廣電業務大數據應用探析

劉巖+徐儉+徐有聰

【摘要】 主要從大數據應用關鍵環節、廣電業務大數據應用策略、廣電互動電視平臺大數據應用、融合媒體大數據應用等方面，探討分析廣電業務大數據應用的諸多問題。

【關鍵詞】廣電業務 互動電視平臺 融合媒體 大數據應用

在互聯網、大數據、融合媒體環境下，廣電業務運營商為了實現互聯網+大數據+廣電媒體的跨界競爭，必須引入以數據思維和大數據創新性應用為基礎的互聯網思維，適時構建廣電業務大數據處理平臺，通過數據采集、監測、分析、挖掘和處理，精準分析用戶需求，更好地理解用戶行為習慣，提供用戶體驗度更優的基于互聯網和移動互聯網的融合媒體內容產品和業務，實現多渠道發布、多屏聯動和多屏互動，并實現內容產品的精準推送和業務運營的閉環反饋調控。

一.大數據應用關鍵環節

大數據應用采用并行處理分布式數據庫、數據挖掘、分布式文件系統、云計算平臺、互聯網和分布式存儲系統等技術，關注實際業務大數據，提供數據采集分析挖掘和數據存儲管理能力。云計算是整合計算、存儲、數據、應用等分布式計算資源進行協同工作的超級計算服務模式，分為SaaS（軟件即服務），PaaS（平臺即服務）和I a a S（基礎設施即服務），關注計算能力、數據處理能力、IT基礎架構和IT解決方案，云計算又分為存儲云、計算云和管理云。

1.大數據采集

大數據采集是從本地數據庫、互聯網、物聯網等數據源提取、采集、導入、轉換、加載數據。

2.大數據存儲與管理

云計算技術的存儲云和管理云是大數據存儲與管理技術的基礎，存儲云采用分布式海量數據存儲技術，數據存儲系統有GFS（Google文件系統）和Hadoop HDFS（Hadoop分布式文件系統），管理云包括海量數據管理技術和云安全技術。

3.大數據計算處理

云計算技術的計算云是大數據計算處理技術的基礎，計算云包括虛擬化技術和并行編程模型技術，以谷歌的分布式并行計算技術及Hadoop MapReduce的云端應用開發并行編程技術為代表。

4.大數據分析與挖掘

大數據分析與挖掘涉及結構化、半結構化、非結構化數據，需要采用人工智能、神經網絡等算法。

5.大數據展現

大數據展現采取可視化技術與Web技術相結合，涉及SVG（可伸縮向量圖形）繪圖和HTML5等技術，以圖形或圖像呈現大數據內容。

二.廣電業務大數據應用策略

廣電業務大數據應用需要滿足海量、多源數據快速處理和分析等需求，應該研究制定并執行好廣電業務大數據應用策略。

1.多屏大數據應用戰略

廣電業務需要處理受眾的偏好、行為痕跡及需求信息等大數據，以支撐多屏戰略，實現視頻多終端無縫鏈接，解決用何種內容去適配何種終端、何時與何場合推送何種內容去何種終端等難題。

2.市場大數據應用策略

廣電業務可以通過大數據應用平臺分析用戶行為，改進內容生產，并通過用戶偏好分析，及時、準確地進行業務推薦，增強用戶體驗，增加用戶粘度。應該對用戶操作行為進行全方位監測，通過大數據分析獲知用戶的收視場景、收視習慣及收視喜好，向用戶精準推送內容、廣告及應用，滿足用戶需求。

3.經營大數據應用策略

可以綜合分析業務、資源、財務等各類大數據，準確地制定業務經營管理和市場競爭策略。

4.大數據采集與挖掘策略

需要采集用戶行為數據、用戶收視數據、融合媒體數據、互聯網數據、點擊流數據、搜索引擎數據、內容編排數據、內容推薦數據等，并對大數據進行用戶、內容及熱點發現等多維度分析。

5.大數據應用人才培養策略

廣電業務體系復雜，業務流程梳理難度很大，數據分析人才往往存在行業局限性，實踐經驗較少，應與大數據領域的專業公司形成緊密協作，分析廣電業務的數據點、數據點與數據點的關系，并對數據進行梳理分析和深度挖掘。

三.廣電互動電視平臺大數據應用

廣電互動電視平臺大數據應用的主要功能模塊如圖1所示。

1.廣電互動電視平臺大數據采集

采集的大數據源包括雙向互動電視網絡平臺的用戶機頂盒、應用服務器、運營支撐系統、運維系統、地理信息系統、廣告系統、媒資系統、互動電視系統等多個異構的業務系統，對異構數據源的大數據進行采集和統一存儲，將收視數據、用戶行為數據、運維數據、日志數據、媒資數據等形成一個彼此關聯的大數據庫，便于后續環節開展數據預處理、數據倉庫、數據分析與數據挖掘，并建立業務模型、分析模板、用戶匹配、業務預測等大數據工具。

2.廣電互動電視平臺大數據預處理

大數據來源于不同業務系統的異構數據庫，需要對這些數據進行預處理，通過數據清洗、數據過濾、數據集成、數據變換、數據規約等操作，將不同系統采集的數據進行關聯和完善，供后續環節進行數據分析、挖掘。

3.廣電互動電視平臺大數據分析挖掘

廣電運營商要量身定制適合自己的大數據處理方案，要以用戶觀看節目的行為數據為基礎，結合用戶身份信息進行大數據挖掘，形成用戶的消費愛好、消費習慣和消費層次的精準定位數據，對用戶進行細分，從數據中獲取潛在的用戶需求和市場，精確地定制產品和服務，創新服務和商業模式，滿足日益個性化的用戶需求。對于不同的業務需求，采用不同的分析挖掘方式，根據市場、運營、決策的要求，采取靈活的組合方式，形成不同的數據分析模板，對數據源大數據進行不同策略的提取、整合、拆分，進行高效、靈活和準確的數據分析。

4.內容精準推送大數據應用

借助大數據處理與分析系統，可對海量數據進行分析挖掘，將傳統的收視率調查轉變成用戶行為數據分析，掌握用戶消費喜好、消費層次、成員構成、年齡范圍、節目收看時段、節目選擇類型，提高服務層次和運營能力，創造新型商業模式，提高運營效率和服務質量，推行更加有效的推送策略，進行市場精準營銷和內容精準推送。推送給用戶的內容可包括視音頻節目、電視商務信息、廣告等，廣告精準推送系統可提供精準推銷產品的平臺，將電視內容觀看與相關產品推銷關聯起來，拓展商家的銷售渠道。還可以通過大數據系統形成用戶消費行為分析結果、內容產品生命周期分析結果等數據產品，支持內容提供商完成營銷決策。endprint

5.視頻服務大數據應用

基于大數據工具可對廣電各類視頻業務的大數據進行深度挖掘，推行視頻服務運營精細化管理，通過聚焦網絡覆蓋傳輸能力、帶寬提供能力和服務質量保證能力，實現網絡流量差異化經營，打造可控可管可視的智能渠道，實現用戶可識別、業務可區分、流量可調控和網絡可管理。

（1）全程監控視頻傳輸網絡

通過部署在網絡中的軟硬件傳感器，對射頻信號、傳輸碼流、IP視頻、IP網絡傳輸、運維信息等進行自動檢測和分析，實時獲取服務內容和服務質量的監測分析數據、網絡設備負荷和流量數據，并上傳至大數據處理平臺，通過端到端的檢測和大數據的精準分析，形成運維決策模板，為運維部門提供運維指導和快速定位故障等工具。

（2）服務質量匹配

基于大數據檢測與分析工具，對檢測到的每項指標進行服務質量匹配，并將相關結果與客服報修數據、運維監控數據進行共享，使得客服人員、運維人員在接到用戶報修的第一時間就基本完成故障定位。還可基于網絡和業務數據的深度挖掘，構建智能化專家知識庫系統，簡化故障排除過程。

（3）數據和資源共享

可打通多個業務系統，實現大數據及網絡資源共享和面向用戶服務的全局分析，對網絡質量、運行效率進行評估，根據全局分析結果調配網絡資源，保障視頻業務的服務質量。

四.融合媒體大數據應用

為了實現融合媒體業務創新，可基于大數據處理平臺實現針對不同用戶的精準營銷和各類業務的統一共享融合。

1.融合媒體大數據分類

從結構類型上分為三類，（1）結構化數據：傳統的關系數據模型、表數據，存儲于數據庫，可用二維表結構表示；（2）非結構化數據：各種文檔、文本、聲音、圖片、圖像、視音頻文件；（3）半結構化數據：XML、HTML數據，自描述，數據結構和內容混雜在一起。

從內容類型上分為四類，（1）生產者數據：記者、編輯、主持人、導播、攝影、攝像、編劇等；（2）內容數據：文字、聲音、圖片、圖像等；（3）媒介數據：報紙雜志、廣播影視、圖書、網絡等；（4）受眾行為數據。

2.融合媒體大數據處理平臺總體架構

針對融合媒體大數據，大數據處理平臺采用分布式集群架構、分布式并行計算、負載均衡和分布式存儲，提供高效的數據計算能力、數據分析和挖掘能力，總體架構包括三個層次。

（1）資源層

能夠產生、存儲、處理海量數據的IT基礎資源、數據資源、視頻資源等各類資源。

（2）平臺層

是融合媒體大數據處理平臺，實現數據存儲、數據處理、數據遷移、集群管理等功能，同時為上層應用提供接口。融合媒體大數據處理平臺的地位類似于數據庫，但其處理能力比數據庫要更強大，可以對海量數據進行處理。

（3）應用層

為用戶提供海量數據的高效存儲、檢索、分析和統計等功能，基于融合媒體大數據處理平臺提供的高效數據處理服務，可以提升用戶體驗度。

3.融合媒體大數據應用模式

在引入大數據技術對媒體資源進行分析、挖掘和應用時，可利用動態匯聚的海量媒體數據，發掘新聞熱點，收集反饋信息，開發內容產品。通過統一的用戶管理機制和數據采集平臺，對廣播、電視、新媒體等各個渠道的用戶進行統一的大數據分析，建立基于大數據的運營營銷機制，讓數據為各類業務服務，實現業務創新。融合媒體業務應實現多渠道播出、分發、發布，提供基于互聯網、移動互聯網的內容產品和業務，實現多屏聯動和多屏互動，并實現內容產品的精準推送和業務運營的閉環反饋調控。

4.融合媒體大數據應用流程

在媒體融合和大數據時代，廣電內容生產從信息采集、鑒別、加工、制作、傳播到市場分析、精準營銷、經營管理等，都需要對大數據進行分析、挖掘和整理，以提高媒體經營管理水平、新聞傳播效果、媒體社會效益和經濟效益。

（1）熱點匯聚

結合大數據處理，實時監控網絡上最快、最新的資訊信息，將實時熱點數據與媒資庫內歷史數據進行關聯，便于節目編輯人員制作具有特色和深度的熱點報道。

（2）智能分析

利用智能化處理技術對音視頻內容進行語音識別、字幕識別、人像識別等音視頻特征提取，通過大數據引擎對標引數據進行自動聚類、分類等一系列運算，從海量數據中挖掘出有價值的資源內容，結合當前社會熱點事件映射歷史內容，為節目再生產及新聞融合提供支撐。

（3）統一檢索

通過內容處理引擎對視頻、音頻、圖片、文稿等媒體數據進行自動分類、編碼和編目，對臺內資源、網絡內容進行統一檢索，通過高效的算法進行智能分析，并提供分析結果展示與查詢服務。

（4）深度挖掘

利用大數據分析工具對用戶行為信息進行深度分析、挖掘、歸納和推理，以預測用戶的行為，對市場化行為進行快速反應，幫助融合媒體調整內容制作策略，實現對用戶的精確服務。

五.結語

在媒體融合和大數據時代，廣電業務與大數據已經密不可分，廣電業務運營商在大數據應用方面應該一切以用戶為中心，基于大數據處理平臺實現融合媒體業務創新，并實現針對不同用戶的精準營銷和各類業務的統一共享融合。本文從大數據應用關鍵環節、廣電業務大數據應用策略、廣電互動電視平臺大數據應用、融合媒體大數據應用等方面探討分析的廣電業務大數據應用的諸多問題，希望能夠給廣電業內同行帶來些許啟發。B&Pendprint