高校圖書(shū)館數(shù)據(jù)治理研究

摘 要：對(duì)數(shù)據(jù)進(jìn)行科學(xué)治理可有效推動(dòng)圖書(shū)館事業(yè)的發(fā)展，新的數(shù)據(jù)治理模式、治理機(jī)制和治理手段可顯著提升高校圖書(shū)館的服務(wù)能力。文章分析了高校圖書(shū)館數(shù)據(jù)治理相關(guān)研究及存在的問(wèn)題，理清了高校圖書(shū)館數(shù)據(jù)治理要素，分享了華南地區(qū)某理工科高校圖書(shū)館利用開(kāi)源軟件開(kāi)展數(shù)據(jù)治理工作的案例，以期高校圖書(shū)館能夠有效利用開(kāi)源軟件開(kāi)展數(shù)據(jù)資產(chǎn)管理工作。

關(guān)鍵詞：數(shù)據(jù)治理；高校圖書(shū)館；開(kāi)源軟件

中圖分類號(hào)：G258. 6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-1588（2025）01-0071-03

本文系2022年度國(guó)家社科基金一般項(xiàng)目“嶺南瑤族鄉(xiāng)村民俗檔案文化數(shù)字化傳承保護(hù)與創(chuàng)新交融研究”的階段性研究成果之一，項(xiàng)目編號(hào)：22BTQ081；也系2023年度廣西哲學(xué)社會(huì)科學(xué)研究課題“數(shù)字人文視域下廣西桂劇非遺的文化基因提取與知識(shí)圖譜構(gòu)建研究”的階段性研究成果之一，課題編號(hào)： 23FTQ006。

1 高校圖書(shū)館數(shù)據(jù)治理相關(guān)研究及存在的問(wèn)題

1. 1 相關(guān)研究

數(shù)據(jù)治理是組織中涉及數(shù)據(jù)使用的一整套管理行為[1]。很多學(xué)者在研究初期習(xí)慣使用“數(shù)據(jù)管理”“數(shù)據(jù)監(jiān)護(hù)”“數(shù)據(jù)管護(hù)”等詞匯進(jìn)行描述，其本質(zhì)都是在認(rèn)識(shí)到數(shù)據(jù)資產(chǎn)價(jià)值的基礎(chǔ)上，以數(shù)據(jù)資產(chǎn)為核心設(shè)定操作流程、劃分權(quán)屬職責(zé)等，利用數(shù)據(jù)治理結(jié)果為領(lǐng)域決策提供支持。隨著相關(guān)研究的持續(xù)深入，學(xué)界對(duì)數(shù)據(jù)治理的定義逐漸清晰。包冬梅指出，治理和管理是完全不同的活動(dòng)，治理是對(duì)管理活動(dòng)的指導(dǎo)、監(jiān)督和評(píng)估，管理是根據(jù)相關(guān)治理決策執(zhí)行具體的計(jì)劃或建設(shè)、運(yùn)營(yíng)[2]。谷歌公司經(jīng)過(guò)實(shí)踐認(rèn)為，數(shù)據(jù)治理是為確保數(shù)據(jù)安全、私有、準(zhǔn)確、可用和易用所執(zhí)行的所有操作，包括人們必須采取的行動(dòng)、遵循的流程，以及在整個(gè)數(shù)據(jù)生命周期中為其提供支持的技術(shù)[3]。截至目前，高校圖書(shū)館已開(kāi)展MARC編碼、Z39. 50檢索協(xié)議、CALIS保障體系等一系列數(shù)據(jù)治理相關(guān)工作，旨在更好地管理和使用數(shù)據(jù)。隨著數(shù)據(jù)治理概念的普及，高校圖書(shū)館界關(guān)于數(shù)據(jù)治理的研究逐漸豐富。有學(xué)者提出，高校圖書(shū)館的數(shù)據(jù)類型應(yīng)被分為業(yè)務(wù)數(shù)據(jù)、資源數(shù)據(jù)、用戶數(shù)據(jù)、管理數(shù)據(jù)等，旨在通過(guò)明確數(shù)據(jù)類型的方式確定研究主體；高校圖書(shū)館應(yīng)構(gòu)建數(shù)據(jù)專家體系，培養(yǎng)數(shù)據(jù)館員，不斷完善數(shù)據(jù)獲取治理、數(shù)據(jù)共享治理、數(shù)據(jù)重用治理、數(shù)據(jù)加值治理等工作流程。顧立平認(rèn)為，數(shù)據(jù)治理有助于高校圖書(shū)館推動(dòng)智慧圖書(shū)館建設(shè)，即以數(shù)據(jù)為核心、以業(yè)務(wù)流為驅(qū)動(dòng)，通過(guò)融合數(shù)據(jù)治理體系，構(gòu)建新型智慧圖書(shū)館框架[4]。

1. 2 存在的問(wèn)題

1. 2. 1 理論研究偏多。現(xiàn)有的相關(guān)研究主題主要集中于數(shù)據(jù)治理概念等理論研究方面，實(shí)踐類、應(yīng)用類的研究占比較低。

1. 2. 2 在研究對(duì)象的設(shè)定方面存在偏差。現(xiàn)有研究的對(duì)象設(shè)定主要有高校圖書(shū)館、數(shù)據(jù)治理、大數(shù)據(jù)、科研數(shù)據(jù)、數(shù)據(jù)科學(xué)、數(shù)據(jù)管理等，很多研究直接將高校圖書(shū)館數(shù)據(jù)治理等同于科研數(shù)據(jù)治理、用戶數(shù)據(jù)治理等，針對(duì)作為底層支撐的業(yè)務(wù)數(shù)據(jù)治理、治理框架、治理體系、治理路徑等的研究相對(duì)較少。

1. 2. 3 內(nèi)驅(qū)動(dòng)力不足。目前，高校圖書(shū)館仍沒(méi)有充分認(rèn)識(shí)到數(shù)據(jù)資產(chǎn)的價(jià)值，僅依靠自上而下的政策推動(dòng)相關(guān)研究和工作進(jìn)程，沒(méi)有制定長(zhǎng)遠(yuǎn)的數(shù)據(jù)治理戰(zhàn)略，相關(guān)的數(shù)據(jù)共享機(jī)制不夠健全、責(zé)任界定不夠清晰，沒(méi)有形成長(zhǎng)效的工作保障機(jī)制。

1. 2. 4 缺乏具體的標(biāo)準(zhǔn)規(guī)范。我國(guó)通用的數(shù)據(jù)治理框架側(cè)重宏觀的戰(zhàn)略和管理，無(wú)法滿足高校圖書(shū)館跨部門、跨系統(tǒng)的橫向協(xié)同需求，在缺乏具體標(biāo)準(zhǔn)規(guī)范的情況下，高校圖書(shū)館難以規(guī)范化開(kāi)展數(shù)據(jù)治理工作[5]。

2 高校圖書(shū)館數(shù)據(jù)治理要素

2. 1 數(shù)據(jù)治理觀念

數(shù)據(jù)治理觀念是指高校圖書(shū)館在數(shù)據(jù)資源管理、利用及維護(hù)等方面的理念和認(rèn)識(shí)。在數(shù)據(jù)方面，高校圖書(shū)館須樹(shù)立正確的數(shù)據(jù)價(jià)值、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全、數(shù)據(jù)標(biāo)準(zhǔn)等觀念。在職能方面，高校圖書(shū)館須改變傳統(tǒng)的部室架構(gòu)和職能框架，以敏捷組織模式組建工作組，全面介入數(shù)據(jù)治理流程。在人才方面，高校圖書(shū)館須培養(yǎng)精通數(shù)據(jù)治理業(yè)務(wù)、技術(shù)的復(fù)合型人才，以人才建設(shè)推動(dòng)數(shù)據(jù)治理體系建設(shè)。

2. 2 數(shù)據(jù)治理主體

在認(rèn)識(shí)論中，主體是指在社會(huì)實(shí)踐中認(rèn)識(shí)和改造世界的人，因此，數(shù)據(jù)治理主體即是在數(shù)據(jù)治理實(shí)踐中認(rèn)識(shí)和改造數(shù)據(jù)的人，其中的“人”泛指具有主觀能動(dòng)性的個(gè)人、部門、機(jī)構(gòu)、團(tuán)體等。在高校圖書(shū)館的數(shù)據(jù)治理過(guò)程中，數(shù)據(jù)治理主體既可以是高校管理層、高校信息化建設(shè)部門、圖書(shū)館管理層、圖書(shū)館技術(shù)部門、圖書(shū)館館員，也可以是相關(guān)機(jī)構(gòu)或積極參與圖書(shū)館管理的用戶等。

2. 3 數(shù)據(jù)治理客體

客體是與主體相對(duì)應(yīng)的客觀事物及外部世界，是主體認(rèn)識(shí)和改造的一切對(duì)象。數(shù)據(jù)治理客體是指在數(shù)據(jù)治理實(shí)踐過(guò)程中，被數(shù)據(jù)治理主體認(rèn)識(shí)和改造的數(shù)據(jù)對(duì)象。對(duì)于高校圖書(shū)館來(lái)說(shuō)，數(shù)據(jù)治理客體存在于各類數(shù)據(jù)資產(chǎn)中[6]，以業(yè)務(wù)系統(tǒng)、數(shù)字文獻(xiàn)資源、書(shū)目、特色數(shù)據(jù)庫(kù)、教學(xué)資源等形式呈現(xiàn)。

2. 4 數(shù)據(jù)治理邊界

數(shù)據(jù)治理邊界是針對(duì)數(shù)據(jù)治理活動(dòng)的范圍限制，數(shù)據(jù)治理活動(dòng)須在一定的數(shù)據(jù)、流程、人員、系統(tǒng)、策略等范圍內(nèi)進(jìn)行。高校圖書(shū)館的數(shù)據(jù)治理應(yīng)以圖書(shū)館數(shù)據(jù)為基礎(chǔ)，與高校網(wǎng)信中心、本科生院、研究生院、后勤服務(wù)中心等部門進(jìn)行主數(shù)據(jù)交換，并對(duì)這些數(shù)據(jù)進(jìn)行治理。

2. 5 消費(fèi)者

數(shù)據(jù)治理的目的是快捷、科學(xué)地進(jìn)行數(shù)據(jù)消費(fèi)。數(shù)據(jù)消費(fèi)者既可以是高校圖書(shū)館的工作人員、研究人員、高校教職員工等內(nèi)部用戶，也可以是其他圖書(shū)館用戶、其他高校用戶、相關(guān)單位等外部用戶。目前，相關(guān)系統(tǒng)、機(jī)器人流程自動(dòng)化（Robotic process automation，RPA）等的數(shù)據(jù)消費(fèi)占比較高，原因是不同系統(tǒng)之間的數(shù)據(jù)交換主要依賴各類自動(dòng)化接口或RPA機(jī)器人。

3 數(shù)據(jù)治理相關(guān)開(kāi)源軟件

3. 1 數(shù)據(jù)收集與清洗軟件

高校圖書(shū)館的數(shù)據(jù)來(lái)源較為復(fù)雜，除常見(jiàn)的業(yè)務(wù)系統(tǒng)、數(shù)據(jù)庫(kù)外，還有各種物聯(lián)網(wǎng)系統(tǒng)、電子資源、紙質(zhì)資源等，只有使用數(shù)據(jù)采集、文字識(shí)別、網(wǎng)頁(yè)解析等多種類型的軟件才能全面收集。具體的數(shù)據(jù)收集方式有以下三種：一是使用NiFi、Sqoop、Kafka、Flume、Pendaho等開(kāi)源數(shù)據(jù)采集軟件，從各類業(yè)務(wù)系統(tǒng)和數(shù)據(jù)平臺(tái)中抽取數(shù)據(jù)。二是使用Tesseract OCR等光學(xué)字符識(shí)別引擎，從圖像中提取文本數(shù)據(jù)。三是使用Scrap、Beautiful Soup等HTML解析引擎，從網(wǎng)頁(yè)提取信息或制作RPA機(jī)器人采集復(fù)雜數(shù)據(jù)集。對(duì)于收集到的數(shù)據(jù)集，高校圖書(shū)館可使用Pandas、SQLAlchemy、GGobi、DataCleaner等數(shù)據(jù)清洗軟件進(jìn)行數(shù)據(jù)清洗和補(bǔ)全，并匯入數(shù)據(jù)湖，構(gòu)成圖書(shū)館數(shù)據(jù)資產(chǎn)基座。

3. 2 元數(shù)據(jù)管理軟件

元數(shù)據(jù)管理是高校圖書(shū)館數(shù)據(jù)治理的核心內(nèi)容，涉及對(duì)數(shù)據(jù)的定義、描述、分類、控制等。Data Catalog具有數(shù)據(jù)目錄和元數(shù)據(jù)管理功能，高校圖書(shū)館可用其創(chuàng)建和管理數(shù)據(jù)目錄，并對(duì)數(shù)據(jù)進(jìn)行元數(shù)據(jù)建模和分類。Magda具有數(shù)據(jù)編目、增強(qiáng)、搜索、跟蹤和排序等功能，高校圖書(shū)館可利用其對(duì)內(nèi)外部數(shù)據(jù)源進(jìn)行處理，以API的形式對(duì)外提供數(shù)據(jù)資產(chǎn)管理服務(wù)。

3. 3 數(shù)據(jù)質(zhì)量監(jiān)控軟件

開(kāi)源數(shù)據(jù)質(zhì)量監(jiān)控軟件能夠幫助使用者保障數(shù)據(jù)質(zhì)量，提高決策準(zhǔn)確度和業(yè)務(wù)開(kāi)展流暢度，方便使用者對(duì)數(shù)據(jù)進(jìn)行追溯，以確定問(wèn)題數(shù)據(jù)源頭。Apache Griffin具有數(shù)據(jù)系統(tǒng)質(zhì)量評(píng)估功能，允許高校圖書(shū)館自定義數(shù)據(jù)質(zhì)量指標(biāo)，并對(duì)這些指標(biāo)進(jìn)行監(jiān)控。DataHub具有數(shù)據(jù)質(zhì)量評(píng)分功能，有助于高校圖書(shū)館評(píng)估數(shù)據(jù)的可靠性和適用性。

3. 4 數(shù)據(jù)消費(fèi)軟件

數(shù)據(jù)消費(fèi)軟件具有數(shù)據(jù)分析、匯總、邊界管理、可視化等功能，有助于高校圖書(shū)館用戶直觀地閱覽和操作數(shù)據(jù)集，提高數(shù)據(jù)利用效率。數(shù)據(jù)消費(fèi)軟件可按封裝程度分為自動(dòng)化和半自動(dòng)化兩種類型，自動(dòng)化數(shù)據(jù)消費(fèi)軟件有DataEase、Grafana、Apache Superset、JeecgBoot等，能夠直接對(duì)接數(shù)據(jù)湖，并根據(jù)數(shù)據(jù)結(jié)構(gòu)或時(shí)間序列生成定制化數(shù)據(jù)表格、可視化圖表等；半自動(dòng)化數(shù)據(jù)消費(fèi)軟件有Apache Echarts、D3、AntV、PowerMap等，需要使用者手動(dòng)對(duì)數(shù)據(jù)湖中的數(shù)據(jù)進(jìn)行序列化處理，只有使其符合軟件要求，才能自動(dòng)生成數(shù)據(jù)消費(fèi)界面。

4 高校圖書(shū)館利用開(kāi)源軟件開(kāi)展數(shù)據(jù)治理工作的案例

以華南地區(qū)某理工科高校圖書(shū)館為例，該館利用Pendaho、postgreSQL、JeecgBoot、ApacheEcharts、DataCleaner等開(kāi)源數(shù)據(jù)治理軟件構(gòu)建數(shù)據(jù)湖與數(shù)據(jù)消費(fèi)平臺(tái)。其中，數(shù)據(jù)湖的構(gòu)建依托Pendaho、postgreSQL、DataCleaner等開(kāi)源軟件，從不同業(yè)務(wù)系統(tǒng)、異構(gòu)數(shù)據(jù)庫(kù)、網(wǎng)站服務(wù)器等抽取數(shù)據(jù)，經(jīng)過(guò)清洗、質(zhì)量控制等處理后，匯入postgreSQL數(shù)據(jù)湖，并生成業(yè)務(wù)目標(biāo)主導(dǎo)型數(shù)據(jù)集；數(shù)據(jù)消費(fèi)平臺(tái)的構(gòu)建依托JeecgBoot、ApacheEcharts等開(kāi)源軟件，在生成如圖1所示的多維度數(shù)據(jù)集可視化圖表的基礎(chǔ)上，對(duì)多源數(shù)據(jù)集進(jìn)行匯總，生成用戶畫(huà)像等基礎(chǔ)數(shù)據(jù)。

該館組合利用開(kāi)源軟件開(kāi)展數(shù)據(jù)治理工作的方式具有一定的可行性，可滿足大部分高校圖書(shū)館基本的數(shù)據(jù)治理需求，有助于高校圖書(shū)館提升數(shù)據(jù)資產(chǎn)管理成效。

參考文獻(xiàn)：

[1] 張寧，袁勤儉.數(shù)據(jù)治理研究述評(píng)[J].情報(bào)雜志，2017（5）：129-134.

[2] 包冬梅，范穎捷，李鳴.高校圖書(shū)館數(shù)據(jù)治理及其框架[J].圖書(shū)情報(bào)工作，2015（18）：134-141.

[3] 宋懿，黃婕.歐盟政府?dāng)?shù)據(jù)治理：體系建設(shè)及其經(jīng)驗(yàn)啟示[J].現(xiàn)代情報(bào)，2023（6）：139-148.

[4] 顧立平.數(shù)據(jù)治理：圖書(shū)館事業(yè)的發(fā)展機(jī)遇[J].中國(guó)圖書(shū)館學(xué)報(bào)，2016（5）：40-56.

[5] 王兆君，王鉞，曹朝輝.主數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)治理：原理、技術(shù)與實(shí)踐[M].北京：清華大學(xué)出版社，2018：19-36.

[6] 熊擁軍，白瀚禎，張廷成.基于數(shù)據(jù)中臺(tái)的圖書(shū)館數(shù)據(jù)資產(chǎn)管理架構(gòu)[J].圖書(shū)館學(xué)研究，2023（8）：36-47.

（編校：馮耕）