新技術環境下檔案數據管理模式創新研究

黃 帥 唐筠杰/上海大學圖書情報檔案系

隨著現代信息技術的飛速發展，作為承載社會信息的重要載體，檔案的內涵與外延均正發生巨大變化，檔案界提出從數據角度對檔案進行管理。于英香從時間軸、空間軸、狀態軸三個維度對檔案數據的特征進行表述，認為檔案數據的價值已上升至多元，并基于“價值重構”的思想提出一種針對檔案數據管理的新模式[1]。金波與晏秦從數據關聯、數據共享、數據管理空間以及數據管理環境四個方面對數據管理的特點進行描述，認為其不僅是一種先進的管理技術，更是一種全新的思維理念[2]。不斷革新的技術給檔案管理領域帶來了諸多挑戰，檔案工作者必須從數據管理角度對新技術環境下的檔案數據及檔案數據管理進行探索。

1 檔案數據的概念及檔案數據管理的研究歷程

1.1 檔案數據的概念

2019年2月，國家檔案局公布《基于非關系型數據庫的檔案數據存儲規范（征求意見稿）》，指出“檔案數據包括電子檔案的內容數據、傳統載體檔案數字化副本的內容數據以及兩者的元數據（含目錄數據）”[3]。雖然檔案數據作為數據的種概念，可以繼承數據的特征，但檔案數據與一般數據還是存在較大差異。具體來說，數據可服務于多種目的之下，但其本身并不具有目的性，一旦失去了這些目的，數據就沒有了任何價值；而檔案數據在生成之初便被賦予了明確的目的性，檔案數據的原始記錄性是在其生成時就存在的，根本目的就是為了長期保存以備查考。

1.2 檔案數據管理的研究歷程

電子文件誕生以來，檔案界對新技術環境下的檔案管理形式與方法展開了廣泛討論。納入新來源觀、連續體論、元數據控制等理論后，電子文件管理形成了一套較為完善的體系。而檔案數據管理作為電子文件管理的新階段，其理論架構的構建還在研究探討之中。周楓和楊智勇運用5W1H分析法對檔案數據管理進行研究，剖析了檔案數據管理中需要研究的方向及可使用的方法手段[4]。陳雪燕和于英香在分析了檔案數據管理與傳統檔案管理的融通和沖突后，闡明了向檔案數據管理范式轉型的要點[5]。

通過以上研究可以看出，檔案數據管理的研究還處于起步階段，其研究范圍與內容都還不夠深入。當前新技術的出現為檔案數據管理帶來了新的機遇與挑戰，機遇體現在數據研究的熱潮使得檔案數據管理開始受到重視，挑戰體現在需要搞清楚較之于傳統檔案管理，檔案數據管理的創新點是什么。

2 數據管理對檔案管理模式的影響

數據管理這一概念最初興起于計算機學科。金波與晏秦在總結了不同視角下對數據管理的定義后，將其歸納為“運用云計算、物聯網、大數據、智慧工程等現代技術對數據資源進行有效的收集、處理、存儲、挖掘和利用，保障數據長期可用，實現數據價值，提高組織運行效率和核心競爭力”[6]。由此可見，數據管理用以支撐人們對數據進行復雜而多樣的智能處理需求，是數據使用的基石。

2.1 對檔案管理認知理念的影響

數據管理使得檔案界人士對檔案管理模式的認知發生了根本性變化，即開始認同數據的價值，并探索“全數據”檔案管理模式，推動檔案管理范式逐漸轉型為檔案數據管理范式[7]。在大數據時代，數據成為一種核心力量，其價值已不再局限于傳統的D-I-K-W（數據—信息—知識—智慧）金字塔模型，技術直接賦予了數據話語權。如何組織、挖掘和利用檔案數據，成為當前檔案管理的重點所在。因此要構建全新的檔案數據管理理念，充分發揮出檔案數據的作用。

2.2 對檔案管理知識體系的影響

將數據管理引入檔案管理知識體系后，由于不同學科體系對事物及問題揭示的深度與廣度不同，檔案的形態、價值及其實現途徑將面臨沖擊，引發檔案知識體系重構。首先，檔案存在形式將發生變化。傳統檔案的原始記錄性規定了檔案的基礎存在形式，在新技術環境下，檔案數據也應滿足這一形式。換言之，滿足系統性要求的原始記錄形式的數據，即可作為檔案數據。其次，檔案管理原則將發生變革。在萬變不離其“宗”的傳統檔案管理體系下，以事由原則為基礎的主題檢索與利用將成為可能，而利用索引技術甚至可能出現全宗不再是“剛需”的狀態。最后，檔案價值鑒定規則將發生變化。檔案數據難以獨立地發揮作用，需要與多種數據一同被處理，只有保證數據與數據之間的完整聯系才能體現檔案數據的全部價值。

2.3 對檔案管理應用場景的影響

傳統檔案的應用場景多為本組織內部，如政府部門、企業等內部使用，而數據管理改變了檔案數據的主要應用場景。首先，檔案數據不再受空間限制，組織外人員使用檔案數據的幾率會極大增加，檔案數據應用群體從組織內人員轉向社會大眾。其次，由于檔案數據來源廣泛，任何數據都有成為檔案數據的可能，檔案數據不再處于供給不足的狀態。因此如何從海量檔案數據中發掘出有價值的檔案數據，并使其發揮出最大價值將成為新的關注點，檔案數據的應用方式從收集保管轉向價值挖掘。最后，使用者對檔案資源的需求已不再局限于公文、文獻、記錄類資源，開始拓展至圖像、音頻、視頻等多媒體數據，檔案數據應用范圍從文獻資源轉向數據資源。

3 新技術環境下檔案數據管理模式創新

3.1 創新存儲模式：“分布式NoSQL型數據庫+檔案數據”

以符合新技術環境的要求對檔案數據進行存儲，是新技術環境下檔案數據管理最為基礎的一步。檔案數據的存儲為后期檔案數據的利用奠定了基礎，高質量的檔案數據存儲環境才能真正發揮數據的價值，因此存儲數據的數據庫必須具有高適應性、高擴展性。針對傳統關系型數據庫在檔案數據存儲中的局限，利用分布式非關系型NoSQL數據庫的抗單點故障能力和動態伸縮性特點，在保證高效讀寫和靈活管理多結構檔案數據的同時，使檔案存儲具有良好的適應性、可靠性和擴展性[8]。傳統關系型數據庫模型一般存在檢索速度慢、結果質量低、橫向擴展差等問題，而NoSQL數據庫能實現檔案數據庫整體功能的負載均衡與故障轉移，提高檔案數據存儲的質量，滿足高速度高質量的檢索要求，實現檔案數據由“資源”向“資產”轉變。

3.2 創新服務模式：“Web數據挖掘技術+檔案數據”

對檔案數據進行挖掘利用可使用Web數據挖掘技術，根據不同用戶的行為特征提供個性化檔案數據服務，使檔案數據與用戶需求雙向控制達到最優化。Web數據挖掘技術可從Web文檔及活動中抽取出潛在的信息，挖掘多種類型的數據。該技術主要利用在線服務用戶需求模型功能，即對用戶在線的檔案數據使用行為進行挖掘，獲取用戶在網絡交互過程中的二手數據。再對用戶行為進行跟蹤，進而分析出不同用戶的興趣，動態地提供定制化檔案數據利用服務。利用Web數據挖掘技術識別檔案數據用戶的真實需求，使得檔案數據服務更加生動，推動以用戶為中心的個性化檔案數據服務。

3.3 創新保護模式：“區塊鏈技術+檔案數據”

檔案數據具有高度易變性，因此在儲存、傳輸與處理等過程中極易被篡改，且受到攻擊后一般難以恢復。檔案數據所強調的真實性主要依賴于對數據存儲系統的信任，當數據存儲系統不再可信時，該系統中的所有檔案數據都可能不再真實，會導致比數據丟失更加嚴重的后果。使用區塊鏈技術可消除潛在風險，保障檔案數據安全。首先，區塊鏈技術具有高度防篡改性[9]，能夠保證檔案數據真實可靠。其次，區塊鏈沒有集中的硬件或者管理組織，能實現檔案數據的多主體治理。最后，采用公有鏈與聯盟鏈相結合的安全防護機制，推動檔案數據鏈式保護思維的建立，以極大地提高檔案數據的保密性。此外，將區塊鏈技術運用于檔案數據保護模式中，還能防范由于內部成員共謀引發的安全事故。

4 對檔案數據管理模式轉型的思考

4.1 檔案數據管理的外部環境適應問題

一是檔案數據的經濟價值問題。以往檔案學研究并不過多關注檔案的“經濟效益”[10]，而且實踐工作更強調社會效益。而對檔案數據進行研究時，應注重研究其產生的經濟價值。目前檔案數據潛在的經濟價值已逐漸展現，關注檔案數據的經濟效益，能夠更好地實現檔案數據的社會價值。二是檔案數據的產權歸屬問題。以社交媒體檔案數據為例，人們通過社交媒體發布個人數據時，與自身隱私相關的基礎檔案數據便成為了公共資源，其他用戶一旦采集這些數據并加以分析利用，那么這些再生數據的相關權利可能屬于研究者，可能屬于形成者，也可能屬于數據提供者。所以需要對檔案數據的產權及相關權責進行更加深刻和具體的討論，結合具體情況進行分析。

4.2 檔案數據管理的內部規則重構問題

一方面，支持閱讀各模式下的通用數據解讀規則還沒有建成。DDI（the Data Documentation Initiative）作為一套國際元數據管理標準，雖被廣泛用于國外社會科學數據歸檔活動中，但沒有對變量名稱、編碼說明進行標準化規定，利用者在描述檔案數據時可能會出現偏差?？死蚪z汀·伯格曼教授（Christine L. Borgman）就以“年齡”字段為例，提出由于不同記錄者的記錄習慣不同，年齡字段既可以解釋為歲數，也可以解釋為出生年份，如“年齡”字段中的“59”既可表示“59歲”，也可表示“出生年份為1959年”。缺少了對檔案數據變量名以及編碼的說明性描述，檔案數據的價值會大打折扣[11]，有時甚至會無法使用。

另一方面，檔案數據形式眾多，沒有統一的數據挖掘解碼標準使得研究者需要采用多種解碼方式對數據進行分析。由于各機構都有一套獨立的數據庫管理體系，不同機構對其內部的檔案數據描述語言不盡相同，利用時需要使用多種解碼方式對檔案數據進行分析，工作效率不高。此外，由于研究的要求不盡相同，多數情形下需要將非結構化數據重組為結構化數據。非結構化數據不是很適用于理論論證性研究，因此研究者在利用大數據對非結構化數據進行研究后，都要再次使用一套算法，將非結構化數據整合成結構化數據，為進一步的研究所用[12]。因此，重構檔案數據管理的內部規則是必要之舉。