基于5W1H法則的圖書館數據治理框架研究

摘要：數據治理是實現圖書館數字化轉型的關鍵要素之一。為了有效地治理圖書館數據，文章基于DGI數據治理框架，利用5W1H法則（治理動因Why、治理內容What、治理主體Who、治理場景Where、治理階段When、治理策略How），構建了圖書館數據治理框架，通過實施數據治理策略，提升數據質量，以驅動圖書館智慧服務，推動圖書館高質量發展。

關鍵詞：圖書館數據；數據治理；治理框架

中圖分類號：G251" 文獻標志碼：A

0 引言

數字化時代，數據正在以超凡的速度滲透到每個行業的業務領域，成為重要的生產要素。面對日益劇增的數據，如何管理數據、消除數據孤島、挖掘數據價值成為政府和企業進行數字化轉型的關鍵^［1］。2022年12月，《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》指出，數據要素的潛能和價值，充分共享共用數據^［2］。在推進“智慧中國”建設的大環境下，智慧圖書館的建設也邁上了新臺階。數據是圖書館提供智慧化服務的重要因素，數據治理的成效對智慧服務的開展起到了關鍵作用^［3］。只有實施有效的數據治理策略，才能持續輸出高質量數據，釋放數據價值，實現數據驅動智慧服務，推動圖書館高質量發展。

1 數據治理的定義

國際數據管理協會（DAMA）提出，數據治理是對數據資產管理形式等的活動集合^［4］。國際數據治理研究所（DGI）^［5］提出，數據治理是通過與信息相關的一系列過程實現職責分工和決策權的系統，過程通過模型描述根據什么信息，在什么時候和什么情況下，怎樣做，做什么。數據治理是針對數據資產而開展的整套工作流程，包括政策、技術、管理、控制等環節^［6］。包冬梅等^［7］認為數據治理的本質是通過評估、指導和監督等環節，對機構數據進行管理和利用，不斷創新數據服務，創造數據價值。總體來看，所有為提高數據質量而展開的技術、業務和管理活動都屬于數據治理范疇。通過制定有效的數據資源管控策略并實施，才能提升數據質量和數據價值，真正讓數據看得見、找得到、管得住、用得好。

2 圖書館數據治理框架

數據治理框架是一個系統化的邏輯結構，它涉及數據治理領域中的基礎概念，如原則、組織結構、流程和規則等，通過這些概念之間的聯系來組織它們。該框架的目的是確保數據治理的各項活動能夠有效地支持組織的戰略目標，確保數據治理能夠帶來預期的價值和回報。國際上主流的數據治理框架主要有ISO數據治理標準、DAMA數據治理框架、DGI數據治理框架等^［7］。我國在2015年5月發布的《數據治理白皮書》，結合了中國的實際發展情況，提出了一個包含原則、范圍、實施和評估3個框架的數據治理模型并加入了大數據這一關鍵要素^［8］。

2.1 DGI數據治理框架

DGI數據治理框架的設計采用“5W1H”法則，將數據治理分為人員與治理組織、規則、流程3個層次，共10個組件：數據利益關系人、數據治理辦公室和數據管理員、數據治理的愿景、數據治理的目標、評估標準和推動策略、數據規則與定義、數據的決策權、數據的職責、數據的控制、數據治理流程^［9］。

本文結合DGI數據治理框架，運用5W1H法則，從圖書館數據治理動因（Why）、圖書館數據治理內容（What）、圖書館數據治理主體（Who）、圖書館數據治理場景（Where）、圖書館數據治理階段（When）和圖書館數據治理策略（How）幾個方面入手，對高校圖書館數據治理框架進行剖析，以期提升數據質量和利用價值（見圖1）。

2.2 圖書館數據治理動因（Why）

2.2.1 數據類型的多樣化

圖書館數據類型的多樣化是數據治理的一個重要挑戰。圖書館數據不僅包括結構化數據，如讀者信息、圖書信息等，還包括半結構化和非結構化數據，如文本、圖像、音頻、視頻等。在數據治理過程中需要對這些不同類型的數據進行統一的管理和控制，以確保數據的質量和一致性。

2.2.2 黑暗數據

黑暗數據是指被收集和處理但又不用于任何用途的數據^［10］。有數據而不用，甚至業務部門和領導都不知道其存在，這些數據可能永遠被埋沒。之所以會產生黑暗數據，主要是因為圖書館的系統對于業務人員來說可能不夠友好，操作功能復雜，可視化效果差。在這種情況下，圖書館部分館藏資源數據未被充分采集或整理，導致這些資源在提供服務和支持研究時無法發揮最大效用；收集到大量的用戶行為數據，如借閱記錄、訪問記錄等，這些數據沒有被充分分析，揭示用戶需求和偏好，從而無法為個性化讀者服務提供依據；有些系統采集的數據指標甚至與業務需求脫節，不能為具體業務分析提供有效的數據或不能及時提供數據，這就不可能驅動業務人員使用數據。技術部館員雖然知道有哪些數據，但由于缺乏業務需求驅動，也不去用或者不會用。這些原因就造成了系統中存在很多的黑暗數據。

2.2.3 數據孤島

所謂數據孤島，就是每個部門分別存儲數據，所有數據不能共通，導致數據像一個個孤島一樣沒有關聯性^［11］。圖書館采用多個不同的系統來管理館藏資源、用戶信息和服務流程等。所有系統并沒有統一的數據標準和接口，導致數據無法順暢流通和共享。不同部門之間存在數據共享障礙，如采編部門、流通部門和參考咨詢部門之間缺乏有效的數據交流機制，影響整體服務效率和質量。圖書館要想利用好數據，實現打通數據孤島，首先需要對部門業務和流程進行細致梳理和深度理解^［12］。

2.2.4 糟糕的數據質量

大量的數據對于圖書館來說是好事，但糟糕的數據質量可能是一個大問題。比如常見的編目錯誤和流通數據錯誤，在圖書編目過程中，由于人工操作等原因，可能會出現輸入錯誤、格式不統一等問題。這些錯誤直接影響了讀者檢索和利用館藏資源的體驗感；在圖書流通過程中，由于工作人員的疏忽或系統故障等原因，可能會出現條碼掃描錯誤、館藏地點變更錯誤等問題。這些問題會導致館藏數據與實際庫存不符，影響讀者的借閱體驗；還可能在校區合并或搬遷過程中，由于不同系統間的數據整合不當等原因，出現重復數據的問題，這些重復數據不僅浪費存儲空間，還會增加數據處理的復雜性和難度。數據質量問題得不到有效解決，數據價值化、數據業務化就無從談起了。原始數據并沒有什么用，只有經過采集、存儲、處理、清洗等一系列加工處理過程，才能形成可信的、高質量的、可被利用的數據資產^［13］。

2.2.5 數據的安全風險

數據的應用與數據的安全密切相關。數據收集和提取的合法性、數據隱私的保護與數據隱私應用之間的權衡正成為當前制約大數據發展和應用的因素^［14］。沒有人不重視數據安全，但數據缺乏有效管理，一定會產生數據安全問題。如缺乏數據的采集、存儲、訪問和傳輸的規范制度，沒有設定必要的數據使用權限，這必然會導致數據遺失、篡改與泄密。圖書館在運營過程中會收集大量的用戶個人信息，如姓名、聯系方式、借閱記錄、瀏覽歷史等。這些信息如果未能得到妥善保護，就存在被泄露給未經授權的第三方的風險；在與其他機構或合作單位進行數據共享時，未能嚴格遵守數據保護協議和法律法規要求，也可能導致用戶數據被不當使用或泄露。

2.3 圖書館數據治理內容（What）

圖書館多年的建設積累了大量、各類型的數據，呈現出較強的多源性、異構性^［15］。依據數據來源與性質可以劃分為結構化數據和非結構化數據。依據數據應用與功能可以劃分為館藏利用數據、用戶服務數據。

結構化數據在圖書館數據管理中占據重要位置，包括館藏書目數據、用戶基本信息數據等。這些數據通常具有固定的格式和結構，便于存儲、檢索和分析。館藏書目數據是館藏圖書的基本信息，包括書名、作者、出版社、出版年份、 ISBN、分類號等。數據存儲在圖書館的業務管理系統中，形成書目數據庫。書目數據的標準化程度高，易于進行數字化處理和數據挖掘，如對書目數據進行分析，了解哪些學科領域的書籍需求量大，從而優化采購策略和藏書布局^［16］。用戶基本信息數據涉及讀者的個人信息，如姓名、性別、年齡、聯系方式、借閱證號等，主要用于讀者借閱服務和讀者管理。用戶基本信息數據的準確性和完整性對于圖書館的服務質量至關重要。用戶信息的及時更新可以保證借閱證的有效性，對用戶信息進行分析可以幫助圖書館提供更個性化的服務，如根據用戶的借閱歷史推薦相似書籍或相關活動。

非結構化數據是指沒有任何預定義數據模型的數據^［17］。圖書館的非結構化數據主要包括音視頻資源數據、用戶行為日志數據等。音視頻資源數據是指以數字化形式保存的音頻、視頻、圖片文件，這些資源的數據量大，格式多樣，不利于存儲和管理。視頻編目系統通常將視頻的相關信息，如題目、作者、內容簡介、關鍵詞等信息進行編目，這樣更方便用戶檢索。但是，這種方式也會存在一些問題，比如，編目信息不全面、編目過程繁、需要人工操作、效率低等。圖書館需要尋找更加有效的方式來管理和利用音視頻資源。用戶行為日志數據主要包括用戶訪問系統的時間、地點、頻率、瀏覽的頁面等信息。通過這些數據可以分析出用戶的空閑時間段，在這些時間段提供用戶需要的服務或資源或根據用戶的瀏覽頁面和點擊鏈接分析出用戶的興趣愛好，為用戶推薦相應的服務或資源。

館藏利用數據包括借閱數據、資源下載數據等，是評估圖書館服務質量和館藏資源利用率的關鍵指標，為圖書館日常運營和管理決策提供客觀的數據支持。借閱數據反映了讀者對圖書館紙質文獻的實際借閱情況，揭示了哪些文獻被頻繁借閱，不僅指示出館藏的流通率和讀者的閱讀偏好，還可以反映出需要重點維護和更新的館藏領域。通過借閱行為分析借閱高峰時段、讀者的借閱習慣等信息，可以揭示需要特別推薦和推廣的資源。資源下載數據主要表現數字化資源的使用情況，包括電子書、在線期刊下載和訪問量等。分析資源下載數據有助于圖書館評估數字資源的使用頻率和用戶對電子資源的需求，不僅為電子資源采購和決策提供依據，還可以作為評估圖書館數字服務平臺功能和用戶界面友好程度的指標，為技術升級和服務優化提供方向。

用戶服務數據包括用戶查詢數據、讀者反饋數據等，這些數據為圖書館提供了用戶需求、服務質量和用戶滿意度等多方面的重要信息。用戶查詢數據主要包括查詢的關鍵詞、查詢的時間、查詢的結果數量、用戶對查詢結果的點擊率等。通過分析查詢數據，可以了解用戶的信息需求，對檢索系統進行優化，從而提高信息檢索的效率和準確性。讀者反饋數據可以通過多種渠道收集，如在線調查問卷、用戶滿意度調查、讀者意見箱、社交媒體互動等。讀者反饋數據通常包括對圖書館服務、藏書質量、服務態度、環境設施等方面的評價和建議。圖書館可以利用讀者反饋數據針對性地改進服務流程，提升服務質量。

2.4 圖書館數據治理時機（When）

圖書館數據治理時機一般分為3個階段，即探索階段、初始階段和全面建設階段^［18］。探索階段是數據治理的啟動時期，提出圖書館數據治理的初步設想和計劃階段。在這個階段開始探索數據治理的基礎理論，設計工程實施方案，為圖書館數據治理的實施打下基礎。初始階段是數據治理的發展時期，在這一階段實施數據治理與優化，具體需要完善頂層設計，確定數據治理的初期范圍，探索數據治理的過程。全面建設階段是數據治理的完善和拓展階段，在這個階段需要通過挖掘圖書館數據資產的價值，生產出具有高附加值的數據產品，優化數據治理環境，拓展數據治理范圍。

2.5 圖書館數據治理階段（Where）

圖書館數據治理階段是由數據管理能力成熟度模型確定目前圖書館數據治理所在的成熟度級別，用來衡量圖書館數據治理能力的強弱程度^［19］。以DCMM數據管理能力成熟度5個等級為例闡述：初始級是指沒有統一的數據需求管理流程，屬于被動式的管理；受管理級是指領導層已經意識到數據是資產，根據管理策略的要求制定了管理流程，指定了相關人員進行初步管理；穩健級是數據已經被當作重要資產，在組織層面制定了標準化管理流程以促進數據管理的規范化；量化管理級是數據被認為是獲取競爭優勢的重要資源，數據管理的效率能夠進行量化分析和監控；優化級是數據被認為是組織生存的基礎，相關管理流程能夠實時優化，能夠在行業內進行最佳實踐的分享^［20］。高校圖書館有必要建立成熟度模型來定位和評估數據治理狀態與治理能力，識別差距和不足，以進行針對性地改進，提高數據管理水平^［21］。

2.6 圖書館數據治理的主體（Who）

數據治理的主體主要包括頂層規劃者、主要利用者和生產者3個方面，這三者共同推動著數據的高效管理和利用^［22］。圖書館的頂層規劃者通常是圖書館館長或專門成立的數據治理委員會，主要負責制定數據治理的戰略、政策和標準，構建組織架構，推動技術創新，以確保數據治理工作與圖書館整體戰略保持一致^［23］。其主要利用者是館員、教師、學生，他們是數據的直接使用者，負責提出數據需求，及時反饋數據質量，推動提升數據質量和挖掘數據價值。圖書館數據的生產者，主要包括圖書館的技術部門、采編部門以及各業務部門中負責數據生成和處理的館員。他們執行數據管理規則，負責數據的采集、處理和維護工作，確保數據的規范性和可用性。這3個主體在圖書館數據治理中扮演著關鍵角色，共同協作，以確保數據治理工作的順利進行，進一步提升圖書館數據治理的水平和效果^［24］。

2.7 圖書館數據治理策略（How）

2.7.1 明確價值定位

圖書館數據治理的價值表現在5個方面，包括降低業務運行成本、提升業務處理效率、改善數據質量、賦能管理決策和增強數據安全。數據治理通過創建一致性的數據環境，使系統應用集成和數據清理過程更加自動化，從而顯著降低了人工成本。在傳統的圖書館管理中，由于數據標準不統一、定義不明確，需要花費大量時間和人力進行數據的協調和溝通。而數據治理通過制定和執行統一的數據標準及規范，減少了部門之間的溝通成本，使業務部門之間的交流更加順暢，進一步降低了業務運行成本。數據治理后，各部門館員可以方便、及時地查詢到所需的數據，無須在部門之間進行煩瑣的協調和匯報，從而大大提高了工作效率。數據治理還確保了數據的準確性和一致性，使得館員在處理業務時能夠基于可靠的數據做出決策，進一步提升業務處理的效率和質量。通過數據治理，實施一系列的數據清洗、校驗和整合操作，確保數據的準確性、完整性和一致性，以此提升數據質量。高質量的數據有利于提高應用集成的效率和質量，提高數據分析的可信度，從而制定出更好的決策。數據治理還有助于增強圖書館的數據安全性。通過數據梳理識別出敏感數據，實施相應的數據安全處理技術，如數據加密/解密、數據脫敏/脫密、數據安全傳輸、數據訪問控制、數據分級授權等。這些措施可以有效保護圖書館的數據不被非法訪問、泄露或篡改，確保數據的合規使用，降低數據泄露的風險。

2.7.2 規劃治理路徑

首先，要全面了解圖書館現有的數據資源、管理系統和技術條件，通過現狀評估來識別存在的問題和不足。在此基礎上，設定數據治理的短期和長期目標，明確治理的重點和方向。其次，結合圖書館的實際情況，選擇最合適的數據治理路徑，如分階段實施、重點突破等，以確保治理工作的有序進行。

2.7.3 制定實施計劃

圖書館數據治理計劃主要包括指定數據治理的時間表、任務分配和資源需求，預先評估計劃執行過程中可能遇到的風險，制定相應的應對措施。編制合理的預算，包括軟硬件采購、人員培訓、技術支持等費用，確保治理工作的資金保障。

2.7.4 構建圖書館數據治理體系

圖書館數據治理策略的設計是一個綜合性的工作，需要涵蓋數據采集、整合、質量控制和安全等多個方面。設計圖書館數據治理策略需要明確數據采集的范圍、方式、頻率等，以確保數據的全面性和時效性；采用先進的數據整合技術，將不同來源、不同格式的數據整合成統一的數據集；建立數據質量監控機制保障數據的準確性、完整性和一致性。此外，數據安全也是至關重要的，需要制定嚴格的數據安全管理制度，加強數據加密、訪問控制、備份恢復等措施，以確保數據安全無虞。

2.7.5 部署治理架構

在數據治理策略的部署階段，需要對圖書館的組織架構進行必要的調整，以明確各部門在數據治理中的職責和角色。同時，采購或升級必要的軟硬件設備，為數據治理提供堅實的技術支撐。此外，對館員進行數據治理相關知識和技能的培訓也是至關重要的，這將有助于提升館員的數據治理能力，確保治理工作的順利實施。

2.7.6 實施治理策略

實施圖書館數據治理策略是一個核心且關鍵的過程。首先，需按照既定的步驟進行數據采集與整合，確保數據的準確性和完整性。其次，建立數據倉庫，存儲經過處理的數據集，為后續的數據分析和利用提供堅實的基礎。再次，運用先進的數據分析工具和技術，對圖書館數據進行深入分析和挖掘，以發現數據中的潛在價值。最后，基于數據分析的結果，創新服務模式，優化服務流程，以提升圖書館的服務質量。

2.7.7 建立監督機制，持續優化圖書館數據治理

為了確保圖書館數據治理的持續優化和改進，需要建立一套有效的監督機制，包括定期評估數據治理工作的執行情況，檢查治理計劃的實施效果。同時，建立問題反饋機制，及時發現和解決數據治理過程中出現的問題，不斷優化治理策略和實施方案。此外，還需要確保數據治理工作符合相關法律法規和行業標準的要求，以避免任何合規風險。

3 結語

數據作為智慧圖書館發展的核心要素，其有效治理對于提升服務質量和促進業務創新具有不可替代的作用。本文通過引入5W1H法則，系統性地構建了圖書館數據治理框架，不僅解決了數據類型多樣化、數據孤島、數據質量參差不齊及安全風險等挑戰，還明確了數據治理的主體角色及其協同作用機制。在此基礎上，提出的明確價值定位、規劃治理路徑、構建全面治理體系等策略，為圖書館實施高效數據治理提供了可操作性的指南。隨著信息化技術的不斷發展和數據的持續積累，圖書館數據治理工作將面臨更多挑戰與機遇，持續優化和創新治理策略將是推動智慧圖書館高質量發展的關鍵所在。

參考文獻

［1］梅振榮，裴麗，王海伶.歐盟《數據治理法》的解讀及對我國智慧圖書館數據治理的啟示［J］.圖書館，2024（4）：62-68.

［2］新華社.中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見［EB/OL］.（2022-12-19）［2023-05-25］.http：//politics.people.com.cn/n1/2022/1219/c1001-32589890.html.

［3］陸康，劉慧，杜京容，等.數據治理：我國智慧圖書館高質量發展新機遇［J］.圖書館，2022（10）：30-34.

［4］INTERNATIONAL D. The DAMA guide to the data management body of knowledge ［M］. New York： Technics Publications， LLC，2009：37.

［5］The Data Governance Institute.Definitions of data governance［EB/OL］.（2023-06-04）［2024-01-20］.https：//datagovernance.com/the-data-governance-basics/definitions-of-data-governance/.

［6］嚴昕.公共圖書館數據治理框架構建研究［J］.圖書館，2020（5）：58-63.

［7］包冬梅，范穎捷，李鳴.高校圖書館數據治理及其框架［J］.圖書情報工作，2015（18）：134-141.

［8］張明英，潘蓉.《數據治理白皮書》國際標準研究報告要點解讀［J］.信息技術與標準化，2015（6）：54-57.

［9］劉桂鋒，錢錦琳，盧章平.國內外數據治理研究進展：內涵、要素、模型與框架［J］.圖書情報工作，2017（21）：137-144.

［10］董京祥.暗數據視角下高校圖書館數據治理策略研究［J］.圖書館，2024（4）：40-46.

［11］楊萌，嚴海兵.基于數字化轉型的圖書館數據文化建設研究［J］.江蘇科技信息，2024（12）：66-69.

［12］盧鳳玲.融合數據治理體系的智慧圖書館框架研究［J］.圖書館，2021（5）：74-78.

［13］孫嘉睿.國內數據治理研究進展：體系、保障與實踐［J］.圖書館學研究，2018（16）：2-8.

［14］王春艷.高校圖書館數據安全治理技術體系構建研究［J］.圖書館學刊，2024（5）：18-22.

［15］陸康，劉慧，任貝貝，等.我國圖書館數據治理框架：價值、維度與路徑［J］.圖書館理論與實踐，2022（4）：121-125.

［16］陳雅迪，李娟，梁棟，等.基于借閱曲線分析的高借閱型館藏生命周期研究［J］.大學圖書館學報，2021（2）：35-44.

［17］李琳.高校圖書館數據治理現實邏輯與路徑探究［J］.高校圖書館工作，2021（3）：29-33.

［18］孫紅蕾.圖書館公共數據治理的主要問題、概念框架與實踐路徑［J］.圖書館學研究，2022（3）：11-17.

［19］吳錦池，余維杰.圖書館數據治理成熟度評價體系構建［J］.情報科學，2021（1）：65-71.

［20］葉蘭.數據管理能力成熟度模型比較研究與啟示［J］.圖書情報工作，2020（13）：51-57.

［21］秦中云.大數據環境下高校圖書館數據治理及成熟度模型研究［J］.新世紀圖書館，2019（11）：62-67.

［22］嚴昕.公共圖書館數據治理框架構建研究［D］.南京：南京大學，2018.

［23］任亞忠.從數據管理走向數據治理：大數據環境下圖書館職能的轉變［J］.四川圖書館學報，2017（4）：6-9.

［24］王靜，王鵬.基于數字孿生的高校智慧圖書館數據治理模型研究［J］.圖書館學研究，2023（11）：41-50.

（編輯 姚 鑫）

Research on the library data governance framework based on the 5W1H principle

YANG" Meng

（Suzhou University of Science and Technology， Suzhou 215009，China）

Abstract： Data governance is one of the critical factors in realizing the digital transformation of libraries. To effectively govern library data， this paper constructs a library data governance framework based on the DGI data governance framework and utilizing the 5W1H methodology （governance motivation Why， governance content What， governance subject Who， governance scenario Where， governance stage When， governance strategy How）.Through the implementation of data governance strategy， high-quality data is output to drive intelligent services in libraries， thereby promoting their high-quality development.

Key words： library data; data governance; governance framework

基金項目：江蘇省高校哲學社會科學研究基金項目；項目名稱：基于數據驅動視角的高校圖書館智慧閱讀服務框架研究；項目編號：2023SJYB1436。

作者簡介：楊萌（1984—），女，館員，碩士；研究方向：數據分析與管理。