大數據對高校檔案工作的影響分析及對策研究

寧燕子

（遼寧師范大學檔案館，遼寧 大連 116029）

大數據時代的到來改變了傳統的IT架構與數據存儲和利用機構，必然也將對作為儲存信息知識、提供信息服務的高校檔案館形成沖擊與挑戰。因此，深刻理解大數據的內涵，結合高校檔案信息資源的特點，分析大數據對檔案工作者理念的影響、對檔案信息資源建設、檔案信息安全及檔案利用服務的影響，對高校檔案館面對大數據尋求應對與發展對策有著重要意義。

1 大數據概述

近年來，隨著互聯網、物聯網、云計算等技術的深入發展，以及智能終端、社交網絡、數字地球等信息體的普及和建設，海量的結構化和非結構化數據己經充斥在人們日常生活的每個角落，并且每天還在以驚人的速度進行爆炸式的增長。美國互聯網數據中心(IDC)指出，全球數據量已由2005年的0.15ZB增長到2010年的1.2ZB。預計未來10年，全球數據量將以40%+的速度增長，2020年全球數據量將達到35ZB，人類正在逐漸步入一個大數據時代。

1.1 大數據定義

目前，大數據并沒有形成一個統一的定義。研究機構Gartner的定義：大數據是指需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。維基百科的定義：大數據指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理并整理成為幫助企業經營決策目的的資訊。麥肯錫的定義：大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行采集、存儲、管理和分析的數據集合。IDC將大數據定義為：為更經濟地從高頻率的、大容量的、不同結構和類型的數據中獲取價值而設計的新一代架構和技術。信息專家涂子沛在著作《大數據》中認為：“大數據”之“大”，并不僅僅指“容量大”，更大的意義在于通過對海量數據的交換、整合和分析，發現新的知識，創造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發展”。從以上幾種定義，我們可以看出，大數據是信息時代出現的一種現象，一種理念，一種處理技術。

1.2 大數據特征

和大數據的定義不同，對大數據的特點業界有比較統一的認識。即大數據的4“V”特征。第一，數據體量巨大（Volume）。從TB級別，躍升到PB級別。物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數據來源或者承載的方式。第二，數據類型繁多（Variety）。隨著傳感器種類的增多以及智能設備、社交網絡等的流行，數據類型也變得更加復雜，不僅包括傳統的關系數據類型，也包括以網頁、視頻、音頻、E-mail、文檔等形式存在的未加工的、半結構化的和非結構化的數據。第三，價值密度低（Value）。數據量呈指數增長的同時，隱藏在海量數據的有用信息卻沒有相應比例增長，反而使我們獲取有用信息的難度加大。以視頻為例，連續的監控過程，可能有用的數據僅有一兩秒。第四，流動速度快（Velocity）。形成流式數據是大數據的重要特征，數據流動的速度快到難以用傳統的系統去處理。大數據的“4V”特征表明其不僅僅是數據海量，對于大數據的分析將更加復雜、更追求速度、更注重實效。

2 高校檔案信息資源呈現的特點分析

2.1 檔案數量龐大，增長迅速

遼寧師范大學是一所省屬重點師范類院校，學校全日制在校生人數規模在22000人左右，在職教職工人數約為1800人。以遼寧師范大學為例，學校檔案館館藏檔案總量是66286卷 （件），其中綜合檔案41913卷。近4年，綜合檔案年入館量以平均每年12.5%速度增長。截至2013年6月21日，全國普通高等學校（不含獨立學院）共計2198所。各高校檔案館檔案資源總和近億卷，堪稱海量。2011-2014年，遼寧師范大學綜合檔案入館數量統計結果見表1。

表1 2011-2014年，遼寧師范大學綜合檔案入館數量統計表

2.2 檔案種類繁多，載體類型多樣

高校檔案是高等院校內部組織和個人在教學、科研、管理以及其它各項活動中直接形成的、對高校和社會有保存價值的文字、圖表、聲像等不同記錄方式和各種載體形態的歷史記錄。高校檔案具有形成主體多樣性，形成領域廣泛性的特點，因此形成了高校檔案信息資源種類繁多、載體記錄方式和載體形態多樣性的局面。如，遼寧師范大學檔案館集中統一保管12類檔案：黨群類、行政類、教學類、科研類、基本建設類、出版物類、外事類、財會類、聲像類、實物類、教職工人事類和學生類。高校檔案的載體類型多樣，除傳統的紙張外，還有以感光材料為載體的檔案，如縮微檔案；以磁性材料為載體的檔案，如錄音帶、錄像帶、幻燈片等；以磁、光、電為介質，通過計算機等設備閱讀的檔案，如，電子文檔、光盤數據庫等；以數據庫和網絡為基礎，以計算機主機硬盤、光盤為介質的檔案，如網絡信息、網站、網頁等。

2.3 檔案數據資源豐富。

近年來，隨著高校校園信息化工作的推進，高校在檔案信息化工作方面的投入也在不斷加大，數字檔案館就是檔案信息化的成果之一。檔案信息化的一個基礎工作是檔案信息資源的數字化，即館藏檔案目錄數字化，館藏檔案全文數字化，電子文檔收集。據統計截止2010年10月15日，上海交通大學檔案館館藏檔案全文數字化總量為3667404頁，數字化信息資源約為2PB。一所高校的檔案數據資源已經達到PB級別。可想而知，全國2000多所高校的檔案數據資源總量相當可觀，內容相當豐富。

3 大數據給高校檔案工作帶來的影響

3.1 大數據對高校檔案工作者理念的影響

大數據帶給檔案工作的最大影響是對檔案工作者思維理念的沖擊。維克托·邁爾·舍恩伯格在《大數據時代》中明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。傳統的邏輯性思維，考慮的是因為什么，所以必須怎樣，即由因到果的關系。而大數據思維只需要知道“是什么”，而不需要知道“為什么”。這顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。大數據時代的到來，將從多個方面變革傳統的檔案思維模式。管理思維上，將推動檔案館從經驗驅動到循數管理的轉變，用數據說話；服務思維上，檔案館的服務理念將實現從供給導向到需求導向的轉變，實現從資源密集型服務到服務主導型的轉變；業務思維上，從追尋“因果律”走向審視“相關性”，從出現問題——邏輯分析——找出因果關系——提出解決方案的逆向思維模式，到收集數據——量化分析——找出相互關系——提出優化方案的正向思維模式轉變。

3.2 大數據對檔案信息資源建設的影響

迫于物質和技術條件限制，在小數據時代我們無法對產生的所有成果(檔案)全部歸檔和保存，因而有必要制定一個歸檔范圍，即確定哪些要歸檔保存，哪些不需要歸檔保存；同時對歸檔保存的信息和數據要根據其價值確定不同的保管期限以節省人力和物力資源。近20年來，隨著移動互聯網、云計算、物聯網等新興技術的蓬勃發展和廣泛應用，以及各種傳感器的無所不在，信息技術已經可以將一切“數據化”。在過去的50年中，數字存儲成本大約每兩年就削減一半，而存儲密度則增加了5000萬倍。在大數據背景下，“一切歸檔”的目標已經具備了較為成熟的技術條件和物質基礎。大數據時代，檔案概念呈泛化趨勢，“每一條記錄都將變成具有長期保存價值的檔案，這些單位價值密度低的記錄信息將作為不可分割的整體來發揮檔案的價值”。“一切具有保存價值的文件、數據、視頻、實物都將視為檔案，基于信息系統的電子文件在形成之后‘一秒鐘’即形成‘電子檔案’”。

3.3 大數據對檔案信息安全的影響

數據安全的問題一直是信息安全的重要內容，信息安全業界對于數據安全的探討從來沒有減少過，大數據時代的到來讓業內人士更加不確定。據報道，對全球200個安全權威專家調查表明：40%的專家無法處理所收集到的海量安全數據；35%的專家沒有足夠的時間或專業人員來分析他們收集的安全數據和信息。這些數字也更能直觀地說明在大數據時代，安全面臨的挑戰十分嚴峻。EMC信息安全事業部RSA公司的信息安全專家胡軍認為，安全是一個基礎的問題，數據價值越大，數據的量越大，安全面臨的風險就越大。大數據是信息化發展到一定階段的必然結果，大數據時代檔案信息資源的一個基本特征就是檔案信息的大規模數字化。數字化檔案信息具有以下特點：（1）對軟硬件系統的依賴性。技術的更新、軟硬件設備的升級可能會導致原有的信息無法識別。（2）存儲的高密度性。數字化檔案信息存儲的高密度性在我們節約館藏空間，擴大館藏容量的同時，也對載體的保護提出了更嚴格的要求，因為任何一條輕微的劃痕都有可能導致數以千計的檔案信息遭到破壞。（3）信息與載體之間的可分離性。數字化檔案信息可以以非實體形式進行加工和管理，這種可分離性造成了數字化檔案信息的易于更改、易于復制、自由流動、易于傳輸。

3.4 大數據對檔案利用服務的影響

《大數據時代》的作者維克托·邁爾·舍恩伯格認為，“大量的數據能夠讓傳統行業更好地了解客戶需求，提供個性化的服務。定制化服務的關鍵是數據”。大數據時代，高校檔案服務方式將發生變革，檔案利用效率將大幅提升。大數據時代的檔案利用不同于傳統的“你來我找”的被動式服務，也不僅是利用現代信息技術進行制作、加工、傳播、轉換和二次開發。而是要通過對檔案信息資源挖掘、用戶信息和用戶需求進行分析、關系洞察及趨勢預測，開展基于海量檔案數據和先進技術分析的全息檔案資源的相關性研究，從而實現檔案信息資源與用戶需求的雙向理想控制。大數據時代高校檔案館會更多地開展主動推介式個性化服務。

4 大數據時代高校檔案工作的對策

4.1 樹立全歸檔意識

所謂全歸檔，包括三個方面的含義，一是接收，做到應收盡收。高校檔案的收集范圍應該涵蓋管理、教學、科研、教輔、后勤保障等所有校內單位。內容上要注意公文與業務材料并重，不可偏頗。檔案類型上既要做到傳統的紙質檔案與電子文檔并存，同時兼顧圖片、錄音、錄像、實物、數據庫、多媒體、網頁等多種類型。檔案的“收”要做到全流程控制，將檔案管理融入到學校辦公自動化系統、教學管理、行政管理、學生管理等系統中，將文件、數據歸檔流程寫入發文環節、教學環節、管理環節等，抓好文檔的前端控制。二是征集，做到用開放的心態面向全社會征集一切和學校相關的史料和實物。重點征集對象為學校老領導、老教授，學校知名校友。三是采集，采集網絡信息資源和用戶需求信息。高校的內部機構都建設有自己的門戶網站，這些網站上發布了大量的教學、科研、管理、對外交流等形式多樣的信息資源，高校檔案館要積極主動采集有保存價值的信息。另外高校檔案館還要采集用戶基本信息和用戶需求信息，以備對其進行分析，從而提供個性化服務。在大數據背景下傳統的檔案資源建設思想發生不小的變化，即我們已經不再需要確定一個歸檔范圍，不再需要對其價值進行人為的鑒定和加注標簽。我們所要做的就是將所有的真實的記錄全部歸檔，減少人為的影響，保存檔案的原貌，還原檔案的真實，從而構建一個基于互聯網的，以檔案數字資源為主體，以文本、圖片、音視頻等為形式的高校記憶數字資源庫。

4.2 構建檔案信息資源大數據集

檔案數字化是大數據時代必要的基礎性建設，也是發揮高校檔案館潛在價值的重要臺階，緊抓大數據戰略的契機，實現檔案數字化建設跨越式發展，對高校檔案館而言，具有重要意義。具體需要做以下工作：結合高校檔案資源特點和工作實際，（1）研究制定高校檔案館館藏檔案數字化實施方案，全面啟動檔案數字化工作；（2）研究制定高校檔案館數字化建設實施方案，啟動數字檔案館建設；（3）研究制定高校檔案館紙質檔案數字化的規范和標準；（4）研究制定高校電子文檔移交與接收辦法；（5）運用云技術創建檔案大數據基礎架構，讓檔案大數據在這個平臺上運行；（6）運用云技術構建高校檔案信息資源的大數據集。

4.3 建設檔案信息安全體系

大數據時代，高校檔案館的數字化館藏和虛擬館藏的比例會大大提高，檔案安全管理的重心要向數字化館藏和虛擬館藏方向傾斜。要確保數字化檔案信息內容的真實性、完整性、機密性和長期可用性。高校檔案館必須建立健全人防、物防、技防三位一體的檔案信息安全防范體系。具體的安全保障措施包括以下幾個方面：（1）加大對數字化檔案信息安全法規的理論研究；（2）制定高校數字化檔案信息安全解決方案；（3）購買優質的硬件設備并在運行過程中加強管理和維護，確保科學使用；（4）采用先進的網絡安全技術和數據安全技術等多種現代信息新技術。如訪問控制技術、防治病毒技術和安全檢測技術、密碼技術、備份技術、仿真、遷移、再生性技術、簽署技術、消息認證技術、防寫技術以及數字水印技術等；（5）使用正版軟件,增強安全意識并做到及時升級,及時打補丁，同時檢查系統的各項設置；（6）數據結構化；（7）加固網絡層端點的數據安全；（8）檔案信息數據庫異地存儲；（9）提高檔案從業人員的信息素養和職業道德意識。

4.4 挖掘檔案信息大資源，推行個性化定制化檔案信息服務

高校檔案館擁有海量的檔案數據，同時掌握了豐富的傳統信息資源管理經驗，是大數據時代的“資本擁有者”，然而這些數據目前只有極少部分得到了有效開發。如何從海量原始檔案數據中發掘出有價值的信息和知識，滿足不同檔案用戶的信息需求，將成為高校檔案館的一項重要工作。高校檔案館要綜合運用數據挖掘、數理統計、機器學習、智能算法及云計算技術對檔案信息數據進行分析。具體流程如下：（1）制定針對不同服務對象和服務需求的服務目標；（2）采集用戶基本信息和用戶利用習慣信息，分析用戶檢索行為，建立用戶信息庫；（3）依據用戶潛在的檔案信息需求分析結果，檢索館藏檔案資源信息及網絡信息數據；（4）運用數據分析技術在智能數據處理平臺上對檢索出的數據進行過濾、整合、分析；（5）利用數據可視化技術和人機交互技術，對檔案信息數據進行解釋，借助高校檔案門戶網站、移動終端等多種手段發布檔案信息。

［1］劉智慧,張泉靈.大數據技術研究綜述[J].浙江大學學報,2014(6)：954-972.

［2］中國教育部批準的高等學校名單、新批準的學校名單[OL].http：//www.moe.gov.cn/publicfiles/business/htmlfiles/moe/moe_229/201306/153565.html.

［3］[英]維克托·邁爾·舍恩伯格,肯尼思.庫克耶.大數據時代[M].浙江人民出版社,2013(1).

［4］周楓.資源.技術.思維：大數據時代檔案館的三維詮釋[J].檔案學研究,2013(6)：61-64.