媒体应用大数据,先解决三大难题

简介:

在大数据时代,互联网是骨骼,大数据则是血液。大数据的核心在于数据,具有海量、高频、在线、实时等特点,但是对于传统媒体来说,在运用大数据的过程中,存在着数据资源不足、数据平台欠缺和缺乏有竞争力的数据产品三大难题,笔者在此提出一些相应的解决办法。

难题一:缺乏充足的数据资源

传统媒体目前只有数量极少的数据,原因如下:一是自身数据资源太少。对于绝大多数传统媒体来说,其主要数据资源还仅仅是内部的新闻内容数据、历史数据和媒资数据等,而缺乏用户数据、网络行政数据和政府数据等,导致自身的数据资源量极其有限。二是自身数据多是静态数据,缺乏有效的互动和即时性。三是缺乏用户数据,传统媒体虽然有一定数量的受众数据,但是由于这些受众数据的频率低且没有经过精准画像,导致自身只有受众而没有真正的用户。

因此,传统媒体首先要想方设法获取足够多的数据资源:一是可以利用自身的政治资源,尽可能地获取网络行政、政府数据等高价值的数据资源;二是建立起自身的用户体系,逐步变受众数据为用户数据;三是尽快把现有静态的存量内容资源转变为动态的、互动的数据资源。

难题二:缺少大数据平台

传统媒体要想真正建立起属于自己的大数据,其前提是必须打造数据充足、技术先进、用户活跃的大数据资源平台,智能生产和传播平台以及用户沉淀平台三大平台。传统媒体在打造大数据平台时,面临三大制约:一是思维和观念陈旧,二是缺乏先进的技术支持,三是需要大量的资金。

当前,国家提出了国家大数据工程,各地政府正在大力推进智慧城市建设和政府数据开放工程,传统媒体可以积极利用自身的政治优势把三大平台建设纳入政府的智慧城市建设中,建立起大数据平台和区域内的数据交易平台。这么做的优势在于:一是站在整个区域的大数据发展的基础上;二是可以借助政府智慧城市的建设工程来解决自身的技术和资金问题;三是可以获取政府的数据资源。

难题三:缺少有竞争力的大数据产品

数据资源的积累和三大平台建设的目的,都是为了开发出具有高商业价值、富有竞争力的大数据产品。传统媒体要想重建商业模式,实现自身的彻底转型,就必须打造出在市场上有高度竞争力的大数据产品。

打造成功的大数据产品需要注重如下三点:一是以用户需求为导向。在对用户进行精准画像的基础上,利用大数据手段找出用户的痛点和需求,进而基于用户的需求来开发产品。二是实现业务人员、数据人员和技术人员的“混”。当前,一方面懂业务的不懂技术和数据,懂技术和数据的又不懂业务,另一方面业务、技术和数据人员相互割裂,甚至互相看不起或不理解,这导致难以有效地开展工作,而要解决这个问题,首要就是要实现他们之间的“混”,即协同办公。三是实现业务、数据和技术之间的“通”。大数据产品一定是业务、数据和技术三者之间的协同互通,只有三者之间相互理解、相互熟悉、相互帮助,才能真正开发出有竞争力的大数据产品,在具体运作中,可以设立数据产品经理来解决这个难题。





====================================分割线================================


本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
21天前
|
SQL 分布式计算 数据可视化
Tableau与大数据:可视化工具在大数据分析中的应用
【4月更文挑战第8天】Tableau是一款领先的数据可视化工具,擅长于大数据分析,提供广泛的数据连接器,支持多源整合。它与Hadoop、Spark等深度集成,实现高效大数据处理。Tableau的拖拽式界面和交互式分析功能使得非技术人员也能轻松探索数据。在实战中,Tableau用于业务监控、数据storytelling和自助式分析,推动数据民主化,提升决策效率。未来,Tableau将持续创新,扩展生态系统,并保障数据安全与合规性,助力企业最大化数据价值。
29 0
|
27天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
2月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
2月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
4月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
4月前
|
存储 机器学习/深度学习 算法
大数据时代下的智能洞察:大规模数据处理的创新与应用
在信息爆炸的时代,大规模数据处理成为了科技领域的核心挑战之一。本文将探讨大规模数据处理的定义、创新技术和广泛应用,并阐述数据驱动的决策和洞察对现代社会带来的巨大影响。
81 3
|
2月前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
2月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
156 0
|
4月前
|
数据挖掘
离线大数据分析的应用
离线大数据分析的应用
|
21天前
|
SQL Cloud Native 架构师
深入浅出Presto:大数据查询引擎的原理与应用
【4月更文挑战第7天】Presto是高性能的分布式SQL查询引擎,专为大规模数据交互式分析设计。它采用分离式架构,内存计算和动态规划优化查询,支持跨源查询、交互式查询和ANSI SQL兼容性。应用于大数据分析、实时数据湖查询和云原生部署。Presto的灵活性和效率使其在大数据处理领域备受推崇,适合分析师、数据科学家和IT架构师使用。未来将在博客中分享更多实践和案例。
22 1

热门文章

最新文章