高校圖書館大數據應用的SWOT分析與對策研究

李寅

關鍵詞：大數據；高校圖書館；SWOT分析法

摘要：大數據的廣泛應用對高校圖書館的建設與發展產生了重要影響。文章對國內外高校圖書館大數據的應用與研究進行了梳理，利用SWOT分析法對圖書館大數據應用的內外部影響因素進行了全面剖析，并提出針對性策略，以期為推進我國高校圖書館大數據應用提供借鑒。

中圖分類號：G258.6文獻標識碼：A文章編號：1003-1588（2017）11-0061-03

1高校圖書館大數據應用概況

2011年5月，麥肯錫首次提出“大數據”的概念。2012年3月，美國奧巴馬政府推出的“大數據的研究和發展計劃”掀起了大數據應用和研究的熱潮。英國哈德斯菲爾德大學圖書館、澳大利亞臥龍崗大學圖書館、美國哈佛大學圖書館等高校圖書館先后對大數據展開了深淺不一、角度各異的嘗試和探索。我國的清華大學圖書館、復旦大學圖書館、廈門大學圖書館等高校圖書館也開始關注并應用大數據開展服務。

2高校圖書館大數據應用的SWOT分析

2.1優勢

2.1.1初具大數據特征。當前，大數據雖無統一、標準的定義，卻具有公認的“4V”特征：①數據（Volume）規模大。高校圖書館的新購紙質文獻、新增數據庫及各類音視頻數據、傳感器數據、交互數據、體驗數據等數據量激增，以TB甚至PB為單位。②數據類型（Variety）多。隨著微博、微信、博客等社交平臺的廣泛應用，半結構化、非結構化數據日益增多，高校圖書館的數據類型已由單一的結構化數據向全數據轉化。③時效性（Velocity）強。專家、學者、教師及學生借助社交網絡交流時迸發的某些新思想或新觀點可能對學科發展具有重要意義，若不及時處理就會失去價值。④價值密度（Value）低。智能手機、平板電腦等移動終端的普及在方便圖書館與用戶、用戶與用戶交流的同時，也會導致數據急劇增長，從而使真正有價值的數據被海量、無用、甚至是錯誤的數據淹沒。

2.1.2良好的基礎條件。隨著我國高等教育事業的快速發展及“985工程”“211工程”、本科教學評估等項目的不斷推進，高校圖書館初步具備大數據應用所需的人才、設備及技術。大數據與移動互聯網、物聯網、云計算等技術密切相關，而這些技術在高校圖書館早已被廣泛應用。如：2003年，北京理工大學圖書館開通了移動圖書館服務；2006年，集美大學誠毅學院圖書館建設了國內首家“RFID智能館藏系統”并投入運行；2010年，中國高等教育文獻保障系統（CALIS）構建的分布式的數字圖書館云服務平臺投入使用。

2.1.3強烈的應用需求。由于種種因素制約，當前我國高校圖書館學科化與個性化服務效果不甚理想，主要表現為：針對性不強或深度不夠，與需求錯位甚至脫節，缺乏用戶體驗且認可度低等。涂靜對西南交通大學圖書館的學科化與個性化服務調查顯示，僅有22.4%的讀者滿意或比較滿意，而不滿意或比較不滿意者卻高達34.5%[1]。讓讀者滿意是圖書館永恒的宗旨，大數據為高校圖書館的學科化與個性化服務注入了新活力，其迫切需要借助大數據技術對那些看似雜亂無章的半結構化、非結構化數據進行深度挖掘，及時感知用戶真實的信息情景，準確把握用戶需求及偏好，提供用戶真正需要的產品和服務，使學科化服務更深入，個性化服務更精細。

2.2劣勢

2.2.1大數據理念與思維淡漠。大數據思維，就是人們在處理和利用大數據過程中形成的思維方式，主要包括總體思維、容錯思維、相關思維等。理念是行動的先導，大數據思維是大數據應用的前提。當前，許多高校圖書館工作者的大數據理念淡漠，存在認識誤區，要么對大數據一知半解，僅片面強調數據規模大，而忽略其他要素；要么簡單地認為大數據僅是一種新技術而忽略了大數據的其他特征，觀念滯后，思維方式仍停留在“小數據”的思維模式。另外，高校圖書館工作者對圖書館的服務和管理主要依賴自身主觀經驗，沒有對全數據進行客觀分析，或過分注重因果關系的分析，而忽視對讀者與館員、資源、設施之間相關關系的挖掘。

2.2.2資源建設與管理滯后。高校圖書館的數據資源主要由文獻數據、業務數據和用戶數據三大類型構成。文獻數據與業務數據是圖書館的基礎數據，多為結構化數據，記錄圖書館日常的服務與管理活動，而用戶數據是圖書館的核心數據，多為半結構化、非結構化數據，隱藏著讀者利用圖書館的習慣與偏好。以用戶數據為代表的高校圖書館非結構化數據具有產生主體明確、信息情景豐富、學術價值較高等特點，對圖書館的服務和管理具有重要的支撐作用。但由于半結構化、非結構化數據的采集、存儲和利用都存在許多現實困難，而高校圖書館也缺乏對這些數據的建設與管理經驗，導致結構化數據多，非結構化數據少甚至沒有，致使館藏數據結構不合理。

2.2.3專業人才匱乏。大數據應用將重構圖書館的資源管理體系，高校圖書館在數據處理、分析、安全及管理等方面都需要專業人才，尤其是數據分析對專業人才的要求更高，不僅需要其具有統計學、決策科學、數據庫技術、可視化技術等多學科的專業技術，還要求其熟悉圖書館的業務流程，目前我國高校圖書館普遍缺乏這樣的專業人才。《2015中國大數據應用前沿調研報告》顯示，在傳媒行業，大數據應用的首要問題是“缺乏大數據專業人才”（33.3%），其次是“數據分析能力不足”（21%）[2]，這也是高校圖書館開展大數據應用的主要障礙。

2.3機遇

2.3.1時代發展的要求。2015年12月，阿里巴巴董事局主席馬云在第二屆世界互聯網大會閉幕式上提出“世界正從‘IT時代進入‘DT時代”。DT（Data Technology）時代，即大數據時代，DT時代是一個數據驅動的智慧時代，更是一個用戶體驗至上的時代。在大數據時代，高校圖書館的讀者信息需求發生了很大變化，呈現情景化、多元化、個性化等特點。這就要求高校圖書館掌握時代發展脈搏，以用戶為中心推進大數據的管理與服務創新，挖掘用戶真實需求，關注用戶習慣與偏好，為其提供個性化定制服務、學科化知識服務等智慧服務，有效提升用戶體驗。endprint

2.3.2國家政策的推動。2015年8月，國務院出臺的《促進大數據發展行動綱要》對交通、醫療、教育、文化、科技等領域的大數據發展工作進行了系統部署。2015年10月，黨的第十八屆五次全體會議通過的《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》提出實施國家大數據戰略，推進數據資源開放共享，將大數據發展正式上升為國家戰略。2016年6月，教育部出臺的《教育信息化“十三五”規劃》要求各級各類學校積極通過云計算、大數據等新技術有效提升信息化服務學校教育教學的能力。以上眾多政策、規劃的頒布與實施為高校圖書館的大數據應用和發展創造了良好環境。

2.3.3成功經驗的助力。2013年，清華大學圖書館利用大數據技術對館藏資源、網絡資源等數據匯聚和挖掘后建立了知識關聯網絡，為用戶提供知識服務。2016年，廈門大學圖書館在收集、整理讀者利用圖書館數據的基礎上，增加了他們在食堂和超市的消費記錄數據，并對這些讀者行為數據進行分析和挖掘，開展了“圕·時光”特色服務，深受讀者好評[3]。2014年，美國斯坦福大學圖書館聯合加利福尼亞大學圖書館啟動的ePADD項目，對挖掘和提升電子郵件的大數據價值進行了有益嘗試。2015年，美國雪城大學圖書館開展的STACK項目，通過對社交網絡中與2016年總統大選相關信息的收集和挖掘，分析和預測大選發展趨勢和可能出現的新情況、新問題[4]。

2.4威脅

2.4.1用戶隱私安全。大數據在推動服務創新的同時也加劇了讀者的隱私安全風險，讀者信息包含身份證號碼、手機號碼、家庭信息等敏感數據，而大數據的采集、存儲、挖掘、傳播、利用等環節都有可能使讀者的隱私信息被侵犯和外泄。圖書館在采集與存儲環節，可能會因為過度追求管理與服務效果而忽視讀者對自身數據的知情權和控制權，而與圖書館合作的云服務商不完善的管理、存儲及營銷策略也可能導致讀者隱私泄露；在分析與挖掘環節，可能會出現與讀者相關的家庭或朋友的數據被過度挖掘；在傳播與利用環節，部分職業道德欠缺和法律意識淡薄的館員可能會為牟取私利而出售讀者數據。因此，如何有效化解隱私泄露危機，確保讀者信息安全是高校圖書館大數據應用必須深入研究的重要課題。

2.4.2讀者分化與流失。隨著新媒體的不斷涌現，手機已成為大學生獲取信息的重要媒介，同時以網絡化、碎片化、娛樂化為特征的“淺閱讀”也成為其重要的閱讀形式。信息獲取途徑和閱讀習慣的改變加劇了高校圖書館讀者的分化與流失。相關調查顯示，通過網絡途徑獲取信息的大學生比例高達72%，而通過圖書館獲得信息的大學生僅為18%，僅有28%的大學生經常訪問圖書館的網站，有25.3%的大學生從未訪問過圖書館的網站[5]。讀者是圖書館的上帝，讀者的需求和滿意度是高校圖書館大數據應用的原動力，讀者的流失會對圖書館大數據的發展帶來障礙。

3建議與對策

3.1樹立大數據理念

大數據時代是“以用戶為中心”的時代，對高校圖書館而言，大數據理念本質上就是關注用戶行為、重視用戶數據、滿足用戶需求的服務理念。高校圖書館要牢固樹立大數據理念，首先應內化于心，組織館員認真學習大數據思維，消除對大數據認識的誤區。其次更應外化于行，高校圖書館應改變以往在資源建設和讀者服務中只片面注重主觀經驗的思維方式，充分挖掘數據的價值，通過用戶數據及時、準確地把握不斷變化的讀者需求，將大數據理念融入圖書館工作的全過程。

3.2強化數據資源建設

大數據時代，高校圖書館傳統的文獻資源建設模式正向數據資源建設模式轉變，半結構化、非結構化數據日益成為圖書館的重要資源。要做好數據資源建設工作，首先，高校圖書館應擴展建設范疇，將數據資源建設范疇由以紙質文獻和電子文獻為主的結構化數據，向囊括音視頻數據、系統數據、環境數據、讀者行為數據等半結構化和非結構化數據在內的全數據擴展。其次，高校圖書館應注重數據整合。高校圖書館的大數據類型多樣、結構復雜，只有進行去粗存精的數據整合，才能剔除噪聲數據，消除信息孤島，更便于數據分析與挖掘。再次，高校圖書館還應積極進行數據關聯，通過不同的研究項目和學科主題線索，對數據進行關聯再造，實現數據價值增值。最后，高校圖書館應健全標準規范，依靠科學的標準和規范，實現對多種渠道來源、不同類型結構數據精確、高效、統一的存儲和管理。

3.3注重人才隊伍建設

高校圖書館大數據人才匱乏是不爭的事實，要解決人才問題須從引進、培養、提升等方面多措并舉、多管齊下。首先是培養。高校圖書館可通過委托培養的方式選拔本館符合條件的館員到相關高校進修數據存儲、挖掘、分析等相關課程，培養“本土型”數據館員。2014年7月，北京大學信息管理系增設了大數據方面的情報學專業碩士高級研修項目，清華大學、中國科學院也先后推出了大數據技術或應用方向碩士的培養項目[6]。其次是引進。高校圖書館應積極向上級爭取支持，改善環境與待遇，引進圖書館“留得住，用得上”的大數據專業人才。最后是提升。高校圖書館應通過專家講座、探討交流、實踐鍛煉等多種途徑不斷提升全體館員的數據素養，打造高素質的人才隊伍。

3.4確保用戶隱私安全

大數據環境下，讀者的隱私侵權表現出主體多元化、途徑便捷化、方式隱蔽化等新特征，讀者的隱私保護需要政府部門、行業協會、圖書館及用戶等各方共同努力。宏觀上，政府應加快推進《個人信息保護法》的立法進程，做到個人信息保護有法可依；中觀上，中國圖書館學會或全國高校圖工委可借鑒國外先進經驗，如英國的《圖書館用戶隱私指南》、澳大利亞的《圖書館隱私保護指南》等，制定符合我國國情的圖書館用戶隱私保護指南[7]；微觀上，高校圖書館應不斷完善制度，提升技術能力，用戶也應積極提高自身隱私保護意識與能力，最大限度地防范隱私被泄露。

參考文獻：

[1]涂靜.高校圖書館個性化服務評價指標體系研究：以西南交通大學為例[D].成都：西南交通大學，2016.

[2]中關村《2015中國大數據應用前沿調研報告》[EB/OL].[2016-05-22].http：//mt.sohu.com/20160522/n450800700.shtml.

[3]張浩如.大數據時代的圖書館品牌建設與營銷[J].圖書與情報，2016（5）：70-75.

[4]吳曉靜.美國高校圖書館大數據服務實踐研究及啟示[J].河南圖書館學刊，2016（7）：122-124.

[5]譚影虹.從數字圖書館到數據圖書館：大數據時代的圖書館服務范式轉變[J].圖書與情報，2016（3）：75-78.

[6]馬海群，蒲攀.大數據視閾下我國數據人才培養的思考[J].數字圖書館論壇，2016（1）：2-9.

[7]田淑嫻.許春漫.國外圖書館用戶隱私保護指南文本分析與啟示[J].圖書情報工作，2015（18）：61-66.

（編校：徐黎娟）endprint