企業數字檔案信息數據挖掘與風險控制

茹敏敏

企業檔案工作作為企業管理的一部分，必須適應現代企業和新時期的發展需要，樹立新的觀念，建立新的體制，運用新技術。利用數據挖掘技術，進行企業檔案管理并嚴密控制風險是拓展企業檔案管理的一條新途徑。

數據挖掘技術是指從大量的數據中通過算法搜索隱藏于其中信息的過程，它是通過統計、在線分析處理、情報檢索、機器學習、專家系統和模式識別等諸多方法來實現。

一、數據挖掘的功能

數據挖掘通過預測未來趨勢及行為，做出預測性的、基于知識的決策。數據挖掘的目標是從數據庫中發現隱含的、有意義的知識，按其功能可分為以下幾類。

1、關聯分析

關聯分析能尋找到數據庫中大量數據的相關聯系，常用的一種技術為關聯規則和序列模式。關聯規則是發現一個事物與其他事物間的相互關聯性或相互依賴性。

2、聚類

輸入的數據并無任何類型標記，聚類就是按一定的規則將數據劃分為合理的集合，即將對象分組為多個類或簇，使得在同一個簇中的對象之間具有較高的相似度，而在不同簇中的對象差別很大。聚類技術主要包括傳統的模式識別方法和數學分類學。

3、自動預測趨勢和行為

數據挖掘自動在大型數據庫中進行分類和預測，尋找預測性信息，自動地提出描述重要數據類的模型或預測未來的數據趨勢，這樣以往需要進行大量手工分析的問題如今可以迅速直接由數據本身得出結論。

4、概念描述

對于數據庫中龐雜的數據，人們期望以簡潔的描述形式來描述匯集的數據集。概念描述就是對某類對象的內涵進行描述并概括出這類對象的有關特征。概念描述分為特征性描述和區別性描述，前者描述某類對象的共同特征，后者描述不同類對象之間的區別。生成一個類的特征性只涉及該類對象中所有對象的共性。生成區別性描述的方法很多，如決策樹方法、遺傳算法等。

5、偏差檢測

數據庫中的數據常有一些異常記錄，從數據庫中檢測這些偏差很有意義。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規則的特例、觀測結果與模型預測值的偏差、量值隨時間的變化等。偏差檢測的基本方法是尋找觀測結果與參照值之間有意義的差別。這常用于金融銀行業中檢測欺詐行為，或市場分析中分析特殊消費者的消費習慣。

二、數據挖掘在企業檔案管理中的應用

1、資源類數據包括館藏檔案經過數字化加工而產生的各類電子檔案、電子文件中心中存儲的各類電子檔案、檔案軟件收集的信息、檔案信息網建設和維護信息。我們從企業檔案用戶的信息需求出發，數據挖掘為企業檔案館全面掌握和準確理解檔案用戶的信息需求提供了方法。

（1） 利用Web訪問信息挖掘技術發現其中的關聯模式、序列模式和Web訪問趨勢等，構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受歡迎的程度，發現用戶訪問模式和用戶需求的趨勢，從不同側面來研究用戶的信息需求，為優化檔案館的檔案信息資源建設提供了科學依據。

（2） 收集企業檔案網web服務器保留的用戶注冊信息、訪問記錄，以及有關用戶與系統交互的信息等原始數據，經過清洗、濃縮和轉換形成便于統計分析的用戶查閱數據庫、日志數據庫、用戶定制信息庫、用戶反饋信息等各種數據集合。

2、從建設企業檔案館館藏信息資源出發，數據挖掘為企業檔案館提供了選擇一條科學發展道路的重要依據。

（1） 利用檔案網和檔案管理軟件訪問信息的挖掘分析出檔案資源的利用率，將利用率高、需求量大的傳統載體檔案優先數字化。例如：通過對檔案信息的訪問記錄、檢索請求中用戶請求失敗的數據進行分析，按類統計檔案拒用集和頻繁利用集，結合聚集算法發現館藏資源的缺漏，有針對性地補充和豐富檔案信息資源。

（2） 在企業檔案管理過程中利用文本挖掘，運用關聯、分類、聚類等方法，從海量檔案信息中按照相關專題進行挖掘、分類、加工、整理和有序化重組，構建特色檔案信息庫及各類專題檔案信息庫等。

3、從做好企業檔案館信息管理工作的角度出發，數據挖掘為優化館藏信息和對未來工作的預測發揮重要作用。

（1） 在提供利用環節中，對用戶每次借閱的信息進行關聯分析，發現各類檔案信息之間的關聯規則或比例關系，這樣可以進一步優化館藏信息。

（2） 開展企業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價工作，實現對大量文檔集合的內容進行總結、分類、聚類、關聯分析、分布分析，通過歸納與總結，發現的知識可以為未來檔案工作的趨勢進行預測。

三、企業檔案管理信息數據挖掘技術應用的風險控制

提前預防，在風險還沒有出現的時候就進行遏制是規避風險最有效的方式，也是最經濟的方式，對于電子檔案來說，應該以其自身的潛在缺陷為根據來實施控制管理，保證內部信息的安全可靠，主要措施有：

1.積極引進最新技術。數據挖掘技術應用在工作過程中存在很多風險，而規避風險的最好的辦法就是引進新的技術，新技術可以使電子信息檔案更加安全可靠。

2.規范管理，提高檔案質量。一要規范歸檔材料收集工作。要制定、完善、健全收集制度，嚴格按照文件材料分類方案、歸檔范圍、保管期限的規定收集。二要規范檔案整理工作。要嚴格按照各類檔案管理要求進行整理，做到組卷合理、案卷（件）內文件排列有序、案卷標題簡明、保管期限準確、案卷（件）封面、卷內文件目錄、案卷（件）裝訂結實美觀。三要規范檔案管理工作。要實行各種門類、載體檔案集中統一管理，方便檔案的保管和利用。

3.及時消除風險。為了確保信息檔案數據的安全性，及時消除潛在的風險是非常重要的，在計算機維修期內，企業尤其要注意隨時可能存在的風險，主動采取應對措施。

4.及時進行預防和保護。為了及時消除危險電子信息檔案的因素，有效的避免信息數據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檢查指導檔案工作，發現問題，要及時通報，督促整改，力促規范。

5.分散風險的措施

在電子信息檔案管理中，還有一種經常使用的規避風險的措施就是轉移策略，所謂轉移策略實質上是一種風險的分散，即把風險轉到其他的地方，以此來把已經存在的風險降到最低，一般而言，能夠從多個角度對風險轉移的方法實施修正，如：修改配置模式、購買保險、外包給其他機構、或者與提供商簽署服務合同等等。經過這樣的處理之后，我們可以把復雜的風險問題進行簡化，再對原先實施的電子信息檔案管理策略優化改進，創造更加先進的電子信息檔案管理系統。此外，還可以與網絡供應商互相協調，讓供應商的安全服務符合電子信息檔案的使用需要。

（作者單位：平山縣安全生產監督管理局）