□崔 芳

2012 年被大衛(wèi)·芬雷布稱為“大數(shù)據(jù)的跨界年度”[1]，從此，我們進入了大數(shù)據(jù)時代。據(jù)陸靜對中國知網(wǎng)和OCLC Article First 數(shù)據(jù)庫所做文獻統(tǒng)計，研究大數(shù)據(jù)的文獻經(jīng)過10 多年的發(fā)展，于2012 年出現(xiàn)一個飛躍： 從2011 年的41 篇猛增到當年的324 篇，2013 年更多達819 篇，“大數(shù)據(jù)” 成為IT界、企業(yè)管理界和圖書情報界的熱門話題[2]。 2013年9 月30 日的中共中央政治局第九次集體學習，聽取了對大數(shù)據(jù)發(fā)展情況的講解。各行各業(yè)都在探討大數(shù)據(jù)時代給本行業(yè)的發(fā)展能帶來哪些機遇或者威脅，都希望在大數(shù)據(jù)時代到來之際，能夠及時抓住機遇、規(guī)避風險，乘勢而上加速發(fā)展。圖書館行業(yè)也不例外。高等院校圖書館、社科院圖書館、國防科技信息學會等系統(tǒng)召開了專題研討會；據(jù)文獻統(tǒng)計， 圖書館界發(fā)表有關大數(shù)據(jù)的論文，2012 年有4篇，2013 年達21 篇[3]。 “大數(shù)據(jù)”也正在成為我國圖書館界研究的熱點話題。

一、努力學習大數(shù)據(jù)理論，實現(xiàn)觀念、知識和技術(shù)更新

高校圖書館雖然有自己特有的任務和定位，但在大數(shù)據(jù)時代到來之際，面臨所有圖書館需要應對共性的問題。 依筆者管見，我國圖書館界的當務之急是：通過學習大數(shù)據(jù)理論實現(xiàn)觀念、知識和技術(shù)的更新，通過館藏數(shù)字化工程和網(wǎng)絡數(shù)據(jù)搜集建設新型資源，開展切實可行的大數(shù)據(jù)讀者服務探索。

（一）學習：登堂入室的前提

與傳統(tǒng)圖書館實現(xiàn)自動化、 數(shù)字化進程相類似， 我國圖書館要跟上大數(shù)據(jù)時代的前進步伐，首要任務是虛心學習大數(shù)據(jù)理論。我們要學習大數(shù)據(jù)首倡者的有關論著，學習對大數(shù)據(jù)的推廣做出重要貢獻的研究者的成果，學習走在前列的先進國家圖書館同行們在大數(shù)據(jù)領域的有益探索和實證應用；弄清楚大數(shù)據(jù)的概念內(nèi)涵、 大數(shù)據(jù)的標志性特征、大數(shù)據(jù)區(qū)別于紙質(zhì)文獻的特性，從而確立起大數(shù)據(jù)概念體系、思維觀念、行為模式；學習有關大數(shù)據(jù)的各種知識，比如數(shù)據(jù)和大數(shù)據(jù)的科學概念，大數(shù)據(jù)為什么被稱為“破壞性技術(shù)”“顛覆性力量”，數(shù)據(jù)與文獻、信息、知識的區(qū)別與聯(lián)系，數(shù)據(jù)與數(shù)字的聯(lián)系與區(qū)別， 大數(shù)據(jù)與傳統(tǒng)意義上的數(shù)據(jù)的聯(lián)系與區(qū)別，數(shù)字化閱讀與閱讀數(shù)據(jù)化、數(shù)字化服務與服務數(shù)據(jù)化、 管理信息化與管理數(shù)據(jù)化的聯(lián)系與區(qū)別，如此等等。了解與大數(shù)據(jù)有關的各種計算機及其通信技術(shù)，例如Hadoop 和MapReduce 等數(shù)據(jù)管理處理技術(shù)，大數(shù)據(jù)智能識別、傳感與適配技術(shù)，大數(shù)據(jù)知識服務模式、體系架構(gòu)、資源分類及平臺標準規(guī)范，大數(shù)據(jù)知識服務全生命周期過程中的虛擬化接入技術(shù)，大數(shù)據(jù)知識服務交易模型研究、質(zhì)量評價體系、支持多元化可視化大數(shù)據(jù)知識服務終端交互技術(shù)等[4]。只有完成了這樣的知識結(jié)構(gòu)更新，圖書館人才能領到進入大數(shù)據(jù)時代的通行證。

（二）掌握：大數(shù)據(jù)的基礎知識

在大數(shù)據(jù)研究先行者看來，大數(shù)據(jù)“最初，這個概念是指需要處理的信息量過大，已經(jīng)超出了一般電腦在處理數(shù)據(jù)時所能使用的內(nèi)存量，因此工程師們必須改進處理數(shù)據(jù)的工具”，“這導致了新的處理技術(shù)誕生，……。 這些技術(shù)使得人們可以處理的數(shù)據(jù)量大大增加[5]”。 “這種對大量的人機數(shù)據(jù)進行捕捉、存儲和分析，并根據(jù)這些數(shù)據(jù)做出預測的能力，就是我們所說的大數(shù)據(jù)?！盵6]由此，可以看出，大數(shù)據(jù)有三種含義： 一是說由于信息技術(shù)的高速發(fā)展，使得能夠采集、存儲、長期保留的數(shù)據(jù)越來越多，即指海量數(shù)據(jù)； 二是說處理分析數(shù)據(jù)的能力越來越強，處理速度越來越快，處理成本越來越低，即指高新技術(shù)；三是說人們有能力根據(jù)采集、存儲的數(shù)據(jù)，進行分析挖掘處理并做出預測， 即指數(shù)據(jù)駕馭能力。維基百科稱“大數(shù)據(jù)是指利用常用軟件工具捕獲、管理和處理數(shù)據(jù)所耗時間超過可容忍時間的數(shù)據(jù)集”，這說明它持第一種觀點。 權(quán)威的IT 研究與顧問咨詢公司Gartner、 美國國家科學基金會等的界定與此大同小異，均認為大數(shù)據(jù)與“海量數(shù)據(jù)”、“大規(guī)模數(shù)據(jù)”的概念一脈相承[7]。總之，業(yè)界對于什么叫大數(shù)據(jù)， 迄今為止尚未得出一個普遍認可的定義。這就提醒我們，必須持續(xù)關注國內(nèi)外有關大數(shù)據(jù)的研究動向。

大數(shù)據(jù)的特征， 幾乎是所有探討大數(shù)據(jù)的論文必提的問題。 其中，文獻介紹說，大數(shù)據(jù)有四個主要特征，業(yè)界取其英文首字母概括為四個“V”：Volume指數(shù)據(jù)體量巨大， 從TB 級別躍升到PB、ZB 級別；Variety 指數(shù)據(jù)類型繁多， 包括流行的網(wǎng)絡日志、視頻、圖片、地理位置信息等；Value 指價值密度低，如視頻在連續(xù)不斷的監(jiān)控過程中可能僅僅一兩秒是有用的數(shù)據(jù)；Velocity 指處理速度快， 基本上貫徹一秒定律，從而與傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有本質(zhì)區(qū)別[8]。

關于大數(shù)據(jù)的復雜性， 也是普遍關心的問題。與大科學時代紙質(zhì)文獻的復雜性不同， 大數(shù)據(jù)的復雜性呈現(xiàn)三個維度：一是數(shù)據(jù)類型復雜。例如在網(wǎng)絡上，既有數(shù)據(jù)庫、圖書、期刊、報紙，又有郵件、微博、論壇、社交短文本；既有文字，又有圖片、聲頻、視頻，給文本挖掘帶來很大困難。二是數(shù)據(jù)結(jié)構(gòu)復雜。大數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，而且主流形式是非結(jié)構(gòu)化數(shù)據(jù)，它組織很凌亂、信息噪聲大，為數(shù)據(jù)的存儲和分析造成很大困難。三是數(shù)據(jù)模式復雜。數(shù)據(jù)類型的多樣化、非結(jié)構(gòu)化的數(shù)據(jù)等因素，導致數(shù)據(jù)內(nèi)在模式以指數(shù)形式增長[9]。

（三）確立：大數(shù)據(jù)思維觀念

所謂大數(shù)據(jù)思維觀念，首先是指數(shù)據(jù)采集意識的更新，不僅要從館藏等容易搜集數(shù)據(jù)的地方采集數(shù)據(jù)，更要從最不好辦的地方采集數(shù)據(jù)。 數(shù)據(jù)是構(gòu)成大數(shù)據(jù)的根基， 沒有計量和記錄就不可能有數(shù)據(jù)，也就沒有大數(shù)據(jù)。讀者進入圖書館的所有行為，以及在線上與圖書館交流互動的所有行為，都是有價值的信息，都是值得采集的數(shù)據(jù)，均應進行計量和記錄。 長期以來，每一個圖書館都重視數(shù)據(jù)的采集。例如，每天訪問圖書館的讀者人數(shù)、借閱數(shù)量、圖書平均周轉(zhuǎn)天數(shù)、辦借閱證數(shù)量等等。這些數(shù)據(jù)對圖書館的服務績效、 服務質(zhì)量評價乃至管理科學決策均具有重要的意義，一定要保證數(shù)據(jù)真實可靠。

其次，大數(shù)據(jù)思維觀念要求我們提高數(shù)據(jù)采集水平。 不能滿足于數(shù)據(jù)怎樣采集方便就怎樣采集，而應當使圖書館的全部業(yè)務和管理工作在完成自動化之后，逐漸從數(shù)字化走向數(shù)據(jù)化。這主要包括：圖書館的館藏文獻的數(shù)據(jù)化， 圖書館的地理方位、內(nèi)部的空間結(jié)構(gòu)的數(shù)據(jù)化， 圖書館工作人員之間、工作人員與讀者之間、讀者與讀者之間的溝通數(shù)據(jù)化，圖書館的采編、入庫、流通借閱等工作的數(shù)據(jù)化。

第三，大數(shù)據(jù)思維觀念要求我們堅持數(shù)據(jù)應用導向。 一是做好現(xiàn)有數(shù)據(jù)的挖掘和再利用，例如多年積累的自動化系統(tǒng)數(shù)據(jù)、讀者服務數(shù)據(jù)等；二是完善數(shù)據(jù)收集的頂層設計，使數(shù)據(jù)能更好地揭示其相關性，做好預測；三是努力在現(xiàn)有數(shù)據(jù)與相關數(shù)據(jù)之間建立聯(lián)系。 在數(shù)據(jù)化過程中，要關注圖書館工作產(chǎn)生的全部數(shù)據(jù)，而不是其中的部分數(shù)據(jù)。

二、大數(shù)據(jù)背景下讀者服務模式的創(chuàng)新發(fā)展

在向數(shù)據(jù)化轉(zhuǎn)型升級的過程中，傳統(tǒng)圖書館的讀者服務并非無所作為，我們可以開展基于數(shù)據(jù)挖掘分析的服務和管理創(chuàng)新，開展基于數(shù)字閱讀行為數(shù)據(jù)分析的服務優(yōu)化以及嘗試基于文獻內(nèi)容處理分析的知識服務。

（一）基于數(shù)據(jù)挖掘分析的服務和管理創(chuàng)新

雖然當今的圖書館尚未掌控真正有價值的“大數(shù)據(jù)”，一般情況下也不考核經(jīng)濟效益、不適合像企業(yè)那樣考量投入產(chǎn)出，但是，同為財政撥款的事業(yè)單位，國家投入了同樣多的資金，在不同的管理團隊、不同的服務團隊手中卻產(chǎn)生了不同的社會效益和經(jīng)濟效益。在大數(shù)據(jù)技術(shù)群的幫助下，圖書館效益的客觀評價成為可能，這就為通過數(shù)據(jù)挖掘分析，提升圖書館的服務效能和管理效能提供了可能性。

有助于服務創(chuàng)新和管理創(chuàng)新的數(shù)據(jù)挖掘分析，起碼有以下三類：一是對讀者個人的成長進步進行數(shù)據(jù)跟蹤分析。大數(shù)據(jù)技術(shù)對全部讀者的信息可以全部存儲，并長期保留，這樣就能了解讀者的成長軌跡，從而對圖書館的人才培養(yǎng)效益做出評價。 二是跟蹤分析讀者閱讀利用的全部書刊文獻，為每一位讀者建立個人閱讀數(shù)據(jù)庫，同時對每一位讀者發(fā)表文章、出版著作、獲得專利等科學產(chǎn)出的數(shù)據(jù)進行系統(tǒng)采集。分析讀者利用書刊文獻和獲得科學成果這二者之間的關聯(lián)性，就能獲得其創(chuàng)作、創(chuàng)新、創(chuàng)造方面的有用數(shù)據(jù)。 綜合全體讀者的數(shù)據(jù)，就可得出圖書館在創(chuàng)作、創(chuàng)新、創(chuàng)造方面的效益數(shù)據(jù)。三是分析挖掘讀者個人數(shù)據(jù)庫， 分析挖掘讀者所在行業(yè)、產(chǎn)業(yè)的相關數(shù)據(jù)庫，了解讀者的閱讀行為與相應產(chǎn)業(yè)發(fā)展的相關性，從而預測圖書館知識信息服務對當?shù)禺a(chǎn)業(yè)發(fā)展的貢獻度。

且以讀者個人數(shù)據(jù)庫為例展開討論一下。建立讀者數(shù)據(jù)庫后，從讀者身份證的信息，可以了解其家庭位置、年齡、性別分布；從文獻、出版數(shù)據(jù)庫，可以了解讀者發(fā)表文章、出版著作情況；從讀者的閱讀習慣，可以了解讀者的偏好等等。這樣，圖書館就能通過分析上述數(shù)據(jù)來確認每一位讀者所關注的圖書種類，使得圖書館有可能對讀者提供更加精準的貼身服務，包括推薦讀者不了解的相關館藏，真正做到為書找讀者，使圖書館的書籍借閱率得到提高；根據(jù)讀者數(shù)據(jù)庫提供的信息，通過QQ、微信等方式將每一次新進的書及時地通知相關讀者，使新書能盡早地發(fā)揮作用，產(chǎn)生效益；通過分析讀者行為數(shù)據(jù)，了解讀者喜好，從而調(diào)整圖書館布局，美化閱讀環(huán)境，優(yōu)化工作流程，讓讀者享受到更高質(zhì)量的服務。

總之，通過對圖書館相關效益的綜合分析，不僅能有效掌握圖書館對經(jīng)濟發(fā)展、 社會進步的貢獻度，進一步增強政府對圖書館投入的決心，而且能為圖書館改進自身管理提供很好的決策參考，從而為圖書館的“數(shù)據(jù)化”發(fā)展創(chuàng)造更有利的條件。 例如，上海市通過2012 年中心圖書館借閱類目分析， 得出該市讀者喜歡閱讀的書籍，依次為文學作品、史地著作和工業(yè)科學； 基于數(shù)據(jù)分析， 上海圖書館于2013 年初推出“讀者悅讀賬單”的“讀者閱讀報告”創(chuàng)新服務。[10]

（二）基于數(shù)字閱讀行為數(shù)據(jù)分析的服務優(yōu)化

除圖書館集成管理系統(tǒng)積累的書目數(shù)據(jù)、讀者數(shù)據(jù)以及讀者借閱行為數(shù)據(jù)外，開展數(shù)字閱讀行為數(shù)據(jù)的采集、挖掘和分析，探索數(shù)字閱讀服務的規(guī)律性，也是當前圖書館迎接大數(shù)據(jù)時代、實現(xiàn)服務優(yōu)化應當做好的一件大事。

近二三十年里， 我國圖書館采購了各類書目、文獻數(shù)據(jù)庫以及電子書、報、刊資源，開展了包括全國文化信息資源共享工程在內(nèi)的大規(guī)模的數(shù)字閱讀服務。 采集、挖掘和分析好讀者在數(shù)字閱讀平臺上的行為數(shù)據(jù)，必定能改進圖書館的數(shù)字資源提供服務。這就有賴于與數(shù)字資源供應商開展合作。如果能整合分析本館讀者在所有采購數(shù)字資源平臺上的閱讀行為，并且與圖書館集成管理系統(tǒng)所采集的閱讀行為數(shù)據(jù)開展交叉分析， 就有望改善館藏方針和資源建設策略，提供更加個性化的閱讀服務。據(jù)文獻報道，復旦大學圖書館已經(jīng)在開展類似的探索[11]。

公共圖書館不僅應當做好對本館讀者的數(shù)字閱讀行為數(shù)據(jù)采集和分析工作，還可以利用文化部全國文化信息資源共享工程這個統(tǒng)一平臺來做這項工作。通過國家中心、省級分中心、基層中心組成的網(wǎng)絡開展協(xié)作，逐步采用大數(shù)據(jù)技術(shù)，采集、挖掘和分析用戶在共享工程服務平臺留下的行為數(shù)據(jù)，將對圖書館開展數(shù)字閱讀服務、提高全國文化信息資源共享工程和本館的數(shù)字資源服務提供很有用的決策依據(jù)。 同樣，高校圖書館除對本館讀者開展網(wǎng)上閱讀行為數(shù)據(jù)采集和分析外，還可以通過中國高等教育文獻保障系統(tǒng)（calis）這一協(xié)作平臺，來開展讀者利用數(shù)字資源行為模式、行為習慣、閱讀喜好等規(guī)律的探索，以提高高等院校圖書館的讀者服務水平和科學管理水平。

（三）基于文獻內(nèi)容處理分析的專業(yè)知識服務

大數(shù)據(jù)既對圖書館的知識服務能力和知識服務機制形成較大的沖擊，又能幫助圖書館建立和完善新的知識服務模式，提高圖書館的學科知識服務能力和水平。 核心是利用已有的Hadoop、MapReduce 等數(shù)據(jù)管理處理技術(shù)、 大數(shù)據(jù)智能識別傳感與適配技術(shù)、大數(shù)據(jù)知識服務模式等技術(shù)，分析用戶借閱流通數(shù)據(jù)、 館藏書目數(shù)據(jù)和電子數(shù)據(jù)庫、無線射頻識別數(shù)據(jù)、社交網(wǎng)絡交互數(shù)據(jù)、移動互聯(lián)數(shù)據(jù)以及各種傳感器數(shù)據(jù)， 對文獻內(nèi)容進行處理分析，抓取有用的知識和關聯(lián)關系，經(jīng)過知識重組，再提供給需要的讀者。

1.圖書館可以開展用戶流失分析，應對生存危機。 由于多媒體的沖擊，圖書館服務的價值受到質(zhì)疑，出現(xiàn)了讀者流失現(xiàn)象。 借助大數(shù)據(jù)技術(shù)分析用戶需求數(shù)據(jù)，不僅可以了解讀者的信息行為、需求意愿和知識運用能力，還可以深度挖掘其在交互型知識服務過程中的潛在需求數(shù)據(jù)，開展針對性更強的服務，吸引住讀者群體。

2.圖書館可以建立更加智能、靈活的知識服務社會網(wǎng)絡。 通過分析各種數(shù)據(jù)資源的狀況，從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)資源中抓取有用知識和關聯(lián)關系等，完善新的知識服務方式。例如，作為“大數(shù)據(jù)研究和發(fā)展計劃” 重要組成部分的美國國家醫(yī)學圖書館，正在集成生物學及內(nèi)部信息，以創(chuàng)造能整合和交換醫(yī)療保健和生物醫(yī)學研究數(shù)據(jù)的方法和工具。 而清華大學圖書館在數(shù)據(jù)集成和數(shù)據(jù)挖掘兩方面進行探索，嘗試在大數(shù)據(jù)環(huán)境下從元數(shù)據(jù)倉儲中提取關鍵詞等信息，分析關鍵詞走向，分析作者與合作者的關系，建立以人為中心的知識關聯(lián)網(wǎng)絡[12]。

3.圖書館可以建立基于大數(shù)據(jù)技術(shù)群的知識服務導航機制。 在自動化集成發(fā)展階段，圖書館已經(jīng)建立了各種知識服務導航機制。 現(xiàn)在，應當嘗試利用大數(shù)據(jù)技術(shù)來優(yōu)化甚至重建這種新型的知識服務導航機制。這種導航機制主要包括用戶知識需求預測導航、多維數(shù)據(jù)資源的組織和分析導航、用戶信息行為智能分析導航、學術(shù)資源搜索導航、數(shù)據(jù)資源的推薦服務導航等[13]。

“大數(shù)據(jù)”對圖書館的影響將是多方面的，并且將越來越巨大和深刻。圖書館不僅要繼續(xù)履行傳統(tǒng)的四項社會職能，保存?zhèn)鬟f各種經(jīng)館員分析整理的紙質(zhì)文獻數(shù)據(jù)，還將承擔起保存?zhèn)鬟f各種磁介質(zhì)云所存儲的未分析整理的數(shù)據(jù)，使人和計算機能夠通過數(shù)據(jù)云而公開獲取。 面對大數(shù)據(jù)時代的到來，圖書館要高度重視大數(shù)據(jù)對圖書館的影響，提高大數(shù)據(jù)意識、培育大數(shù)據(jù)思維。 要充分認識圖書館數(shù)據(jù)化對當?shù)氐慕?jīng)濟社會發(fā)展所具有的不可替代作用，努力消除事業(yè)單位員工缺乏競爭壓力、從而缺少數(shù)據(jù)化動力的不利因素， 先人一步做好頂層設計，積極采集分析挖掘數(shù)據(jù)，在大數(shù)據(jù)時代發(fā)現(xiàn)機遇并引領圖書館健康發(fā)展。 與此同時，要重視大數(shù)據(jù)人才隊伍建設，背靠大數(shù)據(jù)時代，要加快館藏資源的數(shù)字化進程并積極開展各種創(chuàng)新型服務，同時探索數(shù)據(jù)化圖書館的發(fā)展路徑。

[1][6][美] 大衛(wèi)·芬雷布著， 盛楊燕譯. 大數(shù)據(jù)云圖——如何在大數(shù)據(jù)時代尋找下一個大機遇[M].杭州：浙江人民出版社，2014：41.

[2][3]陸靜.我國圖書館界大數(shù)據(jù)研究評述與展望[J].圖書館雜志，2014（1）：20-25.

[4]張新娜.大數(shù)據(jù)時代智慧圖書館建設路徑分析[J].圖書館研究，2014（1）：9-13.

[5]（英）維克托·邁爾-舍恩伯格，肯尼思·庫克耶著.盛楊燕，周濤譯.大數(shù)據(jù)時代——生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013：8.

[7][9]劉瓊.大數(shù)據(jù)背景下圖書館服務體系創(chuàng)新與重構(gòu)[J].信息技術(shù)，2014（6）：55-56.

[8]容春琳.公共圖書館應用大數(shù)據(jù)的策略研究[J].圖書館建設，2013（7）：91-95.

[10][11]陳超.圖書館如何迎接大數(shù)據(jù)時代[J].圖書館雜志，2014（1）：4-7.

[12]曹磊，等.大數(shù)據(jù)：數(shù)字世界的智慧基因[N].文匯報，2013-11-08（12）.

[13]樊偉紅，等，圖書館需要怎樣的“大數(shù)據(jù)”[J].圖書館雜志，2012（11）：63-68，77.