广电业务大数据应用探析

刘岩+徐俭+徐有聪

【摘要】 主要从大数据应用关键环节、广电业务大数据应用策略、广电互动电视平台大数据应用、融合媒体大数据应用等方面，探讨分析广电业务大数据应用的诸多问题。

【关键词】广电业务 互动电视平台 融合媒体 大数据应用

在互联网、大数据、融合媒体环境下，广电业务运营商为了实现互联网+大数据+广电媒体的跨界竞争，必须引入以数据思维和大数据创新性应用为基础的互联网思维，适时构建广电业务大数据处理平台，通过数据采集、监测、分析、挖掘和处理，精准分析用户需求，更好地理解用户行为习惯，提供用户体验度更优的基于互联网和移动互联网的融合媒体内容产品和业务，实现多渠道发布、多屏联动和多屏互动，并实现内容产品的精准推送和业务运营的闭环反馈调控。

一.大数据应用关键环节

大数据应用采用并行处理分布式数据库、数据挖掘、分布式文件系统、云计算平台、互联网和分布式存储系统等技术，关注实际业务大数据，提供数据采集分析挖掘和数据存储管理能力。云计算是整合计算、存储、数据、应用等分布式计算资源进行协同工作的超级计算服务模式，分为SaaS（软件即服务），PaaS（平台即服务）和I a a S（基础设施即服务），关注计算能力、数据处理能力、IT基础架构和IT解决方案，云计算又分为存储云、计算云和管理云。

1.大数据采集

大数据采集是从本地数据库、互联网、物联网等数据源提取、采集、导入、转换、加载数据。

2.大数据存储与管理

云计算技术的存储云和管理云是大数据存储与管理技术的基础，存储云采用分布式海量数据存储技术，数据存储系统有GFS（Google文件系统）和Hadoop HDFS（Hadoop分布式文件系统），管理云包括海量数据管理技术和云安全技术。

3.大数据计算处理

云计算技术的计算云是大数据计算处理技术的基础，计算云包括虚拟化技术和并行编程模型技术，以谷歌的分布式并行计算技术及Hadoop MapReduce的云端应用开发并行编程技术为代表。

4.大数据分析与挖掘

大数据分析与挖掘涉及结构化、半结构化、非结构化数据，需要采用人工智能、神经网络等算法。

5.大数据展现

大数据展现采取可视化技术与Web技术相结合，涉及SVG（可伸缩向量图形）绘图和HTML5等技术，以图形或图像呈现大数据内容。

二.广电业务大数据应用策略

广电业务大数据应用需要满足海量、多源数据快速处理和分析等需求，应该研究制定并执行好广电业务大数据应用策略。

1.多屏大数据应用战略

广电业务需要处理受众的偏好、行为痕迹及需求信息等大数据，以支撑多屏战略，实现视频多终端无缝链接，解决用何种内容去适配何种终端、何时与何场合推送何种内容去何种终端等难题。

2.市场大数据应用策略

广电业务可以通过大数据应用平台分析用户行为，改进内容生产，并通过用户偏好分析，及时、准确地进行业务推荐，增强用户体验，增加用户粘度。应该对用户操作行为进行全方位监测，通过大数据分析获知用户的收视场景、收视习惯及收视喜好，向用户精准推送内容、广告及应用，满足用户需求。

3.经营大数据应用策略

可以综合分析业务、资源、财务等各类大数据，准确地制定业务经营管理和市场竞争策略。

4.大数据采集与挖掘策略

需要采集用户行为数据、用户收视数据、融合媒体数据、互联网数据、点击流数据、搜索引擎数据、内容编排数据、内容推荐数据等，并对大数据进行用户、内容及热点发现等多维度分析。

5.大数据应用人才培养策略

广电业务体系复杂，业务流程梳理难度很大，数据分析人才往往存在行业局限性，实践经验较少，应与大数据领域的专业公司形成紧密协作，分析广电业务的数据点、数据点与数据点的关系，并对数据进行梳理分析和深度挖掘。

三.广电互动电视平台大数据应用

广电互动电视平台大数据应用的主要功能模块如图1所示。

1.广电互动电视平台大数据采集

采集的大数据源包括双向互动电视网络平台的用户机顶盒、应用服务器、运营支撑系统、运维系统、地理信息系统、广告系统、媒资系统、互动电视系统等多个异构的业务系统，对异构数据源的大数据进行采集和统一存储，将收视数据、用户行为数据、运维数据、日志数据、媒资数据等形成一个彼此关联的大数据库，便于后续环节开展数据预处理、数据仓库、数据分析与数据挖掘，并建立业务模型、分析模板、用户匹配、业务预测等大数据工具。

2.广电互动电视平台大数据预处理

大数据来源于不同业务系统的异构数据库，需要对这些数据进行预处理，通过数据清洗、数据过滤、数据集成、数据变换、数据规约等操作，将不同系统采集的数据进行关联和完善，供后续环节进行数据分析、挖掘。

3.广电互动电视平台大数据分析挖掘

广电运营商要量身定制适合自己的大数据处理方案，要以用户观看节目的行为数据为基础，结合用户身份信息进行大数据挖掘，形成用户的消费爱好、消费习惯和消费层次的精准定位数据，对用户进行细分，从數据中获取潜在的用户需求和市场，精确地定制产品和服务，创新服务和商业模式，满足日益个性化的用户需求。对于不同的业务需求，采用不同的分析挖掘方式，根据市场、运营、决策的要求，采取灵活的组合方式，形成不同的数据分析模板，对数据源大数据进行不同策略的提取、整合、拆分，进行高效、灵活和准确的数据分析。

4.内容精准推送大数据应用

借助大数据处理与分析系统，可对海量数据进行分析挖掘，将传统的收视率调查转变成用户行为数据分析，掌握用户消费喜好、消费层次、成员构成、年龄范围、节目收看时段、节目选择类型，提高服务层次和运营能力，创造新型商业模式，提高运营效率和服务质量，推行更加有效的推送策略，进行市场精准营销和内容精准推送。推送给用户的内容可包括视音频节目、电视商务信息、广告等，广告精准推送系统可提供精准推销产品的平台，将电视内容观看与相关产品推销关联起来，拓展商家的销售渠道。还可以通过大数据系统形成用户消费行为分析结果、内容产品生命周期分析结果等数据产品，支持内容提供商完成营销决策。endprint

5.视频服务大数据应用

基于大数据工具可对广电各类视频业务的大数据进行深度挖掘，推行视频服务运营精细化管理，通过聚焦网络覆盖传输能力、带宽提供能力和服务质量保证能力，实现网络流量差异化经营，打造可控可管可视的智能渠道，实现用户可识别、业务可区分、流量可调控和网络可管理。

（1）全程监控视频传输网络

通过部署在网络中的软硬件传感器，对射频信号、传输码流、IP视频、IP网络传输、运维信息等进行自动检测和分析，实时获取服务内容和服务质量的监测分析数据、网络设备负荷和流量数据，并上传至大数据处理平台，通过端到端的检测和大数据的精准分析，形成运维决策模板，为运维部门提供运维指导和快速定位故障等工具。

（2）服务质量匹配

基于大数据检测与分析工具，对检测到的每项指标进行服务质量匹配，并将相关结果与客服报修数据、运维监控数据进行共享，使得客服人员、运维人员在接到用户报修的第一时间就基本完成故障定位。还可基于网络和业务数据的深度挖掘，构建智能化专家知识库系统，简化故障排除过程。

（3）数据和资源共享

可打通多个业务系统，实现大数据及网络资源共享和面向用户服务的全局分析，对网络质量、运行效率进行评估，根据全局分析结果调配网络资源，保障视频业务的服务质量。

四.融合媒体大数据应用

为了实现融合媒体业务创新，可基于大数据处理平台实现针对不同用户的精准营销和各类业务的统一共享融合。

1.融合媒体大数据分类

从结构类型上分为三类，（1）结构化数据：传统的关系数据模型、表数据，存储于数据库，可用二维表结构表示；（2）非结构化数据：各种文档、文本、声音、图片、图像、视音频文件；（3）半结构化数据：XML、HTML数据，自描述，数据结构和内容混杂在一起。

从内容类型上分为四类，（1）生产者数据：记者、编辑、主持人、导播、摄影、摄像、编剧等；（2）内容数据：文字、声音、图片、图像等；（3）媒介数据：报纸杂志、广播影视、图书、网络等；（4）受众行为数据。

2.融合媒体大数据处理平台总体架构

针对融合媒体大数据，大数据处理平台采用分布式集群架构、分布式并行计算、负载均衡和分布式存储，提供高效的数据计算能力、数据分析和挖掘能力，总体架构包括三个层次。

（1）资源层

能够产生、存储、处理海量数据的IT基础资源、数据资源、视频资源等各类资源。

（2）平台层

是融合媒体大数据处理平台，实现数据存储、数据处理、数据迁移、集群管理等功能，同时为上层应用提供接口。融合媒体大数据处理平台的地位类似于数据库，但其处理能力比数据库要更强大，可以对海量数据进行处理。

（3）应用层

为用户提供海量数据的高效存储、检索、分析和统计等功能，基于融合媒体大数据处理平台提供的高效数据处理服务，可以提升用户体验度。

3.融合媒体大数据应用模式

在引入大数据技术对媒体资源进行分析、挖掘和应用时，可利用动态汇聚的海量媒体数据，发掘新闻热点，收集反馈信息，开发内容产品。通过统一的用户管理机制和数据采集平台，对广播、电视、新媒体等各个渠道的用户进行统一的大数据分析，建立基于大数据的运营营销机制，让数据为各类业务服务，实现业务创新。融合媒体业务应实现多渠道播出、分发、发布，提供基于互联网、移动互联网的内容产品和业务，实现多屏联动和多屏互动，并实现内容产品的精准推送和业务运营的闭环反馈调控。

4.融合媒体大数据应用流程

在媒体融合和大数據时代，广电内容生产从信息采集、鉴别、加工、制作、传播到市场分析、精准营销、经营管理等，都需要对大数据进行分析、挖掘和整理，以提高媒体经营管理水平、新闻传播效果、媒体社会效益和经济效益。

（1）热点汇聚

结合大数据处理，实时监控网络上最快、最新的资讯信息，将实时热点数据与媒资库内历史数据进行关联，便于节目编辑人员制作具有特色和深度的热点报道。

（2）智能分析

利用智能化处理技术对音视频内容进行语音识别、字幕识别、人像识别等音视频特征提取，通过大数据引擎对标引数据进行自动聚类、分类等一系列运算，从海量数据中挖掘出有价值的资源内容，结合当前社会热点事件映射历史内容，为节目再生产及新闻融合提供支撑。

（3）统一检索

通过内容处理引擎对视频、音频、图片、文稿等媒体数据进行自动分类、编码和编目，对台内资源、网络内容进行统一检索，通过高效的算法进行智能分析，并提供分析结果展示与查询服务。

（4）深度挖掘

利用大数据分析工具对用户行为信息进行深度分析、挖掘、归纳和推理，以预测用户的行为，对市场化行为进行快速反应，帮助融合媒体调整内容制作策略，实现对用户的精确服务。

五.结语

在媒体融合和大数据时代，广电业务与大数据已经密不可分，广电业务运营商在大数据应用方面应该一切以用户为中心，基于大数据处理平台实现融合媒体业务创新，并实现针对不同用户的精准营销和各类业务的统一共享融合。本文从大数据应用关键环节、广电业务大数据应用策略、广电互动电视平台大数据应用、融合媒体大数据应用等方面探讨分析的广电业务大数据应用的诸多问题，希望能够给广电业内同行带来些许启发。B&Pendprint