新数据时代

新数据时代（共11篇）

新数据时代 篇1

英国大数据方面研究专家舍恩伯格的著作《大数据时代》让大数据在学界和业界最为重视的概念之一, “大数据”被认为是开启了时代的大变革、大转型。数据新闻 (Data Journalism) 随着大数据的兴起也成为热点话题。用数据分析新闻, 发觉数据背后的信息, 采用可视化的方式报道新闻也将成为未来新闻传播领域的发展的新模式。

1“数据新闻”概念界定

1.1 概念含糊

关于“数据新闻”其概念在目前通用的教科书中尚未有相应的准确定义, 在学术界权威的新闻传播类工具书中, 程曼丽主编的《新闻传播学词典》和童兵主编的《新闻传播学大辞典》也并给出具体的解释。“数据新闻”, 作为近几年诞生的新名词, 关于其概念界定, 学术界众多学者亦是众说纷纭, 莫衷一是。

1.2 相关定义解释

查阅有关资料, 在《数据新闻手册》中解释了“数据新闻”是指“用数据报道新闻, 它为记者的传统新闻嗅觉与运用规模庞大的数据信息结合起来报道新闻创造了可能”。也有学者 (郎劲松、杨海) 解释数据新闻是“利用数据驱动的报道, 具体的说是通过挖掘和展现数据背后的关联与模式, 利用丰富的、具有交互性的可视化传播, 创造出新闻报道的新方式”, 更有学者称“数据新闻”是“大数据时代新闻生产的核心竞争力”。

2 大数据时代“数据新闻”特征

2.1 改变文字为中心叙事方式

“数据新闻”依靠全新的生产方式彻底颠覆了传统以文字为中心的叙事方式, 是大数据时代呈现出的最基本的特征。在大数据的背景下, 受众对于高质量新闻的需求以及精确新闻的经验积累, 传统新闻的模式不再适应当今时代新闻生产。“数据新闻”采用新闻报道的新方式, 极大地改变了文字作为新闻记录的单一性功能, 在处理复杂多变的新闻信息时, “数据新闻”通过动态分析与可视化视图呈现新闻内容, 增加了传播的便利性和信息的可识别性。大数据时代, “数据新闻”呈现出全新的特征, 其采用视图结合的趋势化分析与解读, 更加精准地讲述新闻信息, 便于受众的理解和记忆。

2.2 阐述重大新闻事件“议程设置”

阐述重大新闻事件, 为新媒体时代受众设置议题, 引导受众关注度, “数据新闻”在这方面始终扮演着重要的角色。传统的新闻媒体在报道重大新闻事件时, 受到其他主流媒体议程设置的影响, 在涉及重大新闻议题时, 传统的主流新闻媒体在公众心中保持着较高的可信度。新媒体在涉及重大新闻议题时, 新闻内容和报道方式上千篇一律, 缺乏深度报道, 与此同时, 新闻失真现象也是在报道中经常存在的问题。在新媒体与传统媒体在重大新闻议题的博弈过程中, “数据新闻”分析技术的出现, 各方媒体对于同一议题会有不同的报道方式, 记者在阐述新闻事件时有独特的解读方式, 公众在面对不同媒体呈现出的不同新闻内容有不同的“解码”方式, 从而“数据新闻”在宏大新闻事件的客观性报道中使新闻报道更加贴近个人的日常生活。

2.3 转变新闻记者社会角色

新媒体的发展和新技术的出现, “数据新闻”的产生在一定程度的上加快了新闻记者这一群体由“新闻民工”、“社会记录员”向“综合型记者”、“全能记者”的转型, 同时提升了记者的专业素质和职业素养。传统的新闻记者单纯作为信息的传播者和发布者, 大数据时代对于记者这一社会角色有了更加严格的要求。信息的分析处理能力的重要性愈来愈受到重视, 新闻记者不再是单纯的信息的报道者, 而成为新闻事件的有力阐释者。大数据时代下的“数据新闻”记者通过数据化的分析强化了自身的“新闻敏感力”, 在处理互联网信息时代冗杂复杂的信息时更加游刃有余, 更加灵活多样。实现新闻记者自身转型是新时代对于传播者这一角色的新期待。

3 大数据时代“数据新闻”产生的影响

3.1 传统新闻理念的变化

“数据新闻”催生传统的新闻理念发生颠覆式变化, 作为大数据时代信息化的产物, 其本质是一种“数据驱动型新闻”。数据的价值被充分的挖掘与利用, 动态的数字互动技术和人工智能技术改变了传统的新闻报道的理念, 激发新闻传播生产领域的大变革, 充分开发数据的价值与意义, 在新闻产业链引发“数据就是生产力”的思维革命。“数据新闻”对于报纸为首的传统纸质媒体在深度报道、新闻内容生产、版式编排方式方面也产生了不可估量的影响, 有学者估计, 未来的数年“数据新闻”将引领纸质媒体展开一场新变革。

3.2 传媒业人才结构的变化

“数据新闻”在未来的数十年将会极大改变传媒业人才结构。相比于传统媒体, 作为一种需要深度数据分析和高度信息处理能力的新兴新闻报道方式, “数据新闻”在对于专业人才结构需求上也亟待调整。记者的任务不再是单纯的采访与记录, 主播的任务也不再是在演播室播送与报道。名记者、名主播、名评论员的“三名主义”不再是未来新闻业乃至传媒业的新趋势, 相对于传统单一新闻学背景的专业人才, 数据挖掘、信息分析、计算机应用领域的多学科交叉背景的“复合型人才”将越来越迎合“数据新闻”时代传播领域的结构需求。

3.3 新闻报道实践的创新

大数据时代“数据新闻”的出现刺激新闻报道实践方式的创新。传统新闻对新闻报道的方式要求真实、客观、准确、时效性强;“数据新闻”对新闻报道的方式则要求完整、深入、有说服力、可视化。计算机数据处理和人工智能的参与使得新闻报道趋于形象化和多样化。新闻报道在大数据时代不断科学化调整, 规范化运作, 在实践方式上不断创新。新闻生产在海量的大数据资源中重新发掘报道的新规律、新趋势、新动向, 对于未来的新闻行业的变革意义重大。

3.4“数据新闻”负面影响

“数据新闻”在改变传统新闻报道的同时也存在着负面影响。其一, “数据新闻”是完全由数据掌控的新闻, “靠数据说话”在一定程度上提升了新闻的科学性和准确度。但是固化后的新闻报道又容易形成新的程式化和模式化的报道范式, 丧失了新闻报道原有的属性。其二, “数据新闻”过于花哨的形式, 过于形式化的图表, 过度吸引受众的注意力, 造成“舍本逐末”的现象, 使得新闻报道流于形式, 轻视内容。在开展深度报道之时, “数据新闻”的严肃性同样引发质疑。其三, 对于大数据的过分迷信与信赖, 受传者缺失正确的是非辨别和价值辨别标准, 新媒体对于同一新闻的单一“解码”方式使得受众丧失应有的思考能力, 成为“单向度的人”, 失去了数据新闻原有的趣味性和生动性。

结语

“数据新闻 (Data Journalism) ”基于大数据的收集、整理、分析技术, 以数据为支撑挖掘出数据背后的关联与意义, 并利用丰富多样的可视化传播创造了新闻报道的新模式。“数据新闻”对于数据的充分挖掘和利用对传统的新闻行业造成了巨大的挑战或冲击, 刺激了传统新闻生产及报道的转型, 加快了传统新闻生产及报道的变革, 从而创造新的新闻生产方式。诚如哲学上的辩证分析法, “数据新闻”亦存在双重属性, 在数据分析报道上存在的不足之处, 在诸多方面存在局限性, 尽管“数据新闻”必然催生新闻产业链的大变革, 却不能完全取代传统的新闻生产模式和新闻报道方式。

摘要：2013年是中国的“大数据”元年。近几年来, 有关大数据研究一直是学界和业界探讨的热点话题之一, 大数据技术也对传统的新闻传播领域的变革提供了新模式, “数据新闻”正是以大数据分析报道为支撑, 以多种形态的可视化视图为表现形式的新闻传播新模式。基于大数据时代新闻生产与实践, 本文试探讨“数据新闻”在大数据时代的传播新模式, 旨在为未来传媒业的发展提供可行性参考。

关键词：数据新闻,大数据,新闻前景

参考文献

[1]彭兰.“大数据”时代:新闻业面临的新震荡[J].编辑之友, 2013 (1)

[2]郎劲松, 杨海.数据新闻:大数据时代新闻可视化传播的创新路径[J].现代传播, 2014 (3)

[3]宋素红.数据新闻:对传统新闻的完胜[J].中国记者, 2014 (8)

大数据时代图书情报人员新能力 篇2

欢迎图书情报一线从业人员及相关人员参加。

主题：大数据时代图书情报人员新能力

授课题目与专家：

1.当前与未来图书情报人员新型能力体系

初景利（《图书情报工作》杂志社社长、主编，教授）

2.电子资源统计标准规范

陈大庆（深圳大学图书馆副馆长、研究馆员）

3.大数据时代图书馆员的数据素养

黄如花（武汉大学信息管理学院副院长、教授）

4.大数据环境下情报分析的方法与技术

李广建（北京大学信息管理系主任、教授）

5.数字资源馆藏政策与策略

萧德洪（厦门大学图书馆馆长、研究馆员）

6.文本大数据处理技术与应用

张智雄（中科院武汉文献情报中心主任，研究员）

7.专利情报分析与能力

王峻岭（广州奥凯信息咨询有限公司总经理）

8.智能型图书馆神经网络服务系统的构建

汪新红（超星公司副总经理）

主 办：《图书情报工作》杂志社

承 办：福建省高校数字图书馆（FULink）、福州大学图书馆

费 用：会议费1400元，交通食宿自理

时 间：2016年11月16-19日（16日报到，19日疏散）

报名方式：登录：www.lisjournal.net “会议与培训”栏登记注册，注明“2016福州培训报名”

报名截止日期：2016年10月20日

联 系 人：赵芳

联系电话：13718119893，010-82623933

传 真：010-82621460

电子邮件：lismeeting@mail.las.ac.cn

《图书情报工作》杂志社

大数据时代的新速度 篇3

即使当前网络安全体系架构兼容极快的数据处理速度, 我们目前处理数据时的速度远低于其兼容的上限, 但威胁仍然将渗透到网络的每个角落。这便引出了一个疑问:我们真的在合理地利用这种速度 (即数据计算能力) 吗?

不妨回过头来审视我们的目标, 我们的目的是为了运用处理速度 (计算机的运算处理能力) 来更有效地保障数据安全。然而在当前大数据信息技术的背景下, 要做到这一点会面临越来越多的困难。许多组织的信息技术体系架构都能够负载来自多个源头的超大量数据, 与此同时许多机密数据也随之急剧地产生, 比以往数量更大。

在大数据时代, 随着操作数据量级迈入千兆级别, 可以确信现在大多数的安全威胁都能够轻易地危害到现有的数据安全体系架构。但是只要合理运用我们现阶段的数据处理能力, 我们就能够监控到更多的安全事件, 整合安全数据, 识别用户身份, 发现潜在的威胁, 并且加快危机响应的速度。

那么, 我们究竟需要怎样的“速度”呢?我想我们可以从以下几个方面入手:

1. 能够监控一切事件的“速度”

尽管我们都希望安全系统能够自动地终止安全威胁并且减轻所有潜在风险带来的影响, 但是往往事与愿违。所以首当其冲的是需要构建一套机制, 它是我们用来监控安全事件发展的“耳目”。好消息是, 总的来说, 网络上已经存在了这样的“耳目”。

我们需要一套安全体系架构, 它能够在一些系统 (如防火墙、入侵防御系统、数据泄露防护系统、应用服务器系统、目录地址映射系统以及交换机系统等) 中很快地收集、转发并处理来自所有可用源的数据。通常这些系统只会转发警报触发信息, 而这些数据只是可用数据的一个很小的组成部分。由于我们需要捕获到所有可用源的数据, 现有的安全体系架构必须提升数据处理和转发的能力。

2. 能够整合安全数据的“速度”

有朝一日, 如果当前的边缘网络系统, 以交换机系统为例, 性能能够提升到除了可以处理好原本的业务之外, 也能够有余力收集和转发当前网络状态的各种数据, 那么我们能够将这种性能运用到更加广泛的领域中去。

目前具有强大数据搜索能力的谷歌就是一个很好的例子。很难想象, 如果没有像谷歌这样能够让人们快速查询到所有内容的搜索引擎, 互联网的世界将会变成什么样子。诚然, 或许使用谷歌搜索出来的内容存在许多垃圾信息和错误结果, 但确实也能呈现出许多具有很高价值的信息, 而且这些信息是没有办法使用其他的方法获取到的。

就如盲人摸象的寓言里所揭示的道理一样, 从防火墙、交换机系统以及服务器系统捕获的数据来看, 都只是冰山一角。但是如果将他们所收集到的信息综合起来, 我们能够从中获取一些与众不同并且更加实用的信息。要能够实时抓取不断变化的数据流, 安全系统架构急需提升自身的处理速度。

除此之外, 能够准确地捕获到当前网络上的数据虽然也是非常强大的功能。但如果我们仅仅满足于此, 距离我们所想要达到的愿景依然十分遥远, 我们希望能够建立一个高效、经济并且能够真正提供安全性保障的安全体系。我们需要更加深入地挖掘这种“速度”。

3. 揭示潜在威胁的“速度”

如果我们拥有一个高效的数据处理机制, 监控当前的系统状态并追踪事件产生源头, 那么我们更加有理由想要借助这样的机制来评估每个业务的风险, 当新的威胁出现时, 能够根据业务行为识别出这些威胁。近年来, 关于大数据处理与关联的技术发展突飞猛进。我们需要一个处理速度优异的系统来利用这些新进技术。如果广告公司能够从获取到的数据中通过分析行为的方式得知你青睐的产品种类, 那么安全系统应该能够通过分析用户行为得知事态的轻重缓急。

4. 能够识别每个人的“速度”

仅仅通过收集数据并不会使得安全体系架构能够提供安全性的保障。我们需要通过分析数据来获取到更多有用的信息。

安全管理实质上是进行风险管理。我们需要知道当事人所做的事情以及他所在的位置才能够有效地评估风险。通常, 我们可以通过监控IP地址来达到上述的要求。这种匿名并且经常变换的标识是非常有用的数据, 但单凭IP地址, 无论用什么速度来处理信息, 都不能够为评估风险提供有效的信息。我们真正需要的信息是真实名字和他在组织中的角色——导致事件发生的当事人。我们同时也需要知道真实的位置信息——他们是坐在数据中心的处理室里?还是在一个郊外缺乏办公室区域可以上网的咖啡屋里?我们需要一个具有快速处理能力的安全体系架构来将这些与事件相关的记录关联起来, 这样我们才能看到事情真实的一面而不仅仅只停留在IP地址的层面上。

5. 加快响应的“速度”

或者说是“缓慢加速的风险”。现在, 安全威胁的问题层出不穷, 从威胁到真正产生数据丢失的结果不过弹指一挥间。因此, 建立一个能够在如此短时间内快速响应威胁信息的安全体系架构就显得尤为迫切。重要的是, 通过调查取证分析发生的事情, 我们能够及时出台相应的政策和机制来防止这种事情的再次发生。但如果我们所受到的威胁范围总是不断变化, 例如今天遭遇的威胁与昨天的遭遇截然不同, 那么仅仅依靠事后分析将使我们疲于奔命更加迷茫。我们需要一个在威胁产生发展之时能够实时做出响应的安全体系架构。

那么, 我们该怎么做?

新数据时代 篇4

方存

内容摘要：

随着信息技术的飞速发展，税收征管也已经进入大数据时代，由于数据信息化的广泛运用，使海量数据的即时获取和精确分析成为现实，为研究纳税人办理涉税业务特征提供了良好条件，带来了税收服务手段、服务理念、服务载体、服务管理的大跨越……

关键词：大数据

应用

管理

信息化

现今很多人随时都会拿起手机发微信、微博，要购物不是上超市而是上淘宝、京东，外出就餐先看大众点评，有问题不是找老师而是找百度„„在我们的日常生活中，已经离不开这些网络应用。这些网络应用都有共同的特征，就是通过海量的数据，进行云计算后让用户获得到更好的应用体验。这些随时随地抓取数据的网络应用，让我们感受到，大数据的时代已经到来。

随着信息技术的飞速发展，税收征管也已经进入大数据时代，由于数据信息化的广泛运用，使海量数据的即时获取和精确分析成为现实，为研究纳税人办理涉税业务特征提供了良好条件，带来了税收服务手段、服务理念、服务载体、服务管理的大跨越。近年来，广东地税依据纳税人类别、涉税业务类别、办理时段等信息，依托数据信息化逐步形成了服务大厅、网上办税、纳服热线、自助办税、短信服务等多种渠道并存的大服务格局。

一、实现大数据管税的意义

从目前我们系统的数据量来看，还算不上真正意义的大数据。我们的征管系统中大量的数据都是传统的结构化的数据，已经达到了一定的数量，应该更多的是关注如何提高数据质量，如何应用好这些数据。而对于正在生长的海量的非结构化数据，则要关注怎么收集、用什么方式有效管理，从海量数据中发现有用的信息，深入挖掘分析、与征管系统数据综合利用，如何“要让睡着的数据醒过来”，转化为税源，才真正体现涉税数据的价值，才能实现“信息管税”。

在涂子沛的《大数据》中提出，随着技术的发展，数据的存储与处理成本显著降低，人们现在有能力从支离破碎的、看似毫不相干的数据矿渣中抽炼出真知烁见。充分运用大数据的思维和手段，对于大力推进税收治理能力现代化，不断提高税收管理水平，意义重大。

二、当前税收数据应用管理的中存在的问题

近年来，地税部门在税收征管和信息化建设方面积累了大量的理论和实践经验，也取得了丰硕的成果。但受诸多因素的制约，在涉税数据采集、分析、利用等方面还存在一定的问题，影响税收数据的应用效用。

（一）征纳双方信息不对称日益突显

纳税人经营信息存在多样化和复杂化，地税机关获取纳税人信息的复杂性和工作难度明显增加，获得纳税人信息的渠道相对单一，主要是采用纳税人自报与税务机关根据自身工作需要进行采集所得到的信息。虽然省局与市局正在尝试进行政府部门之间的信息共享，但是这些仅仅是起步阶段，还没有完全形成有效、规范的机制。这些因素导致税务机关对纳税人生产经营状况、销售情况、生产成本等信息的掌握不全面，加上税务部门自身也没有一套完善的决策支持体系，严重影响税收数据的收集质量。

（二）税费征收管理系统过多，相互之间存在信息壁垒

目前，地税系统使用软件相对繁多，与税费征管有关的系统包括大集中征管系统、电子办税服务厅、税源管理平台、两业系统、数据综合展现平台、存量房交易计税价格评估系统等十多个操作系统，这其中有省局开发的，也有市局开发的。这些征管系统有部分在数据交换上互不共享，而软件开发公司也不一致，系统维护相对繁琐，给基层税务人员实际操作带来了很大的困扰。

（三）信息数据分析利用的广度深度不够

一是对现有数据的分析利用不足。目前的税收分析主要对税收任务的分析，只是局限于对某些数据的纵向对比分析。虽然这几年在这方面进行了大量的努力，但是没有形成长效的、可持续发展的数据分析模型，与宏观经济、市场变动、企业财务数据等联动分析不足，没有完全发挥数据信息利用应有的作用。二是税收业务与技术没有有效的融合。目前在基层税务机关这是最为薄弱的一个环节，业务与技术基本上还是各自为政，没有形成业务与技术的有效融合，导致对各方信息的横向比对和各时间段信息的纵向分析不足，从分析比对中发现问题的能力较弱，无法形成对信息分析利用的合力，制约了对信息的深度分析利用。

(四)专业信息技术人才缺乏，数据得不到有效利用

目前，以我县的干部职工为例，能够掌握比较系统的、全面的计算机知识的干部很少，另一方面，由于年轻干部交流频繁，精通税收业务的干部也不算多。因此税收信息化建设队伍任务繁重、人员不足、素质不齐等问题比较突出，高素质的专业化人才更是相当缺乏，即懂技术又懂业务的复合性人才更是屈指可数。这就造成即使拥有大量的有用数据，我们的基层税务人员也不懂分析利用，无法及时从中获取有效的数据信息。

三、完善税收数据应用管理的几点思考

（一）运用大数据的思维和手段，树立“信息管税”的新理念 我们都已清楚的看到，大数据时代所带来的思维方式、管理模式、监控手段等方面的变革，对税收征管工作带来了深远而巨大的影响，税收征管已经离不开信息化手段，紧密依托数据信息手段开展税收征管工作，已经成为税收工作的必然要求。结合风险管理和大数据理念，做为新征管改革的突破口，将大数据税收征管模式与先进的管理理念相结合，技术创新与管理创新相结合，通过税源监控、税收分析、纳税评估、税务稽查等质量控制手段，达到堵塞漏洞、纠正偏差、提高税收质量的目的。

（二）制定数据规范化，提高数据质量 要提高数据质量，必须要有数据管理标准和采集操作规范。一是要规范数据采集渠道。建立基层分局、县区局、市局、省局四级数据采集网，有条件的可设置涉税数据采集专业岗位，专门从事纳税人生产信息、交易信息、经营动态信息的采集。二是要加强数据质量的管理。按照统一标准录入有关数据，对采集的数据进行逻辑和真实性检验，把好数据进口关；制定数据审计规则，加强数据质量事中控制和事后比对，将数据质量纳入绩效考核，为数据应用提供准确可靠的信息来源。三是实行信息数据集中处理。建立覆盖采集、交换、分析、应用等主要环节的数据管理体系和运行机制,实现各个管理系统各类征管数据统一存储、加工和管理，实现各类信息资源互通互联共享，实现征管工作各环节在信息化支撑条件下的相互衔接。

（三）充分发挥政府职能作用，实现全社会的涉税信息共享 一方面，大时代数据必将全方位构建数据网络体系，通过政府部门建立大数据仓库，实施统一的信息管理平台，将工商、供电、建设、房产、交通、国土等政府各部门的数据实施统一管理，并对这些数据建立政府数据共享机制。另一方面，积极健全各政府部门间的信息网络，明确各部门通过网络获取信息的相应用户权限，彻底改变信息离散、各自为阵的局面，实现高效的信息共享，为税务部门全面掌握涉税信息提供强有力的外部环境支撑。同时，地税部门的反馈信息也可以帮助社会综合治税的成员单位掌握有关情况，查找各自工作中的不足和监管漏洞，共同提高管理水平。

（四）创新数据挖掘分析方法，打造智能税务

在调查研究的基础上，不断探索，创建科学有效的数据挖掘和分析体系。要建立税收数据仓库，对分散在各个应用系统中的数据进行集成、整合和统一管理，实现数据资源省级集中和共享，为数据挖掘分析提供基础支持。创新税收数据挖掘分析方法，应当注重五个结合：一是宏观与微观相结合。通过宏观分析了解本地区范围内不同行业、不同税种、不同类型企业的税收情况，找到税收管理的薄弱环节，对有疑点的企业、存在问题多的行业从微观上进行纳税评估、税务稽查，采取切实措施强化管理，堵塞漏洞。二是上级与下级相结合。瞄准税收管理现代化方向，省市县层层落实税源专业化管理思路，分级分类加强税收数据挖掘分析工作。三是全面与重点相结合。在全面分析的基础上，各地要结合本地实际突出重点，有的放矢地开展重点数据挖掘分析。四是定量与定性相结合，形成完整的科学的税收分析方法体系。五是动态与静态相结合。进行税收数据挖掘分析时，注意动态数据与静态数据的结合使用，坚持从经济看税源，从纳税人的发展看税源。

（五）培养复合型税务人员，满足大数据税收工作需要

人的因素是搞好一切工作的前提，实行税收现代化管理，必须培养复合型税务人员。复合型人才是“一专多能”、“多专多能”，以博见长，知识面广，易于融会贯通、触类旁通。培养既精通税收业务，又熟练掌握法律、财会、统计分析、计算机等方面知识和技能的复合型人才，是大数据时代税收工作对拥有复合型税务人员的需求。

在大数据时代，我们每个人既是数据的创造者，又是数据的使用者，这就要求每个税务干部，必须要有大数据的思维，运用大数据方法和手段，不断创新税收管理手段和方式，才能实现税收现代化。

参考文献：

（1）涂子沛《大数据》 广西师范大学版社，2012年7月（2）谢永健 《大数据：实现税收现代化的利器》 中国税务报，2014年9月17日

大数据时代下的车展新玩法 篇5

大数据驱动车展变革

尚格连锁车展经历12年的长足发展，在全国近20个城市具有广泛的知名度，品牌效应凸显，为大数据车展提供了有力的线下支持。经年累月铸就的车展品牌为大数据与车展的融合打下了良好的基础。尚格车展作为中国二三线城市首屈一指的汽车营销平台，创新办展的脚步从未停下，连锁办展如此，大数据车展亦如此。

2014年是尚格会展大数据车展元年。由全国连锁车展领导者、中国民营会展企业领军者——尚格会展首创的大数据车展，在汽车展览业乃至会展行业都具有典型的代表意义。将大数据融入传统意义的车展，通过极致的互联网思维满足汽车购销双方的真实需求，是大数据车展的精髓所在。

营销，精准才是王道

先进的互联网技术为大数据车展提供了强大的线上支持。通过缜密的全网数据收集和分析，定位购车意向群体，精准传递有效汽车和展会信息，全面提升信息传递的时效性和有效性，此举不仅能为车展带来庞大的汽车消费人群，更能从品牌及销量上全面为汽车厂商带来新的突破。

2014年上半年，尚格大数据车展在贵阳、南京、武汉、南宁四座城市率先上演，数以亿计的线上曝光率，极度精准的信息推送实现了全网范围的广泛覆盖和有效的线上集客。

注重用户体验，满足消费者实际需求

大数据车展的另外一方面是注重用户体验，重视车展自媒体的使用，以满足消费者实际需求为导向，全面优化以微信、微博、微站、官方网站为代表的自媒体集群，使得自媒体不仅能充当信息出口，还能成为观众互动和展会信息反馈的有效途径。海量的信息反馈不仅能不断提升自媒体的品质，更能在一定程度上对潜在消费者的购车期许进行预判。

2014年上半年尚格主导的大数据车展实现了在人气和销量上的全面提升，两项指标均有超过50%的显著增长，一场以大数据理念为引导的创新车展颠覆了人们对车展的认知，深受广大消费者支持和爱戴。

大数据时代地质描述新模式研究 篇6

1 问题的提出

东辛油田于1961年勘探发现, 其构造上处于济阳坳陷东营凹陷中央隆起带东段, 具有中国陆上断陷油气藏的典型特征。是一个构造复杂、油藏类型多样化的复杂断块油田[1]。经过多年总结和积累, 目前已形成了复杂断块油藏地质描述体系, 随着东辛断块油藏进入开发后期, 地质描述面临新的形势:一方面, 东辛断块油藏历经多轮次基础地质研究和滚动勘探后, 积累了大量勘探、开发数据。和勘探初期相比, 井数多、数据量大、数据类型多, 而且存储分散, 资料的查询调用不便。

另外一方面, 经历多轮次地质研究后, 精细地质研究已覆盖各个断块, 断块间实现了分层标准一致, 断块内实现了断棱精细刻画和小断层的有效识别。但是断块边部和结合部认识程度相对较低, 从近几年发现断块滚动目标来看, 多为断块边部和结合部。目前东辛油藏已进入断块开发后期, 如何寻找新滚动潜力增储上产, 以单一断块为目标的传统地质研究模式已难以满足需求。

2 地质描述新模式研究

根据目前面临的新形势, 探索研究地质研究新模式, 在断块内部地质研究的成果基础上开展数据库建设, 通过大数据分析筛选, 在此基础上开展正对性研究, 力争以最少工作量、最高效率寻找老区新潜力。

2.1 建立数据基础

将所有地质研究成果和基础数据整理入库, 个人用户从服务器中任意调取, 使用更准确、快捷。

2013 年, 完成了东辛油田沙二段地质研究数据的整理入库, 入库前对数据进行了详细的检查, 保障数据质量。目前可以实现整个东辛油所有井拉任意方向对比剖面, 也可以实现油田级别任意数据统计

2.2 大数据分析, 筛选目标区域

主要根据有利成藏条件选取合适区域进行区块拼接。选取储层发育、构造位置和含油情况为筛选条件, 并采用否定法进行挑选。主要做法如下:首先然后根据该结合部是否处于有利储层发育区;其次根据构造位置是否有利;最后根据含油情况来筛选。假如某一项对成藏不利, 则该区不列为目标区域。用该方法对断块结合部进行筛选, 选取有利成藏区域进行评价。

2.3 区块拼接, 潜力评价

在对有利成藏区域进行挑选后, 开展拼接和评价工作。主要流程如下:第一步, 解释成果拼接, 首先将相邻断块的层位、断层解释成果进行拼接, 然后全区进行闭合检查, 确定解释成果。第二步, 井震结合, 将井的分层、断点数据和地震进行匹配, 互相进行验证。第三步, 在区域构造、沉积环境的指导下对图件进行拼接。第四步, 在新图件基础上开展评价工作, 寻找新潜力点。

3 应用效果

在地质描述新模式为指导, 为断块油藏开发后期地质研究以及老区滚动勘探提供了新方法, 取得了较明显效果。

一方面, 以地质描述新模式为技术支持, 有效提升动断块结合部潜力的认识, 创新了老油田“全员滚动”新模式, 对高成熟探区滚动发现难、评价慢的状况有一定指导意义。通过新模式在东辛油田进行应用, 在新增加地质储量同时也促进了老区地质认识, 对开发起着重要指导作用。

另一方面, 相比传统地质研究模式, 新模式下可以开展多口井的同步地层对比和储层评价, 减少措施摸排、新井设计、地质研究中反复借测井图、反复翻看纸质测井图的频次, 提高工作效率, 为开发生产和科研研究提供支持。此外新模式下数据库的建立, 减少了数据多次整理导入时间, 评价和图件编制工作量时间大幅缩短, 工作效率也到较大提高。

4 主要认识

新地质研究模式为断块油藏开发后期寻找新潜力带来了行之有效的新方法, 同时减少了反复翻看纸质测井图的频次, 提高工作效率, 为开发生产和科研研究提供技术支持, 满足了复杂断块油藏开发后期对地质研究快速、准确、全面的要求, 建议可在复杂断块老油田推广使用。

摘要：受资料、研究手段等因素制约, 传统地质研究模式难以满足油藏开发后期滚动目标寻找的需求。探索复杂断块油藏老区地质描述新模式, 对于提高复杂断块油藏开发后期地质研究工作效率和质量, 指导剩余潜力挖掘具有一定指导意义。

关键词：数据,断块结合部,储层,地质研究

参考文献

[1]程世铭, 张福仁等.东辛复杂断块油藏[M].北京:石油工业出版社, 1997:56~58.

[2]王书宝, 牛栓文.东辛油田多油层复杂断块油藏高含水后期细分层系研究[J].石油勘探与开发.2004, 31 (3) :116~118.

大数据时代HRM的新变革 篇7

数据分析在企业中的应用开始于工业化时代, 主要是财务分析和供应链分析。70-80 年代, 转移到客户营销和分析, 现在已经成为市场细分和营销分析。伴随着人才失衡和全球经济衰退的影响, 公司HRM开始关注于人才分析和推理, 人力资源管理的演变是从“报告与核心理解”到“预测分析”。

1 数据挖掘模型在HRM领域的应用

虽然将大数据引进人力资源管理领域是大势所趋, 但是它也有所局限。人力资源管理不仅需要人和人面对面的真诚沟通, 更需要在人才分析、绩效考核、薪酬设计和离职倾向等方面预测, 下面对大数据在人资分析和离职预警方面的作用进行简要说明。

1.1 人资分析

在企业进行招聘时, 根据职位的能力和素质要求, 招聘合适的人选。通常做法是根据参考职位要求进行人员招聘, 对职位的要求学历、工作经验、沟通能力、管理能力等, 忽略了简历中存在的潜在信息, 且对考核项目的权重设定比较随意, 不能科学、高效、准确地找到高绩效员工。

为了高效而精准地找到高绩效的员工, 需要通过对员工各种信息数据进行挖掘分析, 挖掘出对绩效起到重要作用的信息变量, 并计算各变量的权重, 从而找出不易察觉的信息, 准确、高效地挑选出能够推进公司绩效的候选人。

Spss clementine提供了很多数据挖掘模型, 操作简单, 适合企业使用, 其中就包含有神经网络模型。首先将员工数据建立数据库, 然后利用“特征选择”节点剔除对绩效影响较小的因素, 连接神经网络模型节点, 运行模型找出影响绩效因素的权重, 最后将候选员工的基本信息输入, 预测其绩效, 根据预测数据综合排名, 择优录取。

1.2 离职倾向预测

员工离职对企业的影响很大, 既对企业业务和生产造成短时影响, 又会增加额外的成本, 因而如何对有离职倾向的员工进行引导, 变得极其重要。

大数据预测离职倾向主要是通过对已经离职员工的相关信息进行分析和挖掘, 运用相关数据挖掘模型确定离职分析模型。当模型确定后, 可以将模型用于所有在职的员工, 最后得到可能离职的员工名单、每个员工可能离职的概率和员工离职的相关影响因素, 然后针对性的进行员工挽留措施。

本文以logistic回归分析为例, 探讨离职倾向预测的过程和思路, 借助spss clementine工具, 将已离职员工信息数据和在职员工信息合并, 离职状态变量0 表示已离职, 1 表示在职。运行logistic回归模型, 得到影响因素的重要程度和在职员工离职概率, 依据这些信息通过面谈等形式进行针对性的挽留工作。

2 案例:人资分析———如何找到金牌销售

一个金融服务企业的公司领导和人力资源认为来自名校的优等生将会成为优秀的销售人员, 因而该公司在招聘、甄选和晋升时都需要考虑学历。但数年过后, 该企业的一位数据分析师进行了一次销售人员业绩分析, 将销售人员进公司后前两年的各项业绩进行综合分析后得到企业的传统招聘价值观与实际情况完全不符。

本案例中的金融服务企业的人才观是三十多年来得以成功的关键, 因而没有人去质疑其合理性, 但数据分析出来的结果却令人大吃一惊, 并产生了立竿见影的效果:启用了新的人才招聘筛选标准, 六个月后业务收入增长了400 万美元。

成功销售人员的重要特征:简历中无错误、获得学位、有销售经验、成功的职业经历、较好的领悟能力、良好习惯与承压能力等。不重要的特征:毕业学校、学业成绩、推荐信质量等。

从案例中可以得到在招聘员工时简单而又起决定性的因素易被忽视, 并且行业与公司性质不同, 所需要的员工能力侧重点也不同。以绩效到导向, 借助数据挖掘技术可以实现精准的人资分析, 从而招聘到最适合企业的员工, 有效降低不必要的成本, 确保企业高效运转。

3 结束语

大数据在人力资源管理中的应用是HRM领域的新变革, 从认识大数据到接受大数据, 再到数据挖掘, 需要克服员工数据资料的存储、相关团队和人员的组建等重重困难。本文对大数据在“人资分析”和“离职预警”的应用也只是探索, 具体效果还要看在企业的实施情况, 相信以后越来越多的模块都会有大数据的身影, 使人力资源管理体现科学性的部分变得高效和准确, 人力资源部门的高效运转势必会带来公司的健康运营。

摘要：本文以绩效为导向利用神经网络模型分析绩效影响因素和权重, 辅助招聘高绩效的员工;利用logistic回归模型分析已离职员工数据, 挖掘员工离职影响因素, 对在职员工进行离职倾向预测, 根据离职概率大小和离职影响因素来采取针对性的挽留措施。最后介绍了大数据在“人资分析”方面应用的案例。

关键词：大数据,人资分析,离职预警,logistic回归,神经网络

参考文献

[1]Josh Bersin.Big Data in Human Resources:Talent Analytics Comes of Age[EB/OL].http://www.forbes.com.

[2]osh Bersin.Talent Management:State of the Industry[EB/OL].http://www.hrexecutive.com.

[3]Jeremy Langley.Use data effectively to align people strategy with business goals[J].Strategic HR Review, 2013, 12 (5) .

[4]油永华.企业信用状况的定性评价——基于logistic回归模型的分析[J].统计与信息论坛, 2006 (6) :85-88.

大数据时代贸易统计的新要求 篇8

1大数据时代的产生背景、基本特征以及价值

1.1大数据时代的产生背景

移动互联网发展背景下,数据地产生呈现出前所未有的加快趋势,信息数据的革新给数据带来了巨大的影响。部分零散信息的集合能够给企业单位或者个人带来更大的资源共享,也就是说通过合理的规划与统一数据能够改变资源信息浪费现象。基于此,人们开始逐渐形成统一的数据概念,将大数据时代的观念逐渐掌握。尽管大数据概念的具体定义尚未讨论出,但是大数据的一些基本特征却有目共睹。

1.2大数据时代的基本特征

大数据是一个较为抽象的概念,大数据的基本特征是数据量非常大,现阶段随着计算机网络技术的发展,人们获得信息的渠道越来越多,因此信息资源也越来越多,信息量的增长呈现出爆炸式的发展趋势。用户可以通过一部智能手机搜寻到一切信息,在短时间内通过网络获得数据可以提供大量的数据;另外,随着传感器获取数据的能力提高,人们获得数据也越来越接近事物本身。传统的单位化数据多采用表格的形式来进行存储或者整理,因此在处理数据信息方面受到一定程度的限制;现阶段,随着三维扫描设备的不断普及,数据越来越真实,对数据的描述能力也越来越强,数据本身也反映出了用户的行为习惯以及思想观念等。企业只要抓住人们的思想观念以及消费习惯,能够迅速制定出合适的经济发展理念,继而提高市场占有份额,加强企业的综合竞争力。从数据层面的角度来看,认清大数据时代的概念能够对数据进行及时的观察,处理好大数据的发展。海量化的数据基本特征即使不能够完全说明大数据的重要性,但是仍然对企业产生巨大的作用,因此价值是大数据的终极意义。

1.3大数据时代可能带来的价值

现阶段,大数据时代已经逐渐被人们所认可,通过技术方法的革新以及对大数据的收集与分享,人们逐渐有了看待新世界的想法。大数据时代最大的转变就是从因果关系转变为关注相关关系,此种行为方式转变了人们的思维方式,清楚地明白自己为什么需要这么做,而不是仅仅知道是什么,也就是说既要知其然,还要知其所以然。

2大数据时代背景下贸易统计的新要求

贸易统计是以消费品零售总额指标为核心,兼顾零售业以及住宿餐饮行业等统计项目,附以商业经营形式的流通统计。贸易统计在我国经济社会发展中起到重要的提供数据和相关建议作用,为企业单位以及国家经济决策等提供较为客观的发展意见,实施统计监督。做好贸易统计工作能够准确反映出消费需求的基本发展趋势,对于实施我国相关政策方针有着重要的意义。随着社会的发展与经济的进步,我国贸易统计工作所面临的难度也越来越大,主要表现在以下几个方面:

2.1贸易统计的对象较为复杂,没有切实履行好贸易统计的工作职能

随着市场经济的发展,贸易统计调查对象的构成比重发生了一系列变化。举例来说,国有集体商业的比重越来越低,多种经济成分并存的局面越来越高,贸易统计对象呈现出配合程度低以及多而散的特点。机遇也就是挑战,有了发展空间所面临的要求也更高,具体表现为:统计工作人员需要着眼于眼前,将大数据的基本特征与概念彻底搞清,基于此,开始着手自己的贸易统计工作。一般情况下,大数据信息技术现阶段已经逐渐走向成熟发展阶段,所以对人们的日常生活造成了一定的影响。贸易工作者需要根据数据的基本走向,规划数据的发展方向。从本质发展来看,大数据时代的到来为人们看待新世界提供了方向,让决策者能够通过数据的统计逐渐明白传统行业如果不进行改革创新势必会被时代所淘汰。

2.2贸易统计基础工作较差,与国际上通行的统计原则不接轨

根据相关文献资料结果显示,私营企业主的统计工作意识非常薄弱,未设置专门的统计工作者,大多数是由会计人员兼职,因此没有专业统计方面的人才进行更为专业地统计。

2.3统计制度的改革给贸易统计工作带来新的挑战

2013年后,我国政府推行一些直接通过网络向政府输送数据的政策,此项政策的发布要求统计对象能够具备专业的统计人才,而我国目前尚未对统计专业人才进行及时的培训和培养,因此给贸易统计工作带来了更大的困难与挑战[2]。

3结语

综上所述,大数据时代已经到来,人们应该抓住机遇,迎难而上,把挑战变成机遇,开创新的发展局面。

摘要：“大数据”在物理学以及环境生态学等领域中已经被广泛研究,近年来,随着信息技术的发展逐渐被关注到一个新的高度。想要挖掘出大数据中的隐藏信息,进行适当地加工处理继而实现最大的企业价值与社会价值,此项行为对贸易统计提出了更高的要求。更新传统观念且树立好大数据时代的意识,积极掌握与大数据相关的技术要求非常有必要。笔者将根据相关工作经验,分析大数据时代背景下贸易统计的新要求,以期能够为相关行业的发展提供可供参考的意见。

关键词：大数据时代,贸易统计,新要求

参考文献

[1]殷晓静,周敏,刘娟等.大数据时代贸易统计的新要求[J].商场现代化,2013,11(34):99-99.

大数据时代广电新媒体的发展探索 篇9

虽然广电媒体相较于纸媒而言,具有天然的优势,但是近几年随着网络视频的发展,广电媒体的发展可谓是举步维艰。大数据对传统广电媒体的影响主要体现在以下几个方面:一是受众分流,媒体影响力下降,互联网时代,社会化媒体如雨后春笋般兴起,将广电媒体的受众,尤其是年轻受众分流,导致当前广电媒体的观众呈现出老龄化、农村化的趋势,其影响力大不如前;二是电视台的内容失去了独特性,在大数据时代到来之前,电视节目的内容对于受众来说,始终是新鲜多变的,但是大数据时代到来之后,网络媒体通过分析受众对电视节目的喜好,制作的网络节目,使媒体内容更符合受众口味,如美国Netflix公司出品的《纸牌屋》就是大数据时代的产物,而其在受众中的影响力,也可以看出大数据对于电视节目制作的影响;三是资本、人才的流出,市场经济条件下,资源具有逐利性,而根据当前传统广电媒体的发展滞后和新媒体的突飞猛进,资本、人才等资源在新旧媒体之间的重新整合也变得理所当然了。

2 大数据时代广电新媒体的发展策略

大数据时代,传统广电媒体要想保持发展的活力,就必须在革新理念的前提下,实现与新媒体的融合,进而结合传统媒体的影响力和新媒体的创造力完成转型。

2.1 革新理念

大数据时代不断向人们证明“唯一不变的就是变”这一真理,因此广电新媒体要想发展,就必须转变观念,实现从新旧媒体的融合到传统媒体的转型的过渡。在理念革新的过程中,广电媒体要坚持“三要”“三不要”的原则,为广电新媒体的发展奠定理论基础。所谓“三要”是指,广电媒体要加快转型,在传统媒体弊端暴漏之前,及时变革其中不符合大数据时代发展要求的电视制作模式;广电媒体要积极加入到新媒体的阵营中来,利用现代化传播理念支持广电媒体的变革;广电媒体要保持谦虚的态度,对于网络传媒中存在的知识短板要敢于从头学起。 “三不要”是指,广电媒体不要进行身份设限,而是要用全媒体的理念,接纳不同受众群体,探索新电视节目发展方向;广电媒体不要盲目回避,因为大数据显然已经成为一股不可抗拒的发展洪流,而处于社会发展大潮中的媒体要做的应该是迎难而上,而不是逃避推脱;广电媒体不要抱着传统优势,盲目自大,柯达、诺基亚的发展悲剧已经向那些固守陈规的企业敲响了警钟。因此,广电媒体应该在历史教训中总结经验,放下身段,积极融合到新媒体的发展中来。

2.2 网络支持

广电媒体的转型不该是一蹴而就,而是应该遵循一定的发展思路。首先,借助互联网实现将电视节目从线下转到线上,如湖南电视台就已经建立了“电视+ 网络”的模式,芒果TV会将当天播出的电视节目及时上传到网络上,这样既能为那些错过直播的人提供重播的机会,也能为那些想要反复观看的人提供便利。其次,利用网络媒体建立电视节目的网络运营平台,在这个平台上电视制作人可以利用互联网、摄像机、智能手机等多媒体形式进行信息收集,而这些信息经过创意加工,制作出不同终端的电视节目,并在全媒体共享平台上发布;最后在平台运营的过程中,广电媒体也可以通过PC、IPTV等渠道分发输出,以实现全媒体整合营销。

2.3 数据改造

数据改造,是指传统广电媒体应该利用大数据思维改造传统电视节目制作流程和经营模式,建立个人化、个性化和智能化的电视节目制作模式、广告推送模式和观众服务模式;同时,通过对大数据的收集和处理,探索更多能够增加受众黏性,降低节目运行成本的方法和途径,并利用对观众在电视社交平台上反馈信息的收集,引导节目制作、创新与版权购买,如浙江卫视的《中国好声音》等节目就是利用网络收集观众反馈,确定节目版权购买的典型例子。

3 结语

随着互联网、云计算技术的蓬勃发展,大数据正慢慢地渗入到传统广电媒体的各个环节,而这种量变的积累必然会带来电视节目生产方式、营销方式的质变。因此,在传统广电媒体环境下成长起来的电视制作人应该摆正心态,积极迎接大数据带来的各种变化,并充分发挥大数据对广电媒体的变革作用,以保证为观众呈现出高质量的电视作品。

摘要：21世纪是数据信息大发展的时代,移动智能终端、网络社交品台、电子商务、数字媒体等极大地拓展了互联网的应用范围,而在这样数据不断膨胀的环境下,传统广电媒体必须抓住历史机遇,完成转型,才能在大数据时代的传媒市场上赢得一席之地。

关键词：大数据时代,电视台,新媒体

参考文献

论大数据时代辅导员的新素养 篇10

[关键词]大数据 辅导员 素养

[中图分类号] G451.6 [文献标识码] A [文章编号] 2095-3437（2015）05-0034-03

一、引语

大数据时代的概念是全球著名的咨询公司麦肯锡提出的。“人们用它来描述、定义信息爆炸时代产生的海量数据，并命名与之相关的发展与创新。”[1]“到2013年，世界上存储的数据能达到1.2泽字节，如果把这些数据全部记在书中，这些书可以覆盖美国52次；如果将之存储在只读光盘上，这些光盘可以堆成5堆，每一堆都可以伸到月球。”[2]大数据时代具有数据量大、类型繁多、速度快时效高等特征。“在大数据时代，人的行为都以数据形式存在。”[3]被数据化后的个体，其日常言行有意无意都会被系统记录。每个人在信息的海洋中，既成为信息的发出者，又成为信息的接收者，彼此互相结成一张巨大的数据网。大学生个体的数据信息，不管是只言片语抑或长篇大论，汇聚起来就能成为大学经历的自叙传。大学生日常行为的数据化为辅导员的管理工作提供了参考信息。通过对学生个体乃至集体的数据信息进行统计与分析，能切入到大学生个人的生活习惯、精神状态、价值取向、行为规律、思维方式、心理状况、性格特征乃至整个班级或年级的集体精神大气候等。因此，随着大数据时代的来临，高校辅导员的工作范式必然发生转变。这就要求逐步提高大数据时代辅导员的能力素养，具体而言，这些素养包括数据素养、网络学习素养、预测能力素养及网络伦理素养。

二、数据素养

在大数据时代，辅导员首先应该具有对电子数据的敏感性，逐步培养数据素养。数据素养是指辅导员能够有效地通过对学生留痕于互联网中的各类数据具有获取、管理、分析、提炼、处理等的能力。在大数据时代，这是对辅导员工作的基本要求，也可以说是辅导员工作的起点。现在大学生释放信息的渠道日益多元，最常见的就是社交网站，如微博、微信、陌陌等，此外，还有QQ空间、QQ个性签名、校园贴吧、网站论坛等。尤其是以微博、微信为首的社交媒体，已经成为大学生记录生活点滴与思维火花的主要平台。其中，微博是开放式社交平台，可以被任何人匿名浏览。而微信作为一种封闭式的社交媒体，其信息的传播与沟通是闭环状的，主要是在获得验证的好友之间进行。目前为止，这两个社交媒体已成为大学生传播信息的主要方式。

在社交媒体平台，大学生所采用的信息传播方式主要是自我传播。自我传播，是一种内在传播，集传播者与受传者于一体。自我传播是一种自我的思维活动或意识流动，表现在自我经历的展示、对具体人事的思考、心情或情绪的释放等。这种传播方式没有特定的传播对象，目的是进行自我心绪的排遣，传播路径表现为自说自话。但就是这样的自我传播为了解大学生的思想状况，甚至烛照探幽其意识与潜意识提供了重要条件。

在大数据时代，辅导员要做好工作，获取大学生某个时间段的相关数据。“数据即信息”。[4]在获得学生数据信息的基础上进行有效分析，进而掌握学生的思想动态，这是大数据时代辅导员工作的可能路径。例如，辅导员有了敏感的数据意识后，甚至可以根据学生在社交平台发布的观影记录及体会分析出学生的性格特征。笔者曾经有一个学生，常在微博发布其观影的名称和感受。笔者通过对其一年来所公开提到的27部电影进行分析，发现其中21部是关于凶杀、惊悚、变态心理等的“重口味”电影。笔者由此大胆推论：该生性格较为阴郁，好独处，有暴力倾向。后来笔者通过对其行为进行追踪并获得证实。因此，在大数据时代，数据信息的背后是大学生的言行举止与思维状况，辅导员首要的便是要有数据素养。如果辅导员整天忙于庸杂的日常事务而忽略对大学生网络数据的搜集与分析处理，甚至视而不见，极有可能陷入工作的被动局面。敏感的数据意识是大数据时代做好辅导员工作的前提，良好的数据素养是做好工作的关键。

三、网络学习素养

辅导员要具有网络学习素养。在大数据时代，跟上社会发展的潮流是思政教育的必然要求。一个人的眼界与胸怀可以决定他在人生与事业的路上能行多远。每一个时代的个体，他的思维方式、情感状态、心理特征、行为方式、语言习惯等都要打上当时社会的烙印，形成鲜明的时代风格与代际文化。时代的印记会以集体无意识的方式投射到每个个体的心灵之中。作为大学生的人生导师，辅导员必须要有高远的眼界与阔大的世界观、价值观、人生观。

“大数据时代不仅仅是一种技术，而且是一种价值观、方法论。”[5]大数据之大，不仅仅是指容量之大，其更本质的意义在于一种宏大的精神与视野。当下，信息的触须已经深入到地球村的每一个角落，各种思潮集束于网络之中，荡涤着每一个人的心灵，成为推动社会发展的巨大潜流。有人指出，当前辅导员工作面临的两个难题是：“思想政治教育工作者的主导地位受到冲击”、“大学生群体的主流价值观意识受到动摇”。[6]在大数据时代，辅导员主导地位受到的冲击，实质就是辅导员职业公信力的下降。作为思想政治文化的传播者，如果引领学生的主导地位丧失，其工作效果可想而知。而要提高辅导员的公信力，要用强大的思想文化引导学生，辅导员必须具有网络学习的素养。以开放的胸襟吸收人类一切优秀思想文化成果，经过去粗取精、去伪存真、融会贯通后让渡给学生。

对于从事思政工作的辅导员来说，之所以要具备网络学习素养，是因为网络是各种社会思潮相互激荡的交汇点。通过网络学习，辅导员要站在历史与未来纵深的坐标上来审视自己的工作，要在东方与西方的冲突中找到和谐，形成中西交融恰当的坐标。我们认为，在大数据时代背景下，辅导员的工作可以而且应该由单纯的思政教育向公民教育与“全人教育”进行转变。公民教育是指培育学生参与现代社会生活，培养明达公民的教育。“全人教育”是将社会价值与人的价值并重的教育。公民教育与“全人教育”的目的就在于培养具有现代意识的公民，这种教育理念背后勾连的是宽广的未来视界与博大的世界观。这种世界观具有超越性，它将人与自然、社会、世界联系在一起。如果故步自封，固守思政书本的教条与框框，必会与为大数据所浸淫的大学生错开对话的轨道，失去其信任，从而失去对其精神的引领与指导。有的辅导员工作迈不开步伐，固守一隅狭小的精神天地，动辄陈词滥调，不但不能在思想与精神上引领学生，反而会成为学生所抛弃的对象。

四、预判能力素养

大数据时代还要求辅导员具有强大的预判能力素养。“大数据的核心就是预测。”[7]在大数据时代，电商能够根据注册用户的浏览痕迹，分析预测出顾客的购物历史、商品爱好、承受价位等商业信息。这些结论的获得是建立在对超量数据信息的掌握上的。在前大数据时代，辅导员的日常管理工作相对来说具有滞后性与被动性，一般都是在事件发生之后进行补救与处理，这在全国每年发生的大学生自杀事件中有典型地体现。而在大数据时代，学生所释放的数据信息可以使管理工作具有超前性与主动性。作为日常工作的管理者，辅导员不可能每天与所有学生会面或谈话。这时，网络提供的大数据就可以成为辅导员管理工作的重要参考，数据保证了辅导员的“在场”状态。心理学家阿德勒认为，个体过去、现在和未来的行为具有一定的连续性，现在的果，必有之前的因，当下的行为，是过去理念与思维的反映。一个学生在发生事情之初不可能毫无征兆，学生会有意无意释放某些信息。辅导员如果能够及时掌握并分析预判，对于更好地开展工作至关重要。因此，“要强化数据，运用数据技术，不断提高大数据时代高校思想政治教育工作的质量”。[8]

辅导员应主动关注、搜索、整理学生所释放的数据。“作为泛指的大数据，则指向了定制化、差异化、个性化方向的竞争力。”[9]在数据处理过程中，可以分析判断他的精神状况与心理状态，刻画出其思想路线图并进而预测学生未来的行为走向。尤其对于那些有心理问题的学生，根据数据进行预判是化解事故、保护学生的最好方式。学生的自拍照、视频、对话与留言、个性签名等，都是学生思想状况和行为动态的排头兵，是其行为的先导。复旦大学投毒事件的犯罪嫌疑人就曾在自己的微博中释放过偏激言论。如果辅导员具有大数据素养，能对此进行预判，这样的惨案或许就不会发生。我们常说要建立辅导员工作的预警机制，大数据时代的到来为建立这种预警机制提供了便利。大数据带来对学生预判性的增加，这种预判性为精准的个性化辅导铺平了道路。

五、网络伦理素养

大数据时代，辅导员还应具有网络伦理素养。网络伦理素养是在人机交互活动中所应具备的人文素养，它是传统道德与人格修养的延伸。网络行为因为呈现出虚拟性，具有更大的自由度，因此易于失去监督，导致精神价值失守，网络行为失范。大数据时代，辅导员很多工作会和数据的采集、分析、判断等相关。在此过程中，数据的获得及处理都关涉到网络伦理，诸如辅导员以何种途径获取数据，如何保证数据的私密性等。辅导员通过数据信息进行的交流与工作，可能在无意间触犯了法律的禁忌，比如学生的隐私权。曾经有辅导员为了帮助学生更好就业，把学生的电子简历发到人才招聘网。但好心却没能办成好事，辅导员的这种行为遭到了学生的质疑。

六、结束语

大数据时代的到来，各种社会思潮对当代大学生产生了巨大的冲击，增加了他们辨识信息的难度，也增加了辅导员思想政治工作的难度，但同时也给管理工作带来了方便。可以说，大数据时代的来临，对于辅导员来说是挑战与机遇并存，风险与收获同在。辅导员要想更好地做好学生管理工作，必须跟上时代发展的步伐，掌握好、利用好大数据，防范大数据可能带来的学生精神的异化与思想的混乱。面对大数据这把双刃剑，辅导员只有提高自身的数据素养、网络学习素养、预判能力素养、网络伦理素养，才能挺立社会思潮的顶端，真正成为大学生的精神引领者。

[ 参 考 文 献 ]

[1] 若英.如何理解“大数据时代”[J].红旗文摘，2013（11）.

[2][7] （英）维克托·迈尔—舍恩伯格.大数据时代[M].浙江：浙江人民出版社，2013.

[3] 张光茫.大数据时代的思考与启示——读涂子沛《大数据》[J].水利天地，2012（9）.

[4] 邬建中.浅析大数据时代我国互联网电视的发展战略[J].现代传播，2013（12）.

[5] 寻找通往未来的钥匙[N].人民日报，2013-2-1.

[6] 杨阳.浅谈未来大数据时代的大学生思想政治教育[J].才智，2013（17）.

[8] 梁家峰，亓振华.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）.

[9] 姜奇平.大数据时代到来[J].互联网周刊，2012（1）.

新数据时代新闻学的发展研究 篇11

一、新数据时代下新闻学理念的变化

从本质上而言, 新闻是信息的一种, 其新闻来源即各种数据, 就麦肯锡公司的调查结果表明, 新闻行业在数据占有量上, 位于各个行业的第三位, 充分表明了新闻在数据方面的突出优势。新数据时代给新闻学理念的影响主要体现在以下四个方面:

首先, 以数据为核心。在传统理念当中, 虽然新闻是要基于事实的, 但对数据的收集和利用重视程度相对较低, 主要还是依赖于新闻从业者的主观判断;但在大数据时代这一背景下, 数据传播速度和体量都得到了大幅度提升, 新闻数据获得的渠道增多、成本降低, 数据分析的结果决定了新闻的选取、制作和传播等过程, 成为新闻决策的核心所在。同时, 在大数据环境中, 发展出了各种新兴媒体, 以数据为核心的理念更加突出, 通过对数据资源的充分挖掘, 结合媒体自身的特性和用户的喜好, 来制定针对性的信息, 充分满足受众的信息需求。

其次, 以服务为基本。在大数据时代中, 可以被用来制作成新闻的数据信息数量急剧增加, 在这种情况下, 如何选择合适的新闻信息就需要依靠大数据技术来确定;在以往的新闻学理念当中, 追求的是内容为本, 也就是依靠高质量的新闻信息来取胜, 但是, 在大数据时代下, 这一理念转变为以服务为基本, 也就是指新闻信息的选择需要从服务于受众的角度出发, 这种服务体现在很多方面, 包括新闻的传播时间、途径、互动等, 才能保证媒体本身得到受众的认可。“以服务为基本”新闻理念是网络媒体发展和兴起的重要根本, 近些年来, 在传统电视媒体当中也有了大量尝试, 包括乐视电视、小米盒子等。[2]

第三, 数据的开放化。在大数据时代背景下, 数据的增长是爆炸式的, 仅以媒体的数据存储速度而言, 是远远落后于这种增长速度的, 在这种背景下, 如果不将数据开放, 新闻媒体就从其他途径验证新闻的效率会被大幅度降低, 进而影响新闻的时效性, 在各个媒体竞争中落于下风。数据开放是新数据时代新闻媒体发展的必然要求, 通过开放数据库, 不仅完成了新闻媒体应有的提供新闻功能, 还吸收了外部的数据资源, 实现了媒体数据与社会数据之间的联通, 保证了新闻媒体所制作新闻的时效性、社会性。

第四, 数据的产品化。在大数据时代中, 数据已经不再是简单的新闻信息, 各种加工后的数据中商业价值越来越大, 信息产品化趋势越加明显, 新闻媒体作为数据的主要拥有和使用者, 在这一过程中, 可以从数据中得到众多有用的市场规律信息。例如, 受众爱好、受众与媒体关系等, 实现从提供新闻信息到提供数据分析结果的转变, 进而推出数据相关产品。

二、新数据时代下新闻生产方式的变化

新闻生产过程是新闻学的重要内容, 也是对数据应用的主要途径, 在大数据时代下, 新闻生产的方式有了很大程度变化, 这一变化主要体现在以下几方面:

首先, 在新闻信息采集方面的变化。在传统的新闻信息采集中, 大多是一种被动采集的方式, 即获得相应新闻线索后, 派遣专门的记者通过电话、实地调查等方式得到新闻信息, 是一种十分低效的采集途径;而在大数据时代中, 可以利用大数据技术来对各种社交、网络和传统媒体中的数据信息进行监控和分析, 准确定位受众的需求, 并利用云计算技术将与受众需求相关的数据资源及时搜索出来, 得到相应的新闻信息, 加工制作成数据新闻, 服务于用户。由此可见, 大数据时代下的新闻信息采集转被动为主动, 且在人力、效率等方面有了很大提高。

其次, 在新闻数据存储方面的变化。在大数据时代下, 新闻媒体得到的数据在量上有了极大的增长, 同时, 这些数据也有实时、随机的特点, 在短时间内完成这些非结构数据的分析和利用的难度是十分大的, 这就要求变革新闻数据的存储形式, 实现集约化和结构化的高效存储。就当前的大数据技术而言, 仍停留在低密度、碎片化、结构多样的存储层面上, 影响了数据的高效利用和存储成本, 而这也正是大数据技术需要解决的问题之一。[3]

第三, 在新闻信息制作方面的变化。在传统的新闻制作当中, 都是要依靠人力来完成的, 但是在大数据时代之后, 计算机写作和人机协作新闻成为可能, 也就是在新闻制作过程中, 依靠大数据技术完成对相关数据资料的搜索、整合和分析, 然后利用相应的模板或者人工审核修改的方式, 完成新闻制作过程。其中, 计算机写作的应用范围较窄, 多在体育和金融领域方面, 而人机协作方式成为一种主要的报道形式, 突破了传统记者单纯写稿的方式, 提高了新闻制作的效率、降低了记者的工作负担, 是新闻生产方式的重大改变。

第四, 在新闻信息呈现方面的变化。在大数据时代中, 各种大数据技术的出现和人们需求的改变, 传统单纯的文字和图片呈现方式已经远远无法满足受众的要求, 对新闻信息的关联和动态变化也难以进行准确、详实、直观的反应, 故而, 图片、表格、视频等可视化的呈现方式得到广泛应用, 新闻信息的呈现进入“读图时代”。

三、新数据时代下新闻受众调查的变化

受众调查是新闻学的重要组成部分之一, 是新闻信息报道选择的重要影响因素, 在大数据时代下, 受众调查与传统的调查方式相比, 在各个方面都有了显著改善, 具体表现为:

首先, 拓展了调查广度。在传统的受众调查当中, 仅能通过调查问卷等方式完成对单个受众或小部分受众的调查, 是一种碎片化的调查方式;而在大数据时代下, 受众的调查是在一个社交网络基础上进行的, 通过对网络中受众之间的相互关系等内容的调查, 增大了在横向上的覆盖范围, 提高了调查结果的科学性。

其次, 加深了调查深度。在拓展调查广度的基础上, 大数据技术还可以根据用户积累的使用记录, 来分析用户的心理和爱好, 加深调查的深度, 根据相应的指标将用户分成不同群体, 分别发送个性化的新闻信息, 充分满足受众的需求。

第三, 受众意见价值性增强。在以往的受众反馈意见中, 其反馈情况更多的是用来衡量新闻信息的传播效果, 在其他方面的作用接近于无;而在大数据时代中, 受众反馈的意见除了基本的衡量作用外, 更多的是一种民意的体现, 是社会舆论和价值导线的指向标, 得到更多方面的重视, 其价值性大大增强。[4]

第四, 改变受众与媒体关系。在以往的新闻传播当中, 受众与媒体之间是领导与被领导的关系, 媒体处于绝对的主导地位, 而大数据时代之后, 受众的地位得到大幅度提升, 与媒体处于相对平等的地位, 甚至从一定程度上而言, 受众对媒体的发展起到了指导和决定性作用。同时, 在大数据技术的基础上, 受众与记者之间的界限更加模糊, 受众参与新闻制作的积极性被充分调动, 出现了越来越多的草根记者。

四、新数据时代下新闻媒介组织的变化

在大数据时代下, 与新闻制作、传播有关的人才素质、经营管理等方面的要求都进一步提高, 数据的收集、使用等方式的变化, 导致新闻媒介组织也要有相应的改变, 才能适应大数据时代的发展趋势。新闻媒介组织的变化主要有:

首先, 互动信息平台的搭建。在大数据时代中, 数据就是最终的资源, 数据的缺乏必然会降低新闻媒体在行业中的竞争力。因此, 建立一个互动的信息平台, 利用此平台来收集各种新闻信息和受众数据, 是各新闻媒体的基本要求。此信息平台的重要特征即为互动性, 利用受众与媒体、受众与受众之间等多种形式的互动, 完成媒体从单一向多个、不同类型数据的统一处理等功能。

其次, 媒介形式的转变。在大数据时代中, 媒介已经不再局限于单一的新闻信息传播, 而是兼具了数据生产、传输和产品服务等多种功能, 是一种全媒体形式, 涵盖了媒体产业链的各个环节。同时, 各个媒介组织与其他领域的合作也越加广泛。例如, 与IT行业的合作, 通过软件服务商、数据信息服务商等之间的交流与沟通, 将数据资源的价值充分开发利用, 媒介已经不再是单纯的新闻组织, 其商业化特征愈加明显。[5]

第三, 后台实时数据的分析。在大数据时代中, 数据的重要性日益突显, 各个媒介组织成立了专门的后台数据部门, 负责对数据的处理、分析和运用。后台数据部门主要是通过对后台数据的实时监控与分析, 为记者提供相应的新闻线索和意见, 及时调整传播的内容, 监督社会舆论情况, 通过对数据的判断, 及时发现存在的问题或者违背社会价值观的情况, 并在第一时间做出准确处理, 确保媒体的正面形象。

第四, 组建专业的人才队伍。在大数据时代中, 各个新闻媒介组织都需要组建一支高水准的专业人才队伍, 以实现对大数据技术的高水平应用, 这些专业人才主要有用户体验设计人员、流量实时监控监测人员、数据可视化呈现设计以及数据的深度挖掘和分析等人员, 充分满足大数据时代的各方面要求, 保证媒介组织在大数据时代中的良好竞争力。

五、新数据时代下新闻舆论的变化

首先, 舆论发展的历史记录。在传统的新闻传播过程中, 公众舆论的源头和发展形成过程很难被实时掌控, 媒体只能通过事后的采访调查等措施来对舆论发展过程进行推理分析, 这种方式得到的结果在可靠性、准确性等方面都得不到保证, 阻碍了媒体引领舆论功能的有效发挥。而在大数据时代中, 依靠大数据技术可以对舆论出现、发展等过程中的所有数据进行实时、准确的记录, 然后通过对这些数据的量化分析, 就可以详细了解舆论形成的原因, 为媒体之后的新闻信息制作和传播提供有效参考。

其次, 舆论发展的多层次研究。在传统的舆论研究当中, 针对的仅是舆论的内容, 通过受众反馈舆论内容的分析, 来预测和掌控舆论走势, 这种研究是片面的, 并不能完全、有效地掌握舆论发展。在大数据时代中, 除了可以监测舆论内容之外, 还可以对舆论受众之间的人际关系进行监测和分析, 如此一来, 就实现了对舆论的多层次、多角度研究, 从而判断舆论到底是民众意见的真正反映, 还是有人故意误导舆论, 更加全面、客观的了解舆论情况和社会民意。[6]

第三, 预警舆论的变化。在传统的舆论处理当中, 媒体对舆论的处理受限于技术等因素, 只能停留在事中监测和事后处理层面上, 效率相对较为滞后, 经常会使舆情变化引起恐慌。在大数据时代中, 可以对各个信息平台的数据进行实时监控, 从而实现对舆论走势的全面分析和预测, 建立相应的预警机制, 再发现预兆时及时采取相应的处理措施, 避免了舆情向着无法控制的方向发展。

六、新数据时代下新闻评价的变化

新闻价值标准主要包括五个方面的要素, 分别是新鲜、重要、接近、显著和趣味, 在大数据时代下, 新闻价值评价的标准也发生了一定程度变化:

首先, 新鲜是指新闻信息在时间上要抢先, 内容上有新意。在大数据时代下, 大数据技术对于数据的传输和处理效率有了很大提升, 互联网的存在可以保证数据信息在第一时间内被挖掘出来, 进一步提升了新闻信息的新鲜性。

其次, 重要是指新闻信息是与公众切身利益直接相关的。在以往的新闻信息选择当中, 需要依然人的主观判断来从复杂、过时、冗余和虚假的数据群体中选择出重要的数据, 在如此庞大的数据库中, 这种选择过程是艰难的, 并不能保证最重要的信息能够被有效选出。而大数据技术的应用, 可以提高数据选择的速度, 但是, 由于机械性并无法完全取代主观的价值标准, 大数据时代中对新闻重要性的评价依然难以实现。[7]

第三, 接近是指新闻信息能够引起公众的感情或心理共鸣。在大数据时代中, 数据信息的来源更加广泛, 是由受众自身自发或无意识产生的, 包括新闻倾向性、点击率等, 这些在很大程度上代表中受众的心理需求, 对新闻制作的方向有着指导作用。

第四, 显著是指新闻信息的内容要具有相对较高的知名度。在大数据时代中, 新闻更加注重的是受众的个性化需求, 传统的议题设置方式选择的显著性新闻在大数据时代中的地位已经有了一定程度降低, 并不能完全起到理想的传播效果, 所以, 新闻的显著这一标准在大数据时代中有所削弱。

第五, 趣味是指新闻信息能够吸引受众的兴趣。在大数据时代中, 受众的个性化需求之间取代了趣味性这一标准, 通过收集和分析受众的数据, 提高新闻产品的定位精准性, 既能够充分满足受众需求, 吸引受众兴趣, 也能够起到更佳的传播效果。

七、新数据时代下新闻广告的变化

在新闻行业中, 以广告为代表中的商业新闻也是新闻信息的重要组成部分, 大数据时代下, 广告的变化最为显著, 具体表现为:

首先, 定位的精准度提升。在大数据时代中, 依赖大数据技术可以得到受众的爱好和习惯, 通过对这些数据信息的分析, 可以准确地了解受众的购买需求, 从而将广告发送到相应的、有购买欲望的受众大众, 提高广告效果。同时, 根据大数据技术的分析结果, 可以将受众需求进行详细划分, 为广告主商品精准定位受众, 完成了广告心理层次上的精准定位;再加上受众地理信息的记录, 实现了广告的地理位置精准定位。除此之外, 定位精准度的提升还能够帮助企业或个人实现品牌形象的良好树立和传播。[8]

其次, 识别受众需求的共同点。受众的需求并不是单一独立的, 许多需求之间存在着某些共同点, 新闻媒介如果能够掌握这种共同点, 就能够更好地预测受众行为, 但在传统新闻媒介中, 由于受众行为之间的共通性、因果关系较少, 人力的分析工作较为复杂, 无法准确将受众需求共同点识别出来。通过运用大数据技术, 利用数据之间的相关性分析, 可以在很多毫无因果联系的数据中得到彼此存在相互关联的信息, 从而利用此点实现广告上的突破。

八、结语

在新数据时代下, 大数据技术的出现和应用对新闻学的创新提供了条件, 新闻学在理念、生产方式、媒介组织等众多方面都出现了不同程度的变化, 加强对这些变化的研究, 了解大数据技术带来的影响, 对于掌握新闻学的发展方向、做好新闻工作有着重要意义。

参考文献

[1]史安斌, 廖鲽尔.“数据新闻学”的发展路径与前景[J].新闻与写作, 2014 (02) :17-20.

[2]苏林森, 马慧娟, 张东岳.大数据对新闻生产的影响[J].科研信息化技术与应用, 2014 (03) :11-18.

[3]连娜, 张筱筠.“大数据”时代新闻传播人才培养模式的创新[J].新闻界, 2014 (15) :29-32.

[4]沈浩, 谈和, 文蕾.“数据新闻”发展与“数据新闻”教育[J].现代传播 (中国传媒大学学报) , 2014 (11) :139-142.

[5]张小强, 郭小安.网络环境下新闻传播研究领域与方法的多元化趋势——2013年中国新闻学年会综述[J].新闻研究导刊, 2013 (12) :44-48.

[6]徐锐, 万宏蕾.数据新闻:大数据时代新闻生产的核心竞争力[J].编辑之友, 2013 (12) :71-74.

[7]张波, 张宁.新闻从业者应对大数据时代到来的思考[J].河北经贸大学学报 (综合版) , 2013 (04) :15-18.