基于小數據決策支持的圖書館個性化服務

陳臣

（蘭州商學院信息中心 甘肅蘭州 730020）

基于小數據決策支持的圖書館個性化服務

陳臣

（蘭州商學院信息中心 甘肅蘭州 730020）

文章在對大數據和小數據關系進行研究的基礎上，分析了小數據對圖書館個性化服務的影響，并對圖書館個性化服務QOS保證、服務成本問題、用戶隱私等關鍵問題展開討論，設計了一種基于小數據決策支持的圖書館個性化服務模式。該個性化服務模式可實現資源和服務的高度融合，并以用戶需求為主導，為讀者提供個性化閱讀服務。

小數據；大數據；決策支持；圖書館；個性化服務

1 前言

當前，圖書館已進入大數據時代。圖書館大數據環境具有數據Volume（海量）、Velocity（處理高速）、Variety（類型多樣）和Value（高價值）的4V特性。隨著圖書館大數據總量和數據類型的快速增長，其數據環境將更加復雜、多變，大數據的采集、處理、分析和決策過程將消耗更多的系統資源和成本。此外，圖書館在立足大數據構建用戶服務體系、優化服務資源管理與分配策略、變革讀者服務模式和為讀者提供個性化服務時，常因大數據結構多樣、數據處理龐大和復雜、個性化服務針對性不強和大數據應用成本過高等原因，影響了圖書館讀者個性化服務系統構建與服務保障的效率、可用性、經濟性和可控性。

隨著通信技術、云計算和互聯網的發展，互聯網與傳感器網絡已大幅度縮小了企業和用戶的距離。以“小數據”決策為基礎的用戶個性化服務保障，已成為這個時代亟需研究與發展的課題，并廣泛應用于以用戶為中心，以及個性化服務水平要求高的醫療、營銷和圖書館服務等行業。大數據反映規律，小數據體現個性。小數據是企業要獲取、處理與合成大數據，進行產品細分和準確市場定位，保證服務更加高效、個性化和經濟的前提。此外，小數據立足于微觀世界，在有限數據樣本空間下解決讀者的個性化服務需求和服務等問題，可在較小數據采集、存儲、分析和決策成本投入的前提下，大幅提升讀者的個性化閱讀愉悅感和服務滿意度。因此，如何在“小數據”中獲得更多無法預知或與直覺相左的信息、知識，是大數據時代圖書館提高自身服務能力和讀者個性化服務QOS保證應重點關注的問題。

2 小數據概念的產生及其與大數據的關系

2.1 小數據概念的產生

“小數據”是指以個人為中心的全方位數據，包括數據被采集對象實時的生活習慣、身體狀況、社交、財務、喜好、情緒、行為等數據。通過對分析對象全部小數據資源的收集、利用和分析，可對外形成一個富有個人色彩的數據系統，能夠實現對個人特性、社會關系、需求和行為的精確分析與預測。第一個意識到“小數據”重要性的是美國康奈爾大學教授德波哈爾·艾斯汀。早在他父親去世之前幾個月，他就注意到他父親在數字社會脈動中的細微變化。父親不再發送電子郵件和不去超市買菜，散步的距離也越來越短。而這種逐漸衰弱的狀態，無論在醫院通過測脈搏、查病歷、心電圖或者全面體檢，都不能獲得這個90歲老人的身體異常表現。但通過跟蹤老人的實時個體化數據，就可以發現他的生活狀況已與平時明顯不同。這啟發艾斯汀開始研究小數據，從日常生活的小數據之中尋找異常之處，并把它當作一種新的醫學證據。

大數據時代，隨著監控設備、傳感器設備、可穿戴設備和個人閱讀終端設備的發展與成熟，圖書館可以安全、高效、持續和保密地采集讀者個人數據，所采集的小數據與讀者個體相匹配，直接表現了讀者閱讀需求、行為、關系和方式隨時間變化的規律，是圖書館發現讀者閱讀需求和為讀者提供個性化服務的直接依據。其次，與大數據資源結構和應用模式相比，讀者是圖書館小數據資源唯一的采集對象，是圖書館對讀者閱讀需求、活動和模式全方位、不間斷的深度挖掘，傳統的大數據應用模式和決策方法已不適用于小數據環境。第三，小數據是圖書館大數據應用的必要完善與補充，是在圖書館大數據宏觀決策的基礎上，對讀者閱讀需求的個性化定制和QOS（Quality of Service，服務質量）的可靠保障。

2.2 小數據與大數據的關系

2.2.1 小數據與大數據的組織結構和數據類型不同

首先，從數據組織結構上分析，大數據具有海量、多類型、快速處理和高價值等4V特性，且非結構化數據占據大數據總量的75%以上。為了提高數據在采集、處理、存儲和分析過程的效率可控性，大數據對數據組織結構和數據類型的標準化要求較高。小數據并不是指數據總量而言小，而是指圖書館依據讀者閱讀和個性化服務QOS要求，以讀者為中心進行的全方位、不間斷的用戶個性化數據采集、存儲、分析與決策活動。小數據以讀者作為數據采集、處理、決策和應用中心，具有易收集、易處理和易操作的特點，能夠滿足讀者個性化閱讀服務高效、實時、可視和快捷的需求。其次，小數據具有更小的數據總量和更強的數據應用針對性，因此，在數據的采集、處理、分析和決策中，對大數據系統的系統性能和資源配置需求較低，可在較低成本投入情況下獲取較高的讀者個性化服務決策收益。第三，大數據往往是反映圖書館在用戶服務模式與方法、服務系統構建、服務市場競爭環境和讀者整體需求等方面的大規律，具有覆蓋面廣、內容繁多、分析深度有限和針對性不強的特點。而小數據則以讀者個性化閱讀需求和服務為中心，能夠對用戶服務的內容、模式、方法和產品進行深度細分，對用戶服務市場、對象和內容的定位更加精確。因此，小數據是大數據決策的必要優化與完善。

2.2.2 小數據決策與應用具有較高的難度

與大數據相比，圖書館小數據具有數據量偏小、數據模式不規范、數據信號微弱、數據出現頻率低和數據噪音過大的缺點，導致小數據價值易被過濾和忽視。同時，圖書館小數據系統具有美國圣塔菲研究所羅列的復雜系統多變量、相互作用、同時發生三個典型特征。因此，圖書館小數據系統具有較高的系統結構與數據應用復雜度。其次，與讀者相關小數據具有數據總量小和快速決策需求低的特點，圖書館往往更加注重非結構化數據的之間的關聯，以及對與讀者個體相關數據的深度采集與挖掘。因此，通過對小數據集應用方向的分析可得出，小數據不是大數據集合的精簡與提煉，而是對大數據應用與決策的必要補充和延伸。第三，滿足讀者需求和加強CRM管理是圖書館小數據應用的重點與核心。作為數據資源庫的重要組成部分，小數據可以在大數據宏觀分析、決策的基礎上，更加深入、細致地挖掘讀者行為特征、個體需求、CRM管理有效性和用戶群結構科學性，通過對讀者個體的精準分析更加精確地了解讀者，并與讀者群建立穩定、良好的關系，為讀者提供基于小數據的精準個性化閱讀推送服務。

2.2.3 小數據偏重于對讀者個體數據的深度分析

對于數據的處理與分析過程，大數據往往側重于數據的全面性和廣闊度，對與圖書館讀者服務過程相關的數據，進行大規模、全方位的采集、存儲、計算與分析，希望通過全面、系統的分析，來準確發現讀者的閱讀需求和圖書館服務的規律、未來發展趨勢。大數據應用存在著數據海量、類型復雜、應用范圍廣和數據噪音多的問題，因此，要求大數據類型、應用模式具有較高的一致性和標準化水平。小數據是以讀者個體作為唯一數據采集、處理、分析和決策的對象，小數據決策對數據的精準性、針對性、個性化和隱私性要求較高，所涉及的內容包括讀者的社會關系、工作與生活環境、閱讀需求和愛好，以及讀者個體所處的地理位置、移動路徑和閱讀內容等隱私數據，是圖書館用戶服務決策和實施過程從擺脫傳統的主觀經驗性主義，向“以客戶為中心”理念的指導下的小數據客觀性決策轉變的重要依據。

2.2.4 小數據比大數據有更苛刻的安全環境要求

小數據模式下，讀者個體數據是圖書館發現讀者閱讀需求、明確讀者閱讀模式變化趨勢、有效評估讀者個性化閱讀QOS保障有效性、優化用戶服務策略的重要依據。

為了保證圖書館能夠全面、精確和不間斷地采集讀者相關數據，圖書館必須全面構建以視頻監控系統、傳感器網絡系統、IT服務系統監控設備、用戶閱讀終端數據采集系統等為核心的讀者數據采集系統，有效結合通信運營商、增值服務商等第三方協作服務商的共享數據，才能實現對讀者閱讀行為、個人行動軌跡、閱讀思想需求和變化、閱讀社會關系等數據的全面、無縫采集。因此，小數據模式下讀者處于個人行為和隱私完全暴露的環境中，如何通過法律、科技和行業規范來保護讀者隱私，使讀者能夠完全控制自身相關數據采集的內容與數量、存儲與使用權、作用對象和應用方向，是圖書館小數據分析應重點關注的內容。其次，大數據應用模式是以圖書館用戶服務為中心的海量數據全面采集、存儲、分析與應用過程，讀者相關數據在大數據總量中占據較小的比例，且數據的處理、分析也不是以讀者個體為核心。而小數據的采集、存儲、分析和決策都是以讀者為中心，所以應注重讀者在小數據決策隱私保護中的核心地位和作用。第三，讀者是小數據資源的生產者和決策作用對象，小數據資源具有較強的讀者個體屬性特征。因此，如何將數據安全保護技術與小數據個體屬性特征相結合，是確保圖書館小數據安全和數據隱私保護技術應用高效、經濟的前提。

3 基于小數據決策支持的圖書館個性化服務模式構建

3.1 圖書館小數據的組織結構與數據特征

圖書館小數據是以讀者為中心采集的用戶相關數據，數據內容涉及讀者的個體特征、閱讀行為與需求、社會關系、用戶地理位置及移動路徑等相關信息，是圖書館發現讀者個性化閱讀需求和閱讀模式變化趨勢，制定、完善和優化讀者個性化閱讀服務策略的重要依據。從數據的價值總量、密度、可靠性和可用性劃分，圖書館小數據可劃分為讀者個體特征數據、讀者行為監控數據、第三方共享數據和外圍社會化數據4個層次的內容（見圖1）。

圖1 圖書館小數據組織結構與數據特征圖

讀者個體特征數據是小數據的核心數據，主要由讀者特征數據庫記錄數據、讀者社會關系數據、讀者滿意度評估與服務需求反饋數據等組成。讀者個體特征數據具有較高的科學性、真實性、高價值密度和決策可用性，是圖書館描述讀者個體特征和明確用戶需求的主要數據依據。但是，讀者個體特征數據也具有數據總量偏小、數據價值可挖掘潛力小和數據更新緩慢的缺點。讀者行為監控數據位于小數據庫的第二層，主要由視頻監控設備、傳感器網絡、閱讀終端監控器和服務器監控設備采集數據組成，主要實現對讀者的閱讀行為、個體位置與移動路徑、社會關系交往等數據的采集與存儲。該類型數據對實時性和數據全面、完整性有較高的要求，是圖書館判定讀者閱讀需求、服務模式和方法的重要依據。小數據第三層為第三方共享數據，主要由通信運營商和其它第三方增值服務商共享數據組成。該類型數據能夠全面、完整的覆蓋讀者閱讀活動相關信息，但具有較低的隱私安全性、可靠性和可控性，因此，圖書館在小數據分析中應加強對該層數據的過濾、挖掘和價值發現。外圍社會化數據是圖書館小數據的第四層數據，圖書館可通過開放API（應用程序界面）和百度、臉譜等合約數據提供商獲得共享數據，在對數據進行整理、去噪后運用于小數據分析。外圍社會化數據具有較強的數據價值發現與挖掘潛能，為圖書館小數據決策提供必要的支持和補充。從第一層讀者個體特征數據至第四層外圍社會化數據，小數據的價值密度、數據安全需求、數據可控性和數據可用性逐層遞減，而小數據的數據總量、數據噪聲和數據可獲取性則呈現逐層遞增現象。

3.2 基于小數據分析的圖書館用戶個性化服務體系構建

3.2.1 制定科學的小數據采集、過濾標準

小數據應用是以讀者為核心的數據采集、處理、分析和決策過程，因此，圖書館要注重小數據的讀者個性化特征，數據的采集、存儲、分析和應用一定要擺脫大數據的全面、海量、多類型和快速處理特征，通過制定、實施科學的小數據采集、過濾、處理和應用標準，才能為讀者個性化閱讀服務提供可靠的小數據決策支持。

監控技術和傳感器網絡技術的發展，使圖書館可對讀者個體的位置信息、移動路徑、社會交往、閱讀行為、閱讀瀏覽量、網站停留時間和閱讀滿意度反饋等相關數據，實現全方位、不間斷的采集、存儲、分析和決策。但是，隨著圖書館小數據資源采集范圍、種類和深度的持續快速增長，過于龐大的小數據會導致圖書館數據決策過程對系統資源的需求量，以及決策活動的復雜度快速增長，并大幅降低小數據決策的可靠性和可用性。因此，圖書館在小數據資源采集、過濾、處理和應用標準的制定中，應堅持數據標準化、高價值密度和多樣性的原則，避免因過度追求數據的同源性和一致性而使數據過度過濾，導致數據的價值和可用性下降。此外，小數據的采集、過濾應堅持讀者需求和個性化服務相關性的原則，通過對采集的小數據資源進行噪聲過濾、類型分類和樣本選擇，提高小數據決策的精確度、針對性、可靠性和可用性，為讀者提供基于小數據的讀者個性化定制服務。

3.2.2 為讀者提供基于小數據的個性化閱讀服務

小數據是圖書館發現讀者閱讀需求、愛好和習慣，判斷閱讀服務QOS標準、讀者閱讀收益和用戶滿意度，將讀者科學劃分為不同讀者群的直接依據。

個性化服務定制和推送有效性是決定讀者閱讀活動滿意度和忠誠度的重要因素。因此，圖書館應通過小數據應用系統的分析、決策，智能、高效地將讀者劃分為若干個服務需求和QOS保障標準不同的用戶群，在為群客戶整體提供無差異服務保障的前提下，依據每一個讀者的小數據指標分析結果，為讀者提供量身訂制的個性化服務，一方面可以增加讀者的閱讀滿意度和忠誠度，另一方面又不會因個性化服務水平的大幅提升而導致圖書館服務成本上漲。其次，圖書館在保證讀者小數據隱私安全的前提下，可將小數據整體作為大數據庫的重要補充和完善，避免了大數據庫對讀者個人數據的重復采集、過濾和決策，可有效提高大數據決策的效率和精確度。第三，智慧閱讀和個性化服務是未來圖書館發展的一個重要方向，而小數據則為圖書館智慧服務體系和個性化服務模式的構建提供科學的數據決策支持。圖書館可通過對讀者個人小數據接口的查詢，提前預測未來讀者的閱讀需求、閱讀內容、閱讀方式和閱讀時間，可在最精確時間以最經濟的服務模式，為讀者提供精準的個性化定制服務，避免因無目標的廣告投放而影響讀者的閱讀愉悅感。第四，隨著圖書館用戶服務模式的變革和服務方法的發展，大數據呈現出多數據來源、海量、多類型和離散化的現狀。此外，大數據的整合、重組過程也會導致數據復雜度和價值挖掘難度增大。在圖書館服務系統構建和用戶服務推送中，大數據作為實時動態指數，可實現對圖書館宏觀科學決策和未來發展趨勢的科學預測。而小數據則是通過對讀者歷史數據的分析與判斷，為讀者提供動態、可定制的個性化服務。因此，圖書館在小數據決策過程中應加強與大數據應用的結合和共享。

3.2.3 實現基于小數據的圖書館CRM精確管理

圖書館小數據資源是以讀者為中心的數據集合，小數據應用應注重不同數據之間的緊密相關性、數據價值可釋性和實用性。對基于小數據的讀者個性化服務而言，如何科學采集一個具有較小數據總量、較高價值密度和精確表述讀者個性化特征的小數據集，是圖書館完成讀者服務個性化定制和改善用戶服務細節，實現基于商業智能（Business Intelligence，BI）自動化精準營銷服務的必要保證。

首先，小數據是讀者、圖書館和用戶服務之間的聯系橋梁。小數據的本質特征就是以讀者為中心，圖書館借助小數據分析可以明確讀者的服務需求、服務滿意度反饋、所希望的服務產品和服務模式等。圖書館可基于對讀者小數據庫資源的發現和挖掘，建立圖書館與讀者之間的即時溝通關系，完成讀者個性化定制服務的實時推送、反饋、修改和完善，最終建立一個讀者與服務品牌共存的關系。其次，二八定律指出，圖書館服務收益的80%來自占據讀者總數20%的高端用戶，而占據讀者總數80%的普通讀者只為圖書館貢獻了20%的服務收益。因此，圖書館通過對小數據資源的整合與分析，可從讀者的行為、思想和社會關系中發現讀者的價值，在滿足全體讀者QOS的前提下，為高價值讀者定制具有個性化特征的特色服務和產品，通過進一步提高高價值客戶的服務依賴性和閱讀忠誠度，大幅度提升圖書館閱讀服務的綜合收益率。第三，基于小數據資源的支撐，圖書館可構建科學的讀者識別模型、讀者價值評價模型、讀者服務滿意度評估模型、讀者閱讀需求預測模型、服務產品關聯分析模型、客戶CRM（客戶關系管理）管理模型等，在有效降低服務風險和提升客戶需求洞察的前提下，提升圖書館讀者服務市場的綜合競爭力。

3.2.4 利用小數據分析保護讀者隱私安全

與大數據海量、多類型、快速和高價值的4V特性相比，小數據具有以讀者為中心、數據總量可控、數據處理即時性要求低、數據價值密度高的特點。因此，圖書館對以讀者為中心的小數據安全、隱私保護，應堅持從小數據結構特點與讀者個性化服務模式出發，制定可靠的數據安全管理與應用策略，不斷提高小數據資源的安全性。

圖書館小數據是以讀者為中心的個人數據集合。因此，圖書館在對其擁有的小數據資源管理中，應結合小數據的安全性需求，對圖書館內不同部門和館外第三方共享方設定相應的數據共享、使用權限，通過預先設定的小數據使用授權程序，嚴格控制小數據的閱讀、傳輸、下載和存儲，保證數據不被第三方非法獲得和使用。其次，小數據資源是圖書館大數據庫重要的組成部分，圖書館對大數據資源進行分析、決策的過程中，往往會因為對數據的過度分析而導致讀者隱私泄露。為了在不影響大數據決策有效性的前提下保護小數據安全，圖書館應嚴格控制大數據分析系統對小數據資源的隨意訪問、下載和共享，而應將所需分析的內容傳輸給小數據分析系統，當小數據分析系統完成數據分析后，直接將分析結果傳輸給大數據決策系統即可，而不是將包含讀者隱私數據的小數據原始資源傳輸給大數據庫。第三，圖書館應將讀者放在小數據資源安全管理的核心地位，由讀者決定與自身相關小數據內容的采集、共享和使用。當圖書館需要對讀者相關小數據資源采集時，應對讀者小數據資源采集的內容、方式和使用對象進行告知，由讀者決定小數據資源采集、應用、共享、傳播的范圍、內容、程度、時限和對象，并對與自身相關小數據進行生命周期的全程監控。此外，讀者還應擁有圖書館監控系統和傳感器網絡系統對自身小數據采集的控制權，可通過監控系統對讀者帳號、密碼的認證，暫停圖書館對自身小數據的采集。

4 結語

目前，“以客戶為中心”和“讀者個性化服務定制”的理念，已成為圖書館服務系統構建和服務模式變革的核心內容，也是圖書館提高讀者閱讀滿意度和增強服務市場競爭力的重要依據。因此，如何通過海量數據的分析、預測和判斷，準確把握讀者閱讀需求和閱讀模式變化，成為關系圖書館個性服務QOS保證的重要因素。

與大數據決策模式相比，小數據決策以讀者為中心，具有更高的決策針對性、準確性、可靠性、可用性和實時性。同時，具有比大數據分析系統更低的系統配置和資源消耗需求，是圖書館個性化服務質量的可靠保證和大數據決策必要的組成部分。為了增強小數據決策有效性，圖書館應以讀者個性化服務需求和閱讀滿意度保證為中心，加強小數據決策的精細化管理和差異化保障，不斷提升小數據分析、決策的深度和個性化水平，才能確保圖書館服務的有效性、可預測性和針對性，才能為讀者提供安全、高效、經濟和便捷的小數據個性化閱讀服務。

［1］馬曉亭.大數據時代圖書館數據可用性：價值、挑戰和保障［J］.圖書館理論與實踐，2014（10）：5-8.

［2］高永梅，琚春華，鮑福光.基于大數據的電信領域用戶服務模型與數據融合策略研究［J］.電信科學，2014（7）：62-69.

［3］馬曉亭.基于用戶服務價值的圖書館大數據價值分析與服務質量保證研究［J］.圖書館，2014（5）：95-98.

［4］任磊，杜一，馬帥，等.大數據可視分析綜述［J］.軟件學報，2014，25（9）：1909-1936.

［5］方艾，金鐸，徐雄，等.電信運營商能耗優化的大數據分析模型研究［J］.電信科學，2014（10）：38-42.

［6］漆晨曦.立足小數據基礎的電信企業大數據分析應用發展策略［J］.電信科學，2014（10）：15-20.

［7］Jiang D，Chen G，Ooi B C，et al.epiC：an Extensible and Scalable System for Processing Big Data［J］.Proceedings of the VLDB Endowment，2014，7（7）：1-12.

［8］馬曉亭.大數據時代圖書館客戶關系管理研究［J］.圖書館工作與研究，2014（6）：49-52.

［9］McAfee A，Brynjolfsson E.Big Data：The Management Revolution［J］.Harvard Business Review，2012（October）：61-68.

［10］Data centers efficiency how others can do it［EB/OL］.［2014-12-18］.http：//www.google.com/about/datacenters/efficiency/external.htm.

［11］代雙鳳，董繼陽，薛健.科學計算中大數據可視化分析與應用［J］.工程研究-跨學科視野中的工程，2014，6（3）：275-281.

［12］王忠，趙惠.大數據時代個人數據的隱私顧慮研究［J］.情報理論與實踐，2014，37（11）：26-29.

［13］馬曉亭.基于個性化服務需求的圖書館大數據分析平臺構建研究［J］.新世紀圖書館，2014（6）：20-23.

Study of Personal Services Mode for Library Based on Small Data Decision Support

Based on the study of the relationship between big data and small data，this article analyzed the influence of small data on personalized services of library，discussed the key issues in personalized services for library like QOS guarantee of personal services，service costs and users privacy，and then designed a personal services mode for library based on small data decision support.The personal services mode can make its resources and services highly fused and integrated，and the core concept of the personal services mode is user demand-led，because it can provides personalized reading services for readers.

small data；big data；decision support；library；personalized services

G252.62

A

10.11968/tsygb.1003-6938.2015014

陳臣（1974－），男，蘭州商學院信息中心工程師。

2015-01-20；責任編輯：劉全根