大数据背景下大型体育赛事新媒体的传播研究，本文主要内容关键词为：体育赛事论文,媒体论文,数据论文,背景下论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
修回日期：2015-09-25 中图分类号：G80-05 文献标识码：A 文章编号：1000-520X(2015)11-0024-06 1980年，知名学者阿尔文·托夫勒在其著作《第三次浪潮》中正式提出了“大数据(Big Data)”的概念，然而直到2009年，大数据才随着网络技术的发展日益流行并被广泛认知[1]。2015年9月，国务院印发《促进大数据发展行动纲要》，明确提出将全面推进我国大数据的发展和应用，加快建设数据强国。随着大数据时代的来临，首当其冲受到影响的就是传播业，以往的新闻传播更多的是建立在相对深刻和较少的数据资源上，对于信息的传播速度和解读都有相对固定的模式。对于体育赛事而言，各种与赛事直接相关的数据将会变得海量，如果能够对这些海量数据进行分析与挖掘，将会对转播机构的传播策略起到很大的帮助作用，甚至可以进一步激发转播商进行商业模式变现的可能。 1 大数据在大型体育赛事新媒体传播中的应用 由于大数据的运用，改变了媒体的传统观念，真正把内容当作产品来做，洞察用户并了解用户的信息需要，根据用户的信息偏好制作出符合用户需求的精神产品，迫使媒体由以往的追求内容的可读性转变为如何让用户觉得内容具有更多的可读性，使编辑依据经验和主观感觉判断用户的信息需求，转变为以大数据为依据实时对用户的信息需要作出判断并根据用户的信息需求偏好进行新闻创作，从而大大提升内容生产的效率和可读性。 1.1 即时了解社交舆情，设置热议话题 由于传播的受众往往对于信息的接受表现出强烈的情感倾向，同时体育赛事自身也往往具有很强的感染性和故事性，决定了体育赛事的受众在选择和传播信息时往往会从情感的角度进行判断与评价。以往媒体机构更多的是从受众的话语角度进行单向度的分析，如今则要求媒体机构必须及时了解受众的社会行为、社会关系、社会心理和社会诉求等。在这种情况下，有关社交舆情监测与分析的大数据分析工具在一些大型体育赛事中得到了应用。通过这一分析工具分析受众在网络媒体上的各种表达，即时动态了解其情感变化走向，并对公众舆论进行评估，帮助新媒体平台更加全面、准确地了解受众的信息喜好、传播趋势和内容认知，从而展开精准传播，使用户获得个性化的消费体验。比如，IBM社交舆情指数(IBM Social Sentiment Index)，利用先进的分析和自然语言处理技术来分析大量社交媒体数据，获得公众对比赛的意见、对选手的偏好、对赛程的关注度。在2013年的温网中，赛事组委会利用IBM Content Analytics等工具建立了一个全面的社交舆情视图，对各种网络平台上的受众话题进行评估。系统每秒可分析超过40条微博，并形成社交对话统一视图，从而主办方可以实时了解全球温网话题讨论热点，以及数十万社交媒体消息分享的正面和负面情绪，也可以对特定球员的社交影响力做出评估[2]。2014年的巴西世界杯，腾讯借助于IBM的合作，通过IBM的社交大数据分析系统，通过抓取球迷关注的热词、热点话题、关联话题，使编辑可以实时了解球迷关注的热点，挖掘并整理出球迷关注的120个热点，大大提高了信息的渗透率与传播效果。谷歌的工程师则借助于谷歌本身的搜索引擎随时了解有关世界杯的搜索趋势变化，了解热门话题，并根据数据分析结果制作各种信息图，提供给各种体育合作媒体。借助于美兰德网络监测数据，各家新媒体了解到从网媒关注度及微博提及量的走势来看，网媒对世界杯的报道量在各赛事阶段相对稳定，因此在媒体传播策略上，各家媒体针对小组赛期间呈现出明显的双休日规律，适度增加投放更多新闻内容[3]。通过社交舆情的分析与解读，可以更为深入地了解用户，设置更能满足用户需要的议题，从而主动出击吸引受众，精准、个性化地向不同的消费群体和平台推送相关内容。 1.2 赛事技术分析、支持与结果的预测 (1)技术分析与支持。由于各种分析与测量工具和技术的发展，使得围绕运动员的各种技术、战术信息都能够转化为相关数据，因此，大数据在体育赛事的技术分析与比赛运用中得到了广泛的运用。这种分析的结果不仅可以对运动员、教练员提供训练和比赛的帮助，也有助于受众找到观赛重点从而更专业地欣赏比赛，同时大大丰富了媒体从业人员表达“体育故事”的内容和手段，使其为观众呈现更加富有见解和洞察的赛事评论。IBM从1993年就为体育赛事提供技术支持，持续追踪了网球的四大满贯赛事，从2005年到2013年共收集8 128场比赛，每场比赛收集的数据点达到了4 100万个，还包括了5 500个分析模型，这对于网球大满贯赛事的促进意义非凡[4]。其中IBM SlamTracker(智能分析平台)分析技术，拥有被称为“Keys to the Match”的功能，通过对双方运动员45个潜在动态指标的分析确定将影响一场特定比赛的三项关键策略，并且确定及格线。在比赛前，球迷可登录网站查看每个球员在一场比赛中的关键点，在比赛期间根据这些关键点，逐项实时观看球员的进步。乐视体育在2015年的ICC国际冠军杯的中国赛事中，依靠SportVU数据追踪系统，基于场上位置移动生成各种技术统计数据，包括球员和球队的跑动速度、累积距离、覆盖热区图、控球率和传球成功率等。NBA的SportVU数据追踪系统如今可以计算出速度、距离参数和能量区域效率，同时还可以计算力量、爆发力和耐力，查询球员间隔、投篮轨迹和投篮区域等。(2)赛事结果预测。由于大数据建立在对历史海量数据的分析的基础上，从而作出趋势与预测，这一功能对于渴望提前预测胜负结果的受众来说更感兴趣。百度通过分析2014年的前5年，987支球队的3.7万场比赛数据，共涉及29610名球员，1.12亿条相关数据，构建了足球赛事预测模型，其预测比赛胜负的准确度达到75%～80%。通过大数据对于比赛结果的准确预测吸引了一大部分热爱体育博彩的受众。谷歌的做法是搜集来自Opta Sports的海量赛事数据，通过球队实力的排序模型，以及基于“各个国家球迷到巴西的数量和热情度”的主场优势模型，来构建其最终的预测模型。而微软则与百度类似，是在历史和球队状态数据基础上，通过对博彩交易市场数据来分析构建预测模型[3]。 1.3 赛事直播中的运用 大数据在体育赛事直播中运用，关键的是带给受众更美好的体验，目前主要在以下两个方面得到了应用，提供全景动态画面呈现与可视化数据的呈现。(1)全景动态画面呈现。SportVU系统通过光学追踪技术，可以实时确定场上的球员、裁判、比赛用球的任何动态位置，可以做到“鸟瞰”比赛全景，通过动态画面图形对比赛全局进行实况展示。在体育赛事传播领域运用全景动态画面及数据追踪技术大数据系统最多的是美国的STATS公司开发的SportVU，最初主要应用在足球领域，目前大部分应用在篮球领域，在2013年包括NBA、NFL、NHL等职业联盟都已经正式引进这一套数据分析系统，在2013年的NCAA“大十联盟”比赛中，所有的球队都运用了SportVU这一数据分析系统。(2)可视化数据的呈现。比如，通过字幕软件生成直观的比赛图表、动态阵形、疲劳度、健康图表、360度球员视角和数据分析对照等。2007年，IBM已经实现了体育比赛数据分析的可视化。此后IBM推出了SecondSight和SlamTracker系统系统，SecondSight系统可以将球员在赛场上的运动速率和移动步伐等数据生成3D动画，SlamTracker系统系统可以即时生成一个模拟数据库，可以逐点实现数据与整场比赛视频同步的详细视图。美国职业棒球联盟(MLB)采用英特尔的服务器系统实现了比赛直播中大数据分析结果与直播画面的叠加[6]，这可以说是完全的直播创新，同时配合移动设备与电视的多屏呈现。国内的乐视体育在2015年的ICC国际冠军杯的中国赛事中引进了SportVU数据追踪系统，首创视频信号进行实时数据动态直播。这种与体育直播画面的联动和互补，大大丰富了传统转播画面的内容，挖掘出了直播画面当中常常难以表现的深层内容。 1.4 用户特征分析 借助于网络媒体平台及社交网络上的各种公开信息及数据的分析，可以对受众的各种特征，包括性别、地域、类型、个性进行实时数据抓取、分析和呈现。腾讯在2014年巴西世界杯比赛前借助于Mind Lab历史数据挖掘及报道经验，结合腾讯以往用户数据进行有关报道的数据分析，了解到在用户年龄特征方面，年轻用户仍是其主流用户，但25～40岁的成熟用户已占用户四分之一，消费潜力较大，使其对自己的主要报道受众有一个准确的定位。腾讯通过对世界杯关联用户的构成分析，了解到世界杯的受众中真正的球迷只占14%，余下的都是伪球迷，伪球迷所占的比例远远超过真正的球迷。男性和女生所中比例分别为55.6%和44.4%。这些数据都有助于报道团队对于内容和栏目以及报道重点作出科学的决策。通过社交大数据分析以及五大人格分析(Big 5 personality)，腾讯基于不同球星的粉丝独特的性格特点创作了多种球迷画像，引发了不同球迷间的比较和热议，开设的《算数》栏目利用大数据解析球迷文化及性格特征。还有新浪和央视利用大数据的形式展示不同地域和年龄段网友对世界杯的关注热点等，这些结果的分析都离不开大数据。 1.5 大数据新闻的制作 与以往精确新闻报道、计算机辅助新闻、数据驱动新闻不同的是，大数据新闻在收集数据的范围、方法，分析处理以及呈现方式均发生了根本性的变化。大数据新闻主要在于通过对多维度、多层次数据的深度挖掘和关联性分析，发现隐藏在数据背后的规律和各种可能的关系[7]。以往的新闻报道采用的策略是，根据经验、理论和假设去发现未知领域的价值，具有确定的内容和专题，然后通过局部数据的调查和分析对于实事进行验证，以确保新闻的真实性和客观性。大数据新闻强调的是通过大数据的驱动发现新的有价值的新闻线索和报道故事，不再扮演服务工具的角色，以数据的可视化呈现为主，数据成了报道的主题，而文字则成为了补充，并且可以作出预测性报道，同时基于不同受众的需求进行新闻的个性化推荐和定制。大数据新闻报道开创了一种新的体育报道模式。比如，在2014年在巴西世界杯期间，腾讯的编辑人员通过大数据分析发现高温气候这一隐形因素影响了运动员的体能，从而影响了跑动距离，导致决赛比小组赛进球数的锐减。对一这现象进行科学的解释和报道引起了受众的极大关注，成为一个成功的大数据新闻[8]。 当然大数据在大型体育赛事新媒体中的应用远不止这些方面，比如无论是记者还是解说员拥有更多翔实的历史数据以及实时信息，则可以大大提高媒体播报速度与质量。2014年巴西世界杯搜狐根据大数据分析，邀请流量大、影响力广泛的自媒体人加盟其报道团队，从而提高其传播的影响力。对于那些拥有并利用该技术为业务决策以及与受众提供相关信息的媒体，和竞争对手相比在未来将赢得更多的竞争优势。 2 大数据在体育赛事新媒体传播应用中存在的问题 国外对于大数据在体育赛事新媒体传播中的应用已经比较成熟，国内新媒体也只是近几年才开始在大型体育比赛中运用大数据技术进行传播，引起整个业界关注的是2014年巴西世界杯腾讯和新浪进行了建立在大数据分析基础上的报道模式摸索。相比较于国外，大数据真正应用于大型体育赛事的新媒体传播中的时间较短，还存在着许多问题。 2.1 大数据技术的运用方面国内与国外相比还不够普及及成熟 目前，国内的新媒体机构对于大数据技术的运用还不够普及及成熟，比如SportVU这项技术除了在世界杯、欧冠等国际足球赛事中应用外，已在NBA全联盟得到广泛应用，拥有该项技术的STATS公司在全球的客户包括85个体育比赛联盟和55000多场赛事，但在国内的比赛中才刚刚得到运用。主要由于数据服务和设备的运用目前被国际仅有的几家大型公司所垄断，收取费用高昂，比如，SportVU技术平台的安装成本最高可达100000美元。在数据的收集、处理和分析方面存在的主要问题有，针对数据的分析技术和对应专业化还很稚嫩。数据收集工具落后在量级上往往达不到PB级，可以说甚至算不上大数据；在种类上和来源上对于异源和非结构性数据的收集远远不够。悠视网CEO薛冬表示，目前中国的数字体育基础与欧美发达国家相比还有很大差距，以NBA为例，目前NBA的新生代数据，每秒生成25个数据点，一场比赛至少70多万个数据点。而中国的国内联赛，目前一场比赛有1000个数据点，信息量差距70多倍，赛事体验的差距是全方位的[9]。国内目前对于大型体育赛事大数据的关注度往往不够，处理手段也较为单一，一般表现为数据的简单归类和统计，只作为特定目的的分析和利用，缺乏必要的专业机构和专门部门提供的专业数据服务。在具体的数据新闻生产过程中存在的问题主要有，呈现的可视化技术和呈现方式还有待提高与改进，数据不能够很好地和转播技术结合起来，社交性和互动性不够强，数据新闻的分发还难以做到差异化和精准化。另外，目前国内无论是传媒界还是体育界在这方面的理念还比较落后，因此，投入非常有限。姚明曾谈到，CBA和NBA存在全方位的差距，其中大数据方面的差距是最突出的一点。 2.2 大数据的积累与开放方面国内与国外相比具有很大差距 目前，国内在大型体育赛事的数据积累方面和国外有很大的差距，积累的赛事相关数据仅停留在已有赛事的总结和统计，并且难以对公众开放。姚明指出，目前中国的体育大数据累积仍处于萌芽阶段，以他在内地管理的球队上海男篮为例，仅存储了6年的CBA数据。NBA在2012年，与数据分析解决方案公司合作，统计了自1947年NBA联盟成立开始多达90多项技术指标4 500万亿条分割的统计数据[10]，并对所有公众开放。后台使用SAP HANA内存分析数据库，可以根据用户需要定制分析报表，而不仅仅是固化的表格。温网早在2000年就由IBM完成了赛事数据库的建设工作，法网则积累了自2005年以来的所有赛事数据。目前的四大网球公开赛所有数据均在其网站上对公众开放。这样球迷在观看比赛时将会更清楚地了解教练战术、阵容排布方面的数据依据，无疑增加了观赛体验，大大提高了用户黏性。面对这种差距，一是引进消化吸收新技术，实现国外技术的本土化，完成大型体育赛事数据库的建设工作，二是利用国际专门的大数据机构所提供的数据服务进行体育赛事的数据库建设工作。 2.3 大数据技术运用涉及的隐私保护问题 每一次大型体育赛事都是媒体的盛宴，全世界体育受众的节日狂欢，特别是随着体育赛事传播表现出来的移动化、社交化、娱乐化趋势，使得受众数量激增。一方面，大大增强了新媒体传播的影响力。另一方面，在收集与分析有关受众的相关数据时，很有可能就会在世界范围内进行，便会遇到不同国家有关大数据的保护问题。虽然用户数据的隐含价值非常巨大，但必须在遵守有关规定和条约下依法使用。因为大数据的使用过程中由于不再追求群体特征，而更多追求个体性轨迹和行为模式的分析手段往往会涉及公民的隐私权问题，比如基于地图定位服务系统对球迷的地域分析，就很有可能对球迷信息隐私权边界产生僭越的威胁[7]。许多国家针对数据保护制定了严格的立法，比如，在2003年欧盟的25个成员国按照1995制订的《欧盟个人数据保护指令》全部完成对其国内法的修改或调整，包括制定了《德国联邦数据保护法》、《数据保护法1998》等，对数据实行特别权利的保护。目前国内关于数据保护方面的立法可以说还是空白。在进行大型体育赛事的受众数据收集时，还没有对受众的隐私引起足够的重视，受众也缺乏对自己隐私权保护的意识。但在国外，如果在使用数据时侵犯公民的隐私权将会受到严厉惩罚。比如，欧盟议会所提议的草案《欧盟通用数据保护规章》规定，在数据控制或数据处理时，如果违反该规章，其罚金会高达全球年度营业额的5%，或1亿欧元。近年随着各种体育社交应用工具的兴起，更加引发了人们对各种移动社交工具隐私问题保护的重视。因此在利用大数据时必须遵守各国的法律、法规，做到依法使用，积极采取措施预防数据用户隐私的泄露。 当然还存在着其他的一些问题，比如关于“鹰眼”技术在比赛中的运用的争议问题，从来就没有停止过。“鹰眼”技术借助电脑的计算，把比赛场地内的立体空间分隔成以毫米计算的测量单位，然后利用高速摄像头从不同角度同时捕捉网球飞行轨迹的基本数据，从而确定网球的运动路线及落点。虽然增加了受众的感官享受，但有的观众则认为这样将会使整个比赛变成一堆数据，失去了赛事原本应有的乐趣。他们认为正是由于比赛中的误判，增加了不确定性才使比赛变得更加有趣。 3 利用大数据推动体育赛事新媒体传播的展望 3.1 围绕人的社交活动的大数据成为体育赛事的主要信息源 随着各种智能终端的普及和社交化工具的快速发展，使得人与人之间的关系互联已经不是单纯的线性关系，越来越多的呈现出网络的交叉和互通。由此，体育赛事大数据的信息传播从单一化的传播环境逐步走向以社交互动等深度社交为主体的传播语境。大数据逐渐由以事件为主体过渡到以人为主体，这种变化打破了原有的话语权体系，体育传播的信源结构也正在变化，多元化的信息已不再受限于发布渠道，因为发布渠道正日益增加，传播者和受众的角色在多数情况下发生了重叠，不再是传统的单一化传播路径。由此最直接的变化就是内容源的多样性，渠道本身也能够产生数据，尤其是移动互联网应用日益广泛，新技术和新媒体互相促进，接收体育信息和发布体育信息的功能在行为角色上、在内容分享上都逐渐融合。由于体育比赛本身就是人的各种活动信息的集合，人本身就是活动中心和焦点，围绕人的文本、图片、视频、音频、方位、关系、心理、行为、情感等都可以成为源数据，受众之间的互动和分享进一步促进了信息的流动和共享，围绕人的社交活动数据将逐渐成为大型体育赛事大数据的主要信息源。 3.2 体育赛事大数据的处理与挖掘将会变得更为复杂 互联网技术的发展使得信息的产生方式逐渐增多，围绕体育赛事的数据大量产生，数据与数据之间的关联性也变得更为复杂，对于信息分析的难度也在提升。其一，数据的总量在不断增加，进行分析需要对几乎所有的数据进行处理。根据巴西最大的电信运营商Oi的统计，2014年巴西世界杯开幕后的前10天内产生了32TB流量，相当于每天举行171次超级碗比赛。其二，来源与种类更加复杂。随着可穿戴技术、生物识别技术、动作捕捉技术，社交工具的现代化、移动化，以及其他科学技术的发展，产生与分析更多的数据成为可能。Oi的统计，巴西世界杯开幕十天内，12个馆场的WiFi网络接入了15.2万个设备，平均每个记者有7.6个设备接入网络[11]。运动员在场上的挥拍、击打、跑动、射门、投篮，甚至身体状况、心理状况甚至比赛当天的天气情况，比赛场地周围的环境等等因素，都可以转化为数字用于统计和分析，使得数据结构表现得更为复杂。数据来源的复杂和数量的增加，直接带来的后果就是网络信息数据的过剩和信息数据混乱，造成数据价值密度的迅速较低，增加了体育信息数据利用及挖掘的难度。其三，数据处理的时效性要求越来越强。如果投入巨大采集的信息无法通过及时处理反馈有效信息，将会失去效用的价值。这不仅仅在于许多体育项目本身就是以时间取胜，而且在于网络化时代许多体育信息表现出更强的时效性，同时传播机构必须对于受众的各种信息需要做出即时反应。大型体育赛事的传播机构应该以信息处理平台为主要支撑，实现跨媒体的整合，依托云计算的强大的数据处理能力，完成对海量体育信息的收集、分析、挖掘和分享。 3.3 大数据的解读必须服从于体育传闻传播的本质需求 大数据的信息应用研究也随着互联网新技术的发展日益精准，作为赛事传播的媒体而言，大数据收集主要是基于网络传播者在社交活动中所产生的大量数据，尤其是面对传播内容多样化、阅读时间碎片化为主要特征的新媒体传播环境。在这种情况下，需要规避的就是信息的单一和孤立，避免仅仅依靠数据解读一切体育传播现象，秉持一种唯“大数据”的错误理念。脱离了特定语境的信息传播是有缺失的，在语义理解上更容易出现误读，甚至会大大影响社会化传播的效果。大数据的衍生信息产品最近几年发展迅猛并将不断涌现，与新闻报道的矛盾凸显。大数据的核心特色是强调伴随性指标的相关关系，更多强调的是信息结构化、“去故事化”，不能表现出更多的人性关怀，在话题温度和表述质感上存在先天不足，但新闻的传统解读却是注重强调事物之间的因果逻辑，这就和传统报道方式产生了冲突。因此，就需要媒体在利用大数据传播的同时，必须结合特定的体育赛事事件更好地解读各种“赛事故事”。特别是通过可视化的手段，对各种数据和体育故事进行多维的呈现，使得各种枯燥乏味的数据变得生动有趣，表现数据后面的人性人情。 3.4 体育赛事受众参与大数据新闻的传播成为可能 随着网络共享技术的发展，以及众多体育赛事数据库对公众的开放，使得更多的受众拥有了进行大数据分析与预测的可能。一方面，大大提高了受众的参与度，激发了“公民新闻”的活跃度。另一方面，则可以使数据机构收集数据更为方便、准确，处理与分析数据更为简单，节约成本，提高效率，甚至能够创造新的商业模式。比如，为了鼓励更多人参与数据分析预测，英特尔曾联手数据挖掘竞赛平台Kaggle举办了“March Madness Learning Mania”(疯狂三月，意即NCAA篮球最激烈的赛期)比赛，让参赛者通过数据分析更精准地预测每场和本年度赛事结果。在环法自行车赛中同样利用热情的受众进行了大数据的采集，因为环法自行车赛为期三周，距离大概为2 000英里的农村公路，转播者不可能对所有的比赛路径安装摄像头，只能依靠数千名爱好者的各种移动设备拍摄的照片和视频进行赛事追踪。曼城足球队曾经在2012年开启了一个名为“MCFC分析论”的项目，公开了一大批OPTA采集的2011/12赛季曼城相关数据文档，号召任何“热爱足球与数据”的人进行分析，在开放数据库的前36个小时就吸引了超过1 500名用户登录[12]。这种通过开放数据库，或者让用户直接参与大数据的传播，开创了一种新的生产新闻的方式，即基于UGC(用户生成内容)的新闻生产。 3.5 大型体育赛事的新媒体传播不能过于迷信大数据 在大型体育赛事的传播中不能过分依赖大数据，基于以下几点考虑：一、大数据本身只是一种工具，但不是万能的。二、大数据作为一种新的概念和理论，人们认识和利用这一工具的能力还非常有限，在实践的运用中还存在很多问题。三、数据不能代替判断，数据最后还需要人的判断。Nate Silver是美国本土知名的棒球统计专家和著名的博客，他打造的PECOTA系统被认为是最权威的棒球比赛统计工具，由于用棒球的统计方法准确预测奥巴马必胜而名声大噪。也正是他指出了大数据作为一种工具的局限性，因为受制于大数据的数量、速度，人们认识客观事物的局限性，以及缺乏对各种变量的选取，从而造成对数据的曲解。比如，一个得分非常高的篮球选手对球队的贡献并不一定大，他可能为了追求得分单打独斗，而影响整个集体的进攻；著名网球选手罗杰·费德勒的非受迫性失误比例会比其他球员高，因为他属于进攻型打法，制胜分也比别人要多[12]。所以，仅仅依靠数据很难对一些体育实事作出判断。《大数据时代》一书中指出，大数据本身探寻的是一种趋势，而非精准性，若要无限接近统计结果，必须让大数据与精细的传统统计方法互补，而非两者相互替代[13]。因此，大数据只能帮助大型体育赛事在制定传播策略时提供参考，它可以影响决定但不是唯一因素。 4 结束语 随着大数据时代的来临，大数据将会彻底改变我们思考、决策与行动方式，创造更多的智慧。各种网络技术以及大数据分析技术的发展，使得大型体育赛事的新媒体传播模式将会得到彻底改变，从而带给受众更好的体验，催生新的商业模式。但我们在利用大数据的过程中，也要认识到其局限性以及存在的问题。在未来如何缩小与国外在应用大数据技术上的差距，适应传播的移动化、社交化趋势，并与云计算、互联网+结合起来，深刻解读与发现数据背后隐藏的传播规律，通过更好的数据呈现方式，以及数据分析技术与传播终端的创新，结合体育赛事的特点，为受众讲好“体育故事”将是国内新媒体平台和赛事主办者共同努力的方向。标签：大数据论文; 数据与信息论文; 数据新闻论文; 新媒体指数论文; 信息发展论文; 用户分析论文; 自媒体论文; 数据分析论文; 社交媒体论文;