电影大数据

电影大数据（精选11篇）

电影大数据 篇1

电影已经是我们日常生活中必不可少的一个娱乐元素了, 我们会经常看到或者听到大家对某个电影、某个导演、某个演员, 甚至某家影院的各种“闲言碎语”, 而这些言语如果在以前, 也就随着时间的推移和环境的变化而踪迹皆无。幸好, 大数据来了, 于是电影遇上了大数据!当他们遇上后, 会发生哪些情节呢?

情节1:在上映前提前预测是否赚钱

利用大数据的分析, 针对社交网络上大家对电影、导演、演员等评论和关注程度, 也就是以前我们听到的“闲言碎语”, 通过分析建模后, 我们就可以在电影放映前一定时间段内预测它的票房, 从而判断这部电影是否赚钱。国内已经有公司开始做这件事情, 那就是我们投资的一家叫新影数讯的公司。

那么这样做, 到底效果如何?预测的准不准呢?我们举个例子, 当冯小刚导演的《1942》将要上映前将近一个月的时间, 我们通过对社交网络的数据进行分析, 得出的结论是这部电影的票房是3.8亿左右, 这个数字可是与当时电影界人士预期的7亿票房相去甚远!为此发行方还专门为此事找上门来, 提出强烈质疑。但是结果呢?最后《1942》的票房3.64亿。

综合目前我们对所有国内上映的电影所进行的票房预测, 在进行电影是否可以赚钱和赔钱的预测中, 准确率100%, 而具体到票房数值时, 准确率在80%-85%之间。

但是, 当电影拍出来之后, 再进行预测, 其结果已经基本确定, 该投的资已经投出, 那么这种预测对于电影产业本身来讲并不能起到真正的决策作用, 于是, 电影遇上大数据就给我们带来了下面的情节。

情节2:可以预测导演和演员的受欢迎程度

一部电影, 谁来导, 谁来演, 很大程度上决定了这部电影的投入产出, 因为导演的品位、演员的受欢迎程度, 都决定了这部电影的未来命运。

有的导演适合导喜剧类的片子, 那么如果他要是导演战争类的, 那么会怎样?有的演员适合演清纯角色, 如果换成了搞笑角色, 那么会怎样?如果演员在同期有多部影片上映, 频繁出现在屏幕上, 会怎样?哪几个演员放在一起是有积极作用的, 哪几个演员放在一起会影响电影拍摄?导演以及演员的演艺周期是什么样子的?出场费高的演员有没有可能用出场费稍低的演员来替换?所有这些问题, 通过数据库和建模, 都能给出圆满的答案。

在我们的分析中, 就发现范冰冰和李冰冰的粉丝群体有明显的差异, 因此, 对于他们两位适合演什么类型的电影就可以判断出来。

当然, 导演也好, 演员也好, 如果没有好的剧本, 那么也无法获得好的回报。在一些没有立意、没有深度、没有内容的影片中, 即使是郑少秋、成龙这样的著名演员, 也不能发挥出最大的作用。因此, 接下来的情节就是影片剧本内容的问题。

情节3:可以预测剧本内容受欢迎程度

好的内容永远是电影的核心。但是, 什么样的内容才是受欢迎的电影内容呢?那自然是观众热议的内容了。

于是我们可以把剧本的内容段落放在社交网络中, 根据它的传播和评论情况, 来分析判断这段内容是否合适, 是否受观众欢迎。也可以根据社交网络中大家关心的热点进行电影内容的修改和植入。前段时间美国Netflix公司根据大数据分析, 投用户所好地翻拍了英国广播公司 (BBC) 的经典老片《纸牌屋》, 因为大数据告诉我们, 还会有许多人点播这部1991年的老剧, 而这群观众里不少人喜欢《七宗罪》的导演大卫·芬奇, 也很爱看奥斯卡得主凯文·史派西的电影, 就这样, 《纸牌屋》把这三项热门因素集结在一起, 推出了大数据时代的新型电视剧, 由大卫·芬奇导演, 凯文·史派西主演。

我们坚信, 还会有很多情节在电影遇上大数据中出现, 而且会不断出现新的、以前我们没有遇到过的情节。这就是大数据对于传统的电影行业所带来的颠覆性的革命, 将改变已有的你对电影的理解, 改变整个电影产业!

电影大数据 篇2

文│田秀琴

中国电影“排片率”的争议曾经在电影《小时代1》上映时期引起社会广泛关注，最近虽然有所缓和，但是 “排片率”仍然是在中国电影市场中取得高票房的“葵花宝典”，以至于很多业内大佬都感慨“所有的电影技术对票房贡献总和都比不上‘排片率’一个数字”。排片率悬殊直接导致影片票房收入巨大差异，特别是首日高排片量已然成为电影票房拉开差距最重要的因素，票房收入关系着制作方和发行方在分账中获得的实际利益，而背后利益的操纵者还是发行方和院线。

院线市场化经营，商业自主运营本无可厚非，但是否真正的抓住了市场脉搏，是否是最优化的影片选择和场次安排，这有待商榷。埃森卓越电影营销机构总裁高泽龙认为，运用大数据来为电影排片提供决策支持和数据基础是非常有必要和价值的。

在国外，已经有将大数据运用到电影票房预测领域，比如谷歌公布的一项重要研究成果——电影票房预测模型。据称该模型能够提前一个月预测电影上映首周的票房收入，准确度高达94%。美国视频网站NetFlix基于大数据投资拍摄的电视剧《纸牌屋》的大获成功更是让全球影视界对大数据的应用刮目相看。中国影视行业也在与“大数据”这个时髦的概念不断发生关系，华策影视收购克顿传媒被指其大量数据储备和分析经验，爱奇艺CTO透露正在根据大数据挖掘的信息自制电视连续剧，盛大文学声称将基于大数据生产电视剧本。

在中国，电影行业有浓郁而且独特的“中国特色”，但是大数据，尤其是互联网领域的大数据仍然可以对电影产生举足轻重的影响。高泽龙举例说，在上映前，院线方面根据几部电影各自的搜索量就可以得到基本的关注度排名（排名产生前应该考虑到无关电影的相同关键词、类似关键词、电影的别名和简称等），从而作为排场的依据之一。搜索指数只是无数可以参考因素中的一个，比如说电影的评分、多少人想看、关键词在重要网站分布数量、片花预告片等视频总观看时长、自媒体中对电影的提及和期待程度等等也都需要考虑。

互联网数据极其冗余和庞杂，信息的真实性、隐蔽性、两面性、重复性、利益性等都需要考虑，即使是知名的互联网企业spider蜘蛛抓取，加上大量的人工干预，信息可能仍然不具备或很少具备价值。但是，无论如何，院线高层应该学会利用互联网大数据分析为排片提供决策支持，而不是根据传统的经验、人情、面子和一些主观的因素。将来有一天这样的事情应该是可以做到的，那就是每个影院的排片都是个性化的，根据不同的城市、不同的区域、不同的档次、不同的社会热点、不同的人群进行大数据挖掘，从而得到更加科学的电影的选择，更富弹性和变幻的场次，从而做出更加符合真正市场预期的电影放映，提高影院收入，进而提高整个中国票房的收入。

其实，大数据的运用不仅可以在电影上映前，也可以在上映后、乃至下线的持续整个过程。另外，作为电影票整合在线销售的领军企业，埃森卓越开创的通过优质平台整合精准人群，将巨大网络流量引导至数十家合作的在线平台实现大数量的电影票预售，然后与院线、影院谈判实现网络用户在电影上映前三日的落地观影，也可以提高或者扭转排片率，达到间接影响影院排片的目的。

电影大数据 篇3

科幻迷+大数据

星图数据今年上线首款产品，8月份就完成了数百万美元的A轮融资。谷熠说，自己带着对产品和大数据的梦想走上了创业这条“不归路”。作为一家互联网大数据服务公司，星图数据基于海外技术团队的研究成果开发出了一套适合中国企业的数据应用服务产品，主要为传统制造业公司提供完整的线上渠道数据，通过数据可视化的方式进行直观的呈现，帮助企业通过数据发现在拓展线上渠道过程中产生的问题，从而进行精准经营与决策。

目前，星图数据的主要服务领域包括快速消费品、3C与家电以及家居家装等，美的、苏泊尔、九阳等知名家电品牌都是星图数据的合作对象。根据官方网站的介绍，星图数据的数据积累超过24个月，拥有超过2400个品类、12万个品牌和600万个商品的线上零售数据，产品服务主要包括D-Matrix（数据矩阵）大数据分析系统、SkyScope（天镜）线上渠道巡检系统、AtomPower（原子力）SKU单品分析系统、SARK（星舰）大数据代运营服务。

从产品名字上就不难看出，星图数据的团队里，不仅谷熠是科幻迷，其他很多人也都是科幻迷。《星际穿越》上映的时候，公司组织大家一起去看电影，看完后还开会进行了一番热烈的讨论。谷熠说，原来，零散的数据就像星星一样散落在各个角落，他们希望可以用大数据将它们串联起来，真正发挥它们的意义和价值，这也是公司取名为“星图”的原因。

直播“双十一”

在上个月的“双十一”网络购物狂欢中，星图数据进行了全网销售数据直播。作为国内唯一一家直播全网销售情况的公司，星图数据是如何做到这一点的？谷熠说，当然还是依靠技术的力量。区别于传统市场调研机构的“抽样推总”方式，星图数据采用的是“全网普查”方式，对全网18家主流的综合型B2C电商和垂直型B2C电商进行实时监测。“我们自主研发了两套底层系统——iNebula（数据星云）和WarpEngine（曲速引擎），这是我们基于大数据技术自主研发的数据获取和存储系统及数据处理与分析引擎，保障了我们所产出数据的及时性和准确性。”

不过，谷熠也提到，现在的数据处理过程还需要3个小时左右的延迟，希望在明年的“双十一”可以做到实时的数据播报，也就是真正意义上的“直播”。

成立之后没多久，星图数据就推出了“超新星+”计划招募活动，通过申请的企业可以免费享用星图数据D-Matrix产品6个月的服务。被问及原因，谷熠说，在和传统企业的多年接触中，他们发现真正能够理解大数据、使用大数据的企业少之又少：“我们希望能够通过这一计划，让更多的企业了解大数据，体会到大数据给大家带来的好处和便利;也希望更多的大数据公司能够和我们一起扮演大数据传道者的角色，推动行业更快地发展。”

提到“大数据”，人们往往会想到数据安全，谷熠也被无数次问到这个问题。他说，如果从个人数据隐私的角度来讲，数据的来源和范畴其实需要一个比较清晰的界定：什么样的数据属于隐私数据？什么样的数据属于公开数据？行业中对此有很多争论，到现在也还没有一个最终的标准和结论。“除了企业在道德层面的自律之外，也希望尽快能有相关的法律和行业规范出台。”

一个刚刚开始的崭新时代

而“大数据”这个概念在国内火起来也不过两三年的时间。谷熠认为，这个崭新的时代才刚刚开始。他说，虽然很多人都在讲这个概念，但是真正能理解的、能够应用好的还并不多。可以说，大数据的技术和商业化的进程都还在摸索和演进之中，市场也才开始逐步地开放。另外，也不应该只把大数据理解为一种技术或者是一种业务模式，它应该是一种能力、一种资产、一个崭新的市场，或者说是代表着一种新的生活与工作的方式。

那么，“大数据”这个概念会一直火下去吗？谷熠反问：你觉得“电力”这个概念现在还火吗？但是它已经改变了人类的工作和生活，而且它的影响也会一直持续下去。

在谷熠看来，大数据带来的改变一定会在未来极大地影响企业的运作模式和个人的生活方式。因此，星图数据也在考虑如何让自己的数据给消费者提供价值，换言之，B2B之外，星图数据或许会在以后推出B2C的产品。

谷熠曾有10年的产品开发与管理经验，算是资深产品经理了。他曾在知名互联网企业主持设计并研发了一系列基于云计算的信息服务产品、智能分析系统，并分管产品销售及市场工作，还曾参与中央部委的公共服务系统开发，并作为科研院所的专家组成员参与了多项国家标准的编写和制定。被问及创业原因，他说是因为自己有一个用大数据改变世界的梦想。

电影大数据 篇4

一、大数据与电影微博营销

上个世纪80年代, “大数据”这一概念作为互联网行业用语被提出。2011年5月, 全球知名咨询公司麦肯锡称:“数据, 已经渗透到当今每一个行业和业务职能领域, 成为重要的生产因素。”所谓大数据 (Big Data) , 就是一般以T、P甚至是E、Z等为计量单位的大型数据集。IT业界通常将大数据的特征概括为四个“V”:体量 (Volumes) 巨、类别 (Variety) 多、速度 (Velocity) 快、价值 (Value) 大。[1]它的数据来源也相当广泛, 媒体、政府单位、企业、互联网甚至是用户个人都能为其提供巨大的数据信息。

而另一方面, 所谓电影微博营销是指以微博平台为电影实现线上导流创造价值而执行的一种营销方式。毫无疑问, 中国互联网已经全面进入微博时代。从近几年来不少热映电影中, 我们都不难感受到制片机构和宣传发行公司在把微博当做宣传重点这一宣传策略, 如电影《失恋33天》、《致青春》、《中国合伙人》等, 并且这种策略也确实帮助影片取得了很不错的宣传效果和票房回报。成功的微博营销需要在精确受众、互动导流、整体布局方面下足功夫。而在大数据时代下, 强而有力的大数据以其出色的定位、洞察、预测等能力也势必将电影微博营销引入一个更高的台阶。事实上, 在国外, 大数据早已大量地运用于各大电影开发之中, 例如热播影片《纸牌屋》。而在国内《小时代》系列电影的成功, 算是大数据应用到电影策划、推广、营销整个环节并获得成功的首例。

二、大数据精准受众定位

一次成功的营销最难也是最重要的是找到精准的受众, 而在“大数据时代”, 这个问题却能得到及时的解决。在国外, 由视频网站Netflix投资并获得巨大成功的电视剧《纸牌屋》的数据库包含了3, 000万用户的收视选择、400万条评论、300万次主题搜索, 这些数据都被以代码的形式记录下来, 并最终在电视剧的生产过程中发挥了作用。因此想利用大数据进行微博营销, 在电影制作之前就应该有大数据对电影制作的每一个环节进行有力的支撑。乐视在投资《小时代》之前已对同名原著在网络上的点击量、点击用户身份等关键数据进行了调研, 将潜在观众分成了核心圈、第二圈和第三圈, 还对同档期上映的影片以及过去一年消费者对于同类影片的反映都做了细致的数据搜集和分析。[2]采用新媒体大数据分析手段, 对《小时代》的观影人群进行了调查分析。[3]我们可以精确的得到以下数据信息。

通过对91200个相关有效微博用户的分析, 《小时代》的观影人群平均年龄为20.3岁, 女性占到了八成以上, 接近半数还是微博达人。可以说, 这些活跃在微博等新媒体上的年轻的女观众们正是该电影的主要观众群体。而其整个微博营销过程中, 通过“电影小时代”的官方微博发布的系列活动和动态无不一一针对目标受众, 以激起他们以及更多人的观影热情, 实现由导流变导购的转变。

通过前期的大数据调研, 包括以微博指数、百度指数作为大数据重要参考, 我们可以精准地指出微博营销的主要受众群体, 这也就抓住了微博营销最为关键的一链。通过微博营销过程中的大数据分析又可以指导微博营销的走向。而正是有了这些大数据的支撑, 才让各影片宣传单位制定出相关的针对受众的宣传策略, 一经微博发布, 直击受众的活动便取得了巨大的反应效果, 也为之后的高票房奠定了坚实的基础。

三、借力数据再一次掌握信息首发权

在这个自媒体时代, 人人都有话语权, 每个人都能够变成信息的首发者, 这也对官方信息发布的及时性和有效性形成了挑战。对于微博营销更是如此, 网络上信息传播速度极快, 丧失首发权, 就势必会丧失大量关注, 削弱关注度。而在大数据时代, 通过对大数据的整理分析我们可以得出大众关注的焦点, 挖掘出数据之间的相关性, 并在此基础上合理预测出下一个阶段目标受众的关注焦点。在华尔街, 保罗·霍廷通过分析来自全球3.4亿微博留言来判断民众情绪, 秉承“高兴, 买入;焦虑, 抛售”的原则, 利用大数据来决定股票投资。事实证明, 这样的方式为他带来巨大的收益。

对比与电影微博营销, 则可以通过一个话题引发群体讨论, 利用大数据我们可以明白受众讨论的焦点, 并对其关注趋势做出合理预测, 掌握话题的首发权, 再抓住合适契机发布潜在热点信息, 便能获得最广泛的关注, 也势必会引爆另一个话题点, 随着一个个话题点的不断引爆能够使得宣传的效果通过不断地转发与评论得到几何式的放大, 既能增加潜在受众的关注又能增强现有受众的依赖程度。

四、以数据转变微博定位, 整合多渠道资源

在互联网时代, 大数据的功能不仅仅在于数据的整合分析追求一个趋势, 它还能够洞察挖掘出事物间的关联性。例如谷歌公司凭借对人们频繁检索的词条进行监测分析, 及时预测出甲型H1N1流感爆发和传播的态势;沃尔玛基于对海量销售记录的分析发现每年季节性飓风来临前手电筒和蛋挞的销量俱增, 从而决定把蛋挞和飓风用品并置营销。[4]利用大数据, 我们可以知道目标受众喜欢什么样的品牌, 痴迷什么类型的明星和节目, 经常出入什么样的场所等, 这时电影微博营销便不再仅仅局限信息的发布, 而是能够针对粉丝们的喜好特点提供系列的服务信息, 并能够整合粉丝们钟爱的品牌资源, 实现多渠道联合营销。

通过分析电影《小时代》近九万粉丝的关注和微博内容关键词 (如下表/图所示) , [5]我们能够准确得出这群目标粉丝关注的话题、明星、品牌、事物等。该微博也可以与这些品牌、电视节目、明星合作, 电影《小时代》便整合了这些来自微博的大数据, 与多家品牌、院线、节目进行合作推广, 在线下进行导流和导购。

鉴于微博的自媒体性与圈群性, 微博营销不能孤立地进行, 也不能停留在单向交流的形式上。[6]因为, 我们需要不断强化微博营销的互动性, 以受众为出发点和落脚点, 主导服务为王的理念。特别是在大数据时代, 大数据能够对受众心理和行为喜好做出及时而又准确的分析和判定, 也为服务受众制定反馈以及交互活动, 提供了针对性很强的参考性方向。就拿电影《小时代》的官方微博而言, 其在微博营销中除了及时与粉丝互动反馈外, 还做了很多针对目标受众的线上的活动, 比如时代宣言、时代姐妹花、彩蛋模仿等互动活动, 取得了不错的营销效果。

数字化产生了大量关于人类行为的数据, 这些数据十分庞大且复杂, 需要更为专业地收集、分析和运用。在国内, 电影的大数据时代并没有真正地到来, 电影《小时代》作为一部通过大数据而产生的现象级电影通过其出色精准的微博营销也并未使目标受众实现完全地转化为购买力。但不可否认, 在大数据时代, 微博营销依托大数据能够实现更加精准的受众锁定, 更加合理的方向预测, 通过准确分析用户个人的全面、实时的行为偏好和需求, 在有针对性地进行服务的同时把合理策划出的内容更有针对性地传播出去, 展现传播的亲和力、增强受众依赖性。同时还能抢占首发权, 整合多渠道资源, 获得出人意料的效果。

虽然电影微博营销对电影推广的作用不容小觑, 但却绝不能被“神化”。随着受众鉴赏能力的提高, 官方微博的强势宣传攻势对很多人来说并非是煽动性的, 他们往往会通过其他的渠道去了解该影片是否值得花去自己手里的人民币。就拿《中国合伙人》来说, 其微博营销并不是特别成功, 但其高涨的票房还是主要靠观众的口碑, 也就是影片的质量。又如之前的电影《北京遇上西雅图》, 该影片并没有用心微博营销, 而上映之后, 其良好的品质却让很多观众主动地为其宣传, 票房自然也是节节高升。因此, 在把电影做好的基础上再利用大数据进行微博营销, 让优质的影片促使受众自发宣传, 这样带来的好处定会是惊人的, 这也会是电影微博营销的最佳境界。

参考文献

[1] .王平, 何筱媛.大数据时代的机遇与挑战——第二届“新媒体与社会发展”全球论坛暨中英“新媒体与社会发展”双边对话综述[J].新闻记者, 2013 (3) .

[2] .葛进平, 邹立清.电影微博立体营销策略探[J].当代电影, 2012 (2) .

[3] .彭兰.社会化媒体、移动终端、大数据——影响新闻生产的新技术因素[J].新闻界, 2012 (8) .

[4] .官建文, 刘扬, 刘振兴.大数据时代对于传媒业意味着什么?[J].新闻战线, 2013 (2) .

[5] .张鑫.<小时代>票房飘红对大数据时代传播力建设的启示[J].中国记者, 2013 (8) .

小羊肖恩大电影 篇5

Those were the circumstances[情景] in which I saw Shaun the Sheep Movie.

Innocent[天真的] and charming[迷人的] but genuinely funny， it is pure cinematic[电影的] joy. It is also， of course， stunningly[令人震惊地] brought to life by those clever people at Aardman Animations.

Clever—and patient. It takes gangs[群，队] of them， working away on an industrial estate[工业区] on the outskirts[市郊] of Bristol， to produce around two seconds—two seconds！—of footage[连续镜头] a day.

Like The Simpsons， who began life as a short segment[短节段] on The Tracey Ullman Show注1， Shaun is the spin-off[派生产品] that keeps on spinning. And in his case， spinning a golden fleece注2. It is 20 years since we first met him， in Nick Park’s third Wallace & Gromit film， A Close Shave. Since then， he has become one of Britain’s most successful exports； the Shaun the Sheep TV show has been sold to more than 170 territories[地区] worldwide.

So a feature film[故事片] was only a matter of time， though， at two seconds a day， rather a lot of time. And the two writer-directors， Aardman veterans[老手] Richard Starzak and Mark Burton， have excelled themselves， which takes some doing.

The story is blissfully[幸福地] silly， sending Shaun and his farmyard pals into The Big City to rescue the farmer， who has amnesia[失忆症]， and ends up being feted[招待] as a celebrity[名人] hairdresser. I told you it was silly.

Nonetheless， even children’s films these days must have a villain[坏人]， and here it’s the Animal Containment[控制] man. By contrast[对比] with last year’s film version of Postman Pat， however， he is a bad guy that children can laugh at rather than be afraid of. There are any number of wonderful and lovely moments of wit[才智] aimed at the adults in the audience， such as a funny reference[参照] to The Silence of the Lambs.

But most memorable of all is a scene in a fancy[昂贵的] restaurant， where Shaun and his friends pose as humans except， being sheep， copy what everyone else is doing.

It is properly， joyfully inspired， and if this film can be classified[把……分类] as silent comedy， which I think it can despite all the grunts[呼噜声] and squeaks[吱吱声] in place of dialogue， then it deserves[值得] to be ranked with the best of Charlie Chaplin and Buster Keaton注3. If they were still around， I’m sure they’d agree.

影片一开始， 沉寂便降临， 唯有朗朗笑声将沉寂打破。一个半小时的观影结束后， 每个人都神情愉悦，仿佛感受到了从未有过的快乐。

那便是我看电影《小羊肖恩大电影》时的情景。

纯真与魅力兼备，却又实实在在地滑稽搞笑，这着实是来自电影的纯粹乐趣。当然，它是由阿德曼动画公司那些聪慧的人们以令人惊讶的方式创造出来的。

这些影片创作人不仅聪慧过人，而且颇有耐心。这帮人在（英国）布里斯托尔市郊的工业园区要工作整整一天才制作出约两秒钟—仅两秒钟—的影片镜头。

就像《特蕾西·厄尔曼秀》中的短片《辛普森一家》一样，小羊肖恩的形象也是得以保存下来的一个衍生品。小羊肖恩这个形象产生了巨大的经济效益。它最早出现在20年前尼克·帕克制作的《超级无敌掌门狗》第三集短片，即《剃刀边缘》里。从那时起，它就成为英国最成功的出口产品之一；迄今为止，《小羊肖恩》系列电视剧已经被销往全球一百七十多个地区。

于是，制作一部动画长片就只是时间上的问题了，虽然一天两秒的进度会花费相当长的时间。兼任编剧和导演的理查德·斯塔扎克及马克·伯顿是阿德曼动画公司的两名老将了， 他们能够超越自己，也是下了一番工夫。

这个故事有点傻，却不失欢乐。肖恩和他的农场朋友们被送到了“大都市”去拯救一位得了失忆症的农民—农民最后却被当作一个明星理发师而受到款待。我说过的，剧情是有点傻。

然而，如今即使是儿童电影也必须有一个反派角色，电影里的的反派角色便是主管动物收容所的动物典狱长。与去年上映的电影版《邮递员派特叔叔》相比，他只是个孩子们可以嘲笑但并不会惧怕的恶棍。影片里面有好些精彩的片段， 还有一些显然是针对成年观众的风趣片段，例如对电影《沉默的羔羊》的引用就颇为有趣。

但最让人难忘的一幕是在一个高档餐厅里，肖恩和他的朋友们（除了本身为羊这个事实）摆出人的姿势，模仿其他人所做的一切。

《小羊肖恩大电影》这部影片鼓舞人心， 情节愉悦。尽管片中所有对话都以呼噜声和尖叫声完成， 但我认为这算得上是一部喜剧默片。如果说这部电影能被分类为喜剧默片的话， 那么它值得与查理·卓别林和巴斯特·基顿的上乘作品媲美。要是查理·卓别林和巴斯特·基顿还在世的话，我想他们一定会同意的。

注1：《特蕾西·厄尔曼秀》是美国著名的电视综艺节目，由英国喜剧演员特蕾西·厄尔曼主持，于1987年首播。

注2：金羊毛，希腊神话中出现的一件宝物。

大数据视域下内地电影现象的思考 篇6

关键词：电影大数据,电影营销,电影内容,电影后产品开发

一、大数据时代的到来

“我们信靠上帝。除了上帝, 任何人都必须用数据说话。”这是享有世界声誉的美国统计学家爱德华·戴明流传极广的名言[1]。数据分析的重要性由此可见一斑。大数据, 一般是指以互联网为平台采集到的各类型海量数据信息, 其中最有价值的无疑是与平台、渠道和用户相关的数据集[2]。用户依托互联网发表言论、浏览网站等行为都会留下痕迹, 当看似无意识的“痕迹”海量地组合在一起便具有了鲜活意义。在发达国家“大数据”早已涉足多个领域, 以至有学者预测大数据及其分析将会在未来10 年改变几乎每个行业的业务功能[3]。在中国, 大数据的应用确在各行各业开始崭露头脚, 而如何将大数据科学渗入影视创作全产业链是目前国内电影人普遍关注的问题。

电影大数据主要指通过互联网实现电影与观众之间的数字化交流, 从而推进电影模式和类型的探索, 这也是电影业有序发展的内在要求。大数据在科学化、系统化的探索中发挥越来越重要的作用, 下面主要从电影营销、对电影内容的影响及大数据对电影后产品开发的启示来说明。

二、大数据促发电影营销方式的变革

当前大数据在电影业最广泛的应用在于票房预测。谷歌作为目前世界上最大的“数据官”, 已经开发出了预测电影票房的线性回归模型, 在电影上映一个月前就能预测电影票房且准确率高达94%。但大数据更有价值的应用在于用数据告诉制作方如何制定营销策略。在国内大数据应用于电影营销虽然还不成熟, 但一些电影人已有意识地利用大数据“私人订制”营销策略。

近年来内地电影市场常出现一种微妙现象, 一些质量不佳的电影奇迹般取得高出想象的票房成绩, 甚至引发关于“电影本体和电影营销孰轻孰重”的辩论。暂且不论二者是与非, 这种现象背后隐藏着不争的事实——电影营销的地位正悄然上升。传统营销方式已无法满足新媒体时代观众日新月异的口味, 诸多新颖的营销方式应运而生, 例如《失恋33 天》的“微博营销”、《轩辕剑传奇》的“内讧营销”等, 这些千奇百怪的营销方式无不宣示着电影营销方式的变革。

而与大数据相结合是目前最具可行性且效果显著的新型电影营销方式。以《小时代》系列为例, 该作品受到了诸多批判, 但仍挡不住观众甘心为其埋单, 其中奥秘就在于观众定位的准确性。如今电影进入分众时代, 过去那种老少皆宜、没有目标受众的电影营销已无法适应时代需求。

作为精准营销的典范, 《小时代》系列电影由热门小说改编而成, 导演、编剧兼原小说作者郭敬明具有数量庞大的粉丝群。从下图表ECCI艺恩艺人品牌智库针对郭敬明的数据分析可以看出其粉丝以“80 后”“90 后”“00 后”为主——这就构成了电影目标受众中最重要的一部分。而这个年龄段的人恰好也是目前内地电影院的主要观众群。同时图表也反映出在校学生是郭敬明粉丝团最重要的组成成分, 其中以高中、大学女生为主, 针对这类人群进行适当的电影营销是票房取胜的关键。研究中国当代青年亚文化, 我们发现还未踏出校门的学生大多对社会和人生抱有一种“隐蔽”的反抗精神, 重点表现为不切实际的浪漫幻想。精神分析学家认为电影应该是一场使观众愿望得以满足和达成的“梦”, 《小时代》正是抓住这一点对这些人推销这场“青春幻梦”。

具体来说, 《小时代》出品方乐视影业针对原著的网络点击量、用户特征等相关数据进行调查研究, 并对以往观众对同类型影片的评价、反映进行数据分析后, 按照目标受众接受信息的通常方式传播信息, 通过微博、时尚版预告片等年轻人喜爱的信息接收渠道以及话题炒作方式进行电影宣传。此外, 与其他平台合作的联合推广, 比如此前曾与人人网合作推出“青春纪念册”活动, 与招聘网站合作招聘“《小时代》推广专员”, 与淘宝电影合作的互联网发行等都成功吸引了目标受众[5]。

三、大数据推动电影内容的创新

除了预测票房、为营销策略的制定提供借鉴信息以外, 大数据另一个值得研究的应用在于其对电影内容的影响。目前媒介融合的大势为电影大数据的获取提供了诸多便利, 互联网用户对影视剧的讨论持续升温, 一部电影的口碑、话题性无疑成为反向影响电影题材、内容的重要因素。一般来说, 大数据对电影内容元素较明显的影响在于导演、演员和故事三方面。在此重点从选材、故事内核角度介绍大数据对电影故事元素的影响作用。

徐峥的新片《港囧》再次引发有关“囧途”的全民话题, 电影上映10 天累计票房达12.8 亿, 打破了此前《泰囧》2012 年底创下的12.68 亿票房纪录, 再度刷新国内2D电影票房新纪录, 使得现象电影再次被推上风口浪尖[6]。《港囧》在前期策划时有无专业的大数据分析无从考证, 但电影将喜剧、爱情、冒险、青春等诸多元素融入一炉, 其中元素无疑都是近年来最具话题性的关键词——经典电影情怀、中年危机、初恋情结、青春梦想和爱情。

以2014 年票房收入排名前十的国产影片为例, 这10 部影片中的8部都有与《港囧》相同或相似的电影元素, 这对《港囧》前期策划时的题材内容选择具有可借鉴价值。

从表2 中我们发现, 票房排名第一的《心花路放》也有演员徐峥的参与, 与《港囧》相似的“在路上”情境设定, 虽情节不同, 但片中主角同样都是因为爱情踏上旅程。票房排名第9 位的《一步之遥》和《港囧》的主题、内容方面有很大不同, 但两片都着力宣泄向经典致敬的电影情怀。其他几部影片与《港囧》的电影元素相比, 也有异曲同工之妙。由此可见, 虽然《港囧》上映之后引起了网民大规模话题讨论, 其中不乏负面评价, 但其高票房并非偶然。令人瞩目的票房成绩除了导演、演员的号召力因素以外, 还与电影内容紧贴时下流行元素密不可分。这对电影人运用大数据思维进行电影内容创作有一定启发。

用户数据应用于电影内容生产并非新鲜事, 针对一些数据问题, 例如电影开始多久适合进入正题、故事进入高潮的最佳时间、两个情节点之间相隔多久合适、观众在电影院精力最集中的时间等, 好莱坞早已给出了科学借鉴。悉德·菲尔德经典的“三幕剧结构”理想剧本创作模式揭示了一部电影在结构上最普遍的时间比例分配, 即电影必须在开始后的20-30 分钟之间设置情节点, 电影运行到一半左右, 角色必须采取争取或反抗, 这个转折点通常发生在书面剧本的第60 页左右……而得出这些结论的方式必然是充分的市场调研和数据考量, 这也成为大数据服务于电影内容的雏形。

时下获取用户数据的方式很多, 微博分析、百度指数、数太奇等专业数据统计网站都支持用户数据的提供, 这启发电影人选择合适的讲述方式将时下热点现象、热门话题与电影结合, 成为票房的有力支撑。例如现象级电影《富春山居图》, 电影本身的品质不佳但紧靠文化热点加之明星演员的号召力, 使其成为票房黑马。

四、电影大数据对电影后产品开发的启示

影视大数据在电影方面的应用尚处于探索的初期阶段, 目前仅涉及到票房预测、电影营销方式的变革以及为电影内容提供参照等方面, 更多有价值的应用有待深入发掘, 尤其对内地发展相对滞后的电影后产品开发有重要的启示。

电影后产品开发一直是我国电影业发展的“罩门”。与电影全产业链发展较为成熟的好莱坞相比, 我国在后产品开发阶段的发展滞后是令人头疼的大问题, 严重影响了电影市场结构的稳定和电影产业的整体进步, 因而推进电影后产品开发对我国电影业的持久发展具有重要意义。电影后产品消费实质上属于文化符号消费, 对电影的喜爱程度决定了观众对电影后产品的关注度, 这使得培养观众对电影的消费习惯是电影后产品开发工作的一项长期任务[8]。如何运用大数据时代的优势培养观众的电影消费习惯以填补内地电影后产品开发的空白是值得思考的问题。

需要指出的是, 电影消费不单指电影的票房收入还包括电影后产品消费。当前中国电影市场的普遍症结在于生产、销售和后产品开发等环节各自为阵, 使得电影后产品开发与前期策划脱节。实际上, 电影后产品开发必须具有前瞻性[9]。电影人应将电影后产品开发与电影前期策划、销售等同时考虑。如今大数据的发展程度还不足以支撑电影后产品开发, 主要原因是大数据对深入挖掘观众接受心理存在局限性。但从目前大数据的发展来看, 使电影后产品开发与电影相关联, 形成相互促进的良性循环是可作初步设想的。

目前电影市场上观众年轻化趋势明显, 针对愈加年轻的观众群, 恰当的营销策略能够使电影后产品成为一种特定的文化符号, 形成观众对电影的“向心力”。用户数据告诉我们特定类型电影观众的消费习惯和偏好, 这在电影后产品开发中有重要参考价值, 同时后产品开发也能反向影响观众对电影的关注。另外, 电影销售过程中对该电影文化标识性的强化使得电影后产品具有某种特定的象征意义, 有利于影迷身份认同的形成从而反向促进电影票房的增长, 由此形成电影后产品与电影票房之间相互促进的良性循环。

五、警惕大数据时代“数据暴政”

大数据在电影方面的应用使电影更加贴近观众需求, 一定程度上破解了电影艺术的密码, 有效促进票房增长。但目前来说大数据本身有一定弊端, 一方面作为开放的、目前仍缺乏健全管理体制的平台, 再加上一些不可控因素的影响, 在大数据搜集过程中不可避免会产生信息纰漏, 最明显的表现在于对有效信息过滤的难度以及匿名信息的可信度。虽然目前确有一些技术能使此类问题得到一定程度的改善, 但百分百确认数据的准确性尚有一定难度。另一方面大数据对数据隐私的涉及也一直是专业人士讳莫如深的话题。

此外还有一个更加迫切的问题值得深思, 即过度依赖大数据将可能导致“数据暴政”。这个概念是由互联网专家叶夫根尼·莫罗佐提出的, 大意在于数据驱动的时代里隐私空间和创新能力因数据滥用而被禁锢由此产生不可想象的社会恶果[10]。引申到电影中来, 电影大数据在我国电影业中的应用尚不成熟, 过度依赖很可能会造成电影本体的削弱。大数据时代, 一些电影人出于商业利益的考量将观众口味作为电影素材选取的标准。为了迎合观众口味进行电影创作也是近期现象电影集体爆发的重要原因之一。商业电影迎合观众口味本无可厚非, 但电影除了商业属性之外, 更重要的在于其艺术性。因而电影人不可忽视作品中的人文、美学和伦理价值。而大数据主要来自于量化信息的机械化搜集, 对观众更深层次的感性信息无能为力, 这使得大数据在提升电影的艺术价值方面缺乏指导意义。虽然提升电影人的艺术修养能够达到艺术与商业的融合, 但过度依赖大数据将限制电影人的创作思维, 使创意、灵感的空间大大压缩。长此以往, 必将不利于我国电影业的可持续发展。

六、结语

电影大数据在内地电影业中的应用仍然处于摸索阶段。不管是已经应用的电影销售还是对电影内容的影响, 都还只是“摸着石头过河”, 而电影大数据对电影后产品开发的启示更是如此。电影大数据的发展潜力巨大, 将大数据的应用渗透入电影全产业链对于我国电影尤其是商业电影更贴近观众心理、与时俱进具有重要意义。然而必须警惕的是电影大数据仅仅作为借鉴材料参与电影生产, 电影本体的艺术价值无可取代, 电影人应明确其中利害, 避免本末倒置。

参考文献

[1][3]徐子沛.正在到来的数据革命[M].广西:广西师范大学出版社, 2012:1.

[2]李迅, 王义之.大数据对电影创意和内容管理的意义[J].当代电影, 2014, (08) :4-8.

[4]人民网-文化频道.“小时代3”PK“后会无期”:郭敬明粉丝多韩氏阵营爱对比[EB/OL].http://culture.people.com.cn/n/2014/0808/c87423-25429265.html.2015-10-1.

[5]北京商报.《小时代》:“烂片”口碑中的商业营销[EB/OL].http://www.askci.com/bschool/2015/07/20/142662z03.shtml.2015-07-20.

[6]张静.《港囧》票房已超《泰囧》徐峥作品何以如此卖座[N].扬子晚报, 2015-10-05.

[7]刘嘉.2014年国内电影市场综述[N].中国电影报, 2015-01-21.

[8][9]刘藩, 赵玉琦.中国电影后产品几时火起来?[N].人民日报海外版, 2012-04-09.

大数据技术对电影产业转变的分析 篇7

1 大数据的概念和应用价值

1.1 如何定义大数据

从技术层面来讲, 大数据是一系列信息技术的集合, 包括数据采集、管理、处理、分析和展现5个技术环节[1]。其中, 数据处理和分析技术在当今变革很大, 也是整个大数据技术的核心部分。当前, 最为先进的大数据处理系统产自谷歌公司, 早在2006年谷歌公司就率先提出云计算的概念, 而支撑其大数据系统背后运行的正是一系列的云计算工具。以谷歌公司的GFS和Map Reduce为代表的系统不仅数据处理速度快, 而且处理成本低, 因而被广泛应用。

技术支撑固然重要, 但是大数据带来的思维的变革和认识的飞跃同样值得关注。在《大数据时代》一书中, 大数据被解释为“是用一种人们前所未有的方式, 深入分析海量的数据, 从而得到拥有不可预估价值的产品或服务以及对某领域有深刻影响的洞见。”[2]如果把大数据看作一种产业, 那么这个产业盈利的关键点在于对于信息的加工。定义大数据不是关键, 侧重点应该放在如何提取数据中蕴含的价值, 将“大量数据”变为“大数据”。

1.2 目前的社会应用

2013年经常被称为“大数据元年”, 有的学者预测“大数据”将会像当年带来聚变的工业革命一样, 对现有的模式进行挑战。人、机、物三元世界的高度交融触发了数据总量的爆炸式上升和数据形式的繁杂化, 世界已经进了大数据时代。[3]虽然现在还未能看到大数据的全部面貌, 但它带来的新思维、新功能和新模式正在影响着社会各行业。

大数据在医疗和生物医学方面的应用具有极大的挖掘价值, 诊疗效率的提高、治疗方案的确定、医疗成本的控制、流行病预测与人类基因数据库的分析等方面已经初现成果, 也为商业营销提供了新的思维模式, 消费者的购物行为会被量化并记录下来, 用以分析每位消费者的购物习惯或者产品改进方向, 再将定制后的促销信息推送回到消费者。在教育方面的应用也颇为广泛, 世界领先的终身教育服务商之一卡普兰 (Kaplan) 的前总理创立了一套著名的适应性学习体系, 名为Knewton。该系统的优点在于具有内部自身行为反馈环, 该体系能够以学生的活动和表现为基础, 利用对学生、教师提供的反馈来优化自身的学习行为。

2 大数据技术对电影产业链的重塑

传统的电影产业链主要包括电影制片、发行、放映等流程。[4]其中电影制片方是完成电影的投资、拍摄和后期制作, 也就是全套的电影生产过程。下一环节是发行公司向制片商购买发行权, 之后负责影片的营销推广。最后, 发行方再与院线公司合作, 由院线公司统一管理, 统一排片, 将电影在合作院线的电影院放映。在这种产业结构下, 通常各个产业机构相互之间是相对独立的关系, 不会或者很少与其他的环节相互联系。然而, 互联网对于影视行业的加盟无疑使传统的电影产业面临挑战。

2.1 众筹投资

2014年3月26日, 阿里巴巴旗下的数字娱乐事业群联合金融机构共同宣布打造新一代“宝”——娱乐宝平台。娱乐宝是一种增值服务平台, 吸引人之处在于普通网民只需出资100元就可以实现对热门影视剧作品的投资, 同时预期的年化收益润高达7%。首批成为娱乐宝投资项目的电影有:《狼图腾》《小时代3》《小时代4》以及由孙周担任导演, 小沈阳和王宝强主演的3D制作喜剧电影《非法操作》。仅仅几天的时间这些项目全部告罄, 有22.38万网友通过娱乐宝平台参与投资, 共计78.5万份, 总金额7 300万元。

众筹形式的出现, 对于电影人来说, 或许是他们喜闻乐见的结果。该形式的出现, 首先在一定程度上缓和或规避了创作人和投资人之间的意见不合的问题并且最大限度地保证了电影原创性。[5]更重要的是众筹电影具备一种与生俱来的优势:它突破了传统的电影链条, 能够让电影制作人在第一时间得到来自观众的最真实反馈, 这个过程中制作方可以通过大数据预测这部电影的未来市场效应、对某个演员或者剧本的喜好程度等, 这都是来自用户的第一手数据, 将成为电影市场的新风向标。这样一来, 就能在电影上映之前, 根据提前获得数据对市场进行测试, 通过预判随时调整计划, 无形之中降低了电影发行的风险。

2.2 内容创作

电影《小时代》系列、《爸爸去哪儿》与《老男孩》等非传统意义的电影票房大卖是源于对大量的原始数据进行收集和分析, 从而获得了对市场的精确定位, 具有明确的电影制作生产过程。《小时代》系列电影在起初就明确了之后的路怎么走, 无论是在演员的配置、剧情的发展, 以及上映时间的安排和日后的宣传策略, 都由消费者决定。这与以往许多电影的生产制作的理念相左。电影内容生产者和消费者的职能发生了扭转:拍什么题材、用什么拍摄手法、请哪些明星来拍等, 都是由受众来决定。

最近, “IP电影”成为主打旋律。IP (Intellectual Property) , 即知识产权, 这是中国电影第一次自创的新概念。IP可以分成三部分:著作权、专利权、商标权。拥有一个故事或者形象的知识产权意味着不但可以围绕着这一产权源源不断地挖掘商业性的价值, 而且将其包装成不用媒介形式的产品。[6]有的评论人称, 这是互联网资本对电影的深度介入产生的结果, 也是中国电影近年内各方面力量的博弈融合。[7]

《捉妖记》《煎饼侠》等都是从不同领域的IP转换到电影行业。早在《煎饼侠》上映之前, 该片就已经拿到了第五届北京国际电影节的“年度最具网络热度IP奖”。《煎饼侠》导演、也是该片的主演董成鹏竟是一位电影圈的新人, 投资仅仅两千多万元, 在首映当天该片就打破了2D电影的单日票房纪录, 上映不到两周就拿下了十几亿元的票房大关。而这背后有一段长时间的积累过程。在2007年董成鹏借助搜狐网的平台, 开创了网络首个脱口秀《大鹏嘚吧嘚》, 凭借风趣的语言和多渠道的互动迅速引起了网络热议。2012年, 大鹏自导自演的系列网络喜剧《屌丝男士》使其本人一炮而红, 成为当时最红“屌丝”形象的代言, 并且该剧前三季的点击率就已经突破了27亿。这无疑为《煎饼侠》票房黑马的横空出世做足了充分的准备, 票房飙升是水到渠成的事情。

相对于电影人的“观众”, 互联网企业还是更多的使用“用户”一词。电影内容的生产者和消费者之间的界限开始变得模糊, 用户的数据, 无论来自社交网站的话题还是视频网站的痕迹等都可能成为电影制作方关注的焦点, 根据观众的喜好来选择角色的配置、决定剧情的走向, 从而得出策划方案, 这种方式更容易量化风险和投资回报。这打破了传统电影内容单一的制作方式, 挖掘潜在需求推动创新, 也为电影项目的设立打开了新的思路, 在将来也有可能改变电影的游戏规则。

2.3 定位营销

社交网络是目前极具影响力的互联网产品, 无论是国外的Facebook、Twitter, 还是国内的微博、人人、微信等也是电影宣传、营销的重要阵地。在这些平台上营销方与观众都是用户, 便利性和平等性让双方能够更好地互动。社交网络为电影观众提供了交流体验和消费分享的高效平台, 也使营销方与潜在观众的双向互动, 引发热点话题、监控舆论环境成为可能。

据艺恩统计数据, 2014年全国观影人次达8.3亿, 其中主打电影O2O (online to offline) 的第三方票务平台 (含在线选座和团购) 出票量占比达53%, 2015年3月在线的购票率已经超过了线下。目前, 移动互联网的线上选票平台众多, 竞争也十分激烈, 其中猫眼电影 (地推强大、运营策略灵活) 、大众点评 (强大的休闲娱乐入口) 、格瓦拉 (服务和用户体验著称) 、抠电影等已经形成了一定的品牌影响和营销优势。

线上订购电影票逐渐改变着国内传统的购票方式, 这一改变也带动了电影放映行业的升级与重塑, 为片方和消费者之间提供了新的连接途径, 例如:猫眼电影主打手机客户端的购票, 在手机界面就能轻松地获得电影票的优惠信息以及影院附近的购物、餐饮等服务, 更重要的是猫眼电影拥有一亿多的会员用户, 一方面依托大数据分析, 将电影信息精准地推送给用户;另一方面在于发行方能够在电影的上映期间实时掌握精准的票房信息, 了解观众动态, 既能够为制片方和发行方精准定位不同时段、不同地点的观众数据, 从而使电影的营销更具有针对性和灵活性, 也可以为影院带来影片排期的最好建议, 将电影精准地释放到影院空间, 科学安排影院上座率。与传统的排片相比, 这也为影院带来了新思路。

3 对未来电影业形式的展望

“媒介即讯息”是媒介环境学者麦克卢汉提出的著名观点。传统的技术观认为, 媒介只是一种承载工具, 并不能对自己所传递的事物或者信息有所改变。而麦克卢汉则认为, 这是一种被技术特有的本质所遮蔽的技术观念, 忽略了技术在人类社会中对人类本身及其生存的环境带来的影响。他认为, 媒介所发出的每一种信息都代表着一种变化, 或是规模, 或是速度, 也可能是类型的变化。“不论是何种形式的传播媒介, 由于该媒介的使用而对社会产生的强烈冲击, 都远超过传播过程中的实质内容。”[8]所以信息在某种程度上是以一种技术的形式在呈现。

基于互联网平台出现的大数据技术在电影方面应用并不是简单的单向性的线性影响, 而是一场化学反应, 就目前来看, 产生的波澜是巨大的。互联网与电影相结合不过是近几年的事情, 大数据技术在电影中的使用也只不过一两年的时间, 然而, 就电影媒介而言, 无论是制作方面的数据思维模式还是消费群体方面的行为习惯都产生了认识论和方法论层面的改变。电影产业链从制作到营销再到上映, 各个环节似乎都处在被打乱重新洗牌的现状。我国观影需求的大幅度激发以及连年电影票房的飙升, 实际上也是与互联网加盟电影的技术层面的时间几近并行。

大数据不能被神化, 也不能看作互联网时代的电影业的救命稻草。还要回归电影本身而非概念, 重视电影内容质量的提高。华裔媒介环境学者提出“文化/技术共生论”, 这个视角认为媒介的传播技术和影响结果之间不是简单的线性因果关系, 而是循环往复的复杂关系。强调一种在媒介技术与事件结果之间的一种“互动”的、双向的、互相依存中的持续影响。

4 结语

伴随互联网诞生的大数据技术在电影产业链的应用也变得广泛起来, 无论是在电影内容的生产、融资还是营销方面都起到了重要作用。

虽然当今电影业的面貌今非昔比, 但是电影内容有待丰富, 行业秩序也需进一步建立。作为新媒介技术出现的大数据也需要加强交互模型和分析方法的建立。当然, 互联网进一步深入影视行业并伴随着大量资金的涌入和观众消费的积累, 市场会出现成熟的可能。

参考文献

[1]栗蔚, 魏凯.大数据的技术、应用和价值变革[J].电信网技术, 2013 (7) .

[2][英]维克托·迈尓-舍恩伯格, 肯尼思·库克耶.大数据时代[M].盛杨燕, 周涛, 译.杭州:浙江人民出版社, 2013.

[3]Gantz J, Reinsel D.The 2011 Digital University Study:Extracting Value from Chaos[J].International Data Corporation and EMC, 2011 (6) .

[4]于嘉.2003年以来中国电影产业之产业链发展研究[D].济南:山东大学, 2011.

[5]杨楷.众筹电影:属于草根的灰姑娘之夜[J].颂雅风·艺术月刊, 2014 (12) .

电影大数据 篇8

1 大数据时代对电影产业的影响

现代大数据时代的到来, 数据在电影产业中占有重要的地位, 是一项不可忽视的资源。电影产业是一项传统的行业, 大数据时代的初期兴起, 对电影产业造成了一定的影响, 分析如下。

1.1 产业多元化

传统的电影产业是单一的, 受到大数据时代的影响, 电影产业朝向多元化的方向发展。大数据时代冲击下, 互联网成为承载电影的主要平台, 如:网络电影、微电影等, 近几年, 非传统的运营商层出不穷, 添加了电影产业的竞争关系, 消费者对互联网的追求, 对传统电影载体有一定的冲击, 可见产业多元化对电影产业的影响[1]。产业多元化, 虽然加重了电影产业的竞争力, 但是也拓宽了电影运营的途径, 通过多方渠道提供消费平台。

1.2 整体稳定性

大数据时代在电影产业中引入了分项的产业, 电影产业的整体稳定受到很大的影响, 当大数据技术自身作为一部分加入到电影产业中, 也就意味着电影产业会在整体稳定性方面做出变革, 必须系统地维持产业的稳定。传统电影产业在发展中, 必然会受到大数据的影响, 如何抓住机遇并面临挑战, 成为电影产业关注的问题。基于大数据时代的电影产业, 应该在技术、营销、处理等方面进行变革, 维护产业的稳定发展。

2 电影产业在大数据时代下的变化

电影产业在大数据时代下的变化, 主要体现在商业模式、数据分析两个方面, 均对电影产业造成很大的影响。

商业模式注重电影产业中的产品服务, 可以控制电影产业链和电影市场, 在大数据基础上的商业模式, 为电影产业提供海量的数据, 能够降低电影产业链中数据统计的难度[2]。例如, 电影《港囧》, 其在上映之前, 已经有数据公司专门预估了《港囧》电影的票房, 分别给出10亿、15亿和20亿的票房数据参考, 数据公司的票房参考信息, 可以给电影的上映提供指导, 电影行业可以挖掘出更有价值的商业信息, 促进商业模式的信息化发展, 保障电影的前瞻性。

数据分析是大数据技术的核心, 其在电影产业中占有重要的地位, 成为电影产业的一个项目, 专门为电影产业链提供相应的数据。数据分析在电影产业中, 改变了行业的分析方式, 更加注重数据的加工, 筛选海量的数据信息, 应用到电影产业中, 而且数据分析对电影产业的改变, 不仅体现在表面, 也表现在电影产业的实质中, 确保电影产业跟上时代的发展速度。

3 大数据时代电影产业的机遇

大数据已经成为现代电影产业的背景, 电影本身是一类系统的产业项目, 其中涉及到多利益, 受到大数据的影响, 所以大数据带来的机遇, 为电影产业的发展提供必要的条件。下面结合现代电影产业的状态, 分析大数据提供的机遇。

3.1 市场定制

大数据时代下, 电影行业可以利用互联网分析消费者的需求, 按照市场定制电影类型。近几年, 电影市场朝向多元化的方向发展, 主要是通过大数据, 调查消费者的喜好, 进而确定电影的发展方向。大数据提倡电影的多元化发展, 不同消费者的需求不同, 多元化的定制方式, 能够满足消费者的多种需要, 丰富电影结构[3]。市场定制的影响, 将消费者的行为、心理搬上荧幕, 广泛受到消费者的好评。大数据提供的市场定制机遇, 强调了“消费者”、“心理需求”、“个性选择”等关键词, 直接拓宽了电影产业的范围, 不局限于某一个拍摄题材, 促进了电影产业的发展。

3.2 规范投资

投资是电影产业发展中最为关注的项目, 投资中含有较高的风险, 也是体现电影价值的一项因素。在电影市场中存在投资人不获益的情况, 因此, 大数据时代为电影产业的投资提供了规范的手段。在电影未投放到电影院之前, 通过大数据计算, 可以掌握设计、定位、广告等方面的基本费用, 投资人参考数据后, 理性地进行投资, 将电影产业的投资转型为“数字驱动”, 同时还能规范电影产业的整体投资市场, 保障投资人的利益回报。

3.3 衍生产品

衍生产品在电影产业中逐渐成熟, 其中不可忽视大数据时代提供的机遇。大数据为电影衍生品提供了销售的途径, 满足大量消费者的需求, 促使衍生品成为电影市场中的重要产业链。例如:胡巴、小黄人等, 都是畅销的电影衍生品, 大数据在衍生品中, 提供了线上销售的机遇, 而且也是由于衍生品的存在, 带动了电影的发展。电影市场通过数据分析, 向消费者提供衍生品, 表明现代电影对消费者的重视, 消费者自身可以感受到电影行业的进步, 拉近了两者的关系。

3.4 营销策划

网络营销是大数据时代带动电影发展的一项手段, 经过大数据的分析, 电影发行商掌握消费者的喜好, 准确定位电影市场, 很好地抓住电影的卖点。营销策划中, 利用了大数据对消费者的调查, 影片在发行前期, 发行人通过大数据技术, 了解了该影片的目标人群、年龄范围以及消费水平, 从而制定恰当的营销策略。例如:《大圣归来》电影的营销策略, 大数据调查了不同的消费群体, 70%是年轻化的消费群体, 其营销策划中, 主要传播四项要素, 即:有情怀、有格调、有态度、有诚意, 利用微信营销和微博营销的方式, 为营销策划提供平台, 电影未播出前, 已经出现了大量的口碑评价, 已经成为《大圣归来》影片良好开端的标志。

3.5 利润分享

利润分享是电影产业的发展方向, 随着大数据时代的到来, 电影产业按照消费者的需求, 改进了商业模式, 提升了经济效率。在大数据时代中, 电影产业选择利润分享, 确保了经济利润分配的公平与公正, 发行公司、投资方等, 均可分到相应的利润, 以经济为基础, 电影产业链上的各个环节, 都可以处在优质的状态, 由此为电影行业提供高水平的支持。

4 大数据时代电影产业的挑战

大数据时代为电影产业创造机遇的同时, 也带来了诸多挑战, 电影产业为了立足传媒行业, 必须准确地判断电影市场, 将大数据时代的挑战, 转化为发展的动力。

4.1 创作挑战

电影在创作上, 比较重要的一点是创新, 以特殊的视角向消费者展示故事情节, 并不是单纯依靠大数据就可以完成的。虽然大数据技术可以分析消费者以及电影市场, 但是并不能决定电影的细节及制作, 在电影创作上形成很大的挑战。大数据推动了电影产业的发展, 电影人可以参考大数据, 制作时还要做到创新。目前, 多数电影人会担心大数据带来的创作挑战, 部分电影人过分利用大数据, 忽视了电影制作的本质, 导致电影创作停滞不前, 严重缺乏技术性[4]。现代大数据时代下的互联网公司参与电影的选择, 增加了电影创作挑战的压力, 间接减少了电影中的创作成分, 进而降低了电影产业的价值。

4.2 时效挑战

大数据时代对电影产业的时效挑战, 是指电影行业通过大数据技术, 获取了大量的数据, 盲目地分析电影数据后, 预估市场价值, 体现了大数据的预见性, 实际大数据是在以往发生事件的基础上, 为未知事物进行分析, 最终的分析结果不代表是必然事件, 而且在大数据操作的过程中, 时间发生变化, 大量数据达不到时效的要求, 如果电影产业对大数据技术的利用不当, 即会影响电影产业的未来发展, 致使电影产业陷入到危机状态。因此, 电影产业在面对大数据时代时, 需要明确时效方面的挑战, 参考大数据分析, 同时考虑各项数据存在的滞后性特点, 有选择地进行数据应用。

4.3 优化挑战

大数据技术在电影产业中, 了解了消费者自身后产生数据, 而且各项数据均是按照消费者的价值设定, 分析数据出现机械性、非客观的特点, 实际缺乏优化。例如:电影行业获取海量数据, 数据中包含了所有需要的元素, 如果电影行业没有能力甄别、筛选, 海量数据可能会掩盖电影产业需要的真实信息, 因而电影行业无法掌握消费者的心理需求。机械数据的存在, 对电影产业提出了新的要求, 促使电影产业面临着优化挑战, 将电影作为产品, 通过数据优化的方法调整产品所需的数据, 以消费者为中心, 挑选可用的数据。

5 电影产业在大数据时代下的发展

电影产业在大数据时代下的发展, 越来越精细化, 在机遇和挑战并存的时期, 电影产业同样可以找准发展的关键。在大数据环境中, 电影产业的重点放在消费者方面, 充分体现人性关怀, 电影是群体的延伸, 通过电影表现人的群体, 而电影所需的素材, 需要大数据技术的归纳与总结。

大数据时代对未来电影产业的影响, 虽然有一定的风险, 但是潜在发展的机遇, 促使电影产业在竞争中学会求生存, 在坚守电影本质的基础上, 寻找到创新的元素, 融入到电影产业中[5]。电影产业要充分利用大数据技术提供的环境, 创建具有发展力的环境后, 不断提升电影的价值, 同时注重价值的挖掘, 将大数据技术应用到电影行业的各个产业链内, 推进电影产业的良性发展, 满足社会及消费者的需求, 彰显大数据时代下电影产业的优势。

6 结语

大数据时代的成熟发展, 势必影响电影产业的发展, 面对大数据时代影响下的电影市场, 产业应该衡量机遇和挑战, 稳定地占领电影市场。电影产业可以将大数据作为一项工具, 利用互联网提高电影产业的经济效益, 促进电影产业的市场化、国际化发展, 既可以通过大数据促进传播, 也可完成国内外电影产业的互动和交流。电影产业在大数据时代引领下的机遇和挑战, 都是电影产业发展中不可缺少的因素, 可以辅助电影产业发挥各项功能, 提高电影产业的绩效, 由此可见, 机遇、挑战的存在, 推进了电影产业的未来发展。

参考文献

[1]唐瑶.新媒体时代中国电影营销的问题与对策[D].辽宁大学, 2012.

[2]刘婧.大数据时代下中国电影营销的问题与对策[D].兰州大学, 2014.

[3]童杨帆.大陆微电影发展现状与产业化路径探析[D].西南交通大学, 2014.

[4]朱永德.网络2.0时代电影版权面临的挑战、机遇和对策[N].中国电影报, 2009-11-19.

电影大数据 篇9

虽然大部分电影受众已经习惯于新媒体给予自身主动选择的权利, 但是, 在媒介融合的背景下, 大数据技术让这部分电影受众再次进入影院成为可能。电影受众的回归会增加影院电影更多的市场份额, 从而调节和平衡电影与新媒体之间的受众分布。本文试分析在受众互动接受的过程中电影大数据的特点和作用, 描述和解释在媒介融合的过程中电影受众互动接受的方式以及电影大数据的运用模式。

一、电影大数据:电影互动接受的数字表征

大数据所指涉的是一个体量规模和数据类别都特别大的数据集, 并且这样的数据集无法用传统的数据工具对其内容进行截取、管理、整理、分析和处理, 很难成为人类所能解读、理解和运用的信息。大数据在功能性上具有全样本的特性, 它的覆盖范围广泛、全面, 具有较高的有效性, 避免了抽样统计随机波动带来的影响。大数据分析思维方式颠覆了传统的统计推断的演绎模式, 转变到数据挖掘和可视化技术相结合的层面。维克托·迈尔-舍恩伯格把大数据时代比喻成一场寻宝游戏, “人们对于数据的看法以及对于由因果关系向相关关系转化时释放出的潜在价值的态度, 正是主宰这场游戏的关键”。[1]

对于电影行业而言, 笔者认为, 电影大数据是指以传统影院银幕和移动化终端屏幕为载体, 利用互动式数字化新媒体运行, 在电影作品的创作、生产、传播、发行和接受等环节过程中产生的海量数据信息以及对其存储、处理和呈现形式的总称。电影大数据不仅产生于电影传播的整个过程, 而且来源于新媒体技术的发展。也就是说, 电影大数据依附于电影的新媒介技术, 是媒介融合的产物, 如果没有新媒介的出现, 电影大数据也只能是纸上谈兵, 因此, 新媒体成为电影大数据的技术基础。

另外, 在电影大数据的背景下, 电影概念逐渐被视听概念所取代, 电影看似被新媒体所解构, 同时也与新媒体不断融合。就受众而言, 对电影概念的接受也逐渐向大范围延伸, 因此电影的外延不断扩大, 边界越来越模糊化, 这意味着受众主动性权利的增加:在空间上, 受众观影的地点由为数不多的剧院延伸至个人手中, 从单一的公共集体空间向多元的私人空间转变;在时间上, 受众从短暂的院线时间中彻底解放出来, 受众可以自主地决定观影时间, 更具有灵活性和宽容性;在接受程度上, 受众不再拘泥于档期和兴趣点不符合而带来的困扰, 而有更多的选择性。如此, 电影的接受过程不再是单一被动的大众传播模式, 而更多地是通过自主选择的方式体现出双向互动接受。电影的互动接受以电影大数据作为量化指标, 让我们能够了解到不同受众在互动中的接受程度、心理变化、传播效果和接受反馈等情况。新媒体介入电影, 电影受众的互动接受能力变得更强, 接受方向显得更明晰, 目标更清晰。大数据时代, 电影的互动接受过程可能实现全程数据化, 所有过程都以大数据的形式存储起来, 在受众与电影不断互动的过程中, 电影大数据变得越来越丰富、有效和实用, 大数据“客观”再现了电影与受众之间的互动接受过程。

二、跨终端的互动接受:电影大数据与媒介融合

在新媒体语境下, 电影的媒介形态不能仅限于银幕。电影努力尝试利用IMAX等巨型屏幕、3D技术等新形式克服自身媒介载体的局限性, 增添视听元素的创新点, 但是只能激发受众一时兴起, 而不能培养受众永久性的接受习惯。因此, 电影必须寻求媒体突围的方法, 大数据在电影与新媒体整合、准确定位受众等方面发挥了至关重要的作用。电影大数据要求全面地采集、搜索和整理到受众的数据, 以便有效地对目标受众和潜在受众进行分析和研究, 以便更好地指导电影创作, 为电影的有效营销服务。那么, 对于影院电影而言, 电影数据的采集比较有限, 难以满足数据的全面性;从受众接受需求的角度看, 媒介融合是市场的导向, 来源于受众互动的选择, 电影的媒介融合更先于电影大数据技术。

然而, 电影媒介融合的一大特点是终端多元化, 能够满足电影在不同载体上进行播放, 以人性化的方式保证受众接受的便捷性。电影的媒介融合必然通过跨终端的形式打破自身媒介的局限性, 延伸多个媒体触角, 实现受众到达率最大化;在内容生产方面, 电影大数据分析实现互动接受的有效性。在内容与终端之间需要搭建一个信息共享处理平台, 以便实现大数据处理和内容传播。因此, 电影受众互动接受的过程主要包括终端大数据、内容大数据和信息共享处理平台。 (见图1)

(一) 来源于多元化终端的电影大数据

电影开始突破银幕的限制, 诸如IMAX等大屏策略已经进入瓶颈期, 采用小屏战略, 将电影的播放媒介延伸到电视屏幕、计算机屏幕、平板电脑屏幕和手机屏幕等终端, 最终形成与影院电影共存的微电影、网络电影、移动电影和互联网电影等电影新形态, 电影接受多屏互动的理念, 实现与受众的互动, 在受众的互动接受中创造出更多的价值。这些多元化的终端每时每刻都在存储信息和数据, 如受众个人的基本信息、社交媒体发布和评论的信息以及观看电影的行为信息, 等等。

(二) 来源于一体化内容的电影大数据

内容整合是媒介融合的重要方面, 对于电影而言, 内容整合主要是电影文本的整合, 在电影创作的过程中如何适度地把握人物塑造、剧情设置、场景配置、灯光音响等各种元素, 再将这些元素有效整合成为一部完整的作品, 并完成在院线和网络上的播放。与导演中心制或制片人中心制相比, 媒介融合下的电影受众更多通过新媒体的形式进行参与创作, 制作方通过大数据获得受众的“期待视野”, 并影响最终作品的形成。

(三) 电影大数据信息共享处理平台

电影文本发布和媒介终端呈现之间需要建立能够处理电影大数据的中间平台, 这个平台不仅收集、存储和整理来自终端和内容两方面的数据, 而且作为电影与受众互动接受的技术平台, 实现受众对多元化终端电影接受的非线性互动。互联网电影正需要这样的信息处理平台, “所有线上线下参与的过程都是一种观影体验, 从宣传到上映, 都是内容的一部分, 大家在消化这些东西的时候已经进入了观影过程, 观影不光是在电影院里, 包括之后的互动交流, 都是在享受完整的平台服务”。[2]

三、人本位的互动接受:电影大数据的分析模式

电影大数据的理想模式是以受众为核心, 以受众接受为重要目的, 为受众量身定制不同需求的电影作品, 帮助电影发行商获取高额回报。在电影市场的驱动之下, 人本位的思想必然是电影大数据分析模式中至关重要的环节, 在互动的过程中, 尤其关注受众接受对电影的反馈和期待, 找寻电影创作和受众接受之间的一个契合点。电影在传播和接受的过程中的主动性并不是受众自发性的, 而在于人与电影之间的契合, “甚至不再是一个主动搜索的过程, 而是关系匹配、兴趣耦合、应需而来的过程, 传播就是响应或点燃那些人们已经蕴含在内心、表达在口头、体现在指尖的需要”。[3]对于电影产业而言, 受众与市场是同一个概念, 受众对某一电影商品的接受度越高, 说明其市场需求越大, 就可以针对该电影的影片类型、演员角色和故事情节等元素进行合理整合。电影大数据能够在受众的互动接受的过程中记录和存储相关信息, 为电影文本的合理整合提供相应的分析资料和数据。

风靡一时的电影《小时代》凭借大数据的东风创造了院线票房的奇迹, 成为结合电影大数据进行电影与受众互动接受的成功案例。《小时代》的成功主要在于关注受众、关注人、关注电影消费者。第一, 利用相关性进行预测。《小时代》利用新浪微博并且抓取了相关大数据完成了事前测算, 如《小时代》的40%的忠实受众关注了湖南卫视主持人的微博。[4]用大数据做预测更加关注的是相关关系, 而不是因果关系。《小时代》只考察了受众的忠诚度与湖南卫视之间的相关关系 (并没有认为关注湖南卫视主持人微博的人就会成为《小时代》的忠实受众) , 利用忠实度与主持节目的相关性显著, 进而在《快乐大本营》上展开宣传。第二, 获取并挖掘终端大数据的受众接受特征。通过对《小时代》的微博数据挖掘, 发现其受众平均年龄为20.3岁, 女性受众超过80%, 积极参加话题和传播的区域集中在湖北、四川、浙江、江苏等省的二三线城市, 受众群体喜欢用苹果手机发微博, 对影视娱乐明星的关注比例高达80%, [5]等等。第三, 根据大数据受众接受特征定位目标市场。更易于接受《小时代》的电影受众都具有共同特征, 如根据年轻女性的审美需求, 加入更多的时尚、帅男、艳色等元素, 将目标区域定准于二三线城市等等。

尽管《小时代》基于电影大数据框架的营销经验可圈可点, 但是尚未形成一套完整的大数据分析体系, 而且缺乏系统的抽样分析与全数据相结合的分析思维, 以及精准的建模算法的能力。

大数据应用于电影互动接受的过程, 本质上是对受众人性还原的过程。通过关注、采集、分析和挖掘受众留在互联网终端的痕迹, 我们可以刻画出某一类型受众群体的电影兴趣爱好以及观影的行为习惯。让受众互动接受更具有随意性和耦合性的特点, 使得电影受众特征并非轻而易举地能够再现出来。正如舍恩伯格所言, “运用强大的统计工具, 我们能够理解抓取到的大量数据, 而且能够提取其中一些潜在的价值……但是, ‘大数据’也会增加抓取更多数据以及将它存储更长时间的压力, 对数据的过分痴迷会让人唯恐丢失一些可能获得的潜在价值”。[6]电影制作方希望找到更明确化的目标受众而不愿意失去任何一个创造潜在价值的信息, 却承担大数据冗余信息带来的大成本和高风险。那么, 一个更加理性的办法是, 在电影互动接受过程中, 对大数据进行删除和选择, 通晓电影大数据的取舍之道, 采用有效实现人本位的大数据分析模式。

四、社交网络的互动接受:电影大数据的效应

换个角度来看, 《小时代》的成功还归功于以微博为主的社交媒体。据统计, 到2014年11月底, 《小时代》共发布了1791条微博, 吸纳了64.8万粉丝。社交媒体与电影的结合, 成为电影产业模式上的一大创新点。社交媒体是互动性强的自媒体, 传者和受者之间具有平等的地位, 能即时进行身份的对换, 传者和受者之间的界限更加模糊, 身份更加重叠。电影受众在社交媒体之间进行互动, 对某一电影或电影话题进行关注和评论, 无论什么样的电影以及话题, 电影受众总能在与社交媒体的互动中形成自己的观点, 并试图在众多舆论中找到与自己相一致的观点, 从而接受社交媒体所传达的信息, 此时电影受众极有可能成为传播者, 以加强或削弱社交媒体上的某一类舆论, 多次的互动之后加强了电影受众的接受程度。社交媒体能够通过这样自由、开放和平等的方式吸引自己的受众, 同时形成引导某种共同价值观的凝聚力, 那么拥有某一共识的社会媒体受众就会不谋而合地成为具有共同属性的社会化网络。对于具有同质性的社会化网络而言, 电影大数据能够提供更详尽和准确的数据支持和理论预测, 对社会化网络的分析能够明确受众定位和细化市场。

(一) 口碑营销

社交媒体应用于电影产业中, 由于碎片化、随意化、分散化和自由性等特点, 其传播效应更多的是作用于人际传播的层面, 建立良好的口碑更有利于对电影知名度、电影品牌的推广和宣传。根据所挖掘出的大数据特征, 电影的宣发部门应该更多重视在社交媒体上建立口碑, 以便能够形成几何量级的关注模式, 从而增加深度的潜在受众, 营造更广泛的互动接受状况。电影《小时代》播出前, “小时代”已成为新浪娱乐和新浪微博影视排行榜第一的热词;预告片发布不久, 在新浪、腾讯微博被转发超25万次, 点击量过500万;在图书商城中的同龄读物中, 《小时代》销量超过2443万册, 是其他读物的数倍。[7]

(二) 群体营销

在新媒体语境下, 电影市场已被细分, 越来越多的受众更加关注适合自己兴趣的电影作品, 更加多样性、多元化的电影需求正在逐渐形成, 任何一种电影类型或电影元素都会成为电影受众接受的可能性, 这让电影的生命力无限延展。在这样的趋势之下, 由社交媒体所形成属于某个社会化网络的受众具有群体性的特质, 这些受众之间具有同质性。数据挖掘的手段也容易发现这些群体性的特征, 在这个电影营销的过程中, 关注和把握群体性特征的共性而非个性, 更有利于加强和巩固电影受众的接受程度。

五、传受共生:大数据促进互动接受价值链升级

在媒介融合的背景下, 小屏互动、台网联动等媒体融合过程不会影响或改变电影产品的制作流程和传播途径, 电影仍然可以保持从制作、宣传与发行, 到电影放映, 再到电影后产品开发等一系列生产过程。新媒体的介入对于前三个阶段没有实质上的影响, 只扩大了电影二次传播中的影响范围, 拓展了电影产品的再利用能力。在三网融合的背景之下, 影院电影在退出院线放映以后, 大多以数据的形式存储和保存起来, 为了开发电影的潜在价值, 这些数字电影资源将被放入互联网, 通过无线通讯网和有线电视网进行后续的增值, 电影受众的社会角色更加丰富和灵活, 易于更广泛地互动接受。但是在这个阶段, 电影的价值会以版权的形式来体现, 更多的增值是能够带给互联网和移动媒体更多的赞助收益和广告收益。电影的媒介融合过程, 不仅为影院电影开辟了更广阔的价值空间, 而且能够扩展电影的传播——接受模式, 增加了电影的互动性, 丰富了电影受众的互动接受过程。

然而, 在媒介融合的过程中, 电影大数据对整个受众互动接受过程和电影制作流程会有更大的影响, 电影的制作流程和传播途径从单向的开放式关系转变成了闭合式关系。从图2可以看到, 大数据的收集、整理、挖掘和分析工作贯穿整个电影制作流程和电影受众接受过程。但是通过大数据技术, 在电影接受环节和电影制作环节其实已经形成一种相互期待和相互反馈的模式。受众“通过电脑或移动终端在互联网上观看影片不仅是艺术欣赏的过程, 也是用户同隐藏在视频背后的网络程序交互的过程。正是这些应用程序赋予网络视频以互动……我们可以了解到用户在观看影片过程中对影视作品的情感、态度, 以此来指导后续的创作”。[8]电影大数据直接作用于挖掘和分析电影受众在互动接受的过程中的兴趣爱好、观影行为和消费特征, 为电影制作环节提供数据支持, 并且直接影响到创作层面, 创作出满足电影受众需求的电影产品。这种量体裁衣式的电影产品正迎合了电影接受美学“读者中心论”的理论诉求。他们认为, 在观赏电影的过程中, 读者 (电影受众) 的接受不是被动的反应, 而是主动的, 具有推动文学 (电影文本) 创作过程的功能。其次, 电影大数据技术还指导电影宣传发行和二次传播, 在多屏联动的过程中形成新的数据结构, 然后再次作用于电影的创作和接受过程。再次, 电影受众互动接受的过程是电影商品价值属性实现的过程, 电影利用大数据技术进行受众数据挖掘和拍摄, 这一过程创造了电影的数据价值和文本价值, 两者共同构成了电影的内在价值;根据数据特征进行宣发, 建立良好的口碑营销效应, 为电影增值, 具有品牌价值, 在进入院线和后产品的开发过程中, 最终形成电影的市场价值。电影互动接受价值链在每个环节上都引入了大数据技术, 为电影互动接受增值升级提供了良好的保障。

六、结语

电影大数据是伴随新媒体技术和媒介融合现象而出现的, 利用海量数据挖掘电影受众特征是再现电影与受众互动接受的过程。电影试图突破银幕的限制, 以跨终端的互动接受形式进行多屏联动、台网融合。电影的外延在媒介融合的过程中不断拓展, 形成了与传统影院电影并行的微电影、移动电影和互联网电影等新的电影形态。各种电影形态都储存大数据, 电影大数据主要来源于多元化终端和一体化内容, 理想状态下电影大数据在一个公众平台上实现信息与数据之间的共享和处理。在新媒体语境下, 电影受众互动接受模式在于以人为本, 即挖掘群体受众的需求。为了满足电影受众的需求, 电影大数据的营销建立在社交媒体的口碑营销和社会化网络的群体营销两个主要方面。电影大数据不仅实现了电影受众的互动接受, 而且从本质上改变了电影的生产流程, 在每个环节都给电影互动接受带来附加价值。在理想的状态下, 电影大数据技术可完全融入电影创作和接受过程, 制作出一种与受众口味完全吻合的电影类型, 以市场为导向的电影大数据必然增加了电影商业属性的分量, 对电影艺术属性提出更加严峻的挑战。是放弃艺术性去追求电影的商业价值, 还是坚守电影艺术追求而将电影大数据技术避而远之, 抑或能在两者之间找到一个恰当的平衡点?这些都是电影行业将要面对的重要命题。

注释

1[1][英]维克托·迈尔-舍恩伯格, 肯尼思·库克耶.大数据时代:生活、工作与思维的大变革.盛杨燕, 周涛, 译.浙江人民出版社, 2013:20.

2[2]尹琨.互联网电影新鲜“出炉”.中国新闻出版报, 2014—01—16.

3[3]聂磊.新媒体环境下大数据驱动的受众分析与传播策略.新闻大学, 2014 (02) .

4[4][5][7]从《小时代》浅析“大数据”的样貌.中国大数据.http://www.thebigdata.cn/YingY ongA nL i/11261.html.

5[6][英]维克托·迈尔-舍恩伯格.删除大数据取舍之道.袁杰, 译.浙江人民出版社, 2013:7.

电影大数据 篇10

这档由荷兰引进的《全民电影》栏目，原名叫《Entertainment Experienee》（娱乐体验），由好莱坞导演保罗·范霍文领衔操刀，带领荷兰电影爱好者共同打造了世界首部由民众生成的“大电影”。《Entertainment Experience》的出现，为普通人提供了拍电影的机会。同时这档节目也获得了“全媒体营销艾美奖”以及“金铅笔”唯一金奖。

落地黑龙江卫视的中国版《全民电影》将由龙视万象传媒公司操刀，延续全民制造互动大电影的思路，吴宇森和项目形象代言人章子怡，携手刘仪伟、《泰囧》编剧束焕、何平、薛晓路等中国电影界的重磅人物组成大师级导师团队。而线下40场大师班，10大城市演员海选，真正实现全民参与，并将共同打造出一场前所未有的全民电影狂欢。

作为全国范围内的真人秀节目，龙视万象传媒总经理高宏刚却拒绝被收视率所绑架，“收视率那都不叫事儿，因为《全民电影》压根就没将宝全部压在电视节目上。”高宏刚说，“电视节目只是这个项目拼图上的一块。这是一个集结各种渠道资源的平台，如果现在你花几千万元巨资买一档节目的版权，然后复制一遍，那就太过时了。”

资深电视制片人出身的高宏刚，喜欢将不可能变成可能，他曾将《本山快乐营》这样一档定位为东三省的喜剧综艺节目成功攻占南方市场。但在当下这个互联网时代，高宏刚也和所有的传统媒体人_样在发愁，如何面对转型。就在高宏刚焦虑互联网冲击的时候，他从荷兰的《娱乐体验》中发现了转机。《娱乐体验》完全颠覆了以往以电视媒体为核心的节目生产方式。这一次的融合，电视媒体也好、互联网新媒

体也罢，大家都是平等的地位，发挥各自的优势让普通人圆了一次“电影梦”。中国版的《全民电影》不是一档简单的电视节目，而是一个全媒体项目，它有三个“亲妈”：黑龙江卫视负责季播电视节目的制作，在节目中，你能看到由何平、刘仪伟等组成的导师团率领6位青年导演是如何选演员的。优酷网负责网络平台的那些事，播放电视节目、海选花絮、线下导演大师班的演讲等等，当然，最重要的是给来自民间的导演一个播放自己短片的机会。而万达院线则负责线下演员海选和导演大师班的运作。

“这就是新的电视节目玩法，与其自己费劲，不如将每个媒体平台的资源集合起来，大家一起出力，风险降低了，价值链条延伸了o”高宏刚说，“未来所有的文化产品都会被解构和重组，电影的传统制作模式会不会被颠覆？不好说，最后都要由市场来决定，市场会找到最合适的模式。将不可能变成可能，我们尽力在尝试。”

虽然有着一个看似汉子的名字，潘磊其实是一位“逆龄美女”。她对于综艺节目的海外版权引进和运营有资深经历，担任荷兰版权方FCCE中国项目执行总监。在潘磊看来，《全民电影》最大的不同在于其突破了传统意义的电视综艺节目版权概念，“《全民电影》其实是一个跨媒体营销的玩法。”

目前，国内大多数的广告只能闯过第一关，停留在硬曝光阶段。内容方与广告方的关系是一种对抗关系，内容方心里其实很反感植入广告，认为会干涉到内容的创作，拉低内容的档次，但是为了投资，又不得不硬着头皮植入，结果出现了很多令人啼笑皆非的广告。而跨媒体的营销能帮广告方“通关”，改变传统内容方与广告方的关系，真正让内容方深入介入，对品牌的塑造让人信服。

潘磊举了个例子，在荷兰版《娱乐体验》中，品牌手机赞助商新推出了一款3D手机，每个选手必须要用这款手机拍短片，选手不得不去主动研究怎么用这款手机，于是在网上发帖分享经验，甚至挖掘出的新功能让研发这款手机的工程师都出乎意料。

“这种方法比生硬地让一些网络红人写干巴巴的软文好得多，只有用户自己与这个节目、这个产品和品牌发生关系，才能让他认同。”潘磊说，“就像拍电影一样，国内长期是几个人拍电影给十几亿人看，这几个人又常年不见人间烟火，他们不需要挤地铁，不需要还房贷，怎么可能理解一个月只挣几千块钱在北京、上海生存的老百姓的心理呢？他们拍出的电影能让大家共鸣吗？”

作为从电影杂志出身的老牌电影人，三木关注的焦点始终聚焦在电影上。中国不缺热爱电影的人才，民间职业和半职业的电影工作者有300多万人，这些人缺的是一个机会。深知青年电影人出头难的三木希望能通过《全民电影》为更多年轻人提供机会。“能帮几个算几个吧，”他笑着说，“或者这也是我所感受到的一种责任。”

为了让来自民间的电影爱好者得到专业的指点，《全民电影》组建了由总导师吴宇森率领的大咖导师团，其中包括名导何平、刘仪伟，名编剧李迅和《泰囧》的编剧束焕。说到这里，三木笑言，吴宇森导演热衷提携年轻电影人在业内是出了名的。吴宇森还在‘‘全民电影”大师班中鼓励有志成为导演的年轻人要相信自己的能力，通过《全民电影》的平台多写多拍，不断锻炼自己的实践能力。

通过《全民电影》，年轻电影人不仅能听到大师们的授课，更能与他们一起拍电影。这其实是一个电影接龙和互动的游戏，《全民电影》公布第一段由束焕写的官方剧本后，参赛者可以组成自己的团队，拍摄第一段官方剧本。同时，导师团也将吸收民间智慧拍摄一个专业版电影，上传到网站供电影爱好者学习。最终，导师团会拍摄一部“大电影”在院线一上映，这部电影的剧本就是来自于接龙过程中的创意。

三木说，导师们已在选手中发现了黑马。“这些黑马将得到更多机会，束焕和刘仪伟导师都已有想签约的人才，薛晓路导演也找到了中意的新人导演。”

面对综艺节目节节攀升的天价冠名和赞助费用，化妆品品牌丸美独具慧眼相中《全民电影》，王昊坦言，“相比于赞助收视率已稳定的成型节目来说，选择一档全新定义内容的节目，不可谓勇气不大。其实丸美看中的是这个项目的延展性。分拆开看，《全民电影》可以提炼出很多关键词：电影、众筹、互动、全媒体……每一个词都可以说是今天这个传媒飞速发展时代最炙手可热的关键词。”

《全民电影》采用众筹电影接龙的形式，与广大电影爱好者共同完成一部互动电影的创作和拍摄，整个过程充满悬念，事件本身的参与感、话题性都非常强。这给了丸美很大的合作空间。电影最大限度地带动互动性和黏性。同时，荷兰原版节目在国际上取得的巨大成功，已经用事实证明了项目的魅力。一方面众多大师的参与是项目成功的保障，另一方面，作为眼部护理领域的大师，丸美和这样一个国际级的项目合作也是非常契合的。

除了你能直观看到的电视节目的独家冠名外，每一个环节都有丸美的权益呈现以及与丸美的深入互动植入：季播节目《全民电影》决赛环节将以丸美相关内容命题；日播节目将打造十余期《丸美电影时刻》；线下活动大师班也有为丸美特别定制的内容。自有媒体外，万达、优酷作为联合出品方，都为丸美品牌的传播和展示提供了更广阔的平台。丸美自从加入《全民电影》以来，在人员、宣传等各方面都给了《全民电影》很大的支持，实现了资源的互通与共享。

全民大电影并不是要鼓吹天马行空的想象，对于最终成品的电影，王昊有自己的看法，“电影的伟大与低劣，是需要时间和市场去衡量和评判的，不同性质抑或不同类型的电影都会有不同的欣赏人群和评判标准。而且需要相当长的一段时间沉淀。没有时间的考量，我们很难评价它伟大与否。而电影艺术的生命活力在中国是最能得到证实的，不管多少条框制约，每个年代都会有伟大的作品诞生。”

电影大数据 篇11

现代产业与信息技术的发展使数据资源成为越来越重要的生产要素。爆炸式增长的数据量对多源、异构、高维、分布、非确定性的数据及流数据的采集、存储、处理及知识提取提出了挑战。大数据思维就是此环境中的产物,它并不局限于传统的基于因果关系的逻辑推理研究,甚至更多地通过统计型数据的搜索、分类、比较、聚类、关联等的分析和归纳,关注数据集内隐藏的相关性(支持度、可信度、关注度)。图灵奖得主吉姆·格雷将这种数据密集型的研究范式从理论科学、计算科学、实验科学中分离出来,成为“第四范式”[1]。

2008年《Nature》推出Big Data专刊[2]后不久,文献[3]将大数据计算称为商务、科学和社会领域的革命性突破。2011 年,《Science》的Dealing with Data专刊阐述了大数据对科学研究的重要性[4]。同年,麦肯锡公司发布关于大数据的竞争力、创新力和生产力的调研报告[5],分析了大数据的影响、关键技术及应用领域,进一步燃起学术界和产业界对讨论大数据的热情。美国政府于2013年3月宣布投资2亿美元启动“大数据研究和发展计划”[6],将其上升为国家战略。大数据被认为是继物联网、云计算之后,IT行业又一次颠覆性的技术变革。

云计算是利用互联网实现随时、随地、按需、便捷地访问共享资源池(如计算设施、应用程序、存储设备等)的计算模式[7],关注计算能力,并与关注知识提取的大数据技术相得益彰。

电力是社会发展的重要基础。随着全球能源形势的日益严峻,各国大力开展了智能电网的研究和实践[8,9]。其目标是建设一个覆盖整个电力生产过程,包括发电、输电、变电、配电、用电及调度等环节的实时系统,以支撑电网的安全、自愈、绿色、坚强及可靠运行[10]。而其基础则是电网广域全景实时数据的采集、传输、存储、分析及决策支持。

而愿景中的电网则是网架坚强、广泛互联、高度智能、开放互动的智能电网。文献[11]分析了智能电网大数据的产生与特点,指出已有的数据处理技术在智能电网的数据存储、处理和展示等方面所面临的挑战,已成为智能化发展的制约因素。 文献[12]探索了基于云计算的智能电网信息平台的可靠存储和高效管理。文献[13]研究了用户侧电力消费的大数据,从中挖掘其用电行为,以改进需求响应系统。

以电为核心的大能源体系正在成为全球能源的发展战略[14]:一次能源的清洁替代与终端能源的电能替代都必须依靠电网的输送才能大规模地实现。文献[15]指出,电力可靠性问题的顶层设计应该以大能源观为指导,不能局限于电力系统自身,还要分析其与一次能源、外界环境、管理政策、用户需求与方式变化间的交互,研究广义阻塞对电力系统安全性与充裕度的影响。

电力、能源及广义环境的多源、多态及异构数据的数量呈指数级增长,需要有相应的广域采集、高效存储和快速处理技术予以支撑。而从这些数据中挖掘知识及价值应用则使电力大数据的话题融入大数据的研究热潮。本文及其续文是笔者关于如何将电力大数据的思维应用到电力的广义可靠性、大能源安全及环境安全方面的思考。

1 大数据概念的演绎

1.1 定义

对“大数据”还没有统一的定义,通常指量大、多源、异构、复杂、增长迅速,无法用常规的方法处理的数据集合[16]。许多数据往往只在统计学观点上具有某种相关性,而不一定像传统应用的数据那样具有严谨的因果关系。对这样的统计关系型数据,只有当反映一个真实问题的数据量达到能在一定程度的统计意义上描述其真实面貌时,才能有效地提取知识,支持决策。而对于常规的因果关系型数据来说,数量的大小往往仅影响到计算资源,而与提取知识的方法关系不大。

因此,大数据与小数据之间并无绝对的界限,而是相对于目标问题而言的。大规模的数据量只是大数据概念的特征之一,也不应该用海量的规模作为大数据的必要条件。

大数据技术涵盖了从信息产生、采集、存储、转换、集成、挖掘、分析、计算、展示、应用及维护等数据全生命周期管理过程[17],需要具备从不同类型的多源异构数据中,快速提炼出有价值信息的能力。

1.2 基本特征

数据是以编码形式对自然现象、社会现象、试验仿真结果及经验的记录,包括数字、文字、图像、声音等形式。与传统数据相比,大数据具有四大显著特征4V,即量(Volume)、类(Variety)、速(Velocity)、值(Value)[18]。“量”是指数据容量足够大;“类”是指数据种类呈现多源多态特性;“速”是指实时性要求高;“值”是指数据价值密度相对较低。在数月的监控视频中,可能仅1~2s的画面有用,但通过关联数据的挖掘、分析和提取,却可能获得很高的信息价值。

一般认为,数据规模或复杂程度超出了常用技术按照合理的成本和时限来处理的能力,就可称为大数据。笔者认为如果统计型数据量对于具体目标问题来说,已经具有统计意义,就可以用大数据思维来处理。若为大数据设立数百TB的阈值,必将大数据思维束之高阁,扼杀了其广泛应用的生命力。

除了从因果、统计及博弈等数据关系的视角来对数据类型分类外,还可以按数据结构的视角将其分为三种类型:①结构化数据,即可以用二维表结构来逻辑表达的行数据,关系型数据库是其有效处理工具;②非结构化数据,是一类不能用有限规则完全表征与刻画的异构性数据,如图像、音频和视频等信息,它们之间不存在直接的因果关系,存在不相容性及认知的不一致性;③半结构化数据,介于上述两种结构之间的数据,可以用树、图等模型表达,如Web、办公文档及电子邮件等信息。据统计,随着社交网络、传感物联及移动计算等新技术、新渠道的不断涌现,企业中的半结构化或非结构化数据占比越来越大,有的已达80%。

1.3 思维方式

大数据技术的思维方式是:将采集到的经验与现象实现数据化与规律化,在继承传统的统计学、计算数学、人工智能、数据挖掘等方法的基础上,从单一维度转向多维度统筹融合,开发知识处理的新方法,从更深刻的视角,以更高的时效发掘多源异构数据,从而发现新知识和新规律,并实际应用的方法学。

若可以用简单的表达式直接描述某问题的结果与变量之间的关系,那么即使其数据量很大,也不一定属于大数据思维。当数据之间没有或还不能严格描述其因果关系,而数据集已相对地具备统计意义,就需要并可以采用大数据思维来处理。例如:对于一个市场调查的数据集,如果仅仅求取人群对某种商品的需求分布,那么思维方法并不会因为数据集是否海量,而改变常规的数据处理思维。但如果要从人群对该商品众多技术、经济、全程服务特性等各方面要求中提炼出有助于提高企业竞争能力的决策支持,那就需要有新的思维方法,包括信息挖掘与利用的思维、模式及方法,以帮助人类获得更深刻的洞察力。

关注统计关系的思维方法,同样可以应用于有限数据集上[19],只是其结论的可信度可能受到影响。

1.4 大数据技术的挑战

1.4.1 大数据的采集与集成

利用各种传感器及终端,采集反映物理世界、市场经济与人类行为等现象的静态/动态的异构数据,成为人、机、物三元世界的信息纽带[20]。其挑战主要体现在:①从结构化数据为主,向结构化、半结构化与非结构化的三者融合的变革;②数据来源的多样化,特别是移动终端的广泛应用,使大量数据需要同时带有时间与空间的标志;③有用信息被淹没在大量无关或弱相关的数据中,或需要处理低质量及局部缺损的数据。

1.4.2 大数据的存储

大量多态异构数据的高效、可靠、低成本存储模式是大数据的关键技术之一,对多源多态数据流之间的交互索引与转换效率影响很大。

数据压缩技术可以减少数据传输量及提高存储效率,但也增加了数据处理环节及计算负担[21]。分布式存储要权衡对存储空间及实时性的影响:对实时数据采用实时数据库或内存数据库;对核心业务数据采用传统的并行数据仓库系统;对大量的历史和非结构化数据采用分布式文件系统。

算法在处理复杂结构数据时相对低效,故希望事先为复杂结构的数据建立索引结构来帮助搜索,并合理地将非结构型数据结构化。

1.4.3 大数据的分析

需要关注大数据的形态描述、基本运行规律及其可控性。其中,最复杂的是人类社会行为信息,其决策行为必须与物理系统及信息系统相结合。

目标领域的信息若能与关联领域的信息相结合,则不但知识量得以增加,而且更有可能揭示综合性、交叉学科的未知知识,甚至从统计型数据中发现其(准)因果关系。知识的涌现性反映在模式、行为和智慧上。例如:将提高风机效率的研究与气象信息、电网信息联系,其效果将大大提升。大数据与云计算为之提供了数据资产的保管、搜索的技术,但也不是数据越多越好,而信息的提炼与知识的发现一般很难通过直观方式的分析和解读来获取。

数据驱动的分析方法包括:聚类、判别、回归、识别、隐变量、主因分析、时间序列。需要处理大规模的不定解问题,及必要时信息的补充问题,利用特征的相关性来发展统计学,有效地表达高维随机变量函数的联合概率分布。

用以发现知识的技术有:遗传算法、神经网络、数据挖掘、专家识别、回归分析、聚类分析、关联分析、数据融合、机器学习、自然语言处理、情感分析、空间分析、时间序列分析及其他计量学方法。一个例子是Google采用机器学习和神经网络来分析服务器群的数据,掌握大量变量之间的交互。神经网络在无显式编程下自适应学习,大大提高服务器群的效率,发现普通人注意不到的复杂互动关系。

随着大数据的应用从离线走向在线,甚至实时,所面临的系统复杂性、数据复杂性和计算复杂性挑战更为严峻。目前虽然出现了一些较为有效的方法,如流处理模式、批处理模式,及两者的融合[22],但仍未有一个相对普适的(准)实时的分析处理框架,在合理精确性的前提下实现快速的随机优化。

1.4.4 大数据的易用性

易用性应该贯穿在大数据的集成、存储、计算、分析,乃至展现等整个业务流程[23]。从技术层面看,可视化、人机交互及数据起源技术都可有效提升易用性,但仍存在元数据的高效管理的难点。元数据是关于数据的组织、数据域及其关系的信息,是描述信息资源的重要工具。

1.4.5 大数据的安全性

数据可靠性和通信网络安全性至关重要。必须研究各种广域量测数据和仿真数据的完备性、适时性和价值的评估技术,研究在广域信息不完全条件下的分析、控制技术。

“8·14”大停电前的几个月,北美电力可靠性委员会(NERC)警告说,随着电力业务的复杂化,越来越多的电力公司不遵循2002年发布的非强制性的安全导则,致使一些数据采集与监控(SCADA)网络被蠕虫破坏。大数据安全是一项包括技术层面、管理层面、法律层面的社会系统工程,其保障体系的框架由组织管理、技术保障、基础设施、产业支撑、人才培养、环境建设组成。应该研究数据源和传输的可靠性,研究信息系统故障或受到攻击时的行为,以及信息的阻塞、淹没、丢失和出错对大能源可靠性的影响。

移动互联时代中,人们在不同场合产生各种数据足迹;大数据技术将大量行为信息聚集在一起,就很可能暴露其隐私。由于尽可能地获取信息本来就是应用大数据技术的目的,故与隐私权的保护存在着矛盾。如何协调共享与隐私,需要制度与监管的保证。

现有的数据安全保护技术主要针对静态数据集[24],包括开放与防御的平衡,防止数据被窃取或篡改。但仍需要解决动态信息的安全性问题。

1.4.6 大数据的应用

大数据学科的兴起与人类需求密切相关,其中的信息挖掘及知识提炼环节必须与待求解问题紧密结合,而应用环节则是大数据技术发展的动力与归宿。因此,大数据研究应该遵循问题导向、需求牵引及数据共享的原则。必须结合具体的目标问题,将采集到的低价值的大数据加工成高价值的思想或知识,大数据技术才有生命力。若没有应用企业的深度参与,若不能按照商品的规律运行,大数据技术就难以真正取得收效。此外,若没有各管理部门对数据共享的落实,大数据技术也只能是纸上谈兵。

知识作为资源,需要像物质资源那样分配及流通。为此,需要对知识产品定价,并从数据使用的视角揭示信息流与科学活动的内在规律。

目前对大数据应用的关注,主要集中在商业与服务业这些以统计关系为主的领域[25],较少涉及具有较强因果关系的领域,如电力系统及能源市场等领域。笔者认为,是否能成功地将统计关系、博弈关系与因果关系取长补短,是大数据技术能否扩大应用领域的一个关键。

2 电力大数据

2.1 问题的提出

从能源系统看,它包括电网和非电的能源网两部分;电力系统应该在能源的清洁替代与电能替代中有效地承上(一次能源)启下(终端能源),兼顾左右(与其他二次能源协调)。

从信息系统看,它包括专用通信网与互联网(Internet)两部分。专用网用于对信息安全性或实时性要求高处,但由于非开放式的接入,故不适合与广泛用户的互动;互联网用于开放场合,但信息安全及实时性差。显然,两者对于信息系统来说都不可或缺。

能源革命需要的是能源系统的全部组分与信息系统的全部组分的深度融合[26],即大能源系统与大信息系统组成的信息能源系统,而不是局限于它们的某个子集之间。但是,智能电网的研究范畴基本上局限于能源系统中的电力系统与通信系统中的专用网[27],因此其信息物理融合的概念也就局限于“电力生产信息+电力系统”。作为能源革命重要环节的“一次能源系统及终端能源系统”,以及作为信息革命重要环节的“网络金融及需求侧参与信息”却并没有得到应有的重视。

显然,目前的智能电网框架中的专用通信网的功能需要从电力系统扩展,不但涉及各种非电的能源环节,而且涉及相关的非能源环节,以更好地支持对电力可靠性及经济性的研究,并支撑综合能源安全、能源经济安全及环境安全。另一方面,开放的网络经济及广泛的用户参与都需要互联网的支持,互联网数据的管理与挖掘成为非常重要的任务。

整个能源行业在转型发展中面临的机遇和挑战,来自一次能源的压力、环境安全的紧迫性、电力系统内外复杂性的增加、运行环境及扰动事件的不确定性与风险的增大、经济与技术的发展、市场改革的要求。为了应对上述挑战,必须提高数据的及时性、完整性、一致性及信息安全防御能力,提高对数据的管控能力,消除数据壁垒、存储无序且不一致的现象,完善对外部环境、基础设施及人才队伍的掌控。

从传统的电力数据演变为电力大数据,跨领域的时空扩展将电力系统的界面条件从确定性变为时变性,同时也增加了多时间尺度的动态复杂性[28]。涉及各类数据的采集、集成、存储、管理、知识挖掘、决策支持、可视展现等技术,也反映了电力及综合能源数据的管理、知识的挖掘和应用等一系列推进能源生产、转换、输送、消费方式的创新思维。其中的互联网数据大多为传统数据库不支持的非结构化类型,包括图片、视频、音频、地理位置信息、网络日志、博弈行为、金融动态、政策法规。数据的在线或实时处理,往往呈现出突发及涌现等非线性状态演变现象,难以预测。

为此,信息创新必须与能源革命在更高层次上深度融合,特别是在一次能源中的清洁替代及终端能源中的电能替代上,不但将协调优化的概念提升到综合能源流的范畴,而且推动电能更主动发挥在一次能源与终端能源之间的核心纽带作用,实现能源生产模式与消费模式的革命。

但是,将大数据技术局限于互联网数据也是片面的。通过专用网或仿真网获取的数据,包括智能电网概念中已涉及者,以及有待外拓的非电能源领域与非能源领域中的数据问题,同样存在大量的挑战。既然讨论的是信息物理融合问题,那么其框架就更不应该在信息系统内部或能源系统的内部设立藩篱。

当前的研究都在一定程度上受限于物理系统中的藩篱或信息系统中的孤岛。例如:①稳定性与经济性的研究都针对给定的边界条件,不能真实反映上下游环节的变化对电力系统的影响;②充裕性问题被粗犷处理为固定比率的备用容量,无法适应大规模不确定性的可再生能源及充放电用户的入网;③决策过程基本无法考虑博弈行为的影响;④忽视了信息系统本身可靠性的影响;⑤缺乏对电力系统外部环节的自适应能力。

要突破上述藩篱与孤岛,就必须遵循以电力系统为核心环节的大能源系统在大数据时代下的发展理念,顺应管理体制及技术路线的变革。

2.2 电力大数据的特征

一方面,电力大数据具有大数据的共性,包括目标领域向其他相关领域的扩展,以及数据类型向非结构型及非因果型数据扩展,时间维度向多尺度的流数据扩展。由此形成大量的异构异质数据,包括数字、文本、图形、图像、音频、视频等静态和不同时间尺度的动态数据,以及大量统计关系与博弈关系的数据,都需要快速处理。

另一方面,电力大数据必然继承了能源行业数据的特征,包括大量的因果关系数据、高维的时空数据,广域的监测控制,快速的时间响应及实时控制数据。除了电力系统的状态外,还需要获取并分析相关领域的数据,并处理部分数据缺失时的不确定性。

运行工况或故障场景都会影响系统的稳定性和控制策略。中国的电网现在已普遍实现了在线的量化分析功能,按实测工况和典型故障来指导预防控制,并向自适应的紧急控制与系统保护发展[29]。但若要有效地应对极端自然灾害环境,则还需要采集并处理大量非结构型的视频、语音、图片,并与电力系统分析功能有机结合。大规模间歇性可再生能源(RES)与电动汽车(EV)的入网对电力充裕性与备用调度提出挑战,要求大大提高对风电、太阳能发电及EV充放电的预测精度,这就需要处理大量非结构型的地理及交通动态数据。为了应对相继故障,基于常规因果关系型数据的分析算法也应该解决多米诺效应的演化路径及实时评估的经典难题。

2.3 电力大数据的类型

除了按数据结构等大数据概念来划分电力(能源)系统大数据,还存在其他视角,列举如下。

1)按业务领域,电力大数据可分为:①规划运行类,包括电力规划、电能生产、运行监控、设备检修等数据;② 企业运营类,包括企业发策、运营、电力市场、用户信息等数据;③企业管理类,包括人财物资、资本运作、企业资源计划(ERP)管理、协同办公等数据;④非电的能源类,包括各种一次能源、非电的二次能源、终端能源使用模式等数据;⑤非能源类,包括气象、环境、碳资产、宏观经济政策等数据。

2)按时间维度可分为:①背景及法规数据;②历史数据;③调查及预测数据;④在线实测数据;⑤仿真推演数据。

3)按数据采集来源可分为:①书本及文档;②专用网数据;③互联网数据;④问卷及调查;⑤交互博弈及仿真结果。

2.4 电力系统的数据量

常规SCADA系统按采样间隔3~4s计算,10 000个遥测点每年将产生1.03 TB数据(12B/帧×0.3帧/s×86 400s/d×365d×10 000遥测点);广域相量测量系统的采样率为100次/s,10 000 个遥测点每年将产生495 TB数据。美国PGE公司每个月从900万个智能电表中收集超过3TB的数据。国家电网公司的2.4亿块智能电表,年产生数据量约为200TB,而整个国家电网公司信息系统灾备中心的数据总量,接近15 PB。 以2004年山东系统(97台机、462条母线、702条支路)为例,设在线每5min对220kV以上线路的三相永久故障分析一次暂态稳定性,仿真时长10s,仿真步长0.01s,则一年内将产生1 092TB的数据量。当大规模的间歇性分布式可再生能源入网后,发电侧计及气象数据的实时监控的数据量比传统发电成倍增加。智能配电、智能电表、电动汽车和用电技术的发展也大大增加了需求侧的数据量。电力企业的精细化管理,与一次能源、环境、交通、市政等外部系统的联系日益深化,对数据量的依存度也越来越高。

2.5 电力大数据对电力可靠性的支撑

整合各种广域系统采集的静态和动态数据,包括雷电场、台风风力场、山火场等非结构型数据与常规的电力数据及仿真信息相结合,从所获的现场实测或仿真得到的时间响应曲线中提取深层知识。以支持稳定性与充裕性的量化分析及自适应控制,协调故障前的预防型博弈,故障后瞬时的故障隔离和预测型紧急控制,检测到违约症状后的校正控制,以及系统崩溃后的恢复控制。在此基础上,综合防御框架还应该实现多道防线的时空协调,通过协同各道防线和各种控制手段,最大限度地减少大停电的风险。

信息的可靠性是分析和决策的物质基础;机理分析和量化分析则通过数据挖掘来深刻掌握电网的行为特性[30];正确的决策是为了能以最小的风险代价来最大限度地满足电力需求。互为补充的相量测量单元(PMU)、远方终端设备(RTU)和仿真数据共同满足系统在空间中和时间上的可观性和可控性[31]。需要研究在不完备数据下,如何将信息论和系统论相结合,从数据中挖掘深层信息。

在电力的长期可靠性分析与控制方面,需要考虑社会、经济、科技、能源与政策等发展的不确定性,以及各种博弈行为的影响,将目前依靠主观判断的方式逐步提升为基于混合仿真推演的方式。

3 信息能源系统的大数据平台

3.1 电力(能源)系统运行数据的采集

关系数据库强调完整性及一致性,云计算强调可扩展性,但难以保证实时性。Internet的TCP/IP协议在流量控制和数据纠错时会产生10ms量级的时延,难以满足实时控制,特别是紧急控制的要求。

RTU和SCADA系统可以用低成本采集大量的广域数据,并满足静态可观性,但没有统一时标,采样周期长、时延大,只能抽取慢速动态特征。故障录波和保护信息系统就地记录大量暂态信息,可支持故障的事后分析,但上传的滞后时间长,难以实时应用。

PMU数据不依赖于系统模型和参数,可在统一时标下快速采样,提供系统实际的时间响应曲线,用来校核仿真模型和参数,并提供仿真的初值。但受价格限制较难满足高可观性。

20年来的研究热点之一是将PMU用于实时稳定性分析及开环控制,根据受扰后短期实测数据预估稳定性,并在失稳前选择并执行控制措施,但至今未能用于稳定分析和开环控制。文献[32]明确指出,在非自治因素下单纯依靠轨迹的外推来预测并不可靠,并且即使在没有时间约束的离线环境下,要对有数学模型的仿真曲线进行稳定性量化分析也非易事。若在计算已有轨迹的稳定裕度时没有模型参数可用,其量化分析就更难。更重要的是,只有通过仿真才能在措施实施前确认其效果。不与仿真工具结合,就难以按合理的保守性来确保控制的充分性。其根本原因是:在事前,PMU无法观察到控制措施的效果,也无法在不依靠系统模型及参数的前提下求取实测轨迹(特别是稳定轨迹)的稳定裕度。PMU在应用上的这个瓶颈是本质性的,不可能真正突破。

现场伪量测是对广域数据加工中挖掘出来的数据;仿真伪量测是在仿真中产生的数据。它们的正确性受到模型、参数、初值和算法等的限制。

3.2 电力(能源)系统的大数据平台

随着数据采集环节的质量提高、成本降低,以及各种广域数据采集系统的数据共享,可以通过更多数据来全面掌控电力与能源。为此,需要将各种广域监测系统和数值仿真系统置于统一的平台中,有助于数据挖掘,识别相继故障的先兆特征、临界条件和传播模式,从而提高预警水平,增强防御停电灾难和事后分析的能力。

由硬件资源、基础软件、网络通信、数据集成、计算支撑、应用支撑、安全管控等环节构成的大数据平台支持多源多渠道异构数据的即插即用、融合与管理,支撑各种开发、应用及信息展示功能的即插即用。通过基于数学模型的因果型数据、无因果关系的统计型数据以及参与者博弈行为的融合,管理各类能量的生产、转换、输送及使用,调度与仿真数据的集成与管理。

4 结语

虽然当前关于大数据的应用案例大多发生在互联网企业中,但传统的电力及能源企业也在思考如何从关于大数据的空泛介绍走向实际应用。特别是除了直接依赖互联网的电力金融业务及面向消费的个性化服务以外,在基于传统数据的系统分析与控制领域中,如何融合电力及能源的统计关系数据、因果关系数据及博弈行为数据,发挥大数据的价值。例如:间歇性能源及负荷预测,引导需求响应及节能减排,降低停电风险,反窃电,堵塞经营漏洞,优化资产全寿命周期管理等方面。特别是:如何使企业决策从当前基于常规数据及主观经验的模式,发展为基于数学模型、参与者及多代理模型的混合仿真的沙盘推演模式。其中的多代理模型就需要大数据技术的支撑。这关系到电力大数据技术是否能进入到通常由因果关系数据一统天下的物理系统分析领域。为此,思维方式需要重大变革。

摘要：大能源思维将电力视为能源生产与消费全流程中的枢纽环节,藉此推动上游一次能源的清洁替代与下游终端能源的电能替代,支撑能源的可持续发展。大数据思维将各种数据资源从简单的处理对象转变为生产的基础要素。这两种思维的融合,使电力大数据成为大能源系统广泛互联、开放互动及高度智能的支撑,包括:广域多时间尺度的能源数据及相关领域数据的采集、传输和存储,以及从这些大量多源异构数据中快速提炼出深层知识并发挥其应用价值。作为两篇论文中的开篇,在演绎大数据基本概念、结构类型及本质特征的基础上,归纳电力大数据的特点。针对综合能源,通过基于数学模型的因果型数据、无因果关系的统计型数据以及参与者博弈型数据的融合,构建信息能源系统的知识挖掘平台。其续篇将讨论信息能源系统,并通过若干案例,反映大数据思维对提高大能源经济性与可靠性的贡献。