基于大數據技術的圖書館信息服務策略研究

孫尊芳

摘? ?要：大數據技術是為構架洞察力強、過程優化強、智慧決策力強的信息服務體系，而對一系列數據展開捕捉、識別、處理、歸納的操作手段，在大數據技術、云計算支撐下，能在挖掘相關數據信息時，判斷讀者的閱讀習慣、閱讀頻率、閱讀偏好等，鑒于此，幫助圖書館展開一系列運維工作，本文首先分析大數據技術下，圖書館信息服務策略應用方向，之后就如何有效的運用大數據技術展開策略探究，以期為讀者提供更佳的信息服務。

關鍵詞：大數據? 應用方向? 應用策略

與抽樣調查不同，大數據技術更能反映事物的真值，但相較來看，數據處理量龐大，需要分布式計算機，對各類信息數據資產展開挖掘工作，整體來看，大數據技術是為優化信息服務體系，或是總結歸納某種趨勢，發現某種潛在風險，其往往存在目的性、關聯性、導向性，在以大數據技術，強化圖書館信息服務策略上，需要側重把握應用方向，并以此有效運用大數據技術。

1? 大數據技術下圖書館信息服務策略應用方向

1.1 與讀者需求有效關聯

伴隨著時代的發展，讀者的需求呈現多樣化發展趨勢，除了要求閱讀工具更加便捷外，在閱讀時間、閱讀偏好、閱讀頻率等方面都發生很多變化，有效把握讀者需求，可以保證圖書館信息服務質量，因而展開大數據分析時，應當對讀者需求展開側重把握。

1.2 與圖書館管理有效關聯

圖書館內部包括大量圖書、資料，類別上有小說、文獻資料、工具書等，在展開采購、分類、借閱、收回等過程中，往往會產生大量的工作任務，為有效簡化工作難度，有必要對圖書館內的各類數據展開分析，幫助決策層深入把握圖書館管理方向，以此增強圖書館信息服務的工作效能。

1.3 與圖書館持續發展有效管理

科學技術、信息化理念、智能設備、VR技術等的出現，將會極大的改變圖書館運維方式，信息服務策略也將產生很大的差異，迎合未來發展下，改進圖書館未來發展發展方向，不僅能有效的構架圖書館運作智能服務體系，還可為讀者提供沉浸式、趣味化、便捷化的信息服務平臺，有力的激發讀者的閱讀興趣。

2? 大數據技術應用策略

鑒于讀者需求、圖書館運作需求、未來發展需求，在構架大數據背景下的圖書館信息服務體系時，需要以此為導向，展開信息源、ETL處理、數據庫、智能分析引擎、前端整合分析、自主分析或智能導出一系列步驟[1]。

2.1 信息源

信息源是大數據的采集來源。基于讀者需求上，主要是對讀者與圖書館互動產生的閱讀時間、閱讀類別、借閱周期、借閱頻率等數據展開綜合收集工作，采集方向可以是管理員的借閱管理系統、讀者圖書證個人信息系統，考慮到信息化背景下，圖書館APP等層出不窮，因而還可以從后臺管理中，收集用戶的瀏覽記錄、下載類別等，以此對用戶數據展開綜合收集工作;基于圖書館運作需求，主要是針對圖書管理、人員管理、服務效能等數據展開收集工作，主要包括讀者點評數據、圖書采購數據、圖書損壞數據、人員績效等，以此綜合評價圖書館運作過程出現的人員工作積極性不佳、圖書丟失破損、線上平臺網絡安全等問題，有針對性做出改進的同時，也能進一步的為讀者提供優質服務;基于未來發展來看，圖書館運作有賴于讀者的閱讀興趣，并借助此，以更加高效、趣味化的手段傳遞相關知識，因而，收集相關文獻資料、改進策略，或是跟進圖書資料處理技術，能夠行之有效的找到圖書館未來化發展資料，因而，為促進圖書館信息服務體系能具備更高效能，圖書館改革趨勢也可作為信息源[2]。

例如，將讀者與圖書館互動產生的數據納入到信息源后，圖書館可以在大數據分析下，了解到讀者的偏好，若是大學生，可能是論文寫作素材、英文原著、論文資料等，在展開相關采購活動時，就可以側重該方面書籍，為讀者提供更加優質的服務，將圖書館運作數據納入到考量范疇內，就可以在識別到的某方面書籍經常產生破損、遺失等現象，并展開總結后，根據形成成因，加大圖書追回、處罰、采購力度等，將圖書館未來發展數據納入到考量范疇內，管理人員就可以提前思考VR技術等的應用，這對保證圖書館變革活力存在較多裨益。

2.2 ETL處理

RTL處理包括清洗、加載、轉換、抽取，可在全方位收集數據的情況下，對雜亂、無效、缺失等的數據展開初加工工作，旨在為具體的分析目標提供分析依據。基于讀者數據來看，可以從凌亂的數據中抽取姓名、單位、閱讀記錄、閱讀時間等完整的數據塊，隨后清除缺失或是無效數據，最后加載到數據庫中，圖書館數據可以是根據交易記錄、財務報表、人員編制等，未來發展數據可以是以發展趨勢等關鍵詞，大范圍收集文獻資料、科研成果、服務公司等，收集后展開清洗、抽取、轉換、加載工作。

2.3 數據倉庫

數據倉庫是按照既定主題組織有關數據，并方便調取的媒介，可以經由RTL處理的加載工序，將處理后的加載到數據倉庫中，是大量數據與分析引擎之間的中介，可有效節省分析次數，并能從宏觀視角，挖掘數據特征。

2.4 智能引擎

可以借助Spider引擎等，從數據倉庫中抽取有關數據，介于后續分析目標下，對數據倉庫內信息展開針對性抽取工作，面對讀者行為時，可以是單一的收集瀏覽圖書類別、某類別圖書瀏覽頻率、上次瀏覽類比等，數據粒度更小，方便統籌分析，或是展開及時推薦等[3]。

2.5 前端整合分析

從數據倉庫抽取后，可以按照既定目標，對一連串的數據展開整合工作，以更加直觀的形式展現數據特征，簡單的來說，前端整合分析是將精簡化、有序化、針對化的數據有效的組織起來，方便導出分析報告，或形成管理人員直觀觀察的報表，是降低人工參與任務量的智能整合階段。

例如，經由引擎抓取數據倉庫中各個類別圖書破損數據，并導入前端整合分析后，就可以將此類數據整合成“類別”與“破損數量”相對應的表格，或是折線、條形、扇形統計圖。

2.6 自主分析或智能導出

該階段是人工處理，或是直接導出圖形文件，在該階段上，操作人員可以直觀的判斷數據特征，匯編報告書，或將數特征納入到圖書館信息服務改良計劃中，有效支持圖書館信息服務體系完善工作。

例如，可以在自動抓取圖書館相關研究的“關鍵詞”數據，并輸出、整合后，管理人員就可以評價當下圖書館的改進措施，可以是APP、數字化、個性化、VR、智能檢索服務平臺等，借助此，管理人員結合自身需要，對圖書館做出改進工作，將大幅度改良圖書館信息服務效能。

3? 結語

整體來看，傳統圖書館管理辦法日益無法滿足讀者個性化需求，同時也無法高效運作、迎合未來發展，基于大數據技術背景完善圖書館信息服務體系，可以結合讀者需求，強化服務質量，結合圖書館管理，間接增強服務質量，結合持續發展，間接強化服務質量，具體應用時，可展開信息源、ETL處理、數據庫、智能分析引擎、前端整合分析、自主分析或智能導出一系列步驟。

參考文獻

[1] 程結晶.大數據時代圖書館服務創新的內容及其策略研究[J].情報理論與實踐，2016（3）：57-62.

[2] 楊帆，張紅，薛堯予.基于核心業務系統的圖書館大數據平臺構建策略研究[J].圖書館學研究，2017（6）：40-44，88.

[3] 楊艷.基于大數據的數字圖書館信息服務研究[J].數字技術與應用，2015（7）：66-67.