大數據背景下圖書館數據價值提升策略研究*

馬 坤

大數據技術、信息可視化技術、人工智能技術在圖書館的應用顯著提升了圖書館信息化水平，為智慧圖書館發展蓄勢賦能。當前，圖書館廣泛使用的業務管理系統、門禁系統、預約系統、數字資源訪問系統、電子借閱系統、建筑智能化系統等積累了大量的業務數據、讀者數據、資源數據、服務數據和空間環境數據。這些結構化、半結構化和非結構化的數據，從容量、多樣性、速度和價值方面已具有大數據的顯著特征。通過對圖書館數據進行綜合分析、利用，可以看到大數據分析技術可應用在諸如年度數據報告、數據畫像，信息可視化展示平臺、決策支持系統、服務預警、知識發現等方面，并對圖書館業務完善、讀者分析、資源保障、閱讀推廣、服務提升等發揮了顯著作用，彰顯了圖書館數據價值。與此同時，我們也應看到，圖書館數據利用還處于起步探索階段，被用來進行有效分析利用的數據并不多，把常規的數據統計等同于數據分析的意識問題在圖書館業務工作中依然普遍存在，因此有必要對圖書館數據價值提升策略進行研究，厘清圖書館數據利用的整體思路，為圖書館智慧化發展錨定目標,提供思路。

1 圖書館數據的主要應用價值

1.1 開展數據營銷

利用數據進行營銷是圖書館營銷活動的創新之舉，也是新時代圖書館充分應用大數據相關技術，立足于信息網絡傳播，面向讀者群體開展資源和服務推廣的重要手段，目前圖書館較為成熟的數據營銷實踐主要有以下幾種。

1.1.1 發布年度數據報告、事業報告

年度數據報告從數據視角系統總結圖書館整體利用情況，已成為圖書館數據推廣的重要手段。在公共圖書館領域，上海圖書館于2013年推出“我的閱讀2012”和《上海市2012 閱讀報告》，成為首個面向社會的公共圖書館閱讀年度報告。深圳圖書館也持續推出“圖書館之城閱讀報告”，影響力不斷提升。隨著行業標桿的帶動，國內其他公共圖書館也紛紛推出事業發展報告，利用大數據進行展示和營銷的優秀案例不斷涌現。高校圖書館領域，以廈門大學的“圖2013：我和你”年度數據為例，高校圖書館年度數據涵蓋的內容廣泛，除了常規的閱讀數據外，還將圖書館發展的重要事件納入報告。目前，絕大部分的公共圖書館和高校圖書館均發布過年度報告，并借助網站，微信、微博等社交媒體進行宣傳推廣。

1.1.2 數據畫像

數據畫像是圖書館數據利用的創新嘗試，目前主要有兩種方式。一是用戶畫像服務。比如基于借閱數據分析讀者的閱讀行為，建立畫像模型對用戶行為進行分析研判，結合用戶行為需求和個人特征進行個性化文獻資源推送服務等。用戶畫像除用于資源推送服務外，還可以生成讀者個人、群體借閱記憶卡，為讀者提供一份屬于個人的圖書館大數據記憶，系統化呈現個人學習、閱讀情況。比如：福州大學圖書館通過挖掘和分析畢業生在校期間使用圖書館的數據，為畢業生打造了個性化悅讀賬單服務；北京大學圖書館自2013 年起持續開展的“致那些書香為伴的BNU 年華”畢業季主題系列活動；廈門大學以此為案例的系列營銷活動獲得第十三屆IFLA 國際圖書館營銷獎第二名；蘇州科技大學圖書館為借閱量超過80 本的畢業生定制專屬借閱明信片，獲得蘇州《姑蘇晚報》、蘇州日報等媒體關注。二是資源畫像服務。資源畫像和用戶畫像原理一致，資源畫像更側重于對圖書館各類文獻信息資源數據的挖掘，生成的文獻資源模型不僅有助于加深圖書館對文獻資源的整體把握，同時將資源畫像與用戶畫像有機結合，有助于讓用戶畫像更加精準。通過讀者和文獻資源畫像模型搭建圖書館大數據服務平臺，能夠針對性地提供個性化、精細化閱讀推薦服務。如美國Hiptype 公司通過大數據技術，借助數據畫像方法分析讀者閱讀喜好和興趣習慣，進行個性化的數字資源推送服務[1]。

1.1.3 信息可視化平臺展示

當前，圖書館服務功能不斷拓展，早已突破傳統意義的圖書借還場所定位，通過不斷發揮資源積聚，空間拓展效用，已成為重要的學習、交流、分享、閱讀中心。新閱讀空間不斷生長，創客空間、交流空間，數字化學習空間、文化空間、社會實踐空間等已成為圖書館服務拓展的重要內容。功能拓展的同時，圖書館開始重視可視化信息平臺建設，在館舍建設和改造中逐步以可視化平臺的形式，系統、實時、個性化呈現圖書館數據，這些數據通常包括熱門借閱圖書，實時在館人數，各類實時排行榜、空間利用情況、圖書館實時活動等[2]。通過生成圖形、圖表、圖片等形式展示，讓讀者更直觀地了解圖書館，促進讀者與圖書館的良性互動。如深圳圖書館開發的智能讀者流量系統，可以系統分析讀者流動和分布的數據，并實時采集相關數據，形成可視數據報表。常州信息職業技術學院圖書館建設的信息化可視平臺，通過統計借閱量，入館人次，發布排行榜，推薦熱門借閱書籍，宣傳各類閱讀活動等形式，實時呈現圖書館服務，加深與讀者的有效互動。

1.2 開展數據決策

圖書館數據利用的價值對外主要是營銷推廣服務，對內則是為業務和事業發展提供決策服務。

1.2.1 構建決策支持系統

圖書館決策支持系統離不開數據支撐，從20 世紀70 年代起，圖書館開始探討決策支持系統，但是由于缺乏大數據的支撐，決策支持系統并沒有真正在圖書館落地。伴隨著大數據技術在圖書館的應用，一些高校圖書館和公共圖書館開始從數據著手構建決策支持系統?；跀祿臎Q策支持系統可以涵蓋圖書館采編、流通、咨詢、讀者需求調研，經費支出管理等工作環節，比如上海圖書館的流通大數據項目就是公共圖書館數據決策的典型應用，高校圖書館利用數據進行資源采購決策、管理服務提升的案例也有很多[3]。

1.2.2 搭建服務預警機制

一是利用大數據進行服務風險評估。馬曉婷基于大數據分析的圖書館風險預警系統設計，從數據分析的視角探討了圖書館服務風險與危機的科學、精確預測，借助數據可以幫助圖書館建立各類知識服務和業務建設的風險模型[4]。二是可以通過大數據分析圖書館資源狀況，及時發現故障和潛在的故障風險。比如可以利用數據分析，找到圖書館設備故障、資源訪問故障，發現圖書館空間存在的問題，查缺補漏，優化服務[5]。

1.2.3 知識整合發現

隨著5G 服務的不斷完善，信息資源市場和知識服務行業加速數字化轉型，更加凸顯信息資源的跨媒體特性。面對新的機遇和挑戰，如何進一步實現資源的融合化、知識化，提供精準嵌入教學、學習、科研、決策等過程和場景的跨媒體學科知識服務，成為5G 時代高校圖書館新型服務能力要求[6]。大數據可以幫助圖書館建立多種媒體形態、多渠道信息的知識引擎服務。知識搜索是圖書館業務服務的重要內容，近年來，知識搜索服務被一些商業公司開發成產品提供給圖書館使用，一些知識圖譜挖掘和推理方法開始應用于知識導航、檢索、推薦等。如超星公司的發現系統，就是基于大數據的資源整合平臺。圖書館自身也在探索開發基于大數據的知識發現系統，如國家圖書館通過系統整合各類自建和外購數據資源近3 億條元數據，開發文津搜索系統，為讀者提供“一站式”聯合檢索服務。重慶大學聯合維普公司開發的弘深搜索系統，清華大學的水木搜索系統等也都是基于大數據的資源整合平臺。

2 數據價值存在缺失或不足的分析

2.1 數據營銷的廣度不夠

數據營銷是圖書館數據利用的直觀展示，但是在數據營銷中，當前還存在著定位不夠清晰、品牌辨識度不高、推廣機制不健全、推廣效果持續性差等狀況，概括下來主要存在以下問題。

2.1.1 數據源選擇不夠豐富

在當前圖書館展示的數據中，更多的是業務數據中的結構化數據，如來自圖書借閱系統、座位預約系統、門禁系統等信息化系統的借閱量、預約次數、入館量等數據，類型不夠豐富。大數據時代的到來，半結構化和非結構化數據已逐漸成為圖書館大數據的主體。一方面如文本、傳感器數據、地理空間數據、音頻、圖像、郵件和視頻等非結構化數據由于數據本身的復雜性、多樣性、異構性和不可控性，在現階段并沒有得到充分的利用；另一方面，由于圖書館很多數據具有較強的時效性，可用周期較短，如讀者檢索行為數據和日志數據、讀者參與圖書館各項活動形成的文本數據等，對這些半結構化和非結構化數據進行數據利用的綜合成本較高，這也在一定程度上影響了數據源的選擇[7]。

2.1.2 目標對象不夠細分

圖書館在開展數據營銷時，如制作年度閱讀報告數據，其目標對象沒有明確的細分，也缺乏面向不同目標對象的數據分層呈現[7]。目標對象細分有助于圖書館有的放矢地開展數據營銷服務，對此可以借鑒部分高校在門戶網站設計中的用戶細分理念，是訪客還是教職工，是在校學生還是未來學生等。只有設定目標用戶類型，針對不同目標對象提供不同的資源和數據，才能讓數據展示的效果更加友好。

2.1.3 數據展示手段相對單一

借助網站和微信、微博等社交媒體進行宣傳推廣是圖書館數據營銷的主陣地，對雙一流高校圖書館年度閱讀報告推廣渠道的相關分析顯示[8]，大部分高校主要是依靠微信進行宣傳推廣，方式比較單一。從信息熱度上說，通常是發布后一周內瀏覽量較為集中，一周以后熱度基本消失；從實際傳播量來看，根據統計，絕大部分的高校年度報告的閱讀量都在3000 次以下，最少的只有幾百次的瀏覽量；從實際投入看，數據整理勞力費時，在一定時間內需要圖書館投入大量的人力和財力，但是由于傳播渠道相對較窄，導致傳播效果不佳，社會影響力不夠，沒有完全達到預期成效。

2.2 數據分析的深度不足

2.2.1 極易把數據分析替換成數據統計

數據統計是圖書館各個信息系統提供的常規統計數據功能，而數據分析則需要打破現有的信息孤島，從常規分析延伸到數據聚類分析、關聯判斷分析，時間序列分析、大規模圖分析、社會網絡分析和線性回歸等深度分析中來，要對圖書館不同信息系統的數據進行深度挖掘，通過數據了解圖書館在知識服務過程中提供了什么，發生了什么，讀者獲得了什么，圖書館下一步應該要做什么。相對圖書館不斷增多的數據總量，被用來進行數據分析的數據卻并不多，大部分高校圖書館的信息化建設如系統軟件等都是通過采購獲得，不同的系統可能由不同的廠家提供，系統的應用環境各不相同，眾多系統沒有完全實現異構整合，而圖書館現有的技術開發力量也相對薄弱，導致圖書館數據分析多數仍然依靠現有系統的數據統計功能，對數據挖掘的深度還遠遠不夠。

2.2.2 對關聯數據內在關系的挖掘不夠深入

數據之間的對比對照不夠，比如借閱數據就是借閱數據，借閱數據和入館數據、活動數據等進行綜合對比分析較少，單一數據的統計偏多，數據間相關關系的挖掘不夠。

2.2.3 數據分析缺乏連續性

時間序列分析欠缺，一方面圖書館信息化建設是一個漸進的過程，由于信息化系統是項目化建設，基本以采購為主，且隨著信息化工作的不斷深入，系統升級迭代更替較多，很多數據沒有得到很好的遷移保存，數據缺乏連續性，如圖書館管理系統就從原來的單一系統，逐步演變成智慧圖書館管理系統。系統的更替造成圖書館很多的數據統計工作缺乏連續性，在系統更換的時候如果沒有深入考慮數據問題，就很容易造成數據斷層現象。另一方面，隨著圖書館非結構化和半結構化數據的不斷增多，對存儲和計算的要求也不斷提升，現有的軟硬件設施設備的不足也使得圖書館在存儲大容量、實時性數據方面有所欠缺，造成數據的連續性失去保障[8]。

2.3 數據決策的力度不夠

2.3.1 數據在圖書館日常業務中的使用不足

雖然圖書館逐漸意識到自身數據潛在的價值，但從組織架構和人員隊伍上來說，還沒有做到很好的配套，在一些圖書館的數據分析工作更像是一個臨時性的工作安排，在具體的時間節點通過集中力量突擊完成，沒有把數據工作作為一項日常工作進行部署謀劃，數據工作與圖書館日常業務工作的連接不夠緊密，沒有很好地利用數據服務去推動圖書館業務完善和創新，存在數據資源與實踐應用脫節的現象。實際上，數據可以應用于圖書館很多業務工作，如運用大數據技術整合構建數字資源統一平臺，基于信息可視化技術對實時數據收集整理分析，展示、監測圖書館業務，深度挖掘館藏文獻資源利用數據，進一步提升文獻資源利用率，為圖書館資源建設、經費使用提供合理化建議等[9]。

2.3.2 數據服務于圖書館戰略發展的效用不足

圖書館在事業發展規劃中，對數據的效用認識不足，利用欠缺。比如圖書館在制定“十四五”規劃等事業發展規劃時，未對已有的數據進行深入分析，沒有發揮數據驅動作用；高校圖書館在事實數據統計中，也存在不重視數據匯總整理和規范填報工作等問題，數據分析利用主動意識不足。

2.3.3 數據共享程度不足

圖書館數據中心存在信息孤島現象。如高校圖書館數據與智慧校園數據沒有實現充分共享和深度融合，公共圖書館數據與智慧城市的數據共享也沒有很好地融合，圖書館數據價值沒有得到充分的挖掘。數據分析最終目的是促進圖書館服務增值，但是，當前圖書館數據在服務于專業建設、人才培養或服務于地方文化事業發展等方面的成效沒有得到彰顯。長遠來看，基于區域性協同創新的聯盟發展是公共圖書館數據利用的重要方向，但需要打破數據壁壘，充分釋放數據潛能。

3 圖書館數據利用價值提升策略

3.1 重視跨媒體、多口徑宣傳及融合推廣

數據營銷要打破當前營銷手段較單一的局限，在發布途徑和發布形式上要更加多樣化，目前圖書館通過社交媒體開展數據營銷的渠道主要是微博、微信，對于抖音、B 站、今日頭條等新媒體還需要進一步推廣。在營銷數據選擇上，既要發布整體的數據情況，又要有針對性地對個別數據進行重點宣傳，要提高宣傳的時效性和宣傳質量[10]。

數據營銷的最終目標是讓受眾了解圖書館，增加與圖書館的互動，提高圖書館的影響力和利用率，因此，圖書館在進行數據營銷的時候，要注意引導讀者參與圖書館活動，讓讀者感受到個體也是數據的組成部分，提高讀者對數據的關注度和參與度[11]。圖書館可以在常規的年末發布數據統計信息的基礎上，增加在重大節日活動，如世界讀書日、全民閱讀月、校園讀書節、城市讀書日、文化活動周等時間節點發布數據的頻次，亦可以在圖書館特色品牌活動開展的同時進行相關數據發布，以提高數據的關注度，與活動的融合正是圖書館數據生命力的體現。

對于一些小眾數據、個性化數據，一方面要能夠體現圖書館服務的特色，另一方面也需注重問題的揭示，比如部分圖書館會設置一些曝光臺數據，對失約違章讀者進行統計、對異常圖書進行統計展示等，還有一些圖書館對讀者留言板，微信留言、讀者參與圖書館活動、特色資源利用情況及品牌特色活動的讀者參與情況進行展示。這些小眾數據雖然在數據分析和統計上需要投入一定的成本，但是由于數據特色鮮明，更容易引起受眾的關注、思考和共鳴，對于提升圖書館服務往往會發揮意想不到的作用。

3.2 提升數據治理能力和治理水平

數據治理已成為圖書館事業發展的新機遇。一種觀點認為數據驅動發現已經成為一種新的科學進步路線，產生了新的知識服務對象，圖書館面對新的知識服務對象要主動作為，通過探討數據治理工作的體制機制，模型框架，實施路徑,不斷加強數據治理工作研究，提高對數據治理工作的認知。此外，數據治理可以進一步激活圖書館數據資源，提高數據價值。近年來，《中國人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標》中對公共數據的開放共享提出了明確要求，鼓勵深入挖掘公共數據的內在價值，圖書館數據作為公共數據的一部分，應該主動順應國家公共數據治理的戰略需要，積極拓展服務新的知識服務對象，探索提升數據獲取、數據共享、數據重用等數據治理能力和水平[12]。

2019 年實施的《信息技術服務基本要求》（GB/T37961-2019 ） 的治理第5 部分的數據治理的總則和框架，規定了數據治理的頂層設計、數據治理環境、數據治理域及數據治理過程的要求。該標準適用于數據治理現狀自我評估，數據治理體系的建立；數據治理域和過程的明確，數據治理實施落地的指導；數據治理相關的軟件或解決方案的研發、選擇和評價；數據治理能力和績效的內部、外部和第三方評價。圖書館要善于科學分析圖書館公共數據各要素的構成及其邏輯關系，在遵循數據治理規范的基礎上，建立數據治理框架體系，主動融入數據治理的標準體系。近年來，學者在研究DRMA 框架、DGI 框架等國際數據治理規范的基礎上，針對圖書館公共數據的數據治理問題，不斷構建數據治理框架體系，如孫紅雷構建的圖書館公共數據治理概念框架就由4 個模塊和16 種要素構成[13]。

在探討框架、標準等問題的過程中，也要關注具體的實踐探索。圖書館要借助政府支持、學校支持、行業支持力量，重點采集“讀者”和“資源”相關的數據，包括對象描述數據、資源利用數據和讀者行為數據等。要致力于改變圖書館各個信息系統之間存在的信息孤島現象，重視特色數據存儲分析，挖掘數據之間關聯度，根據數據資源價值的評估和開發利用的實際需要，做好數據源選擇和數據清洗。要主動作為，把自身的數據與學校、行業數據進行融合，將圖書館數據與智慧城市、智慧校園大數據對接，發揮數據融合優勢等等。江蘇省公共圖書館開展的大數據項目就是對省內所有公共圖書館的數據進行匯總、清洗、整理，針對各項數據進行分析和可視化呈現。省內公共圖書館可以通過大數據服務平臺了解、查詢各類讀者數據，如借閱數據，到館人次等，并進行對照分析，挖掘數據價值，提升服務質量。

3.3 專兼結合培養和優化數據館員專業隊伍

高校數據資源管理和數據治理工作的現實需求為數據館員崗位的設置奠定了基礎。近年來，隨著國家數據資源戰略的倡導、圖書館館藏資源數據化管理，使得部分傳統圖書館服務者、資源推廣員角色向數據管理者轉變，數據館員在部分圖書館已經崗位化，但總體還量小力微。高校中設置有數據館員崗位的，有北京大學、復旦大學、華中農業大學等少數高校。公共圖書館還處于探索和嘗試階段。任何一項工作的開展都離不開制度的有力保障，數據分析工作需要圖書館在體制機制上進行探索，將數據分析工作崗位化，職業化，如可以嘗試成立大數據服務部，設置數據館員等數據分析工作崗位。此外，圖書館還應多方呼吁，爭取在《中國人民共和國執業分類大典》中將圖書館相關的專業技術人員工作內容中納入數據管理相關內容[14]。通過明確工作目標任務，建立崗位業務工作流程，工作職責任務，數據統計分析制度等，完善制度機制保障，提高數據分析工作的認知度和重要性，讓全體館員都能意識到數據的價值，為數據分析工作奠定基礎。

要建立和培養一支專兼結合的數據館員隊伍，一方面要著力提升全體館員的數字素養，另一方面，要結合數據資源利用的實際需要，理順數據管理服務制度等業務流程制度，為數據館員的工作提供更多的標準和準則依據。數據館員是“以提供數據收集、組織、管理和服務為主要職責的館員”，要求具有數據敏感度，技術感知度，服務認知度，并善于利用各類信息技術，大數據技術發現數據之間的關系，挖掘數據之間的關聯，探索數據整理利用的價值和方式。國內眾多學者如柯平、許春漫、左志林等都多次在研究成果中提出要“重視數據館員制度建設”，因此在探索全行業建立數據館員的從業資格認證制度上可以參照現有的圖書館員職業資格認證、檔案管理員資格認證等已有的認證體系，通過明確資格條件、技能要求等，建立數據館員從業資格認證制度，為數據館員工作的職業化發展奠定基礎。在數據館員的成長之路上，專業教育渠道的作用也不可或缺，要通過專業教育為數據館員提供更多的業務學習和職稱晉升機會；在兼職數據館員的培訓上，建立科學的考核評價制度及競爭機制[15]，激發數據館員向專職數據館員轉變的動能，為數據館員提供更好的職業發展和晉升空間。