央视媒体【国内电视媒体大数据新闻实践探析,一一以央视新】

国内电视媒体大数据新闻实践探析 一一以央视新

央视大数据电视新闻一经播出，便引发了国内外各界高度关注及巨大 反响。仅以2014年1月25曰至29曰播出的开篇之作"据说春运"为例：截至2月7曰， 央视新闻新媒体平台（微博、微信、客户端)、新华网、人民网等央媒的官网及 新媒体平台转发就已超过1280万篇（条）；
新浪、网易、腾讯网、腾讯新闻客户 端、搜狐、凤凰、虎嗅网、中新网、新华网、人民网、DoNews、Techweb等网 站均在首页转载和重要位置推荐，覆盖国内超过5亿网民⑴“"据说春运"快速上升 为网络搜索热词，随后便进入百度词条；
同时，CNN、BBC、华尔街曰报等国外 媒体也开始竞相转载报道。

笔者根据公开资料对2014年以来央视应用大数据开展电视新闻创新 实践的情况进行了不完全统计（表1)。表中统计可见,2014年以来，央视大数据新 闻报道数量明显增加，播放频道也由综合频道逐步渗透至专业频道，大数据新闻 整合到常态新闻报道中的趋势比较显著，部分频道的大数据新闻节目品牌化运营 趋势思路初现。整体来看，目前央视播出大数据电视新闻的频道包括综合频道、 新闻频道、经济频道等，涉及栏目包括新闻联播、晚间新闻、新闻直播间、经济 信息联播、第一时间、两会解码、新闻30分等名牌新闻栏目，涉及话题基本覆盖 政治、节庆、出行、就业等热门领域。特别是央视综合频道《晚间新闻》的"据 说"系列一一"据说春运"、"据说春节"、"据说两会"、"据说睡眠"、"据说就业"、" 据说清明"等报道，更体现出其对大数据新闻系统化策划、品牌化运营的中长期考虑。

大数据新闻在央视常态新闻报道中的比重持续上升的同时，央视更不 断探索着大数据电视新闻的创新呈现方式。从1月底"据说春运"报道中首次启用 的动态迁徙图，到3月间"据说两会"报道中"数据哥①"虚拟形象的出现，到"两会 大数据"报道中对立体成像技术和人机互动技术的尝试,再到清明节假期"据说清 明"报道中对景区实时热力图的采用一一短短三月间，央视多次实践了大数据电 视新闻报道呈现方式层面的创新，实现了量与质的同步突破。

二、创新拆解：央视大数据新闻应用特点 纵观央视开年以来大数据新闻的创新之举，可以从数据来源、数据特 征、应用层次、报道角度、作用转变等角度来总结大数据电视新闻的应用特点， 如下：
首先，当前央视大数据新闻的数据来源多为互联网公司及第三方服务 提供商等机构，它们本身在大数据生产、存储、分析、呈现等方面具备领先实力， 如百度、腾讯、新浪、当当网、360搜索、亿赞普、中国银联等。其中，互联网 公司在所有数据来源中所占的比重最高。以数据引用频次最高的百度为例，百度 是国内最大的搜索引擎提供商，目前占据了中国搜索引擎市场约81.7%的份额, 覆盖了国内超过6亿的网民群体，这是百度基于海量网民行为数据进行大数据开 发的基础。基于此，百度开发了"百度迁徙"（以百度地图LBS®数据为基础)、" 百度预测"（以百度搜索数据为基础)、"百度商情"（以百度搜索数据为基础）等 多款大数据产品，提供给包含央视在内的第三方机构使用。同理，腾讯、新浪、 当当网等公司旗下都拥有多款海量用户的互联网产品，并据此积累了社交、电商 等领域大数据优势，可以为新闻机构提供这些方面的大数据。

除领先互联网公司这类本身就是大数据"业主"的机构之外，拥有大数 据分析优势的专业数据服务商同样也可为新闻机构所用。如亿赞普这家定位在大数据服务提供商的公司，本身并不拥有大数据，而是在大数据分析处理等方面具 有优势。总之，无论是互联网公司，还是交易中介机构，或是数据服务商，目前 与央视开展大数据新闻合作的机构基本都以数据来源的角色出现,承担了大数据 生产、存储、分析、呈现等环节的工作。

第二，大数据电视新闻的数据样本规模从抽样提升至全体或接近全体， 提升了数据的精确度与代表性，提高了新闻的真实性。传统数据调査往往依赖于 抽样统计，样本的规模、质量、分布等因素都会影响统计结果，而大数据通过对 海量甚至全体的分析，更加精确地展示数据真相，这一点是非常本质的进步所在。

基于此，电视新闻对于大数据的应用，可以大幅提升其报道的真实性。如央视《晚 间新闻》在世界睡眠曰推出的特别节目"据说睡眠"中提到"用户在QQ空间发了" 晚安’的说说后过了1.8小时才真正睡觉”这一数据就是基于QQ大数据平台上8亿 月活跃QQ用户行为的监测与分析得出的。这“1.8小时"并非推测，而是大数据计 算得出的真实结果，非常接近于客观事实。

第三，目前大数据电视新闻报道呈现仍以浅层应用为主，呈现方式仍 以数据来源方提供的原始形态为主，与电视媒体特征结合的层次有限。按照数据 新闻"正金字塔结构"的阐述，数据新闻主要包括了可视化、叙事化、社会化、人 性化、个人订制化和使用等六个步骤。而央视大数据新闻目前仅集中在数据可视 化及叙事化报道方面一一数据通过信息表格、动态图或其他形式进行可视化呈现、 再辅助主持人对这些图表的阐述进行报道一一这些还只是大数据浅表应用。同时， 出现在大数据新闻中的"动态迁徙图"、"热力图"等形态实际上源自数据提供方， 基本是"拿来就用”，缺乏结合电视媒体特征进行深度定制的应用。

第四，大数据对新闻事件的描述从微观角度转变为宏观角度。以央视 首播、观众好评度最高的大数据新闻"据说春运"系列为例，节目一改往年派记者 蹲守各地火车站、采访出行者及春运工作人员的老套路，不再拘于用单一视角描 述个体主观感受、用个性问题推测共性问题的旧方式，而改用百度地图每天数十 亿次LBS大数据，获得全国春运人口实时迁徙动态数据并通过动态迁徙图展现出 来的新方式。观众可以根据动态迁徙图上线路亮度的不同及箭头指向位置直观地 获知春运人群实时流动情况，并据此安排出行。可见，大数据新闻能以更宏观、更全面的角度来揭示数据的客观意义，让个体从共性中寻求个性答案。

第五，大数据从新闻例证转变成为新闻本体，大数据本身是新闻。在 传统的新闻报道中，记者往往会预先确定报道主题、设定某一论证方向、继而搜 寻相应论据，数据在新闻报道中处于辅助、例证的位置。而在大数据新闻中，数 据成为贯穿整个节目的主线，成为新闻报道的对象。以3月4曰"两会大数据"为例， 主持人以大数据显示最关心中国两会的国家是印度尼西亚为引子，继而展示印尼 年轻人关注中国两会的占比数据"从2011年的35.8%上升至2013年的41.5%”他们 讨论最多的问题是"中国留学”这其中没有使用局部数据去证明主观推测，而是直 接将大数据推上主角位置，成为新闻结构中最不可或缺的一部分。

三、路径展望：大数据电视新闻发展策略 如前所述，央视开创国内大数据电视新闻先河至今不足半年，大数据 与电视的结合虽火花四溅，但深度终归有限。未来大数据与电视新闻如何深度融 合，"合体"成为名副其实的大数据电视新闻，而非流于"借用了大数据的电视新 闻"的浅表层次，实则需要从生产、传播、营销三大维度出发做通盘考虑。

首先，大数据电视新闻的根本依然是内容，因此，利用大数据来赋予 电视新闻以交互性与多样性、提升电视新闻内容生产的效率与深度，改善用户体 验,促进内容的"质变"与增值，是电视媒体做大数据新闻的基本立足点。

在交互性与多样性方面，如何克服电视媒体互动不足、时长有限、展 示简单等局限性是现实难题之一。从目前发展潮流看来，通过在传统电视平台上 引入交互设计、通过新媒体平台延伸传播渠道，是值得研究的重点方向。可参考 的案例有BBC和毕马威会计事务所合作的数据新闻作品一一《预算计算器2012 年财政预算将如何影响你？》。这个"计算器"简便实用，用户只需输入一些曰常 个人信息（如每周购买多少啤酒、几包香烟、家有几辆汽车、月收入等），就能 自动算出来年需要多付多少税、明年生活是否比今年更好[4]。这个案例的特色在于交互设计，鼓励电视用户参与互动，从而体验个人与公共政策间的联系。这 种交互设计的理念与呈现已经超越了目前国内大数据电视新闻的常规形态，属于 数据新闻的深层次应用，值得研究与借鉴。

在效率与深度方面，大数据不仅可为常规新闻生产提供论证支撑，甚 至可自成为一种全新的新闻生产方式一一机器新闻®。未来在常规化经济数据变 动、体育赛事结果、活动发布等新闻领域，可以直接通过计算机算法撰写叙述准 确的机器新闻，并在最短时间内向外界公布。新闻采编能力及效率在大数据的助 力之下得以大幅提高，甚至部分取代人工部分,这种变化堪称颠覆性的。

其次，大数据电视新闻发展不能单靠外部大数据，更要重视电视媒体 自身的大数据富矿。当前阶段，有线数字电视、IPTV、OTT等新型电视的速增 正在极大地拓展电视媒介的数据获取能力，这使电视媒体获得了超越传统收视率 抽样数据规模、真正进入大数据时代的机会。与此同时，电视的新媒体平台一一 微博、微信、新闻客户端的规模化发展，也使得电视大数据的触角得以极大延伸， 跨平台互动行为、情感态度等数据监测也成为可能。最终，电视媒体自身大数据 资源的开发，将帮助电视更好地了解自己，更好地辅助新闻产品研发、量化内容 产品运营、开发精准营销等，从而全方位地提升电视媒体的竞争力。

最后，大数据电视新闻的最终推动者是新闻从业人员，他们的素养提 高将最终决定大数据电视新闻的未来。大数据电视新闻不同于传统新闻报道，它 是以强大的数据挖掘、分析、呈现技术为基础的。因此，大数据电视新闻团队不 仅需要熟练掌握主流数据应用，更需要打破部门建制隔阂，建立数据挖掘工程师 与新闻记者配合机制，才能更好地培养与实践大数据新闻的意识与理念。

总之，2014年央视在大数据新闻领域的尝试充分显示了它的创新能力， 更使中国电视媒体跻身于世界数据新闻的领先梯队。但不容忽视的是，电视媒体 与大数据的深层融合时代尚未到来，前路漫漫，电视新闻人依然任重道远。