企業(yè)數(shù)字檔案信息數(shù)據(jù)挖掘與風(fēng)險(xiǎn)控制

茹敏敏

企業(yè)檔案工作作為企業(yè)管理的一部分，必須適應(yīng)現(xiàn)代企業(yè)和新時(shí)期的發(fā)展需要，樹(shù)立新的觀念，建立新的體制，運(yùn)用新技術(shù)。利用數(shù)據(jù)挖掘技術(shù)，進(jìn)行企業(yè)檔案管理并嚴(yán)密控制風(fēng)險(xiǎn)是拓展企業(yè)檔案管理的一條新途徑。

數(shù)據(jù)挖掘技術(shù)是指從大量的數(shù)據(jù)中通過(guò)算法搜索隱藏于其中信息的過(guò)程，它是通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)。

一、數(shù)據(jù)挖掘的功能

數(shù)據(jù)挖掘通過(guò)預(yù)測(cè)未來(lái)趨勢(shì)及行為，做出預(yù)測(cè)性的、基于知識(shí)的決策。數(shù)據(jù)挖掘的目標(biāo)是從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)隱含的、有意義的知識(shí)，按其功能可分為以下幾類。

1、關(guān)聯(lián)分析

關(guān)聯(lián)分析能尋找到數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的相關(guān)聯(lián)系，常用的一種技術(shù)為關(guān)聯(lián)規(guī)則和序列模式。關(guān)聯(lián)規(guī)則是發(fā)現(xiàn)一個(gè)事物與其他事物間的相互關(guān)聯(lián)性或相互依賴性。

2、聚類

輸入的數(shù)據(jù)并無(wú)任何類型標(biāo)記，聚類就是按一定的規(guī)則將數(shù)據(jù)劃分為合理的集合，即將對(duì)象分組為多個(gè)類或簇，使得在同一個(gè)簇中的對(duì)象之間具有較高的相似度，而在不同簇中的對(duì)象差別很大。聚類技術(shù)主要包括傳統(tǒng)的模式識(shí)別方法和數(shù)學(xué)分類學(xué)。

3、自動(dòng)預(yù)測(cè)趨勢(shì)和行為

數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中進(jìn)行分類和預(yù)測(cè)，尋找預(yù)測(cè)性信息，自動(dòng)地提出描述重要數(shù)據(jù)類的模型或預(yù)測(cè)未來(lái)的數(shù)據(jù)趨勢(shì)，這樣以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。

4、概念描述

對(duì)于數(shù)據(jù)庫(kù)中龐雜的數(shù)據(jù)，人們期望以簡(jiǎn)潔的描述形式來(lái)描述匯集的數(shù)據(jù)集。概念描述就是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述并概括出這類對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對(duì)象的共同特征，后者描述不同類對(duì)象之間的區(qū)別。生成一個(gè)類的特征性只涉及該類對(duì)象中所有對(duì)象的共性。生成區(qū)別性描述的方法很多，如決策樹(shù)方法、遺傳算法等。

5、偏差檢測(cè)

數(shù)據(jù)庫(kù)中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫(kù)中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是尋找觀測(cè)結(jié)果與參照值之間有意義的差別。這常用于金融銀行業(yè)中檢測(cè)欺詐行為，或市場(chǎng)分析中分析特殊消費(fèi)者的消費(fèi)習(xí)慣。

二、數(shù)據(jù)挖掘在企業(yè)檔案管理中的應(yīng)用

1、資源類數(shù)據(jù)包括館藏檔案經(jīng)過(guò)數(shù)字化加工而產(chǎn)生的各類電子檔案、電子文件中心中存儲(chǔ)的各類電子檔案、檔案軟件收集的信息、檔案信息網(wǎng)建設(shè)和維護(hù)信息。我們從企業(yè)檔案用戶的信息需求出發(fā)，數(shù)據(jù)挖掘?yàn)槠髽I(yè)檔案館全面掌握和準(zhǔn)確理解檔案用戶的信息需求提供了方法。

（1） 利用Web訪問(wèn)信息挖掘技術(shù)發(fā)現(xiàn)其中的關(guān)聯(lián)模式、序列模式和Web訪問(wèn)趨勢(shì)等，構(gòu)建多維視圖的用戶興趣模型。從而可以確定檔案信息或服務(wù)受歡迎的程度，發(fā)現(xiàn)用戶訪問(wèn)模式和用戶需求的趨勢(shì)，從不同側(cè)面來(lái)研究用戶的信息需求，為優(yōu)化檔案館的檔案信息資源建設(shè)提供了科學(xué)依據(jù)。

（2） 收集企業(yè)檔案網(wǎng)web服務(wù)器保留的用戶注冊(cè)信息、訪問(wèn)記錄，以及有關(guān)用戶與系統(tǒng)交互的信息等原始數(shù)據(jù)，經(jīng)過(guò)清洗、濃縮和轉(zhuǎn)換形成便于統(tǒng)計(jì)分析的用戶查閱數(shù)據(jù)庫(kù)、日志數(shù)據(jù)庫(kù)、用戶定制信息庫(kù)、用戶反饋信息等各種數(shù)據(jù)集合。

2、從建設(shè)企業(yè)檔案館館藏信息資源出發(fā)，數(shù)據(jù)挖掘?yàn)槠髽I(yè)檔案館提供了選擇一條科學(xué)發(fā)展道路的重要依據(jù)。

（1） 利用檔案網(wǎng)和檔案管理軟件訪問(wèn)信息的挖掘分析出檔案資源的利用率，將利用率高、需求量大的傳統(tǒng)載體檔案優(yōu)先數(shù)字化。例如：通過(guò)對(duì)檔案信息的訪問(wèn)記錄、檢索請(qǐng)求中用戶請(qǐng)求失敗的數(shù)據(jù)進(jìn)行分析，按類統(tǒng)計(jì)檔案拒用集和頻繁利用集，結(jié)合聚集算法發(fā)現(xiàn)館藏資源的缺漏，有針對(duì)性地補(bǔ)充和豐富檔案信息資源。

（2） 在企業(yè)檔案管理過(guò)程中利用文本挖掘，運(yùn)用關(guān)聯(lián)、分類、聚類等方法，從海量檔案信息中按照相關(guān)專題進(jìn)行挖掘、分類、加工、整理和有序化重組，構(gòu)建特色檔案信息庫(kù)及各類專題檔案信息庫(kù)等。

3、從做好企業(yè)檔案館信息管理工作的角度出發(fā)，數(shù)據(jù)挖掘?yàn)閮?yōu)化館藏信息和對(duì)未來(lái)工作的預(yù)測(cè)發(fā)揮重要作用。

（1） 在提供利用環(huán)節(jié)中，對(duì)用戶每次借閱的信息進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)各類檔案信息之間的關(guān)聯(lián)規(guī)則或比例關(guān)系，這樣可以進(jìn)一步優(yōu)化館藏信息。

（2） 開(kāi)展企業(yè)檔案館館藏信息文本特征的建立、特征提取、特征匹配、特征集縮減和模型評(píng)價(jià)工作，實(shí)現(xiàn)對(duì)大量文檔集合的內(nèi)容進(jìn)行總結(jié)、分類、聚類、關(guān)聯(lián)分析、分布分析，通過(guò)歸納與總結(jié)，發(fā)現(xiàn)的知識(shí)可以為未來(lái)檔案工作的趨勢(shì)進(jìn)行預(yù)測(cè)。

三、企業(yè)檔案管理信息數(shù)據(jù)挖掘技術(shù)應(yīng)用的風(fēng)險(xiǎn)控制

提前預(yù)防，在風(fēng)險(xiǎn)還沒(méi)有出現(xiàn)的時(shí)候就進(jìn)行遏制是規(guī)避風(fēng)險(xiǎn)最有效的方式，也是最經(jīng)濟(jì)的方式，對(duì)于電子檔案來(lái)說(shuō)，應(yīng)該以其自身的潛在缺陷為根據(jù)來(lái)實(shí)施控制管理，保證內(nèi)部信息的安全可靠，主要措施有：

1.積極引進(jìn)最新技術(shù)。數(shù)據(jù)挖掘技術(shù)應(yīng)用在工作過(guò)程中存在很多風(fēng)險(xiǎn)，而規(guī)避風(fēng)險(xiǎn)的最好的辦法就是引進(jìn)新的技術(shù)，新技術(shù)可以使電子信息檔案更加安全可靠。

2.規(guī)范管理，提高檔案質(zhì)量。一要規(guī)范歸檔材料收集工作。要制定、完善、健全收集制度，嚴(yán)格按照文件材料分類方案、歸檔范圍、保管期限的規(guī)定收集。二要規(guī)范檔案整理工作。要嚴(yán)格按照各類檔案管理要求進(jìn)行整理，做到組卷合理、案卷（件）內(nèi)文件排列有序、案卷標(biāo)題簡(jiǎn)明、保管期限準(zhǔn)確、案卷（件）封面、卷內(nèi)文件目錄、案卷（件）裝訂結(jié)實(shí)美觀。三要規(guī)范檔案管理工作。要實(shí)行各種門(mén)類、載體檔案集中統(tǒng)一管理，方便檔案的保管和利用。

3.及時(shí)消除風(fēng)險(xiǎn)。為了確保信息檔案數(shù)據(jù)的安全性，及時(shí)消除潛在的風(fēng)險(xiǎn)是非常重要的，在計(jì)算機(jī)維修期內(nèi)，企業(yè)尤其要注意隨時(shí)可能存在的風(fēng)險(xiǎn)，主動(dòng)采取應(yīng)對(duì)措施。

4.及時(shí)進(jìn)行預(yù)防和保護(hù)。為了及時(shí)消除危險(xiǎn)電子信息檔案的因素，有效的避免信息數(shù)據(jù)受到外界因素的破壞，保證信息的安全可靠。要組織檔案管理人員定期或不定期地深入企業(yè)檢查指導(dǎo)檔案工作，發(fā)現(xiàn)問(wèn)題，要及時(shí)通報(bào)，督促整改，力促規(guī)范。

5.分散風(fēng)險(xiǎn)的措施

在電子信息檔案管理中，還有一種經(jīng)常使用的規(guī)避風(fēng)險(xiǎn)的措施就是轉(zhuǎn)移策略，所謂轉(zhuǎn)移策略實(shí)質(zhì)上是一種風(fēng)險(xiǎn)的分散，即把風(fēng)險(xiǎn)轉(zhuǎn)到其他的地方，以此來(lái)把已經(jīng)存在的風(fēng)險(xiǎn)降到最低，一般而言，能夠從多個(gè)角度對(duì)風(fēng)險(xiǎn)轉(zhuǎn)移的方法實(shí)施修正，如：修改配置模式、購(gòu)買(mǎi)保險(xiǎn)、外包給其他機(jī)構(gòu)、或者與提供商簽署服務(wù)合同等等。經(jīng)過(guò)這樣的處理之后，我們可以把復(fù)雜的風(fēng)險(xiǎn)問(wèn)題進(jìn)行簡(jiǎn)化，再對(duì)原先實(shí)施的電子信息檔案管理策略優(yōu)化改進(jìn)，創(chuàng)造更加先進(jìn)的電子信息檔案管理系統(tǒng)。此外，還可以與網(wǎng)絡(luò)供應(yīng)商互相協(xié)調(diào)，讓供應(yīng)商的安全服務(wù)符合電子信息檔案的使用需要。

（作者單位：平山縣安全生產(chǎn)監(jiān)督管理局）