以數據資源驅動文化產業高質量發展

【摘要】利用數據資源驅動我國文化產業轉型升級，推動產業結構優化、智能轉型和總量提升，是站在“兩個一百年”交匯點上謀劃文化產業高質量發展的中國方案，需要我們具備去粗取精的數據預測力、冷靜客觀的數據判斷力、統一協調的數據執行力，以數據數量、數據速度和數據多樣驅動文化產業內容創意、傳播創新和消費升級。

【關? 鍵? 詞】數據資源;大數據;高質量發展

【作者單位】崔波，浙江傳媒學院新聞與傳播學院。

【基金項目】2020年度國家社科基金重大項目（20&ZD321）的階段性成果;2012年度國家社科基金項目（18BXW038）的階段性成果。

【中圖分類號】G124 【文獻標識碼】A 【DOI】10.16491/j.cnki.cn45-1216/g2.2021.03.006

長期以來，我國文化產業適用的是財政投入、規模擴張、資源稟賦、區位優勢等要素驅動的發展模式，與世界文化產業強國相比，我國文化產業的增長方式相對粗放，亟須調整。站在“兩個一百年”的歷史交匯點上，如何實現文化產業的高質量發展，是擺在我們面前必須解決的問題。通過科技創新，實現文化和科技的融合，是解決這一現實問題的主要方案。

2020年中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》，首次在國家文件中將數據與土地、勞動力、資本、技術并列為生產要素，這在中國市場經濟發展歷史上具有里程碑意義[1]。因此，我們有必要理性認識文化產業的數據資源是什么，文化產業數據資源有什么作用，以及應該如何以數字資源賦能文化產業高質量發展等一系列問題。

一、科技與文化產業融合形成數據資源

科技與文化產業融合生成的三類數據資源是現代文化產業實現發展和創新的關鍵所在，包括產品內容存儲數據、用戶行為痕跡數據、傳播效果反饋數據。

1.產品內容存儲數據

美國南加利福尼亞大學的馬丁·希爾伯特對2007年前人類所創造、存儲和傳播的一切信息進行估算，得出信息總量為300艾字節這一數據。這些海量數據中包括書籍、圖畫、電子郵件、照片、音樂、視頻、電子游戲、電話、汽車導航和信件等，但這只是人類海量數據的冰山一角。因為在2007年前，只有7%的數據是存儲在報紙、圖片、書籍上的模擬數據，其余的都是數字數據。隨著互聯網的普及，大量的數據被記錄下來。邁爾-舍恩伯格做出這樣的估計：人類存儲信息量的增長速度比世界經濟的增長速度快4倍，計算機數據處理能力的增長速度比世界經濟增長速度快9倍[2]。因此，人類產生的數據之大，非我們所能想象。

隨著互聯網的普及，文化產品內容的存儲數據呈現爆發性的增長。從我國來看，截至2020年6月，我國網民有9.4億，互聯網普及率是67%。在互聯網上，人人都可以是內容生產者，內容產品的專業機構（PGC）和非專業機構（UGC）都在生產內容信息，“專業化”轉變為“社會化”[3]。數據無疑是海量的。

2.用戶行為痕跡數據

雖然文化企業都重視受眾需求，但是傳播者在將受眾需求化為具體的數值從而設計出滿足受眾需求的文化產品方面一直缺少招數，而互聯網用戶的行為痕跡數據在一定程度上改變了這種窘境。用戶在互聯網留下的任何行為數據，包括消費偏好數據（如文化產品消費頻次、消費檔次等信息）、用戶人口統計學數據（性別、年齡、所在地）、社會統計學數據（學歷、收入水平等），都有助于文化企業在設計產品時能更準確地確定目標用戶。如百度將用戶搜索關鍵詞、興趣點、到訪頁、瀏覽主題詞等行為痕跡數據作為描繪用戶自然屬性、短期特定行為與長期興趣愛好的重要指標，最終擬出用戶的全方位特征;亞馬遜根據用戶在其網站上的類似查詢進行產品推薦;Twitter、Facebook和LinkedIn通過用戶的社交網絡圖得知用戶的喜好;世界上最大的在線影片租賃提供商奈飛，將用戶在網站上的行為數據轉化為大型數據庫，自制連續劇《紙牌屋》，獲得了巨大成功。無獨有偶，作為我國新聞聚合網站代表的今日頭條于2016年推出媒體實驗室，向大眾和機構媒體提供多維度用戶主導的內容生產;騰訊視頻采用HADOOP 等相關技術對該平臺上大量的用戶數據資源進行挖掘和分析。

3.傳播效果反饋數據

傳播效果反饋數據不僅存在于傳播者與受眾之間，還存在于傳統媒體與新媒體或個人之間。就前者而言，傳播者與受眾的關系隨時相互轉化，因為在移動互聯時代，任何人都可以通過比較便捷的工具來表達自我、傳播所思所想，這些數據可視為傳受關系的動態調整的基礎。因此，考察某個文化產品的社會價值或者傳播影響力，通常做法就是觀測這款產品的提及量、討論量和評論正負面信息的比例。還有學者進一步指出應使用“有效度、顯著度、關注度、參與度和擴散度”等指標進行測度[4]。就后者而言，以算法為核心競爭力的互聯網平臺，一般通過增強用戶黏性的信息實踐，獲得大量的傳播效果反饋數據信息，并向傳統媒體和其他自媒體提供這些信息資源。

二、數據資源在文化產業中發揮的功能

上述三類主要的大數據，折射出社會資源配置的多重方式。正如杜爾勞夫和布盧姆所言，“數據賦能能夠較為全面地刻畫影響文化產業創新要素的運行軌跡。”[5]我國《大數據白皮書（2016）》指出，大數據是新資源、新技術和新理念的混合體。從資源視角看，大數據是新資源，體現的是一種全新的資源觀。

1.數據資源促進文化產業結構優化

數據資源有助于優化文化產業的技術結構、產品結構，從而促進文化產業結構調整。2016年，國外學者對數據資源作用于文化產業結構調整進行了研究，發現數據資源有助于對文化環境、文化區域、文化元素進行畫像，從而服務于文化產業的結構優化[6]。之后，我國學者許和連等人利用1995到2011年間40個國家的離岸數據，探討數據對文化服務的影響，他們發現數據技術外溢強度與文化服務生產率成正相關關系，建議中國應當加快文化產業的數字化轉型[7]。李曉標和解程姬等人的研究也發現，文化產品結構調整應當將重心從粗放型的物質資本投入轉向集約型的科技資源投入[8]。

數據資源促進文化產業結構調整主要體現在產品和供需優化兩方面。在促進產品優化方面，數據資源有助于推動傳統文化企業對其作品進行大刀闊斧的改造，如出版社推進全媒體出版，電影業推進VR，演藝業推進5G環境下的數字演藝，會展業推進智能會展業務，其他文化企業推出適合在5G、VR/AR、超高清等各種智能終端和數字傳播平臺播出的內容產品;還有各企業推出適合抖音播放的豎屏作品，適合數字影院播放的交互電影，適合多屏聯動的游戲產品。在供需優化方面，數據資源賦能文化產品數字化、網絡化、智能化和服務化，滿足人民日益增長的對高端化、精品化、品牌化精神產品的需求。

2.數據資源促進文化產業總量提升

通過文化產業的價值鏈和產業鏈，數據資源賦能文化產業總量提升。首先，文化產業價值鏈是指文化企業在創造價值的過程中，相關環節為實現一定的價值目標而形成的動態過程[9]。文化產業的價值鏈分為創意、生產、銷售和消費四個環節，這四個環節均可以被數據資源賦能。在創意環節，數據資源降低了內容創意的門檻，創意不再是職業選手的專利，草根也可成為創意的提供者。目前，內容創意環節或文化設計環節已經與用戶實現了交互，用戶可以向生產者傳遞訴求或需求，由此誕生了生產者—消費者群體。如網絡文學平臺消解了職業與非職業的分野，吸引了一大批網絡文學寫手入駐，用戶的點擊率成就了一批批網絡草根作家。在生產環節，生產什么產品，生產多少產品，更是依賴于以云計算、云存儲、云服務為代表的大數據技術對文化產品的賦能。在銷售環節，運用數據挖掘與數據分析結果，文化企業可以更加精準地將其產品投放市場，獲得投資回報率。在消費環節，消費者可以通過文化產品的評論、點贊、轉發等數據，做出購買與否的決定。其次，產業鏈是在價值鏈形成基礎上形成的，通過價值鏈驅動形成產業鏈反應，兩者共同作用于文化產業的內生變遷[10]。由此產生文化產業總量波動協同效應，形成區域文化經濟聯動發展，且聯動在有序與無序并存中呈現非線性與不穩定性[11]。

3.數據資源促進文化產業智能轉型

云計算、大數據、物聯網和移動支付等新商業基礎設施在文化產業中的日益完善，推進了文化產業數字化步伐和數據閉環的形成，從而為文化產業的智能轉型提供基礎數據和技術。數據資源不僅能成為文化創意的生產要素，而且還可轉化為切實可交易的智能產品，由此作為組織競爭力的關鍵資本[12]。數字資源促進文化產業的智能轉型體現在微觀、中觀和宏觀三個方面。

從微觀層面來看，由數據驅動的智能生產有助于內容生產者和消費者整體素質的提升。一方面，對于內容生產者來說，人機互動已經成為越來越多的文化產業核心部門進行內容生產的常態，越來越多的人類行為過程將被機器代替。大數據促使人工智能運用于機器學習、自然語言處理、智能語言處理和計算機視覺等多個場景。機器學習是人工智能利用海量數據，依照算法實現自我功能優化，賦能文化產業內容的生產，如 2016 年“雙11”期間阿里研發的“魯班”系統制作了1.7億張商品海報，該系統經過一年的學習，2017年“雙11”期間制作了4億多張海報，這種生產能力是人類所不能企及的。自然語言處理是人工智能通過海量數據處理而養成識別人類語言的能力，智能語言處理則是讓機器懂得人類的表達，如BuzzFeed、TexasTribune、Quartz、Mic、Los Angeles Times等媒體已經將聊天機器人運用于媒體與受眾的互動中。計算機視覺技術是計算機基于圖像形成的周邊環境數據和活動數據進行3D建模、定位與控制的技術，有助于補充圖片和視頻缺失的信息，使其更加完美。一方面，人工智能幫助內容生產者從繁重、枯燥的工作中解放出來，使其將更多的精力投入人工智能所不能達成的創意勞動中，“從而有利于優化從業者結構、提高文化生產效率、加快文化創新速度”[13]。另一方面，對于消費者而言，數據資源驅動下的人工智能降低了他們參與文化產業生產、傳播的門檻，改變了其結構性弱勢地位。

從中觀層面來看，數據資源有助于為文化企業智慧決策提供重要依據。大數據驅動下的企業決策變得更加理性，避免了文化企業在重大機遇和風險面前，由于意見不統一難以當斷則斷，或錯失企業發展良機，或未能對各種危機做出應急反應。“對影響企業的各種數據進行全息化和智能化的處理，有助于文化企業科學化和民主化決策。”[14]

從宏觀層面來看，數據帶動了國家文化產業政策調整。數據資源有助于國家利用數據庫治理文化產業，優化文化產業各要素配置，調整產業結構。大數據分析還可以幫助文化產業管理部門減少冗余信息，跨越溝通障礙，避免資源浪費，提高科學、高效、智慧決策水平。

三、樹立三力合一的數據資源開發新思維

文化產業創新過程本身是經濟社會邁向高質量發展的漸進動態過程，而大數據源于民生、服務民生，匯集形成具有精確性、個性化與長尾路徑的應力。在反思大數據給文化產業帶來的各種機遇之前，我們首先要思考一個元問題：大數據到底給人類帶來了什么變革？認識到這一點，我們才能以科學的思維和理念指導文化產業的創新實踐，才可以將數據思維更好地滲透到文化產業鏈的各個環節和文化產品生產的各個階段。

1.形成去粗取精的數據預測力

大數據時代給人類帶來的最大變革是思維方式的變革。《大數據時代》的作者舍恩伯格認為，大數據帶來的思維變革體現在以下三個方面：“首先，要分析與某事物相關的所有數據，而不是依靠分析少量的數據樣本。其次，我們樂于接受數據的紛繁復雜，而不再追求精確性。最后，我們的思想發生了轉變，不再探求難以捉摸的因果關系，轉而關注事物的相關關系。” [2]

按照舍恩伯格的說法，第一種和第二種說法指向大數據時代人們需要使用全數據而非傳統的抽樣數據對事物的發展態勢進行研判的這一事實，因為全數據是將與解決某個問題相關的數據一網打盡，對海量數據進行定向分析，從中能夠發現人類行為或活動中出現的某些固有傾向，也便于對問題進行全方位且精細化的刻畫。當然，與傳統被精挑細選的抽樣數據不同，大數據內部混雜了個別不準確的數據，但是相對于龐大的數據庫而言，這些瑕疵數據被數據間的容錯能力所淹沒，不影響人們對數據指向性的預測。然而，在現實生活中，全數據的獲取卻很難實現，這是因為很多平臺為了保證自己在市場競爭中的優勢，通過封鎖自己的數據以獲得競爭優勢，在網站上設立各種反爬取的數據保護墻，通常情況下，網站給出的每個內容產品的爬取數量限制是2000條/次。此外，在海量數據中混雜著重復數據、造假數據、缺失數據、失效數據等“噪音”數據，即便對數據進行清洗，這些數據也很難被清除，這在一定程度上容易誤導算法，造成判斷失誤[15]。因此，在進行數據預測之前，要先了解具體的任務，包括工作對象、工作現狀、工作目標和計劃，接下來要基于工作對象和工作計劃，進行原始數據的搜集、描述和質量核查。

2.形成冷靜客觀的數據判斷力

得益于互聯網、計算機、人工智能和物聯網的飛速發展，數據的采集、存儲變得更加便捷，由此產生了我們所認識的物質世界、意識世界之外的數據世界。數據世界具有本體論屬性：“有了大數據的幫助，我們不會再將世界看作是一連串我們認為或是自然或是社會現象的事件，我們會意識到本質上世界是由信息構成的……”[2]舍恩伯格還進一步提出大數據重塑了世界觀：“將世界看作信息，看作可以理解的數據的海洋，為我們提供了一個從未有過的審視現實的視角” [2]，“通過數據化，在很多情況下我們能全面采集和計算有形物質和無形物質的存在，并對其進行處理”[2] 。

雖然大數據正在改變我們既有的思維方式，但是我們要理性地看到大數據時代的來臨也帶來了數據監獄、二次利用、事前懲罰、數據獨裁等倫理困境。因此，在使用大數據時，我們還需要回應如下問題：個人隱私保護應該由個人承擔還是由數據使用者承擔？我們可以唯數據論嗎？如何打破數據黑箱，保護個人利益？如何確保數據權益公平？眼下我們能做的是，在形成數據判斷力之前，做好建模前的準備工作，即對原始數據中的大量錯誤、重復信息進行刪除、轉化和清洗;之后通過建模描繪數據并建立關聯，用一定分析方法借助工具進行基礎分析;然后對所建模型進行評估，通過各種可視化向數據挖掘人員展現更深層次的數據關系;在模型發布前還要接受多次檢驗[16]。

3.形成統一協調的數據執行力

大數據強調的是數據間的關聯性而非因果性，因此，數據規模、種類與數據價值呈正相關關系，即數據規模越大，種類越豐富，數據價值就越大，對文化產業的作用也就越顯著。大數據技術對文化企業的數據集約化提出了很高的要求：首先，文化企業要自建數據量龐大的數據庫，這是利用大數據的前提 [17] 。其次，各大類文化產業之間要打破數據孤島，實現數據共享，形成統一協調的數據執行力。

各文化企業自建的數據庫要梳理通過各種渠道獲得的用戶數據，包括用戶的收視數據、社交媒體使用數據、搜索引擎使用數據、視頻網站登錄數據、論壇留言數據以及購物網站購買數據等，以及上述數據之間存在關聯性的數據[18]。接著依次對數據進行標引，越細致的標引越有利于進行目標用戶定位和產品定位。如奈飛一改好萊塢將視頻分為動作/冒險、戲劇、情節劇、浪漫劇的傳統分類方法，其視頻分類多達76897 種。奈飛自創的這套分類系統在2006年被啟用，實現了對其數據庫中的每一部影片的種類細分。可以說，奈飛的成功很大程度上得益于大數據對受眾的精準洞察[19]。

建立企業數據庫，只是實現數據資源戰略中的最初一步，只有形成數據生態，才能使數據資源發揮巨大的潛能。然而在現實中，由于利益博弈，往往造成數據割據，形成數據孤島。在數據生態中，使用各種軟硬件設備的用戶是數據的生產者，但是他們在數據市場上處于弱勢地位，其個人隱私極容易因數據公開而被侵犯;提供各種用戶軟硬件設備的運營商是數據的壟斷者，他們掌握和占有大量內容生產者和內容消費者的數據，由此獲得壟斷利益;不直接占有數據但依賴數據為生的則是數據的消費者，他們需要從數據壟斷者中購得數據以維持業務運營和戰略決策。去中心化的區塊鏈技術的出現，可以有效促進上述困境的解決。區塊鏈技術中的分布式賬本技術、數據加密技術等核心技術，可理順數據生態中數據生產者、數據壟斷者和數據消費者之間的利益關系，充分激發每份數據所蘊含的價值，使數據在各方之間流通與共享，最終形成充滿活力的數據市場[20]。

四、建立數據資源驅動的文化產業新格局

在數字經濟勃興的時代，需要樹立科學的數據資源觀，深挖數據資源，高效利用數據資源賦能文化產業，實現文化產業從資源依賴走向科技引領，從粗放型消費轉向個性化服務，推動文化產業高質量發展。雖然很多學者對大數據資源的特征進行了概括，提出了3V、4V、5V之說，但是學界和業界普遍認可的是麥塔集團分析師萊尼于2001年提出的3V概念，即數據數量（volume）、數據速度（velocity）、數據多樣（variety）。3V概念與文化產業生產、運營/傳播、消費三大環節有某種暗合，對應文化產業的供給側、運營側/傳播側、需求側。

1.以數據數量驅動文化產業內容創意

內容創意是文化產業生存和發展的源頭，如何將具有原創性的知識通過一道道生產環節，借助一定的運營流程提供給消費者，是文化產品供給端必須思考的問題。有幾類數據資源可以幫助創意者進行預測和決斷。第一類數據資源是消費者行為數據，此類數據資源指向的是需求側，也就是文化企業服務的對象。此類數據資源集納消費者各種行為痕跡數據，如“客戶資源、市場信息、訂閱量、銷量、收視率、上座率、票房、流量、點擊率、點贊數”等[21]，對此類數據資源進行數據屬性與關聯規則的分析，可以有效幫助創意者如剝繭抽絲般地識別創意價值，進而推進創意方案的確定，進入創造創意價值階段。其中，識別創意價值體現的是數據資源由內容創意與設計制作環節形成的產品價值創造過程，創造創意價值體現的是通過營銷服務與客戶消費獲得數據資源，從而使客戶價值得以創造的過程，兩者共同作用實現了文化企業提質增效。第二類是保障文化產業持續發展的數據資源，此類數據資源來源于國家的公共文化機構（如圖書館、博物館）、科研機構（如高校、研究院）、文化生產單位（如廣播電視臺、報社、出版社、網站等），對此類數據資源的分析，可以有效提升文化產品與傳播渠道的適配性。上述數據資源形成合力，共同促進了文化內容創意提升。

2.以數據速度驅動文化產業傳播效能

時間和空間是存在的根本屬性，如何利用數據速度，以時間速度換取空間拓寬，以傳播速率的提升擴大文化產品的傳播范圍，是文化企業完成創意生產后必須面對的課題。因為“基于時間的整合營銷傳播能力、渠道及終端掌控能力、內部資源營運能力已成為文化企業的基本生存力量” [22]。

傳播效能關乎生產者和消費者能否有效接駁，至少有三個因素產生作用。第一，文化產品的消費場景。是在線消費還是線下消費？抑或線上線下混合消費？不同的消費場景大數據處理所需的時間是迥異的：在線模式下數據的處理時間最短，一般在微秒至毫秒之間，離線模式下數據的處理時間則以天為單位，近線模式下的數據處理時間在分鐘級以及小時級之間[23]。第二，文化產品的相關度。如《觸及巔峰》這本在實體書店售賣的圖書，雖然口碑很好，但是并不暢銷。十年后當線上銷售《走進空氣稀薄的地帶》一書時，亞馬遜的書評將該書與《觸及巔峰》相提并論，并對后者贊賞有加。亞馬遜通過大數據分析，發現購買《走進空氣稀薄的地帶》一書的顧客同時也會購買《觸及巔峰》，于是將兩本書放在一起售賣，使這本沉寂多年的圖書煥發新的生命力[24]。第三，消費者的日常消費行為。長期對消費者日常行為數據進行跟蹤，能判斷出其消費趨勢，進而推薦與其志趣相投的產品，這是大多數網絡平臺普遍采用的手段。

以出版業為例，數據速度驅動下的空間重構路徑有：運用眾包眾智眾創（如維基百科）拓展出版營銷空間，運用云推薦和口碑評價拓展消費者選擇空間，運用“集合器”（如亞馬遜對書的集合）和“數據倉庫”（如美國銷售二手書的Alibris）拓展出版存在空間 [25] 。

3.以數據多樣驅動文化產業消費升級

大數據的類型非常廣泛，不僅包括數字、符號，還包括圖片、音視頻、電子郵件、游戲、網絡日志和位置信息等，不論是政府、企業產生的相關數據，還是人們日常生活和工作行為產生的數據都可以被記錄和分析。多樣性數據的挖掘與分析為我國文化產業消費升級提供了決策依據。

目前，我國社會主要矛盾是人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾。據統計，2018年我國居民用于文化娛樂的人均消費支出為827元[26]，而線上文化產業的消費人群更是高達10億，他們的消費數據之大、來源之廣超乎一般人想象，尤其90后、00后是數字文化產品的消費主力。《2018中國互聯網消費生態大數據報告》顯示，90后的消費呈現七大特征：原創消費大眾化、內容付費多元化、粉絲經濟迭代、寵物消費升級、社交消費“圈子”化、租經濟深入滲透、懶人經濟全面展開。通過大數據技術，收集海量消費者行為數據，以全數據從多個維度分析市場需求，引導創造文化產品，才能更好地滿足不同類型消費者的多元化、個性化、移動化、碎片化的消費需求[27]。此外，利用大數據對新一代消費群體的消費取向進行分析研判，也能進一步發掘新的需求，降低周轉成本，提升文化產品的消費效率和投入的回報率[28]。

數據已然成為文化產業當下以及未來的重要資源，被應用于文化產業的多個領域，并且產生了深遠的影響。目前以及不遠的將來，文化產業企業為了增強競爭力和開展科技創新，勢必要加大對數據資源的爭奪力度。身處大數據時代的我們，需要找準中國文化產業的定位，通過掌握大數據關鍵技術，為文化產業的高質量發展賦能。

|參考文獻|

[1]騰訊社會研究中心. 打破數據孤島：如何實現“可用不可見”的數據融合？[J]. 大數據時代，2020（6）：20-27.

[2]維克托·邁耶-舍恩伯格，肯尼思·庫克耶. 大數據時代：生活、工作和思維的大變革[M]. 盛楊燕，周濤，譯. 杭州：浙江人民出版社，2012.

[3]李良榮. 新聞學概論（第六版）[M]. 上海：復旦大學出版社，2018.

[4]周勇. “收視率”不再為王? 大數據時代視聽傳播效果評估的重大變革[J]. 新聞與寫作，2014（11）：26-29.

[5]杜爾勞夫，布盧姆. 新帕爾格雷夫經濟學大辭典（第二版）[M]. 賈擁民，譯. 北京：經濟科學出版社，2015.

[6]Kim， Ki Hong. Cultural Research and Big Data[J]. Humanities Contens，2016（41）：193-215.

[7]許和連，成麗紅，孫天陽. 離岸服務外包網絡與服務業全球價值鏈提升[J]. 世界經濟， 2018（6）：77-101.

[8] 李曉標，解程姬. 對旅游經濟增長的結構性影響[J]. 管理界，2018（11）：184-185.

[9] Porter， M E. Competitive advantage[M]. New York： The Free Press，1985.

[10]邵朝對，李坤望，蘇丹妮. 國內價值鏈與區域經濟周期協同：來自中國的經驗證據[J]. 經濟研究，2018（3）：187-201.

[11]杜龍政，汪延明，李石. 產業鏈治理架構及其基本模式研究[J]. 中國工業經濟，2010（3）：108-117.

[12]左惠. 文化產業數字化發展趨勢論析[J]. 南開學報（哲學社會科學版），2020（6）：47-58.

[13]王光文. 基于人工智能應用的文化產業發展系統問題及優化[J]. 深圳大學學報（人文社會科學版），2020（3）：51-59.

[14]于殿利. 以“十四五”規劃促進出版高質量發展和現代化進程[J]. 科技與出版，2021（1）：1-5.

[15]杜恩龍. 走出算法認識的誤區[J]. 編輯之友，2020（1）：69-73.

[16]陳思. 基于大數據的傳播效果分析實踐與理論研究回顧[J]. 新聞傳播，2013（7）：74+76.

[17]湯景泰. 大數據時代的傳媒轉型：觀念與策略[J]. 新聞與寫作，2013（9）：23-26.

[18]周勇，趙璇. 融媒體環境下視聽傳播效果評估的指標體系建構——基于VAR模型的大數據計算及分析[J]. 國際新聞界，2017（10）：125-148.

[19]周勇. “收視率”不再為王 大數據時代視聽傳播效果評估的重大變革[J]. 新聞與寫作，2014（11）：26-29.

[20]周茂君，潘寧. 賦權與重構：區塊鏈技術對數據孤島的破解[J]. 新聞與傳播評論，2018（5）：58-67.

[21]王婧. 大數據助推文化創意產業發展[J]. 文化產業，2020（18）：122-124.

[22]宋振杰. 大數據時代速度決定生存[N]. 中國質量報，2014-05-28.

[23]彭宇，龐景月，劉大同，等. 大數據：內涵、技術體系與展望[J]. 電子測量與儀器學報，2015（4）：469-482.

[24]克里斯·安德森. 長尾理論[M]. 北京：中信出版社，2012.

[25]張弛. 大數據時代中國出版產業鏈的重構[D]. 武漢：華中科技大學博士學位論文，2015.

[26]林火燦. 國家統計局發布報告顯示：文化產業增加值在國民經濟中占比逐年提高[N]. 經濟日報，2019-07-26.

[27]許安明. 利用大數據促進文化產業轉型升級[N]. 中國社會科學報，2020-12-29.

[28]王林生. 互聯網文化消費的模式創新及發展趨勢[J]. 深圳大學學報（人文社會科學版），2018（6）：55-63.