楊艷麗

一個時期以來，館藏紙質(zhì)檔案數(shù)字化成了各級檔案館信息化的中心工作。但也有同志樂觀地將檔案數(shù)字化與“大數(shù)據(jù)”等同起來，似乎只要實(shí)現(xiàn)了館藏檔案數(shù)字化，檔案工作就進(jìn)入了“大數(shù)據(jù)”時代。這是一個誤區(qū)，需要澄清。館藏檔案數(shù)字化后的館藏電子檔案也是“大數(shù)據(jù)”中的重要組成部分。但紙質(zhì)檔案數(shù)字化遠(yuǎn)不等于“大數(shù)據(jù)”。理由有三：

第一，從大數(shù)據(jù)的類型來看。數(shù)據(jù)類型繁多是大數(shù)據(jù)的基本特征之一。它“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)等”，“有圖像、聲音、視頻、社交網(wǎng)絡(luò)、博客甚至應(yīng)用的使用習(xí)慣等”；紙質(zhì)檔案數(shù)字化后的圖像型電子檔案只是大數(shù)據(jù)中多種數(shù)據(jù)類型中的一種類型。而且是相對容易控制的那一部分。真正大量的、復(fù)雜的、不易控制的是新增檔案的電子件。以政府財政系統(tǒng)為例，一個市級財政管理部門使用的系統(tǒng)就達(dá)20多個，這些系統(tǒng)有的是國家財政管理部門統(tǒng)一配發(fā)使用的，有的是省級財政管理部門統(tǒng)一配發(fā)使用的，有些是單位自行開發(fā)的，還有的是從市場上購買的商品化軟件。這些系統(tǒng)出自不同的開發(fā)單位，使用不同的開發(fā)和運(yùn)行平臺，后臺數(shù)據(jù)庫及數(shù)據(jù)結(jié)構(gòu)也不相同，產(chǎn)生的電子文件格式各種各樣，這使得歸檔后的電子檔案格式也各式各樣。加上各種數(shù)據(jù)庫中產(chǎn)生的動態(tài)數(shù)據(jù)，僅數(shù)據(jù)類型就是十分繁雜的。一個單位尚且如此，一個行政區(qū)域內(nèi)眾多單位所產(chǎn)生的電子檔案數(shù)據(jù)格式就更加繁雜。這樣多的檔案數(shù)據(jù)格式，與全部系統(tǒng)中的數(shù)據(jù)格式來比，還算是簡單的。紙質(zhì)檔案數(shù)字化后的圖像型電子檔案只是電子檔案一種類型，只算是“大數(shù)據(jù)”的九牛一毛。

第二，從大數(shù)據(jù)的數(shù)量上看。“龐大的數(shù)據(jù)量，能達(dá)到PB甚至EB級別”是大數(shù)據(jù)的另一基本特征。依全部檔案的類型劃分，我們現(xiàn)在處理的紙質(zhì)檔案多數(shù)是所謂的文書檔案，而更多的含有表格、圖紙、賬冊、錄音、錄像、影像的科技檔案、財會檔案、人事檔案、基建檔案、錄音檔案、錄像檔案、影像檔案等各種類型的專業(yè)檔案還沒有進(jìn)入我們數(shù)字化的視線。這種相對狹隘檔案觀，僅僅從數(shù)量上看，不僅算不上“大數(shù)據(jù)”，就連“大檔案”都算不上。要實(shí)現(xiàn)融入“大數(shù)據(jù)”的環(huán)境，首先要取消文書檔案的稱謂，從“大檔案”的角度來看待、對待檔案數(shù)字化。就目前情況看，一個使用多個業(yè)務(wù)系統(tǒng)的單位，一年產(chǎn)生的數(shù)據(jù)量少則幾個G，多則幾十G上百G，甚至幾個T。如果將這些數(shù)據(jù)全部作為檔案歸檔管理，將是一個非常龐大的數(shù)量。依此類推，一個單位尚且如此，一個行政區(qū)域內(nèi)眾多單位所產(chǎn)生的電子檔案將是一個令我們檔案管理者從來沒有面對過的巨大數(shù)量級。如果不能有效地管控這一巨大數(shù)量級的電子檔案，那就不能算做是“大數(shù)據(jù)”?？陀^地說，即便是實(shí)現(xiàn)了對這一巨大數(shù)量級的電子檔案的有效管控，也只是“大數(shù)據(jù)”中的滄海一粟。對這些原生電子文件信息，“要按照‘增量電子化的思路，積極進(jìn)行原生電子文件的歸檔接收工作。現(xiàn)在，絕大多數(shù)新形成的文件都有電子版，及時把電子文件歸檔接收并納入檔案部門管理、納入檔案信息資源體系，不僅關(guān)系當(dāng)前，而且涉及長遠(yuǎn)，必須高度重視，立即抓起，抓得越早越好”。

第三，從“大數(shù)據(jù)”的處理方式上來看，“大數(shù)據(jù)”的核心是對龐大數(shù)據(jù)進(jìn)行檢索與運(yùn)算?！皺n案大數(shù)據(jù)”的關(guān)鍵信息需通過一定的技術(shù)方法進(jìn)行提取，并針對提取出的有效信息根據(jù)一定的規(guī)律進(jìn)行挖掘。要實(shí)現(xiàn)這一點(diǎn)，智能化的檢索分析軟件與經(jīng)過統(tǒng)一標(biāo)引的基礎(chǔ)數(shù)據(jù)至關(guān)重要。智能化的檢索分析軟件，我們可以通過購買解決（暫不考慮我們是否有能力選擇購買到性價比高的檢索分析軟件），而經(jīng)過統(tǒng)一標(biāo)引的基礎(chǔ)數(shù)據(jù)只能由檔案館工作人員自行完成。問題是許多基層檔案工作者包括領(lǐng)導(dǎo)者并不清楚這一點(diǎn)，以為只要將紙質(zhì)檔案一掃描，圖像文件就可通過計算機(jī)和網(wǎng)絡(luò)檢索到了；檔案中任何內(nèi)容都可隨意檢索和查找到。殊不知，如果沒有智能化的檢索分析軟件和對紙質(zhì)檔案掃描件的細(xì)致標(biāo)引或全文識別，所有通過掃描產(chǎn)生的電子檔案只是些沒有用處的電子圖像文件。問題是沒有多少基層檔案館知道并在下大氣力做紙質(zhì)檔案掃描后形成的電子檔案的標(biāo)引或全文識別工作。未經(jīng)處理的紙質(zhì)檔案掃描件，不僅不是“大數(shù)據(jù)”，甚至都算不上有用的數(shù)據(jù)。掃描得越多，浪費(fèi)就越大。

綜上所述，紙質(zhì)檔案數(shù)字化是檔案數(shù)字化組成部分，但不是檔案數(shù)字化全部。紙質(zhì)檔案數(shù)字化與“大數(shù)據(jù)”密切相關(guān)，但完全不能等同于“大數(shù)據(jù)”。在“大數(shù)據(jù)”環(huán)境下，我們不僅要做好紙質(zhì)檔案數(shù)字化——存量數(shù)字化，也要做好原生電子文件接收管理——增量電子化，還要將各業(yè)務(wù)部門通過業(yè)務(wù)系統(tǒng)產(chǎn)生的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)為檔案數(shù)據(jù)，這樣才能在數(shù)量上向“大數(shù)據(jù)”靠攏。要適應(yīng)“大數(shù)據(jù)”環(huán)境的要求，并有所作為，我們還有許多的工作需要做，還有許多的東西需要學(xué)習(xí)，千萬不可只滿足于館藏檔案的數(shù)字化。

（作者單位：開封市隴海醫(yī)院 來稿日期：2014-04-08）