【IT168 评论】影视数据大量造假可以说已经是业内公开的秘密，各种票房注水、收视率造假、刷播放量、刷好评等案例时有发生，引发社会强烈关注。

　　今年两会，全国人大代表曹可凡在接受媒体采访时就表示，虚假的票房、虚假的点击率、虚假的收视率等，这些建立在造假基础上的大数据，严重影响人们对一部好作品的评判。因此，打击影视数据造假势在必行，但这缺乏一个公平客观的文艺评价体系或者说数据标准。

　　去伪存真：有效播放还原市场真实现状

　　针对这一现状，4月6号，云合数据在北京召开战略发布会，推出了独家的网络“有效播放”概念，并基于此概念分析了目前网络剧市场注水情况，其结果真是触目惊心，见下图。

　　云合数据CEO李雪琳在接受笔者采访时表示，揭露影视数据造假并不是云合数据的核心目的，因为这并不创造价值，真正创造价值的是通过“有效播放”，实现了网络点击量去水分，为行业评估影视作品的网络真实播放表现提供了标尺。

　　三步曲：如何算出“有效播放”?

　　云合数据CTO刘浩从技术的角度、为笔者具体介绍了“有效播放”的算法。刘浩表示，如何算出“有效播放”，分为三步：

　　第一步，把播放量中的花序、预告片、剪辑等等都去掉。为什么去掉?因为，视频平台为了做量，把花序、预告都算在播放量里面。

　　第二步，播放周期会有一些实时的曲线，如果是一个正常的播放曲线会非常规律。但是如果是造假，曲线就会很不正常。出现异常量，机器自动通过异常识别技术，把异常量去掉。

　　第三步，如果去淘宝买量，花很多钱，按照人的生活规律去刷，看着曲线挺像真实的，怎么办呢?通过机器学习，把每一部剧的评论、点赞、弹幕以及在社媒平台，微信、微博阅读发给机器，同时把前台播放发给机器，机器能尝试自己去建立这二者之间的关系，把这种不正常的筛出来。

　　背后秘密：PB级数据量的支撑

　　在回答笔者关于云合数据核心竞争力的问题时，刘浩表示，云合数据作为娱乐垂直行业的大数据平台，深度挖掘行业数据，并以机器学习为技术基础，构建核心竞争力。他认为，云合数据在数据采集、数据挖掘、机器学习方面是有较强的技术优势。比如说弹幕，目前没有发现友商能够完整地采集弹幕，这是有一定技术门槛的。

　　他同时还向笔者透露，云合数据的数据来源主要是微信、微博和视频平台，抓取的数据有400多个维度，日抓取数据规模稳定在3TB左右。而云合数据成立到现在已经有一年多了，这不仅意味着“有效播放”背后有着PB级的数据支撑，同时还构筑起了一道基于时间的门槛，有些事情并不是说技术到了就行，没有历史数据的积累是无法做到预测的。

　　发布会现场，刘浩还从技术的角度预测了目前大热的《人民的名义》最终网络有效播放量将达到【95亿】。而尚未播出一直热议不断的【如懿转】最终网络有效播放量将达到【122亿】。

　　浓缩精华：基于大数据的四大产品

　　发布会上云合数据还基于所拥有的数据库，发布了服务于影视行业的多个服务工具，分别是：

　　数据中心-涵盖连续剧、电影、综艺、艺人、小说多维度信息服务订阅平台。行业大屏-一屏尽览全行业信息。行业图谱-剧、人、公司等关系网连接起来。四象消息流-以两仪生四象，四象生八卦为品牌理念研发的消息流产品，一键推送你想关注的影视信息。

　　四大产品最大特点是将影视行业信息更广更全的做了整合，做到基于兴趣主动、实时推送。

　　据了解，四大产品现在均能在云合数据微信公众号获取。