久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

     2013年，是大數據和移動互聯元年，標志著我們已經進入大數據和移動互聯時代，在大數據時代，用戶對信息的需求更加個性化、精準化，而借助于數據挖掘和分析技術，傳播體現出智能化的趨勢，而其盈利模式日趨混合化和多元化。
 一、大數據時代到來的源動力：信息開放
     1、技術賦權：四次傳播革命助推信息開放
 從遠古到現在，我們經歷了文字的發明、古登堡印刷術、電報技術的應用和互聯網等四次傳播革命，每一次傳播革命都使得信息的數量快速增加，信息的公開程度快速增加。
     首先，文字發明打破了時間的限制，使得代際傳播成為可能。在文字發明之前，傳播只能通過口口相傳，信息量極其有限，講古人也具有很大的權力。在公元前4000年楔形文字出現之后，文字發明帶來的第一次傳播革命使得代際之間的傳播成為可能，使得信息數量開始大幅度增加。
     其次，古登堡印刷術打破了范圍限制，使得大范圍傳播成為可能。在古登堡印刷術出現之前，書籍主要依賴掌握文字的抄書人，一方面，由于抄書人的數量很少，信息積累和傳播的范圍也受到很大的限制；另一方面，抄書人具有很大的權力，甚至比一些王公貴族的權力都大。1450年，古登堡發明了印刷術，給我們帶來了第二次傳播革命，此后的50年間，大約有800萬本書被印刷，比之前的所有的手抄本還多。這些大量的書籍幫助更大范圍的人獲取知識和信息，使得更大范圍的精英能夠更好地獲得信息。
     第三，電報技術打破了時間和距離的制約，使得大范圍遠距離的傳播成為可能。電報技術的發明，帶來了第三次傳播革命，使得千里之外的信息瞬息可至，不僅大大增加了信息的傳播速度，信息的數量也急速增加，更多的人也能夠更好地獲得信息。
     第四，互聯網技術打破了為精英所控制的大眾傳播限制，使得、及時、互動的自媒體傳播成為可能。發軔于1989年的萬維網，帶來了第四次傳播革命，借助于互聯網技術，人人都可能成為自媒體，人人都可以擁有麥克風，一方面打破了信息由精英控制的局面，在很大程度上賦予普通人傳播信息的權力；另一方面，由于社交媒體等的推從，信息數量極速增加，根據ZDNET的數據顯示，2013 年中國產生的數據總量超過0.8ZB，2 倍于2012 年，相當于2009 年全球的數據總量。
     2、三大成因匯成大數據時代
     首先，摩爾定律使得人類保存數據的能力大大增強。摩爾定律是由英特爾創始人之一戈登·摩爾于1965年提出來的。其內容為：當價格不變時，集成電路上可容納的晶體管數目，約每隔18個月便會增加一倍，性能也將提升一倍。在摩爾定律的推動下，價格以更快的速度下降，即當存儲器的性能提高的同時，大約每9個月存儲容量的價格就下降一半。這一方面使得人們可以有更大、更快的數據保存能力，另一方面使得人們能夠承擔起保存數據的成本。根據相關數據顯示，1990年到2013年，計算成本平均每年下滑33%，1MM的晶體管從527美元下降到5美分；計算成本平均每年下滑38%，1G的存儲成本從569美元下滑到2美分；帶寬成本平均每年下滑27%，1000M的帶寬成本從1245美元下滑到16美元。
     其次，社交媒體的出現使得人類生產數據的能力增強。Facebook、TWITTER、新浪微博、微信等社交類媒體使得每個用戶都可以發表自己的言論，并以其及時、互動實現傳播效應最大化，使得人們生產數據的能力大大增加。例如，Facebook的用戶每分鐘分享的內容高達246萬條，Youtube 每分鐘用戶上傳72小時的視頻，Twitter用戶每分鐘發布27.7萬條信息。
     第三，數據挖掘能力使得人類使用數據的能力大大增強。目前，主流的相關技術主要有MapReduce 和Hadoop 為代表的非關系數據分析技術。
     3、政府數據公開力度加快
     首先，國際信息公開已出具規模。美國等西方發達國家大力推進數據開放運動，并于2011年9月20日，美國等八個國家在紐約發起“開放政府聯盟”，以向本國社會開放更多的信息。目前，該聯盟已經有50多個會員，30多個國家建立了公共數據的開放網站。2012 年3 月，奧巴馬政府公布“大數據研發計劃”，以提高和改進人們從海量、復雜的數據中獲取知識的能力，發展收集、儲存、保留、管理、分析和共享海量數據所需要的核心技術，大數據成為全世界關注的焦點。例如，在美國的“藍紐扣”計劃中，用戶可以使用“藍紐扣”獲取個人健康信息，以便管理其健康、經濟狀況，并與信息提供方交換信息。目前，已有超過1.5億的美國人能夠從健康服務企業、醫藥實驗室、零售藥房供應商與州免疫信息數據庫獲得他們所需的個人健康數據。
     其次，我國也在加快數據開放步伐。國家統計局推出了國家數據開放工程，廣東、上海、北京等地都在加快數據開發進程，但是和國外發達國家相比，開放程度仍然極低。
 二、大數據面面觀 
     當前，大數據正處于快速發展期，每個人對于大數據都有不同的認識，那么什么是大數據？其基本特征又是什么呢？這就需要我們從多個維度來理解和認識大數據。 
     1、何為大數據？
     所謂大數據，是指以服務于決策為目的，需要新型數據處理模式才能對其內容進行采集、存儲、管理和分析的海量、高增長率和多樣化的信息資本。認真分析大數據，其本質體現在如下五個方面。首先，數據量大。相對于傳統的抽樣調查的數據，大數據無疑是巨大，尤其是依靠傳統的計算手段難以有效計算。其次，服務于決策。大數據的主要目的是服務于各類決策，能夠幫助各類組織和個人大幅度提升決策能力。第三，需要新處理模式。由于大數據數量大且是非結構化數據很多，現有的處理模式不能有效處理大數據，需要新處理模式。第四，信息資本。大數據是一種信息資本，而不僅僅是一堆數據和成本，所謂信息資本是指其能夠為政府和企業帶來未來經濟利益的信息資源。更是和土地、資本、人才等一樣的新生產要素。第五，更為復雜。大數據比海量數據更為復雜，海量數據包括結構化和半結構化的交易數據，而大數據除此以外還包括非結構化數據和交互數據。
     2、大數據的特點
     大數據在量度、頻度、速度、維度和溫度等五個方面具有顯著的特點，具體如下。
     首先，在量度方面，具有海量性特點，即大數據規模巨大，當前通常指10TB規模以上的數據量，而且隨著數據的迅猛增加，大數據的量級還會進一步增加。
     其次，在頻度方面，具有高頻率的特點，即發生的頻率很高，重點在于用戶參與與互動而產生的數據。在這方面，傳統媒體的發行用戶數據的價值就很小，關鍵在于其發行用戶非在線，基本上一年才更新一次。
     第三，在速度方面，具有實時性的特點，即大數據能夠實時反應。例如，在GOOGLE搜索框輸入一個關鍵詞，能夠瞬間呈現，一旦其反應速度稍有不及，就會有大量的用戶流失。
     第四，在維度方面，具有全樣本、多維度、非結構化的特點，即大數據是全體樣本的數據，而不是抽樣的數據；大數據是多個維度的數據，而不是單個維度的數據；大數據既有慣常的結構化的數據也有音頻、視頻等非結構化的數據，而不是僅僅的結構化數據。
     第五，在溫度方面，具有在線性特點，即大數據是永遠在線的，能夠隨時被調用的，這就要求必須基于用戶數量巨大的互聯網平臺；這些平臺記錄了用戶的行為、情感、思想、愛好與需求，能夠科學地分析用戶的需求。
    此外，可以按照成產的主體不同，把大數據分為商務過程數據（由傳統的信息系統產生）、環境狀態的數據（由傳感器產生）、社會行為的數據（由社交媒體產生）、 物理實體的數據（由數字化制造產生）四種類型。當然也可以按照歸屬主體分為政府數據和企業數據，其中政府數據又分為民意數據、業務數據和環境數據。
    3、大數據蘊含著新思想和新思維
    在大數據出現之前的小數據時代，我們只能通過抽樣調查的方式來回答“為什么”，即找出“因果關系”，找出事情的前因后果，即使有進行的相關關系研究，重點也是研究“因果關系”。 在大數據時代，大數據大大拓展了研究范圍，在而大數據則能通過全樣本的方式來回答“是什么”，即發現相關關系，這能夠幫助我們更好地地認識和了解世界。因此，大數據既能處理“因果關系”又能處理“相關關系”，即不僅能夠回答“為什么”又能回答“是什么”。
    典型的相關關系而非因果關系的案例主要有：沃爾瑪啤酒與尿布的混搭；鯊魚對人類的攻擊次數和冰淇淋的銷量是正相關的；兒童的蛀牙數量與他們的詞匯量是正相關的；在美國，自2004年以來，“體重增加”與“房屋出租”的相關性達到90%。
    4、大數據分析優勢顯著 
    首先，大數據能夠實現分析的高度智能化。當前，我們已經進入智能經濟時代，而大數據能夠幫助我們實現信息智能化，即能利用有效的工具對數據進行有效的挖掘和專業化處理，進而通過“加工”實現數據的“增值”，進而實現盈利。大數據的優勢在于：一方面實現信息收集和分析的智能化，另一方面實現數據與用戶需求的有效匹配。大數據分析的4個關鍵能力分別為智能預測、高并發處理、統計分析和智能推薦等。此外，大數據分析系統一般可以分為建模層、集成層、存儲層、處理層、可視化層和數據發布層等6個層次。 其次，及時、迅速。大數據分析改變之前的市場調研和數據分析相對滯后的模式和方式，能夠及時、迅速地進行分析。傳統的市場調研和數據分析一般都需要半年甚至更長的時間，例如國家人口普查甚至需要一年以上的時間，而基于互聯網的大數據分析則能夠快速呈現結果。
     第三，成本相對較低。傳統的市場調研方法，由于需要使用大量的人力物力，耗資巨大，而大數據由于可以大量使用技術手段，其成本相應較低。
 第四，更為準確。傳統的數據分析由于很難準確調研用戶的行為習慣，一般來說，難以有效精準，而大數據分析則能夠有效挖掘用戶的真實想法和習慣，則其結果也更為準確。
     5、大數據實施的關鍵
     首先，數據的可獲得度。目前在國內，大數據的發展嚴重受制于政府信息的公開性不夠，很多數據難以獲得，導致難以實現真正的大數據挖掘和分析。
     其次，模型建構。模型的科學性直接決定著數據分析的質量，這就要求有高超的建模水平。
     第三，觀點提煉。為決策提供依據的基于數據挖掘的獨到、高質量的觀點，高度依賴于高質量的數據解釋，這就體現了行業專家的價值。不同的專家對于同一個數據往往會給出截然不同的結論，在房地產市場，任志強、謝國忠都能拿到同樣質量的數據，但是其結果卻有天壤之別。
     6、從數據運營到運營數據 
     首先，要清楚用大數據做什么？主要解決如下問題：要解決何問題？誰的問題？你能解決這個問題嗎？在當下能解決嗎？可以用數據解決嗎？
     其次，用框架做決策。一是確定問題，從解決問題的角度收集數據；二是整理數據，放入數據框架內；三是看框架與決策的關系；四是根據決策行動；五是檢查行動是否滿足目的。
     第三，大數據如何做：混、通、曬、存、管、用。一是“混”，即數據部要和業務部的混在一起，混在一起是開展大數據的前提；二是“通”，即帶著業務問題看數據或者帶著數據來看業務員。業務問題和數據問題之間的“通”；部門數據和部門數據之間的交叉。通的關鍵是從事業務問題的和從事數據問題的能夠具有相同的話語體系，但是現在無論在傳媒業還是在其他行業，多采取的不是同一套話語體系，這就必然導致難以實現大數據與產業的有機融合；三是“曬”，即在獲取、使用、分享、協同、連接、組合之上讓自己變得超級簡單和便捷。為了更好地“曬”數據，一方面需要建立起科學合理的分析框架，另一方面需要善于運用可視化工具，實現分析結果的可視化。四是“存”。必須清楚的是，收集數據不是目的，讓收集到的數據如何產生價值才是目的。任何公司都沒有財力和能力收集全部的數據，這就要求首先清楚要解決的問題是什么，唯有如此，才能夠實現更高的投入產出比。五是“管”。即學會用數據產品來解決獲取及使用數據的問題。六是“用”，即數據的分裂和重組，都能做到顛覆性創新。例如，我們一般把性別分為男和女，而阿里巴巴為了更好地描述用戶，則把用戶的性別分為十幾類。
 三、大數據時代下的智能傳播
     在移動互聯和大數據時代下，用戶的需求更為個性化和定制化，這就要求充分利用大數據技術，來實現智能傳播。 
     1、用戶與用戶需求巨變
     首先，互聯網尤其是移動互聯用戶成為主流。根據中國互聯網絡信息中心發布的《第34次中國互聯網絡發展狀況統計報告》顯示，截至2014年6月30日，中國網民規模達到6.32億，互聯網普及率為46.9％；2014年上半年，網民人均周上網時長達25.9個小時；手機網民規模為5.27億，隨著4G的大規模推廣和應用，未來的手機網民規模必將迅猛增加。得益于動輒幾億的龐大用戶規模，互聯網媒體高速增長。2013年，互聯網廣告收入高達1100億元，僅比居于首位的電視廣告收入少1.1億元，2014年會鐵定超過電視業而成為我國第一大廣告行業，甚至有可能超過電視和報紙的廣告收入之和；僅騰訊公司一家，其2013年的銷售收入就高達604.37億元，凈利潤170.63億元，是2013年我國整體報業凈利潤的近2倍。
     其次，用戶的需求越來越個性化、定制化、精準化。在傳統媒體時代，信息相對稀缺，并且由于技術的限制，用戶只能接受統一的、標準化的信息，但是這種信息傳播方式遠遠不能滿足用戶的實際需求。而在互聯網時代，由于互聯網技術的快速發展，互聯網媒體能夠利用大數據技術更好地分析用戶的潛在需求，也使得用戶的信息需求越來越個性化和定制化。例如，今日頭條就在致力于滿足用戶個性化、定制化的信息需求。
     2、傳統傳播、互聯網傳播與智能傳播比較
     我們可以從信息豐富程度、傳播模式、信息公開度、及時性、商業模式等方面對進行比較分析。首先，在信息豐富程度方面。傳統傳播適應的時代為信息稀缺時代，在該時代信息相對稀缺，無論是報紙、雜志，廣播還是電視，只要內容做得好，就能夠吸引用戶；互聯網傳播適應的時代為信息豐裕時代，在該時代信息相對豐富，以門戶網站為代表的PC互聯網媒體，單純依靠內容已經難以賺取真金白銀；智能傳播適應的是信息過載時代，在該時代信息過多過濫，過載的信息帶來極大的信息噪音，單純的內容已經難以吸引到用戶，這就需要提供針對每個用戶的個性化、定制化的信息。
    其次，在傳播模式方面。傳統傳播是大眾式的傳播，即一點對多點、標準化的傳播；互聯網傳播則是多點對多點、全立體的、鏈式的、病毒式的傳播方式；智能傳播則是多點對一點式的傳播方式，即多個信息源來對應一個用戶。
    第三，在信息公開度方面。傳統傳播的信息公開度較低，是精英式的傳播；互聯網傳播則信息公開度較高，實現了信息的高度公開和透明，也在很大程度上打破了信息的不對稱性；智能傳播則實現了傳播者和用戶兩端的高度公開，實現了信息的對稱和透明。
    第四，在及時性和互動性方面。傳統傳播一般滯后于信息，及時性不夠，互動性更為缺乏；互聯網傳播較好地解決了及時性，互動性也有了很大程度的改善；智能傳播則在信息和用戶兩端都實現了及時性和互動性。
    第五，在商業模式方面。傳統媒體的商業模式為“兩次銷售”，即第一次通過發行把傳媒產品售賣給用戶，進而獲得傳播功能，第二次再把傳播功能售賣給廣告主；互聯網的商業模式為“免費+收費”的商業模式，即先通過免費的信息和服務來吸引巨量的用戶，然后再通過增值業務向某些用戶或者第三方收費，正可謂“羊毛出在豬身上，讓狗來買單”；智能傳播的商業模式則在互聯網的商業模式上，進一步實現智能信息直接收費。具體比較見下表。

   3、智能傳播的核心——基于大數據的智能信息匹配
    在信息過載的情況下，存在著多就是少的悖論，即過多過濫的信息與能夠滿足用戶的有效信息極度匱乏之間的矛盾，而要解決這個矛盾，真正滿足用戶個性化、定制化的信息需求，就必須通過數據挖掘和分析技術，關鍵在于打造基于大數據的信息智能匹配平臺，在不斷優化用戶信息需求的基礎上，實現信息和用戶需求的智能化匹配。這就要求做好如下工作。
    首先，打造巨型的云信息服務平臺，在該平臺上，云集著各式各樣的信息，既有文字的，又有音頻和視頻的，并能實現信息的分類篩選、摘編和深度加工。
    其次，打造大型的大數據平臺，在該平臺上能夠通過數據挖掘和分析等方式，實現對讀者和受眾個性化需求的準確定位和把握。[1]
    第三，能夠通過技術手段低成本地實現信息和受眾個性化、定制化的需求之間實現智能化匹配，并能通過各種支付手段，實現智能化信息的收費。目前，已經形成了一些巨型的信息平臺，如google、facebook、亞馬遜、百度、新浪、騰訊等，也出現了搜索、篩選、推薦等新技術手段，利用技術手段實現精準信息和讀者需求的智能匹配進而實現信息的收費將僅是個時間問題。例如，亞馬遜通過自己研發的被業界稱之為“鬼打墻式的推薦”的精準推薦系統每秒賣出的商品達72.9件，這種精準推薦系統就是跟蹤客戶的所有消費習慣，不斷進行優化。Google和百度利用搜索和篩選手段在一定程度上實現了讀者的主動信息需求，而亞馬遜等利用推薦手段也在一定程度了滿足了讀者的被動信息需求，而基于巨型平臺的社會引擎將能夠實現精準信息和讀者需求的智能匹配。
    目前，在國內，互聯網三巨頭“BAT”已經在大數據和智能傳播方面打下了堅實的基礎，這也給他們帶來了豐厚的收入。例如，阿里巴巴圍繞大數據打造了巨型的信息系統，其廣告收入從2012年的98.04億元高速增長到2014年的297.29億元。在例如，騰訊2014年的廣告收入有可能超過80億元。
    4、傳媒業大數據實踐誤區
    當前，傳媒業雖然也高度重視大數據，但是在大數據實踐中仍存在多種誤區。首先，依然秉持“內容為王”理念。正如上文所述，智能傳播的關鍵是智能信息匹配平臺，單純的內容已經難以為繼，但是很多傳統媒體依然單純從內容上發力。[2]
    其次，認為大數據僅僅是工具。很多傳統媒體僅僅把大數據當成工具和手段，而沒有把大數據當成傳媒業的底層架構和標配，這必然導致其在發展大數據的過程中變形。
    第三，誤把數字化當成數據化。很多傳統媒體認為只要把之前的用戶資料和內容資源從此前的紙質版轉為數字版就實現了數據化，其實這僅僅是數據化的最淺層工作。
    第四，誤把新聞可視化當成數據化。很多傳統媒體僅僅把數據化當成數據新聞或者可視化新聞，其實數據化是整個系統的數據化，單純的數據新聞或者可視化新聞都遠遠解決不了實際問題。 四、智能傳播的盈利模式
    首先，信息服務收費。由于信息智能匹配能夠給用戶節省大量的時間，用戶必然會對其收到的個性化、定制化信息服務付費，而可以預測，這一塊將會有上千億元的市場規模。
    其次，廣告。未來，機遇大數據的廣告能夠實現精準廣告投放，則這一塊也會有很大的市場。
    第三，電子商務。基于大數據的電子商務，將成為智能信息匹配平臺的重要組成部分。
    第四，輿情增值服務收入。媒體可以給政府、企業各類組織提供基于大數據的輿情服務，進而獲得收入。
    第五，網絡行政服務。智能傳播平臺能夠為當地政府提供高效的、標準化的網絡行政業務，其市場規模也會很大。