Mediascope медиаскопtns россия, тнс гэллаписследовательская компания

Жанры и программы

Из года в год жанровые предпочтения россиян остаются практически неизменными, и 2020-й не стал исключением, даже несмотря на рост интереса к новостям во время первой волны covid-19. Как и прежде, больше половины всего времени просмотра люди тратят на сериалы, развлекательные программы и кино. Исключением здесь являются лишь дети и подростки: в структуре их просмотра почти половину времени занимают детские и анимационные передачи.

Жанровая структура вещания и просмотра | Россия 100+, население 4+, 01.01.2020–15.12.2020, сутки в целом, домашний и дачный просмотр, % Duration, % ATV

В списке наиболее рейтинговых передач в 2020 году большинство программ выходило в праздничные дни и в дни всеобщей самоизоляции. Традиционно высокую аудиторию набрала трансляция парада Победы в Великой Отечественной войне. Примечательно, что в прошедшем году в топ попали две трансляции: авиационный парад, проходивший 9 мая, и военный парад, перенесенный на 24 июня.

Топ уникальных программ | Россия 100+, население 4+, домашний и дачный просмотр, до 15 декабря

Презентации

Выберите проект

Приветственная презентация
Развитие медиаизмерений, гибридные подходы и большие данные в исследованиях
Как новые технологии Mediascope помогут медиа лучше изучить путь, внимание и действия человека
Новые возможности для анализа потребительских рынков
Как производство разнородных данных приходит к единой модели, а персонализация становится частью аналитики

• Развитие медиаизмерений
• Mediascope data platform & Datalab
• Рекламодатели и категории: итоги 2020 года
• Санкт Петербург. Рынок СМИ и реклама
• Аудитория медиа

• 25 лет: из прошлого в будущее
• Mediascope Data Platform
• Панельное измерение + Return Path Data
• Измерение рекламных кампаний в интернете
• Viewability by Mediascope

• 25 лет: из прошлого в будущее
• Mediascope Data Platform
• Панельное измерение + Return Path Data
• Измерение рекламных кампаний в интернете
• Viewability by Mediascope

Как зарегистрироваться

Перед началом использования сервиса стоит пройти регистрацию. Желательно ознакомиться с условиями сотрудничества с сервисом «Mediascope», рассмотреть преимущества работы в нем, в этом поможет официальная страница. На ней указана информация о компании, проектах, услугах и преимуществах.

Особенности регистрации личного кабинета:

• Чтобы стать сотрудником или клиентов компании стоит обратиться в офис компании «Mediascope». Он находиться по адресу: город Москва, ул. Двинцев, д. 12, к. 1;
• Если нет возможности посетить офис, то можно позвонить по телефону: 8-495-935-87-18. Консультанты помогут открыть личный кабинет, предоставят подробную информацию, расскажут об условиях работы в сервисе;
• С компанией «Mediascope» необходимо заключить договор;
• Клиент должен заполнить заявление, в нем он указывает персональную информацию – Фамилию, Имя, Отчество, пол, дату рождения;
• Предоставляется адрес электронной почты, в дальнейшем он будет использоваться в качестве логина для личного кабинета;
• Клиент должен указать свой мобильный телефон;
• После вся информация вносится в базу данных компании;
• Менеджер создает личный кабинет и выдает клиенту пароль для авторизации в ЛК.

Общие объемы телепросмотра

С января по ноябрь 2020 года хотя бы один раз за месяц телевизор смотрели порядка 97% жителей городов России с численностью населения более 100 тыс. человек. Недельный охват ТВ составил 88%, а каждый день его включали 67% населения. Телевидение по-прежнему остается медиа номер один по накопленному охвату.

Время просмотра линейного ТВ дома продолжает снижаться. Это не новый тренд, и ему подвержен весь глобальный телевизионный рынок, хотя в России интенсивность снижения времени линейного просмотра ТВ ниже, чем во многих других странах. 

Несмотря на этот тренд, в 2020 году темпы сокращения времени просмотра снизились практически по всем целевым группам, а в некоторых из них данное время даже увеличилось. Это связано со значительным ростом телеаудитории в период самоизоляции, что привело к замедлению темпов снижения времени телепросмотра. Переход детей на дистанционную форму обучения, а взрослых на удаленную работу, минимизация посещения общественных мест, закрытие торгово-развлекательных заведений привели к увеличению объемов потребления ТВ как наиболее доступного вида досуга внутри дома.

Во время первой волны эпидемии covid-19 наблюдался рост длительности просмотра линейного ТВ, хотя, как правило, объемы телепросмотра в это время начинают сезонно снижаться. Особенно сильный прирост отмечен на первой неделе всеобщего режима самоизоляции: +21% в среднем среди всего населения, а в отдельных группах, особенно молодых и проблемных для ТВ, даже порядка +30%. Основное увеличение длительности просмотра произошло в дневное время: телепросмотр в будни стал похож на просмотр выходного дня.

Здесь и далее, чтобы увеличить картинку или таблицу, кликните на нее

Помимо роста линейного просмотра во время первой волны наблюдался также рост альтернативного использования телевизионного экрана, что, вероятно, было частично связано с открытием в данный период бесплатного доступа ко многим крупным онлайн кинотеатрам.

После частичного, а затем и полного снятия ограничений произошло постепенное возвращение сезонности, и, хотя в мае–июне время просмотра ТВ оставалось выше или соответствовало 2019 году, в июле–сентябре тренд к ежегодному снижению объемов линейного потребления телевизионного контента продолжился. Однако с началом второй волны covid-19, когда карантинные меры в меньшем объеме, чем в апреле, возобновились, время телепросмотра вновь стало расти и вышло на прошлогодний уровень.

Динамика среднего времени телепросмотра населением | Россия 100+, население 4+, сутки в целом, только домашний просмотр, АТV

Закономерным в прошедшем году оказалось более раннее начало дачного сезона. Если в 2019-м рост времени телепросмотра в загородных домах фиксировался с мая, то в 2020-м это произошло уже в апреле, и объемы дачного просмотра превышали показатели 2019 года до июня включительно. После отмены ограничений время просмотра ТВ на дачах снизилось, но с осенней волной заболеваемости, даже несмотря на низкий сезон, вновь начало превышать значения 2019 года.

Динамика времени просмотра ТВ на дачах | Россия 100+, население 4+, сутки в целом, дачный просмотр, ATV

Но как изменились поведенческие привычки зрителей, как поменялись их предпочтения в контенте? Пандемия, безусловно, стала катализатором роста интереса к информационному жанру, особенно на старте распространения вируса в стране. Хотя объемы просмотра в этот период выросли у большинства жанров, а самым популярными контентом среди населения по-прежнему оставались сериалы, кино и развлекательные программы, наибольший относительный прирост времени просмотра наблюдался именно у программ новостной и социально-политической направленности.

Динамика времени просмотра жанров | Россия 100+, население 4+, сутки в целом, домашний и дачный просмотр

Софт

Выберите проект

• Instar Analytics — программное обеспечение для подробного анализа телевизионных данных. Позволяет строить отчеты по временным интервалам, оценивать профиль аудитории, ее пересечение и динамику, проводить конкурентный анализ.

• PaloMARS — программа обработки данных, позволяющая телевизионным компаниям, рекламным агентствам и другим независимым компаниям, работающим в области рекламы, анализировать поведение телеаудитории, на основе исторических данных. Программа предоставляет пользователю возможность получить из базы данных необходимую информацию о программах, рекламных блоках и выходах рекламы в соответствии с заданными условиями.

• iPaloMARS –специализированный web-интерфейс, позволяющая телевизионным компаниям, рекламным агентствам и другим независимым компаниям, работающим в области рекламы, анализировать поведение телеаудитории, на основе исторических данных. Программа предоставляет пользователю возможность получить из базы данных необходимую информацию о программах, рекламных блоках и выходах рекламы в соответствии с заданными условиями.

• TV Planet — программное обеспечение, предоставляющее возможности комплексного планирования рекламных кампаний с использованием исторической информации.

• Instar Analytics for mobile – веб-интерфейс для оперативного доступа с мобильного телефона или десктопного браузера к аудитории телевизионных каналов и программ, дает возможность отбора различных целевых групп и временных интервалов

• Instar Analytics — программное обеспечение для подробного анализа телевизионных данных. Позволяет строить отчеты по временным интервалам, оценивать профиль аудитории, ее пересечение и динамику, проводить конкурентный анализ.

• Instar Analytics — программное обеспечение для подробного анализа телевизионных данных. Позволяет строить отчеты по временным интервалам, оценивать профиль аудитории, ее пересечение и динамику, проводить конкурентный анализ.

You are here

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №3. 2018г.

Авторы материалов: 

Смирнов Сергей Сергеевич
Образцова Анастасия Юрьевна
Вартанов Сергей Александрович
Владимирова Мария Борисовна
Вырковский Андрей Владимирович
Галкина Марина Юрьевна
Колесниченко Александр Васильевич
Фомичева Ирина Дмитриевна

Ссылка для цитирования: Смирнов С.С.,Образцова А.Ю., Вартанов С.А., Владимирова М.Б. и др. Организационно-экономические особенности крупнейших информационных и информационно-разговорных радиостанций России // Медиаскоп. 2018. Вып. 3. Режим доступа: http://www.mediascope.ru/2481
DOI: 10.30547/mediascope.3.2018.17

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №4. 2016г.

Авторы материалов: 
Колчина Анна Сергеевна

Ссылка для цитирования: Колчина А.С. Место и роль западных радиостанций в информационном пространстве СССР и новой России (на примере радиостанций: «Голос Америки», Би-би-си и «Радио Свобода») // Медиаскоп. 2016. Вып. 4. Режим доступа: http://www.mediascope.ru/2241

Колчина Анна Сергеевна

«Радио Свобода»: от истории к сценической интерпретации

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №2. 2015г.

Авторы материалов: 
Колчина Анна Сергеевна

Radio Liberty: from its History to Dramatic Interpretation

Колчина Анна Сергеевнакандидат филологических наук, старший преподаватель факультета коммуникаций, медиа и дизайна НИУ ВШЭ, akolchina@hse.ru; annakolchina@mail.ru

«Радио Свобода» в новой России: трансформация редакционной политики (1991−2013 гг.)

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №1. 2014г.

Авторы материалов: 
Колчина Анна Сергеевна

Radio Liberty in New Russia: Transformation of Editorial Policy (1991−2013)

Переформатирование радиостанций: путь к успеху?

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №1. 2012г.

Авторы материалов: 
Кравченко Светлана Владимировна

Reformatting a Radio Station: a Road to Success?

Кравченко Светлана Владимировнааспирантка кафедры телевидения и радиовещания факультета журналистики Московского государственного университета имени М.В. Ломоносова, svetlana.v.kravchenko@mail.ru

Svetlana V. KravchenkoPhD student at the chair of TV and radio broadcasting, Faculty of Journalism, Moscow State University, brunetkasvetik@yandex.ru

Критерии классификации радиорекламы

Научные исследования: 
Радиовещание

Выпуски: 
Выпуск №1. 2010г.

Авторы материалов: 
Щепилова Галина Германовна

Classification criteria of radio advertising

Требования к дата-специалистам

У проджект-менеджеров есть PMBoK — документ, в котором содержатся стандартизированные требования к управлению проектами. Для дата-специалистов тоже есть подобное издание под названием DAMA. Там, помимо прочего, содержится набор ролей, которые бывают при работе с данными.

• Дата-офицер — это общее название для дата-специалистов.
• Дата-инженер — разработчик. И к нему предъявляются те же требования, что и к разработчикам.
• Дата-сайентист — решает нетривиальные задачи, часто используя сложные математические алгоритмы, и на выходе выдаёт обычно какой-либо алгоритм. 
• Дата-аналитик — специалист, к которому предъявляются самые высокие требования. Он должен разбираться во всём, знать структуру данных и хорошо в ней ориентироваться, понимать, когда данные обновляются, какое у них качество. Если у кого-то появляются вопросы, то идут к нему.
• Дата-архитектор — отвечает за структуру и то, как будут лежать данные.
• Дата-оунер — это не специальность, а роль. Он отвечает за систему источников. Дата-оунер обычно относится не к IT, а к бизнес-подразделению.
• Дата-стюард — специалист, который обычно может вносить исправления в данные, вручную поправлять ошибки, проверять данные. К ним обычно предъявляются минимальные требования.
• Специалист по безопасности — понятная роль. Человек, который занимает подобную должность, должен хорошо разбираться во всём, как и дата-аналитик.

От начинающих специалистов обычно требуют как минимум знания SQL. Это будет первый вопрос на собеседовании. Я ещё обычно смотрю на университет, потому что качество образования везде разное. Также имеет значение, есть ли в резюме дополнительные курсы, готов ли человек вкладываться в образование временем и деньгами. Понятно, что от начинающего сразу много требовать не будут, ему дадут время на обучение

Так что будьте готовы учиться и читать документацию, это очень важно.Освоить востребованную профессию в Data Science можно всего за полтора года на курсах GeekBrains. После учёбы вы сможете работать по специальностям Data Scientist, Data Analyst, Machine Learning, Engineer Computer Vision-специалист или NLP-специалист

Освоить востребованную профессию в Аналитике больших данных можно всего за полтора года на курсах GeekBrains.

Сервисы

А вот схема сервисов:

Из интересных сервисов:

• Сервис обогащения данных — это инструмент, который позволяет на основе правил автоматически достраивать их.
• Сервис контроля качества данных — по понятным причинам это просто священная корова. В этой сфере есть промышленные решения, есть самопальные. Вечная тема для дискуссий, что здесь лучше использовать.
• Сервисы мониторинга. Надо постоянно знать, что происходит в цепочках, корректно ли всё работает.
• Сервисы исполнения моделей. Дата-сайентисты пишут модели на Python. Если грубо говорить, они получают данные на входе, а на выходе дают ответы. Нужно, чтобы эти разработки встраивались в процесс как картридж — при необходимости их можно вставить, извлечь или внутри что-то поменять. А ещё эти модели не должны обрушивать весь процесс, если дата-сайентист чего-то не учёл. Так что этот сервис крайне важен.
• Сервис потоковой обработки данных. Почти все данные у нас сейчас идут пакетами. Но есть источники, которые умеют отдавать информацию в потоковом режиме. Поэтому какую-то часть расчётов мы переводим на стриминговую обработку. И даже ведём переговоры, чтобы отдавать некоторым потребителям стриминговую аналитику. Это называется near real-time аналитика, то есть не в реальном времени, но почти.
• Сервис управления потоками данных — оркестровка потоков данных.

2020: Соглашение о размещении ИТ-инфраструктуры

1 июня 2020 года стало известно, что IXcellerate, оператор коммерческих дата-центров в России, и Mediascope, компания российского рынка медиа-исследований и мониторинга рекламы, подписали соглашение о размещении ИТ-инфраструктуры Mediascope в дата-центре IXcellerate Moscow One.

Необходимость в оптимизации существующей ИТ-инфраструктуры возникла у Mediascope на этапе создания технологической платформы (Mediascope Data Platform). В силу специфики своей деятельности компания получает, хранит и обрабатывает гигантские объемы данных (Big Data): 450 Тб записей ТВ-эфира накапливается каждые полгода, более 3,5 млрд эфирных событий содержатся в базе данных, более 2 Тб составляет ежедневный входящий поток информации и более 7 млрд записей о событиях в интернете проходит через платформу за одни сутки. Постоянно растущий объем информации требует надежных ресурсов для их хранения и обеспечения быстрого доступа к ним.

Mediascope выбрала IXcellerate в качестве аутсорсинг-партнера для предоставления услуг ЦОД в Москве в результате тщательного анализа российского рынка. Ключевыми факторами, определившими выбор, стали:

• высокая надежность работы IXcellerate и соответствие уровню надежности Tier III;
• присутствие на площадке независимой платформы обмена траффиком Eurasia Peering IX;
• наличие более 50 операторов связи и ключевых облачных сервисов в этом же дата-центре, что является важным преимуществом при создании гибридной архитектуры.

На первом этапе сотрудничества исследовательская компания перенесла в ЦОД IXcellerate Moscow One несколько стоек с серверным и сетевым оборудованием и организовала прямые подключения к облакам Sbercloud & Huawei, а также к прямой оптической трассе оператора Мастертел, связывающей офис Mediascope и дата-центр IXcellerate Moscow One.

Данные – это основной актив в нашей работе. Чем больше данных, чем быстрее они обрабатываются, тем глубже и точнее наши исследования

Некоторое время тому назад мы приняли стратегически важное решение – строить открытую платформу, которая позволит работать с большими данными не только нам, но и нашим клиентам, которые смогут с ее помощью решать свои аналитические задачи. Чтобы обеспечить бесперебойную работу инструмента такого масштаба и мощности, нам нужен на 100% надежный партнер, который позволит нам сосредоточиться на решении ключевых задач бизнеса, и возьмет задачу хранения данных целиком на себя,
комментирует директор по работе с большими данными Mediascope Василий Кузьмин.

По словам Константина Бормана, управляющего директора IXcellerate:

Инструменты работы с данными платформы

Мы реализовали три варианта подключения к данным. Первый — через Spark. Это для продвинутых пользователей, которые знакомы с Zeppelin или Jupyter. Можно также подключиться к большому хранилищу данных — например, тот же Tableau может построить дашборд. Наконец, можно работать непосредственно с Hadoop как с файлами — это самый низкоуровневый доступ.

• Zeppelin и Jupyter. Zeppelin здесь, потому что мы используем Spark как среду преобразования данных. В целом тенденция на рынке именно такая: где есть Spark, там будет Zeppelin. Если в работе используется много Python, то будет Jupyter. Но вообще это две конкурирующие оболочки, так что подходят оба варианта.
• Datagram. Его используют для работы SQL-щики и дата-инженеры. Они описывают запросы, цепочки преобразования данных, это всё становится кодом, и в runtime-процессе у нас работает Scala. В качестве альтернативы мы могли бы нанять больше разработчиков Scala, чтобы они тот же код написали сразу. Но мы работаем с Datagram.
• Confluence. Мы тщательно ведём документацию и описываем каждый шаг, не ленимся.
• Enterprise Architect. Используем для высокоуровневой архитектуры. Вся модель данных изначально ведётся там.
• Tableau, PowerBI (от последнего почти совсем отказались).

Техническая поддержка

Если во время использования сервиса компании «Mediascope» возникают проблемы и неполадки, то можно воспользоваться разделом, где указаны контакты https://mediascope.net/contacts/. Менеджеры постараются решить все вопросы в короткие сроки.

Для связи действуют следующие контактные данные:

• Номер телефона технической поддержки – 8-495-935-87-18;
• Электронная почта для отправки заявок – team@mediascope.net.

The following two tabs change content below.

Никита Аверин

В 2017 году окончил ФГБОУ ВО «Саратовский государственный технический университет им. Гагарина Ю.А.», г. Саратов, по направлению подготовки «Информатика и вычислительная техника». В настоящее время являюсь администратором сайта kabinet-lichnyj.ru. (Страница автора)

Последние записи автора — Никита Аверин

• Успех Вместе – регистрация и вход в личный кабинет — 13.10.2021
• Улыбка радуги – регистрация и функции личного кабинета — 11.10.2021
• Регистрация и вход в личный кабинет ТелПлюс — 09.10.2021

«Прыгнули с парашютом, который рассчитывали сшить по дороге»

CNews: Почему «Неофлекс»?

Василий Кузьмин:

Мы начинали этот проект, как бы прыгая с парашютом, рассчитывая по дороге этот парашют себе сшить. Это произошло в марте 2019 года. Команда тогда была очень маленькой и стояла задача — вывести решение в продакшн к концу года. Оно должно было уже заменить собой часть текущих процессов, существовавших без изменений несколько лет.

«Неофлекс» выступил в двух качествах. Во-первых, нам нужен был российский инструмент, сопоставимый с нормальными ETL-решениями, присутствующими на рынке. Мы в течение месяца проводили сравнение четырех наиболее популярных на российском рынке ETL-инструментов и выбрали Datagram по совокупности факторов. И, конечно, мы предположили, что «Неофлекс» делая инструмент для себя и сам с ним умеет работать, что предопределило выбор подрядчика. Поэтому мы сразу же договорились о реализации совместного проекта.

У Mediascope была сильная команда, но небольшая, которая хорошо владела вопросами системного уровня. Нужен был инструмент, который позволит набрать команду специалистов из другой области — SQL-щиков, которые хорошо знают, что такое хранилище данных, понимают, что такое отчеты и ETL, как строятся расчеты и что такое витрины данных. Взамен мы предлагали научить их работе с Hadoop. Эксперимент удался: за месяц человек, работающий с Datagram, переквалифицируется из «хранилищника», работавшего некогда с Oracle или Microsoft, в специалиста, способного делать серьезные решения на Hadoop с использованием этого инструмента. Сейчас мы чувствуем себя вполне самостоятельными, но по-прежнему используем услуги «Неофлекс» для аутсорс-задач.

Иван Окопный:

Иван Окопный
Разработчик проектирует визуальные модели, из которых потом автоматически генерируется Scala-код, исполняющийся позже на Hadoop – кластере с использованием Apache Spark.

Акселератор разработки Datagram позволяет проектировать потоки обработки данных в визуальном редакторе. То есть разработчик проектирует визуальные модели, из которых потом автоматически генерируется Scala-код, исполняющийся позже на Hadoop – кластере с использованием Apache Spark. Что это дает? Сроки проекта были достаточно сжатые, а написать нужно было большой объем функционала. С одной стороны, Datagram позволил значительно ускорить разработку, потому что не надо писать сложный Scala-код, можно просто применять обычный SQL и проектировать потоки данных в визуальном редакторе, и из этого получать готовое решение.

А с другой — да, действительно, нам удалось снизить цену входного билета для разработчиков как со стороны «Неофлекс», так и со стороны Mediascope. Используя Datagram, разработчику не обязательно знать Scala или Java, он может быть ETL- или SQL-разработчиком и, при этом, комфортно работать на проекте, быть полноправным разработчиком решения

Это важно, потому что такой подход позволил значительно снизить затраты и решить проблему дефицита Big Data специалистов на рынке

Похожие записи:

Bing Компания tesla: история развития бренда электрокаров Налоговая ставка при патентной системе налогообложения Пошаговая инструкция по оформлению личного кабинета hh Аusbildung в германии в 2021 году: что это такое и о чем следует знать гражданам рф Как заполнить анкету на возвращение в россию на госуслуги