社交網(wǎng)絡(luò)大數(shù)據(jù)的應(yīng)用到底有多大的價值

　　隨著互聯(lián)網(wǎng)技術(shù)高速的發(fā)展，網(wǎng)民的數(shù)量呈指數(shù)上升，社交網(wǎng)絡(luò)進入了強調(diào)用戶參與和體驗的時代。所謂社交網(wǎng)絡(luò)是一種在信息網(wǎng)絡(luò)上由社會個體集合及個體之間的連接關(guān)系構(gòu)成的社會性結(jié)構(gòu)。社交網(wǎng)絡(luò)的誕生使得人類使用互聯(lián)網(wǎng)的方式從簡單的信息搜索和網(wǎng)頁瀏覽轉(zhuǎn)向網(wǎng)上社會關(guān)系的構(gòu)建與維護，以及基于社會關(guān)系的信息創(chuàng)造、交流與共享。它不但豐富了人與人的通訊交流方式，也對社會群體的形成與發(fā)展方式帶來了深刻的變革。

　　移動互聯(lián)網(wǎng)時代，UGC（用戶產(chǎn)生內(nèi)容）不斷發(fā)展，社交網(wǎng)絡(luò)（Social Network）已經(jīng)不斷普及并深入人心，用戶可以隨時隨地在網(wǎng)絡(luò)上分享內(nèi)容，由此產(chǎn)生了海量的用戶數(shù)據(jù)。面對大數(shù)據(jù)時代的來臨，復雜多變的社交網(wǎng)絡(luò)其實有很多實用價值。

　　看一組數(shù)據(jù)：微信每分鐘395833人登錄微信，19444人在進行視頻或語音聊天；新浪微博每分鐘發(fā)出（或轉(zhuǎn)發(fā)）64814篇微博；Facebook用戶每天共享的東西超40億;Twitter每天處理的數(shù)據(jù)量超3.4億;Tumblebr博客作者每分鐘發(fā)布2.7萬個新帖;Instagram用戶每天共享3600張新照片。。。。。。

　　由此可以看出，社交網(wǎng)絡(luò)生成的用戶數(shù)據(jù)的價值已遠遠大于平臺本身。相對于搜索、電商等大數(shù)據(jù)，社交用戶行為數(shù)據(jù)傳導路徑更短，具有更高的價值。

　　1、社交網(wǎng)絡(luò)平臺的多樣化，社交網(wǎng)絡(luò)大數(shù)據(jù)也多元化

　　隨著移動互聯(lián)的發(fā)展，各種同質(zhì)化異化的社交網(wǎng)絡(luò)平臺的不斷涌現(xiàn)，QQ、微信、新浪微博、Facebook、Twitter、Instagram等等，雖然都是網(wǎng)絡(luò)社交平臺，但是交流的側(cè)重點又不一樣，因此產(chǎn)生了大量的社會學、傳播學、行為學、心理學、人類學、輿論學等眾多領(lǐng)域的社交數(shù)據(jù)。各行業(yè)的企業(yè)都傾注了大量的心血在這些數(shù)據(jù)進行挖掘分析，從而更加比較精確地把握事態(tài)的動向，找準營銷對象。

　　典型的案例之一：社交網(wǎng)絡(luò)大數(shù)據(jù)顛覆美國總統(tǒng)競選定律

　　號稱“世界上最民主的國家”的美國，有著這樣的總統(tǒng)選舉鐵律：誰花的錢越多，贏得選舉的幾率就越大。但是，2012年美國總統(tǒng)奧巴馬的再次當選創(chuàng)造了一個奇跡：在他獲勝前的 70 年時間里，還沒有一位美國總統(tǒng)能夠在全國失業(yè)率高于 7.4% 的情況下連任成功；而在整個競選過程中，奧巴馬團隊的花銷不到3 億美金，競爭對手羅姆尼花了近 4 億美金卻仍然敗選！

　　2、探碼大數(shù)據(jù)技術(shù)基于社交網(wǎng)絡(luò)大數(shù)據(jù)順勢而為

　　隨著社交網(wǎng)絡(luò)大數(shù)據(jù)的多元化發(fā)展，各個領(lǐng)域?qū)ι缃痪W(wǎng)絡(luò)大數(shù)據(jù)的需求呈現(xiàn)出巨大的增長趨勢。因此如何將這些數(shù)據(jù)運用起來，才是各領(lǐng)域?qū)W者專家企業(yè)最為關(guān)心的事?；谏缃痪W(wǎng)絡(luò)大數(shù)據(jù)的技術(shù)——探碼大數(shù)據(jù)處理平臺，采用先進的網(wǎng)絡(luò)爬蟲技術(shù)，分布式計算能力，針對定制的目標數(shù)據(jù)源進行網(wǎng)絡(luò)信息的數(shù)據(jù)采集、數(shù)據(jù)提取、數(shù)據(jù)挖掘、數(shù)據(jù)處理，從而為各種信息服務(wù)系統(tǒng)提供數(shù)據(jù)輸入。在社交網(wǎng)絡(luò)大數(shù)據(jù)的應(yīng)用上，力圖為使用者提供更加便捷和直觀的數(shù)據(jù)分析結(jié)果。

　　數(shù)據(jù)采集

　　對來自社交網(wǎng)絡(luò)平臺的數(shù)據(jù)附上時空標志，去偽存真，盡可能收集異源甚至是異構(gòu)的數(shù)據(jù)，必要時還可與歷史數(shù)據(jù)對照，多角度驗證數(shù)據(jù)的全面性和可信性。

　　數(shù)據(jù)提取

　　要達到低成本、低能耗、高可靠性目標，通常要用到冗余配置、分布化和云計算技術(shù)，在存儲時要按照一定規(guī)則對數(shù)據(jù)進行分類，通過過濾和去重，減少存儲量，同時加入便于日后檢索的標簽。

　　數(shù)據(jù)挖掘

　　基于對用戶的結(jié)構(gòu)和行為特征深入挖掘，通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)隱藏中的有用數(shù)據(jù)。

　　數(shù)據(jù)處理

　　有些社交網(wǎng)絡(luò)的數(shù)據(jù)涉及上百個參數(shù)，其復雜性不僅體現(xiàn)在數(shù)據(jù)樣本本身，更體現(xiàn)在多源異構(gòu)、多實體和多空間之間的交互動態(tài)性，難以用傳統(tǒng)的方法描述與度量，處理的復雜度很大，需要將高維圖像等多媒體數(shù)據(jù)降維后度量與處理，利用上下文關(guān)聯(lián)進行語義分析，從大量動態(tài)而且可能是模棱兩可的數(shù)據(jù)中綜合信息，并導出可理解的內(nèi)容。