基于大數據的智庫知識服務研究

李大信

（河南省社會科學院文獻信息中心，河南 鄭州 450000）

黨的十八大以來，黨和政府對智庫在科學民主依法決策、國家治理體系和治理能力現代化、國家軟實力建設方面予以高度重視，并提出了建設中國特色新型智庫的總體目標。要求充分發揮資政建言、理論創新、輿論引導、社會服務、公共外交等重要功能，明確指出中國特色新型智庫建設具有3個重大意義：一是黨和政府科學民主依法決策的重要支撐；二是國家治理體系和治理能力現代化的重要內容；三是國家軟實力的重要組成部分［1］。

智庫作為知識服務的主體，智力資源和知識資源是其構成的主要要素，智庫的工作對象就是信息和知識，它們在智庫中有著不可或缺的地位。21世紀以來，信息化、全球化加速發展，以大數據、云計算、物聯網等技術為主導的新一輪信息革命取得突破性進展，信息和知識也呈現出爆炸性增長，同時出現更多的載體和形態。這些信息和知識表現出與以往知識信息截然不同的特征，數據規模大（Volume）、數據類型多樣（Variety）、數據價值密度低（Value）、數據要求處理速度快（Velocity），業界稱之為大數據。

大數據帶來了全新的數據分析技術與方法，在復雜的環境和海量的數據中，解釋數據之間及數據與環境之間的廣泛聯系，準確了解過去、把握現在、預測未來，使智庫可以在此基礎上更加科學地為決策提供知識服務；另外，智庫還可以通過社會信息大數據動態觀測，發現政治、經濟、社會、文化活動中出現的各種情況，主動進行知識創新，為相關部門提供創新型、預測型知識服務。智庫要善于利用大數據技術的發展優勢，在提供知識服務的過程中，從傳統依靠經驗和文獻的研究模式向利用大數據驅動創新研究模式轉變，實現研究工具的現代化，提高研究過程的科學性。

1 智庫知識服務

1.1 知識服務的概念

近年來，知識服務及其相關的研究多集中在圖書情報行業，研究側重于圖書情報行業的咨詢功能，把知識服務嵌入圖書情報工作的信息服務范疇來進行討論，將其作為圖書館信息工作的一種高級階段形式，并賦予其顯性知識和隱性知識搜集整理的任務，對服務對象提出的問題進行綜合性信息服務，并提供有針對性的信息報告。研究一般認為知識服務是圖書館未來信息工作的重要形式，并從部分圖書館的實踐出發探討了知識服務是圖書館情報工作的核心功能，是圖書館智庫建設發展的方向和目標。

李霞等認為知識服務是一個滿足客戶不同類型知識需求的服務過程，其過程是知識服務提供者憑借其具有的高度專業化的知識，在充分挖掘客戶需求的基礎上，結合組織內外搜集、整理的信息與知識，進行知識創新，并借助適當的方法和手段，在與客戶交互的過程中，幫助客戶獲取知識、提高客戶解決問題的能力、幫助客戶理性決策，或者直接幫助客戶解決問題［2］。周利琴等認為知識服務的目標是為了滿足用戶的需求，在問題環境中把用戶的知識需求逐一細化分解，針對用戶的個性化實時需求來動態組織知識服務，為用戶提供決策支持和解決問題所需的知識［3］。

這些研究注重圖書情報機構的服務特性，并圍繞服務定位探討知識服務的形式、方法、技術手段，認為知識服務就是更深入而廣泛的信息搜集、組織、傳輸的過程。

1.2 智庫知識服務流程

我們從智庫的視角出發，分析智庫知識服務的流程，主要包括以下步驟：①課題立項（客戶提出研究方向，智庫分析需求確定研究課題）；②信息準備（課題相關背景，最新研究成果，相關研究數據等）；③知識生產（數據分析，信息研究，取得成果，適用性評價）；④課題結項（完成知識服務，提交課題成果）。

由智庫的業務活動流程可以發現，智力資源和信息資源是整個流程的關鍵因素，智庫知識服務過程就是智庫依靠所擁有的智力資源，進行信息匯聚、知識創新的過程。

1.3 智庫知識服務的特征

通過分析智庫知識服務的工作流程可以看出，智庫知識服務具備以下特點。

1.3.1 專業化。智庫知識服務面向專門的對象，主要研究客戶自身無法解決或者解決代價過高的問題，研究方向高度專業化，研究工作者具備專業化的知識和技能，但智庫本身不參與客戶的直接工作，僅就相關問題提供咨詢和建議。

1.3.2 增值化。智庫知識服務是在原有信息的基礎上，通過知識的匯聚、研究與創新，滿足用戶的知識創新需求。在創新過程中，生產了新知識，實現了知識的增值。

1.3.3 定制化。智庫知識服務是面向特定客戶群體提供的，且每次知識服務都面對不同的客戶或不同的需求，智庫的知識服務需要根據客戶需求的層次和特點進行細分，提供個性化、定制化的服務。

1.3.4 交互化。智庫知識服務要做到客戶導向，在知識創新的過程中，引入客戶評價和第三方評價，對階段性成果進行評價和修訂，保持與客戶的溝通和交流，保證知識創新能夠滿足客戶需求。

1.3.5 廣泛化。面對日新月異的社會發展環境，智庫知識服務的知識創新過程，常常要跨領域、跨專業，因而新型智庫知識服務需要建立廣泛的知識創新網絡。一方面要注重信息資源的積累；另一方面要建立廣泛的智力資源合作網絡，做好人力資源儲備。

由以上特點可知，智庫知識服務是智庫面向客戶提出的知識需求，組織智庫所擁有的高度專業化的智力資源和信息資源，進行專門的知識創新，以滿足客戶知識需求的過程。

2 大數據在智庫知識服務中的作用

大數據作為一種新的信息形式和技術手段，近年來其體量呈現爆發式的增長。一方面，電子商務、科學研究、計算機仿真等領域數據量呈現快速增長的趨勢；另一方面，網絡傳感、移動互聯網、社交網絡也帶來了大量數據。新興數據采集技術的出現使得數據成本下降，但由于數據類型增多，半結構化和非結構化數據給數據處理帶來了難題。大數據技術的出現，使得對這些數據的處理成為可能。大數據存儲技術、數據挖掘技術等新的技術手段以及海量的數據，成為一種新的戰略物資。

大數據的出現意味著人們從信息時代進入大數據時代，從以信息搜集整理分析推動社會發展的時代進入以大數據的挖掘、分析、處理推動社會創新的時代。基于大數據的數據處理業務將逐漸替代傳統的信息搜集整理業務，滲透到智庫的知識服務過程中，為智庫知識服務帶來新的發展機遇。

2.1 大數據為智庫知識服務提供全面的數據資源

智庫知識服務傳統上以文本信息和統計數據等作為主要研究對象，采用常規文獻法和數據分析方法來進行研究，信息是缺失而不完整的。隨著大數據時代的到來，物聯網、傳感器、社交網絡、智能終端的爆炸性增長帶來了數據量的增長。互聯網數據中心（IDC）預測到2020年，全球將擁有35ZB的數據量。半結構化數據、非結構化數據得以記錄、存儲、挖掘、分析和利用，為智庫知識服務提供了體量巨大、內容完整的數據。智庫得以從更深層次、更大范圍、更廣領域獲得研究對象的數據，為智庫知識服務提供了更加全面的數據資源。智庫在知識服務過程中，通過建立算法和模型對這些大數據進行挖掘分析，能夠更加全面而客觀地認知研究對象，獲得更加科學的依據，提高了研究的水平和效率。另外，在海量數據的基礎上，智庫可以根據客戶需求，利用大數據挖掘組合模型，進行多方向的知識創新，形成一個知識集合，為客戶提供可選擇的、多樣化的智庫知識服務，提高智庫知識服務滿意度，提供更高水平的智庫知識服務。

2.2 大數據為智庫知識服務提供客觀的數據資源

客觀是指大數據多由機器搜集存儲，較少人為干擾，而且大數據基本上屬于公共資源，是可以被公眾獲取使用的。智庫知識服務應當以客觀數據為依據，數據的客觀性一方面來源于機器搜集、機器存儲；一方面來源于開放的數據源，如社交媒體、物聯網數據等。對數據關聯性的分析和挖掘，是通過合理設計的算法和模型來進行；數據處理是面向全體數據進行的，避免了人工分析的傾向性和疏漏。大數據通過高速發現、搜集和分析，從海量數據中挖掘更深層次、更多信息量的隱性信息，為數據分析挖掘結果提供了客觀性保障。

2.3 大數據為智庫知識服務提供了工作新思維

傳統智庫知識服務一般遵循以下流程：接受知識服務請求—收集信息—信息分析—找出因果關系—提出解決方案，使用戶的問題得以成功解決。但由于信息不全面、渠道不暢通，解決方案價值受到限制，一般屬于事后方案。

在大數據支持下，智庫知識服務可以為客戶提供多種模式的解決方案，其流程為：接受知識服務請求—收集數據—數據挖掘—發現相互關系—提出回溯性成果、預測性成果、預置性成果等。可以通過數據挖掘過程中的數據關聯分析而非因果分析，根據數據特征進行數據清洗，通過數據的關聯性發現數據趨勢，為用戶提供多種解決方案。回溯性成果是通過對已發生數據的挖掘，發現事物的發展模式和已有結果，并根據這個趨勢預測事物的發展結果。預測性成果是利用現有數據建立多樣化的數據模型，并對未來數據進行多種預測和檢驗，在此基礎上對事物未來的發展趨勢進行評估，預測事物未來發展的多種可能結果。預置性成果同樣利用現有數據建立多樣化的數據模型，并按照客戶要求設置預置條件，當預置條件被觸發時自動為客戶提供即時方案。

大數據支持下的智庫知識服務將改變傳統的智庫知識服務流程，為客戶提供更具有前瞻性、謀劃性、可操作性的知識方案。

2.4 大數據為智庫知識服務提供廣泛的合作空間

在大數據環境下，智庫知識服務將在一個開放而多元的平臺上進行。智庫的專家團隊是智庫知識服務的基本保障。來自于不同行業的數據處理專家團隊，對不同領域的數據進行挖掘處理。客戶團隊不僅僅局限于提出需求和成果評價，而是滲透到智庫知識服務過程的每個環節。多團隊緊密合作，形成跨學科的智力資源。

大數據資源將分別來源于客戶數據、智庫自有數據、購買的專業數據以及開放的網絡數據，形成開放而多元化的數據資源。

跨學科的智力資源和開放而多元化的數據資源將會是大數據環境下智庫知識服務的基本配置，只有這樣才能保證智庫知識服務成果的科學性和正確性。

3 三駕馬車，推進智庫知識服務大數據化發展之路

大數據如今已深入全球每個領域。僅就經濟領域而言，據麥肯錫全球研究院估計，2009年美國各家公司平均儲存的數據超過1PB。歐洲組織的總體儲存數據在2010年超過了16EB。這說明發達國家經濟活動中對大數據的依賴性已經比較強。相比較，其他地區的人均數據密度就低多了。但是未來發展中國家也具有利用大數據的巨大潛力。中國龐大的人口基數和迅猛的經濟增長速度，必將推動大數據規模的快速增長，這從客觀上為大數據技術的發展提供了前提。

如何有效地把如此龐大的數據轉化為智庫知識服務的資源，提升智庫知識服務的水平，智庫需要把握好3個關鍵的因素：第一，搞好人力資源建設；第二，做好數據儲備；第三，開發好客戶需求。智庫要著力推進政府、學界、產業界、資本市場各方合作，消除“數據割據”和“數據孤島”，在保障國家數據安全的前提下，最大限度地獲取大數據資源，促進大數據的關聯應用，從而為智庫的知識服務引入大數據支持，提升服務水平和價值。

3.1 人才資源建設

大數據時代，智庫知識服務所需要人才要同時具備學科專業知識和大數據知識，智庫專家既要有深厚的專業知識，還要具備計算機應用知識，并具備數學、統計學等方面素養。

但人才匱乏是目前大數據應用的發展瓶頸。麥肯錫認為，2018年僅美國就需要14～19萬名具有“深度分析”經驗的工作者以及150萬名精通數據的經理人。而實際情況是，這一要求遠遠得不到滿足。在當前階段，智庫不一定有條件配備大數據體系的所有專業人才，如數據分析師、算法工程師、系統開發工程師、數據挖掘師、數據可視化設計師、數據后臺開發工程師等。這些大數據的專業性工作可以采用服務外包、簽約大數據專家團隊的方式來解決。智庫在招聘人才和服務外包的同時，還要積極對專業人才的大數據素養進行培訓，引進先進的分析方法和模型，定期對專業研究人員進行培訓，這樣可以逐步提高研究人員的業務水平，逐步把專業人才培養成為綜合性人才。

3.2 大數據資源建設

大數據時代的到來使得數據成了企業、機構乃至政府所重視的資源。2012年1月，瑞士達沃斯論壇發布的《大數據，大影響》報告形象地將數據稱為社會的“金礦”和“黃金”［4］。

智庫知識服務的數據分析、數據處理和數據挖掘等大數據技術的實現也需要大數據資源的支持，而這些數據可以是智庫自身所擁有的數據資源，也可以是來自于客戶的數據資源，還可以是根據知識創新需要，從大數據資源公司購買的數據資源。

智庫應該充分認識大數據在知識服務中的重要作用，提高大數據意識，利用自身優勢，構建大數據共享平臺，協調政府大數據資源、社會組織大數據資源、企業大數據資源以及自有大數據資源的交流交換及有償使用。

3.3 客戶市場開發

智庫知識服務應該通過項目立項與客戶加強溝通，宣傳大數據在知識服務中的作用，引導客戶的大數據需求。可以建立大數據智庫知識服務推廣平臺，宣傳大數據知識服務成功案例，展示大數據分析在客戶決策當中的支撐作用，提醒客戶對智庫知識服務的追求不應該止步于使用簡單的統計分析軟件，而是應該使用更加專業和精確的大數據挖掘分析。

4 結語

大數據技術的廣泛應用使得海量、復雜、多結構數據的即時獲取、精確分析、深度挖掘成為現實，為智庫知識服務帶來服務手段、服務理念、服務思維、服務基礎、服務載體、服務管理等方面的改變，也帶來很多服務增長點。大數據不僅為智庫知識服務帶來全新的技術、方法、平臺、理念，幫助和促使人們通過數據整合、數據分析、數據挖掘來揭示出數據的內在價值，實現智庫知識服務價值的增值，而且給智庫知識服務帶來很大挑戰。例如，利用大數據的同時如何做好數據隱私保護工作、如何防止保密數據的泄密、如何協調專業知識與大數據挖掘技術協作等。

但大數據帶來的價值和便利將是巨大的，智庫知識服務如果想在新的數據時代有所作為，必將著力解決大數據應用中存在的各種問題，著力運用好大數據工具，提高智庫知識服務的水平。