新媒体之所以“新”，在很大程度上是因为可以以更低的成本传递“更大量的信息”，也可以理解为新媒体是基于大数据的传播方式。众所周知，目前社交媒体每天都在产生海量的各种类型的信息，甚至社交平台上还可能存在大量受控制的“机器粉”，这些机器账号能够被用来快速增长某些内容的转发量，给舆情发现和虚假舆情的去除带来很大的难度。大数据时代的舆情管理工作需要沙里淘金，使用正确的思维来收集数据、分析数据、理解数据、应用数据。
1、量化思维
“万物皆数”是毕达格拉斯学派2000多年前的一句名言，蕴含着“一切皆可量化”的理念。大数据时代，所有的舆情信息都是可量化的。每一天，网民们都会在网络空间中产生一条条长长的数字化行为轨迹：发帖数、评论数、点赞数、转发数、网站停留时间、视频观看时间、直播时长等。但量化思维不等于简单的数字化，而是数据的可计算化以及计算结果的可视化、可解释化和可用来预测。网民们数字化行为轨迹的背后往往暗含着网络舆情的热点、焦点以及舆情主体针对与自身利益相关的事件所表现出来的具有一定影响力并带有倾向性的认知、情绪、态度和意见等。通过充分使用最新技术，对舆情信息进行全方位采集、多角度定量描述、量化建模，才可能挖掘出隐藏在数字背后的深层次舆情信息。
目前很多舆情监测系统所提供的“网络舆情指数”功能就是量化思维在舆情领域非常好的应用。
2、相关性思维
迈尔-舍恩伯格在《大数据时代》一书中曾提及“要相关，不要因果”。这句话绝不是让人们抛弃因果关系，事实上，因果关系是最深刻的一类关系，但很多时候却难以被发现。大数据时代，面对纷繁复杂的海量数据，没有必要再去探求每种现象背后的原因，而是要顺应信息时代的潮流，实现思维模式从因果关系到相关关系的转变。
在舆情传播过程中也存在着很多相关关系，探求这些相关关系有助于舆情趋势研判和预警预测。
例如：
①不同热点事件背景上的相关性；
②不同舆情事件时空上的相关性；
③特定舆情事件在新闻、社交媒体、视频直播等不同传播渠道上的相关性；
④特定舆情事件文本内容中词汇间的相关性；
⑤舆情主体间在社交网络中的相关关系等。
使用相关性思维，可以利用舆情事件的相关衍生数据，拓宽舆情分析的视角，对热点事件进行动态跟踪预警，从多角度研判舆情的发展态势。
