2002年，有一部上映的科幻片——《少數派報告》，講述的是在2054年的美國，謀殺已經消失，犯罪可以被預知。有三個具有感知未來超能力的人——先知，可以在事前得到犯罪的信息，經過司法部的預防犯罪小組破譯犯罪證據之后，罪犯在實施犯罪之前就會得到懲罰。而這一切似乎將要變為現實，只不過電影中用的是超能力，而今運用大數據。
2009年，在甲型H1N1流感爆發的前幾周，谷歌通過觀察人們在網上的搜索記錄就提前預測了流感的傳播。谷歌保存了多年來所有的搜索記錄，每天收到來自全球超過30億條的搜索指令，通過分析這些龐大的數據資源，而得出了這個結論。
世界著名咨詢機構麥肯錫公司于 2011年5月發布了《大數據：下一個創新、競爭和生產力的前沿》報告，掀開了大數據研究的序幕。作為從經濟和商業維度詮釋大數據發展潛力的第一份專題研究成果，該報告系統闡述了大數據概念，詳細列舉了大數據的核心技術，深入分析了大數據在不同行業的應用，明確提出了政府和企業決策者應對大數據發展的策略。
一、大數據簡介
麥肯錫認為，“大數據”是指其大小超出了典型數據庫軟件的采集、儲存、管理和分析等能力的數據集。該定義有兩方面內涵：一是符合大數據標準的數據集大小是變化的，會隨著時間推移、技術進步而增長；二是不同部門符合大數據標準的數據集大小會存在差別。目前，大數據的一般范圍是從幾個TB到數個PB。
大數據（big data），究竟這個數據有多大。很多人試圖測量出一個確切的數字。南加利福尼亞大學的馬丁?希爾伯特（Martin Hilbert）試圖得出人類所創造的、存儲和傳播的一切信息的確切數目。據他估算，2007年，人類大約存儲了超過300艾字節的數據[1]。他預測，到2013年，世界上存儲的數據能達到約1.2澤字節。這意味著：如果把這些數據全部記在書中，可以覆蓋整個美國52次，如果將其存儲在只讀光盤上，這些光盤可以堆成五堆，每一堆都可以延伸到月球[2]。
IBM將大數據的特點總結為4個V：
（一） Volume
數據體積巨大，在我們需要處理數據的時候，不再需要隨機樣本，而是全體數據。即樣本=全體。小數據時代隨機抽樣，我們用最少的數據獲得最多的信息。因為技術的限制，取得過多的樣本會消耗大量的成本和精力。現在，技術環境已經有了很大的改善，依然進行抽樣分析就類似于在汽車時代依然騎馬一樣。大數據注定對社會科學有最大的撼動，因為我們再也不用依賴抽樣調查了。
（二）Variety
數據的類型及來源繁多并且包含越來越多的非結構化數據（如圖像、聲音等信息）；大數據的來源主要有這樣幾個方面[3]：
一是媒體數據，特別是互聯網、社交媒體產生的數據，包括人們瀏覽網頁的數字化記錄等；
二是各類企業的生產、銷售、管理等等數據；
三是政府部門的數據；
四是物聯網、各種傳感器產生的數據，以及未聯網的各種攝像頭拍攝的數據；
五是民眾個人留存的數據，包括個人、家庭文字及音像數據。
數據類型和數量的繁多，各種數據魚龍混雜，直接帶來的結果就是錯誤數據的增多，精確度的下降。在小數據時代，在抽樣調查的時候我們要對我們的調查的信度和效度負責，所以數據越精確越好。但是現在不是這樣了，在大數據時代，我們掌握的數據越來越全面，它不僅包括現象的一點點數據，而是包括了與這些現象相關的大量甚至全部的數據。我們要做的就是接受這些紛繁的數據并從中獲益，而不是以高昂的代價消除所有的不確定性。
（三）Velocity
數據增長速度快，其對于實時處理速度的要求也很高。
（四）Value
數據價值高但密度低，海量數據背后擁有價值的數據比例低。
二、大數據對傳媒的影響
（一）對傳統媒體的影響
傳統的紙媒在互聯網的沖擊下依然搖搖欲墜，報紙、雜志的受眾紛紛轉投更先進、更具現代氣息的互聯網，或者手機、iPad等移動終端。更不用提現在這些新媒體有了大數據作為支撐。
亞馬遜網站最初的時候，聘請了20多個書評家和編輯組成的團隊，他們寫書評、推薦新書，挑選非常有特色的新書標題放在亞馬遜的網頁上。這個團隊創立了“亞馬遜聲音”這個版塊，成為當時公司這頂皇冠上的一顆寶石，是其競爭優勢的重要來源。后來林登創立了基于大數據分析的系統，應用在網站上之后，亞馬遜可以根據客戶個人以前的購物喜好，為其推薦具體的書籍，而且除了書籍，更可以推薦電子用品，烤面包機這些產品。這個系統創造了亞馬遜銷售額的三分之一。最終，書評組被解散了。很多大型書店和音樂唱片商店也歇業了。
現在的網絡已經可以在新聞下方列出一長串的相關新聞的鏈接了，視頻新聞也會在播放完畢之后自動彈出相似視頻供挑選。而紙媒還完全做不到這一點，如果繼續發展下去，任由新媒體在用戶個性化方面做的更好，紙媒勢必也面臨著亞馬遜書評組的命運。
（二）對傳播效果的影響
大數據時代，新聞傳播將更有針對性，更精準，傳播將更有效果。大眾傳播是粗放型、廣種薄收的傳播，把所有的新聞信息向所有人傳播，缺乏針對性、精確度。受眾必須從眾多新聞信息中尋找自己需要的、感興趣的內容。
新聞媒體自產生以來，都是以大眾傳播為主，綜合性報紙、綜合性的廣播電臺電視臺都是傳播界的王者。能做大做強的，都是面向大眾的綜合性媒體。大數據時代，情況將發生變化，人們上網瀏覽都會留下“足跡”——各種數字化記錄，即瀏覽數據。對一位受眾——固定 IP 地址或同一終端瀏覽器上的所有瀏覽數據或相當長時間的瀏覽數據進行分析，便可獲知其上網習慣、喜好等等，根據這些數據，在最合適的時間以最恰當的方式向他推送最感興趣的新聞，這就是精準傳播、“長尾營銷”，這樣的新聞不僅不會被當做垃圾，還很可能被定制。隨著大數據時代的發展，精準傳播會越來越普及，越來越受歡迎。
（三）對新聞價值的影響
智能手機普及、社交媒體發達，使得人人都是記者，手機便是媒體，新聞報道、信息發布已經不再是媒體人的專利了。“我在現場”曾經是傳媒業及其從業人員倍感驕傲的事情，時效性也成為業內比拼最為激烈的指標。大數據時代，聯網的網民和各種電子記錄設備（如攝像頭）散布在社會各個角落，不斷觀察和上傳實時情況，在經過網民們的“分布式”集體選擇后，形成熱點新聞。甬溫動車事故，雅安地震，第一時間傳出來的消息都來自于事件現場的人的微博。都說明最有時效的新聞來自“在現場”的人，而不是“到現場”的人。“獨家新聞”已經成為了明日黃花，再也沒有媒體用時效性來標榜自己。
更加具有顛覆性的是，應用了大數據分析的網站如果能夠判斷哪些新聞更加符合大眾的口味，新聞價值將失去其意義，新聞編輯的新聞敏感性也將無用武之地。讀者喜歡什么樣的新聞，編輯所要做的就是按照大數據分析的結果去呈現那樣的新聞，只要“知其然”，無需“知其所以然”。只需要關注新聞類型和讀者的相關關系，無需花費多余的精力深究因果關系。除非是要進行學術研究。
（四）媒體數據庫
大數據時代，媒體要有強烈的數據意識，要善于收集數據、分析數據、使用數據，挖掘數據的潛在用途。媒體業本身是信息產業，并且是信息業的前沿，在大數據時代擁有先天優勢。郵政行業有最全的地址數據，淘寶網積累了10年來網購用戶交易和瀏覽記錄，新浪微博和人人網擁有了所有注冊用戶的人際關系網絡信息。媒體擁有天然的信息優勢，每天都有難以計數的文字、圖片、視頻被創作出來，只不過這些信息沒有被數據化。很多傳統媒體紛紛觸網，信息已經很大程度上完成了數字化——即轉換成了可被電腦識別的二進制信號，但是大數據時代，這些信息需要數據化——即變成可量化制表分析的過程，這樣，方能發揮大數據的核心威力：預測。
除了傳統的文字、圖片、視頻等數據，媒體仍需拓寬自己的數據范圍。媒體不僅要有自己的采編隊伍，有自己的原創新聞、原創評論，還應該圍繞自身優勢建立一個數字化的平臺——一個互動的、社交化的、擁有廣泛人氣、能夠容納廣大網民上貼、交流、討論的平臺[4]。它可以匯聚各方信息，形成龐大的、擁有巨量信息與數據的平臺。
大量的數據也需要被妥善的利用，需要挖掘數據背后潛在的價值。消費者信貸領域的一些公司考慮開發以Facebook社交圖譜為依據的信用評分，因為他們發現：個人會償還債務的可能性和其朋友會償還債務的可能性成正相關。“社交網絡分析之父”貝爾納多?哈柏曼的分析顯示，微博中單一主題出現的頻率可以用來預測好萊塢的票房收入，從而預測一部電影的成敗。可以說，數據的真實價值就像漂浮在海洋的冰山，第一眼只能看到冰山的一角，而絕大部分則隱藏在表面之下。
（五）對媒體功能的影響
媒體在做好社會記錄者與信息傳播者外，更應定位成社會解讀者和分析預測者，深度解讀和去偽存真本是媒體的重要職責，而大數據賦予的全面深刻的洞察恰好能為傳媒再添一雙慧眼。媒體數字化轉型正在進行中，從采集、處理、儲存、傳播，完全地數字化后，媒體產生的數據量將急速增大，成為大數據的重要生成與應用行業。
大數據的核心思想是預測，是用數學算法來分析數據，預測事物發生的可能性。奈飛（Netflix）是一家在線電影租賃公司，通過記錄分析用戶的搜索和使用記錄，分析前后數據的相關性，從而了解用戶的喜好，推薦后續產品。亞馬遜則是依據類似的原理推薦書籍等產品。
大數據應用到新聞領域，必然利用其最核心的競爭力——預測，相比于數據新聞學，預測新聞學更有可能大行其道。數據新聞的精髓或許在于將傳統的新聞敏感和使用數字信息講述一則好故事的能力相結合而帶來新的可能性， 這些可能性會出現在新聞報道的任何一個階段[5]。預測新聞是根據事物發展現階段的影響要素和特點，對事物發展的規律和走向，進行判斷和推測的一種報道[6]。數據新聞學把數據作為一種新聞要素，輔助新聞的表達，使得新聞更具有可讀性、可信性，可以增加新聞的深度。新聞本身是一門社會科學，相比較于自然科學，有其模糊性。但是，如果合理的利用大數據，將數據化的新聞信息進行分析，得出事物發展的趨勢，社會變遷的方向。對這樣的趨勢、方向的報道無疑和預測報道更加的相像。
在專業性比較強的報道，如體育、財經，大數據更能施展其預測的功能。如同在電影《點球成金》里面，棒球星探在統計學家面前相形見絀——直覺的判斷被迫讓位于精準的數據分析。對賽事結果的預測，對經濟衰退的預警，甚至地震預測也能真正讓人們提前有所防備。這一切幾乎是思維的全新的轉變，將迫使人們調整在管理、決策和教育方面的傳統理念。
（六）媒體從業人員需要新的技能
大數據時代，傳媒業還要避己之弱，補足自身發展的短板。大數據時代要求人們具備三種能力：數學運算與建模的能力、網絡工程與分析能力、能夠洞見事物本質的能力。麥肯錫咨詢公司報告預測，到 2018 年，僅美國將面臨 14 萬到 19 萬高級數據分析師短缺的情形。中國的短缺情況應相去不遠。但是，專業的工程師、數據挖掘師擅長數據處理技術，對國情、社會及社會問題、對政治經濟的了解卻并非長項。傳媒從業者與人與社會打交道，以整個社會為思考對象，對人對事有特殊的洞察力，因此媒體需著力培養數據時代的媒體專家：讓編輯記者盡快了解大數據，掌握基本的機器學習、各種算法及數據分析方法，懂得用大數據技術分析解剖社會問題，分析處理民眾關注的社會熱點、難點、焦點問題；讓數據工程師熟悉社會、了解社會，認清國情，增強政治辨識能力，培養社會洞察力，擁有這樣一批“全才”，傳媒業才有更大的發展潛力。
三、負面影響：隱私
大數據帶來的變革毋庸置疑，但是這一切都是建立在正確利用它的基礎上。換個角度想一想，我們每天都暴露在“第三只眼”之下：淘寶、亞馬遜監視著我們的購物習慣，谷歌、百度監視著我們的網頁瀏覽習慣，而微博似乎什么都知道，不僅竊聽了我們心目中的“TA”，還有我們的社交網絡。
《竊聽風暴》是這樣一部電影：1984年，全東德百姓被一百萬國家秘密警察（蓋世太保）控制著，國家安全局的竊聽手段像《1984》中的電幕系統一樣掌握和控制著人民的思想。“你只能在這樣的假定下生活——從已經成為本能的習慣出發，你早已這樣生活了：你發出的每一個聲音，都是有人聽到的，你作的每一個動作，除非在黑暗中，都是有人仔細觀察的。”
現在這一切好像又要重演。一旦這些數據落入了不法之徒手中，后果不堪設想。當所有的信息都已經在數據庫里面的時候，有意識的避免某些信息就是此地無銀三百兩。谷歌街景在采集道路和房屋的圖像的數據的時候，遭到了很多人的反對，因為民眾認為這些圖片會幫助盜賊選擇有利的目標。于是，谷歌將不同意的業主的房屋和花園的照片模糊化的時候，起到了反作用，對盜賊來說，反而暴露了目標[7]。
而且，在大數據時代，匿名化也是不可行的。在新聞報道的時候，可以用化名取代真實的人物，但是，其他的數據，時間、地點、事件的細節必須保持真實。只要有足夠的數據，很容易將范圍縮小到唯一的目標身上。匿名化與大數據同時存在幾乎成了一個悖論。
本文開頭的時候談到的《少數派報告》中，僅僅根據某人又犯罪的傾向就對他經行懲罰，違背了法律或者公平的基石——無罪推定原則。因為我們被追究責任，居然是為了我們永遠都不會實施的行為。雖然這僅僅是電影，但是依然可以窺見大數據在未來給我們帶來的道德和倫理的挑戰。
大數據并不是一個充斥著算法和機器的冰冷的世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助時暫時的，更好的方法和答案還在不遠的未來。
京公網安備 11010502049343號