一、多元数据时代更需要科学认知
　　统计学在过去100年的发展中，基于抽样调查发展出来一整套比较完备的方法、体系、逻辑、技术。在大数据出现之后，学界有一种说法，认为大数据时代，我们只需要数据科学家，不再需要统计学，也不再需要统计学家。我们也在反思这个问题。大数据、多元数据的产生对整个学界造成非常大的困扰。
　　我们为何欢呼多元数据
　　从社会科学研究的角度来说，大数据兴起、多元数据的产生使我们有了一种新的工具，新的方法。这种新工具、新方法对我们理解社会、我们的生活提供了新的视角。
　　大数据可以帮助我们更好地理解人类行为。通常新领导上任，需要摸清楚公司里面的具体结构，在大数据时代，利用组织内部的人际关系网络，不仅可以刻画组织内部的结构，而且可以描述这种结构随时间的变化，以及进行某种调整之后的情形。
　　在大数据时代，我们可以更好理解城市的生活。例如在上海、北京这种特大城市职住分离很严重，以前这类问题的研究多数是主观的看法，利用传统问卷进行调研，有很大的局限性。随着基于位置服务(Location Based Service，LBS) 技术的发展，为研究城市系统与结构提供了新的视角与可能性。
　　大数据也可以用来研究交通拥堵问题。“城市数据团”分析了上海市实施中心区域人口疏散政策之后的影响效果。从2006年到2014年，上海人均通勤时间增长了42%，全市道路交通平均车速下降了13%。市场规律表明只要市中心的就业岗位数量不随着人口疏解而减少，交通拥堵便只会持续加重而不会缓解。
　　社会科学的研究人员会关注一些特定的问题，例如国家认同。以前我们研究国家认同的问题只能研究现代，历史我们做不了，历史的人已经逝去了。现在，有学者利用谷歌的词频进行历史研究。
　　以前我们非常喜欢人口普查数据、经济普查数据，但是这个数据的周期特别长，它的颗粒密度没有那么细。对贫苦国家、地区的数据获得没有那么容易。有学者发现，如果我们换一套指标，是不是可以在某种程度代表这种指标呢。例如手机的通信数据可以比较好地代表人口密度、经济发展水平，甚至可以代表贫困的指数。传感器和手机通讯数据作为代理指标，估算传统的社会经济指标，结果发现这些数据与贫困指标有很强的相关功能。
百度用我们春节期间的手机数据、火车票数据、飞机数据，把整个中国人口迁移进行了非常直观的表现。这个背后隐含巨大的商业价值，是传统的统计模式做不出来的。“百度迁徙”项目完全突破了传统交通运输产业生成数据的模式，对于我们理解中国社会人口流动的一个侧面具有重要的前瞻性价值。
此外，有个非常著名的例子，谷歌在2009年发表流感趋势的测量指数，通过人们在网上搜索流感相关的关键词判断流感规模、地区、传播，引起全球轰动。
　　这种通过用户自己生成的数据进行社会学分析的方法，在国内也开始有所跟进。例如有人使用新浪微博的转发、手机app信息和个人发帖信息中提取有关空气质量的信息，经过相关分析发现，个人发帖信息与空气质量指数高度相关，甚至可以用来作为空气质量指数监测的一个指标。
　　我们的广告投放逻辑是这样的，为什么我们要花钱投放广告，因为我们相信通过广告的投放，可以改变用户的行为，可以引导购买、多买行为。那么是不是这样呢？广告效果如何呢？广告主某一季度销售额的上涨，是因为投放某空调的广告，还是夏天来了，这是需要讨论和研究的。
　　多元数据：传统数据时代的终结？
　　在大数据时代，相对于传统的抽样调查技术，依然有些问题不能完全解决。在对于人类社会的研究过程中，一大障碍是缺乏适当的测量。对于现代社会科学，即使是先构建最浅层次的理论、再予以泛化的测量，往往也不能达到定量研究所需的标准。首先，是概念的模糊性。其次，要获取个体行动者的互动数据可谓难上加难。定量测量与概念之间的偏差在经典社会学研究中是一个长期存在且被相对忽视的问题。
　　在多元数据时代，新的数据记录设备和获取手段的出现在一定程度上解决了第二个问题，即数据的获取性会稍好，但是上文提及的第一个问题仍然没有解决。
针对谷歌的用户生成数据，行业内产生一个词叫“大数据的傲慢”，认为大数据是传统数据收集方法的终结而非补充。有学者对谷歌用户生成的大数据“谷歌流感趋势”进行重新的检验，发现从2011年8月21日到2013年9月1日，GFT在为期108周的时间里有100周的预测结果都偏高。这其中隐藏着抽样的问题，大数据数量巨大，但非随机的样本。一个有偏的样本其规模越大，做出错误判断的概率也就越高。
对于调查行业而言，如果样本不具有代表性，不管数据量多大，其实也只是一个局部性的数据，根据局部数据调查出的结果就会存在较大偏差。
　　局部数据存在变量（特征值）的残缺。所谓的大数据本身并不是一个全数据，特别在广电系统的大数据，包括智能电视数据、有线电视机顶盒数据、视频网站回路数据等，都是局部数据，对运营商本身有价值，对跨运营商则价值不大。这些大数据需要进行整合，要找到它的界限，找到样本的代表性在哪，然后才可能进行整合，否则数据越大，犯错误的可能性会越高。数据整合困难重重，美国从1965年开始不断的尝试，曾经通过法案又被废止，因为美国有很强的隐私保护。美国正走另外一条路，开始进行数据的开放，2009年5月21日 Data.gov上线，2010年5月21日27万项数据开放，2011年拥有1570个不同的数据可视化应用，2012年31个国家建立了公共数据的开放网站，这个趋势发展非常好。我们国内政府也正在做这样的尝试，还有很长的路要走。
　　数据量增大，增加了我们对于世界的认识吗？海量数据导致实际运算速度下降，事实上减弱了对于人类社会逻辑机制的分析能力。我们现在面对大数据时的处理能力，与当年PC机对小数据的处理类似。例如，我们正在处理上海市的实有人口的数据，2500万数据，25个G，用了两个月的时间清理数据，最后做出来结果之后，我们抽取了一个千分之一的样本，结果很快出来，与之前的结果没有那么大的差别。
　　多元数据时代的抽样调查技术
　　在理想的大数据背景下，即便只是订购一个披萨，也可以用到客户的家庭信息、健康信息、信用卡信息等，但这只是一种理想的状态，做到这样是非常有难度的。我们理解的大数据是全数据的逻辑，但是我们现在做不到。现在的大数据样本量很多，有上千万的记录，但是对样本本质特征了解很少。这种情况下，样本的代表性是有偏的。如果样本不能做到随机，观测的指标不是事先设计好的，就会出现样本的偏差。之所以强调事先设计好，因为研究人员要理解这个社会，脑中有一个框架。例如，想了解男性、女性、老人、小孩收视率会不会有差别，需要观测样本指标，从而了解对广告投放的影响。如果不了解抽出样本的总体情况，样本不具有随机性、代表性，就会致使研究无法进行，或者花费很多成本却抽出有偏的样本，这也是大数据面临的问题。
　　大数据具有收集快速、数据颗粒更细、数据总体量巨大等有点，但是现有大数据多数是政府部门和企业的业务流程数据沉淀而来，所以虽然其规模巨大，但其样本往往是有偏的，在很多时候也并不是“全数据”。由于大数据通常并不是通过专门的理论设计和测量工具产生，其中包含的变量也是非结构、非预期的。
　　在目前的测量环境下，小数据有非常重要的价值。我们在欢呼大数据的同时，要把小数据研究向前推进。虽然小数据样本量相对较少，但是变量多；虽然存在误差，但是知道误差在哪；虽然小数据不能百分之百代表总体样本，但是可以了解有百分之多少代表总体情况。相对于大数据，小数据的优点仍然非常明显，变量定义清晰、数据生成机制可控、检验评估成本较低等。最重要的是，小样本数据对于可能推论的研究总体具有比较明确的认知，从而可以对社会现象之间的因果关系具有更好的判断。例如，收视率涉及的三个W，who（谁在看），大数据无法解决，大数据无法得知用户的性别、职业、年龄等特征，需要进行抽样调查；when（什么时间看），大数据在这方面较具优势；What（看什么），大数据可以解决部分，但收看内容的文本分析，仍然是一个大问题（中文的文本分析技术）。
　　这其中的操作性问题需要实现大数据联盟，通过分享、通过整合来解决，但在实践层面难度非常大。现在学界提出一个设想，抽样分析+大数据验证，用小数据可以快速的验证社会的逻辑，进行初级的探索性分析，然后把探索性的结果放在大数据下验证。这样的尝试在学界和商界中正在探索。用大数据验证，如果大数据是局部数据，局部误导情况下，验证的标准在哪里，仍然是需要不停思考、研究。无论如何，我们一直在做努力，希望未来找到更好的方法、路径来推进小数据、大数据的合理运用。
　　二、收视率调查发展路径——国际视野与中国实践
　　当前国内的收视率测量已经走在国际的前列，其主要动力来自于市场，来自于中国市场的客户（电视台、广告公司）对收视数据迫切的需求。电视确实一直在改变，并不局限于电视频道、电视机的改变，电视终端已经发展为多屏幕、多设备，每一个终端数量都已经积累足够的规模，让受众的行为也随之发生改变。根据CSM媒介研究基础研究的结果，电视在晚间的高峰时段拥有明显的优势，在其他一些时段，互联网的消费已经与电视齐头并进。某些时段、某些年龄段受众在互联网的消费已经直逼电视。
　　从调研角度来看，收视率测量其实是非常单纯的，不管它有多么多样化的应用，其实它测量就是谁、在什么地方、看什么内容。传统的收视率只测量家庭中的电视机上的收视行为，现在这个传统收视场景发生了变化。“谁在看”由过去确定的个人变为终端/不确定的“画像”；“什么时间”在看，由过去电视线性播出时间（直播）转变为分散分时（回看点播）的形式；“看什么”也由过去电视频道播出的内容发展为包括网站播出的视频内容（纯台、网台、纯网）。收视场景发生改变后，观众会随时随地、多终端、互动地收看视频内容。进而，全球知名的调研公司，无论Kantar、尼尔森、GFK都没有一揽子方案提出来，电视收视率测量各个方面都在发生变化，每一个变化都会带来一个局部的创新。
　　现代的收视数据调研面临多种类的数据来源、多样的专业测量设备、多种收视测量技术。数据的来源多样化，有统计抽样数据、大数据。从调研设备来看，有电视收视测量仪、便携式人员测量仪、安装在移动端的虚拟测量仪，以及网络测量仪等。从测量技术来看，包括声音匹配（可测量模拟和数字信号，需要庞大的音频数据库）、SI Code（易于识别数字频道，需要运营商合作）、DFM（直接快速准确地识别频率，不能测量数字信号），此外还有国外比较成熟的加水印技术（测量数字频道，且可以实现第二屏同步互动，需要内容制作方合作）、植码技术（可测量个人电脑、移动设备等互联网平台，需要视频播出方合作），需要在国内播出端、制作端信号里加码，在国内实现程度不高。全世界范围内，各个研究公司都在尝试不同的测量技术，也都在进行互联网的固定样组、电视固定样组的打通、融合。
　　核心电视：家庭电视收视
　　当收视场景、收视测量变化后调研公司要测量什么？首先要测量的是电视的收视。根据CSM全国网的基础研究数据显示，只有家庭中的电视是当之无愧的日媒体，有近80%的观众每天在家中看电视。其他家庭外的电视、网络视频、车载/楼宇电视，很难达到日到达，可能是周、月的到达。
　　通过抽样建立固定样组进行收视率调查，依然是收视调查的最主要方式。在核心电视收视率的领域，现在还用声音匹配技术（第三方调查公司独立测量，不受运营商或播出机构影响），用测量仪的调查方式，这个方式比较圆满地解决了直播和时移，中国在时移收视的测量技术方面比较领先。
　　细分的电视收视长尾
　　即使在核心电视家庭中，分众化也非常明显，根据省会、直辖市基础研究数据，平均一个家庭户可以收到81个频道，平均每天被收看的常规频道数达到74个，“其它”频道收视份额（区县频道、数字频道和回看点播等）平均达到 10%。电视长尾的收视依靠有限的样本量、样本数据反映，难以达到统计学意义的呈现。出于这样的考虑，全球范围内的调研公司在尝试应用电视机顶盒回路数据，更有效地呈现收视较低频道、零散收视行为，通过与测量仪收视调查的样本数据结合，获得更精细化的个人收视数据。
　　家庭以外的收视
　　欧洲杯、奥运会这样的时期，每每遇到大型体育赛事，家庭以外的收视（酒吧、餐厅）等也会被关注。根据基础研究显示，每周在家庭以外收看传统电视（如在公司、学校、餐厅、酒店等）的观众比例为7%，15-34岁人群中达到9%，在大学及以上教育程度人群中达到15%；每周收看车载电视（公交/地铁/出租车等交通工具上的电视）的观众比例为12%，在大学及以上教育程度人群中达到34%；每周收看楼宇电视（办公楼/住宅楼/商场里的电视屏）的观众比例为11%，在大学及以上教育程度人群中达到40%。
　　户外传播的调查不可能在户外每一个餐厅、酒吧安装测量仪。挪威2014年7月开始，将户外收视纳入行业通用电视收视率数据中，使用便携式测量仪，让样本户随时携带。该设备能听到所有视频声音的代码，之后用声音匹配的技术将电视内容户外传播这部分的价值补充到传统电视收视中。这项技术需要行业的合作，这些电视的内容要加入声音代码或者水印才会识别出来。
　　CSM 媒介研究2015年10月率先把这个多终端的测量技术应用在广播上，采用虚拟测量仪（基于智能手机）测量户内/户外各收听地点的收听行为。目前，CSM在北京、上海、深圳采用这项新的收听测量技术，在智能手机安装测量程序，可以测量到样本户随时随地听到的各种音频的声音，再通过服务器的数据库比对，我们希望通过广播测量的尝试进一步实现跨平台的测量。
　　电视与社交媒体互动
　　电视，也是一种社交媒体，观众与家人朋友一起收看电视时，常常讨论节目或广告，并且借助互联网，将这种讨论范围扩展至社交网络。我们外方Kantar和Twitter合作，与CSM的微博指数类似，电视收视带动社交传播，40% 的Twitter 高峰时段流量与电视相关，同时社交传播带动电视收视，11%的电视节目显示推特量增加随之而来收视增加。社交媒体和电视形成很好的互动，无论节目，还是广告的传播都会形成一个相互的助力。
今年，CSM在国内推出了一个社交媒体的分析运营平台，通过我们和新浪微博的合作，为更多的客户，包括节目运营商，频道经营者提供更丰富的数据分析。
　　电视多终端扩展
　　基于IP的电视或视频内容传播越来越重要，基于互联网的技术和测量工具对于受众测量的意义愈发明显。互联网大数据可以记录用户的行为，但距离全面、准确地反映跨屏收视和受众结构尚有距离。为了获得高质量的跨屏收视数据，需要将大数据和样本数据结合，建立整合的测量系统。
调研公司有两个理想，也是客户的理想。第一个理想是同源样本数据，尤其是广告公司有这个理想，他希望所有的终端用一个调查网实现，这样就可以了解每一个平台究竟是什么客户在看。第二个理想是第三方直接获取各终端大数据，把这些数据集成在一个平台上。
　　理想与现实还有距离。根据尼尔森在美国的实践经验，所有电视样本中，有平板电脑（比例接近100%）、且同意接受平板电脑收视调查（50%），且下载电视台App或访问过电视台视频网站的（2.5%），且收看过电视台视频内容的样本仅占1.25%。这样的信息分享给调查行业，如果要做平板电脑、网络的调查，实现同源样本数据其实有非常大的难度。
调研公司作为第三方也尝试直接获取各终端大数据，尼尔森在美国规划通过各数据源接口直接获取数据（API方式），包括智能电视、数字电视/互联网电视机顶盒、汽车信息、移动端App/PC端信息，直接获取而不是由运营商提供。如果运营商提供给调研公司，某种意义上就不是纯粹的第三方数据，我们需要对这个数据负责任。我们国内有没有这样的环境，让所有的运营商都把数据政府接口提供给一个调研公司，或者某一个机构，我想这个答案不言而喻。所以两个理想在全球范围内也没有实现。
　　全球范围内大家共同探讨现实的话题是什么？就是大小数据融合，即把第三方调研公司可靠的数据源和部分清晰大数据进行整合，用大数据的总量参考调整样本数据，将样本数据的个人信息赋予大数据，这样才能实现数据的整合。Kantar Media在尝试从电视到全视频、全内容的测量，GFK作为全球较有影响的调研公司，也推出类似全流程的调研方式。多源数据整合，成为多终端收视测量的国际实践范式。
在国内我们给客户提供的是什么？CSM电视收视样本与欢网合作、与歌华合作，进行大数据融合，来共同反映更大精度的、更实时的收视效果。comScore通过在线的样本和植码数据相融合来实现互联网调查。调研公司希望通过积极探索实践为客户提供全面的测量结果，这样的测量能实现从电视端到多终端的全视频、全内容的调研。
　　全视频传播的测量
　　收视测量除了仅仅作为收视测量存在以外，与广告价值也是密切相关的。我们通过新的技术，摇一摇、数字水印等，可以让解码器马上识别到样本收看什么内容，可以让移动屏、第二屏推送与电视内容相关的产品广告或者服务广告，实现现实场景的互动；同时可以把电视收视率的数据与消费的数据融合，让收视率与广告的连接价值得到发挥。
　　以上分享了调研行业的国际流行趋势、主流范式，以及我们在国内的实践。CSM媒介研究首先要保证掌握所有的先进技术，即使在国内现实的操作条件需要一个发展的过程，我们仍希望技术上都能通过测试。上文提到的无论植码技术、网络测量仪、PC端测量仪，在2014年、2015年都已经完成了技术的测试。根据国内情况，有推进意义的、能实施的，例如时移收视，CSM今年正式发布了，智能电视的回路数据、社交媒体传播、跨屏收视也都有不同进度的推进。在此过程中，CSM也在不断努力，我们也希望在这些产品在推出的过程中，得到客户的意见与反馈。
　　三、SMG融合生态下的数据应用与价值挖掘
　　SMG融合转型探索
　　现在融媒体已经成为公用名词，SMG这两年在融合媒体上发力动作比较多，这是生存压力所迫。SMG发展要求我们必须做到三点：第一，推动内容生产方式融合创新；第二，实现媒体多形态的多渠道传播；第三，营造媒体融合发展生态新格局。
　　SMG在进行“深度融合、整体转型”探索。今年6月7日电视节期间，SMG在广电历史上第一次取消了新闻中心，升级为融媒体中心。借此打通线上线下传统电视新闻传播、网络新闻传播、外宣传播等，形成了24小时互联网的电视频道。此外，SMG的新闻客户端实现了24小时不间断的新闻覆盖，这也是传统媒体新闻传播上新的尝试。广播全媒体制作中心启用，第一财经商业数据中心成立，互联网节目中心试水网综、研发产品矩阵等，都是我们在进行的积极探索。
媒体融合之下，平台、产品、用户、内容、经营的发展都通过数据连接。通过互联网云平台各类工具，我们掌握的数据会越来越多。目前，我们梳理了SMG现阶段在电视节目生产、营销、管理中所用的数据产品，主要有来自CSM、CTR合作的调研数据。
　　内容传播数据
　　内容传播数据分为电视数据、互联网数据。电视平台和互联网经过多年的发展，均有比较成熟的传播衡量指标，是我们生产经营中用得最多的数据。电视数据包括全国网、城市网、首播、重播、时移数据；互联网数据包括网媒关注度、微博提及量、视频点击量等数据。以往在传播当中主要看CSM提供的电视首播的收视率，现在收看的方式在时间、空间上有所拓展，除了关注首播、重播收视之外，我们目前比较关注时移收视。这三个电视数据收视量叠加之外，还需要关注互联网传播数据。
　　在电视收视数据中，目前业内用得较多的是CSM的城市网数据，35城、52城、71城，城市网的数据反映的是全国一线、二线中心城市观众的收视情况，这部分观众学历高、收入高、消费活跃，有城市引领优势，这也是广告营销用得较多的数据。而全国网数据则体现了另一方面的价值，全国网由于覆盖了全国12.8亿观众，因此覆盖较广，观众结构相对年轻，而且反映了全国化的概念，这也为一部分走全国市场的频道所看重。而近期CSM推出的时移收视，这是传统收视率的增量。东方卫视今年播出的《欢乐喜剧人》第二季来和《极限挑战》第二季，回看收视均达到首播的40%及以上，成为传统收视的增量。
　　现在观众收看节目有多种收看方式，而怎样了解网民的观众/用户规模呢？我们根据CSM与comScore跨屏收视测量对《欢乐喜剧人》在互联网上的传播进行了关注，一季度通过PC收看《欢乐喜剧人》的单集平均触达人数为415万，如果将来comScore的数据能囊括移动端，用户规模将会更大。
　　尽管《欢乐喜剧人》和《极限挑战》在PC端的触达人数远远小于电视，但是与同类电视节目相比可以发现，这两个节目在PC端的收看情况远远超出了其他节目，而这两个节目在电视端的收视不高，另一方面也反映了目前电视节目在互联网上的传播规模较小，也尚未出现高收视高网络传播的节目。跨屏关注用户数量的同时，也可以跟踪多维度的传播，了解其中规律。首先，现在电视屏在多维传播中仍起主导作用。其次，在多维传播中，一个节目的话题往往会在媒体关注度和微博提及量上同时形成高峰。
　　跨屏传播中，电视收视率和微博提及量的分钟走势也是我们监测观众/用户收看与关注行为的一个维度，多个案例反映，很多年轻观众现在喜欢边看电视边发微博，但是在看电视与发微博这两个习惯却有此消彼长的特征，在广告时段，往往微博的发送提及量出现高峰，而在电视收视高峰时，微博的发送提及量进入了低谷，而有时在节目结束以后，微博的发送给和提及量瞬间达到高峰，这也很好地说明了观众注意点在电视荧屏和社交媒体上的转移变化，也给我们节目编排、媒体宣传推广提供了较好的参考。
观众和用户由于收看节目方式的不同，形成的热点也不相同，这是值得我们关注的。我们这次通过不同渠道的数据对比找到了直播、时移中收视最高点，网络视频点击量排名。
　　而对微博的跟踪监测也可以帮助我们了解电视节目在热播后对冠名商的带动。《欢乐喜剧人》第二季的冠名商是链家，开播后链家在微博上的日均提及量是开播前的239%，这也是量化地体现了冠名商的品牌传播。而观众年龄结构更轻的《极限挑战》第二季前七期中，冠名商天猫国际在节目开播后的微博日均提及与节目开播前相比，激增2190%，开播后16-20岁年轻人对天猫国际的提及增长更为显著。而微博等社交媒体，也较好地反映了节目的热点，例如《极限挑战》中，张艺兴的搜索次数就远远高于“极限挑战”这四个词，也是节目组把握年轻观众热点的手段之一。在《欢乐喜剧人》第二季中，岳云鹏的搜索次数远远高于“欢乐喜剧人”节目本身，数量上遥遥领先。
　　观众测评与反馈
　　SMG从2013年起建立了受众测试中心，这是了解观众对节目反馈的重要渠道，今年观众测试中心在调查方式方法上有了更新的突破。我们想通过广义的数据和比较狭义的观众测评数据对比，产生一些对我们节目生产、运营有良性、正向的参考数据。观众测试中心主要目的是通过节目现场观众收视意愿走势，为节目组提供观众反馈，帮助节目组改进内容、调整节奏和编排。在观众测评中，通过了解观众收视意愿，关注观众的满意度、喜好度、推荐度等指标，在节目播出前了解观众喜好、存在问题。目前这种方式在SMG所有重大节目中成为标配。
　　例如《极限挑战》从2015年第一季开始每集都进行测评。在《极限挑战》第二季第三期的观众现场测试中，开场的优势和不足都能在现场测试中看到观众的反应，了解到哪些是观众感兴趣的，哪些内容观众比较无感。从某一集的观众评价来看，观众肯定了嘉宾与节目的匹配度以及游戏情节的设计，认为节目中有很多搞笑、有趣的地方，且各种表现形式增加了节目的可看性。同时也能了解观众的人物喜好度，以及对各组人物组合的期待程度。通过定性与定量的研究，也能了解观众对节目主要印象来自节目的放松、解压，开心快乐，同时也有意外、感受温馨、满足了看热闹的需求。而年轻人相比中年人，觉得节目轻松愉快的评价更高。导演组会做一个初剪版，看到这个观众收看意愿曲线，可以了解观众对某些内容的直接反馈，感兴趣、不感兴趣，以及特别感兴趣，通过观众反馈节目组会调整某一段内容的长短。
　　观众/用户画像及价值
　　用户画像是互联网数据中的热词与优势，而电视媒体通过多个渠道也可以获得观众/用户的画像，这也是精准了解观众/用户，做好有效触达的关键。目前SMG通过CSM、CTR、欢网等数据可以了解节目观众/用户的基本属性、所处人生阶段、所属族群分类、消费行为、生活理念等。
　　欢网大数据显示，《极限挑战》与《欢乐喜剧人》在17类兴趣族群分类上具有共性，两者在娱乐达人、旅游一族上有共同特征，而《欢乐喜剧人》的观众在理财达人、体育爱好者上特征更突出一些，《极限挑战》则在旅游一族、娱乐达人上分值更高一些。两个节目的观众对动漫、二次元的内容都明显不感兴趣。通过央视市场研究CNRS数据显示，《极限挑战》的观众中希望购买洗衣机、摄像机、家用打印机、热水器、数码相机、笔记本电脑、平板电脑、微波炉、液晶电视机的集中度较高，而已购买非速溶咖啡、伏特加、眼药水、黄酒、膨化食品、进口食品等的集中度较高。从生活理念上看《极限挑战》的观众更相信广告、喜欢出类拔萃、消费活跃、互联网购物、追求品质、喜欢挑战变化、喜欢跟上科技潮流。从休闲活动上看，《极限挑战》的观众更多喜欢玩电子游戏、上网、唱卡拉OK、打麻将、看体育赛事，总体上偏“宅”。这些信息对节目生产与经营都有帮助。
　　节目市场
　　节目市场数据主要用于对当下节目竞争的监测与发展趋势分析。由今年一季度的节目监测数据显示，今年第一季度上星频道（包括央视和省级卫视）新上档节目共68档，与去年相比，数量下降了35%，但是在新节目研发生产数量下降的大背景下，上星频道一季度明星类的季播节目数量却出现了28%的增长，这是明星节目热的一个印证。从CSM季播节目分析数据来看，明星节目今年的收视远远超过去年，去年一季度，上星频道共有4档明星类季播节目的收视在1%以上，而今年一季度则有11档明星类季播节目收视在1%以上，今年有20档节目的收视在0.5%以上，这也解释了为什么明星出场费这么贵但是各家电视台依然对明星类节目趋之若鹜。节目市场的数据分析也很好地反映了今年明星类季播节目的几个热点，体验类、竞赛类、生活类节目依然大热，而今年喜剧类、游戏类、歌唱类、文化类、运动类、访谈类、脱口秀等节目数量增加明显。
　　媒体融合发展目前已经上升到国家战略的高度，融合发展需要四轮驱动，即流程再造、结构调整、重构用户关系以及资本驱动，而在融合发展的过程中离不开数据运营，包括数据的采集、挖掘、应用等，因此在现有的基础上需要开阔多维的数据视野，进行多元的价值挖掘，以更好地发挥数据价值，推进媒体深度融合、全面转型。