大數據對網路的要求

❶ 簡述大數據時代網路信息具備哪些新的特點

大數據呈現出「4V+1C」的特點：（1）Variety，大數據種類繁多，在編碼方式、數據格式、應用版特徵等多個方面存在差異性，權多信息源並發形成大量的異構數據；（2）Volume，通過各種設備產生的海量數據，其數據規模極為龐大，遠大於目前互聯網上的信息流量，PB級別將是常態；（3）Velocity，涉及到感知、傳輸、決策、控制開放式循環的大數據，對數據實時處理有著極高的要求，通過傳統資料庫查詢方式得到的「當前結果」很可能已經沒有價值；（4）Vitality，數據持續到達，並且只有在特定時間和空間中才有意義；（5）Complexity，通過資料庫處理持久存儲的數據不再適用於大數據處理，需要有新的方法來滿足異構數據統一接入和實時數據處理的需求。

❷ 大數據在網路優化中大有可為

大數據在網路優化中大有可為

網路優化是確保網路質量，提升網路資源利用率的有效手段。近年來，隨著網路容量的不斷提升、網路用戶數的不斷增加、網路設備的多樣化，用新技術和新方法替代傳統網路優化手段成為一種趨勢，尤其是在大數據分析技術的興起下，其在網路優化中的作用日漸突出。

網路優化的傳統手段

網路優化是通過對現已投入運營的網路進行話務數據分析、現場測試數據採集、參數分析、硬體檢查等，找出影響網路質量的原因，並且通過參數的修改、網路結構的調整、設備配置的調整和採取某些技術手段，確保系統高質量的運行，使現有網路資源獲得最佳效益，以最經濟的投入獲得最大的收益。一般而言，傳統的網路優化有以下幾種方法：

一、話務統計分析法：通過話務統計報告中的各項指標，可以了解和分析基站的話務分布及變化情況，分析出網路邏輯或物理參數設置的不合理、網路結構的不合理、話務量不均、頻率干擾及硬體故障等問題。

二、DT&CQT測試法：從用戶的角度，藉助測試儀表對網路進行驅車和定點測試。可分析空中介面的信令、覆蓋服務、基站分布、呼叫失敗、干擾、掉話等現象，定位異常事件的原因，為制定網路優化方案和實施網路優化提供依據。

三、用戶投訴：通過用戶投訴了解網路質量。即通過無處不在的用戶通話發現的問題，進一步了解網路服務狀況。

四、信令分析法：主要針對A介面、Abis等介面的數據進行跟蹤分析。發現和定位切換局數據不全、信令負荷、硬體故障及話務量不均以及上、下行鏈路路徑損耗過大的問題，還可以發現小區覆蓋、一些無線干擾及隱性硬體故障等問題。

五、資料庫核查與參數分析：對網路規劃數據和現網配置參數、網路結構數據進行核查，找出網路數據中明顯的數據錯誤，對參數設置策略進行合理性分析和總結。

六、網路設備告警的排查處理：硬體故障告警一般具有突發性，為了減小對用戶的影響，需要快速的響應和處理。通過告警檢查處理設備問題，保障設備的可用性，避免因設備告警導致網路性能問題。

在實際工作中，這幾種方法都是相輔相成、互為印證的關系。網路優化就是利用上述幾種方法，圍繞接通率、掉話率、擁塞率和切換成功率等指標，通過性能統計測試數據分析制定實施優化方案系統調整重新制定優化目標性能統計測試的螺旋式循環上升，達到網路質量明顯改善的目的。

網路優化亟待創新

當前，隨著用戶數的不斷增長，隨著網路容量的不斷增加，隨著網路復雜度的不斷提升，以及網路設備的多樣化，網路優化工作的難度正在不斷提升，網路優化的方法和手段亟待創新。

首先，網路優化是一項技術難度大、涉及范圍廣、人員素質要求較高的工作，涉及的技術領域有交換技術、無線技術、頻率配置、切換和和信令、話務統計分析等。傳統網路優化工作多依賴於技術人員的經驗，依賴人工進行統計分析。網路優化的自動化程度較低，優化過程需耗費大量的時間、人力、物力，造成了大量的資源浪費，影響網路問題解決的時效性。另外，優化工程師藉助於個人經驗對網路數據進行分析和對比，而非根據網路相關的數據綜合得出優化方案，存在一定的局限性。

其次，隨著我國移動通信事業迅速發展，我國移動互聯網發展已正式進入全民時代，截至2014年1月，我國手機網民規模已達5億。網路結構日益復雜，數據業務已經成為移動通信網路主要承載的業務，用戶通過智能終端的即時互聯通信行為，使移動網路成為大數據儲存和流動的載體。高速變化的數據業務速率和巨大的網路吞吐量以及覆蓋范圍的動態實時變化，在很大程度上改變了現有網路規劃和優化的模型，在網路優化工作中引入大數據是非常迫切和必要的。

最後，全球數據信息成為企業戰略資產，市場競爭和政策管制要求越來越多的數據被長期保存。對於運營商的網路優化來說，也需要保存各類數據，以便進行用戶行為分析和市場研究，通過大數據實踐應用提升網路優化質量並助力市場決策，實現精細化營銷策略，提升企業的核心競爭力。

面對上述挑戰，運營商正嘗試進行網路優化工作的創新，嘗試在網路優化中引入新技術和新方法。而正在全球興起的大數據分析技術，開始在網路優化中大顯身手。

網路優化擁抱大數據

大數據（Big Data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、整理成為幫助企業經營決策目的的資訊。大數據技術的戰略意義不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理。大數據具有數據量巨大、數據種類繁多、價值密度低及處理速度快的特點，同時具備規模性、高速性、多樣性、價值性四大特徵。

一般而言，利用大數據技術進行網路優化的過程可分為三個階段：數據來源和獲取、數據存儲、數據分析。

數據來源和獲取—對於運營商而言，通過現有網路可以收集大量的網路優化相關信令資源（含電路域、分組域）、DT測試&CQT測試數據，這些數據大都以用戶的角度記錄了終端與網路的信令交互，內含大量有價值的信息。如終端類型、小區位置、LAC、imsi、tmsi、用戶業務使用行為、用戶位置信息、通話相關信息、業務或信令、信令中包含的各種參數值。

設備層包含基站、BSC、核心網、傳輸網等配置參數和網路性能統計指標（呼叫成功率、掉話率、切換成功率、擁塞率、交換系統接通率等）、客戶投訴數據等。

採集到的數據一般而言，經過IP骨幹網傳輸到數據中心，進行存儲。隨著雲計算技術的發展，未來數據中心將具備小型化、高性能、可靠性、可擴展性及綠色節能等特點。

數據存儲—網路優化中涉及巨大的數據存儲，包括信令層面的數據信息和設備存在的數據信息，這些數據只有妥善存儲和長期運營，才能進一步挖掘其價值。傳統數據倉庫難以滿足非結構化數據的處理需求。Google提出了GFS、BigTable、MapRece三項關鍵技術，推動了雲計算的發展和運用。

源於雲計算的虛擬資源池和並發計算能力，受到重視。2011年以來，中國移動、中國電信、中國聯通相繼推出「大雲計劃」、「天翼雲」和「互聯雲」，大大緩解了數據中心IT資源的存儲壓力。

數據分析—數據的核心是發現價值，而駕馭數據的核心是分析，分析是大數據實踐研究的最關鍵環節，尤其對於傳統難以應對的非結構化數據。運營商利用自身在運營網路平台的優勢，發展大數據在網路優化中的應用，可提高運營商在企業和個人用戶中的影響力。

電信級的大數據分析可實現如下功能：第一，了解網路現狀，包括網路的資源配置和使用情況，用戶行為分析，用戶分布等；第二，優化網路資源配置和使用，有針對性地進行網路維護優化和調整，提升網路運行質量，改善用戶感知；第三，實施網路建設規劃、網路優化性能預測，確保網路覆蓋和資源利用最大化。對用戶行為進行預測，提升用戶體驗，實現精細化網路運營。

網路優化相關的工具種類很多，針對不同的優化領域，常用的工具包括：路測數據分析軟體、頻率規劃與優化軟體、信令分析軟體、話統數據分析平台、話單分析處理軟體等。這些軟體給網路優化工作帶來了很大的便利，但往往只是針對網路優化過程中特定的領域，而網路優化是一個涉及全局的綜合過程，因此需要引入大數據分析平台對這些優化工具所反映出來的問題進行集合並綜合分析和判斷，輸出相關優化建議。

目前，大數據技術已經在網路優化工作中得到應用。中國電信就已經建設了引入大數據技術的網優平台，該平台可實現數據採集和獲取、數據存儲、數據分析，幫助中國電信利用分析結果優化網路質量並助力市場決策，實現精細化營銷策略。利用信令數據支撐終端、網路、業務平台關聯性分析，優化網路，實現網路價值的最大化。

總工點評

綜合全球來看，對大數據認識、研究和應用還都處於初期階段。中國三大電信運營商都在結合自身業務情況，積極推進大數據應用工作，目前還處於探索階段，在數據採集、處理、應用方面仍處於初級階段。電信運營商在國內擁有龐大的用戶群和市場，利用自身海量的數據資源優勢，探索以大數據為基礎的網路優化解決方案，是推動產業升級、實現效率提升、提升企業核心競爭力、應對激烈市場競爭的重要手段。利用大數據將無線網、數據網、核心網、業務網優化進行整合，可以完整地優化整個業務生命期的所有網元，改善用戶感知，是未來網路優化的趨勢。

以上是小編為大家分享的關於大數據在網路優化中大有可為的相關內容，更多信息可以關注環球青藤分享更多干貨

❸ 什麼是大數據技術

大數據技術是指大數據的應用技術，涵蓋各類大數據平台、大數據指數體系等大數據應用技術。大數據是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合。是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

大數據技術能夠處理比較大的數據量。其次，能對不同類型的數據進行處理。大數據技術不僅僅對一些大量的、簡單的數據能夠進行處理，通能夠處理一些復雜的數據，例如，文本數據、聲音數據以及圖像數據等等。

另外，大數據技術的應用具有密度低和價值大的效果。一些零散的，各種類型的數據，如果不能在短時間內分析出來信息所表達的含義，那麼可以利用大數據分析技術，將信息中潛藏的價值挖掘出來，以便於工作研究或者其他用途的使用，便於政務的便捷化和深層次化。

大數據技術有哪些

跨粒度計算(In-DatabaseComputing)

Z-Suite支持各種常見的匯總，還支持幾乎全部的專業統計函數。得益於跨粒度計算技術，Z-Suite數據分析引擎將找尋出最優化的計算方案，繼而把所有開銷較大的、昂貴的計算都移動到數據存儲的地方直接計算，我們稱之為庫內計算(In-Database)。這一技術大大減少了數據移動，降低了通訊負擔，保證了高性能數據分析。

並行計算(MPP Computing)

Z-Suite是基於MPP架構的商業智能平台，她能夠把計算分布到多個計算節點，再在指定節點將計算結果匯總輸出。Z-Suite能夠充分利用各種計算和存儲資源，不管是伺服器還是普通的PC，她對網路條件也沒有嚴苛的要求。作為橫向擴展的大數據平台，Z-Suite能夠充分發揮各個節點的計算能力，輕松實現針對TB/PB級數據分析的秒級響應。

列存儲 (Column-Based)

Z-Suite是列存儲的。基於列存儲的數據集市，不讀取無關數據，能降低讀寫開銷，同時提高I/O 的效率，從而大大提高查詢性能。另外，列存儲能夠更好地壓縮數據，一般壓縮比在5 -10倍之間，這樣一來，數據佔有空間降低到傳統存儲的1/5到1/10 。良好的數據壓縮技術，節省了存儲設備和內存的開銷，卻大大了提升計算性能。

內存計算

得益於列存儲技術和並行計算技術，Z-Suite能夠大大壓縮數據，並同時利用多個節點的計算能力和內存容量。一般地，內存訪問速度比磁碟訪問速度要快幾百倍甚至上千倍。通過內存計算，CPU直接從內存而非磁碟上讀取數據並對數據進行計算。內存計算是對傳統數據處理方式的一種加速，是實現大數據分析的關鍵應用技術。

❹ 學習大數據技術有哪些要求

對於要學習大數據專業的本科生同學來說，在學習大數據技術的過程中，要重視數學和統計學相關知識的學習，這對於後期的考研和就業都有比較直接的影響。在學習大數據專業時，可以根據自身的能力特點和興趣愛好，來選擇具體的主攻方向，不同的主攻方向對於基礎知識結構的要求也不同。

如果要主攻大數據開發方向，那麼應該重點培養一下自身的程序設計能力，可以從Java開始學起，目前Java語言在大數據開發領域的應用依然非常廣泛。如果要主攻大數據運維方向，那麼應該重點學習一下網路知識和操作系統相關知識，涉及到的內容也是比較的，而且要完成大量的實驗。

當前大數據分析(演算法)崗位也是一個高附加值崗位，但是不同於開發崗位和運維崗位，演算法崗位的競爭比較激烈，所以如果想從事演算法崗位，最好要繼續讀一下研究生。從事演算法崗位對於數學和統計學知識的要求比較高，而且還需要具有一定的行業場景知識，所以從事演算法崗往往需要更長時間的積累。

最後，雖然學習大數據技術需要各種不同的基礎知識，但是由於大數據領域的崗位非常多，所以各種具備不同知識基礎的初學者，都能夠找到適合自己的切入點。

關於學習大數據技術有哪些要求，青藤小編就和您分享到這里了。如果你對大數據工程有濃厚的興趣，希望這篇文章能夠對你有所幫助。如果您還想了解更多數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

❺ 雲數據時代對網路伺服器配置有哪些要求

面對大數據，在選擇伺服器的配置是，數據中心管理的性能是主要考量方向，比如建立新的或更新現有的數據中心，同時新時代要求網路伺服器能夠取代舊伺服器來提高能源效率。概況的說技術支持與服務、產品的特性和功能/性能是衡量新伺服器的兩個趨勢，目前研祥的工業伺服器結合了工控機和傳統伺服器的特點，對於雲數據時代背景下信息安全管理作用明顯。希望以上信息對你有用哈！

❻ 大數據學習的對電腦的要求高嗎

我們現在大家都有電腦 ，基本上都是8g的內存，如果要學大數據的話，因為專自己要裝虛擬機，所以可屬以再網上買一個內存加上。這是黑馬程序員老師給我們說的。16g以上的話內存就很可以了。硬碟基本現在的電腦都是以ssd為主，把東西放在ssd上會更快，如果有買新電腦的可以注意哦能夠給您提供幫助，是我前進的目標

❼ 什麼是網路大數據

大數據應用程序需要處理大規模信息，而且在出於彈性的考慮將數據復制到多個位置時，信息的規模變得越來越大。但是，大數據的最重要屬性並不在於它的規模，而在於它將大作業分割成許多小作業的能力，它能夠將處理一個任務的資源分散到多個位置變為並行處理。
關鍵因素
1.網路彈性與大數據應用程序
如果有一組分布式資源必須通過互聯網路進行協調時，可用性就變得至關重要。如果網路出現故障，那麼造成的後果是出現不連續的壞計算資源與數據集。
2.解決大數據應用中的網路擁塞問題
大數據應用程序不僅僅是規模大，而且還有一種我稱為突發性的特性。當一個作業啟動之後，數據就開始流轉。在高流量時間段里，擁塞是一個嚴重的問題。然而，擁塞可能引起更多的隊列延遲時間和丟包率。此外，擁塞還可能觸發重轉，這可能讓本身負載繁重的網路無法承受。因此，網路架構設計時應該盡可能減少擁塞點。按照可用性的設計標准，減少擁塞要求網路具有較高的路徑多樣性，這樣才能允許網路將流量分散到大量不同的路徑上。
3.大數據中網路一致性要比遲延性更重要
實際上，大多數大數據應用程序對網路延遲並不敏感。如果計算時間的數量級為幾秒鍾或幾分鍾，那麼即使網路上出現較大延遲也是無所謂的——數量級大概為幾千毫秒。然而，大數據應用程序一般具有較高的同步性。這意味著作業是並行執行的，而各個作業之間較大的性能差異可能會引發應用程序的故障。因此，網路不僅要足夠高效，而且要在空間和時間上具有一致的性能。
4.現在就要准備大數據未來的可伸縮性
可能讓人有點意外的是，大多數大數據集群實際上並不大。
可伸縮性並不在於現在集群現在有多大規模，而是說如何平衡地擴展支持未來的部署規模。如果基礎架構設計現在只適合小規模部署，那麼這個架構將如何隨著節點數量的增加而不斷進化？在將來某一個時刻，它是否需要完全重新設計架構？這個架構是否需要一些近程數據和數據位置信息？關鍵是要記住，可伸縮性並不在於絕對規模，而是更關注於實現足夠規模解決方案的路徑。
5.通過網路分割來處理大數據
網路分割是創建大數據環境的重要條件。在最簡單的形式上，分割可能意味著要將大數據流量與其他網路流量分離，這樣應用程序產生的突發流量才不會影響其他關鍵任務工作負載。除此之外，我們還需要處理運行多個作業的多個租戶，以滿足性能、合規性和/或審計的要求。這些工作要求在一些場合中實現網路負載的邏輯分離，一些場合則還要實現它們的物理分離。架構師需要同時在兩個方面上進行規劃，但是初始需求最好統一在一起。
6.大數據網路的應用感知能力
雖然大數據的概念與Hadoop部署關系密切，但是它已經成為集群環境的代名詞。根據不同應用程序的特點，這些集群環境的需求各不同相同。有一些可能對對帶寬要求高，而有一些則可能對延遲很敏感。總之，一個網路要支持多應用程序和多租戶，它就必須要能夠區分自己的工作負載，並且要能夠正確處理各個工作負載。

❽ 大數據對互聯網的影響

大數據對互聯網的影響

大數據是最近經常被互聯網大佬提到的名詞，大數據在漸漸的改變互聯網，互聯網大佬們也正在利用大數據對用戶提供更精準的營銷和服務。

那麼大數據是從哪裡來的?大數據又對互聯網產生了什麼影響呢?

互聯網的大數據是來自人們的使用習慣，人們經常瀏覽網路、網路購物、網路社交等留下的信息都會被大數據的收集工具所收集，並上傳到數據處理平台進行數據處理。比如電商網站會因為你的購買習慣為你提供你可能感興趣的商品，搜索引擎會因為你的搜索習慣提供你想要搜索的結果，社交工具和社交平台更是會因為你的興趣愛好向你推薦你可感興趣的人。

由於大數據的信息量非常的多，一般的處理工具已經無法滿足如此大量數據的處理，雲計算平台也隨之產生。雲計算平台是由大量的伺服器組成的，收集的復雜數據為被分成小數據分配到伺服器上進行處理，這樣即使其中有一台伺服器壞了，其他伺服器也能正常運行，而且壞了的那台服務品的數據會被重新分配到其他伺服器上處理。雲計算平台的產生也同樣促生了雲伺服器和雲主機的產生。

雲伺服器的產生也保證了我們的網站不會出現宕機，網站能更好更快的運行。雲主機不僅能讓網站的訪問速度和數據處理速度更快，還能幫我們收集用戶的使用習慣，讓我們能准確的為用戶提供用戶所需要的服務。

RAKsmart美國加州伺服器中國區的產品經理曾經對我說：「大數據的興起會讓越來越多的企業使用雲計算平台，互聯網營銷和服務將越來越准確，越來越多的中小企業會選擇雲主機建設網站並開展他們的業務。」

RAKsmart美國加州伺服器是一家較早開展雲主機業務的公司，一直以品質和服務打動客戶，他們也專門針對中國客戶提供支持中國電信線路的雲主機服務，他們的雲主機除了在性能上比一般的強以外，他們的雲主機更是可以支持10個獨立IP。大家都知道一般中國的雲主機都是需要另外購買獨立IP的，而RAKsmart美國加州伺服器是會免費贈送一個獨立IP的，而且價格也比國內的要便宜的多，多年的經驗使他們更懂得用戶的需要。

以上是小編為大家分享的關於大數據對互聯網的影響的相關內容，更多信息可以關注環球青藤分享更多干貨

❾ 大數據時代網路輿情管理變革探討

大數據時代網路輿情管理變革探討

大數據時代的到來對人類的生活、工作與思維產生變革性影響，深刻改變著商業王國及公共管理等各個領域的面貌，「大數據」日漸成為各行業創新的助推器。當前中國網路輿情環境復雜，網路輿情危機時有發生，社會熱點輿情事件和涉官涉政輿情事件不斷涌現，造成社會民主生活和政治穩定間的不平衡等諸多影響。大數據背景下的網路輿情正在發生巨大的變化，網路輿情管理變得日益復雜和重要，如何抓住大數據時代為網路輿情管理變革帶來的機遇，以「大數據觀」變革傳統網路輿情管理思維，准確把握網路輿情的內在特徵及其在演變過程中的潛在規律，實現網路輿情管理在思維、模式以及技術上的創新，對於新形勢下做好網路輿情引導工作，加強和改進網路內容建設，具有重要的理論意義和實踐價值。

一、大數據時代必然要求網路輿情管理變革

「大數據」概念最早在20世紀80年代提出，2011年麥肯錫咨詢公司發布其研究成果《大數據：下一個創新、競爭和生產率的前沿》，使這個概念得以大范圍推廣。2012年3月29日，奧巴馬宣布將投入2億多美元啟動「大數據發展和研究計劃（Big Data Research and Development Initiative）」，將「大數據戰略」上升為國家戰略。近兩年，大數據備受學術界、產業界和政府部門的關注，成為國內外強有力的前沿詞彙。大數據又稱巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無法通過目前主流軟體工具在合理時間內進行抓取、管理和處理的數據集合，是必須通過深度挖掘、計算、分析才能創造價值的海量信息。大數據在體量、復雜性、產生速度及價值密度四個方面都極大地超越了傳統的數據形態，具有4V特徵：大量（Volume）、多樣（Variety）、高速（Velocity）、價值（Value）。數量龐大的網民通過論壇、微博、微信等多種途徑方便快捷地發表言論觀點，網路輿情的規模和復雜性急速上升，體量巨大而價值密度低，其內在特徵的變化必然要求實現網路輿情管理的變革以適應大數據時代的發展，這些要求主要體現在四個「轉向」上。

（一）從監測轉向預測。大數據的核心和目標就是預測。復雜網路的研究專家巴拉巴西認為，「93%的人類行為是可以預測的，當我們將生活數字化、公式化以及模型化的時候，我們會發現其實大家都非常相似。生活如此抵觸隨機運動，渴望朝更安全、更規則的方向發展，人類行為看上去很隨意、很偶然，卻極其容易被預測」[1]。例如，亞馬遜可以推薦我們想要的圖書，淘寶知道我們的喜好，而人人網可以猜出我們認識誰。傳統網路輿情管理把監測已經產生的輿情信息作為起點，這種明顯的滯後性使其在網路輿情危機的應對中處於消極被動的位置。而目前留給突發事件的處理時間越來越少，從傳統的「黃金24小時」變為「黃金4小時」，如此短的時間使輿情分析和決策尚未來得及參與進來，整個事件就已經造成了爆炸性的效果。在大數據時代，通過挖掘數據相關性，把數學演算法運用到海量的數據上進行分析，在敏感消息進行網路傳播的初期就提前開始監測，然後建立模型，模擬模擬網路輿情的演變過程，使網路輿情突發事件發生的可能性和傾向性變得可以預測。

（二）從節點轉向網路。由監測輿情轉向預測輿情的目標實現，最關鍵的大數據技術就是挖掘數據的相關性。在小數據時代，由於受到資料庫和計算分析能力的限制，無論是對於因果關系還是相關關系的追尋，都耗資耗時，並且易受傳統的思維模式和特定領域隱含的固有偏見的影響，無法保證輿情分析結果的准確性。因此傳統的網路輿情管理只注重輿情內容的監測，通過分析單個數據節點，如網民「說什麼」來抓住比較淺層的社會語義表達。大數據則在保留了原始數據的同時，記錄了網民「為什麼這么說」背後的社會心理和社會關系網。按照大數據思維，每一個數據都是一個節點，可無限次地與其他關聯數據形成輿情鏈上的乘法效應——類似微博裂變傳播路徑，數據裂變式的關聯狀態蘊含著無限可能性[2]。通過對海量信息的解構與重構，充分整合政府和企業的數據資產，利用一系列飛速發展的新技術和新工具，描繪、測量、計算各節點之間的關系，深度挖掘數據的相關性，以此排除偏見和視覺盲點，掌握易被忽略的社會動態，預測輿情的發展趨勢。因此大數據時代必然要求網路輿情管理變革其監測系統，由節點轉向網路，把握相關性，進而分析輿情背後的社會互動，乃至網路族群之間的界限和相互勾連。

（三）從定性轉向定量。輿情分析師或解讀者從自身經驗和視角出發，在傳統網路輿情管理的過程中進行定性分析時，必然使其分析結果帶有個人價值與理念的主觀印記，甚至不同的輿情機構對同一輿情事件會得出相悖的結論。在大數據時代，所有元數據都可通過量化關聯轉化為有價值的信息，並實現多次利用，每一次利用都是一種創新，大數據成為網路輿情定量管理的力量源泉。盡管數據的相關性決定了某些數據價值的潛藏性，但新技術、新軟體的出現使得通過數學分析實現數據的價值轉化變為可能。而多維解讀輿情和新的深刻洞見的揭示，使輿情分析結果的全面性和客觀性大大超越傳統的網路輿情管理。但數據的量化並不等同於簡單的「數字化」，而是數據的可計算化，舍恩伯格將其稱之為「數據化」，是指一種把現象轉變為可製表分析的量化形式的過程[3]。「數據化」使態度和情緒轉變為一種可以分析的形式，網路輿情的相關信息得以進行深入分析，一些社交媒體如Facebook、Twitter、QQ、微博、微信等坐擁大型數據的寶藏，一旦實現對其自身資料庫的深度利用，就能輕易獲得社會各個領域和所有用戶的幾乎全部動態信息。

（四）從樣本轉向全體。在傳統的網路輿情工作模式中，所採集的輿情關聯數據僅為樣本信息，構建的資料庫結構單一、數據量有限。其數據源一般是基於抽樣或者針對重點網路站點進行的數據抓取，僅能對小規模、有結構或類結構的數據進行分析，標准不一，難以在不同領域中通用。同時，樣本分析並不能保證結果的准確，即使分析方法和操作沒有問題，但采樣過程的任何偏誤都將使輿情分析結果與事實相去甚遠。大數據體量巨大，從TB級別躍升至PB乃至ZB級別，完整記錄了社情民意，成為人類生存痕跡和心理變化的記錄儀。采樣的目的是以盡可能少的數據獲得盡可能多的信息，但大數據是建立在掌握所有數據，至少是海量數據的基礎上的，在數據處理技術日新月異的今天，變革傳統輿情管理思維與方法，改變采樣的慣性行動成為必要。通過運用大數據技術，建立網路輿情自動分析系統，全天候自動搜索並採集與目標輿情看似毫不相關實則具有內在關聯的信息，在抓取和收集頁面之後，對信息自動分類、自動獲取關鍵詞、自動內容分析和自動報警等。樣本擴大至幾乎全體，輿情分析的結果更加客觀可靠。

二、大數據時代網路輿情管理變革的效應前瞻

抓住大數據時代變革網路輿情管理的新機遇，迎接大數據時代網路輿情管理的新挑戰，順應大數據時代網路輿情管理的新要求，變革與創新網路輿情管理將會產生良好的管理效應，實現新時期網路輿情管理的升級轉型。

（一）實現「防火」式管理。傳統的網路輿情管理因為無法把握數據相關性，不能准確預測輿情未來的發展趨勢，因此採用的是「滅火」式管理模式。政府通常在輿情產生或者已形成輿情危機的情況下才開始採取措施，如發布信息、引導輿情、滿足訴求等，以此達到「滅火」效果。在此種模式下，政府經常被動陷入網路輿情漩渦，由此形成視網路輿情為「敵情」的偏見。為了擺脫這一困境，政府總是試圖「控制」、「引導」和「應對」網路輿情，以一種上位者的姿態去支配、主宰網民及其輿情表達的方式。然而，若網民在網路輿情中的主體地位得不到保證，網路輿情就會失去其「減壓閥」的功能，網路輿情問題將會是治標不治本。大數據時代，政府轉變網路輿情管理思路，變革網路輿情管理模式，應用大數據技術對網路輿情進行關聯分析、級別劃分、聚類分析和傾向性分析，將實現「滅火」式管理到「防火」式管理的轉變。通過尋找「導火索」與「減壓閥」之間的平衡點，在發揮網路「民間輿論場」作用的同時，將網路輿情危機扼殺在搖籃里。例如美國中央情報局通過抓取海量數據來追蹤恐怖分子和監控社會情緒，在「阿拉伯之春」中，通過大數據分析多少人和哪些人的立場從溫和變為激進，並「算出」誰有可能會採取有害行為。

（二）打撈「沉沒的聲音」。大數據源於互聯網的分享、開放，但「數字鴻溝」的存在卻使「信息窮人」與網路隔絕。盡管互聯網的發展使這一部分人的比例越來越低，但發展不均衡性的擴大意味著現在和將來仍然有一個不容忽視的群體將無法提供任何數據。即使是那些能夠充分利用網路的人群，也有可能因為在某種情境下成為輿論中的弱勢群體，或者因其在輿情主流中的異質思維而選擇不在網路上發聲。當然，這種選擇既可能是主動也可能是被動的。正如美國哲學家埃里克·霍弗所言，「一個國家最不活躍的人群，為佔大多數的中間層次。他們是在城市工作和在鄉間務農的正派老百姓，然而，他們的命運卻受分據社會光譜兩頭的少數人——最優秀的人和最低劣的人所左右」[4]。顯而易見的是，單憑技術體系構築的大數據平台無法真正獲取「全部數據」，通過改革網路輿情管理去打撈那些可能代表某一個群體或一定數量級的「沉沒的聲音」十分必要。因此，全面思考和理清大數據時代網路輿情管理面臨的機遇和挑戰，通過「大輿情」觀念的構建，變革網路輿情管理的工作理念和模式，將有利於打撈「沉沒的聲音」。例如，將輿情服務與社會調查相結合，重視實地調研與第一手材料的採集，而不是把網路輿情管理捆綁在技術上，將避免得到不全面的輿情或做出誤導性決策。

（三）識破「偽輿情」。當前備受關注的網路輿情，越來越成為依存於影星式的學者、影星式的記者、影星式的商人和影星式的政客為中心的「偽輿情」[5]。重大敏感事件發生後，部分網管和有影響力的輿情機構快速封堵其主觀上認為的「有害信息」，選擇性地編撰輿情報告，以片面、虛假的「偽輿情」影響決策層對形勢的研判，使其做出符合自身利益訴求的決策。有些利益集團則精心扶植和培育自己的網路發言人，引導網民思考的內容和方向。結果，這些輿論領袖對關鍵事件和問題的看法在網路上大行其道，並淹沒其他異質言論，使群眾對真相的認知產生巨大偏差。當輿情被各方利益集團的政治力量和經濟力量操縱時，它便喪失了獨立性，一旦「偽輿情」被識破，輿情機構就可能失去其公信力。基於全網的完整、准確和極速的信息抓取有利於為輿情分析報告提供一手的材料、純粹的事實，從而獲得真實全面的輿情，使網民在不知道「為什麼」的情況下，依然能獲得對「是什麼」的比較公正客觀的認知，並以此助力網路輿情的引導。同時，通過變革網路輿情管理的體制機制，保持輿情管理的獨立性將有力識破「偽輿情」，剔除「雜音」與「噪音」，使大數據時代的網路輿情真正成為現實世界的「鏡像」。

（四）克服「盲人摸象」和「信息孤島」。海量信息無限增長與網民關注、分析能力有限之間的矛盾，造成了「數據爆炸」與「知識貧乏」的怪象，加劇了社會輿論的「盲人摸象」效應。大數據時代下，網路媒體促進了信息的開放和溝通的便捷，人們對公共事件的參與達到了一個前所未有的高度，但是分眾傳播、個性化傳播的凸顯以及信息的碎片化，使得全面、深刻地關注和分析事件變得越來越困難。網民非理性、易激動的特點導致網路輿情的偏激和情緒化，網路的「群體極化」被放大。大數據時代的輿情監測是建立在傳統人工和軟體無法進行的全網輿情信息採集的基礎上，樣本擴大到全體。通過運用大數據技術，建立網路輿情自動分析系統，避免因數據源不全面而造成的重要信息監測缺失，將有利於消弭「盲人摸象」現象。與此同時，由於信息化應用水平參差不齊，政府和企業不同的部門之間都存在「信息孤島」問題：有多少個部門就有多少個信息系統，每個系統都有自己的資料庫、應用軟體和用戶界面，完全是獨立的體系，阻礙了數據的互通互聯[6]。變革大數據時代網路輿情管理的工作模式，統一輿情行業的技術標准，共享數據，建立網路輿情服務聯盟，統籌政府、企業、媒體及社會力量，實現網路輿情的多元共治將有利於解決「信息孤島」問題。

三、大數據時代網路輿情管理的變革路徑

當大數據給各行各業帶來變革性影響時，全世界都沒做好迎接這場產業革命的准備。但與英美等發達國家相比，中國更像是處在大數據時代的前夜。而中國的人口和經濟規模決定了中國大數據的規模為全球最大，為中國抓住時代的脈搏進行改革提供了難得的機遇。在這種大背景下，大數據對傳統輿情管理也產生了深刻的影響，要使網路輿情管理變革產生應有的預期效應，適應時代的發展要求，須從思維觀念、方法手段、體制機制、技術保障、人才建設等路徑著手。

（一）樹立大輿情觀念。大數據時代網路輿情管理的變革，首要在於樹立大輿情觀念。這里的大輿情，包括兩層含義。第一，強調「大數據觀」，即充分實現網路數據平台的開放共享。按照「一切皆可量化」的大數據邏輯，一個新增的相關性數據的產生，通常會帶來一個新的分析結果。因此只有形成「大數據觀」，實現數據的動態分享，才能有效防止信息「碎片化」，最大限度地消除「盲人摸象」和「信息孤島」現象。第二，強調網上和網下數據的整合。網路輿情與社會調查結合不足，可能降低輿情的真實性，誤導決策。例如，對於假期調整方案的選擇，各輿情機構組織的網路投票的結果各不相同，其做出的輿情分析報告也和真實民意相左。因此只有真正掌握「大輿情」，打撈「沉沒的聲音」，才能正確決策，打造一個更安全、更高效的社會。樹立大輿情觀念，首先，必須實現數據分析的動態化，打破數據壟斷，統一標准，共享數據，預防孤立的輿情機構閉門造車，制定片面或錯誤的輿情分析報告。其次，應把網上網下各方面數據整合起來，挖掘網路輿情與社會動態背後的深層次關系，實現網路輿情管理和社會治理的緊密聯動、同步推進[7]。最後，完善和創新包括輿情抓取、預警、研判到決策、評估等在內的網路輿情管理的各個環節，使輿情管理功能不僅僅限於危機處理，更能發揮輔助決策的作用。

（二）變革網路輿情的引導戰略。做好輿論引導工作，應把握好時、度、效。但是目前許多地方和部門對如何進行網路輿情的引導仍然缺乏正確認識，於「時」不能把握好「黃金4小時」，於「度」不能掌握火候，拿捏分寸，於「效」不能保證網路輿情引導的實效質量。大數據由於自身具有的特點，使其利於變革網路輿情的引導戰略，變「封改刪」、「鴕鳥戰術」為「網上引導，網下落地」，使「偽輿情」失去生存的土壤。因此，我們要充分發揮大數據的優勢來提高輿情引導工作的能力。其一，利用大數據提升網路輿情引導的預見性和目的性。通過數據抓取和相關性分析，構建網民意見傾向分析模型，了解網民的偏好和特點，建設和完善政府網站、官方微博，扶植和藉助意見領袖，做到「善說話、說對話、接地氣、辦實事」。其二，通過數據的價值轉化，實現網路輿情的價值引導。在充分收集相關數據的基礎上，運用圖表等數據可視化技術揭示事件的前因後果，讓數據「發聲」，使網民既「知其然」也「知其所以然」，從而全方位360度無死角了解事件的來龍去脈，消除「盲人摸象」現象。其三，提升輿情引導的公信力。一方面加強新老媒體間的互動，發揮各自的優勢與公眾溝通，破解謠言和流言，達到時效性和權威性的雙重保障；另一方面要避免輿情分析師在處理數據的過程中受經驗偏好的影響，並防止大數據淪為某些機構和個人更便捷地操縱輿論的手段。

（三）健全大數據輿情管理體制機制。當前，網路輿情管理的體制機制尚不完善，很多地區尚不具備系統規范的輿情應對與處理的管理體系。輿情分析和預測手段落後，危機應對系統缺失，輿情管理組織機構不健全、不穩定，以及多頭管理等問題非常普遍。健全大數據輿情管理的體制機制，對於從源頭上解決網路輿情管理過程中出現的問題和困難，實現標本兼治，具有決定性作用。因此，為使網路輿情管理取得實效，提升網路輿情工作的規范化和科學化水平，我國應加快建立健全大數據輿情管理的體制機制。首先，建立網路輿情多元管理的互動機制，由國家出台大數據發展戰略規劃，產學研相結合，統籌政府、企業、社會和公民的力量，形成合力，實現共治。其次，變革網路輿情管理的機構設置，改變以往通過臨時組建領導小組或臨時辦公室等機構，或者以宣傳部門為「消防隊」等方式被動應對輿情危機的模式，通過常態化機構的設置和專業人員的配備，使網路輿情管理專門化、精細化。再次，建立權責明確的責任機制，通過加快數據立法進程明確各級各部門包括政府部門、企業媒體、人民團體等的權利義務；通過建立由網信部門牽頭的大數據輿情管理體制，改變多頭管理的局面，並設立政府首席信息官責任制度等。最後，健全大數據網路輿情管理的資源保障機制，大數據時代變革網路輿情管理面臨初期成本高、短期效益不明顯等問題，需要加大資金、技術、物資、人力等資源的投入。

（四）創新大數據網路輿情管理的方法與技術。大數據時代的到來，要求網路輿情管理必須採用更為先進的技術，這主要表現在對各種相關軟體的大量應用以及對大數據技術支撐平台的依託。目前中國網路輿情監測採集軟體中較具代表性的有TRS互聯網輿情信息監控系統、北大方正智思輿情監控系統、軍犬網路輿情監控系統、樂思網路輿情監測系統等。此外，還應完善和創新大數據技術支撐平台的五大基石——數據監測技術、數據挖掘技術、數據存儲技術、數據分析技術、數據安全技術，使大數據為網路輿情管理服務的同時又不超出我們的控制。同時，我們也不能陷入「技術是萬能的」誤區而盲目迷信和依賴技術，更不能因相信大數據強大的預測功能而導致「數據獨裁」，變成數據的奴隸。因此，網路輿情管理還需要依靠其他方法和手段相輔相成，共同作用。法律因其具備最大的強制性和權威性，成為最有效的管理控制的手段。法律與道德相互聯系，在極具復雜性和特殊性的虛擬空間里，教育和自律被擺在重要的位置上。例如，歐美發達國家如美國、英國、加拿大等都通過倡導用戶自律和自我管理來提高網民的媒介素養，加強自我把關能力。此外，還可以效仿韓國、新加坡等運用行政手段，要求網路用戶在獲得國家有關部門頒發的許可證的情況下，才能訪問政府嚴格控制的信息等。

（五）培育大數據時代的網路輿情管理人才。大數據時代的網路輿情將會形成多向度的研究，例如對社會話語表達、社會心理描繪、社會關系呈現、社會訴求預測等的分析研究。網路輿情將真正成為一門與多學科交叉的社會顯學，對人才的全面性要求很高。中國教育的學科劃分和培養體系，客觀導致培養出來的人才很難跨界。換句話說，真正進入這個行業的門檻是很高的。正因如此，各國越來越重視對數據科學家的培養，如美國在大學專門開設研究大數據技術的課程，通過嚴格的業務培訓和職業資格認證，培養下一代的數據科學家。2013年9月，我國人社部聯合人民網啟動「網路輿情分析師職業培訓計劃」，「網路輿情分析師」成為一項被正式認可的職業。但是我國現有輿情工作人員的水平仍然嚴重滯後，很多輿情機構尤其是地方政府並沒有專業的數據處理、分析團隊和專門的網路輿情管理部門。為突破大數據時代變革網路輿情管理的人才瓶頸，從短期看，可以通過招考、錄用等方式引進數據挖掘、分析人才，通過委託培養、網路培訓等方式強化已有專業人才力量，通過購買服務的方式短期租賃大數據輿情管理的高素質人才。從長遠看，則要系統梳理網路輿情管理所需人才目錄，培養和壯大既精通數據挖掘、數學建模，又擁有較高學習能力、分析能力和知識水平，橫跨統計學、社會學、計算機學、傳播學、管理學等學科的復合型人才，打造一支大數據網路輿情管理的專業人才隊伍。

以上是小編為大家分享的關於大數據時代網路輿情管理變革探討的相關內容，更多信息可以關注環球青藤分享更多干貨

❿ 大數據時代網路信息具備哪些新的特點

特徵
數據量大（Volume）
第一個特徵是數據量大。大數據的起始計量單位至少是P（1000個T）、內E（100萬個T）或Z（10億個容T）。

類型繁多（Variety）
第二個特徵是數據類型繁多。包括網路日誌、音頻、視頻、圖片、地理位置信息等等，多類型的數據對數據的處理能力提出了更高的要求。

價值密度低（Value）
第三個特徵是數據價值密度相對較低。如隨著物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何通過強大的機器演算法更迅速地完成數據的價值「提純」，是大數據時代亟待解決的難題。

速度快時效高（Velocity）
第四個特徵是處理速度快，時效性要求高。這是大數據區分於傳統數據挖掘最顯著的特徵。