丁燕偉 吳夏艷

（首都師范大學(xué)出版社，北京100048）

大數(shù)據(jù)（Big Data），曾經(jīng)是互聯(lián)網(wǎng)信息技術(shù)行業(yè)的關(guān)鍵詞，如今已進(jìn)入人類視野。在技術(shù)革命和產(chǎn)業(yè)變革的背景下，大數(shù)據(jù)無(wú)論是作為戰(zhàn)略、工具還是資源，都具有巨大的變革力量，影響著許多行業(yè)和領(lǐng)域。出版業(yè)是文化和信息產(chǎn)業(yè)的重要組成部分，也不例外。大數(shù)據(jù)在出版過(guò)程中創(chuàng)造了整個(gè)循環(huán)結(jié)構(gòu)，涵蓋了從主題策劃、內(nèi)部產(chǎn)品制作、制作策劃到營(yíng)銷的各個(gè)環(huán)節(jié)。大數(shù)據(jù)不僅已經(jīng)滲透到出版業(yè)的整個(gè)功能領(lǐng)域，而且通過(guò)考察當(dāng)前出版物中大數(shù)據(jù)的使用，逐漸成為出版商提高生產(chǎn)力、創(chuàng)新能力和競(jìng)爭(zhēng)力的重要保障。

1.大數(shù)據(jù)與大數(shù)據(jù)技術(shù)概述

過(guò)去對(duì)大數(shù)據(jù)（Big Data）并沒(méi)有統(tǒng)一的定義，一般的定義是：大數(shù)據(jù)或稱為海量數(shù)據(jù)、巨量數(shù)據(jù)和巨大資料。[1]是指數(shù)據(jù)的數(shù)量以及規(guī)模都宏大到無(wú)法被人類攔截、管理、處理和歸類為可讀信息的巨量數(shù)據(jù)。大數(shù)據(jù)具有四個(gè)主要特征：數(shù)據(jù)量大、數(shù)據(jù)類型多樣、處理速度快、價(jià)值密度低。在大數(shù)據(jù)時(shí)代，如此多的數(shù)據(jù)如何挖掘和使用方式影響了大數(shù)據(jù)技術(shù)的使用。大數(shù)據(jù)的使用可以很容易地分為大數(shù)據(jù)挖掘、大數(shù)據(jù)處理、大數(shù)據(jù)儲(chǔ)存與管理、大數(shù)據(jù)分析、大數(shù)據(jù)應(yīng)用、大數(shù)據(jù)應(yīng)用安全等，其中大數(shù)據(jù)分析最為重要。精準(zhǔn)的數(shù)據(jù)分析是數(shù)據(jù)應(yīng)用的基礎(chǔ)，也是大數(shù)據(jù)實(shí)現(xiàn)本身價(jià)值、為用戶帶來(lái)利益的保障。從這個(gè)角度來(lái)看，關(guān)鍵的大數(shù)據(jù)技術(shù)包括云計(jì)算、分布式文件系統(tǒng)和并行計(jì)算架構(gòu)。

大數(shù)據(jù)來(lái)自云計(jì)算，與此息息相關(guān)。大數(shù)據(jù)為云計(jì)算提供分析內(nèi)容，云計(jì)算為大數(shù)據(jù)分析提供基礎(chǔ)設(shè)施。由于數(shù)據(jù)量在PB（1024TB=1PB）、EB（1024PB=1EB）甚至ZB（1024EB）中的升級(jí)，難免會(huì)產(chǎn)生大量重復(fù)或無(wú)效數(shù)據(jù)，需要大量的計(jì)算能力和可擴(kuò)展的采集，云技術(shù)正好完全具備這些能力。[2]

分布式文件系統(tǒng)可以通過(guò)計(jì)算機(jī)網(wǎng)絡(luò)將物理資源連接到非本地節(jié)點(diǎn)，從而允許多個(gè)節(jié)點(diǎn)形成文件系統(tǒng)網(wǎng)絡(luò)。并行計(jì)算允許同時(shí)進(jìn)行多個(gè)計(jì)算。分布式文件系統(tǒng)和并行計(jì)算機(jī)數(shù)據(jù)庫(kù)是大數(shù)據(jù)時(shí)代的關(guān)鍵技術(shù)，hadup結(jié)構(gòu)是典型的實(shí)現(xiàn)模型。

2.大數(shù)據(jù)應(yīng)用的發(fā)展背景

國(guó)內(nèi)外媒體將2013年稱為“大數(shù)據(jù)年”，大數(shù)據(jù)成為熱門話題。在此之前，有大量的與大數(shù)據(jù)相關(guān)的研究成果出現(xiàn)，其中影響最大的是一本書(shū)、一份研究報(bào)告和一份政府發(fā)展規(guī)劃，分別出現(xiàn)在三個(gè)時(shí)間線，跨越30多年：首次出現(xiàn)在Alvin Toffler（美國(guó)未來(lái)學(xué)家）于1980年3月發(fā)表的著作《第三次浪潮》。[3]Toffler在書(shū)中描述了他對(duì)未來(lái)的預(yù)測(cè)和愿景，首次引用了大數(shù)據(jù)，將大數(shù)據(jù)視為“第三次浪潮的多彩運(yùn)動(dòng)”。其次，2001年，“大數(shù)據(jù)”的概念首次出現(xiàn)在Gartner公司的一份研究報(bào)告中，定義了大數(shù)據(jù)大容量、多樣化和速度快的特點(diǎn)。[4]第三，2012年，奧巴馬政府發(fā)布了一項(xiàng)涉及6個(gè)聯(lián)邦機(jī)構(gòu)、投資2億美元的“大數(shù)據(jù)研發(fā)計(jì)劃”，首次將大數(shù)據(jù)發(fā)展提升到國(guó)家戰(zhàn)略層面。[5]

在中國(guó)，2013年以來(lái)大數(shù)據(jù)應(yīng)用的發(fā)展環(huán)境良好，大致可以分為三個(gè)階段：

第一階段：2013年——探索研究證明階段

2013 年，一些研究對(duì)大規(guī)模數(shù)據(jù)處理技術(shù)的重要性及其實(shí)施提供了理論解釋。例如，2013年7月，在第五屆中國(guó)數(shù)字出版物展覽會(huì)上發(fā)布了2012—2013年中國(guó)數(shù)字出版物年度報(bào)告。報(bào)告首次對(duì)數(shù)字出版物進(jìn)行了大量數(shù)據(jù)分析和挖掘，是數(shù)字出版物的發(fā)展趨勢(shì)之一。

第二階段：2014年——真正意義上的實(shí)施階段

2014年，我國(guó)出臺(tái)大數(shù)據(jù)政策措施。工業(yè)和信息化部、國(guó)家發(fā)展改革委、科技部、財(cái)政部等政府部門支持發(fā)展資金和發(fā)展規(guī)劃。各級(jí)政府在大型信息項(xiàng)目、研究項(xiàng)目和技術(shù)傳播方面也發(fā)揮著重要作用。成立中關(guān)村大數(shù)據(jù)交易產(chǎn)業(yè)聯(lián)盟，開(kāi)始在全國(guó)各區(qū)省市建立大數(shù)據(jù)庫(kù)。 《關(guān)于加快培育大數(shù)據(jù)產(chǎn)業(yè)集群推動(dòng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的意見(jiàn)》的出臺(tái)，為國(guó)內(nèi)大規(guī)模數(shù)據(jù)交易的管控提供了標(biāo)準(zhǔn)。

第三階段，2015年至今——國(guó)家戰(zhàn)略規(guī)劃階段

在國(guó)家戰(zhàn)略發(fā)展層面推動(dòng)大數(shù)據(jù)發(fā)展始于2015年。2015年，國(guó)務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》（以下簡(jiǎn)稱《綱要》）。[6]《綱要》將數(shù)據(jù)作為國(guó)家的主要戰(zhàn)略資源，加快大數(shù)據(jù)的引入和深化是必然要求和必然選擇。

3.大數(shù)據(jù)在當(dāng)前出版過(guò)程中的實(shí)施

3.1 大數(shù)據(jù)改變出版流程格局

對(duì)傳統(tǒng)出版流程最常見(jiàn)的描述是“作者—出版商—讀者”。作者是主體，讀者是終端，出版商是中間過(guò)程。版權(quán)和訂單是絕對(duì)中心，讀者只是內(nèi)容的接收者。這種開(kāi)放式線性結(jié)構(gòu)的最大缺點(diǎn)是將需求與生產(chǎn)劃分為兩個(gè)不同的主體，經(jīng)驗(yàn)成為重要依據(jù)，論證聯(lián)系缺乏必要的科學(xué)性。

大數(shù)據(jù)在出版過(guò)程中最大的應(yīng)用是創(chuàng)建一個(gè)“讀者—出版商—作者—讀者”的閉環(huán)結(jié)構(gòu)。讀者既是起點(diǎn)又是終點(diǎn)，既是內(nèi)容生產(chǎn)參與者也是內(nèi)容消費(fèi)者，是新媒體時(shí)代以受眾為中心理論的典型詮釋，這個(gè)出版過(guò)程體現(xiàn)了大數(shù)據(jù)思維下的出版理念。這個(gè)概念和實(shí)踐始于電子商務(wù)，其中最具代表性的是國(guó)外的亞馬遜和中國(guó)的京東。在收集和分析用戶行為數(shù)據(jù)（包括搜索、查看、購(gòu)買、投票等）時(shí)，生產(chǎn)和需求的直接聯(lián)系也保證了利潤(rùn)最大化。

3.2 基于大數(shù)據(jù)的選題規(guī)劃

大數(shù)據(jù)首先有助于主題選擇和策劃，這在涉及出版的新媒體公司中尤為重要。這些公司大多擁有強(qiáng)大的網(wǎng)絡(luò)數(shù)據(jù)，在收集、分析和使用與傳統(tǒng)出版物相關(guān)的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)方面具有優(yōu)勢(shì)?？梢噪S時(shí)通過(guò)社交平臺(tái)和電子商務(wù)平臺(tái)記錄用戶行為，快速準(zhǔn)確地反映特定領(lǐng)域的社會(huì)熱點(diǎn)和趨勢(shì)，為規(guī)劃問(wèn)題提出重要建議。近年來(lái)，許多暢銷書(shū)的成功都是基于將大量數(shù)據(jù)納入選題規(guī)劃。在中國(guó)最具代表性的是《大衛(wèi)·貝克漢姆》，由自營(yíng)電子商務(wù)公司京東于2014年基于對(duì)1700萬(wàn)網(wǎng)站用戶的分析而推出。[7]

3.3 基于大數(shù)據(jù)的量產(chǎn)

在創(chuàng)作內(nèi)容的過(guò)程中，大量的數(shù)據(jù)是決定作者是否應(yīng)該如何表達(dá)作品的內(nèi)容或歷史發(fā)展方向的最佳框架。電子出版公司 Colliloquy 在這方面取得了成功。 Coliloquy 使用 Amazon Kindle 創(chuàng)建交互式內(nèi)容，允許讀者使用“選擇你的冒險(xiǎn)”模型創(chuàng)建角色和情節(jié)。收集讀者選擇創(chuàng)建的數(shù)據(jù)，然后發(fā)送給作者修改腳本，《饑餓游戲》正是基于這種想法的實(shí)踐。

3.4 基于大數(shù)據(jù)的展示與制作

排版制作主要包括內(nèi)容審核、編輯、修正、排版等。近年來(lái)，基于XML數(shù)據(jù)處理標(biāo)準(zhǔn)的數(shù)字生產(chǎn)平臺(tái)已經(jīng)在互聯(lián)網(wǎng)環(huán)境中得到應(yīng)用。包括用于多用途遠(yuǎn)程編輯協(xié)作的多用戶在線編輯平臺(tái)，為作者、讀者、編輯、出版商等多種角色的實(shí)時(shí)交流和編輯應(yīng)用程序提供機(jī)會(huì)。另外，生產(chǎn)過(guò)程中的成品數(shù)據(jù)和碎片化數(shù)據(jù)可以同時(shí)存儲(chǔ)，便于內(nèi)容的跟蹤和提取。在編輯過(guò)程中，數(shù)字標(biāo)注工具可以根據(jù)常用的預(yù)定義修正符號(hào)對(duì)稿件進(jìn)行電子標(biāo)注。海量數(shù)據(jù)庫(kù)確保內(nèi)容可以找到自定義出版樣式，自動(dòng)排版，鏈接不同模板，創(chuàng)建不同版本?；诖罅繑?shù)據(jù)的編輯不僅提高了編輯效率，還提高了最終產(chǎn)品的質(zhì)量。

3.5 基于大數(shù)據(jù)的精準(zhǔn)營(yíng)銷

所謂精準(zhǔn)營(yíng)銷，就是要“降低營(yíng)銷成本，提高營(yíng)銷效果”，把產(chǎn)品送到真正需要的用戶手中。通過(guò)使用廣泛的信息技術(shù)進(jìn)行營(yíng)銷，出版商和媒體不僅可以深化客戶數(shù)據(jù)，還可以利用社交網(wǎng)絡(luò)等多種平臺(tái)來(lái)維持個(gè)人和互動(dòng)聯(lián)系，并增加或提高用戶忠誠(chéng)度。分析社交網(wǎng)絡(luò)用戶圈子，實(shí)施有針對(duì)性的營(yíng)銷活動(dòng)。

亞馬遜在營(yíng)銷數(shù)據(jù)方面做得很好。亞馬遜用個(gè)性化數(shù)據(jù)驅(qū)動(dòng)的推薦系統(tǒng)取代了之前的專家推薦系統(tǒng)，從而促進(jìn)了銷售。系統(tǒng)通過(guò)分析消費(fèi)信息（例如買書(shū)、關(guān)注書(shū)籍等）向讀者推薦書(shū)籍。除了推薦的定制系統(tǒng)，亞馬遜也進(jìn)入了營(yíng)銷和數(shù)據(jù)傳遞的重要階段。實(shí)體預(yù)定分布利用大數(shù)據(jù)技術(shù)深入分析過(guò)往消費(fèi)支出、搜索歷史列表、客戶購(gòu)買新產(chǎn)品的預(yù)測(cè)、產(chǎn)品是否準(zhǔn)備交付給客戶或在指導(dǎo)前靠近客戶存儲(chǔ)，客戶下單時(shí)，收到貨物的時(shí)間是以“小時(shí)”而不是“天”來(lái)衡量的。交付模式中的沉默可以部分提高客戶忠誠(chéng)度，提高亞馬遜在客戶中的聲譽(yù)。

總的來(lái)說(shuō)，大數(shù)據(jù)在出版行業(yè)的應(yīng)用還處于起步階段，有很多問(wèn)題需要探索和檢驗(yàn)。本土媒體企業(yè)最重要的是盡快進(jìn)行數(shù)字化轉(zhuǎn)型，結(jié)合自身實(shí)際，開(kāi)發(fā)大數(shù)據(jù)應(yīng)用，利用大數(shù)據(jù)推動(dòng)業(yè)務(wù)流程轉(zhuǎn)型和商業(yè)模式創(chuàng)新。

4.大數(shù)據(jù)在當(dāng)前出版模式中的應(yīng)用

4.1 基于數(shù)據(jù)分析的專題出版

大數(shù)據(jù)和分析方法的使用，旨在為數(shù)據(jù)分析尋找原理、發(fā)現(xiàn)規(guī)則、預(yù)測(cè)應(yīng)用，專題出版就是其中的一種應(yīng)用。谷歌圖書(shū)館數(shù)據(jù)庫(kù)收集了從公元時(shí)期—— 20 世紀(jì)至今出版的相關(guān)數(shù)據(jù)，通過(guò)分析各個(gè)學(xué)科的數(shù)據(jù)，尤其是對(duì)高頻話題進(jìn)行提取和分類，具有重要的商業(yè)意義。處于討論熱度最高的“Coliloquy模式”，核心也是專題出版，Coliloquy 使用亞馬遜Kindle數(shù)據(jù)開(kāi)發(fā)者項(xiàng)目開(kāi)發(fā)軟件，收集用戶數(shù)據(jù)，特別是用戶反復(fù)突出和分析的內(nèi)容，分析和提取話題，確定青春、浪漫和科幻的出版方向，并公開(kāi)招募作家加入團(tuán)隊(duì)，最近又添加了犯罪和法律驚悚主題的版本小說(shuō)。 90% 的讀者讀過(guò)這本書(shū)（通常為 2.99 美元到 7.99 美元），67% 的讀者重復(fù)讀過(guò)。“Coliloquy模式”的成功基于對(duì)已發(fā)表數(shù)據(jù)的分析主題的定位。[8]

4.2 基于數(shù)據(jù)交互的視覺(jué)出版

可視化技術(shù)最早應(yīng)用于計(jì)算機(jī)領(lǐng)域，它利用計(jì)算機(jī)圖形和圖像處理技術(shù)將數(shù)據(jù)轉(zhuǎn)換成圖形、音頻和視頻或動(dòng)畫(huà)與機(jī)器進(jìn)行交互。它是一種結(jié)合數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)處理和決策分析的技術(shù)。 閱讀體驗(yàn)是評(píng)價(jià)當(dāng)前出版物的重要指標(biāo)，基于大數(shù)據(jù)交互的可視化，不僅可以更直觀、更簡(jiǎn)化各種抽象復(fù)雜的知識(shí)，在很大程度上消除人們的閱讀障礙，提供高效便捷的閱讀，還可以實(shí)現(xiàn)數(shù)據(jù)在多空間的同時(shí)展示，為人們帶來(lái)3D的閱讀體驗(yàn)。視覺(jué)出版是出版業(yè)的最新模式，將對(duì)出版業(yè)的發(fā)展產(chǎn)生革命性的影響。目前，該模型適用于兒童和科技技術(shù)的出版物，出版方向?yàn)槠矫媾c定型、靜態(tài)與動(dòng)態(tài)相結(jié)合的方向。

4.3 交互式數(shù)據(jù)驅(qū)動(dòng)出版

Web2.0 時(shí)期最大的成就之一是維基百科的誕生，這是維基百科技術(shù)在實(shí)踐中最成功的應(yīng)用。在同一個(gè)開(kāi)放的數(shù)據(jù)平臺(tái)上，用戶從不同的角度解讀相同的事件或觀點(diǎn)，個(gè)人解讀的需求是新媒體受眾的一個(gè)關(guān)鍵特征。這種想法和實(shí)踐催生了一種新的出版模式——交互式出版。Storybird 的“數(shù)字歷史”創(chuàng)建服務(wù)平臺(tái)就是一個(gè)很好的示范。 Storybird 是一個(gè)基于視覺(jué)敘事的公共平臺(tái)。提供來(lái)自世界各地的免費(fèi)插圖，鼓勵(lì)讀者選擇有趣的圖像并以書(shū)面形式分享，從而為原創(chuàng)書(shū)籍和出版物提供了大量服務(wù)。插圖的個(gè)人解讀是內(nèi)容互動(dòng)的延續(xù)，讀者的靈感與體驗(yàn)的融合，使每個(gè)版本都極其獨(dú)特且具有自己的歸屬。 Storybird 在全球擁有超過(guò) 200 萬(wàn)用戶，自成立以來(lái)的兩年內(nèi)創(chuàng)造了 500 萬(wàn)個(gè)故事。通過(guò)線上或線下出版，它提供了一種新的思維方式和新的出版方式。

4.4 基于數(shù)據(jù)共享的合縱連橫出版

在傳統(tǒng)媒體的轉(zhuǎn)型發(fā)展中，數(shù)字化是方向，戰(zhàn)略合作是方法。創(chuàng)建數(shù)字內(nèi)容和專業(yè)數(shù)據(jù)庫(kù)（尤其是海量數(shù)據(jù)）是跨社區(qū)、跨社會(huì)、跨行、跨界合作的必然趨勢(shì)和要求。[9]“農(nóng)業(yè)數(shù)字圖書(shū)館”采用基于共享數(shù)據(jù)的公開(kāi)公共模式。農(nóng)業(yè)數(shù)字圖書(shū)館是多省共同開(kāi)發(fā)的出版項(xiàng)目。在9省聯(lián)合平臺(tái)南昌會(huì)議上，達(dá)成了1600多種農(nóng)業(yè)圖書(shū)電子版權(quán)合作協(xié)議，統(tǒng)一授權(quán)中原農(nóng)民出版社、江蘇鳳凰三農(nóng)出版中心 ，300種農(nóng)業(yè)圖書(shū)資源庫(kù)以端口開(kāi)放形式給予支持，聯(lián)合建設(shè)《農(nóng)業(yè)數(shù)字圖書(shū)館》。第一個(gè)項(xiàng)目2000本農(nóng)業(yè)圖書(shū)，匯集9省中部資源，第二個(gè)項(xiàng)目將擴(kuò)展到全國(guó)農(nóng)業(yè)出版機(jī)構(gòu)。這種基于數(shù)據(jù)交換的數(shù)據(jù)共享和橫向發(fā)布模式，減少了參考鏈接的重復(fù)工作，并允許內(nèi)容再生性、多樣性和資源完整性，提高數(shù)據(jù)發(fā)布質(zhì)量。

結(jié)語(yǔ)

2013年，阿里巴巴重組了25個(gè)業(yè)務(wù)部門，以收購(gòu)的方式獲取相關(guān)產(chǎn)業(yè)以及行業(yè)的數(shù)據(jù)，豐富阿里巴巴強(qiáng)大的數(shù)據(jù)庫(kù)。2014年，在北京的一次大型信息發(fā)布會(huì)上，阿里巴巴集團(tuán)創(chuàng)始人在演講中宣布，人類正在從IT時(shí)代向DT時(shí)代過(guò)渡。阿里巴巴贏得了大量的數(shù)據(jù)紅利，用數(shù)據(jù)獲得利益是未來(lái)的關(guān)鍵因素。 2015年杭州云棲大會(huì)上宣布DT時(shí)代是新能源時(shí)代。 “這一時(shí)期的主要來(lái)源不是石油，而是數(shù)據(jù)?！痹?2016 年云棲大會(huì)結(jié)束時(shí)，馬云重申，“未來(lái)的趨勢(shì)不僅是知識(shí)驅(qū)動(dòng)的，還有智能和數(shù)據(jù)驅(qū)動(dòng)的?！?“基于互聯(lián)網(wǎng)和海量數(shù)據(jù)技術(shù)的未來(lái)，它為人類創(chuàng)造了無(wú)數(shù)的想象和空間?！彪m然大多數(shù)出版公司沒(méi)有豐富的信息資源、先進(jìn)的技術(shù)和足夠的資源，但它們應(yīng)該擁有大數(shù)據(jù)才能控制出版發(fā)展的思想。當(dāng)然，大數(shù)據(jù)技術(shù)在出版行業(yè)的應(yīng)用還處于起步階段，還有很多問(wèn)題需要探索和檢驗(yàn)。但它的價(jià)值和重要性為出版業(yè)的發(fā)展提供了無(wú)限的想象空間。