數據時代公共圖書館新型智庫建設路徑的研究
——基于南京圖書館“大數據”“智庫”融合發展實例*

程 煜 姚國章

（1.南京郵電大學數字經濟研究所 南京 210003； 2.南京圖書館 南京 210018）

1 引言

2012年，習近平總書記在中央經濟工作會議中首次提出“建設中國特色新型智庫”，開啟了中國特色新型智庫高速發展的十年，決策服務成為促進中國社會科學發展的關鍵路徑之一。在此期間，一批戰略定位高、專業特色強的智庫機構脫穎而出，成為科學決策發展的重要保障，同時也推動了我國特色新型智庫理論體系、業務體系、學科體系和圖情方法的同步發展[1]。2015年，中共中央辦公廳、國務院辦公廳印發了《關于加強中國特色新型智庫建設的意見》以指引知識界強化鞏固智庫建設，將決策服務推向社會科學全域，智庫的發展熱潮一浪迭過一浪。公共圖書館作為服務公眾知識需求的引導者，同樣肩負提供圖情專業智庫服務的任務[2]。國家圖書館、上海圖書館率先推進智庫業務建設，對傳統咨詢、信息服務等業務版塊進行改造，開展了很多建言納諫、知識報國方面的探索，取得了諸多成效[3]。然而，囿于人才、技術、資金等因素，國內公共圖書館智庫服務形式迭代緩慢，供給不“智”、內容不“深”、響應不“快”、機制不“長”等問題日益凸顯，制約了公共圖書館智庫的深層次發展。為此，2021年文旅部印發了《“十四五”公共文化服務體系建設規劃》，強調公共圖書館應以屬地城市政治、文化、經濟、社會、生態“五位一體”戰略目標為引，專業型智庫建設為要，助力提高黨政機關、政府部門及社會重點工作的科學決策水平。同時合理利用公共圖書館“三大工程”[4]來沉淀數據資源、數據業務，開發能夠滿足快節奏、高附加值的智庫功能，助推圖書館融入數智社會。在此背景下，南京圖書館聯合南京大學，基于全省公共圖書館數據資源開發與利用搭建支撐平臺（以下簡稱“大數據”），于2021年1月創立了“圖書館大數據應用江蘇省文化和旅游重點實驗室”。同一階段，南京圖書館牽頭全省公共圖書館建立智庫同盟，與南京郵電大學數字經濟研究所（IDE）、南京數字經濟科技學會（NSDET）等本地專業智庫展開業務合作，為江蘇黨政機關提供專業決策咨詢服務（下文簡稱“智庫”）。南京圖書館同時開展“大數據”和“智庫”兩項業務，初步具備了業務融合發展的條件，構成數據時代背景下新型智庫數據建設的前提。

2 相關理論與實踐綜述

智庫服務是當代公共圖書館咨詢事業升級改革的路徑之一，也是城市公共服務體系改革的一部分，遵循開放包容的原則[5]。吳建中[6]、王世偉[7]等學者對圖書館智庫建設提出了諸多改革理念，如方法上堅持試錯、容錯、糾錯，理念上秉持創新、融合、不守舊，行動上采取主動、不被動，合作上主張抱團、分工、統籌等。對于數據時代的認知，金波等[8]指出盤活數據資源是圖書館業務趨向現代化、高端化的主要路徑。錢莉萍[9]認為數字技術是推動公共圖書館服務包容、創新發展的基礎。圖書館界數字化發展漸成共識，相關理論與實踐日益豐富。程秀峰等[10]基于圖書館用戶畫像討論智庫服務的準確性與實效性。金潞[11]基于分享原理論述智庫功能實施邊界的擴大與擴展。邵波等[12]基于KSP原理探討知識平臺在智庫業務中的作用。理論上，人們希望通過增加數字設施、運用智能裝備、充分利用數據等辦法創建更具效能的智庫服務。然而在實踐中，雖然公共圖書館“三大工程”的歷史使命已順利落地[4]，也沉淀了一批數據業務及海量數據資源，其中包括國家圖書館參考咨詢聯盟服務平臺[13]、國家圖書館科技咨詢服務平臺[14]、湖南省圖書館中小企業競爭情報系統[15]、蘇州工業園區金雞湖智庫平臺體系[16]等，但智庫數字化仍停留在傳統“平臺+資源整合”的模式層面，業務實踐也多側重存儲、調配等功能，缺乏對創造力與創新力提升方面的思考。對于已有數據資源能否隨機調用、有效復用，機器是否可以替代人腦思考完成決策任務等問題，以及推進智庫智能化建設的研究與實踐也相對罕見。客觀上，超然算力、人工智能等技術尚有很多限制條件，知識的深度加工作業目前還只能局限于人腦。未來，公共圖書館可立足海量自有數據以及外購服務商數據，開發出一套智能化服務體系，以滿足大多數智庫業務的數字需求。因為僅幾臺算力強大、算法縝密的FAQ機器人便能承擔絕大多數圖書館的咨詢工作，可替代那些低創新、弱反饋、慢響應、高時延的圖書館知識服務，以最大化利用圖書館智力資源[17]。由此，人力產生的腦力思考將被引向更高層次、更具難度的智庫場景，以此鞏固公共圖書館作為城市“文化大腦”的地位[18]。

3 公共圖書館數據資源開發的主要問題

國內有關圖書館智庫服務的數據開發項目較少，智慧化進程也十分緩慢，其原因在于圖書館人有主觀認知上的局限性，客觀上也存在較難逾越的限制條件。

3.1 缺乏復合型人才

公共圖書館智庫人員一般分布在咨詢崗或信息崗，工作內容常以文獻搜集、信息匯編、文本加工、報告撰寫等資料處理為主，情景較為單一，業態相對固化。加之近些年公共圖書館運行經費被削減、人員激勵措施較少，圖書館對數字技術的引入是慎之又慎。智庫人員沒有融入數智社會發展環境的機會，較少接觸數字技術，久而久之，公共圖書館人便會對數據化不了解、不敏感，沒有數字化開拓意識，致使數據化、智能化的圖書館智庫業務建設供需兩側錯位。數據發展與智庫業務被人為割裂，不得融合碰撞[19]，導致智庫講不清技術，技術不懂智庫，圖書館也就難以培養出既懂數據，又懂智庫，還懂融合數據與智庫的復合型人才。因此，公共圖書館智庫服務的數字化轉型只能無奈按下“緩行鍵”。

3.2 客觀限制條件較多

除人才問題外，公共圖書館數據資源利用還存在很多客觀限制。首先，國內公共圖書館建設智庫時普遍關注宏觀戰略，方法上也以利用公開文獻二次加工為主，較少深入前沿一線考究資料、獲取一手素材，思想作品制作過程與社會切實問題、真實需求雙脫鉤。智庫產品不接地、不落地，無法真正解決群眾問題，脫離基層漸失底色，決策服務品牌化建設必然式微。更嚴重的是，式微之勢造成的社會認同感降低，會大大影響智庫創新發展建設的驅動力。其次，數字應用功能開發周期長、見效慢，投資回報難以預期，試錯成本高，公共圖書館人面對數字轉型時心存敬畏，甚至望而卻步。再次，國內只有極少數公共圖書館具備數據資源自主開發能力，而且力量分散，一些新興業態要突破發展往往勢單力薄，很難形成合力，造成圖書館數據資源創新動力不足。最后，數據資源作為當代公認的先進生產要素，本身在技術、倫理和法治等問題上存在待解問題，何況應對的是原本業務基礎就相對薄弱的智庫轉型，“弱弱聯合”很難有所作為。

3.3 數據價值尚未充分開發

現階段公共圖書館提供的智庫產品大多拘泥于流暢的文字和精美的封皮，很少在產品功效上下功夫，缺跟蹤、少反饋、要人情批示的情況較多，致使智庫產品未必能滿足用戶需求，用戶也無法及時得到想要的有用信息。此外，服務形式缺少數字化技術加持，必要的泛在、精準、實時、個性表征缺失，讓用戶體會不到智庫服務的實效性與價值性。究其原因，人們對數據和智庫關系的關聯性認知較為淺顯，精通“數據”的專家與精通“智庫”的館員，其價值體系完全不同，前者的認知建立在算法挖掘與算力分析層面，多以海量信息提煉、情報萃取為目標，涉及知識以顯性特征為主。后者傾向成果轉化，洞悉決策層用戶的反饋與微妙態度，致力隱性知識的破題。換言之，一個是定量思維，一個是定性思維，要想打通價值邏輯，將二者歸集于同一業務鏈，并表現出“銜接得上”“配合得好”“解決得了”的特點，這還需要一個漫長的磨合過程。

4 大數據智庫服務支撐運行方案設計

筆者通過走訪“大數據”及“智庫”關鍵人員、關鍵崗位，了解到“大數據”與“智庫”業務的協同應用路徑和組織原理，提煉出相關經驗和做法，找準二者的需求點、癥結點以及銜接點，為支撐“智庫”數據業務方案設計奠定了基礎。

4.1 技術路徑分析

文章圍繞“大數據”和“智庫”兩大省級重點業務，將“大數據”端的資源開發、平臺支撐等要素視為業務供給端，將“智庫”場景需要視作需求端，就供需關系的相洽程度展開討論。其中，筆者分析“大數據”數據分配調用原理，觀察“智庫”服務不同場景下的應對技巧、辦法和路徑，洞察具體業務需求，廓清資料工作原理，掌握數據賦能關鍵點，梳理構建資料工作數據資源體系方案（技術路徑詳見圖1），進而討論了以下重點內容：“智庫”服務應用場景需求分析；“大數據”和“智庫”價值鏈共建；“智庫”業務數據資源體系基礎；“智庫”業務資料工作數據中臺、業務前臺、數據底座等構建辦法；“智能洞察”設計理念和辦法，探索可以替代人腦資料工作的數字化處置方案；“智庫”智能化趨勢和走向。

圖1 技術路徑分析

4.2 智庫咨詢資料工作應用場景分析

公共圖書館智庫服務的委托人一般是政府人員，他們大多是委托議題領域的行業專家，對所在領域新生事物的評判識別有一定的專業認知和本能意識。但政府人員常被政務纏身，績效性的工作近乎占據了絕大部分，沒有完整的時間和富余的精力從事行政考核以外的知識搜集與挖掘，對創新議題缺乏系統且全面的認知，提出的對策存在缺位統籌、舉措失靈的風險。為此，智庫人員需多側重政府決策服務，聚焦委托用戶的議題主旨，開展對應的資料工作，幫助委托人定位文獻、明確情報范圍，盡可能降低政府人員的知識獲取門檻、縮短知識認知進程，從而幫助委托人提質知識體系、增效功能開發與方案設計。與此同時，委托人自身對議題的認知也是一個螺旋遞增的過程，他們剛開始對新議題的認知可能僅是知道其內在的重要性和關鍵性，卻不知根源和誘因，作出的需求反饋也很可能不得要義，甚至會提出偽需求。但隨著委托人實踐工作的推進，以及對議題處理經驗的積累，一些關鍵要素和有利因素才可能真正顯露出來，所以在“智庫”場景中出現的計劃變更、資料調整，甚至“推翻”已有成稿等情形都是常態。因此“大數據”嵌入“智庫”場景，可以從新舊主旨關聯、更替的資料工作入手，建立一套資料工作跟蹤、數據溯源、節點定位、撰寫留痕的“一站式”洞察分析方案，以便在主旨議題變更的情況下，館員和委托人員也能夠及時回溯資料采集、分析和摘錄等相關節點，遍歷資料工作過程中的檢索、編目、摘錄、轉引等系列環節，比對有用信息，以推動新議題靈感的迸發，最大限度降低因異而變的資源浪費，保障“智庫”在最短時間內響應方案變更要求，同時增添智庫服務的智能因素。

4.3 資料工作系統平臺體系框架設計

“大數據”基于“智庫”所需，提出了一種“智能洞察”的方案，并將之用于歸集數據資源，推動資料工作體系智能化建設，輔助智庫數據化發展。

4.3.1 “智能洞察”方案開發方略

“智能洞察”堅持隱性知識顯性化、顯性知識結構化的迭代原則，致力使用機器算法替代人腦資料工作，深化數據治理，加快機器學習，以適應“智庫”資料工作的需要。同時，該方案盡可能推行機器語義識別、字義推敲和概念辨析，實現資料處理過程指向明確、前后聯動、協同并行，從而確保資料工作選題、分類、匯編、提煉和評估等環節邏輯自洽，逐步推進機器替代人腦進程，提高資料工作的智能化水平[20]。為此“大數據”制定了“五”字方略，用于“智庫”業務數據資源體系構建（詳見圖2）。

圖2 “智能洞察”的“五”字構建方略

一是“匯”。根據委托主旨，匯聚決策議題的主題詞、關鍵詞、關聯詞、共性詞等數據，引導關鍵數據及有效數據入庫，為資料工作構建強有力的知識字典。二是“通”。聚焦主旨議題，對相關數據進行統一標準、統一籌劃、統一處理，貫通知識資源數據，消滅業務層面的“筒倉”與“孤島”，保障“智能匯編”“自動綜述”的有效運行。三是“治”。深化數據治理，確保主旨議題數據資源可以有效流通、及時調用，確保數據資源體系業務功能可以靶向“智庫”前臺目標，提供契合“智庫”場景需要的數據調用、整合與封裝等。四是“用”。引入數字技術，如區塊鏈、人工智能、云計算等，為數據資源使用提供多技術選擇，盤活數據資源使用方法，促進數據服務向深層次發展。五是“評”。貫穿數據使用始末，建立質量控制體系，糾偏糾錯各環節出現的數據使用問題，為智庫資料工作智能化轉型提供可靠保障。

4.3.2 資料工作數據資源體系運行框架

“大數據”針對“智庫”需求，構建了基于資料工作的數據資源體系，包括三個模塊，即數據中心模塊、業務功能模塊和“智能洞察”模塊（見圖3），模塊架構及運行框架功能描述具體如下：①數據中心模塊。基于數據中臺，對授權數據庫開展跨機構、跨地域、跨層級、跨系統的資源調用，滿足知識采集、提純、抓取和運算等數據使用需要，構成數據治理支撐模塊。②業務功能模塊。按需引入云計算、區塊鏈等數字技術，對調用數據進行分類、整合，構建評估統計算法體系，確保基礎計量服務。同時拉動業務層業務，支撐委托議題的個性化業務需求，確保包括“智能匯編”在內的定制化服務可以有效實施。③“智能洞察”模塊。“智能洞察”的本質是一種數據使用機制，常被用于數據資源深度分析和價值挖掘，以此改變資料工作中具有線性特征的知識模式，擴大非線性、隱性知識的應用，將數據資源潛能激發出來，逐步替代人腦對資料知識處理的洞察意識，包括靈感、創意、經驗等。同時“智能洞察”還能將一些好的數據服務方式保留下來，為新的主旨業務提供數據復用或業務標準，為今后相似任務的開發與實施提供經驗與借鑒。而模塊在業務實踐進程中的效能反饋，也有利于“大數據”的評估改進和“智庫”的數智化改善。

圖3 “智庫”資料工作數據資源體系運行框架

5 數據驅動智庫咨詢的主要成效

“大數據”開辟的智庫業務功能，在推動智庫服務數據化發展、數字化改造等方面有一定功效[21]。

5.1 基礎統計與匯編功能的基本成效

“大數據”可以提供計量和匯編兩類資料工作功能，形成基礎服務，并在“智庫”應用場景發揮效能。

5.1.1 統計計量顯功效

統計與計量是“大數據”平臺的基礎服務功能，不僅為“智庫”提供定量分析，也為“智庫”的科學研判、客觀發展奠定了基礎。2018年，“智庫”人員應南京紫金文創研究院（PACC）之邀主持了國家社科藝術重大項目“中國特色新型文化藝術智庫建設”[22]，負責智庫評價體系方面的研究，協助研究院開展對藝術院校圖書館智庫服務的有關測評與調研。“智庫”人員采用實地調研、問卷反饋、網絡爬蟲等方式，采集到國內24家藝術院校圖書館公開發布的運營數據，制定了測評體系對各院校圖書館的智庫服務能力展開系統性評估，摸底藝校圖書館智庫建設情況。與此同時，“大數據”將一些公開數據系統入庫分析，產出統計報告分析藝校圖書館不同智庫建設的關鍵因子與能力權重。相關分析結論不僅支持課題結項，還進一步為藝校圖書館智庫建設提供了指引與方向。“大數據”通過專家研討論證，解決了一部分替代變量問題，構建出一套人、財、物和信息要素評價體系嵌入系統平臺，匯入清洗數據，形成指向性評估，為利益攸關方輸送動態評估、決策報告等統計分析、計量報告。2021年，某個參與測評的藝校圖書館在參考“智庫”統計報告的基礎上，作出了調整學科咨詢業務方向的決策，傾注力量聚焦“數字文旅”和“演藝市場”兩個領域。如調整學科咨詢支撐力度、引入“政眼通”政策分析系統、開設專題交流會務、鼓勵館員攜手本地文旅企業共同申報省級數字演藝重點實驗室、引入專家庫資源發現平臺、與當地文旅部門溝通成立文旅市場研究基地，等等。在科研轉化方面，藝校圖書館大力為院校師生創造“數字文旅”和“演藝市場”成果的轉化機會，鋪平智庫發展道路。經過一段時間的發展，該藝校圖書館在當地文旅市場實現了一些成果轉化，相關業務也很快得到其主管部門的關注。同時，在該館學科咨詢事業轉型成功之際，相關業務數據反饋又能為“大數據”平臺評價體系提供改進依據，從而促進“智能洞察”功能的優化發展，進一步提升“智庫”研究分析水平。

5.1.2 智能匯編起成效

“大數據”充分利用“三大工程”沉淀業務、積淀數據，結合服務商以及商業數據資源，不斷強化算力，調整算法，完善智能匯編功能，以此助推智庫智能化服務進程[23]。其中，“智能洞察”可以解構委托議題，對主旨主題詞表、領域詞典、實體詞典等知識庫展開挖掘，提取匹配用戶需求的語義并對之加以比對、識別，并賦值數據資源予權重。權重高的數據及其標引內容會被按需匯入預設文本框架或報告模板等，體現匯編成效。與此同時，“大數據”還與知網及科學智庫等服務商洽談，合作開發專題委托知識庫，致力從知識面和精準抓取知識資源兩個角度提升智能匯編水平。

2021年11月，“智庫”受市工信部門委托，參與區級“十四五”數字經濟規劃草案設計，負責前期調查，并為用戶提交一份“國內外先進城市數字經濟發展概況梳理”的匯編報告。“大數據”配合“智庫”在系統平臺創建“數字經濟”知識庫，為“智庫”人員以及委托用戶開通平臺客戶端權限。報告的基本主旨、格式、篇幅等內容由“智庫”人員、委托用戶共商確定，并通過客戶端操作平臺自定義內容框架。其中，“智能洞察”通過解構數字經濟主旨，獲取全網相關新聞、公文、論文等公開權威資料，搜集到了很多關于“龍頭”培育、推動“智改數轉”、強化“專精特新小巨人”、自建“工業互聯網”、推動“數據要素”、扶持“未來產業”等工信部門關切的內容，并進一步對解構主題進行深入挖掘，給予重要內容賦值確定權重，從而保證將參考價值高、借鑒意義強的文本素材匯入自定義模板中。當然，智能匯編產品尚且存在指向不足、聚焦不夠、可讀性差等問題，仍需館員進行二次加工，對已有機器文本報告進行剔舊、剔重與修訂，逐步將篇幅較長的機器組件資料，精簡至可讀性較高的規范性報告，并呈遞委托人用于決策。委托用戶在與“智庫”人員交流、與“大數據”人機交互的過程中迅速掌握城市數字經濟概況，為相關規劃工作的科學決策提供有效借鑒。同時該項任務還有益于改進圖書館決策服務的數據化方案，尤其是以機器替代人腦的資料工作部分，解決報告文本內容指向、聚焦、可讀等問題，為相關功能設計提供新的方向與好的思路。

5.2 新型智庫多層次效能發展路徑分析

“大數據”以“智能洞察”為紐帶，以資料工作智能建設為路徑，匯聚“智庫”智力資源，提高創新力，實現定制化服務，不斷提高圖書館智庫服務能力。

5.2.1 匯聚行業發展所需智力資源

智庫咨詢議題十分廣泛，僅憑圖書館很難獲取用戶的真實需求，相關決策服務也無法精準破題。2020—2022年期間，“智庫”人員通過與IDE和NSDET專業智庫合作，結識了很多數字領域的專家，包括數字領域資深教授、科創企業領軍人物、知識管理工程師、智能制造硬件工程師、數據架構師、法務咨詢師、專利代理師，等等。又與其中一部分專業人員開展業務聯絡，在項目中逐漸熟悉合作人員的知識體系、個人稟質與合作意愿，進而將這些專家資料移交“大數據”制作人員畫像，入專家庫測試系統，開發了一部分交互、共享測試功能，并試著構建智力資源保障系統。2021年，專家庫新增了數十位專家，在平臺分享了近百篇原創成果與創作經歷，如《“智慧民政”知識地圖》《新型文化業態培育研究》《南京軟件和信息服務技術產業對策》等，為“智庫”人員提供了關鍵咨詢與素材借鑒。在此基礎上，“大數據”著手加大社群功能的開發力度，強化必要的業務交流與成果分享，為智庫專家的智力成果增設轉化渠道，為“智庫”發展帶來諸多益處。一則能發揮引領帶動作用，撬動更多行業力量參與，豐富“智庫”內涵；二則匯聚專業人員，促進彼此了解，創造“智庫”合作機會；三則助力“大數據”“智庫”協同建設生態體系，形成“1個大數據平臺+1個智庫業務＞2倍的服務能量”的業態模式，賦予圖書館人以更高層次的責任、勇氣、能力與信心，讓其能勝任更高端、更高層次、更具挑戰性的決策咨詢工作。

5.2.2 深層次激發智庫創新服務能力

在數智社會背景下，生產要素迭代節奏較快，所有委托人都有搶抓實效的意識，委托議題一經提出，委托人都急于希望在最短時間內獲得有用知識、深度意見和可行方案。為此，“智庫”秉持“開窗引風”理念，將國內外同領域的先進理念、優秀做法等“新風”引入智庫業務及資料工作環節，以此作為智庫咨詢業務創新發展的條件。為此，“大數據”先后洽談了50多種商業數據庫，外購“本土文化”“運河歷史”“江蘇政務”“江蘇產經”“地方法務”等數據資源庫，用于智庫業務知識資源體系建設，提升統計與匯編能力[24]，以此擴展智庫服務面。在此基礎上，“大數據”賦予“智能洞察”以“新風”提取能力，讓系統能在獲取匯編數據過程中比對、識別出具有先進、前瞻內涵的知識數據，提取出“新風”內容，將最新、最先進、最能解決問題的知識資料融入統計與匯編計算過程，試著替代一部分目前只有人腦可以完成的“開窗引風”功能。

5.2.3 探索智庫咨詢定制服務

“大數據”通過開放獲取、擴大檢索、開發知識庫個性功能等方式，為用戶提供自主式的知識服務，進而逐漸實現定制服務模式。2022年，“大數據”籌劃加大與主流資源商、高等院校在知識服務領域的合作，增設教育、軍事、氣象、地理、城市發展等知識門類，不斷豐富“智庫”知識體系，以此擴展智庫業務面，從而奠定個性化、可定制服務的基礎。同時“智庫”人員將檔案庫中的內參、簡報、專遞、專報等智庫成品分門別類地上傳到樣本數據庫，確保智庫工作者、委托用戶等需求主體選擇成果形式時有研究報告、決策報告范式可參考，有內容可借鑒，有業務標準可遵照。“智能洞察”作為提取分析引擎，用戶可以在客戶端自主設定需求，如成果類型、內容主旨、文本框架、文本格式等信息，進而完成定制化的智能文本匯編，而且還可以生成任意智庫產品模式[25]。現階段，定制“智庫”資料服務可以解決大多數咨詢場景的簡略需求，若用戶還有更深層次的智庫咨詢需求，目前只能通過客戶端發起人工幫助，求助發現系統中的在線咨詢館員與業務專家，通過人工的方式對自動匯編報告進行更深層次的提煉與加工，直至能夠用于解決用戶的切實問題，以滿足其需求，且形成指向性、可讀性較高的專業報告為止。事實上，探索定制服務，本質就是為“大數據”尋覓可以替代“智庫”資料工作的人腦辨識、分析與推理等思維能力，筆者相信隨著技術與業務經驗的不斷積累、碰撞，推動智庫服務數據化水平的提升指日可待。

6 結語

探索“大數據”與“智庫”兩大省級重點業務的協同與融合，推進相關數據資源體系建設及功能場景應用，利用數據賦能提升資料工作智能水平，對公共圖書館智庫業務轉型有著里程碑式的意義。其中“大數據”和“智庫”秉持包容性原則，以試錯、容錯、糾錯的方式探尋智庫的實用性、適用性設計，完成對應數據資源的開發，并為圖書館所在城市建設貢獻智慧。圖書館人也可一改傳統形象，讓世人看到其既能在館舍里“推書車”“倒書架”“借還書”，又心存城市發展情懷。他們同諸多心系社會的科技工作者一樣，以圖書情報業務智庫形象示人，運用圖書情報技術工具與智力勞動向用戶供給決策意見與發展觀點，成為助力城市科學決策發展的活躍力量。然而，“大數據”賦能“智庫”服務過程在現階段還面臨諸多問題，如缺乏資金、人才、技術等，“智庫”數據化發展推動力不足，數字供給與用戶需求存在錯位。①公共圖書館智庫服務供給暫且跟不上技術更迭與變化，亟待人們深入探索與研究。②在“智庫”數字化進程中，隱性知識顯性化，顯性知識結構化、模型化路徑的可行性有待進一步探索。③“大數據”目前還得配合人力，幫助人腦解決基礎性、標準化的智庫場景問題，相關資料分析遠未及智力水平，“智庫”資料工作要真正替代腦力還有很長的路要走。綜上，數據驅動公共圖書館開展智庫服務還有較大的探索空間，亟待公共圖書館人發現、探索、建設。今后，圖書館人還要進一步抓住數智社會的發展機遇，依托自身資源特色，持續改造并優化傳統服務方式，向公眾、政府以及企業等需求主體提供更為優質的智庫服務，以推動知識服務事業的穩定發展。

（來稿時間：2022年8月）