大數(shù)據(jù)與圖書館信息服務(wù)新構(gòu)想

●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(wù)新構(gòu)想

●吳敏慧（廣東省立中山圖書館，廣州510110）

［關(guān)鍵詞］大數(shù)據(jù)；信息服務(wù)；信息產(chǎn)品；圖書館

［摘要］運(yùn)用大數(shù)據(jù)的相關(guān)關(guān)系和核心價(jià)值提出圖書館信息服務(wù)新構(gòu)想，針對(duì)大數(shù)據(jù)的特征提出應(yīng)將大數(shù)據(jù)變小，及對(duì)大數(shù)據(jù)進(jìn)行價(jià)值提煉，并闡述了圖書館信息服務(wù)的新機(jī)遇。

1　大數(shù)據(jù)核心價(jià)值及其應(yīng)用

（1）大數(shù)據(jù)的核心價(jià)值。舍恩伯格認(rèn)為，大數(shù)據(jù)的核心價(jià)值是預(yù)測(cè)，大數(shù)據(jù)不是要教會(huì)機(jī)器像人一樣思考，而是把數(shù)學(xué)算法運(yùn)用到海量的數(shù)據(jù)上來(lái)預(yù)期事情發(fā)生的可能性。［1］大數(shù)據(jù)時(shí)代是人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等技術(shù)迅速發(fā)展所驅(qū)動(dòng)的一個(gè)歷史進(jìn)程，這個(gè)進(jìn)程要求我們將信號(hào)轉(zhuǎn)化為數(shù)據(jù)，將數(shù)據(jù)分析為信息，將信息提煉為知識(shí)，以知識(shí)促成決策和行動(dòng)。正是基于大數(shù)據(jù)的核心價(jià)值，2013年3月22日，奧巴馬政府宣布投資2億美元拉動(dòng)大數(shù)據(jù)相關(guān)產(chǎn)業(yè)發(fā)展，將大數(shù)據(jù)戰(zhàn)略上升為國(guó)家意志，奧巴馬政府將數(shù)據(jù)定義為“未來(lái)的新石油”，積極發(fā)展起如蘋果、谷歌、亞馬遜等一批世界級(jí)互聯(lián)網(wǎng)企業(yè)。2013年9月底，百度公司董事長(zhǎng)李彥宏在中關(guān)村為習(xí)近平總書記、李克強(qiáng)總理等中共中央政治局常委講解大數(shù)據(jù)，李彥宏認(rèn)為大數(shù)據(jù)有兩個(gè)重要價(jià)值，一是促進(jìn)信息消費(fèi)，加快經(jīng)濟(jì)轉(zhuǎn)型升級(jí)；二是關(guān)注社會(huì)民生，帶動(dòng)社會(huì)管理創(chuàng)新。

（2）大數(shù)據(jù)的應(yīng)用案例。案例一，2012年11月的美國(guó)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(rèn)為今年美國(guó)總統(tǒng)選舉難分勝負(fù)，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(dāng)。美國(guó)天才統(tǒng)計(jì)學(xué)家納特·西爾弗（Nate Silver）則在當(dāng)天稱，奧巴馬將贏得大多數(shù)人的選舉票，可能性90.9%。結(jié)果證明西爾弗的英明，奧巴馬所獲選舉人票數(shù)遠(yuǎn)超羅姆尼。這次預(yù)測(cè)中，西爾弗根據(jù)多個(gè)數(shù)據(jù)點(diǎn)和大量的計(jì)算機(jī)建模，對(duì)每次民意調(diào)查及美國(guó)各大電視網(wǎng)給出的選舉預(yù)測(cè)結(jié)果等進(jìn)行深度統(tǒng)計(jì)分析，非常準(zhǔn)確地預(yù)測(cè)了美國(guó)50個(gè)州的投票勝負(fù)，2008年他也猜中了50個(gè)州中的49個(gè)。他稱，現(xiàn)在有那么多的民意調(diào)查數(shù)據(jù)，我就是從這堆大數(shù)據(jù)當(dāng)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(fèi)訂閱視頻網(wǎng)站）通過(guò)其網(wǎng)站上的用戶每天超過(guò)3000萬(wàn)條的播放記錄，包括用戶在何時(shí)、何地、何種設(shè)備上觀看什么內(nèi)容，用戶給節(jié)目添加的恐怖、必看等個(gè)性標(biāo)簽，并在記錄暫停、倒退、快進(jìn)、評(píng)分、搜索的同時(shí)，進(jìn)行大量截圖，分析用戶在音量、畫面色彩甚至場(chǎng)景選取上的喜好等，然后進(jìn)行精準(zhǔn)運(yùn)算，預(yù)測(cè)出美國(guó)演員凱文·史派西、美國(guó)導(dǎo)演大衛(wèi)·芬奇和BBC出品（英國(guó)廣播公司拍攝的電視劇或戲?。┤N元素結(jié)合在一起的電視劇產(chǎn)品將會(huì)大火特火，由此大獲成功。開(kāi)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(shù)層面下沉到生活層面。［3］

2　圖書館信息服務(wù)新構(gòu)想

利用大數(shù)據(jù)的相關(guān)關(guān)系，能進(jìn)一步提高受眾信息反饋的價(jià)值，拓展圖書館對(duì)受眾分析的廣度和深度，推動(dòng)圖書館信息服務(wù)出現(xiàn)一些方向性調(diào)整，如從單向性的專題報(bào)告或輿情監(jiān)測(cè)向趨勢(shì)性預(yù)測(cè)報(bào)告和數(shù)據(jù)驅(qū)動(dòng)型信息專題轉(zhuǎn)變，規(guī)劃“內(nèi)容+關(guān)系”的圖書館信息服務(wù)新構(gòu)想。

2.1運(yùn)用大數(shù)據(jù)的相關(guān)關(guān)系

隨著科技的迅猛發(fā)展，人們?cè)跀?shù)據(jù)搜集、數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)及數(shù)據(jù)處理能力等方面都取得了極大的進(jìn)步，使人們除了可以通過(guò)因果關(guān)系的方式來(lái)認(rèn)識(shí)世界外，還可以根據(jù)海量的數(shù)據(jù)依靠相關(guān)性理論來(lái)進(jìn)一步認(rèn)識(shí)世界。所謂“相關(guān)性”是指兩個(gè)或者兩個(gè)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(yù)測(cè)A也發(fā)生了。這樣即使我們不能直接測(cè)量或觀察A，也有助于預(yù)測(cè)A可能會(huì)發(fā)生什么。例如，經(jīng)濟(jì)學(xué)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(guó)城鎮(zhèn)化發(fā)展的觀點(diǎn)，即從關(guān)注榨菜銷量（B）的變化來(lái)觀察農(nóng)民工（A）的流向變化。這就是說(shuō)，如果找到某個(gè)現(xiàn)象的良好關(guān)聯(lián)物，相關(guān)關(guān)系就可以幫助我們捕捉現(xiàn)在和預(yù)測(cè)未來(lái)。這種通過(guò)洞察細(xì)微數(shù)據(jù)之間相關(guān)性的分析方法，為我們認(rèn)知世界打開(kāi)了一扇新的窗戶。按照這樣的思路，未來(lái)圖書館信息服務(wù)可以在利用常規(guī)數(shù)據(jù)之外，再結(jié)合大數(shù)據(jù)之間的相關(guān)關(guān)系，從原有的靜態(tài)收集數(shù)據(jù)向動(dòng)態(tài)跟蹤數(shù)據(jù)拓展，提供更加精準(zhǔn)的信息服務(wù)。大數(shù)據(jù)中的相關(guān)關(guān)系可成為今后圖書館信息服務(wù)新思維、新領(lǐng)域及重點(diǎn)關(guān)注的方向，幫助我們走出對(duì)直覺(jué)、經(jīng)驗(yàn)、常規(guī)邏輯推斷、因果關(guān)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(guān)聯(lián)模式。

2.2關(guān)注大數(shù)據(jù)的核心價(jià)值

全球大數(shù)據(jù)權(quán)威專家、美國(guó)物理學(xué)會(huì)院士艾伯特—拉斯洛·巴拉巴西認(rèn)為，建立在相關(guān)關(guān)系分析法基礎(chǔ)上的預(yù)測(cè)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(yù)測(cè)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(rèn)為，通過(guò)找出一個(gè)關(guān)聯(lián)物并監(jiān)控它，就能預(yù)測(cè)未來(lái)，進(jìn)而尋找到通往未來(lái)的鑰匙。［4］現(xiàn)時(shí)網(wǎng)絡(luò)的普及和網(wǎng)上強(qiáng)大的功能搜索，造成了人們有問(wèn)題的第一個(gè)想法就是“自己上網(wǎng)查一查”，而不是馬上采取實(shí)質(zhì)性的行動(dòng)，所以，網(wǎng)上的搜索記錄完全可以成為預(yù)測(cè)某些事件發(fā)生的有力憑證。

2014年4月24日第四屆技術(shù)開(kāi)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(kāi)放云、數(shù)據(jù)工廠、百度大腦），將打造一個(gè)開(kāi)放平臺(tái)，采取邀請(qǐng)制和免費(fèi)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(jìn)駐，為這些公司提供存儲(chǔ)、關(guān)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(kāi)放是漸進(jìn)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(lǐng)域率先展開(kāi)合作。百度公司董事長(zhǎng)李彥宏表示，未來(lái)會(huì)有更多行業(yè)被卷入，而且被卷入的速度越來(lái)越快，是一個(gè)加速發(fā)展的過(guò)程，將產(chǎn)生一場(chǎng)新的工業(yè)革命。

未來(lái)的圖書館信息服務(wù)應(yīng)順應(yīng)大數(shù)據(jù)的發(fā)展潮流，著重于關(guān)注大數(shù)據(jù)的核心價(jià)值，從目前描述事件過(guò)去狀態(tài)的信息產(chǎn)品、專題報(bào)告和輿情研究，向能預(yù)測(cè)事件未來(lái)發(fā)展方向的信息產(chǎn)品延伸轉(zhuǎn)變。例如，利用大數(shù)據(jù)對(duì)疾病爆發(fā)、失業(yè)率、社會(huì)情緒、智能交通等進(jìn)行預(yù)測(cè)，幫助政府部門提高應(yīng)急處理能力和安全防范能力。［5］

3　大數(shù)據(jù)帶來(lái)的問(wèn)題思考

3.1大數(shù)據(jù)的收集和價(jià)值提煉

大數(shù)據(jù)具有體量大、模式多、速度快、價(jià)值總量高但價(jià)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(guò)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(yè)等不同的數(shù)據(jù)格式，因此其模態(tài)是多種多樣的。面對(duì)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(gè)問(wèn)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(duì)大數(shù)據(jù)進(jìn)行價(jià)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(nèi)部網(wǎng)各應(yīng)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(kù)檢索動(dòng)態(tài)數(shù)據(jù)、網(wǎng)站瀏覽量、網(wǎng)頁(yè)點(diǎn)擊率、人均瀏覽量、平均訪問(wèn)時(shí)長(zhǎng)、受訪域名和頁(yè)面、訪客屬性等），也有來(lái)自圖書館外互聯(lián)網(wǎng)的數(shù)據(jù)（如社交網(wǎng)絡(luò)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(duì)數(shù)據(jù)進(jìn)行清洗，在盡量不損失價(jià)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(guò)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(shí)，數(shù)據(jù)分析及信息檢索策略顯得尤為重要?？刹捎梅治鲋黝}、找出核心概念、選取規(guī)范化詞組、批量刪除重復(fù)無(wú)用數(shù)據(jù)、先選用上位詞普選再用下位詞來(lái)縮小數(shù)據(jù)范圍的方法。

（3）對(duì)大數(shù)據(jù)進(jìn)行價(jià)值提煉可看作是大數(shù)據(jù)的化學(xué)反應(yīng)，由于大數(shù)據(jù)中包含大量的非結(jié)構(gòu)化數(shù)據(jù)，需要進(jìn)行結(jié)構(gòu)化的解讀和梳理，這時(shí)人機(jī)的交互分析中人的智慧顯得尤為重要，必須通過(guò)群體智慧對(duì)數(shù)據(jù)的價(jià)值進(jìn)行發(fā)酵和提煉。信息人員首先要評(píng)價(jià)數(shù)據(jù)的質(zhì)量與意義，需要認(rèn)真考察諸如數(shù)據(jù)來(lái)源是否可靠，時(shí)效性如何，包含了怎樣的主題，應(yīng)選擇哪些相關(guān)數(shù)據(jù)，出于何種目的、采用什么方法收集而來(lái)等一系列

思考與選擇。其次再對(duì)數(shù)據(jù)進(jìn)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(lái)源紛雜、格式各異的數(shù)據(jù)轉(zhuǎn)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(wèn)題

現(xiàn)實(shí)中，大數(shù)據(jù)已經(jīng)在我們的身邊。當(dāng)你在互聯(lián)網(wǎng)上檢索閱讀時(shí)，搜索引擎公司會(huì)記錄你的閱讀檢索習(xí)慣，并根據(jù)這些信息自動(dòng)向你推薦相關(guān)廣告；當(dāng)你在社交網(wǎng)絡(luò)上進(jìn)行言論交流時(shí)，這些網(wǎng)站會(huì)記錄你的言論；當(dāng)你駕車上路時(shí)，電子導(dǎo)航系統(tǒng)會(huì)自動(dòng)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(wèn)題在大數(shù)據(jù)時(shí)代已經(jīng)防不勝防。所以圖書館需要設(shè)立一個(gè)隱私保護(hù)模式，如區(qū)分?jǐn)?shù)據(jù)用途、規(guī)范數(shù)據(jù)使用者、如何評(píng)估潛在風(fēng)險(xiǎn)、如何規(guī)避或減輕潛在的傷害等。因而，圖書館要在充分評(píng)估大數(shù)據(jù)風(fēng)險(xiǎn)的基礎(chǔ)上，認(rèn)真研究從數(shù)據(jù)生成、數(shù)據(jù)收集到數(shù)據(jù)分析應(yīng)用的數(shù)據(jù)保密問(wèn)題，確保信息安全。特別是圖書館信息開(kāi)發(fā)針對(duì)的高端讀者群，更要把保護(hù)高端讀者隱私問(wèn)題放在首要位置。

同時(shí)，對(duì)已開(kāi)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(shè)置專人專職處理信息和文獻(xiàn)傳遞工作、文檔加密、身份驗(yàn)證等，以防范無(wú)關(guān)人員對(duì)電子文件非法訪問(wèn)和隨意改動(dòng)。對(duì)大數(shù)據(jù)的開(kāi)發(fā)，圖書館則應(yīng)通過(guò)制定相關(guān)法律法規(guī)來(lái)規(guī)范大數(shù)據(jù)開(kāi)發(fā)利用行為，建立大數(shù)據(jù)使用規(guī)范和安全標(biāo)準(zhǔn)，促使數(shù)據(jù)使用者以負(fù)責(zé)任的態(tài)度使用數(shù)據(jù)，履行保護(hù)用戶隱私的責(zé)任，加大對(duì)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(nèi)部流轉(zhuǎn)、系統(tǒng)流轉(zhuǎn)乃至外部流轉(zhuǎn)的過(guò)程中是安全可控的。

4　大數(shù)據(jù)時(shí)代圖書館信息服務(wù)新機(jī)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(xué)界在大數(shù)據(jù)時(shí)代將催生一批新的專業(yè)技術(shù)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(fù)旦大學(xué)計(jì)算機(jī)研究所所長(zhǎng)施伯樂(lè)所說(shuō)，無(wú)論是個(gè)人、企業(yè)還是國(guó)家，誰(shuí)能更好地抓住數(shù)據(jù)、理解數(shù)據(jù)、分析數(shù)據(jù)，誰(shuí)就能在下一波的社會(huì)競(jìng)爭(zhēng)中脫穎而出，數(shù)據(jù)的知識(shí)將成為個(gè)人知識(shí)結(jié)構(gòu)中的必備要素和基礎(chǔ)。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(chǔ)性分析、推測(cè)性分析提高到更加成熟的預(yù)測(cè)性分析上。推測(cè)性分析是根據(jù)數(shù)據(jù)的連貫性、概率性、相關(guān)類推原則等對(duì)事物發(fā)展進(jìn)行定性推測(cè)，目前圖書館大多采用這種定性推測(cè)，也就是以信息人員的經(jīng)驗(yàn)為主觀判斷，對(duì)事物的未來(lái)發(fā)展作出描述性推測(cè)；預(yù)測(cè)性分析則要善于分析大型的數(shù)據(jù)集以識(shí)別其趨勢(shì)，并通過(guò)建立模型進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)數(shù)據(jù)與事物之間的相關(guān)關(guān)系，從而準(zhǔn)確預(yù)測(cè)事物發(fā)展方向，及時(shí)提供解決方案。

4.2未來(lái)信息服務(wù)的對(duì)策

未來(lái)信息服務(wù)的對(duì)策，一是加強(qiáng)用戶研究與交互數(shù)據(jù)的利用，對(duì)用戶數(shù)據(jù)進(jìn)行深度分析并建立用戶模型，開(kāi)展精準(zhǔn)服務(wù)、知識(shí)關(guān)聯(lián)服務(wù)，提供預(yù)測(cè)性信息服務(wù)產(chǎn)品；二是通過(guò)數(shù)據(jù)了解現(xiàn)有的知識(shí)服務(wù)過(guò)程發(fā)生了什么、用戶需要什么服務(wù)，利用數(shù)據(jù)對(duì)圖書館與用戶的交互關(guān)系進(jìn)行數(shù)據(jù)挖掘、分析和預(yù)測(cè)可能發(fā)生的信息行為；三是加強(qiáng)數(shù)字資源的整合、分析和挖掘，識(shí)別定位高質(zhì)量信息，為客戶提供解決問(wèn)題的信息服務(wù)；四是將現(xiàn)有成熟的信息采集工作模式與先進(jìn)的數(shù)學(xué)模型結(jié)合，實(shí)現(xiàn)工作效率的提升；五是關(guān)注和融入社交網(wǎng)站，擴(kuò)大圖書館的受眾面，實(shí)時(shí)了解讀者的需求，提升圖書館在讀者個(gè)人文化生活中的作用和影響。

總而言之，大數(shù)據(jù)應(yīng)用技術(shù)將是未來(lái)圖書館服務(wù)創(chuàng)新的重要領(lǐng)域，圖書館界應(yīng)關(guān)注和研究與之相關(guān)的技術(shù)應(yīng)用和發(fā)展，建立和完善新型的知識(shí)服務(wù)模式，提高圖書館在日新月異的科學(xué)技術(shù)和社會(huì)環(huán)境下的競(jìng)爭(zhēng)力。

［參考文獻(xiàn)］

［1］（英）維克托·邁爾-舍恩伯格，肯尼思·庫(kù)克耶.大數(shù)據(jù)時(shí)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(yù)測(cè)美國(guó)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?qǐng)?bào)，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(shí)代預(yù)見(jiàn)未來(lái)的新思維［M］.馬慧譯.北京：中國(guó)人民大學(xué)出版社，2012：8.

［5］陳超.圖書館如何迎接大數(shù)據(jù)時(shí)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(xué)圖書情報(bào)學(xué)刊，2013（3）：31－34.

［收稿日期］2014－04－21 ［責(zé)任編輯］菊秋芳

［作者簡(jiǎn)介］吳敏慧（1969－），女，館員，廣東省立中山圖書館信息部《文化內(nèi)參》責(zé)任編輯，研究方向：文獻(xiàn)信息開(kāi)發(fā)。

［文章編號(hào)］1005－8214（2015）02－0014－03

［文獻(xiàn)標(biāo)志碼］A

［中圖分類號(hào)］G252；G250.73