檔案與大數(shù)據(jù)關(guān)系之我見

張丹

隨著全球信息化進(jìn)程加快，大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)之后到來的社會(huì)信息化的又一產(chǎn)物，是社會(huì)信息化的必經(jīng)階段，與同是信息領(lǐng)域的檔案工作有著必然聯(lián)系，我們應(yīng)該利用大數(shù)據(jù)完善發(fā)展檔案工作。但同時(shí)卻有一些檔案界學(xué)者認(rèn)為大數(shù)據(jù)與檔案毫無關(guān)系可言，兩個(gè)是屬于不同性質(zhì)的事物。本文認(rèn)為，大數(shù)據(jù)與檔案，同屬于信息領(lǐng)域的兩個(gè)名詞，必然有著不可切斷的聯(lián)系。本文將從三個(gè)方面來論證檔案與大數(shù)據(jù)有著緊密關(guān)系。

1??檔案與大數(shù)據(jù)同屬信息領(lǐng)域

中國人民大學(xué)馮慧玲教授給予檔案的定義是：檔案是社會(huì)組織或個(gè)人在以往的社會(huì)實(shí)踐活動(dòng)中直接形成的具有清晰、確定的原始記錄作用的固化信息。?這也就意味著檔案是信息的一部分，與大數(shù)據(jù)有著密不可分的關(guān)系。反過來講，對(duì)于大數(shù)據(jù)的定義，企業(yè)和學(xué)術(shù)界目前尚未形成公認(rèn)的準(zhǔn)確認(rèn)識(shí)，維基百科將其定義為“無法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”。從概念上講，大數(shù)據(jù)與檔案一樣產(chǎn)生主體皆為人，也都是在具體實(shí)踐活動(dòng)行為中產(chǎn)生，而且兩者類型多樣，同樣包含著文字、圖像、視頻、音頻等多種形式。兩者也同樣具有極高的價(jià)值，傳統(tǒng)檔案的價(jià)值在于它的憑證性和參考性，而大數(shù)據(jù)存在的最終價(jià)值是能夠預(yù)測。如：?google流感趨勢利用搜索關(guān)鍵詞預(yù)測禽流感的散布等。檔案遇上大數(shù)據(jù)后，檔案價(jià)值將延伸到能夠社會(huì)化利用，不僅僅是作為憑證與參考存在。

2??檔案與大數(shù)據(jù)同是社會(huì)記憶

有些學(xué)者認(rèn)為檔案是清晰明確的，具有原始記錄性的，它從產(chǎn)生之初就被各種標(biāo)準(zhǔn)框架相約束，是一個(gè)規(guī)范的、完整的信息集合，而大數(shù)據(jù)的產(chǎn)生是零散的、碎片化的信息，毫無規(guī)范可言。從這個(gè)角度講，確實(shí)毫無關(guān)系。但本文認(rèn)為檔案之所以規(guī)范，是因?yàn)橛袠?biāo)準(zhǔn)規(guī)范的檔案工作對(duì)其進(jìn)行收、管、用等管理，有管理的意識(shí)存在。而大數(shù)據(jù)之所以雜亂，是因?yàn)樗詮漠a(chǎn)生就無人管理。再加上大數(shù)據(jù)中大部分信息屬于原生數(shù)字信息資源，其存在的載體為數(shù)字平臺(tái)，此載體上的信息容易形成、復(fù)制、傳播與銷毀，易于受到外來攻擊等導(dǎo)致大數(shù)據(jù)的雜亂、不規(guī)范、不標(biāo)準(zhǔn)，無管理的意識(shí)存在，這才造成了兩者存在狀態(tài)完全對(duì)立的狀態(tài)。就如上文所說，大數(shù)據(jù)產(chǎn)生的主體是人，這些數(shù)據(jù)是對(duì)人類生活和客觀世界的測量和記錄，涵蓋了人們生活的各個(gè)方面，它不僅是人們發(fā)表的隨身小記錄，更是整個(gè)大社會(huì)的記憶庫。然而近些年來，檔案工作也將社會(huì)記憶、集體記憶觀念納入理論框架和實(shí)踐范疇，越來越自覺地參與集體記憶的構(gòu)建、維護(hù)與傳承，認(rèn)為檔案也是社會(huì)記憶的一部分。毋庸置疑，社會(huì)記憶是零散的，它是每個(gè)個(gè)體產(chǎn)生的零碎信息，但其又體現(xiàn)社會(huì)記憶的具有重要價(jià)值，是珍貴檔案的一部分。

3??檔案與大數(shù)據(jù)互相包含

有些學(xué)者認(rèn)為大數(shù)據(jù)屬于在線數(shù)據(jù)，而不包含離線數(shù)據(jù)，因?yàn)樵诰€數(shù)據(jù)是開放的，能夠分析利用且創(chuàng)造更多財(cái)富價(jià)值的數(shù)據(jù)。而離線數(shù)據(jù)是不公開的，其價(jià)值也具有出入性和針對(duì)性的，且基本無財(cái)富可挖掘的數(shù)據(jù)，比如銀行內(nèi)的客戶數(shù)據(jù)。因此，他們認(rèn)為，大數(shù)據(jù)是有價(jià)值可以創(chuàng)造財(cái)富的在線數(shù)據(jù)。但本文認(rèn)為這是相關(guān)IT企業(yè)對(duì)大數(shù)據(jù)的片面認(rèn)知，此認(rèn)知只是有利于相關(guān)企業(yè)能夠更好地利用大數(shù)據(jù)創(chuàng)造更多價(jià)值，而并沒有參透大數(shù)據(jù)真正的意義。大數(shù)據(jù)之所以稱“大”，是因?yàn)樗萘恐?，種類之多;之所以稱為“數(shù)據(jù)”，是因?yàn)槊刻焖a(chǎn)生的一條數(shù)據(jù)相對(duì)于該天產(chǎn)生的總量來說就如同傳統(tǒng)意義上的數(shù)據(jù)一樣渺小，它應(yīng)該同時(shí)包括在線數(shù)據(jù)和離線數(shù)據(jù)。另一方面，檔案中有公開可利用的檔案，也有絕密不可公開的檔案，若依照上文所說，檔案的利用人群確實(shí)有針對(duì)性和出入性，看起來并無關(guān)聯(lián)。但檔案無論公開與否，它們都具有極高的價(jià)值存在，況且有些機(jī)密性檔案的價(jià)值并不是可公開檔案的價(jià)值所能比擬的，如國家機(jī)密檔案，從斯諾登的“棱鏡事件”就可看出國家機(jī)密的重要性。如此說來，前后具有矛盾。因此，本文認(rèn)為，大數(shù)據(jù)應(yīng)包括在線數(shù)據(jù)和離線數(shù)據(jù)，當(dāng)然檔案也包含于大數(shù)據(jù)之中。檔案中也應(yīng)保存有大數(shù)據(jù)中有長久保存價(jià)值的數(shù)據(jù)，二者相互包含，有密切的聯(lián)系。

檔案工作從古至今就一直存在著，它不斷地發(fā)展、不斷地更新，如今大數(shù)據(jù)的出現(xiàn)又可以為檔案工作注入新鮮的血液，使它煥發(fā)生機(jī)，更好地為檔案事業(yè)服務(wù)。

（作者單位：上海師范大學(xué)人文與傳播學(xué)院信息管理系??來稿日期：2015-04-18）