行业调研 2023舆情大数据行业供给主体及供给结构分析

随着互联网的日益普及和移动化、社交化、智能化的发展，网络治理也面临许多新的课题。目前网络媒体已被公认为是继报纸、广播、电视之后的“第四媒体”，网络成为反映社会舆情的主要载体之一。互联网信息内容庞杂多样，既有大量正面、健康和有益的信息，也有一些负面不良内容。互联网舆情监测可以实现用户对网络舆情的实时监测，及时发现负面不良信息，控制不良影响和快速应对。

2020 年3 月1 日起国家互联网信息办公室基于建立健全网络综合治理体系和同时维护广大网民切身利益的需要，宣布《网络信息内容生态治理规定》正式施行。规定中明确要进一步建立网络信息内容服务平台违法违规行为台账管理制度，建立政府、企业、社会、网民等主体共同参与的监督评价机制等。

这一规定预示着未来舆情监管领域的治理将更加严格、全面，出于对监管手段的有效性和及时性的高需求，必然会促进舆情监管领域的市场规模的扩大。行业拥有领先的垂直搜索自主核心技术和较强的技术研发能力，具备覆盖全国或行业市场的服务能力，客户资源丰富，综合实力较强，市场规模并继续保持增长。

根据中研普华产业研究院发布的《2022-2027年中国舆情大数据行业发展现状及竞争格局分析报告》显示：

对舆情的分析要明确事件或话题本身所处的阶段，一般分为引发期、酝酿期、发生期、发展期、高潮期、处理期、平息期和反馈期等不同阶段。其次，应该在分析某一舆情热点之前对其进行科学的类型界定。热点事件一般主要分为突发自然灾害事件、生产安全事故、群体性事件、公共卫生事件、公权力形象、司法事件、经济民生事件、社会思潮、境外涉华突发事件等。

大数据带来网络舆情治理新机遇。一是拓展网络舆情治理领域。在"一切皆可量化"的大数据浪潮中，网络逐渐成为现实世界的"镜像"，网络社会与现实社会日益融为一体，网络舆情管理不再局限于网上言论领域，而必须全面掌握网络舆情运行规律及其与现实社会的相互影响，实现网上网下充分联动、协调共治。二是丰富网络舆情管理手段。运用大数据技术可以从更宽领域、对网上舆论进行比对分析，更加准确地把握网民情绪特点，预判舆情发展趋势，提高舆情管理的效能。三是推动网络舆情理论研究工作。舆情研究的视角将更加多元化和精确化，改变目前舆情研究"策为上、术为主、学匮乏"的尴尬学术现实。

北京依托中关村在信息产业的领先优势，快速集聚和培养了大批大数据企业，继而迅速将集聚势能扩散到津冀地区，形成京津冀大数据走廊格局。长三角地区城市将大数据与当地智慧城市、云计算发展紧密结合，使大数据产业既有支撑又有放矢，吸引了大批大数据企业。

一、国内舆情大数据行业供给主体及供给结构分析

经过市场洗牌，目前舆情厂商主要集中在目前国内提供舆情监测服务的供应商大致可分为三类，一类是以拓尔思、方正电子、厦门美亚、北京西盈等为代表，拥有自主核心技术、自有品牌和自主知识产权的软件厂商;一类是以人民网舆情监测室、南方舆情研究院为代表，拥有一定科研实力与传播资源的传媒科研机构;还有一类是从事互联网营销推广的服务型公司。

网民的不断增长，越来越多的人把互联网作为获取信息的首选渠道。近年来，网络舆情对生活秩序和社会稳定的影响尤为突出，一些重大的网络舆情事件使人们开始认识到网络对社会监督起到的巨大作用。舆情监测的重要性不言而喻。专业舆情服务，如舆情监测、舆情预警、舆情分析，可谓应运而生。

二、中国舆情大数据行业上游市场发展前景趋势

1、大数据和开源

Apache Hadoop、Spark和其他开源应用程序已经成为大数据技术空间的主流，而且这种趋势似乎可能会持续下去。一项调查发现，近60%的企业采用Hadoop集群投入生产。Hadoop的使用量每年增长32.9%。

2017年，许多企业将扩大对Hadoop和NoSQL技术的使用，并寻找加快大数据处理的途径。许多人寻求能够让他们实时访问和响应数据的技术。

2、内存技术

内存技术是企业正在研究加速大数据处理的技术之一。在传统数据库中，数据存储在配备有硬盘驱动器或固态驱动器(SSD)的存储系统中。而内存技术可以将数据存储在RAM中，并且存取速度要快很多倍。Forrester公司的一份报告预测，内存数据结构市场规模每年将增长29.2%。

目前有几家不同的供应商提供内存数据库技术，特别是SAP、IBM、Pivotal公司。

3、机器学习

随着大数据分析能力的进步，一些企业已经开始投资机器学习(ML)。机器学习是人工智能的一个分支，其重点在于允许计算机在没有明确编程的情况下学习新事物。换句话说，它分析现有的大数据存储库来得出改变应用程序行为的结论。

机器学习是2018年十大战略技术趋势之一。当今最先进的机器学习和人工智能系统正在超越传统的基于规则的算法，以创建理解、学习、预测，以及潜在地自主操作系统。机器学习在当前的大数据技术中扮演着重要的角色。

4、预测分析

预测分析与机器学习密切相关。实际上，机器学习系统经常为预测分析软件提供引擎。在大数据分析的早期，企业正在回顾他们的数据，看看发生了什么，然后他们开始使用分析工具来调查为什么发生这些事情。而预测分析则更进一步，可以使用大数据分析来预测未来会发生什么。

目前使用预测分析技术的企业数量很低，只有29%。然而，最近有很多供应商提供了预测分析工具，因此随着企业越来越多地了解这个强大工具，这个数字可能会在未来几年飙升。

5、大数据智能应用程序

企业使用机器学习和人工智能技术的另一种方式是创建智能应用程序。这些应用程序通常包含大数据分析，分析用户以前的行为，以提供个性化和更好的服务。现在人们非常熟悉的一个例子是当前推动许多电子商务和娱乐应用程序的推荐引擎。

名列Gartner公司的报告中第二位的技术是智能应用程序。在接下来的十年中，几乎所有的应用程序和服务都将包含一定程度的人工智能。这将形成一个长期的趋势，将不断发展和扩大人工智能和机器学习应用程序和服务的应用。”

6、智能安全

许多企业也将大数据分析纳入其安全战略中。组织的安全日志数据提供了有关过去的网络攻击的宝贵信息，企业可以使用这些信息来预测、预防和减轻未来的攻击。因此，一些组织正在将其安全信息和事件管理(SIEM)软件与Hadoop等大数据平台进行整合。其他公司正在转向采用安全厂商提供的服务，其产品包含大数据分析功能。

7、物联网

物联网也可能对大数据产生相当大的影响。企业中有31.4%推出了物联网解决方案，另外43%的企业希望在未来的一年内进行部署。随着所有这些新设备和应用程序的上线运行，企业将会体验到比以往更快的数据增长。许多企业需要新的技术和系统，以便能够处理和理解来自物联网部署的大量数据。

三、上游对舆情大数据行业产生的影响分析

大数据行业是舆情大数据的上游和基础行业，其发展程度对舆情大数据行业有着深远而意义重大的影响。大数据行业技术的发展和革新直接关系着舆情大数据行业的技术水平。

针对舆情的影响力、民众利益的关切度和对公共部门形象的破坏程度，舆情分析的观点参数设置与数据分析框架应注意反映如下情况：事件发展概况与脉络，民众的主要观点与情绪是什么，民众处于认知、态度表达还是处于行动阶段;引起民众从认知到社会运动、甚至社会骚乱的程度;组织化程度与有无行动计划性;慎用政治化解读，分析有无明确的利益诉求;有没有对现存社会体制构成巨大冲击;行动的对象目标明确与否，其具体指向是哪些部门甚至现存体制等;舆情分析研究人员要成为非参与性的观察者，而要防止成为非观察性的参与者，既要保持中立，又要敏锐。

中研普华利用多种独创的信息处理技术，对市场海量的数据进行采集、整理、加工、分析、传递，为客户提供一揽子信息解决方案和咨询服务，最大限度地降低客户投资风险与经营成本，把握投资机遇，提高企业竞争力。想要了解更多最新的专业分析请点击中研普华产业研究院的《2022-2027年中国舆情大数据行业发展现状及竞争格局分析报告》。