大数据时代的新闻媒体(精选12篇)
大数据时代的新闻媒体 篇1
大数据指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有四个主要的特点:一是信息量大, 二是数据类型繁多, 三是数据价值密度相对较低, 四是数据的处理速度快。云计算, 是一种基于互联网的计算方式, 通过这种方式, 共享的软硬件资源和信息可以按需提供给计算机和其他设备。典型的云计算提供商往往提供通用的网络业务应用, 可以通过浏览器等软件服务来访问, 而软件和数据都存储在服务器上。云计算服务通常提供通用的通过浏览器访问的在线商业应用。亿赞普是一家基于大数据的跨境贸易集团, 公司拥有多项大数据核心专利, 已经连续两次入选国家863计划, 并担任“大数据应用”的牵头单位。公司提供大数据互联网金融解决方案, 为平台上的企业提供产品或服务。
一、数据新闻的制作
在大数据时代里, 新闻的报道再也不再是单纯的新闻媒体可以独自完成的一件事了。在传统的报道方式里, 我们的新闻单位通常是记者在新闻的发生地做现场的采访, 记者把材料寄送到新闻媒体单位, 由编辑负责材料的整理, 修改, 最后总编把稿件审查无误后, 再播出。在这样的新闻报道里, 我们可以观察到单个的新闻事件, 但是对于像春运这样的新闻来说, 传统的新闻报道形式是不具有优势的。当然传统的新闻报道也可以得出铁路运输旅客2.9亿人次, 但是这样的报道缺乏对比, 没有直观的可视感, 普通的受众也不是很了解2.9亿人次属于什么概念。在大数据的新闻报道里, 新闻媒体并不是单独的报道, 而是与计算机的云计算功能网络公司之间相互合作。亿赞普公司为新闻媒体单位提供了大数据的信息, 再通过互联网的云计算功能, 数据新闻的报道才得以实现。
二、数据新闻的生产过程
一般来说, 数据新闻的生产过程经历了数据的收集 (data) 、数据的过滤 (fitter) 、数据的可视化 (visualize) 、形成新闻故事 (story) 。数据的收集一般是通过两种方式:第一种是带着某个问题去寻找数据, 第二种是从一定的数据中提出某个问题加以报道。数据的来源一般是政府、企业、机构获取。一般来讲, 我国的政府公开的数据有限, 从企业、机构获取的数据较多。其中亿赞普就属于机构这样的行业。数据的过滤就是数据的筛选, 在大数据时代里, 数据呈现的是海量的特点, 再这样海量的信息之中, 并不是所有的信息都是可用的, 在海量的信息之中选出新闻报道可用的信息是数据新闻的关键所在。第三, 数据的可视化的实现, 在数据新闻的报道中给观众最直观的感受就是新闻的可视化, 这个过程一般由新闻媒体单位负责。最后数据新闻的归宿是向观众呈现一个完整的新闻故事。著名的新闻学者祝建华这样说“理想的数据新闻是准确而理想的数据故事”这里面包含了这样几个关键点。第一, 准确。不管是数据新闻还是传统的新闻报道都是新闻的一个类别。新闻是最近新发生的事实的报道, 必然要求是准确的, 如果数据新闻不能做到准确, 严格意义上说, 就不算作是新闻报道。第二, 数据故事。数据新闻实现了对受众传播感性的直观的可视化的新闻报道。相对于传统的新闻报道, 数据新闻的受众群体进一步扩大, 它的简单易懂, 可以说不管是大学生, 小学生, 老人小孩都可以理解数据新闻。
三、大数据的新闻
2014年央视的“据说春运”开启了“数据新闻”的电视报道篇章。众所周知, 每年的春运都是央视报道的重头戏, 2014年春运的输送旅客人次高达28亿次之多, 其中铁路运输占2.9亿。通过数据新闻的可视化的特点我们可以清晰地得出哪条线路最繁忙, 也就是春运的压力较大。2014年的数据新闻报道从可视化的动态图中我们可以得出, 北京到成都的光点最亮, 铁路运输的客流量最多, 这其实不难解释, 很多的四川等西南地区人是来北京务工, 再加上成都站最为西南地区的最大的中转枢纽, 自然客运量很大。在东北地区, 人口流动最密集的是沈阳到大连的铁路线了, 沈阳作为东三省的首府, 人口相对密集, 大连也是东北地区重要的城市和港口, 城市之间的经济交往繁多, 所以铁路的运载压力也会加大。
可视化的数据新闻动态图可以实现更加人性化的新闻选择, 赋予了观众更多的可操作性。在这样的一个动态图中, 首先向你展示的是全面的铁路运输路线图, 你可以直观地看到全国铁路运输动态。其次如果你想进一步了解其中一条线路的运输状况, 就可以点击其中的一条线路, 这条线路的全部详细信息就呈现在你的面前。
四、数据新闻的偏向
在各种的新闻类型里, 财经类军事类更适合于数据新闻的报道, 财经类的新闻数据较多, 所以适合于数据新闻的报道形式。目前的数据新闻处于起步阶段, 在大数据的时代了里, 一切皆可“量化”。可以说我们的文字转化成了数据, 我们的方位成了数据, 我们的沟通也变成了数据, 世间万物都转变成了数据。相信在不久的将来, 数据新闻的报道不再局限于财经类和军事类的新闻。
参考文献
[1]维克托·迈尔·舍恩伯格.大数据时代[M].杭州:浙江人民出版社, 2013.
[2]安东尼·汤森.智慧城市[M].北京:中信出版社, 2012.
大数据时代的新闻媒体 篇2
电影大数据报告:大数据时代的电影消费洞察
近日,猫眼电影发布了关于“大数据时代的电影消费洞察”的报告(以下简称报告),报告数据分析来源于超5亿人次的猫眼电影消费数据和4000家影院数据。报告显示,2015上半年全国电影票房线上化率超过50%,最受好评的国产片是《战狼》,进口片是《速度与激情》。
公开数据显示,2015上半年中国电影票房同比激增49%,达到202亿元。其中,中国电影市场的高速互联网化趋势明显,3月份线上出票占大盘比超过50%。报告指出,目前国内三四线城市的票房增速明显高于一二线城市,2014年上半年一二线城市票房为93亿元,2015年上半年增至135亿元,同比增长45%;2014年上半年三四线城市票房为43亿元,2015年上半年增至67亿元,同比增长56%。
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
一个属于调研行业的B2B网站
国内最具权威的市场调研门户网站之一
学数据分析、找行业报告、招调查人才可移步一起调研网
大数据时代的新闻媒体 篇3
目前国内为数不多的关于大数据理论研究和分析文章中,对大数据对媒体尤其是中国媒体的冲击形成了一致观点,大多数认为媒体应当面对挑战,进行战略性转型或变革。如上海交通大学新媒体与社会研究中心主任谢耘耕教授认为,大数据时代带来了挑战,媒体不仅需要考虑如何处理海量数据,从中获取有价值的信息,必须同时考虑加强大数据技术研发,以抢占时代发展前沿。也有学者认为,“大数据”对传统媒体的经营管理方式构成巨大冲击。媒体经营管理需要在新闻生产、受众调查、效果研究等方面进行创新,以应对“大数据”的挑战[1]。但也有学者认为新闻媒体在大数据中应当缓行。如新华社新闻研究所新媒体研究中心王武彬就认为,大数据并不一定适合媒体,在“大数据”浪潮中,属于媒体业的想象空间并不多,“大数据”对媒体的价值非常有限,大多数媒体机构在大数据领域并不具备颠覆创新和业务转型的条件[2]。
那么,大数据时代媒体何去何从?首先要明确大数据的内涵和特点,并在此基础上对大数据支持和反对中的疑问进行分析,才可能理解媒体在大数据冲击中该如何应对。
一、大数据的内涵及特点
根据维基百科和MBA智库的界定,所谓大数据(Big data),是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。通常,大数据本质上是指大数据(处理)技术,是指从各种各样类型的数据中,快速获得有价值信息的能力。大数据或者大数据时代的特征通常可以用4个V(即Volume、Variety、Value、Velocity)来概括:
第一个特征是数据体量巨大(Volume)。21世纪前,人类全部印刷材料的数据量经过折算,约是200PB(1PB=1024TB),而当前个人计算机硬盘的标配容量就为TB(1TB=1024GB)量级;同时人类历史上全部语言话语的数据量折算约为5EB(1EB=1024PB),而像谷歌、宝洁等大型公司仅公司内部数据量就基本达到EB量级。数据总量的增长速率远超过去。
第二个特征是数据类型多样(Variety)。大数据技术使得巨量的多种类型的非结构化数据,如网络bbs、音视频、多媒体以及物联网等来源的数据,成为可分析、可利用的数据,这使得可处理数据无论是总量上还是类型上,远远超出普通技术可处理的以文本为主的传统结构化数据。
第三个特征是价值开发性大(Value)。虽然大数据因其体量巨大,单位数据价值密度低,如一部一小时的视频内容里有价值的数据可能只有一二秒,但通过合适的机器算法进行“提纯”后的价值总量仍然颇为可观。
第四个特征是处理速度快(Velocity)。大数据通常是实时数据,大多数还需要快速处理,因此, “快数据”是大数据区分传统数据挖掘的最显著特征。
二、反对媒体应用大数据的疑虑分析
疑虑之一:大数据还只是炒作
目前媒体行业对“大数据”的理解存在误读和迷思,很多时候偷换了概念,谈的是 “数据”或“大数据时代”,而非“大数据”。同时,很多报道和讨论中所引用的大数据案例,其实也并非真正的大数据案例。
事实上,从政府到大型企业,如美国政府的大数据发展与研究的国家战略计划,Google、Facebook、YouTube、HP等公司,早已开始研发和全球布局,并已开始对外提供大数据分析业务,而前两年的云技术和数据挖掘技术等早已为大数据应用提供技术基础。虽然目前大数据仅仅处于早期阶段,有概念炒作的成分,新概念层出不穷,但是我们非常确定不抓新概念肯定不会成功。
疑虑之二:大数据成本高
首先,大数据技术确实需要较高的成本,不仅对人力成本有极高要求,需要高薪聘请懂得如何使用Hadoop等工具的相关人才,而且实施流程上还要投入昂贵的设备购买费用。但正如O’Brien指出,“我并不是说新兴企业就一定不该使用Hadoop,但就我所经历的众多项目来看,小规模公司最好先从MySQL开始——毕竟大部分用户的有价值数据也就在GB级别”。
其次,在大数据领域,Hadoop的低成本和高扩展性是其关键因素。如一个处理PB级规模数据的Hadoop集群(125到250节点)的费用大约为100万美元,而每个节点每年的费用为4000美元。这对于企业级数据仓库的花费(1000万~1亿美元)来说只是一小部分。目前全球最大的科技公司都需要和PB级规模的数据打交道。然而,SAP的研究表明,95%的企业通常只需要使用0.5TB~40TB的数据。如果大家只有10TB甚至更少的数据需要加以分析,那么Postgres或其他一些典型处理系统就完全能够搞定[3]。
最后,大部分数据可能并不花钱或者花钱很少,绝大部分数据是企业自身运营过程中产生的数据,还有相当一部分数据将通过政府开放数据库共享得到。而数据的储存则可以很容易地放在云空间里。
疑虑之三:媒体业掌握的数据资源有限
第一,媒体自身就生产大量的信息,同时也是各类信息传播的主要媒介。媒体在长期运营过程中,无论是记者的大量采访文本、访谈录音或是视频影像资料,还是编辑处理来自记者和一般公众的印刷或数字资料,其中大多数都是非结构化数据,在应用大数据处理技术之前,这些只能封存在资料室作为备案而已。而在大数据时代,我们可随时对此进行数据挖掘,从而体现价值。如媒体通过对财经类新闻的文本和视频数据进行处理,挖掘出具有规律性的信息出售给相关企业,从而实现新闻信息价值的增值。
第二,媒体的数据更为客观,可信赖性和价值开发程度高。大数据时代数据体量巨大,同时由于网络、手机等的媒介赋权,人人都可成为公共媒体,人人都可生产和发布内容,媒介主体泛化明显,信息源无限大量化,各类谣言、谎言、虚言、偏见的信息满布社会化网络,依据此类不准确信息所作的大数据分析显然没有什么可信度。在这种环境中,专业媒体,尤其是具有广泛公众基础、长期经营的传统媒体,由于恪守新闻职业道德和媒体从业规范,其所产生的信息和数据在准确性、可信度上自然较高,相应的开发价值也就越大。
nlc202309051127
第三,大数据的意思并不是要搜集穷尽所有数据,仍然只是要搜集那些重要的、相关的数据。对于独特或独占的数据才有单独掌握和储存的必要,对于大多数一般的、共享性数据,完全可以放在公共云服务器中。毫无疑问,传统大众媒体掌握着大量的一手数据和信息,尤其是其中的深度调查和专题采访等,往往蕴含着重要、独占性信息,这成为媒体的一项重要核心优势。
疑虑之四:媒体业缺乏处理“大数据”的能力,缺乏软件开发和运营维护人才
一方面,面对任何新的技术,人才和能力总是缺乏的。根据麦肯锡报告,仅美国市场上,近两年数据挖掘的人才需求缺口就达到14万~16万,这正需要提前做好准备。另一方面,目前已有大型专业公司提供大数据处理业务,只要媒体提供数据,分析业务就可外包出去。当然长远来看,媒体需要培养熟悉媒介新闻信息传播的专门数据分析人才。通过市场的倒逼,近两年才兴起的云技术和数据挖掘技术的火热将会导致人才市场上培养出适合的人才。
三、支持媒体应用大数据的要素分析
1. 大数据的数据质量问题
在大数据时代,信息的搜集和数字化处理日益集中化,传统的随机抽样方法被“全部数据的集合——大数据”所取代。以往随机抽样中的一些重要属性,如抽样的有效性、合理性和推理判断能力变得不那么重要,而集合全部数据,依据大数据技术进行分析和研究才是关键所在。概而言之,传统抽样方法进行的数据分析要搞清楚“为什么”才能进行决策判断,而在大数据时代,则可以直接根据“是什么”来下结论。这样的结论是根据全体数据分析而得出,因此不受抽样准确性、个体特征等干扰因素的影响,精确性和预见性将更好。如媒体在作形势趋势报道和媒介评论时,显然大数据分析颇有价值。然而,大数据的准确性完全依赖于数据的汇集,因此,一旦数据来源有缺陷,在“只问会怎么样,不问为什么”的模式下,就很可能造成重大问题。
在社会化媒体时代,公民新闻和UGC的数量已远远超过传统媒体所提供的新闻信息量,而前者中又往往充斥着各种虚假的、臆造的或甚至是故意误导的信息。这些庞大芜杂的信息一方面加大了数据处理工作量,另一方面又极大影响数据分析得出的结论,用错误数据得出的决策建议必然导致可怕的后果。此外,大数据的运用可以使得媒体能够通过机器自动生产新闻,如当大量个体对某种文化产品迅速产生兴趣时,数据分析可以敏锐地监测到这种趋势。
2. 数据所有权和隐私权
首先,数据所有权竞争将严重影响国际传播新秩序和媒体自身利益。基于国家竞争层面,数据所有权对国家信息安全至关重要。“斯若登棱镜门”事件表明,雅虎、苹果、美国在线、微软等国外互联网公司或网络媒体早已搜集和拥有全球用户的相关数据,而美国政府只不过是其中较为高端和特殊的数据用户而已。从媒体全球竞争角度来看,国外媒体组织在利用这些数据上无疑比中国媒体具有更高优势,而中国最大的一些网络媒体公司,所拥有的数据绝大多数只是中国国内数据,这必然影响中国各类媒体组织的国际传播实力。由于大数据分析技术并非特别核心和关键的技术,因此,未来的竞争可能主要集中在数据源的争夺上。
其次,隐私权和新闻道德也为大数据时代媒体经营提出了更大挑战。2013年6月爆发的彭博社“窥探门”丑闻事件,从新闻业务运营模式说来,具有重要的教训和借鉴意义。作为国际金融信息服务业的明星组织,彭博社媒体公司近年来日益发展壮大,其主要运作模式在于融合商用数据与新闻业务。然而,很多时候,彭博社记者与编辑常常在保持新闻业务职业道德和与自己关联的大客户相关新闻报道时难以秉持客观立场,使得媒体人突破新闻道德的束缚。丑闻中所凸显的个人隐私保护、数据信息安全(尤其是国家金融信息安全)问题,也是日益引发民众担忧、各级媒体需要警醒和应对的重要课题。真实是新闻的生命线,大众知情权和个体隐私权也是新闻报道一个难以平衡的矛盾,但用诚信手段获取新闻同样是新闻的生命线。因此,新闻媒体应当准确掌握新闻道德和新闻创造之间的度量。
四、媒体应对与发展前瞻
以上分析表明,媒体在大数据来源上具有优势,随着数据规模的持续增大,如何将数据资源转化为显性价值是媒体经营发展的重要课题。这主要包含两个重要环节,一是如何将原始数据分析加工形成对媒体生态产业发展有意义的产品,二是如何将数据产品与媒体生态产业链内各个环节与组织相匹配。实现了这两个环节,媒体组织的大数据战略才能体现意义。
部分媒体组织(主要是网络媒体以及部分正在数字化转型的传统媒体)正在利用新兴技术来开发和利用新的数据源,媒体组织需要积极提升自己的数据管理能力,并且灵活地根据自身所涉及的数据活动生命周期制定流程和开发功能软件。在此之前,媒体组织应当明确如何开展数据战略,具体来说,要搞清楚媒体组织对于期望利用这些数据来执行什么任务,以及数据质量和精度处于何种级别。随着组织大数据战略项目的日趋成熟,考虑建立一套按照数据质量或精确度分类的方法,这对进行客户的商业化数据开发很有必要。媒体组织应当开始逐渐采用大数据技术来处理非结构化数据,并在基于合法、道德的规范下进行恰当的描述和管理,以便尽可能最有效地利用这些数据。
大数据对数字化生存的企业造成的冲击是非常巨大的,新闻传媒作为信息传播的前沿行业,其所面临的冲击和挑战也必然存在。对于正面临数字化转型的媒体来说,如何应对这次冲击,需要均衡正反多方面的意见,进行理性决策。面对大数据时代的冲击,中国媒体需要结合自身特色,积极进行转型和创新发展思路,走出一条符合中国国情、符合传播规律、符合社会所需的发展道路,这个过程中存在诸多机会,也面临许多挑战。然而,不同于印刷革命,中国媒体没有几个世纪的时间去适应,能够有的时间或许只有几年。
(作者单位:天津商业大学公共管理学院,本文系天津哲学社会科学规划项目“新媒介事件与转型期政府公信力提升研究”的阶段性成果,项目编号:TJXC12-005)
参考文献
[1]曾凡斌.大数据对媒体经营管理的影响及应对分析[J],出版发行研究,2013(2).
[2]王武彬.关于大数据的误区与迷思[N]. 传媒,2013-06-09.
[3]Forbes,福布斯:大数据带来高成本 Hadoop需继续完善[EB/OL]. http://www.csdn.net/article/2012-04-23/2804943, 2012-04-23.
大数据时代的新闻学 篇4
数据新闻作为在数据时代下精确新闻学的发展, 其生产过程更为精细化, 涉猎的知识技能除了传统的新闻音视频、图片与文字的制作, 更涵盖社科研究方法、计算机数据抓取/搜集、处理、可视化, 平面/交互设计、网络编程、新媒体艺术等多个领域。数据新闻是在多学科技术手段下, 把庞杂的数据集中不同变量的复杂关系及其与整个社会发展的关系, 用视觉语言向公众展示, 以这种更客观更友好的报道方式激发公众对公共事务的探讨与参与, 这种跨学科跨领域的新闻生产方式已经被如《纽约时报》、《卫报》等几大国际主流媒体所采纳, 欧洲新闻中心、Google等等机构也从2011年开始, 举办了各种有关数据新闻的全球性学术会议与竞赛活动。
陶氏 (Tow Foundation) 基金会与约翰·奈特基金会 (John S.and James L.Knight Foundation) 于2012年4月30日宣布1, 他们将提供20亿美元来资助哥伦比亚大学的新闻学研究生院, 旨在支持哥伦比亚大学数字新闻学陶氏中心的研究工作。按照赞助方的解释, 这项新研究专注于数字新闻的以下三方面:
a.影响:衡量新的实践及工具如何影响听众及新闻编辑室资源;
b.新闻的透明度:关注公共数据———哪些是可用的, 哪些不是;哪些是有用并与人民的生活息息相关的;
c.数据形象化:衡量哪种形式在传达信息与吸引读者方面最有效。
哥伦比亚大学数字新闻陶氏中心主管Emily Bell在一篇文章中写道:“大部分新闻编辑室仍不了解数字科学的发展前沿、信息传播, 及其对信息使用者的影响。我们想倡导那些具有这些领域相关技术的人才, 以及对新闻学充满热情并具有相关知识的人才进行研究或提出设想。这不仅有利于解读这个世界, 还能为新闻学在这个复杂多变的领域里提供指导……这项研究的目标是对新闻业以及新闻学习产生影响, 广泛的、直接的影响。”2
在中国, 数据新闻的发展方兴未艾, 目前一些新闻传播院校已经开设相关课程, 业界也有网易数读、政见CNPolitics3等, 还有一些平面媒体、商业机构与个人, 都在对数据新闻进行探索与尝试。
1.什么是数据新闻学
数据新闻学 (data journalism) 或称数据驱动的新闻学 (data driven journalism) , 被认为是计算传播学的一个具体应用, 通过挖掘和展示数据背后的关联与模式, 和丰富的、具有互动性的可视化, 数据新闻学成为新闻学的新疆域和应用范例, 并作为一门新的新闻分支进入主流媒体。比如, 在猪流感疫情爆发时, 每天都有从各地传来的最新数据, 《卫报》网站的数据博客 (Data Blog) 设计了一幅猪流感疫情的互动地图, 展示世界各国的疫情进展。
任职于斯坦福大学的Geoff Mc Ghee教授是一位以多媒体和信息图标为专长的记者, 2009-2010年他在约翰·奈特新闻奖学金支持下开始研究数据可视化。他认为, 现在的新闻越来越多地和数据、数字有关, 媒体的责任是如何向公众解释复杂难懂的数据, 既给予足够的信息又不置于危言耸听。
Mc Ghee制作了一则数据新闻学的教学视频———“数据时代的新闻学”5, 对数据新闻做出如下描述:
·数据的爆炸式增长使得我们需要工具来进行分析;
·可视化方面的专家正在开发工具帮助普通人更好地理解数据;
·记者们则努力应对如何应用数据使新闻报道更加有说服力;
·有经验的数据图表设计师能够把数据引入新闻学, 但他们依然在论证数据对于概念诠释的有效性;
·在一个连线世界中, 数据越来越成为个人表达的载体;
·数据将会实时推陈出新, 极大地挑战着我们理解、分析和展示数据的能力;
·创建在线可视化的技术正在转变, 而新工具的出现将会使这个过程更加容易;
·数据分析的重要性不亚于视觉展示, 现有工具可以帮助实现这个过程。
2.数据新闻学的意义
当下, 新闻故事不断涌现, 它们来自众多信源:目击者以及博客, 发生的事件在一个浩如烟海的社会关系网中被过滤、评级、评论, 更多则是被遗忘。因此, 收集、过滤并将信息进行可视化的重要性日益凸显。人际网络、人—物网络之中使用的语言就是数据, 那些在单个事例中无关紧要的微量信息, 从全局角度看却有着非凡的重要性。现如今, 一群具有开创精神的记者已经开始展示如何利用数据更好地理解我们当下所处世界中发生的事情, 以及这些事件对我们生活的影响。
《数据新闻学手册》6关于数据新闻的定义这样写道:数据新闻与其他类型的新闻区别在何处?或许在于将传统的新闻敏感和使用数字信息讲述一则好故事的能力相结合而带来新的可能性, 这些可能性会出现在新闻报道的任何一个阶段———使用电脑程序自动处理信息收集和组合的过程, 而这些信息来自政府、公安局和其他公民机构。 (Bradshaw, 2011)
数据新闻能够帮助记者使用数据图表讲述一个错综复杂的故事, 比如, Hans Rosling7使用Gapminder软件将世界贫困进行可视化处理, 吸引了来自全世界的关注;David Mc Candless8广受欢迎的大量数据提取———比如政府开支的背景资料, 或是冰岛火山造成和阻拦的污染物———显示出明确而清晰的设计的重要性。
数据新闻还可以帮助解释新闻事件和个人之间的关联, 比如BBC和《金融时报》定期制作关于财政预算的互动性报道 (观众可以发现预算对于自身的影响) , 它还可以推动新闻采访的过程, 如同《卫报》成功使用数据博客分享数据、背景和议题。
数据可以成为数据新闻的信源, 或是讲述新闻故事所使用的工具, 也可以两者兼得。如同其他信源, 数据应该接受怀疑和质疑;如同其他工具, 我们应该意识到它如何塑造并限制利用数据生产出的新闻报道。
《数据新闻手册》的作者认为, 通过数据的使用, 记者工作的重点从第一个报道者转化成为特定事件的影响的阐释者。话题的范围宽且远:下一次正在酝酿的金融危机, 我们使用产品背后的经济学, 资金的滥用和政治决策的失误, 显示一些抽象的社会问题, 比如失业。使用数据能够将抽象概念转化为普通人可以理解并且会涉及的事物, 记者们还可以分析复杂局面中的动态关系, 比如骚乱和政治辩论, 显示其中的谬论, 帮助人们寻找复杂问题的解决方案。 (Lorenz, 2011)
此外, 深入的数据新闻可提供更深刻的观点。如今, 编辑室数量削减, 大多数记者希望改行进入公关行业, 数据记者或是数据科学家已经成为相当抢手的员工———不只在媒体行业。全世界的公司和机构都在寻找“意义制造者”, 即那些掌握挖掘数据、将其转换为有形信息的专家。
数据大有希望, 这激发了编辑室的兴趣, 促使他们寻找新型的记者。对于自由撰稿人来说, 熟练的数据操作同样提供了通往新职位和稳定收入的道路。不妨这样思考:与其雇佣记者用低价值内容迅速填充版面, 不如使用数据创造出对交互式内容的需求, 而实现后者的唯一渠道是花费一整个星期研究一个问题, 这在媒体行业中的许多领域都广受欢迎。
3.数据新闻学的成功案例
(1) BBC
BBC网络新闻的数据新闻工作团队包括20位左右记者、设计师和程序开发员。网络新闻的编辑Bella Hurrell和Andrew Leimdorfer (2011) 这样介绍BBC对数据新闻的应用:“在新闻网站上, 我们已经使用超过十年的数据, 为我们的用户提供服务和工具。”9
1999年, BBC使用政府公布的年度数据首次发布了学校排名表, 只要输入邮政编码, 读者可以找到当地的学校以及一系列指标, 以对其进行比较。教育记者也与该项目的开发团队合作, 在发布新闻之前从这里搜索数据。当BBC开始这项服务时, 没有官方网站可以为公众提供相关信息。而今, 英国教育部已建立起自己的比较服务, BBC也转向侧重从数据中挖掘新闻。最近的例子是, BBC展示出一个大数据集, 使用来自警方的数据记录每一条道路上的每例死亡报告。邮政编码搜索系统让用户能够找到过去十年中英国所有交通死亡事故的发生位置。为了让数据更加有时效性, BBC与伦敦急救协会以及BBC伦敦电台和电视台合作追踪在首都发生的车祸, BBC对此进行网上直播, 并通过Twitter标示出事故发生位置。
BBC不仅提供探索大型数据集的方法, 也成功创建简单的工具, 为那些惜时如金的用户提供零碎的个性化新闻产品, 这些人不会选择探索冗长的分析, 而是希望得到个人所需的信息。一个典型案例是BBC的预算计算器, 让用户能够发现, 当首相提出的国家预算生效时, 他们的生活会变得更好或更糟, 然后分享这一数字。BBC与毕马威会计师事务联手提供年度预算计算, 设计了一个有吸引力的界面, 并鼓励用户使用该项服务。
在开发新服务项目中, BBC意识到与具有专业知识和时间进行调查的团队或是项目进行合作是最富成效的。BBC的时事节目《全景》耗费数月时间与新闻调查中心合作收集政府部门的薪酬数据, 结果是一则电视纪录片和网络特别报告公布了所有的数据并根据各个部分的分析对数据进行了可视化处理。
除了和深度调查团队进行合作, 具备专业知识的记者也不可或缺。当团队中的商业报道记者分析了政府提出的削减开支数据, 他的结论是政府提交的数据有点夸大其词, 结果是一篇辅以清晰可视化的独家报道《理解数据》, 该报道赢得了皇家统计学会奖。
(2) 《芝加哥论坛报》
《芝加哥论坛报》的新闻应用程序团队是一群在编辑部工作的黑客, 他们与编辑和记者密切合作, 帮助他们研究并报道新闻、图解报道, 为芝加哥市民制作常用不衰的网络资源。
该报的新闻应用程序编辑Brian Boyer (2011) 这样介绍他们的工作:“所有关于新闻应用程序的创意都来自编辑室中的记者和编辑, 这是我们和其他编辑室最大的不同。我们之间建立起了非常牢固的个人以及专业关系, 当他们 (编辑和记者) 获得数据, 会向我们提供想法。”程序员的工作主要是辅助记者, 帮助他们挖掘数据、将PDF文件转化为电子数据表、对网站进行屏幕搜刮 (screen scrape) , 等等。程序员很乐意提供这些工具, 因为这能让他们实时处理编辑室中正在进行的数据工作, 将其转化为应用程序———一张地图、一个表格, 或是一个更大规模的网站。此前, 程序员将程序和新闻报道链接起来, 没有收到太大成效, 现在程序占据了网站最显著的位置, 和报道相辅相成。“我们工作的目的是产生影响———他人的生活、法律制度, 使得政治家们承担责任。”让读者们在阅读报道后有所行动, 对自己的生活提出问题, 诸如我们的家人是否安全, 我们的孩子接受的教育是否合适?这些程序员的工作就是让读者们能在数据中找到属于自己的故事。
(3) 《卫报》的数据博客
《卫报》数据博客曾是一个小博客, 用来为新闻报道提供完整的数据包。它的组成包括:一页头版10、世界各国政府和全球发展数据检索、来自全球和报社的绘图艺术家设计的可视化以及用来深入分析公共开支数据的工具。每一天, 数据博客的作者都使用Google电子数据表来分享新闻工作背后的完整数据, 对其进行可视化和分析, 然后为报纸和网站提供故事。
《卫报》博客编辑Simon Rogers (2011) 认为, 最近几年公共数据的开放令人难以置信, 为数据新闻提供巨大的发展机遇。在英国普选中, 每个重要政党都致力于数据的公开和透明, 向所有人开放电子数据库。随着网络生成越来越多的数据, 读者对新闻背后的原始事实的兴趣也与日俱增
《卫报》对数据新闻最早的应用发生在2011年英国伦敦暴乱事件中。他们成立了“解读暴乱”工作团队, 在特别项目编辑Paul Lewis的指挥下, 广泛使用大量数据, 帮助读者更好地理解事态进展和背后原因。与此同时, 《卫报》还与学界合作, 邀请曼彻斯特大学的Rob Procter带领的学术团队一起研究社交媒体在暴乱中的作用, 后者一共分析了260万条关于暴乱的推特, 观察谣言如何在推特上传播、不同的用户在宣传和散布信息中的功能, 以确定推特和其他组织是否煽动了暴乱。
《卫报》的“解读暴乱”数据团队使用简单的地图, 显示暴乱发生地点的贫困程度, 让“暴乱与贫困没有关系”的主流政治话语不攻自破。他们还制作了一段视频, 将暴乱发生地和参与群众的家庭住址联系起来, 显示出“暴乱通勤路线”, 建模预测暴乱者最有可能采取的路线。此外, 他们还展示出网络流言的传播途径。研究者按照话题将关于暴乱的推特分类, 编码为重复、驳斥、质疑和评论, 然后进行可视化处理。该研究发现了主流媒体在流言传播中的明显角色以及推特在矫正流言中的作用。
(4) 新闻地图
快节奏的数据新闻周期需要记者们在海量网络信息中寻找所需之物。新闻工具层出不穷, 但是极少能像Newsmap12一样积累起众多的忠实用户。
新闻地图是Marcos Weskamp (现任flipboard13的总设计师) 在2004年设立的互动新闻门户, 使用树映射的方法将谷歌新闻聚合的实时新闻数据进行可视化, 页面采用Flash构建。与大多新闻聚合站点堆砌的列表排列形式不同, Newsmap采用了一种信息视觉化的手法将新闻展现出来, 正如其名, 它像一张新闻地图, 极具视觉冲击力。
新闻地图的特点:
·高效:只在一秒钟内处理全世界主流媒体的最新发布新闻, 内容还可以根据用户在搜索栏中输入的关键词而随时更改。
·操作简单, Newsmap采用了若干个大小不一的色块, 每个色块上只显示新闻标题, 当把鼠标悬停在色块上, 便会显示新闻预览。色块是构成Newsmap最基本的元素。提高读者的视觉体验。
·定制方便, 用户可以注册一个账号, 然后在系统中记录下自己的搜索偏好, 即可处理根据国家、类型、发表时间显示新闻数据。
从表面上看, Newsmap只是在表现形式上不同于一般的新闻站点, 但表现形式的差异归根于对新闻重要性与时效性的认知。几乎所有的新闻站点都是依照时间顺序进行排列, 即后来居上, 突出的例子就是门户的滚动新闻。在速度即生命的网际传播中, 这样做是为了保障新闻的时效性, 但与此同时, 突出新闻重要性的手段就乏善可陈, 一般都是通过放大新闻标题字号, 加粗、高亮新闻标题等手段实现。而Newsmap通过色块大小直观地将新闻的重要性反映出来, 兼顾了新闻时效性, 体现了与一般新闻站点核心的价值差异, 更重要的是, 这种直观的表现形式显得灵动活泼, 在一定程度上增强了新闻的可读性。
4.数据新闻的采集和发布
(1) 数据收集
《数据新闻手册》为我们提供了一些简单的搜索建议。搜索数据时, 需要包含数据的内容以及信息的格式或是来源。谷歌和其他搜索引擎提供文件类型分类搜索。现在的网络技术允许我们进行精准搜索, 比如电子数据表 (在搜索时附加“格式:XLS格式:CSV”) 、地理数据 (“格式:SHP”) 、数据库抽取 (“格式:MDB, 文件类型:SQL, 文件类型:DB”) , 或是PDF文件 (格式:PDF) 。
另一种方式是从网络的专用数据端口、数据中心以及其他数据站点获得数据:
·官方数据门户:越来越多的国家开始建立自己的数据门户, 以促进公众和商业机构对政府信息的重新利用, 诸如美国政府的data.gov和英国政府的data.gov.uk。datacatalogs.org提供了此类数据的全球最新索引。英国《卫报》的全球政府数据是一个元搜索引擎, 包含许多国家的政府数据分类目录。
·data.hub是由开放知识基金会运行的数据资源站点, 便于查询、分享、并重新使用那些已公布的数据。
·scraperwiki是一个网络工具, 可以更方便地提取碎片化的数据并在其他程序中重新利用, 或从记者和研究人员那里检索数据。绝大多数数据是公开的, 可以再次使用的。
·世界银行和联合国的数据门口提供了所有国家的高水平指标, 通常是多年的数据。
·出现了一些致力于数据销售和再销售的创业公司, 包括Buzzdata———私人和公共数据包分享及合作以及数据商店比如Inforchimps和Data Market.
·Datacouch:这是一个上传、提炼、分享和可视化处理数据的地方。
·Freebase是谷歌的一家子总司, 由开放数据的爱好者们组成, 提供人、地点和事物的实体图。
·研究数据:国家和学科的数据集合, 不胜枚举, 比如英国数据档案。
网络论坛是搜索数据的另一去处。Get The Data是一个问答网站, 包含各种关于数据的问题, 比如如何寻找关于特定题目、如何从一个指定数据来源获取信息、可视化工具、数据清理或转变为可操作的格式。数据记者还可以使用Data Driven Journalism List和NICAR-L的邮件列表, 列表中包括了众多数据记者和精通计算机辅助报道 (CAR) 的极客。除此之外, 程序设计员们组成了一个数量急剧增长的国际草根新闻组织, 拥有几十个分部, 成员数以千计, 来自五湖四海, 他们的共同目的是建立涵盖数据记者和技术专家的工作网络, 重新思考新闻和信息的未来发展方向。
(2) 数据呈现
从原始数据配上新闻故事, 到创造美丽的可视化和交互式网络应用程序, 向公众展示数据有很多不同的方式。有的时候, 数据讲述新闻的效果胜过文字或照片, 这就是新闻应用和数据可视化在编辑室里为何如此受人瞩目的原因。新闻工具和技术的大丰收 (通常是免费) 激发了人们的兴趣, 它可以让最不善于技术的记者们将数据转化为视觉故事。
像谷歌融合表, Many Eyes, Tableau, Dipity和其他工具, 让用户创建地图、图表、图形等数据图形变得易如反掌, 此前只有专家才可以完成这些任务。记者所面对的问题则是是否应该将数据包可视化。
《西雅图时报》的Cheryl Phillips (2011) 介绍说, 数据记者们经常通过可视化处理将数据嵌入新闻, 让读者可以轻松下载数据集, 在可视化程序中互动或是利用数据本身挖掘新闻背后的更多事实。这样的新闻向读者公开数据, 供批评者和更多感兴趣的人使用, 显示出数据记者和编辑工作的透明度, 也可以从批评者和读者那里获得更多建议, 这些对于提高新闻质量十分重要。
《纽约时报》研发团队的数据设计师Jer Thorp的观点是, 关于大数据的很多讨论遗漏了一项:人性面。人们大多把数据视为分离的、自由流动的数字, 而忽略它们其实是对 (通常是很有人性的) 真实事物的测量。数据和真实的人、真实的生活紧密相连, 数据专家必须要思考生产数据的真实世界。到目前为止, 位置数据的使用者都是第三方———程序开发员、知名品牌和广告公司。第二方 (电信商和设备管理者) 拥有这些数据, 而第一方, 即我们每个人既无法得到数据也无法支配这些信息。《纽约时报》的研发团队推出了一个叫Openpaths.cc的原型设计, 允许公众探索自己的位置数据, 并亲身体验数据拥有者的概念, 毕竟人们应该对和他们自身生活和经历密切相关的数据有一定的控制权。
新闻应用程序允许透过新闻故事观察背后数据的通道, 它们既可能是可搜索的数据库, 还可以是漂亮的可视化产品。无论采用怎样的形式, 新闻应用程序的主旨是鼓励读者和数据互动、发掘数据的意义, 比如查询所处地区的犯罪趋势、社区医生的安全执业记录, 或是为他们选出的候选人的政绩。■
注释
11http://www.journalism.columbia.edu/news/674
22http://www.knightfoundation.org/blogs/knightblog/2012/
34/30/emily-bell-how-new-research-effort-will-help-newsrooms-determine-whats-next/
43http://cnpolitics.org/
54资料来源:http://cnpolitics.org/2012/06/china-kids/
65http://datajournalism.stanford.edu/
76http://datajournalismhandbook.org/1.0/en/10www.guardian.co.uk/data数据新闻手册是针对对数据新闻这一新兴领域的爱好者所出版的一本免费开放的参考书。这本书最早开始于2011年在伦敦的MozillaFestival48小时工作坊, 尔后通过来自澳大利亚广播集团、BBC、芝加哥论坛报、德国之声、卫报、金融时报、赫尔辛基日报、阿根廷LaNacion报、纽约时报、美国在线新闻ProPublica、华盛顿邮报、芝加哥论坛报、世界之路报、威尔士在线、Zeit在线等等的诸多数据新闻领域的领先倡导者与资深专家网络协作方式编写而成。数据新闻手册是由欧洲新闻学中心和开放知识基金会倡导, 由O'Reilly出版并且在CCAS协议下在线免费阅读。本书目前仅有电子版, 各个章节由不同作者完成, 参考书目中引用的格式为:本章节作者姓名, 章节题目, 手册名称, 主要持有者15
811资料翻译自《数据新闻学手册》。
912网址为:www.newsmap.jp
1013网址为:www.newsmap.jp
1114注:图片来自Newsmap网站截图, 图中文字为新闻标题, 未翻译。
大数据时代的医疗 篇5
科技发展到今天,医院已经基本能实现无纸化办公,传统的手开处方模式已基本结束。省级以上的医院都已经实现智能化、信息化、数据化。但是大数据时代,互联、互通、共享才是时代特色,数据局限于几家医院或一片区域都没有太大意义,只有在大范围甚至全国实现数据互通,共享,才能让人们真正享受大数据带来的福利。
在科技高速发展的同时,我国经济也在高速发展,随着人民的物质生活水平不断提高,相应对医疗、保健养生方面也提出了更高的要求。而我们国情决定了大部分人都处于基层范围,在大数据时代的医疗结构中,县级医疗单位就处于一个非常重要的位置。它起到一个承上启下的作用,只有它实现智能化、数据化、信息化,才能真正提高广大人民接受的医疗水平。
医院救人如消防员救火,争分夺秒,浪费时间=浪费生命。大家经常能看到这样的场景:一个护士妹子跳上手推车做心肺复苏,其他人推着向急救室飞快跑去。然人力有时而穷,这就需要我们想法缩短可能缩短的进程,为病人获得更多的时间。如果能在一个或几个省甚至全国范围现在数据互联、互通,那就很方便快捷了,病人只需在这个范围内的任意一个终端上,刷下自己的身份信息,主治医生就可以看到他以前所有的治疗信息,根据他的既往病史,迅速作出判断,大大缩短治疗时间。再比如:一个人急需手术,但他所在区域无法完成这个手术,这时候上级医院专家可以在线视频,通过传感器的检测数据来诊断病情,通过遥控智能手术设备来完成手术,从而挽救生命。
未来的医疗,可不仅仅是治病就完事了,应该是集预防、治疗、治疗后回访,康复,保健几位于一体的立体式治疗模式。这就对医生提出了更高的要求,不仅要医术精湛,还要熟练各种智能化器械、终端,更是要治疗思维模式的改变、提高。以后医生的工作范围不仅仅是在医院,首先要普及疾病常识,让人们了解,做好预防;治疗后可以通过手机终端回访,了解病人情况,做好治疗后的康复工作,下一步的保健、养生。甚至可以通过手机终端连接传感器,简单检测一下情况。可能以后医院也就不仅仅是医院了。
大数据互联网带来了方便快捷,同时也有不可忽视的隐患问题。其一就是网络安全问题。互联、互通,首先面对的就是来自网上的各种病毒、木马,甚至于有目的的恶意攻击,还有就是医院里终端使用中带来的各种意外。第二就是信息泄露。医院的数据库中保存有大量病人的详细信息,不管是什么原因,都是一场不小的灾难。因此大数据互联网时代,安全防护是重中之重,不仅要防住来自网络攻击的“网灾”,更是要加强管理,警惕“人祸”。
大数据时代的新闻媒体 篇6
关键词:大数据时代;电视媒体;转型;创新
中图分类号:G221 文献标识码:A 文章编号:1671-864X(2016)09-0217-01
引言:随着我国现代科技的不断进步,在此基础上衍生出来的大数据正逐渐渗透到社会的方方面面,并产生深远的影响。而大数据的出现,让电视媒体不得不进行产业变革,不断创新,准确分析大数据给自己带来的影响,根据对利弊的分析,制定有效的应对策略,实现产业转型。
一、如何理解大数据时代
目前,大数据时代还没有准确的定义,但可以从以下几方面对它进行概括和理解:它可以让数据大量生产,迅速与外界进行数据交流,让数据体系由静态变为动态,还有着非常高的数据价值,这几方面充分体现了它的优势,很多类似于网络媒体的新兴的媒体,均利用了大数据的优势,将大量的数据信息发布在网络平台上,供人们阅览,很多企业也通过运用大数据获得了很高的利润。
二、电视媒体的现状
(一)过于追求收视率,降低节目质量。电视媒体在本行业的竞争中已经非常激烈,而收视率就成为各电视媒体互相竞争的重要标准。随着国内外各大节目的越来越受人们欢迎,各电视媒体引进这种节目的录制模式稍加创新,变成一个新节目,播出受到好评后,其他电视媒体纷纷推出类似的节目,造成“跟风”现象。在这种现象下,各个电视媒体的收视率虽然均有所上升,但节目质量却一再降低,动摇观众基础。
(二)受众年龄逐渐老龄化,使电视观众流失。随着网络等新兴媒体的出现,电视媒体的受众年龄逐渐趋于老龄化。电视媒体的受众主要受观众的年龄、性别以及其他方面的影响,年轻受众逐渐流失,男性受众的比例正不断缩小[1]。年轻人因为较快的生活节奏,不断接触新事物,慢慢把关注点转移到新媒体上,通过各种播放视频的客户端在线观看视频,而男性观众因为无法从电视媒体播放的节目中找到感兴趣的内容,脱离了受众人群,让受众人群的范围逐渐缩小,逐渐老龄化。
(三)电视媒体无法与外部建立有效连接。目前,电视媒体与外界主要的连接方式是,通过有线电视网络在家中的电视终端显示画面、播放声音,与观众建立连接,这种连接方式是最基本的连接,随后,各大电视媒体的决策者以互联网技术为基础,开发新的电视媒体,建立更深层次的连接,但上述的连接方式都无法让电视媒体和受众人群有效地沟通,都属于强制连接[3]。也就是说,电视媒体在节目播放的过程中无法直观地看到观众的反映,必须通过调查公司收集到数据,间接了解到受众人群对电视节目的反映。但有些调查公司尚未熟练运用大数据分析数据,很难为电视媒体提供真实的数据。
三、大数据时代背景下电视媒体的发展策略
(一)实现产业转型。1.改变思维模式。电视媒体是传统的传媒机构,在发展的过程中形成了一套自己独有的发展模式,但这种发展模式在当下已经无法跟上时代的脚步。在大数据背景下,电视媒体原有的发展模式已经成为发展的绊脚石,如果一直沿用这一模式,必然会使新兴的网络媒介占据更大的市场份额。因此,电视媒体不得不改变思维模式。
电视媒体的决策者需要根据大数据时代的特点,树立全新的发展观念,完成思维转型,迎合时代的发展。同时还要从另一个角度收集、整理、分析受众数据,众多媒体学者通多对当下社会情况的分析,提出让电视传媒建立专有的数据库,将庞大的受众数据放到数据库中,在电视节目播放的过程中实时分析。
2.改变数据的主导地位。视媒体的工作者长时间以数据为主导,力求不断提高收视率,也因此忽视了受众人群。工作人员通过对数据进行分析后,会适当调整工作重心,用数据主导工作,但受众人群如果在节目中找不到亮点,就会放弃观看电视节目,使观众群流失[3]。所以,电视媒体必须以人为本,提高节目质量,在电视节目被大众接受的同时,用数据引导,这样既巩固了受众人群,又提高了收视率,实现双赢。
(二)与新媒体相融合,实现台网联动。电视媒体通过总结多年的工作经验,不断提高核心竞争力,不断创新播放内容。但在当下,电视节目的内容已经很难吸引受众人群,电视媒体遇到很大的生存危机。电视媒体有专业的设备,固定的人群基础,以及自身丰富的经验,在与网络媒体联手后,可迅速实现转型。
(三)培养数据人才,提高软实力。大数据已经对社会的各个方面都产生了重大影响,对电视媒体造成了很大的冲击。电视媒体数据量急剧增加,数据结构发生改变。在原有的数据结构中,具有归纳性的视频、表格和数据分析占用的比例较少,而改进后的数据结构,比例逐渐增多。这就需要更多优秀的数据人才,对数据进行筛选、整合、分析,熟练运用各种制图软件。因此,电视媒体要加大培养数据人才的力度,打开更大的发展空间,提升软实力。
(四)优化节目模式,吸引更多的广告投资。电视媒体在充分分析各项数据之间的联系后,深度挖掘其中的信息,对信息进行深加工,从中找到受众人群感兴趣的节目种类,了解观众的心理,以此改变原有的编剧内容,创新节目形式。比如一些直播类的节目,可以通过在现场和观众的交流,以及在网络平台和网友的互动,提高收视率。这种节目形式让受众人群不再排斥插播的广告,使广告融入到社会经济中,在恰当的时间插播广告,提高了广告收益。
结语:电视媒体在大数据时代的推动下,逐渐改变了现有运营模式下的不足,在现有的运用模式下,节目质量不断降低,受众人群不断流失,趨于老龄化,又形成了“数据孤岛”,这些都阻碍了它的发展。它在受到严重的冲击后,逐渐认识到自身的多处不足,尝试进行产业转型,和众多的新兴媒体合作,培养优秀人才,优化节目模式,实现可持续发展。
参考文献:
[1]汪宁宁.大数据时代电视媒体创新与融合[J].合作经济与科技,2014,16:6-7.
[2]李海峰.大数据时代电视媒体的转型运营之道[J].中国广播电视学刊,2015,09:42-44.
大数据时代的电视新闻编辑理念 篇7
随着互联网技术的迅速发展,手持式移动互联网、云技术和物联网的诞生, 在这个信息爆炸的时代,互联网上的数据每年将增加50%,每隔2年翻一番, 社会中各个领域都产生了海量的数据, 这预示着人类开始进入了大数据的时代。
大数据,是指所涉及的资料量规模巨大到无法通过目前的软件工具,在合理时间内达到收集、管理、处理、并整理成为帮助企业经营决策或者统计的海量信息。
在这个“云”时代,信息传播不再是简单的传统单篇幅的新闻报道,而是涵盖了多种数据的综合信息载体,为传统的电视媒体提出了新的挑战,因此传统电视媒体的新闻编辑理念也会不可避免地受到影响。
2现状
随着计算机技术的突飞猛进,手机APP、门户网站推出了自家采编的综合性新闻报道,这些报道涵盖了文字、图表和数据分析甚至的三维动画等更具“融合性”的“大数据”新闻,可以说,在大数据的时代,新媒体走得更超前。
相比之下,传统媒体的记者的工作形式显得单向性强,一般是记者通过各种渠道获取新闻线索后,自行收集相关信息,确定报道方向并实施采访,完成新闻后再通过编辑把关审核给予播出。 而在生产新闻的过程中,新闻报道的真实性和准确性完全取决于记者的知识储备、经验判断和编辑的把关。然而,这样的生产新闻模式容易导致新闻条块分割繁复,信息单一,对反映全局性态势和规律的报道表现乏力,而大数据则能弥补这一缺陷,它不仅可以展现宏观新闻事实,而且可以更加客观、准确地揭示新闻事件发生的原因。
3应对策略
大数据时代的电视新闻编辑需要具备哪些新的素质和技能呢?
3.1收集整理数据的能力
数据新闻报道所使用的数据主要来自两个方面:从政府、企业等第三方机构的数据库中直接获取的数据;以及由媒体自行取得或调查获得的一手信息数据。但值得注意的是,传统媒体本身就是大数据的重要来源。传统媒体经过多年积累,已经拥有大量内容资源,但这些资源大多以录音带、录像带等传统方式保存,尚未进行数字化并建立专属的数据库。因此,传统媒体应该建立一个多功能、综合性的平台, 把历史资料、资源“复活”,为数据报道提供有效历史数据支持同时也可以有力把握受众群的样态,使之成为将来制作新闻、 节目的传播参考。
3.2快速的信息综合能力,准确地判断新闻的真实性
传统新闻的生产过程一般是单向的、 线性的,在传统媒体中,同样的活动里不同的记者很有可能采回“同样”或者 “类似”的内容。大数据时代的电视编辑, 需要有“眼观八方”的能力,能够迅速判断新闻的真实性。对数据的前期处理完成后,下一步就是对数据进行分析,分析数据的工作要求数据新闻编辑具备统计分析的基础知识储备;同时,掌握建立虚拟模型、网页设计等技巧,以便从数据中挖掘出有效的、具有新闻价值的信息。
3.3解读数据的能力
在传统的采访中,我们也会遇到大量数据报告,如政府工作报告、财政预算报告、审计报告和经济季度总结报告等,如果不擅长提取有效的信息,不能准确地解读数据,做出来的新闻就可能不准确或者出现以偏概全的报道,因此, 传统媒体从业人员更应该加强培训解读大数据的能力。这种能力除了专业的解读分析数据的能力外,还应建立在对社会环境和新闻事件的了解及经验的基础上,从中提取出有新闻价值的信息。
3.4工具使用
除了基础的理论知识,熟悉使用各种工具、多种搜索引擎的功能,以便准确搜索出自己需要的信息。在大数据的整合思维下,业界不少专家已经提出“新闻中央厨房”的运作模式,打破传统媒体部门分隔的壁垒,在编辑平台上统一调配新闻资源,共享资源,真正意义上实现媒介融合,打造“全媒体编辑平台”,在这个编辑平台上,实现传统媒体的物质形式。
4结语
在大数据时代,新媒体对传统媒体的冲击势不可挡,传统媒体想要在网络变革浪潮中逆势而上,必须顺应这一趋势,并充分利用大数据带来的便利,加强对记者编辑的培养,虽然不能让每个编辑变成数据专家,但这类培训确实是必不可少的,数据新闻是否能做好,与新闻从业者的数据素养息息相关。因此, 传统新闻媒体为应对大数据时代新闻生产的变革,对新闻编辑的数据新闻职业能力培养刻不容缓。
参考文献
[1]李明.大数据时代新闻采编人员职业能力培训[M].北京:中国出版社,2013.
大数据时代的可视化新闻 篇8
一、何谓可视化新闻
对于可视化的数据技术渊源在20世纪80年代, 其具体的内涵可以定义为通过计算机图形和科学的图像处理技术, 以直观的图表、地图或者动画的形式呈现数据信息, 使得数据表达内容更容易被受众理解和接受的一种形式。[1]有相关的研究数据显示, 人类对于外在信息的获取百分之八十来源于视觉信号, 所以可视化信息数据处理在目前这种大数据时代具有极其重要的促进作用。这种处理数据的技术与其他的学科诸如虚拟技术、计算机动画、数字地球甚至全球的经济趋势都有着非常密切的联系。这种可视化技术的充分应用是对大数据处理的一种挑战, 同时这也是一种发展的美好前景。可视化新闻就是将新闻以一种可视化的技术展现给受众。
二、可视化新闻的呈现形式
可视化新闻还没有一个非常明确的定义, 只是针对可视化数据技术来引申出的新闻可视化大概的定义。现如今的可视化新闻涵盖范围比较广, 不仅有传统的媒体还有网络媒体和新兴媒体。对于图表呈现的新闻只是可视化新闻的一个部分, 应该还包括在不同的数据平台上的呈现。
(1) 针对纸媒来说的二维可视化新闻呈现形式。这个主要说的就是那种以图表形式呈现新闻内容的形式, 这是现在平面媒体中应用最多的一种形式, 很多国内的主流报刊都加大了可视化新闻的呈现力度。例如, 南方都市报的数读板块。图表新闻作为可视化新闻的一种呈现形式是一种非常重要的手段, 也就是所说的二维可视化新闻。平面媒体大部分都是以文本信息为主的, 二维化的可视化新闻可以很好地将文本信息转化为直观的呈现方式。这种方式是可视化新闻发展中最基础也是最为简单的一种表现形式。
(2) 针对除了纸媒以外的可以利用三维或者多维可视化新闻呈现形式。这种方式是二维可视化新闻的发展和进步。三维可视化新闻是在二维可视化新闻的基础上再引入体积的概念, 主要呈现的电视媒体、网络媒体和新兴媒体中, 这种呈现形式的内容涉及范围很广, 政治经济文化军事几乎均有涉猎。多维可视化新闻是将一条新闻以多种属性来描述呈现。在我国这种可视化新闻模式还没有发展得很兴盛, 主要是由于专业的团队和技术还没有跟上国外的步伐, 同时这将是可视化发展的重要方向。
(3) 一种比较特殊的呈现形式是网络可视化新闻, 它很有可能是与上面介绍的两种存在于统一媒介当中, 但是网络可视化新闻是没有固定层次的, 可以有多个选择进行两个节点的串联, 并且两者之间的关系属性是时时变化的。这种可视化新闻的呈现方式是一种开放的方式, 伴随着科学技术的迅速发展和数据的逐步公开性, 网络可视化将会更加智能有效。[2]
三、可视化新闻对于新闻报道的革新
首先, 在新闻的信息发布模式上可视化新闻重新树立了一种新的模式。在现如今多媒体迅速发展的时代, 信息传播者和受众的界限已经很难断定, 任何一个普通的受众都有可能是意见新闻的传播者, 不改变的是这个传递的过程。可视化新闻的模式中, 发布新闻不是一个新闻的终结, 在现如今很多的网络媒体中, 可视化新闻的发布往往是一个新闻热点讨论的开始, 任何一个受众都可以再将新闻完善, 这意味着可视化新闻的发布成为新闻报道的一个枢纽, 承接这个新闻热点的实时动态。[2]而同时新闻是否具有价值, 根据参与的受众就可知晓。参与新闻制作的过程同时也是深入了解新闻事实的过程, 通过对新闻报道的参与和互动可以达到各种不同思想的碰撞和交流, 这会超出新闻本身的价值。
其次, 受众对于新闻报道的反馈加之可以通过可视化新闻很好的展现。例如, 众所周知的美国大选, 纽约时报就会宣布制作的大选时间表, 这样就可以很好地提升受众信息反馈的价值。可视化新闻可以扩大受众的选择力度, 也可以很好地提供受众所需的信息, 对于受众获取新闻信息, 可视化新闻可以起到一个很重要的指导作用并且极具针对性。因此, 受众的反馈价值可以得到很好的提升。在了解可视化新闻的时候要知道它的背后是有很强大的数据支持的。
再次, 在新闻报道上可视化新闻可以拓宽新闻的报道思路。采访作为新闻信息的来源, 是非常重要的, 但是在我国很多商业新闻网站还没有采访的权力, 这会给这部分企业获取新闻资源造成严重的障碍和困境。可视化新闻的出现可以解决这个难题, 因为他们可以通过数据的整理以制作信息图表的方式向网站用户展示新闻事件, 可以不再单纯的转载和转发。[1]
现如今, 人们对于信息资源的需求越来越强烈, 对于数据分析的需求也在飞速地增长, 这就需要可视化新闻越来越多的呈现, 在这个过程中, 普通用户也不断地被要求或主动参与到设计和创建可视化项目的过程中。这样就会使得新闻报道更易于受众的理解, 从而帮助用户很好地做出决策, 并体验和参与有趣的可视化新闻制作。
摘要:在信息飞速发展的现如今, 数据处理技术也得到了突飞猛进的发展, 不管是在采集上还是存储上都有了一个更加方便、成本更低的方式, 塑造了一个大数据时代。在数据处理和分析上由原来的只有专业数据分析师能做的事情, 变为很多跨专业的人士也能处理海量的数据。面对大数据的处理, 人们需要更加清晰的传递决策和计划, 这就需要一种更加有效的途径使得大数据更加易于接受和理解, 在新闻的呈现形式上需要一种可视化的途径。可视化新闻就是以数据信息为新闻的核心, 用一种可视化的形式呈现, 使得受众更加方便和容易接受。
关键词:大数据时代,新闻,可视化
参考文献
[1]涂聪.大数据时代背景下的数据可视化应用研究[J].电子制作.
大数据时代的新闻媒体 篇9
关键词:大数据,“数据新闻”,发展现状
近年, 新闻实践领域在大数据背景下逐渐衍生了“数据新闻”这一概念, 其理念也逐步渗入全球各国的传统媒体、新兴网站和独立新闻机构内部, 包括中国在内的新闻界为此也展开了相应的实践与尝试。然而, 学术界关于“数据新闻”的研究仍存在明显不足的现象。笔者尝试对大数据时代“数据新闻”的现状及其对新闻领域的影响进行了分析, 以为“数据新闻”在中国得到更好的发展提供理论参考。
一、“数据新闻”的产生与发展
(一) 数据新闻的产生
为用户提供信息服务的Every Block的创始人阿德里安·哈罗瓦提于2006年首次提出了“数据新闻”这一概念。而目前最为流行的关于“数据新闻”的研究主要来自一本名为《数据新闻手册》的小册子, 该书中对“数据新闻”的概念作出了阐述。简而言之, 在海量数据中借助数据挖掘、数据分析、数据统计等技术手段发现新闻线索, 并通过可视化技术将新闻故事呈现于大众面前的新闻报道方式被称之为“数据新闻”。“数据新闻”又称为“数据驱动新闻”, 简洁明了、准确真实均为其特点, 如笔者在新华网浏览的题为《藏人看藏——达瓦眼中的西藏5年》就是一篇“数据新闻”。作为新闻界的舶来品, “数据新闻”在中国的实践必然与国外存在一定的差异, 如主创媒体差异、信源渠道差异、呈现形式差异等。对此, 我国政府及各类媒体需正视我国新闻业存在的问题, 积极完善信息公开法律, 为新闻媒体提供更多的信息获取渠道, 尽快摆脱“数据新闻”表现形式单一的问题。
(二) “数据新闻”的发展
大数据时代背景下, “数据新闻”的产生和发展与以下因素有着密不可分的关系:
第一, 互联网技术的迅猛发展以及信息时代的到来, 使各类新媒体日益成熟, 大量信息的产生在一定程度上为大数据时代的到来奠定了基础。
第二, 大数据时代的到来使大数据处理技术日益成熟, 其在各个领域的应用也越来越广泛, 这无疑为“数据新闻”的产生提供了有利的前提与基础。
第三, 计算机数据分析技术的发展使信息管理更为系统化与条理化, 这一优势使其在新闻业得到了充分的应用, 并最终成为“数据新闻”产生和发展的重要推动力。
二、“数据新闻”对新闻业的影响
“数据新闻”的产生与发展, 必然会对新闻的采编、生产和发布流程带来一场变革。下文笔者将从“数据新闻”独特的呈现方式和生产流程两方面进行分析:
(一) “数据新闻”独特的呈现方式对新闻业的影响
数据的可视化、图解新闻、数据地图均属于“数据新闻”转变的呈现方式。借助图形化手段进行信息的传达与沟通的方式称之为“数据可视化”。从某种程度上来讲, 图解新闻也是广义上的数据可视化, 区别在于数据可视化更加侧重于统计与呈现数字信息, 而图解新闻往往是揭示传统新闻报道的精华浓缩和事物间的关系。以电子地图为背景, 并将多种信息整合其中的称之为“数据地图”, 常被用于地震、海啸等灾难报道。无论是何种表现形式, “数据新闻”的生产均离不开数据挖掘、统计分析以及视觉化表现等一系列工作。新闻故事的发展脉络将借助大量数据的统计和分析, 这种互动式的呈现方式将带动读者更加直观地了解新闻事件与自身存在的关联性。
(二) “数据新闻”生产的流程再造对新闻业的影响
以前, 新闻生产需经历记者发现线索、前往采访或远程联系、撰稿发文或编辑播出等一系列复杂的过程。大数据时代的到来使记者获取信息的渠道越来越多, 而信息获取成本却在不断降低甚至接近于零, 网络上的只言片语、政府或企业公开发布的文件, 或是各大网站服务器的用户网络行为统计等多种多样的数据, 均可成为“数据新闻”可利用的海量数据基数, “数据新闻”的巨大发展潜力由此可见。对于新闻业界, “数据新闻”的推行必将引发新闻生产流程的变革。保罗·布拉德肖在《数据新闻的倒金字塔结构》中提出了“双金字塔模型”, 即以包括数据汇编、数据整理、了解数据和数据整合四个部分在内的倒金字塔来表示数据处理的过程, 而完成数据的可视化并实现有效传播正是数据处理的最终目的。“数据新闻”传播时则以包括可视化、叙事化、社会化、人性化、个人订制化和使用等六个步骤在内的正金字塔结构进行。较之数据记者米尔科·洛伦兹及《泰晤士报》新视觉新闻团所提出的“数据新闻”步骤, 双金字塔模型更加全面地揭示了数据在新闻质量及传播上的变化。
三、对大数据时代下“数据新闻”的反思
毋庸置疑, “数据新闻”的发展为新闻业带来了新的机遇和活力, 必然会为新闻业带来巨大的发展潜力。在“数据新闻”的带动下, 跨越一定时间和空间的综合报道也有了新的报道方式, 新闻体裁也将更为丰富, 更为严谨、科学的资料获取与分析的方法必然会促进新闻报道真实性与科学性的提升。不容忽视的是, “数据新闻”在给新闻业带来一定机遇的同时, 也给新闻业带来了较多的挑战, 如数据新闻对新闻从业者的专业素养提出了更高的要求, 记者除需具备基本的采写编评的基础专业技能外, 还需具有较高水平的数据分析能力和可视化技术运用能力, 具备与时俱进的“数据新闻”意识十分有必要。此外, “数据新闻”还要求整个新闻业逐渐转变传统新闻单一线性的生产理念, 逐步树立起数据意识、统计意识和整体意识。
综上所述, 日趋成熟的互联网技术、大数据处理技术及各类新媒体推动着“数据新闻”的产生与发展, 其从产生之初就为新闻业拓展了新的发展领域和方向。相较于传统新闻类型, 其呈现方式更为独特, 生产流程也有了较大的突破。针对“数据新闻”对新闻业所带来的机遇与挑战, 新闻业需积极转变新闻生产理念, 牢固树立起数据意识、统计意识和整体意识。
参考文献
大数据时代的新闻媒体 篇10
1.新媒体时代新闻传播的特点
新媒体下大数据的应用技术越来越成熟、越来越普遍, 发展的热度居高不下, 引起了社会的广泛关注, 已经成为当前的热点问题。新闻媒体创新采用数据化的方式进行播报, 从新闻的产生到传播交流做出了一系列革新, 推动新闻更好更快地发展。
1.1信息量大
大数据可以说是新闻媒体的基础, 这就使得新时代下的新闻区别于传统新闻的一个显著特点就是信息量极其庞大, 并且良莠不齐、真假难辨。信息技术的成熟, 人们已经可以实现远距离通话、视频等交流方式, 反映到新闻行业, 人们也需要新闻编辑人员打破以往传统新闻如报纸广播等受时间和地域限制的弊端。只有打破这种局限性, 人们才可以更加自由地获取信息, 随时随地发表自己对新闻的看法, 对新闻进行评论, 甚至将自己个人的新闻分享到网络中。一方面丰富了网络信息, 另一方面也便于公众查找信息, 公众想要什么样的信息, 只需在网络上搜索即可获取, 轻松简单。另外, 智能手机的出现, 公众基本可以实现随时随地查询新闻信息的要求, 各网站为满足公众第一时间获得信息的要求, 必须完善多方面的客户端, 向公众的个人平台推送即时信息。
1.2公众参与互动
新媒体时代的主要平台是互联网, 互联网的互动性使新闻具有较高的公众参与度。现今的公众成为新闻的阅读者、评论者、发布者, 并且公众的参与互动会对社会舆论产生影响, 甚至改变舆论走向。互动新闻使新闻真正意义上成为大众的新闻, 使新闻走下神坛, 更加平民化和公众化。公众参与互动改变了新闻媒体的单一品牌价值, 丰富了社会影响力的单一评价标准。由此可知, 新媒体时代的新闻更能满足受众的个性化、多元化和互动性要求, 所以, 大数据新闻一定会取代传统的新闻媒体。
1.3获取信息便捷化
大数据时代背景下的社会大众更容易获取想要的信息。随着网络越来越普及, 新闻的个人客户端如手机、电脑、平板等多方共同运行, 新闻的更新可谓一瞬之间。公众在个人平台上发布信息以及搜索需要的信息资料。大众将新闻的整个包括产生、传播和评论的过程压缩到几分钟即可完成, 特别是智能手机的使用, 俨然成为移动的信息交流平台, 人们得到第一手资料信息更加方便迅速。
2.大数据时代新闻编辑观的转型
2.1转型的必要性
大数据时代的来临, 传统新闻报道的方式已经不能适应社会的飞速发展了, 人们对新闻的更新速度提升有了强烈的需求。因此, 新闻行业为了满足群体的要求, 必须更新编辑观念。新闻编辑的弊端, 使得新闻报道工作存在很大的不足, 特别是新闻编辑的滞后性俨然已经不能满足大众对最新时事的强烈求知欲望, 并且新闻编辑上的格式化要求, 使得新闻报道古板无趣, 人们容易产生审美疲劳。面对外在的压力以及新闻自身的不足, 新闻编辑观的转型已经成为必然趋势。
2.2新闻编辑观转型面临的挑战
编辑流程呈现立体化的特征, 传统的编辑流程较为单一、流水化, 这种单调乏味的流程已经与市场的发展不相适应, 打破固有模式的限制, 是转型编辑观的挑战, 模式不打破的情况下谈观念转型是没有任何意义的, 配合网络运营工具进行立体化、多元化的编辑出版是当前转型的重大挑战。
市场群体个性化所带来的挑战。大数据时代, 读者生活品味提高, 需求呈现个性化与多元化的特点, 越来越多的受众选择从电子设备上获取信息, 随时随地得到最新消息来源, 新闻编辑必须迎合读者的个性化阅读, 这是对新闻编辑全方位编辑提出的挑战。
2.3新闻编辑观转型的措施
树立大数据下的思维模式, 大数据下的新闻报道, 编辑人员首先应该改变思维传统, 树立以数据为中心的思维观念, 分析数据, 从真正意义上理解大数据背后蕴含的意义。
最大程度上解决新闻的滞后性问题。新闻编辑人员必须转变编辑行为方式, 在实际工作中运用大数据, 可以充分利用网络等媒体工具, 将第一时间的新闻报道给受众。为了使新闻更加生动, 加强现场性效果, 可与现场的新闻工作者合作, 采用即时的编辑方式加工整合然后播放给大众, 尽最大可能减缓新闻工作的滞后性。
提高数据分析和应用的能力。编辑人员结合专业知识对大数据进行分析研究, 然后对数据进行创新性的运用, 迎合大众的口味, 吸引更多的受众。新闻编辑人员为了提高分析应用数据的能力, 应该不断学习, 紧跟时代潮流。
立足于新闻内容, 减少主观性因素。新闻报道的是新闻事实, 不是编辑者的思想观念。新闻内容是新闻的核心, 在不同的历史时代, 新闻内容都体现了新闻在社会中的地位。新媒体时代, 分析研究大数据, 进行合理的编辑和创新, 保证新闻的价值性和真实可靠性是新闻编辑人员的职责所在。
对新闻舆论有一个整体上的把握不仅是对新闻质量的负责, 更是对社会大众的负责, 坚持社会主义核心价值观, 弘扬主旋律, 体现出了新闻编辑者的社会责任意识。编辑人员需要有敏锐的洞察力, 能够把握政治方向不偏不倚和评价大是大非的人生价值观。编辑人员首先需要严格审核新闻内容, 把好质量关, 对新闻的真实性和实效性负责。向大众播报内含主流价值观的新闻内容, 避免出现严重的错误舆论导向。新闻编辑人员不仅需要对新闻编辑严格审核, 还需要关注传播过程中的细节性问题, 保证新闻的质量。
创新表达方式。新媒体时代, 网络的普及应用, 出现了大量与大众生活息息相关的具有新颖性符号的表达习惯, 新闻编辑工作人员需要贴近大众、贴近生活。利用出现的新型表达方式, 结合计算机技术, 增加新闻的互动性, 引导大众畅所欲言, 提升新闻影响力。
3.大数据时代新闻编辑人员编辑能力的提升
新媒体时代的最大特点就是大数据的呈现, 各方面信息层出不穷, 而编辑人员的基本职责就是从大数据下编辑出高质量的新闻。同使, 为了更好地适应大数据新媒体的时代特征, 新闻编辑者转变新闻编辑观的同时, 也需要提高硬性技术, 增强新闻编辑能力。
3.1搜集信息的编辑能力
数据是新闻编辑的基础, 新闻编辑工作是以搜集数据为前提的。网络中存在大量各式各样的数据信息, 但是这些信息数据的有效性并不能全部保证, 需要有目的有选择地进行筛选, 为大众提供有价值的信息。新闻编辑工作人员只有提高自己的信息搜集能力, 才能有信息做好基础工作。新闻编辑人员只有时刻保持高度的新闻敏感度, 及时地掌握数据, 才能为大众提供最新的、最全面的新闻信息。
3.2整理数据的编辑能力
对数据进行初步搜集后, 还需要进一步的整理加工。过多的数据会使得整理加工工作比较困难, 并且数据的真实性和实效性也难以保证, 针对此问题, 去除虚假或者干扰信息, 在庞杂的信息中发掘有价值的数据是做好新闻报道的前提。在整理多项数据的时候, 需要保证多种数据信息的统一化, 把握主题方向, 使新闻报道条理清晰。面对大数据, 编辑者需要注意数据之间的内在逻辑性, 从深层次的方向去挖掘数据的意义。
3.3呈现数据的编辑能力
互联网下的新闻传播方式多种多样, 从单一的文字传播方式到文字图形结合以及到现在比较成熟的视频化数据方式, 新闻呈现方式更加丰富, 新闻内容更加具体生动, 人们可以更加全面地了解信息, 更好地避免了断章取义现象的新闻报道。网络上各种各样的视频不仅是公众主动参与新闻传播的表现, 也为新闻编辑提供了更加丰富的数据原材料。由于大众专业知识等各方面的差异, 使得其制作的视频数据更随意、娱乐化, 对此, 新闻编辑可以借助多种应用软件, 重新呈现数据, 从大众创作的元数据中挖掘深度资料信息, 将发生在人们身边的事情以更生动的形象呈现出来。
4.结束语
新媒体下的新闻播报方式产生了巨大的变革, 新闻的参与主体已经移向社会大众。新媒体的发展成熟, 对新闻编辑人员提出的要求就是, 不断学习, 不断丰富知识认知结构体系, 编辑人员的编辑是新闻工作的关键点, 所以, 新闻编辑工作者需要打好专业知识这个地基, 不断顺应时代顺应大众的变化, 随时做好创新工作, 具备更高的文化素养, 促使编辑观念的彻底转型, 在新编辑观的引导下促进新闻媒体的优质发展。
参考文献
[1]张立芹.大数据时代新闻编辑的创新能力[J].新闻研究导刊, 2015 (01) .
[2]张炯.基于数据新闻学的编辑理念与编辑能力的创新研究[J].中国编辑, 2015 (01) .
小数据企业的大数据时代 篇11
大数据时代并非“忽如一夜春风来”,其理念在信息时代以前就有成功应用,只不过随着技术手段的不断成熟,现在实现起来更加容易。事实上,美国职业篮球联赛(以下简称NBA)从1980年代起使用的数据管理技术就是大数据的雏形,经过近30年的积累和完善,为我们提供了成熟的大数据管理经验,非常值得借鉴。也许有人会质疑,NBA一共只有30支球队,每支球队每年才打82场常规赛,其蕴含的数据甚至比不上谷歌一分钟的搜索量,NBA真的有大数据吗?归本溯源,还是要从大数据的概念入手。按照畅销书《大数据时代》对大数据的诠释,这个“大”并非必须是太字节(240字节)的数据,“大”取的是相对意义而不是绝对意义。
笔者尝试将此书中对大数据的概念总结为一个前提、三大特点和一个目标:
前提:一切都是数据。
特点一:向抽样说不。
特点二:向完美主义说不。
特点三:向因果关系说不。
目标:替人脑做不擅长的工作。
下面将以NBA的数据管理经验为例,对其进行诠释。
相信没有人会否认,将事件转化为数据是大数据管理的前提。NBA比赛是球员和球的运动,如果不转换成为数据就只是录像资料,靠人工反复回看提取资料效率很低,必须对比赛进行拆解、定义、记录,将其转换为数据才能进行处理分析。
拆解:将运动员的动作进行层层分解,变成尽可能小的单元,如将运动员场上行为先分为进攻、防守,再将进攻分为有球进攻和无球跑动,再将有球进攻分为运球、投篮,再将投篮分为上篮、中投、远投。拆解类似于巴巴拉 · 明托在“金字塔原理”中提出的MECE(即Mutually Exclusive Collectively Exhaustive),中文意思是“互斥,完全穷尽”,“相互独立”意味着问题的细分是在同一维度上并有明确区分、不可重叠,“完全穷尽” 则意味着全面、周密。
定义:每一项拆解后的动作均有相对准确的定义,明确内涵和外延。如篮板球就是投篮不中后抢到并且控制住球的行为,碰到球但是未能控制住或者直接碰出界的球不算有效篮板。定义准确可以确保拆解出来的元素具有明确的含义。
记录:将拆解后且有准确定义的行为编码为数据储存起来。NBA记录了球员在比赛中的上场时间、得分、篮板、抢断、盖帽、失误等一系列基础数据,并且放在公开的数据库里,可供任何人随时查询,这也是NBA进行决策的依据。现在的存储成本几乎已经低到了可以忽略的程度,随便一块硬盘都是以TB为计量单位,更不要说日趋成熟的云技术。编码过程相对复杂,以往NBA使用人工进行记录,每场比赛都会有若干工作人员全神贯注地记录每一个细节,而现在使用了SportVU系统,这个系统将最先进的导弹追踪技术引入NBA,通过在球场架设的多台摄像机全面收集数据,用电脑自动将比赛过程的每个细节转化为数据存储,节约了大量的人力成本。
有了拆解、定义、记录的方法,可以将绝大多数企业中的绝大多数事件和行为转化成为数据,也就有了实施大数据管理的基础。其中,拆解和定义环节只需要熟悉本行业的流程就很容易实现,科学管理的先驱泰罗在20世纪初就将工人搬运等动作成功转化为数据。最大的难题还是出在记录环节,靠人工记录一组搬运的数据不难,但是仅凭人工记录所有搬运数据显然是天方夜谭。我们必须承认,即使是现在的科技也不可能记录编码所有行为,但在技术的帮助下可以做得更好。例如可以完善现有的IT系统,使系统可以记录更多信息。以餐饮行业为例,基本每个餐厅都有点菜系统,通常只具备简单的计算功能,可以进行技术升级以记录更多信息,例如可以增加数据存储字段记录顾客点菜时间和结账时间;可以通过与会员卡绑定记录顾客消费行为和消费习惯;可以分解记录每位服务员的服务业绩;可以记录菜品投诉和退菜情况事实上只要多花些功夫,仅仅投入不大的成本就可以在现有技术条件下收集到更多的数据,对于无法完整转化的事件和动作,可以选择暂时搁置或者等待技术完备时再进行记录(可以预计,动作识别和语音识别的低成本化指日可待)。
特点一:向抽样说不
——但求广度的非抽样整体数据采集技术
所谓抽样就是全体中抽取一部分样本,其基本要求是要保证所抽取的样本对全体具有充分的代表性,即要确保样本有和全体一样的特性。在计量成本很大,技术达不到的情况下,抽样是无奈之举,但如果能够低成本高效率的统计全体数据,抽样就是画蛇添足。而且由于抽样技术本身的制约及随机性因素,抽样很容易出现以偏概全的问题。在迈克尔 · 刘易斯的《点球成金》(Money Ball)中,传统的棒球球探通过观察球员在部分场次比赛是否有诸如本垒打之类精彩发挥来评估球员,以往的NBA选秀(从大学、高中或海外选拔新球员)也依靠球探的主观印象,这就是典型的通过抽样来评估球员的手段。体育运动的特点决定了,个人状态很大程度影响一场或者几场的发挥,如果球探看到的比赛正好是某位球员手感爆发或者手感冰凉,那么就难免会出现偏见。
企业中的管理者评估人员、事件都会不知不觉地用到抽样的方法,其中也存在了大量的偏见。比如近因效应使员工年末表现影响其年度考核,比如某个很小的突发事件影响到全局的决策,这些不自觉的抽样导致了偏见的产生,甚至形成管理上的“迷信行为”。
因此,这就需要在收集数据的层面尽可能完备,追求数据广度,在技术上能实现、成本可控制的前提下,将尽可能多的数据记录下来,至于这些庞杂的数据是否真的“有用”不要由人脑来判断,而要交给计算机来分析,很可能最不起眼的信息反而与结果的相关性最大。
nlc202309022100
例如消费科学教授迈克尔 · 韦德尔研究发现,之前有些人总认为产品上的图片越大越好(一些抽样问卷调查容易形成这样的偏见),但通过眼球跟踪技术,则发现由于人脑对图像处理的能力很强,因此图片尺寸的作用并不大。
大到跨国公司,小到街旁小铺都可以在不抽样的前提下记录整体数据。大企业的例子比比皆是,就不再赘述。以小便利店为例,原来只能通过抽样调查统计客流量,而安装一个摄像头就可以通过软件统计所有客流;原本需要做客户调查才能了解会员偏好,现在只要通过会员卡号中记录的消费记录就能掌握客户信息。管理者应该清查一下自己手中的数据,哪些是抽样获得的不靠谱数据,是时候将这些数据替换为整体数据了。
特点二:向完美主义说不
——兼收并蓄、不求精确的模糊数据管理技术国内一直流行将一些概念无条件的放大,比如所谓“细节决定成败”就荼毒了相当多的管理者,一味追求每个细节都无比精确。殊不知,细节是个双刃剑,盲目追求精确势必造成成本(财务、时间、管理)飙升。
大数据管理要求数据尽可能多,而不太在乎是不是每个数据都精确,甚至乐于从错误的信息中获取价值。
NBA的数据管理从未也不可能做到精确,在高速运动下即使是计算机也很难确保不出错。比如,两个本方球员同时伸手将球碰出界,记录这个失误数据到底算到哪个球员身上,势必存在误差。如果一定要闹个明白,必然耗费大量时间和精力,得不偿失。而且NBA很多数据都依赖于裁判,比如犯规数,裁判依靠眼睛判断如此高强度高对抗的比赛,犯错误的概率非常高,数据必然不准。但在大数据的概念下,这些误差放在某个运动员一年甚至整个职业生涯中反而不会对数据分析结果有任何影响。
企业应用大数据管理,一定要在可以容忍的范围内允许瑕疵的存在,避免因噎废食。举个虚拟的案例,一家银行要记录客户办理业务平均等候时间,通过计算客户拿号时间和办理业务时间得到。这个银行的管理者开始思考,如果有个别客户拿错了号怎么处理;如果有个别客户拿了很多号会不会虚增了办理业务时间;如果叫号机和系统时间不同步怎么办。相信如果这位管理者一直纠结于这些细节问题,总在完善统计过程,那么永远也不会得到数据。只要不是系统问题,个别小的误差,在大数据量的前提下,对于决策的影响是微乎其微的。战胜完美主义的心魔,容忍不那么完美的数据才能够用好大数据。
特点三:向因果关系说不
——忽视因果、重视关联的数据分析技术
从认知的角度讲,人类非常喜欢因果关系,为了解释错综复杂的外界环境,必须建立高效简洁的知识体系。因为看见乌云密布狂风大作,出门就一定要带好雨具,否则就会被雨淋;如果触碰电源就会被电击。人们通过传承掌握因果知识体系,省去尝试而造成的风险和成本。因此,总结因果规律是人类得以传承繁衍的本能。但是,随着科学的发展和社会复杂程度升高,这种因果关系受到了越来越多的挑战,量子物理的“测不准原理”等研究使我们不得不重新认识这个世界;经济领域突然出现的股市崩盘和经济危机几乎很难被预测,只有事后诸葛亮式的说法层出不穷;人们的行为更是难以预测,所谓经济学的“理性人”假设只会出现在学术论文中;企业管理更是如此,只要实施诸如六西格玛之类的管理项目就必然导致绩效提升的因果关系根本不可能实现,只是一些CEO忽悠投资者的法宝和咨询公司欺骗企业的灵丹妙药。
在哲学界和科学界,卡尔波普尔打破了对以往绝对真理(其实就是有因必有果的决定论)的普遍至信,承认随机的重要性,主张试错和证伪。但是,大范围的试错成本太高,无法替代低成本的因果关系带来的便捷,所以在信息科技成熟以前,因果关系始终在决策中起到主导作用。飞速发展的大容量存储和云计算技术终于可以从因果关系的垄断中分得一杯羹了。
在因果关系时代,NBA评估球员的标准是跑得快、跳得高、投得准等等,一般的因果关系假设,这方面出众的球员就能在比赛中表现出色。而通过数据分析,NBA有了很多新的评估手段,打破了这种因果关系。比如有一项数据反映球员在场上时双方得分对比、球员不在场上时双方得分对比。某球员个人能力超强,在场上得分如探囊取物,但上述数据却显示他在场上时对方得分更多;反之,有的球员跑得不快、跳得不高、投得不准,但只要他在场上,全队得分比对方高,这显然不符合因果关系的逻辑,甚至要想分析原因进行倒推都几乎是不可能的,因为原因也许非常复杂:有可能是他和队友私下关系不好,导致士气受损;有可能是他防守能力差,使对位的对方球员得分变得容易;有可能是他和某个队友位置重叠,无法充分发挥甚至可能是不同因素叠加而成。教练在决定球员上场时间时,根本没有时间考虑这么多的因果关系,只需要根据数据分析的结果,让能够使球队得分更高的球员多上场就可以了。
取代一部分因果关系的工具就是不同数据之间的相关关系,数据告诉我们个别球员上场时间和球队得分之间存在关联,也许数据还会告诉我们,球员身高体重比和球员三分命中率相关,球员英俊程度和抢篮板的能力成反比(后面仅是假设)。
通过大数据找到意想不到的关联有三个必要条件。
首先,不要在分析或者收集数据过程中有任何偏见或者假设,避免在收据收集过程中就带有偏见,只收集部分感兴趣的数据。
其次,使用计算机对各组数据进行交互相关性分析,这里涉及统计学和计算机知识,不过可能只要招聘一个计算机专业的研究生就能胜任。也许有人会问,这么多组数据,相互做相关性分析,排列组合的数量也很大,是不是会花很多时间。其实并非如此,现在计算机的处理速度足以完成这些运算,即使数据量大,也可以使用云计算提高效率。
相关性有一个特例就是加入时间轴,分析数据变化趋势。NBA将球员和球队每场比赛的数据记录以后自然形成了一系列数据,通过对一段时期中比赛的数据分析,就很容易看出球员各种表现的发展趋势。分析变化趋势的目的是预测和辅助决策。某个球员如果近期表现大幅提升,球队就会考虑增加其上场时间,让他发挥更大的作用。如果某个球员三分球命中率持续上升,球队就可能专门为这个球员布置三分球战术。而球员单场的灵光一现,往往不会促使球队做出类似的决策。
nlc202309022100
将时间加入到相关性分析中也很容易应用,毕竟时间这个信息是最容易记录的。还以餐饮行业为例,将每天不同菜品的数据进行记录,就形成月度、季度、年度数据,可以判断每个菜品在不同季节的销量;菜品是否存在明显的淡旺季;某些菜品是否已经不再流行等等。从而在原材料、营销策略等方面做出调整。
再次,找到相关性后不刻意解释为什么会出现这样的相关,避免再度陷入因果关系的魔咒中。
目标:替人脑做不擅长的工作
——自然而然地使用相关性预测未来
有了相关性分析的结果,做决策并不是一件太难的事,因为计算机已经做了90%的工作。
以NBA为例,无论是球员转会、教练布置战术、临场指挥甚至商业决策全都依靠这些数据,投资者、球队、教练、球员、媒体、球迷都可以从数据中取得自己需要的内容。假如一个球队主力控球后卫受伤需要一名新的控球后卫,那么用什么指标来选择呢?控球后卫是场上的灵魂,主要负责运球和组织全队进攻,可以理解为给全队输送炮弹的人,评价控球后卫是否能够带动整个球队就非常重要,通过数据分析控球后卫得分、篮板球等指标与成功带动全队进攻相关性不强。而助攻(球传出后队友可以直接得分)/失误比才是真正关键的数据,也就是为队友制造机会的成功率。使用这一指标作为选择控球后卫的KPI就避免了某些后卫盲目传有风险的球,一味提高助攻数量刷数据。2012年美国体坛风云人物林书豪在爆发期间一直被专家诟病的一点就是失误太多,所谓成也萧何,败也萧何。2012-2013赛季截至2月3日,林书豪的助攻失误比仅为2.0,也就是说每送出两个助攻就要伴随一次失误,而顶级后卫保罗的数据,助攻失误比为4.6,超出林书豪一倍,显然更为出色。
在《点球成金》一书中,使用数据作为选人基础的奥克兰运动家队,用最小的投入换取最大的收益,打败了依靠经验选人的很多财大气粗的传统强队。如今,包括NBA的美国职业体育界已经将数据作为决策最重要的依据,球员打完比赛第一件事是看比赛的技术统计,教练依靠数据决定战术和球员上场时间,球队依靠数据交易球员,联盟依靠数据安排比赛日程,比如重大节日往往会上演收视率高的强队对决。
数据是决策的辅助工具,但是绝不可能完全替代人类智慧。纵使NBA的数据管理如此完善,做出最终决策的还是一个个活生生的人而不是冷冰冰的计算机,因为数据不会设计出有创造力的战术配合,不能进行临场指挥,更不会提升球队士气。企业管理也是如此,数据作用再大也只能是管理者的助手。
数据能预测大多数表现,但是人类不能成为数据的奴隶,从哲学角度讲,再大、再完美的数据也只是更加完善的归纳法而已,对于随机出现的黑天鹅事件无能为力。有了大数据,并不代表解放了人类的大脑,大数据是人类走向完美决策路上的一个工具,合理分配人脑和数据在决策中的比例尤为重要,既不能完全依靠所谓以经验和认知为基础的人脑,也不能盲从于循规蹈矩的电脑,让人类的创造力与电脑的存储和计算能力相结合才能做出更加完美的决策。
大数据时代广电新媒体的发展探索 篇12
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
【大数据时代的新闻媒体】推荐阅读:
大数据时代的媒体融合05-13
大数据时代的新闻学09-16
大数据时代与经济新闻07-21
大数据时代的数据观05-14
大数据时代的数据挖掘09-26
大数据时代的数据管理11-09
大数据时代的教育10-25
大数据时代的人才管理05-11
大数据时代的企业决策05-14
大数据时代的终端安全05-15