大數據的深入發展，對于輿情研究產生了深刻的影響。隨著數據挖掘技術的深入，輿情的采集、分析、可視化呈現都將進行相應的轉變，具體包含以下幾點。

　　1、輿情研究視角的轉變：由純內容研究向多維角度發展

　　互聯網時代網民的行為包含了語言、社會關系、心理等各個方面，當前輿情研究更加重視于網民語言的單向度研究。語言作為一種外在表達，屬于淺層表面，在研究網民群體的社會行為、社會心理和社會訴求上相對乏力。

　　借助于大數據，未來，輿情抓取的視角將向社會語言表達、社會關系呈現、社會心理描述、社會訴求預測等多維度轉變。

　　2、輿情研究方法的轉變：由信息采集向數據挖掘、數據精算、數據可視化等發展

　　當前，輿情研究主要集中在輿情信息的采集和信息源的拓展上，前端界面的展示相對單一，且產品間同質化程度較高。由于技術的限制，目前大部分的輿情監測產品在對新聞網站、微博賬號進行監測時，都需要將網站地址和微博賬號設定好，甚至新聞網站的網站設計樣板也要進行設定，被監測的網站一旦改版，后臺監測也必須相應調整。而通過大數據，輿情信息采集環節被拉回到同一個競爭層面上，未來輿情監測和研究的數據源可能來自同一個大數據庫支撐，輿情研究主體競爭的是各類算法的精細化、準確化，并在呈現給用戶的前端界面上進行優化，增強前端界面的友好程度，整個競爭鏈條下移，更加適合用戶的需求。

　　3、數據庫支持的轉變：由單一的、有限的數據庫向非結構化數據庫轉變

　　目前的輿情監測所依據的數據庫還停留在單一的結構型數據庫，數據體量也就TB級別。源于抽樣數據抓取的方式所構造的數據庫還不能算是深度的數據挖掘。大數據時代，數據的體量可能從TB級別一躍進入ZB，目前主流的數據處理軟件并不能支撐如此大的數據量，需要設計新的、對應的、更為優化的處理模式。

　　此外，數據資源的多樣性使得數據呈現出非結構化，因此也需要對應的非結構化數據庫相對接。

　　4、輿情研究目的的轉變：由輿情預警、單方向危機應對向各領域的綜合信息服務提供轉變

　　大數據的核心在于預測。因此，除了目前輿情監測可以做到的輿情動態跟蹤、分析、監測和研判等過去式的數據分析模式，未來，輿情監測發展的目的是通過分期處理整群數據，通過模式識別等人工智能技術進行輿情發展態勢和影響的研判和預警。比如一個很有代表性的例子是，在經濟預測上，Google 上房產相關搜索量的增減趨勢相對于地產經濟學家的預測而言是一個更加準確的預言者。

　　受限于數據量和技術，即便是在輿情研究集中的品牌營銷和危機應對上，基于輿情監測和研判的功能目前也依然停留在表層。隨著數據挖掘技術的發展和在輿情研究上的深入推進，輿情監測將在品牌營銷和危機應對上發揮更多的預測和指導決策的作用，此外，輿情研究也會向多元化的服務方向發展、為政府、企業和個人提供更加綜合化的數據挖掘服務。