王勤：大数据需要积累 更需要专业的挖掘能力

本篇文章1206字，读完约3分钟

上周，2017年中国上市公司口碑榜结束了第二阶段筛选，600家上市公司的入围名单诞生了。

在第二轮筛选中，大数据发挥了至关重要的作用。《国家商报》(以下简称nbd)采访了独家数据支持网站wisers媒体管理部主任秦王，就大数据技术在口碑传播中的应用以及他对大数据产业未来发展的深刻思考进行了阐述。

公众意见大数据有助于危机管理和投资决策

Nbd:作为2017年中国上市公司口碑列表的独家数据提供商，怀尔斯在舆情数据的收集、处理和分析方面有着深刻的见解。你认为民意大数据将如何帮助上市公司的日常运营和投资者的投资？

秦王:大多数上市公司会利用舆情监控服务及时跟踪行业趋势，发现自身和竞争对手的信息，尤其是可能影响股价的敏感消息，做好风险管控工作；此外，舆情大数据还可以帮助上市公司了解自己在所有利益相关者心中的形象，并根据反馈做好外部沟通，尤其是在舆情危机管理方面，从而在第一时间将危机的影响降到最低。

对投资者来说，民意其实反映了市场对上市公司的态度和信心。投资者可以通过舆情大数据客观、全面地了解企业现状，衡量投资风险。

以此口碑列表为例，怀尔斯和《国家商报》联合制定的评选标准综合考虑了上市公司高管团队的业务合规性、盈利能力和声誉等可能影响股价波动的因素。口碑指数高的公司相对更稳定、更可靠、更有利可图，是投资者的有效参考。

四个要素支持大数据业务应用

Nbd:近年来，中国的大数据公司越来越多。面对竞争，我们应该有什么优势脱颖而出？

秦王:大数据是一个非常普遍的概念。具体到每个领域，它需要长期和系统的数据积累和专业和深刻的数据挖掘能力。大数据的商业应用有四个关键要素:第一，数据，第二，人工智能技术，第三，商业知识系统，第四，背景大数据计算和存储系统。

Nbd:在您看来，舆论大数据行业在发展中面临哪些挑战？

秦王:首先，随着新媒体时代的到来，信息传播渠道越来越多样化。对于企业来说，他们必须应对的舆论环境比过去复杂得多。对于大数据公司来说，如何帮助他们应对日益复杂的舆论环境是一个挑战。

其次，自然语言理解，尤其是汉语自然语言理解，仍然面临许多挑战。以深度学习为代表的技术为解决这些问题提出了新的思路，但也将面临瓶颈。从长远来看，有必要将语言学理论和特征与机器学习科学地结合起来，以取得更大的突破。目前，有许多用于机器学习或深度学习的开源软件包，进入人工智能大数据领域的门槛要低得多，因此市场上充斥着大量的大数据公司。然而，如果实践者没有深入研究和理解建立各种人工智能模型背后的假设，他们只是盲目地尝试各种开源模型，然后选择一个似乎具有最佳训练效果的模型，这很可能在假设没有建立的实际场景中犯严重的错误。

此外，舆情大数据产业的进一步发展应着眼于如何将企业或政府内部数据与外部媒体大数据相结合，将舆情信息紧密融入到机构的日常运营和决策中，从而发掘更多的数据关联和洞察信息，带来更大的商业和社会价值。

来源：简阳新闻