文/介 晶

“大數(shù)據(jù)”正由技術(shù)熱詞變成一股社會浪潮，影響社會生活的方方面面。在以移動互聯(lián)網(wǎng)技術(shù)為代表的信息技術(shù)的快速發(fā)展和國務(wù)院部署與推動下，我國各行各業(yè)都在謀劃自己的大數(shù)據(jù)中心和大數(shù)據(jù)產(chǎn)業(yè)，那么出版業(yè)到底有沒有大數(shù)據(jù)？又擁有哪些數(shù)據(jù)？這些數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)有哪些差別呢？這些差異在未來是否可以得到轉(zhuǎn)化？我們從以下幾方面來進行比較分析。

圖1　傳統(tǒng)出版業(yè)數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)的對比

數(shù)據(jù)規(guī)模方面

1．傳統(tǒng)出版業(yè)數(shù)據(jù)規(guī)模

表1　我國傳統(tǒng)出版業(yè)數(shù)據(jù)規(guī)模

傳統(tǒng)出版業(yè)數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)有著很大差別。產(chǎn)生這些差別的主要原因是傳統(tǒng)出版單位與產(chǎn)業(yè)鏈下游用戶距離遠(yuǎn)、聯(lián)系疏。隨著出版單位在自己網(wǎng)絡(luò)平臺上業(yè)務(wù)的不斷拓展、業(yè)務(wù)規(guī)模不斷擴大，用戶能夠更多地利用互聯(lián)網(wǎng)來獲取服務(wù)，勢必會生成相應(yīng)數(shù)據(jù)，當(dāng)數(shù)據(jù)復(fù)雜性和規(guī)模達到一定程度的時候，大數(shù)據(jù)將是幫助出版單位提高服務(wù)效率、優(yōu)化產(chǎn)品效果的一條捷徑。

2．互聯(lián)網(wǎng)大數(shù)據(jù)規(guī)模

表2　互聯(lián)網(wǎng)大數(shù)據(jù)規(guī)模

3．?dāng)?shù)據(jù)規(guī)模比較

首先，傳統(tǒng)出版業(yè)以內(nèi)容資源數(shù)據(jù)為主，互聯(lián)網(wǎng)大數(shù)據(jù)以行為數(shù)據(jù)為主，從數(shù)據(jù)類型和數(shù)據(jù)內(nèi)涵來說是完全不同的，不具可比性。其次，兩者數(shù)據(jù)價值密度的差異也導(dǎo)致它們的數(shù)據(jù)規(guī)模無法進行簡單比較。傳統(tǒng)出版業(yè)的內(nèi)容資源數(shù)據(jù)是經(jīng)過嚴(yán)格的審核程序而產(chǎn)生的，其數(shù)據(jù)價值較高，具有較為集中的知識屬性；而互聯(lián)網(wǎng)大數(shù)據(jù)具有全數(shù)據(jù)收集的特點，所得數(shù)據(jù)通常是沒有經(jīng)過嚴(yán)格篩選的，這導(dǎo)致其數(shù)據(jù)量雖然大但價值密度卻較低。而數(shù)據(jù)的價值、內(nèi)容的思想目前來說是無法進行衡量的?！靶畔㈧亍敝皇且粋€比較近似的概念，它衡量的是信息價值的高低，然而對于不同的信息接收者而言，信息的價值含量亦是不同的，并不能作為客觀衡量內(nèi)容價值的尺子。

如果一定要比較數(shù)據(jù)規(guī)模的話，只能借助信息量度量單位比特（bit）這把尺子。從2007至2016年全國書刊報累計出版數(shù)據(jù)量來看，十年間正式出版的內(nèi)容數(shù)據(jù)量超過100PB，如果加上非正式出版的印刷品數(shù)據(jù)量，可能超過200PB。IDC發(fā)布的《中國互聯(lián)網(wǎng)市場洞見：互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)創(chuàng)新研究2012》曾顯示“截至2011年底，中國互聯(lián)網(wǎng)行業(yè)持有的數(shù)據(jù)總量已達1.9EB”。很明顯，2011年我國互聯(lián)網(wǎng)數(shù)據(jù)量就已遠(yuǎn)遠(yuǎn)超過傳統(tǒng)出版業(yè)十年累積數(shù)據(jù)量。同時，IDC在2016年曾預(yù)計，未來全球數(shù)據(jù)總量增長率將維持在50%左右，到2020年全球數(shù)據(jù)總量將超過40ZB，其中我國數(shù)據(jù)量將達到8.6ZB，占全球21%。所以，就數(shù)據(jù)規(guī)模而言，傳統(tǒng)出版業(yè)雖已積累了大量的內(nèi)容數(shù)據(jù)，但離大數(shù)據(jù)的海量還有一定差距。

數(shù)據(jù)類型方面

1．傳統(tǒng)出版業(yè)數(shù)據(jù)類型

表3　傳統(tǒng)出版業(yè)現(xiàn)有數(shù)據(jù)類型

2．互聯(lián)網(wǎng)大數(shù)據(jù)類型

表4　互聯(lián)網(wǎng)大數(shù)據(jù)類型

3．?dāng)?shù)據(jù)類型比較

傳統(tǒng)出版業(yè)數(shù)據(jù)主要來源于出版單位自身產(chǎn)生的數(shù)據(jù)，包括內(nèi)容數(shù)據(jù)、銷售數(shù)據(jù)、財務(wù)數(shù)據(jù)、運營數(shù)據(jù)等，其數(shù)據(jù)類型相對完整、單一；而互聯(lián)網(wǎng)大數(shù)據(jù)來源則是多樣的，包括傳感器數(shù)據(jù)、地理位置數(shù)據(jù)、消費數(shù)據(jù)、社交數(shù)據(jù)等。這使得互聯(lián)網(wǎng)大數(shù)據(jù)存在大量異構(gòu)、混亂的數(shù)據(jù)，必須通過數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)清洗才能進行下一步的數(shù)據(jù)分析與利用。

數(shù)據(jù)利用方面

1．傳統(tǒng)出版業(yè)數(shù)據(jù)利用

表5　傳統(tǒng)出版業(yè)數(shù)據(jù)利用

2．互聯(lián)網(wǎng)大數(shù)據(jù)利用

表6　互聯(lián)網(wǎng)大數(shù)據(jù)利用

3．?dāng)?shù)據(jù)用途比較

目前，傳統(tǒng)出版業(yè)的數(shù)據(jù)多用在宏觀統(tǒng)計、趨勢分析、選題策劃和營銷發(fā)行等方面；而互聯(lián)網(wǎng)大數(shù)據(jù)則更多地用在了具體產(chǎn)品的優(yōu)化迭代，以及對未來趨勢進行預(yù)測和判斷等方面。

數(shù)據(jù)其他方面

1．?dāng)?shù)據(jù)真實性比較

IBM最早提出大數(shù)據(jù)具有真實的特征，其理由是互聯(lián)網(wǎng)上留下的都是人類行為的真實電子蹤跡，能真實反映或折射人們行為乃至思想和心態(tài)。基于這些用戶數(shù)據(jù)，通過大數(shù)據(jù)模型的挖掘和匹配，可分析消費者的真實需求，進行針對性的進行產(chǎn)品設(shè)計、迭代和運營。傳統(tǒng)出版業(yè)的內(nèi)容生產(chǎn)模式是精英式的，所有正式出版的內(nèi)容都嚴(yán)格經(jīng)過“三審制”篩選。出版業(yè)的數(shù)據(jù)“真實性”主要是指內(nèi)容與知識的精準(zhǔn)性與可靠性。如此看來，兩者所說的“真實性”并不完全是一回事。

2．?dāng)?shù)據(jù)時效性比較

傳統(tǒng)出版業(yè)內(nèi)容資源數(shù)據(jù)是經(jīng)過嚴(yán)格的審核流程產(chǎn)生的靜態(tài)數(shù)據(jù)，由于內(nèi)容生產(chǎn)周期較長，故數(shù)據(jù)時效性較差；而互聯(lián)網(wǎng)大數(shù)據(jù)則是基于聯(lián)機交互、實時更新的動態(tài)數(shù)據(jù)，其時效性較強。大數(shù)據(jù)就像是活水，時刻都有流動的新數(shù)據(jù)注入。

3．?dāng)?shù)據(jù)產(chǎn)生方式比較

傳統(tǒng)出版業(yè)內(nèi)容生產(chǎn)流程較為復(fù)雜，需經(jīng)過選題策劃、組稿、審稿、加工整理、裝幀設(shè)計、發(fā)稿等一系列出版環(huán)節(jié)，具有嚴(yán)格內(nèi)容審查和編輯機制。故其內(nèi)容資源數(shù)據(jù)是經(jīng)過編輯等出版專業(yè)技術(shù)人員根據(jù)出版規(guī)范人工干預(yù)把關(guān)所得，這種傳統(tǒng)出版的生產(chǎn)模式屬于精英式生產(chǎn)。而互聯(lián)網(wǎng)大數(shù)據(jù)均為自動產(chǎn)生的數(shù)據(jù)，這些數(shù)據(jù)的收集和獲取是不需要人為干預(yù)的。

4．用戶信息掌握程度比較

傳統(tǒng)出版業(yè)長期以來是不知道哪些讀者購買了出版物，不知道讀者的真正需求所在。無論是傳統(tǒng)出版業(yè)中的報刊業(yè)，還是圖書業(yè)，對用戶信息都不能及時收集和分析，不能掌握讀者的真實需求。即便是通過第三方電商平臺來銷售出版物，出版單位也僅能得到電商平臺提供的銷售量數(shù)據(jù)，而無法獲得讀者具體行為數(shù)據(jù)，從而無法掌握讀者喜好、職業(yè)、性別和年齡等信息，這將使出版單位無法對讀者進行群體細(xì)分，也就無法做到針對性內(nèi)容策劃和精準(zhǔn)營銷，造成同質(zhì)化選題大量出現(xiàn)，浪費出版資源。而大數(shù)據(jù)則不同，大數(shù)據(jù)應(yīng)用特點之一便是可全面記錄用戶行為數(shù)據(jù)，并能給出用戶畫像，可對用戶進行群體細(xì)分，從而可以進行精準(zhǔn)內(nèi)容推薦和產(chǎn)品優(yōu)化等。

從上面幾方面可看出，傳統(tǒng)出版業(yè)數(shù)據(jù)與互聯(lián)網(wǎng)大數(shù)據(jù)有著很大差別。產(chǎn)生這些差別的主要原因是傳統(tǒng)出版單位與產(chǎn)業(yè)鏈下游用戶距離遠(yuǎn)、聯(lián)系疏。隨著出版單位在自己網(wǎng)絡(luò)平臺上業(yè)務(wù)的不斷拓展、業(yè)務(wù)規(guī)模不斷擴大，用戶能夠更多地利用互聯(lián)網(wǎng)來獲取服務(wù)，勢必會生成相應(yīng)數(shù)據(jù)，當(dāng)數(shù)據(jù)復(fù)雜性和規(guī)模達到一定程度的時候，大數(shù)據(jù)將是幫助出版單位提高服務(wù)效率、優(yōu)化產(chǎn)品效果的一條捷徑。