传统媒体大数据转型的优与忧

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

当下传统媒体正深陷困境,其根源在于受众大量流失所导致的用户连接失效,那么如何重建用户连接呢?2014年8月18日提出的《关于推动传统媒体和新兴媒体融合发展的指导意见》给出了答案,即充分利用大数据技术来实现传统媒体的赶超。转眼间近两年过去了,传统媒体的大数据转型进展如何呢?7月14日,首届中国大数据应用大会期间,由封面传媒承办的“大数据与媒体联接力论坛”最为引人关注,这给我们提供了一个观察传统媒体大数据转型现状的机会。

优:转型先行者已开始收获

封面传媒董事长兼首席执行官李鹏在主题演讲中指出:数据为王的时代已经到来,依靠大数据技术产生内容,给传统媒体和新闻生产带来了很大机遇。继而指出,未来的联接力出现了这么几种状态:一是连接需求,打通消费;二是连接参与,开放众包;三是连接虚拟,沉浸参与。因此,个性化、标签化、用户的精准化等“三化”,成了封面传媒的重要特征。

封面传媒致力于重新联接世界,植根于“80后”和“90后”网络原住民的精神需求,依托大数据、人工智能和虚拟现实等前沿技术的应用能力驱动新型的内容创造,以新型内容为内核,重新定义人与信息、人与商品、人与服务以及人与人的连接方式,打造跨媒体、电商和文娱的泛内容生态平台。简而言之,封面传媒是一个以技术为驱动、以用户为中心、以内容为纽带的泛内容生态平台,目前已经拿到国家网信办颁发的互联网新闻信息服务许可证,也是全国拿到该许可证的第二家新闻客户端。可以看出,封面传媒从用户痛点出发,致力于利用大数据技术,通过千人千面的新闻重建用户连接并实现自身商业价值的变现。

浙报传媒深刻认识到大数据的潜力和重建用户连接的价值,先是通过31.9亿元收购边锋和浩方,获得了数以亿计的互联网用户,有效地建立了用户连接,目前两家游戏公司的营业收入已经占到浙报传媒营业收入的30%以上,净利润的一半以上;再通过打造“媒立方”这一基于大数据技术的智能生产和传播平台,以积累更多的数据并对数据进行标签化;最后再定增20亿元,用于建设互联网数据中心和大数据交易中心,通过打通内外部数据资源,实现真正的“大数据”。可以毫不夸张地说,浙报传媒是国内所有利用大数据进行转型的传统媒体中取得实效最大的。

忧:转型遇难题表现较突出

目前我们已经从IT时代进入到了DT时代,在DT时代,互联网是骨骼,大数据则是血液,二者共同构成社会的底层架构和社会操作系统。对于传统媒体来说,应该高度重视大数据这一代表未来趋势的新生事物,把大数据当成超越自身的利器,通过“互联网+”“大数据+”,实现自身的彻底转型。虽然大数据作为新生事物,从某种程度上说,在利用大数据方面,传统媒体和互联网媒体都处于同一起跑线上。但大数据的核心在于数据,大数据具有海量、高频、在线、实时等特点。因此,对于传统媒体来说,相比于互联网媒体,传统媒体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,导致自身有可能错失大数据这一巨大机遇。

首先,缺乏充足的数据资源。对于媒体来说,可能获得的数据资源包括新闻内容数据、素材数据、历史数据、媒资数据、用户资产数据、用户行为数据、生产流程数据、内容传播数据、媒体云数据、互联网新闻数据等。传统媒体目前只有数量极少的数据,根本还谈不上大数据。一是自身数据资源太少。所谓大数据,数据的数量必须大,而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。由于传统媒体缺乏规模巨大的互联网平台,其新闻内容、受众数据等都是基于传统媒体的,由于缺乏有效的互动和非即时性,也导致这些数据多是频率很低、静态的数据。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,这是传统媒体进军大数据的一条重要途径;二是建立起自身的用户体系,以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。

其次,缺少用户巨大的大数据平台。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,基本上还是基于现有资源和优势,而不是基于未来和趋势,导致多是基于内部媒体数据,而不是基于整体的数据资源;二是缺乏先进的技术支持,由于传统媒体的技术力量薄弱,一方面自己没有实力搭建起三大平台,另一方面技术外包又存在迭代太慢的问题;三是需要大量的资金,三大平台的建设加上配套服务器所需资金最低也要3000万元以上,而多的则需要数亿元。

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,传统媒体应该积极利用自身的政治优势把自身的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。

再次,缺少有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。

在大数据时代,充分利用智慧城市建设和政府数据开放来搭建自身的三大平台和开放大数据产品,是传统媒体转型的最后一次机遇,一旦丧失这次机会,也许就只有彻底沦陷一途了。





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


本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
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
|
1天前
|
存储 人工智能 数据管理
|
1月前
|
人工智能 Cloud Native 数据管理
媒体声音|重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
在2024云栖大会上,阿里云瑶池数据库发布了首个一站式多模数据管理平台DMS:OneMeta+OneOps。该平台由Data+AI驱动,兼容40余种数据源,实现跨云数据库、数据仓库、数据湖的统一数据治理,帮助用户高效提取和分析元数据,提升业务决策效率10倍。DMS已服务超10万企业客户,降低数据管理成本高达90%。
163 19
|
1月前
|
数据采集 机器学习/深度学习 搜索推荐
大数据与社交媒体:用户行为分析
【10月更文挑战第31天】在数字化时代,社交媒体成为人们生活的重要部分,大数据技术的发展使其用户行为分析成为企业理解用户需求、优化产品设计和提升用户体验的关键手段。本文探讨了大数据在社交媒体用户行为分析中的应用,包括用户画像构建、情感分析、行为路径分析和社交网络分析,以及面临的挑战与机遇。
|
6月前
|
机器学习/深度学习 自然语言处理 大数据
社交媒体的情感分析大数据模型
构建基于大数据的情感分析模型,利用Python和机器学习处理社交媒体数据。情感分析识别文本情感倾向,助力市场洞察和舆情监控。技术栈包括Python、NLP库(nltk, spaCy, TextBlob, VADER)、Scikit-learn、TensorFlow/PyTorch及大数据工具。数据收集(如Twitter API)、预处理(去除噪声、分词)、特征提取(TF-IDF、词嵌入)、模型训练(逻辑回归、BERT)是关键步骤。模型能捕捉文本情感,支持决策,随着技术进步,应用前景广阔。
586 10
|
7月前
|
运维 Cloud Native 安全
【专栏】随着信息技术发展,运维正向自动化、智能化转型,云原生运维成为主流,大数据驱动运维决策,而安全运维日益重要
【4月更文挑战第29天】随着信息技术发展,运维正向自动化、智能化转型,云原生运维成为主流,大数据驱动运维决策,而安全运维日益重要。面对技术更新快、人才短缺和复杂性增加的挑战,企业需建立培训体系,加强人才培养,优化运维管理,以适应未来运维需求。随着这些趋势,运维领域将迎来更广阔的发展前景。
215 2
|
7月前
|
存储 关系型数据库 测试技术
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
印尼医疗龙头企业Halodoc的数据平台转型之Lakehouse架构
89 4
|
7月前
|
搜索推荐 大数据
大数据在社交媒体领域的应用有哪些?请举例说明。
大数据在社交媒体领域的应用有哪些?请举例说明。
222 0
|
人工智能 Cloud Native 大数据
从传统软件开发到云原生转型:大数据和AI如何引领软件开发的新趋势
从传统软件开发到云原生转型:大数据和AI如何引领软件开发的新趋势
263 0
|
机器学习/深度学习 大数据
《构建基于富媒体大数据的弹性深度学习计算平台》电子版地址
构建基于富媒体大数据的弹性深度学习计算平台
101 0
《构建基于富媒体大数据的弹性深度学习计算平台》电子版地址
|
SQL 存储 消息中间件
传统数仓如何转型大数据
传统数仓如何转型大数据
397 0