[摘要] 伴随信息技术的发展，媒体融合已成为媒体发展的趋势。大数据技术通过精确洞察用户体验、驱动媒体内容定制生产与收益模式创新等，促进媒体深度融合。但媒体融合仍面临创新突破难以聚焦、隐形知识难以共享等相关问题，媒体企业需通过打造大数据平台、多维协同创新等策略，突破技术瓶颈，实现媒体在内容、渠道、经营管理等层面的融合创新与转型调整。
[关键词] 大数据 媒体融合 创新
[中图分类号] G237 [文献标识码] A [文章编号] 1004-6623（2015）04-0102-04
[基金项目] 2014年度重庆市社会科学规划青年项目“重庆媒介融合平台发展模式研究”（2014QNCB20）；教育部人文社会科学重点研究基地重庆工商大学长江上游经济研究中心招标项目“长江上游地区文化与科技融合模式研究” （CJSYI-201405）；本文获2013年重庆市本科高校“三特行动计划”特色专业―重庆工商大学融智学院经济学专业建设项目资助。
[作者简介] 张红梅（1980 ― ），四川南充人、重庆工商大学融智学院商务系副主任，讲师，研究方向：传媒经济与管理。
大数据蕴藏巨大的社会、经济、科研价值，引起了各个行业的高度关注，大数据技术正逐步成为推动媒体融合的重要技术因素。本文探讨了在大数据浪潮下，大数据技术对媒体融合的创新驱动，以及基于大数据技术进行媒体融合创新的具体策略。
一、大数据对媒体融合创新的驱动作用
（一）大数据思维与媒体价值创新
大数据助力媒体企业充分了解用户需求。在大数据时代，每一个人都可能是行走的数据生成器，媒体企业可以通过大数据技术搜集、挖掘用户个体在互联网中保存的个人信息与痕迹，从而充分洞察用户的性格、意愿，了解用户的媒体偏好以及消费需求。基于此，相较传统媒体，大数据媒体的用户形象更为清晰。同时，在不断优化用户信息需求的基础上，媒体在信息送达和用户需求中实现智能化匹配的价值主张得以实现。
（二）驱动媒体融合进程中关键业务的创新
运用大数据技术挖掘与整合新闻资源，改进新闻生产方式与流程，主要包括：
1. 新闻业务的创新――数据新闻的诞生
数据新闻又称为数据驱动新闻，是指“基于数据的抓取、挖掘、统计、分析和可视化呈现的新型新闻报道方式”。其生产流程为获取数据――分析数据――数据可视化。数据新闻在全球已有普遍实践，2012年国际上第一个表彰数据新闻工作的专业奖项――数据新闻奖设立，参选项目多为数据驱动的调查性报道，数据来源多为公开数据。
国内的数据新闻实践目前处于起步阶段，2014年初，央视晚间新闻制作“据说春运”节目，首次采用百度地图LBS定位的可视化大数据，播报国内春节人口迁徙情况。节目中发布由两亿多部智能手机画出的动态迁徙图，迁徙图中的迁徙轨迹像烟花一样直观地呈现在观众面前，使观众一目了然了解迁移动态，获得观众的好评。同时，三大门户网站也开辟了利用大数据解读新闻的栏目，如网易的数读、搜狐的数字之道与新浪的图解天下。
2. 微市场细分
通过对于媒体用户市场的进一步细分，有针对性地找准每一部分用户市场的现实需求，并进行媒体产品的分类与制作。比如华盛顿邮报推出的“我的华盛顿邮报”服务，利用大数据技术，将网站所有新闻内容进一步细分到500个栏目，读者可以根据自己的喜好来选择自己感兴趣的内容，从而节省了获取目标信息的时间。
3. 按需生产
基于大数据的按需生产都是建立在媒体具有一定的数据资源，并能通过数据资源的分析，把握客户需求的基础之上。
内容推荐。重视用户体验，通过用户以往数据记录挖掘其兴趣点，推荐符合其喜好的媒体内容。如新浪网科技频道的“猜你喜欢”模块，主要依托于新浪微博的大数据资源，通过用户网页浏览历史、微博兴趣图谱等大数据，分析出用户偏好，进而进行内容推荐。同时网易、腾讯等新闻客户端也具有内容推荐功能。
根据用户需求生产产品。如Netflix根据大数据分析推论出《纸牌屋》成功的关键要素：喜欢BBC剧集的用户、大卫 . 芬奇的表现风格、凯文 . 史派西的表演刻画。最终具有这些关键要素的《纸牌屋》在美国和其他40多个国家引起了观剧热潮。
内容定制服务。传统媒体领域“受众”一词显示，在传统媒体中，消费者群体更多地属于信息接受者，用户信息反馈较为延迟。新的技术背景下，媒体融合进程中可以通过大数据平台，整合多家媒体的新闻资源，实现个性化、定制式的新闻内容的推送。如Five thirty eight数据博客，在2014年5月23日开辟了一个读者来信专栏“亲爱的莫娜”，便是典型的内容定制的服务方式。读者提出诸如，美国有多少男性空乘人员之类的问题，媒体运用相关大数据进行分析，并将分析结果传达给读者。国内的媒体，如新浪网科技频道在2014年实现了个性化与全面定制化服务，其新闻内容可以按照栏目和标签两个维度进行定制。
（三）驱动收益模式的创新
首先是广告收费模式。传统媒体属于典型的大众传播模式，由于广告效果难以评测，广告主的广告并不能实现精准投递。而大数据技术可以促进广告投入成本与价值的对等，如CPC（Cost per Click）模式，即广告主为每次点击付费，CPM（Cost per Thousand Impressions）模式，广告主以广告显示每1000次为单位付费等等。目前，基于大数据的实时竞价（RTB）广告模式，更是大幅提升了广告投放的精准度，广告主会通过广告交易平台获取网站访问用户的信息，通过与自己数据库用户信息进行比对，确认其基本信息与爱好，再根据广告投放需求决定是否进行竞价。其次是能实现用户消费内容的直接收费。在定制化或推荐式内容中，实现媒体对于新闻内容的收费。 （四）驱动基于大数据的外部关系网络和价值网络重构
大数据背景下UGC与众包新闻的出现，将进一步驱动媒体与外部建立共享与合作的关系网络。UGC（User-Generated Content）是指用户生产内容，即用户通过自媒体等媒介以各种方式自由发表的图像、文字、音频、视频等内容。新闻生产众包（crowd-sourced journalism）中的众包一词由《连线》（wired）杂志编辑杰夫 . 豪（Jeff Hawe）在2006年发表的《众包崛起》中首次提出。众包新闻是指“新闻生产模式由传者向用户转变，在新媒体环境下，传者依托网络向一定范围内的用户发出新闻主题，用户参与新闻线索提供、新闻内容添加，甚至新闻修改编辑等一系列新闻生产的一种新型新闻报道模式”。UGC与众包都反映了用户群体对新闻生产流程的直接参与，体现了用户价值。
二、基于大数据的媒体融合创新的主要难点
（一）媒体生态位调整，创新突破难以聚焦
当前，技术的快速发展使媒体生态网络发生改变，转型期媒体正在积极地自我调整，以寻找到新的合适的生态位。传统媒体在功能定位上面临两重选择，一是继续深耕做内容，以深度报道、预测报道为主，这种模式传承了传统媒体的内容制作优势，但面临内容价值不易评估、知识产权等问题；其二是做渠道媒体，这种发展方向适应了技术发展的趋势，但传统媒体在技术上并不占有优势，泛媒体间竞争激烈。同时，大数据产品尚不成熟，商业收益尚未显现。各个层级、不同形态的媒体对于大数据战略并不能完全同步，在关键性的创新突破上难以聚焦。
（二）技术“嫁接”模式需突破，一体化尚未完全成型
在媒体融合的初期阶段，传统媒体多选择“移植”与“嫁接”式的技术创新手段，在原有业务基础上，局部嫁接互联网技术。这种方式融合力度不够，一体化无法实现。这也显现了传统媒体内生创新资源不足的问题。
首先，传统媒体缺乏技术基因。传统媒体并不是技术型企业，对于大数据等互联网技术既缺乏研发基础，也缺乏应用经验，许多媒体企业并不具备适应大数据技术的IT架构、基础设施和专业人员。这使传统媒体在融合进程中，大多采用局部范围内的技术创新，并对技术外包较为依赖。
其次，创新资金问题。大数据基础设施的运行具有高固定成本，低边际成本的特点，对于媒体企业来说，大数据平台建设以及业务转型需要在前期投入大量的资金，而传统媒体转制改企的时间并不长，累积有限，近年又因为新媒体的冲击导致广告业务被蚕食，收益下降。因此，资金问题也是影响其技术融合深度推进的一个原因。
（三）隐形知识多，知识共享困难
组织信息不对称，信任难以对等。大多合作式媒体融合企业，其知识共享跨越了组织边界，存在信息不对称的情况，同时由于媒体企业之间属于竞合关系，在临时的合作关系中难以在双方企业中产生信任，进而影响知识的共享。
知识内隐性与复杂性影响知识共享。首先从传统媒体行业特征来看，其知识具有内隐性，媒体组织知识大多内隐于记者编辑等新闻从业人员和团队身上，比如新闻敏感度、新闻呈现能力、新闻内容制作经验等，是传统媒体在长期发展过程中形成的，难以模仿。这种隐性知识，难以共享给新媒体企业。 其次是技术知识的复杂性。大数据技术专业程度非常高，包含技术挖掘、分析、处理等，难以与传统媒体实现知识共享。
（四）融合处于探索期，管理机制需进一步适应
大数据技术不仅仅是技术工具，其所带来的媒体市场的改变、生产流程的改变，需要相应的管理机制进行创新性管理。目前不少媒体企业分别具有传统媒体与新媒体两套业务，两套生产流程，既没有体现产品的融合，也没有达到经营上的协同管理。同时，不同媒介形态的媒体，具有不同的企业基因和合作需求，在基于大数据技术的传统媒体与新媒体的融合中，如何解决类似文化相融、风险共担、知识产权保护等，也是影响融合绩效的重要问题。
三、基于大数据的媒体融合创新的路径分析
（一）关键业务：打造基于大数据的媒体融合平台
媒体功能定位是媒体融合需要解决的首要问题。一体化的媒体融合平台以大数据为主要技术支撑，体现了基于多媒体融合的核心传媒产品的打造、流程再造以及新型盈利模式的构建，通过发挥网络效应，降低平台参与各方的成本，提升融合效益。大数据媒介融合平台主要包含了数据平台与客户平台。
数据平台。主要是发挥大数据的商业价值，连接泛媒体行业、企业的大数据资源，通过数据挖掘、数据分析、数据处理，发现与传递数据的价值。该平台的核心资产是大数据，主要运用不同级别、不同类别媒体企业的互补性数据资源以及外部数据资源创造价值。其盈利模式可以通过直接的数据租售与大数据应用的方式实现。
客户平台。其主要实现方式为渠道打造，通过互联网技术吸引大规模的用户群体到自有平台，通过多边客户参与传递价值。此平台的核心价值为庞大的用户群体，可以基于客户群体延伸创造更多的服务价值。
（二）模式突破：突破技术壁垒，多维协同创新
攻关关键技术，推进重点媒体融合项目。基于传统媒体自身技术能力薄弱的现实问题，可以通过攻关具有共性的媒体融合的关键技术，组织研发技术标准体系，推进产业应用。对于有影响力的传统主流媒体的融合项目进行扶持，最终实现整体技术转型。
多维协同创新。构建多维协同创新网络，媒体融合不仅需要各媒体企业的资源投入，还需要外部网络的支持。通过与网络内外企业开展类似战略联盟、研发外包、要素转移等技术创新模式，提升融合创新效率。如2014年，融合媒体粤传媒先后和华南理工大学、企业软件厂商甲骨文公司签署了战略合作协议，打造媒体大数据样板工程，推进粤传媒战略转型。
（三）机制创新：建立有效的协同创新的运营、控制与激励机制 建立有效的协同创新机制，是推进基于大数据媒体融合的重要条件。首先，建立有效的风险分担机制，使融合企业共担创新风险。其次，建立有效的协同创新的运行机制，明确各个媒体战略定位，加强信任机制的建设，促进知识在融合媒体中充分共享；打破两张皮现象，建立统一协调机制，例如，南方报业建立报网采编策划联动机制，更有利于资源的整合与利用。同时，建立适应新的生产流程的有利于知识共享的组织结构与管理模式。其三，建立有效的协同创新控制机制，作为文化产业，需在协同创新中加强知识产权与成果保护，确立明确的转化收益分配机制。最后，建立创新激励机制，通过政策资金扶持以及融资等相关政策的支持，推动媒体深度融合。
（四）团队保障：专业技术与经营人才团队构建
专业技术以及研发团队的构建。基于互联网技术对媒体业务的重大影响，具有一定实力的媒体企业需构建适应业务发展的技术团队。如《纽约时报》IT部门人数已达500人，还配置有120人的产品团队，30人的用户分析团队以及8人的研发团队。
大数据媒体经营人才培育。首先是一线的编辑记者需要掌握基本的大数据应用技能。比如数据新闻，涉及抓取数据――筛选与重组数据――聚焦与过滤数据――可视化呈现数据等一系列技术手段，无疑对新闻从业者提出了更高的要求。其次，媒体组织需要培育具有大数据思维的经营管理人才，解决转型期人才流失的问题，更好地在融合进程中发挥大数据的应用价值，推动媒体融合，提升媒体竞争力。
[参考文献]
[1] 文国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域――大数据的研究现状与科学思考[J].中国科学院院刊，2012（06）.
[2] 方洁，颜冬.全球视野下的“数据新闻”：理念与实践[J].国际新闻界，2013（06）.
[3] 滕瀚.众包新闻：未来新闻报道模式中的一匹黑马[J].新闻观察，2014（08）.
On Innovation of Big Data-Driven Media Integration
Zhang Hongmei
（ Rongzhi College of CTBU， Chongqing 404100 ）
Abstract： Media integration has becoming a major trend for media development along with the advancing information technology. Big data technology promotes the media integration deeply through precisely observing customer experiences， driving the customization of media contents and innovating profitable model. However， there are certain obstacles to be tackled for media integration： difficulties in finding the focuses of creativity， problems on sharing the invisible knowledge， and so on. Thus， media enterprises should develop big data platform， coordinate innovation multidimensionally to break technological bottle neck so as to realize the integration innovation and transformation adjustment of media contents， channels and management.
Key words： big data， media integration， innovation
