識問題，還有技術資金等客觀因素。 概括起來，主要有以下幾方面：

（一）對傳媒數據資源價值認識不夠。 盡管各傳媒機構對追逐大數據“風口”意愿強烈，也作了一些探索嘗試，如很多媒體都在利用網絡平臺開展輿情業務， 但目光瞄多向外部“紅海”市場，反而忽視了傳媒內容數據這片“藍海”，創辦的一些網絡科技公司經營艱難， 對自己原創內容被商業互聯網平臺無償轉載辦法不多。

很多傳媒機構很早啟動電子圖文、電子檔案庫建設，積累了巨量傳媒數據，但基于存檔自用的初級目標，極少考慮增值開發問題，對傳媒數據庫建設缺乏深入研究、頂層設計和系統規劃，導致資源采集存儲不及時不全面。如檔案照片收集僅限于已刊用部分， 大量未刊用的照片沉積在攝影記者電腦或硬盤里，甚至被當作無價值資料清除；部分子報子刊和網端微內容未納入采集范圍。同時，現有數據的后續加工不夠，格式、標引不規范統一。

（二）管理體制機制制約。 一是身份“二重性”制約資源開發利用。以黨報黨臺為主體的傳媒機構，身份是地方黨委直屬事業單位，盡管后來組建傳媒集團成為企業，但數字檔案仍參照機關檔案管理，處于不開放或半封閉狀態，成為市場化開發的障礙。 二是服務市場意愿不強。 檔案管理，保管是基礎，開發利用才是目的。 但檔案室、資料室作為事業單元，收費服務須經主管部門批準，“收費無據”影響開發用戶市場的動力，造成數字檔案管理上存在重保管輕利用、壟斷獨占意識，內容檔案數字化成了“搬進電腦的傳統檔案”。

（三）數字資產意識不強。 傳媒機構的“數字資產”意識還較欠缺，沒有認識到傳媒特色數據資源的價值，盡管傳統媒介經濟受市場沖擊巨大，受思維定式影響，仍習慣于主要圍繞報道、廣告版面做文章，甚至投入大量人財物投資傳媒主業無關聯的領域。 有的傳媒機構雖引入了“數字資產”概念，但極少研究謀劃如何盤活數字資產，沒有將“數字資產”納入資產運營。

（四）資金技術人才等制約。 大數據平臺主要由技術驅動，從數據采集、存儲到平臺運營、數據開發，需要爬蟲、交互、開源、算法等技術支撐，技術開發投入較大，資金籌措難。檔案、資料室作為傳媒機構二線部門，資金投入少，軟硬件建設滯后，人員結構老化，新技術應用能力不足。 互聯網思維欠缺， 只注重自我生產內容的采集， 對各媒體平臺讀者、用戶、客戶等信息的采集存儲未引起重視。

四、開發利用傳媒大數據的途徑

傳媒大數據是記錄歷史的文獻性數據， 深度開發傳媒數據資源，對內可服務精細化管理，對外可服務史志圖書編著、宣傳推廣、咨詢智庫等，實現內容資源二次變現。

（一）機器人寫新聞。從2016 年新聞機器人首次露臉奧運會，到2018 年世界杯機器人“小封”秒發新聞，再到今年全國兩會央視AI 合成主播上崗……傳媒業已進入智媒時代。 在發稿上爭分搶秒的新媒體，新聞機器人更以精準、秒發等優勢成為發展方向。而機器人寫稿的核心，是利用大數據對信息進行分析計算。

（二）智慧校對。文稿校對是一件繁瑣復雜、工作量大且易出錯的工作，因此傳媒業素有“無錯不成報”之說。差錯既有一般文字差錯，也有重要人名、地名、統計數據等事實性差錯，輕則影響報道公信力，重則引起重大責任事故，如前不久某視頻平臺關于山東臺風災害的報道差錯就引起軒然大波。利用人工智能技術與傳媒數據庫信息進行比對，可自動快速勘錯，提高校對效率、防堵差錯發生。

（三）服務精細管理精準營銷。如基于紙媒發行、網媒點擊閱讀數據，建立包含讀者閱讀喜好、職業、消費信息等的用戶數據庫，為報道稿件取舍、欄目設置、廣告投放等提供決策依據，通過算法技術等，向讀者精準推送閱讀內容，更好滿足用戶需求，提高用戶粘性。

（四）分析預測參謀智庫。 傳媒數據庫存儲了各個時期經濟社會文化等各方面權威統計數字。利用大數據、云計算等技術，對各時間跨度的歷史數據進行統計分析、繪圖制表等處理，分析行業趨勢、拐點等，既可為報道提供選題和論據支撐，也可為行業、企業提供咨詢服務。

（五）服務編史修志圖書出版。歷史長河浩如煙海，媒體忠實記錄歷史。 傳媒大數據是電子文獻史料庫，可為編志修史著書提供考證史料和各個歷史時期的圖片。 如湖報集團檔案科除為黨委政府等提供政治服務外，一些單位編修方志圖書、制作宣傳畫冊展板等時，也向檔案科索取圖文資料。

（六）數據包租憑轉讓。傳媒大數據具有反復使用、用之不遏的特點，根據旅游、金融、交通等特定用戶的不同需要，抽取專項信息數據打包，通過租賃、轉讓等獲得收益。

（七）圖文及音視頻商業供應。建立文稿跟蹤追索系統，向轉載文稿的商業平臺收取版權費； 傳媒平臺擁有最大的圖片音視頻生產專業隊伍，建立激勵機制，激勵創作提供更多高質量影像作品，發揮媒體平臺優勢，網絡一批攝影攝像行家，打造圖片音視頻資源供應商、分發商。 在內容創業時代，微博、微信、網站等商業自媒體群體龐大，對圖文、音視頻需求巨大。據“西瓜數據”平臺報告，該平臺收錄的微信公眾號達500 多萬個，2019 年仍在更新的175 萬個。

隨著技術進步，傳媒大數據開發利用范圍將更廣泛，前提是在充分論證的基礎上科學規劃、整合資源，建立標準化數據庫。通過事企分離改革，將數據資源開發從事業單元剝離，破除市場服務的體制障礙；爭取國家鼓勵產業的項目扶持資金，或通過合資、合伙、合作等途徑，解決資金、技術等難題。在開發利用上，根據現有條件分步實施、先易后難，優先開發圖文、音視頻、文獻資料等市場服務。