大数据技术在广电行业的应用探究

王泽坪

【摘要】与其他行业不同，广电行业业态复杂，涉及众多环节，且拥有海量大数据信息，因此，合理应用大数据技术，按照“数据整合—数据分析—数据挖掘—指导决策”思路，使原本大规模的离散数据变得有价值、有规律，以为广电行业的蓬勃发展提供数据支持。基于此，文章结合笔者多方调研与既往广电行业工作经验，从大数据技术特征与系统架构入手，全面探讨了大数据技术在广电行业中的具体应用，以供借鉴参考。

【关键词】大数据技术;广电行业;技术特征;系统架构;具体应用

中图分类号：TN94                                  文献标识码：A                          DOI：10.12246/j.issn.1673-0348.2021.23.042

1. 大数據技术特征与系统架构

1.1 技术特征

1.1.1大容量

与海量数据不同的是，大数据不仅体现在数据量大，实现了从PB级到EB级的升级，而且还体现在数据的复杂形式、快速时间特性以及专业化分析处理等方面。

1.1.2 多样性

大数据类型除了涵盖以往关系型数据库类型，还包括了未经加工处理的以音视频、网页、文档等多种形式存在的结构化数据、半结构化数据以及非结构化数据等多种类型。

1.1.3 时效性

与传统的数据处理与挖掘技术相比，大数据分析处理以及挖掘速度快、精准高效，使得传统数据系统已经无法对流动速度十分之快的大数据进行处理，这也是与传统数据具有显著区别的特征之一。

1.1.4 准确性

通过大数据整合、分析与挖掘，能够进一步从海量的数据信息中获取广大用户的喜好与行为习惯等有价值的数据信息，进而根据用户行为习惯进行针对性改进与调整营销策略，并推送满足用户喜好的节目内容与插播广告。

1.1.5 获取方式

大数据是基于不同数据源的原始数据，包括静态数据与非实时数据、动态数据与实时数据等，同时，包括一系列的再生数据，这些海量的数据经过数据分析及数据整合后，再对有用的数据进行分析、提炼，最后用于项目的决策、预判。

1.2 系统架构

广电大数据融合系统架构主要分为三层，由上向下分别是：大数据应用层、云计算平台、分布式存储集群，系统架构如下图1所示。

1.2.1 大数据应用层

大数据应用层通常是用于定制化大数据应用的部署，其作用是对大数据进行分析，该层直接部署于云上，通过云计算机层提供相应的云服务。在云上建立大数据服务有如下优势：一是，与云计算、存储器进行融合部署，使整合后的资源管理与监控较为便捷，同时，更加节省大数据管控成本，而如若单独进行大数据应用层的部署，则单独的服务器与监控系统，会使整体成本的投入更大。二是，大数据服务部署于云上，使得数据移动、备份、容灾更加便捷、有保障，且单独部署的方式缺乏容灾体系，如若服务器发生宕机故障，将会导致整个广电服务器发生瘫痪，同时，将大数据服务部署于云上，能够便于设计实现应用与数据的分离，其中，云备份应用场景是为了在主服务云主机发生宕机时，能够及时切换至备用主机来确保服务的高度可用性，防止广电服务器系统发生瘫痪故障。三是，海量的数据是建立大数据分析的重要前提，因此，保证大规模数据的安全性成为关键。将大数据应用建立在云服务上，能够将海量数据托管在云端，底层分布式存储确保数据的容灾性。但云服务上的数据也往往成为黑客攻击的目标，这就需要利用大数据与云计算对传输中的数据予以加密，使黑客无法获取加密的文件信息，进而保证传输数据的安全可靠。四是，与单独部署服务不同的是，建立在云上的大数据服务能够提升数据计算性能，获取更快的带宽与更高的吞吐量，且底层分布式存储比单独部署的性能也更高、更好。

1.2.2 云计算服务层

云计算服务层能够为大数据服务的更好应用提供有力支撑，且现阶段大数据服务部署的趋势也往往都在云上。尤其是近年来广电行业的不断转型升级，以及广电媒体的融合发展，使得基于混合云、容器云技术，以及云非编服务成为未来发展的趋势，云计算架构也必将会成为广播电视、媒体单位的重要发展方向。

1.2.3 分布式存储层

当前，分布式存储主要应用于广电行业非编制作、备播等多个环节，在基础的分布式存储上进行大数据与云计算的超融合，不仅投入成本更低，而且管控十分便捷，通过对分布式存储进行改造后，即完成了云计算服务基础平台的搭建。随着当前海量数据的爆发式增加，使得大数据分析需要基于高性能读写的存储介质，以完成数据的快速计算，这也正是分布式存储的独特优势。当前，在主流的分布式存储技术中，甚至能够单独配置具有较高性能的高速存储池，以进一步提升大数据的分析处理性能。此外，对于较为关键重要的数据信息，主流分布式存储还同时具备点对点、集群到集群的数据备份功能，进而实现对数据的有效保护，避免数据丢失而造成的损失。

2. 大数据技术在广电行业的应用

2.1 基于大数据的整合分析

广电网络大数据分析处理平台，需要融合互联网、音视频、点击率以及搜索量等多元化的大数据信息，并将海量的广电大数据如用户信息、收视时长、收视频率等信息进行分析、整合，由电视台IT部门按照传统的数据分析方法构建数据化运营体系。

广电行业拥有海量的大数据信息，且各个部门对数据的需求量也往往较大，如若按照每个需求进行数据导出，流程繁琐且较为被动，因此，可结合各个部分对数据的具体需求，对大数据信息进行整合，以降低数据信息的获取难度。实现数据更为便捷的应用。

经采集所得到的广电网络海量数据，在按数据预处理要求对数据进行清洗、集成、变换、规约等操作后，建立基于各种业务的数据分析模板，使收视、用户、运维以及媒资等杂乱无章的海量数据信息，形成相互联系、支持决策的广电大数据，以便对海量的数据信息进行多维度分析与挖掘。

2.2 基于大数据的运维决策

基于广电大数据的处理平台，能够深度挖掘有价值的数据信息，构建智能化、信息化的广电专家知识库系统，实现对网络故障的精准定位、简化故障排除流程，对广电网络资源进行更加精准调配，实时获取广电服务业务及服务质量的监控数据，并将获取的服务数据上传至广电大数据处理平台，以针对不同的业务类型、用户需求等，采用与之相应的数据清洗、数据过滤与数据挖掘工具，对数据源的不同数据通过不同的策略方法進行提取、整合、拆分，实现对广电大数据的精准、高效分析，将各项运行参数与广电服务质量进行匹配，并将获得结果与客服报修、运维监控进行实时共享，以指导技术人员运维决策。

2.3 基于大数据的精准投送

首先，节目内容精准推荐。以大数据技术为基础，搭建智能化信息平台，对用户行为等海量的广电数据进行整合、分析、挖掘，形成广电用户行为习惯、消费层次的精准数据库，以对消费用户进行细分，挖掘用户喜好，并根据不同用户感兴趣的节目、广告等内容，提升广电服务质量，优化视频内容推送，进而实现节目内容的精准推送。其次，广告插播推送。借助大数据模式识别技术，能够精细化模拟市场营销，并针对广大受众不同需求精准推送插播广告，从而充分利用节目的广告时间，为广电企业提升盈利能力。

2.4 基于大数据的精准营销

运营内容监测。通过大数据分析、数据挖掘，对广电运营内容进行监测，对同类产品的实际运营情况进行分析，进而为热点节目内容的运营提供参考。

广告投放分析。首先，对新媒体广告投放的效果数据进行采集与分析，主要包括单日、不同时段、工作日/周末、平日/节假日/纪念日等PV/UV的变化波动情况，以便于对广电用户进行整合、分析;其次，以季度/月度为单位，对同一客户不同投放形式的数据进行统计，并对投放形式、时长、位置等的相关度进行分析;另外，统计分析点击广告位的用户情况，包括年龄层、地理位置等，并对相同广告内容在不同平台的投放效果数据进行统计分析。

竞争产品分析。借助大数据平台，对不同媒体平台上同一客户的投放形式、数量等进行分析，以为客户提供优质服务;其次，监控媒体产品各项指标，获取用户行为习惯，提升媒体产品的使用体验，并根据用户个人喜好，运营媒体重要推荐位，在媒体推荐位上设置同类喜好节目内容;另外，分时段对优质影片采取精细化付费，提升影片更新频率，并为广大用户提供更多优质影视内容，以高质量的影片内容，刺激用户进行订购观看。

付费行为分析。结合广电大数据内容，构建RFM模型，了解各阶段用户转化率，根据用户付费行为进行分类，并对运营数据、行为数据进行分析，以进一步提升用户转化率，优化付费路径。

3. 结语

大数据技术于广电行业的应用，使得原本处于新媒体“围剿”下的传统广电行业成功“突围”焕发生机。通过将海量数据信息重新整合、分析、挖掘，使得原本杂乱、离散、“无用”的数据具有了价值，为广电相应营销策略、运营决策、发展战略的制定提供了科学的数据支持，使得广电行业在竞争日益激烈、生存愈发艰难的市场大环境中得以长足健稳发展。

参考文献：

[1]陈燕.大数据、融媒体技术在广电行业的应用与发展前景分析[J].西部广播电视，2018（20）：202-203.

[2]任杰.大数据时代广播电视技术的转型及发展[J].西部广播电视，2019（14）：207-208.

[3]韩锋.大数据技术在广电领域的应用思考与探讨[J].中国传媒科技，2018（6）：59-61.

[4]杨河圆.广电中的大数据及融媒体技术应用策略分析[J].卫星电视与宽带多媒体，2021（5）：44-45.