文｜曾凡斌

（作者為暨南大學(xué)新聞與傳播學(xué)院講師，中國(guó)人民大學(xué)新聞學(xué)院博士研究生，本研究是2012年廣州市哲學(xué)社會(huì)科學(xué)發(fā)展“十二五”規(guī)劃課題一般項(xiàng)目“互聯(lián)網(wǎng)使用時(shí)間、使用方式對(duì)現(xiàn)實(shí)政治參與的影響——基于對(duì)廣州市網(wǎng)民的實(shí)證分析”，項(xiàng)目號(hào)為2012YB31）

隨著博客，微博，社會(huì)網(wǎng)絡(luò)網(wǎng)站，云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的興起，數(shù)據(jù)正以前所未有的速度不斷增長(zhǎng)，于是出現(xiàn)了“大數(shù)據(jù)”時(shí)代。“大數(shù)據(jù)”不僅是科研的熱門課題，也是產(chǎn)業(yè)界的熱門，更受到其他各界的密切關(guān)注。2008年9月自然雜志發(fā)表一組文章“Big data:The future of biocuration”，“Big data: Wikiomics”, “Big data: Distilling meaning from data”來(lái)探討大數(shù)據(jù)的出現(xiàn)?？茖W(xué)雜志在2011年2月推出?？?，主要圍繞著科學(xué)研究中大數(shù)據(jù)的問(wèn)題展開討論。2012年3月，美國(guó)奧巴馬政府發(fā)布了“大數(shù)據(jù)發(fā)展計(jì)劃”，計(jì)劃在科學(xué)研究、環(huán)境、生物醫(yī)學(xué)等領(lǐng)域利用大數(shù)據(jù)技術(shù)進(jìn)行突破。“大數(shù)據(jù)”（Big Data），指信息或數(shù)據(jù)量的巨大，數(shù)據(jù)的單位，已經(jīng)從G和T發(fā)展到P、E、Z等為計(jì)量單位，其中1TB=1024GB，而1ZB卻等于10億TB。如此龐大的數(shù)據(jù)將對(duì)傳統(tǒng)媒介經(jīng)營(yíng)管理方式產(chǎn)生什么影響？傳媒又應(yīng)如何應(yīng)對(duì)它呢？

“大數(shù)據(jù)”對(duì)傳統(tǒng)媒介經(jīng)營(yíng)管理方式的沖擊

傳統(tǒng)的媒介經(jīng)營(yíng)管理方式或者是建立在經(jīng)驗(yàn)的基礎(chǔ)上，或者是建立在傳統(tǒng)數(shù)據(jù)基礎(chǔ)上，如抽樣獲得，通過(guò)財(cái)務(wù)軟件獲得，這樣的數(shù)據(jù)往往是結(jié)構(gòu)化的數(shù)據(jù)，或者是有關(guān)聯(lián)的數(shù)據(jù)，是管理員按照事先設(shè)定的程序獲得的。如調(diào)查讀者，聽眾，網(wǎng)民可通過(guò)嚴(yán)格的隨機(jī)抽樣獲得，并且通過(guò)樣本來(lái)推斷總體，而對(duì)于傳媒內(nèi)容的財(cái)務(wù)數(shù)據(jù)則可通過(guò)財(cái)務(wù)軟件了解進(jìn)，銷，存，工資，成本，收入，利潤(rùn)等多種經(jīng)營(yíng)數(shù)據(jù)，以滿足對(duì)數(shù)據(jù)的分析和決策。

然而，“大數(shù)據(jù)”通常為非結(jié)構(gòu)化數(shù)據(jù)，并包含彼此可能無(wú)關(guān)聯(lián)的數(shù)據(jù)集，例如來(lái)自各種獨(dú)立數(shù)據(jù)流（如Twitter、社交網(wǎng)站、傳統(tǒng)CRM、調(diào)查結(jié)果、人口數(shù)據(jù)、缺陷數(shù)據(jù)等）的數(shù)據(jù)，這不同于通常彼此相關(guān)的傳統(tǒng)數(shù)據(jù)集。于是，“大數(shù)據(jù)”分析通常會(huì)突破傳統(tǒng)數(shù)據(jù)庫(kù)以及分析流程和系統(tǒng)的界限。首先，數(shù)據(jù)集規(guī)模可能過(guò)大；其次，數(shù)據(jù)集彼此無(wú)關(guān)聯(lián)；最后，“大數(shù)據(jù)”需要極為快速地分析。分析這些“大數(shù)據(jù)”，傳統(tǒng)的方法和人才就不能適應(yīng)新的需求了。分析大數(shù)據(jù),就要依賴新興技術(shù)（如Hadoop Map Reduce）、R統(tǒng)計(jì)語(yǔ)言，以及并行多處理、高速聯(lián)網(wǎng)、快速I/O存儲(chǔ)（包括基于閃存的新興存儲(chǔ)）等全新的高性能基礎(chǔ)架構(gòu)解決方案。此外，大數(shù)據(jù)分析還需要新型技術(shù)工作者：數(shù)據(jù)科學(xué)家，甚至是數(shù)據(jù)藝術(shù)家。為此，傳媒就要采用新的技術(shù)方法和使用新的人才才能適應(yīng)“大數(shù)據(jù)”的要求。

對(duì)“大數(shù)據(jù)”的分析使傳媒經(jīng)營(yíng)管理者實(shí)時(shí)的了解環(huán)境內(nèi)外的最新最全的信息，并從中得出大量深刻見(jiàn)解，改善經(jīng)營(yíng)管理的水平和方法。例如，F(xiàn)armville的制作公司Zynga每天生成超過(guò)15 TB的新數(shù)據(jù)，并通過(guò)對(duì)玩家行為的持續(xù)數(shù)據(jù)分析結(jié)果，測(cè)試、調(diào)整和優(yōu)化游戲中的特性，其實(shí)現(xiàn)了鼓勵(lì)玩家行動(dòng)起來(lái)，以促進(jìn)玩家針對(duì)游戲的種種元素支付真正的錢，并保持玩家對(duì)游戲的興趣。于是，雖然在線游戲Farmville是一款非常簡(jiǎn)單的游戲，但是由于其背后有著對(duì)大數(shù)據(jù)分析的支持，其也能不斷的飛速發(fā)展。當(dāng)傳媒管理者對(duì)數(shù)據(jù)有較為完善分析能力時(shí)，其對(duì)事件的把握及預(yù)測(cè)能力就會(huì)增強(qiáng)，通過(guò)對(duì)大數(shù)據(jù)分析、預(yù)測(cè)會(huì)使得決策更為精準(zhǔn)。

媒介經(jīng)營(yíng)管理創(chuàng)新——應(yīng)對(duì)大數(shù)據(jù)的挑戰(zhàn)

經(jīng)營(yíng)管理就是決策,決策需要信息。決策過(guò)程實(shí)際上就是一個(gè)信息輸入、信息輸出及信息反饋的循環(huán)過(guò)程。應(yīng)對(duì)大數(shù)據(jù)的挑戰(zhàn)，媒介經(jīng)營(yíng)管理需要在新聞生產(chǎn)、受眾調(diào)查、效果研究等方面進(jìn)行創(chuàng)新。

媒介經(jīng)營(yíng)管理首先離不開新聞生產(chǎn)，傳統(tǒng)的新聞生產(chǎn)無(wú)奈于依靠作者的采訪和編輯的加工，評(píng)論等，但現(xiàn)在新聞生產(chǎn)的創(chuàng)新也可利用大數(shù)據(jù)了，大數(shù)據(jù)時(shí)代數(shù)據(jù)成為新聞的核心資源之一，數(shù)據(jù)不僅可以作為新聞報(bào)道的內(nèi)容，數(shù)據(jù)對(duì)于某個(gè)事件發(fā)生的原因、狀況的揭示會(huì)比記者的觀察與調(diào)查更準(zhǔn)確，更有說(shuō)服力。例如，英國(guó)《衛(wèi)報(bào)》解讀2011年騷亂的事件,除了采用常規(guī)的社會(huì)科學(xué)研究方法,如采訪調(diào)查外,還請(qǐng)了曼徹斯特大學(xué)的專業(yè)人士對(duì)250多萬(wàn)條的與騷亂有關(guān)的Twitter信息進(jìn)行大數(shù)據(jù)的分析，在此基礎(chǔ)上做成了《暴徒的告白》，這個(gè)信息量是非常大的，包括抓取微博的信息，網(wǎng)絡(luò)上的信息,如果沒(méi)有大數(shù)據(jù)的分析方法,是不可能實(shí)現(xiàn)的。通過(guò)大數(shù)據(jù)生產(chǎn)的新聞往往給用戶提供耳目一新的新聞感官和認(rèn)識(shí)世界的圖景。

其次，媒介經(jīng)營(yíng)管理離不開受眾的調(diào)查，受眾調(diào)查的創(chuàng)新也可利用大數(shù)據(jù)，與傳統(tǒng)的抽樣調(diào)查相比，媒體可以利用大數(shù)據(jù)更為精確辨識(shí)到受眾群構(gòu)成及其特定階段的具體需求，可以據(jù)此階段性地調(diào)整新聞生產(chǎn)中各類信息的權(quán)重，針對(duì)性地提供新聞信息服務(wù)、增加客戶粘度。例如，愛(ài)點(diǎn)擊iClick自主研發(fā)的XMO受眾解決方案(XMOAudienceSolution)可以接觸到最細(xì)分的受眾。愛(ài)點(diǎn)擊iClick與上百營(yíng)銷者合作推出上千個(gè)在線營(yíng)銷活動(dòng)，并在過(guò)程中累積了上億的受眾數(shù)據(jù)，結(jié)合第三方數(shù)據(jù)，強(qiáng)強(qiáng)聯(lián)合推出22種精選細(xì)分受眾群體。這些受眾群體按行業(yè)（例如：旅游、銀行、金融以及教育）、生活方式和興趣（例如：性價(jià)比追求者、商務(wù)人士、吃貨等等）劃分，以切合廣告主不同的需要。《美國(guó)新聞業(yè)2011年度報(bào)告》報(bào)告認(rèn)為，在媒體市場(chǎng)已成為買方市場(chǎng)之后，用戶決定著哪些內(nèi)容以哪些方式呈現(xiàn)。媒體業(yè)的未來(lái)屬于那些“既懂得公眾不斷變化的行為，也能準(zhǔn)確投放內(nèi)容，并將廣告按每個(gè)用戶偏好投放的人”。因此，利用大數(shù)據(jù)來(lái)進(jìn)行受眾調(diào)查的創(chuàng)新有利于促進(jìn)媒介經(jīng)營(yíng)管理的精確化。

最后，效果研究的創(chuàng)新可利用大數(shù)據(jù)，效果研究是傳播學(xué)研究的重點(diǎn)，也是媒介經(jīng)營(yíng)管理關(guān)注的重點(diǎn)。受眾接觸了媒介尤其是廣告信息時(shí)候，其認(rèn)知、情感、態(tài)度、行為如何發(fā)生變化，傳統(tǒng)的問(wèn)卷調(diào)查采用受眾的自我報(bào)告難以獲得精確的信息，控制實(shí)驗(yàn)往往又是在小群體中進(jìn)行，難以真正的推進(jìn)到總體。而大數(shù)據(jù)下的數(shù)以億計(jì)的高速度、低成本的運(yùn)算器，計(jì)算機(jī)，傳感器，網(wǎng)絡(luò)平臺(tái)使得獲得準(zhǔn)確的受眾效果數(shù)據(jù)成為可能。這方面一個(gè)重要的例子是美國(guó)的Facebook，由于數(shù)以萬(wàn)計(jì)的Facebook用戶的個(gè)人信息，個(gè)人習(xí)慣都在網(wǎng)站中出現(xiàn)，所以Facebook可以通過(guò)大數(shù)據(jù)分析后再將其賣給企業(yè)，企業(yè)再根據(jù)每個(gè)人的特點(diǎn)投放最個(gè)性化的廣告，于是，當(dāng)網(wǎng)民使用Facebook時(shí)，他（或她）只會(huì)看到自己最想看的廣告，從而實(shí)現(xiàn)傳播效果的最優(yōu)化。

總之，只有通過(guò)媒介經(jīng)營(yíng)管理這幾個(gè)方面的創(chuàng)新，才能真正使得媒介的經(jīng)營(yíng)管理方式由經(jīng)驗(yàn)型向科學(xué)型管理轉(zhuǎn)變。而基于大數(shù)據(jù)的科學(xué)型管理必然是精確、全面、立體而富有預(yù)測(cè)性的。

數(shù)據(jù)挖掘：從“大數(shù)據(jù)”中尋找規(guī)律

在“大數(shù)據(jù)”的環(huán)境下，媒介經(jīng)營(yíng)管理怎樣才能實(shí)現(xiàn)由經(jīng)驗(yàn)型向科學(xué)型管理？這就需要進(jìn)行數(shù)據(jù)挖掘，從“大數(shù)據(jù)”中尋找規(guī)律，才能為科學(xué)型的媒介經(jīng)營(yíng)管理奠定基礎(chǔ)。數(shù)據(jù)挖掘出現(xiàn)于20世紀(jì)80年代后期,90年代有了突飛猛進(jìn)的發(fā)展。美國(guó)麻省理工學(xué)院在2001年1月份的《科技評(píng)論》(Technology Review)提出將在未來(lái)5年對(duì)人類產(chǎn)生重大影響的10大新興技術(shù),其中第3項(xiàng)就是數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘(Data Mining)是通過(guò)分析每個(gè)數(shù)據(jù)，從大量數(shù)據(jù)中尋找其規(guī)律的技術(shù)，主要有數(shù)據(jù)準(zhǔn)備、規(guī)律尋找和規(guī)律表示3個(gè)步驟。數(shù)據(jù)挖掘的任務(wù)有關(guān)聯(lián)分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。

數(shù)據(jù)挖掘已經(jīng)在企業(yè)的經(jīng)營(yíng)管理中發(fā)揮了很大的作用，而我國(guó)的傳媒經(jīng)營(yíng)管理也開始利用其為管理服務(wù)。例如，作為北京地區(qū)有線廣播電視網(wǎng)絡(luò)的建設(shè)開發(fā)、經(jīng)營(yíng)、管理和維護(hù)的運(yùn)營(yíng)商——歌華有線,其正在建設(shè)的呼叫中心系統(tǒng),專門引入商業(yè)智能,實(shí)現(xiàn)信息數(shù)據(jù)的深度挖掘,并以報(bào)表、圖形的方式對(duì)大量的數(shù)據(jù)信息進(jìn)行實(shí)時(shí)的網(wǎng)絡(luò)在線分析,為歌華有線的業(yè)務(wù)經(jīng)營(yíng)提供了有力的分析工具。而新華社2008-2015年《工作設(shè)想》就有關(guān)于數(shù)據(jù)挖掘的思想，如在關(guān)于多媒體數(shù)據(jù)庫(kù)建設(shè)目標(biāo)中明確提出要強(qiáng)化搜索查詢功能，提高搜索查詢速度和準(zhǔn)確率的思路。

在網(wǎng)絡(luò)媒體的經(jīng)營(yíng)管理中，數(shù)據(jù)挖掘技術(shù)更是建立在博客、微博、社交網(wǎng)絡(luò)網(wǎng)站這些網(wǎng)民行為的大數(shù)據(jù)基礎(chǔ)上。例如，騰訊擁有超過(guò)7.52億QQ即時(shí)通訊活躍賬戶，1億微信用戶、4.25億微博用戶和超過(guò)1億的視頻用戶。在積累了個(gè)人用戶多方面的海量數(shù)據(jù)后，2012年騰訊提出了“大數(shù)據(jù)營(yíng)銷”的概念。騰訊網(wǎng)總編輯陳菊紅表示“將從這些海量數(shù)據(jù)中挖掘、分辨出用戶的行為模式、興趣偏好等，打造專屬于每個(gè)人的智慧門戶?！彬v訊不僅在各大產(chǎn)品線中都設(shè)置了數(shù)據(jù)挖掘團(tuán)隊(duì)，還在和一些第三方數(shù)據(jù)挖掘公司、營(yíng)銷公司展開合作洽談，充分挖掘用戶在網(wǎng)上的行為、關(guān)系、UGC(用戶產(chǎn)生的內(nèi)容)等數(shù)據(jù)，“通過(guò)合理的方法找到對(duì)企業(yè)有幫助的數(shù)據(jù)，并且將營(yíng)銷預(yù)算合理的分配在為數(shù)眾多的數(shù)據(jù)來(lái)源平臺(tái)上”，從而提高營(yíng)銷效率。

“大數(shù)據(jù)”通常是非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘技術(shù)在非結(jié)構(gòu)化的數(shù)據(jù)中獲取規(guī)律性的東西，應(yīng)該是管理者夢(mèng)寐以求的，也必然會(huì)對(duì)管理思維、管理方法、管理手段帶來(lái)變革性的革命。傳媒是一個(gè)典型加工信息的組織，在加工信息的過(guò)程中，必然會(huì)接觸到大量的數(shù)據(jù)，在傳統(tǒng)的經(jīng)驗(yàn)管理中，對(duì)數(shù)據(jù)的忽視或者先入為見(jiàn)的猜測(cè)，都帶來(lái)過(guò)深刻的教訓(xùn)，后來(lái)在抽樣技術(shù)，統(tǒng)計(jì)分析的支持下，雖然可以分析數(shù)據(jù)的結(jié)果，但其往往是結(jié)構(gòu)化的數(shù)據(jù)，面對(duì)新媒體所帶來(lái)的非結(jié)構(gòu)化的大數(shù)據(jù)，需要利用更為復(fù)雜的數(shù)據(jù)挖掘技術(shù)才能顯示現(xiàn)內(nèi)部的規(guī)律，使傳播效果達(dá)到最優(yōu)化，而復(fù)雜的數(shù)據(jù)挖掘技術(shù)則需要建立更為先進(jìn)的分析工具和分析人才的基礎(chǔ)上，惟其如此，大數(shù)據(jù)才能真正的引領(lǐng)一場(chǎng)管理革命。