●吳敏慧（廣東省立中山圖書館，廣州　510110）

大數(shù)據(jù)與圖書館信息服務新構想

●吳敏慧（廣東省立中山圖書館，廣州510110）

［關鍵詞］大數(shù)據(jù)；信息服務；信息產(chǎn)品；圖書館

［摘要］運用大數(shù)據(jù)的相關關系和核心價值提出圖書館信息服務新構想，針對大數(shù)據(jù)的特征提出應將大數(shù)據(jù)變小，及對大數(shù)據(jù)進行價值提煉，并闡述了圖書館信息服務的新機遇。

1　大數(shù)據(jù)核心價值及其應用

（1）大數(shù)據(jù)的核心價值。舍恩伯格認為，大數(shù)據(jù)的核心價值是預測，大數(shù)據(jù)不是要教會機器像人一樣思考，而是把數(shù)學算法運用到海量的數(shù)據(jù)上來預期事情發(fā)生的可能性。［1］大數(shù)據(jù)時代是人工智能、機器學習和數(shù)據(jù)挖掘等技術迅速發(fā)展所驅動的一個歷史進程，這個進程要求我們將信號轉化為數(shù)據(jù)，將數(shù)據(jù)分析為信息，將信息提煉為知識，以知識促成決策和行動。正是基于大數(shù)據(jù)的核心價值，2013年3月22日，奧巴馬政府宣布投資2億美元拉動大數(shù)據(jù)相關產(chǎn)業(yè)發(fā)展，將大數(shù)據(jù)戰(zhàn)略上升為國家意志，奧巴馬政府將數(shù)據(jù)定義為“未來的新石油”，積極發(fā)展起如蘋果、谷歌、亞馬遜等一批世界級互聯(lián)網(wǎng)企業(yè)。2013年9月底，百度公司董事長李彥宏在中關村為習近平總書記、李克強總理等中共中央政治局常委講解大數(shù)據(jù)，李彥宏認為大數(shù)據(jù)有兩個重要價值，一是促進信息消費，加快經(jīng)濟轉型升級；二是關注社會民生，帶動社會管理創(chuàng)新。

（2）大數(shù)據(jù)的應用案例。案例一，2012年11月的美國總統(tǒng)大選，眾多政治分析師和專家直到11月6日選舉日仍認為今年美國總統(tǒng)選舉難分勝負，稱民主黨候選人貝拉克·奧巴馬和共和黨候選人米特·羅姆尼旗鼓相當。美國天才統(tǒng)計學家納特·西爾弗（Nate Silver）則在當天稱，奧巴馬將贏得大多數(shù)人的選舉票，可能性90.9%。結果證明西爾弗的英明，奧巴馬所獲選舉人票數(shù)遠超羅姆尼。這次預測中，西爾弗根據(jù)多個數(shù)據(jù)點和大量的計算機建模，對每次民意調查及美國各大電視網(wǎng)給出的選舉預測結果等進行深度統(tǒng)計分析，非常準確地預測了美國50個州的投票勝負，2008年他也猜中了50個州中的49個。他稱，現(xiàn)在有那么多的民意調查數(shù)據(jù)，我就是從這堆大數(shù)據(jù)當中挖出自己所要的東西的。［2］

案例二，熱播美劇《紙牌屋》的高收視率，緣于制作方Netflix（北美最大的付費訂閱視頻網(wǎng)站）通過其網(wǎng)站上的用戶每天超過3000萬條的播放記錄，包括用戶在何時、何地、何種設備上觀看什么內容，用戶給節(jié)目添加的恐怖、必看等個性標簽，并在記錄暫停、倒退、快進、評分、搜索的同時，進行大量截圖，分析用戶在音量、畫面色彩甚至場景選取上的喜好等，然后進行精準運算，預測出美國演員凱文·史派西、美國導演大衛(wèi)·芬奇和BBC出品（英國廣播公司拍攝的電視劇或戲劇）三種元素結合在一起的電視劇產(chǎn)品將會大火特火，由此大獲成功。開創(chuàng)了大數(shù)據(jù)影響電視劇制作的先河，也將大數(shù)據(jù)的概念從技術層面下沉到生活層面。［3］

2　圖書館信息服務新構想

利用大數(shù)據(jù)的相關關系，能進一步提高受眾信息反饋的價值，拓展圖書館對受眾分析的廣度和深度，推動圖書館信息服務出現(xiàn)一些方向性調整，如從單向性的專題報告或輿情監(jiān)測向趨勢性預測報告和數(shù)據(jù)驅動型信息專題轉變，規(guī)劃“內容+關系”的圖書館信息服務新構想。

2.1運用大數(shù)據(jù)的相關關系

隨著科技的迅猛發(fā)展，人們在數(shù)據(jù)搜集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲及數(shù)據(jù)處理能力等方面都取得了極大的進步，使人們除了可以通過因果關系的方式來認識世界外，還可以根據(jù)海量的數(shù)據(jù)依靠相關性理論來進一步認識世界。所謂“相關性”是指兩個或者兩個以上變量的取值之間存在某種規(guī)律性。例如，如果A和B

經(jīng)常一起發(fā)生，我們只需要注意到如果B發(fā)生了，就可以預測A也發(fā)生了。這樣即使我們不能直接測量或觀察A，也有助于預測A可能會發(fā)生什么。例如，經(jīng)濟學家巴曙松就曾提出用“榨菜指數(shù)”觀察農(nóng)民工回流和中國城鎮(zhèn)化發(fā)展的觀點，即從關注榨菜銷量（B）的變化來觀察農(nóng)民工（A）的流向變化。這就是說，如果找到某個現(xiàn)象的良好關聯(lián)物，相關關系就可以幫助我們捕捉現(xiàn)在和預測未來。這種通過洞察細微數(shù)據(jù)之間相關性的分析方法，為我們認知世界打開了一扇新的窗戶。按照這樣的思路，未來圖書館信息服務可以在利用常規(guī)數(shù)據(jù)之外，再結合大數(shù)據(jù)之間的相關關系，從原有的靜態(tài)收集數(shù)據(jù)向動態(tài)跟蹤數(shù)據(jù)拓展，提供更加精準的信息服務。大數(shù)據(jù)中的相關關系可成為今后圖書館信息服務新思維、新領域及重點關注的方向，幫助我們走出對直覺、經(jīng)驗、常規(guī)邏輯推斷、因果關系分析等傳統(tǒng)的路徑依賴，拓寬思路飛躍到由大量的、非傳統(tǒng)的數(shù)據(jù)匯集而成的海量數(shù)據(jù)之中，不斷發(fā)現(xiàn)新的關聯(lián)模式。

2.2關注大數(shù)據(jù)的核心價值

全球大數(shù)據(jù)權威專家、美國物理學會院士艾伯特—拉斯洛·巴拉巴西認為，建立在相關關系分析法基礎上的預測是大數(shù)據(jù)的核心，有充分的證據(jù)證明，人類行為的93%是可以預測的，人類大部分行為都受制于規(guī)律、模型以及原理法則。他認為，通過找出一個關聯(lián)物并監(jiān)控它，就能預測未來，進而尋找到通往未來的鑰匙。［4］現(xiàn)時網(wǎng)絡的普及和網(wǎng)上強大的功能搜索，造成了人們有問題的第一個想法就是“自己上網(wǎng)查一查”，而不是馬上采取實質性的行動，所以，網(wǎng)上的搜索記錄完全可以成為預測某些事件發(fā)生的有力憑證。

2014年4月24日第四屆技術開放日上，百度公司正式宣布推出“大數(shù)據(jù)引擎”（該引擎包括開放云、數(shù)據(jù)工廠、百度大腦），將打造一個開放平臺，采取邀請制和免費模式，吸引通信、金融、物流、制造、農(nóng)業(yè)等行業(yè)擁有海量數(shù)據(jù)卻不知如何處理的傳統(tǒng)企業(yè)進駐，為這些公司提供存儲、關聯(lián)、分析大數(shù)據(jù)的能力。據(jù)悉，百度“大數(shù)據(jù)引擎”的開放是漸進式的，目前主要與政府、非政府組織、制造、醫(yī)療、金融、零售和教育等傳統(tǒng)領域率先展開合作。百度公司董事長李彥宏表示，未來會有更多行業(yè)被卷入，而且被卷入的速度越來越快，是一個加速發(fā)展的過程，將產(chǎn)生一場新的工業(yè)革命。

未來的圖書館信息服務應順應大數(shù)據(jù)的發(fā)展潮流，著重于關注大數(shù)據(jù)的核心價值，從目前描述事件過去狀態(tài)的信息產(chǎn)品、專題報告和輿情研究，向能預測事件未來發(fā)展方向的信息產(chǎn)品延伸轉變。例如，利用大數(shù)據(jù)對疾病爆發(fā)、失業(yè)率、社會情緒、智能交通等進行預測，幫助政府部門提高應急處理能力和安全防范能力。［5］

3　大數(shù)據(jù)帶來的問題思考

3.1大數(shù)據(jù)的收集和價值提煉

大數(shù)據(jù)具有體量大、模式多、速度快、價值總量高但價值密度低的特征，使得傳統(tǒng)的數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)處理方式都不再適用。大數(shù)據(jù)從各種源頭通過不同渠道產(chǎn)生，常包含圖像、視頻、音頻、數(shù)據(jù)流、文本、網(wǎng)頁等不同的數(shù)據(jù)格式，因此其模態(tài)是多種多樣的。面對如此龐雜的數(shù)據(jù)，圖書館大數(shù)據(jù)采集必須解決三個問題，一是如何收集大數(shù)據(jù)，二是如何將大數(shù)據(jù)變小，三是如何對大數(shù)據(jù)進行價值提煉。

（1）大數(shù)據(jù)的收集。圖書館大數(shù)據(jù)的數(shù)據(jù)源很廣泛，主要有：圖書館現(xiàn)有內部網(wǎng)各應用系統(tǒng)產(chǎn)生的數(shù)據(jù)（如圖書期刊外借數(shù)據(jù)、數(shù)據(jù)庫檢索動態(tài)數(shù)據(jù)、網(wǎng)站瀏覽量、網(wǎng)頁點擊率、人均瀏覽量、平均訪問時長、受訪域名和頁面、訪客屬性等），也有來自圖書館外互聯(lián)網(wǎng)的數(shù)據(jù)（如社交網(wǎng)絡數(shù)據(jù)及互聯(lián)網(wǎng)上資料）和物聯(lián)網(wǎng)等。但在數(shù)據(jù)源廣泛、數(shù)據(jù)量巨大的背景下，大數(shù)據(jù)決策者必須清楚地確定數(shù)據(jù)采集原則，即能夠采集到的數(shù)據(jù)，并不意味著值得或需要去采集它，需要采集的數(shù)據(jù)和能夠采集到的數(shù)據(jù)的“交集”，才是我們確定要去采集的數(shù)據(jù)。

（2）將大數(shù)據(jù)變小是在不改變數(shù)據(jù)基本屬性的前提下對數(shù)據(jù)進行清洗，在盡量不損失價值的條件下減小數(shù)據(jù)規(guī)模。為此，需要研究大數(shù)據(jù)的抽樣、去重、過濾、篩選、壓縮、索引、提取元數(shù)據(jù)等數(shù)據(jù)變換方法，直接將大數(shù)據(jù)變小，這可看作是大數(shù)據(jù)的物理變化。這時，數(shù)據(jù)分析及信息檢索策略顯得尤為重要。可采用分析主題、找出核心概念、選取規(guī)范化詞組、批量刪除重復無用數(shù)據(jù)、先選用上位詞普選再用下位詞來縮小數(shù)據(jù)范圍的方法。

（3）對大數(shù)據(jù)進行價值提煉可看作是大數(shù)據(jù)的化學反應，由于大數(shù)據(jù)中包含大量的非結構化數(shù)據(jù)，需要進行結構化的解讀和梳理，這時人機的交互分析中人的智慧顯得尤為重要，必須通過群體智慧對數(shù)據(jù)的價值進行發(fā)酵和提煉。信息人員首先要評價數(shù)據(jù)的質量與意義，需要認真考察諸如數(shù)據(jù)來源是否可靠，時效性如何，包含了怎樣的主題，應選擇哪些相關數(shù)據(jù)，出于何種目的、采用什么方法收集而來等一系列

思考與選擇。其次再對數(shù)據(jù)進行處理，去除不必要干擾性的數(shù)據(jù)，清理其中的各種誤差，并將來源紛雜、格式各異的數(shù)據(jù)轉換為統(tǒng)一格式，最終確定需要呈現(xiàn)的數(shù)據(jù)信息。［6］

3.2大數(shù)據(jù)的安全和隱私問題

現(xiàn)實中，大數(shù)據(jù)已經(jīng)在我們的身邊。當你在互聯(lián)網(wǎng)上檢索閱讀時，搜索引擎公司會記錄你的閱讀檢索習慣，并根據(jù)這些信息自動向你推薦相關廣告；當你在社交網(wǎng)絡上進行言論交流時，這些網(wǎng)站會記錄你的言論；當你駕車上路時，電子導航系統(tǒng)會自動定位并記錄你所到位置的所有數(shù)據(jù)。這些信息安全和隱私問題在大數(shù)據(jù)時代已經(jīng)防不勝防。所以圖書館需要設立一個隱私保護模式，如區(qū)分數(shù)據(jù)用途、規(guī)范數(shù)據(jù)使用者、如何評估潛在風險、如何規(guī)避或減輕潛在的傷害等。因而，圖書館要在充分評估大數(shù)據(jù)風險的基礎上，認真研究從數(shù)據(jù)生成、數(shù)據(jù)收集到數(shù)據(jù)分析應用的數(shù)據(jù)保密問題，確保信息安全。特別是圖書館信息開發(fā)針對的高端讀者群，更要把保護高端讀者隱私問題放在首要位置。

同時，對已開發(fā)的信息產(chǎn)品，圖書館要建立良好的信息產(chǎn)品保密管理制度，如設置專人專職處理信息和文獻傳遞工作、文檔加密、身份驗證等，以防范無關人員對電子文件非法訪問和隨意改動。對大數(shù)據(jù)的開發(fā)，圖書館則應通過制定相關法律法規(guī)來規(guī)范大數(shù)據(jù)開發(fā)利用行為，建立大數(shù)據(jù)使用規(guī)范和安全標準，促使數(shù)據(jù)使用者以負責任的態(tài)度使用數(shù)據(jù)，履行保護用戶隱私的責任，加大對信息竊取及篡改的懲罰力度，優(yōu)化大數(shù)據(jù)發(fā)展環(huán)境，以確保數(shù)據(jù)在內部流轉、系統(tǒng)流轉乃至外部流轉的過程中是安全可控的。

4　大數(shù)據(jù)時代圖書館信息服務新機遇

4.1大數(shù)據(jù)催生圖書館新職業(yè)

由于大數(shù)據(jù)的典型特征，圖書館學界在大數(shù)據(jù)時代將催生一批新的專業(yè)技術崗位，如信息數(shù)據(jù)分析師、圖書數(shù)據(jù)分析師等。正如復旦大學計算機研究所所長施伯樂所說，無論是個人、企業(yè)還是國家，誰能更好地抓住數(shù)據(jù)、理解數(shù)據(jù)、分析數(shù)據(jù)，誰就能在下一波的社會競爭中脫穎而出，數(shù)據(jù)的知識將成為個人知識結構中的必備要素和基礎。圖書館信息數(shù)據(jù)分析師的數(shù)據(jù)分析能力也必須要從基礎性分析、推測性分析提高到更加成熟的預測性分析上。推測性分析是根據(jù)數(shù)據(jù)的連貫性、概率性、相關類推原則等對事物發(fā)展進行定性推測，目前圖書館大多采用這種定性推測，也就是以信息人員的經(jīng)驗為主觀判斷，對事物的未來發(fā)展作出描述性推測；預測性分析則要善于分析大型的數(shù)據(jù)集以識別其趨勢，并通過建立模型進行預測，發(fā)現(xiàn)數(shù)據(jù)與事物之間的相關關系，從而準確預測事物發(fā)展方向，及時提供解決方案。

4.2未來信息服務的對策

未來信息服務的對策，一是加強用戶研究與交互數(shù)據(jù)的利用，對用戶數(shù)據(jù)進行深度分析并建立用戶模型，開展精準服務、知識關聯(lián)服務，提供預測性信息服務產(chǎn)品；二是通過數(shù)據(jù)了解現(xiàn)有的知識服務過程發(fā)生了什么、用戶需要什么服務，利用數(shù)據(jù)對圖書館與用戶的交互關系進行數(shù)據(jù)挖掘、分析和預測可能發(fā)生的信息行為；三是加強數(shù)字資源的整合、分析和挖掘，識別定位高質量信息，為客戶提供解決問題的信息服務；四是將現(xiàn)有成熟的信息采集工作模式與先進的數(shù)學模型結合，實現(xiàn)工作效率的提升；五是關注和融入社交網(wǎng)站，擴大圖書館的受眾面，實時了解讀者的需求，提升圖書館在讀者個人文化生活中的作用和影響。

總而言之，大數(shù)據(jù)應用技術將是未來圖書館服務創(chuàng)新的重要領域，圖書館界應關注和研究與之相關的技術應用和發(fā)展，建立和完善新型的知識服務模式，提高圖書館在日新月異的科學技術和社會環(huán)境下的競爭力。

［參考文獻］

［1］（英）維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代［M］.盛楊燕，周濤譯.杭州：浙江人民出版社，2013.

［2］王鵬.大數(shù)據(jù)成功預測美國大選［EB/OL］.［2012－11－07］.http://www.csdn.net/article.

［3］成雅.大數(shù)據(jù)如何捧紅《紙牌屋》［N］.南京日報，2013－09－09（A091）.

［4］（美）艾伯特—拉斯洛·巴拉巴西.爆發(fā)：大數(shù)據(jù)時代預見未來的新思維［M］.馬慧譯.北京：中國人民大學出版社，2012：8.

［5］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.

［6］吳敏慧.圖書館政府決策信息采集分析［J］.大學圖書情報學刊，2013（3）：31－34.

［收稿日期］2014－04－21 ［責任編輯］菊秋芳

［作者簡介］吳敏慧（1969－），女，館員，廣東省立中山圖書館信息部《文化內參》責任編輯，研究方向：文獻信息開發(fā)。

［文章編號］1005－8214（2015）02－0014－03

［文獻標志碼］A

［中圖分類號］G252；G250.73