着名导演大卫·芬奇曾拿着《纸牌屋》的改编剧本，找过美国多家电视台，却没有一家敢掏钱，因为谁也说不准一部20年前的老剧是否还有市场。Netflix也有类似的担心，于是进行了“电视剧消费习惯数据库”分析。最终，Netflix发现老剧《纸牌屋》依旧是点播热门，而点播该剧的用户群，也几乎和网站上大卫·芬奇、凯文·史派西的粉丝圈重合，于是决定投资1亿美元重拍，并由大卫·芬奇导演、凯文·史派西主演该剧。

    相比传统收视率统计只抽取数千个样本户，“算”出《纸牌屋》的数据库却包含了3000万用户的收视选择、400万条评论、300万次主题搜索，是名副其实的“大数据”。这些数据源自Netflix数年来积累的数据资源。当一位用户通过浏览器登录Netflix账号，Netflix后台技术将用户位置数据、设备数据悄悄地记录下来。

    这些记忆代码还包括用户收看过程中所做的收藏、推荐到社交网络等动作。在Netflix看来，暂停、回放、快进、停止等动作都是一个行为，每天用户在Netflix上将产生高达3000多万个行为。此外Netflix的订阅用户每天还会给出400万个评分，300万次搜索请求，询问剧集播放时间和设备。这些都被Netflix转化成代码，当作内容生产的元素记录下来。

    为了找到分析大数据的方法，Netflix没有少花功夫。首先，千万级别的用户对网站提供的影片给出1至5星的评级，几年下来相关数据的总量超过百亿条。要找准用户推荐新影视剧，识别观众品位需要一个“算法”。

    然而要将巨大的数据转化为生产力并非易事。长年以来，为了提高算法精准，Netflix一直举办大型比赛招贤纳士，以此拓宽数据挖掘处理能力。2005年底，Netflix曾开放一数据集，并设立百万美元的奖金（netflix prize），征集能够使其推荐系统性能上升10％的推荐算法和架构。这个数据集包含了超过48万个匿名用户对大约近2万部电影做的大约10亿次评分。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。