大數(shù)據(jù)時代下的檔案信息服務(wù)探索

摘 要：大數(shù)據(jù)背景下，檔案館的服務(wù)模式與應(yīng)用將會發(fā)生改變。首先介紹大數(shù)據(jù)時代檔案館所面臨的時代背景；接著分析大數(shù)據(jù)背景下檔案服務(wù)的問題與挑戰(zhàn)，最后提出相應(yīng)的應(yīng)對途徑與方法，以期為開展大數(shù)據(jù)檔案服務(wù)提供借鑒和參考。

關(guān)鍵詞：大數(shù)據(jù) 檔案服務(wù)；數(shù)據(jù)挖掘

1 大數(shù)據(jù)與檔案服務(wù)應(yīng)用

大數(shù)據(jù)是一場革命，將改變我們的生活、工作和思維方式。大數(shù)據(jù)并無統(tǒng)一定義，一般認(rèn)為由巨量的結(jié)構(gòu)與非結(jié)構(gòu)化數(shù)據(jù)組成。通常以“4V”特征或稱為維度對大數(shù)據(jù)進(jìn)行描述性解釋：規(guī)模（Volume）指數(shù)據(jù)的數(shù)量規(guī)模巨大；類型（Variety）指數(shù)據(jù)類型多樣復(fù)雜，混合結(jié)構(gòu)化與非結(jié)構(gòu)化的多種類型；實時（Velocity）一方面是數(shù)據(jù)增長速度快，另一方面是要求在合理的時間內(nèi)訪問、處理數(shù)據(jù)；價值（Value）反映了數(shù)據(jù)中隱含著價值轉(zhuǎn)化。大數(shù)據(jù)發(fā)展的最終目標(biāo)是挖掘數(shù)據(jù)的應(yīng)用價值，其重點在于數(shù)據(jù)的分析和服務(wù)應(yīng)用，“大”不過是信息技術(shù)不斷發(fā)展所產(chǎn)生的海量數(shù)據(jù)的表象而已。

隨著數(shù)字檔案館的興起，檔案網(wǎng)絡(luò)服務(wù)得到應(yīng)用與普及，數(shù)字化檔案、檔案數(shù)據(jù)庫的種類、數(shù)量不斷攀升，成為檔案資源數(shù)據(jù)的重要增長點，已經(jīng)達(dá)到海量數(shù)據(jù)規(guī)模。另外，檔案數(shù)據(jù)中存在大量的非結(jié)構(gòu)化數(shù)據(jù)，包括各類照片檔案、錄音檔案、錄像檔案、文書文檔、電子表格等，以數(shù)字形式作為文件或錄入數(shù)據(jù)庫存儲，符合當(dāng)前大數(shù)據(jù)的“4V”基本特征。然而，這些檔案數(shù)據(jù)資源遠(yuǎn)未得到有效與相應(yīng)的服務(wù)利用程度。隨著大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用，必然需要檔案館進(jìn)一步從大量的檔案信息中分析和挖掘數(shù)據(jù)的價值，要求檔案館在服務(wù)模式、資源利用方式等方面作出相應(yīng)調(diào)整與改變。因此，探索大數(shù)據(jù)對檔案館服務(wù)應(yīng)用產(chǎn)生的影響以及應(yīng)用大數(shù)據(jù)思維方法拓展檔案服務(wù)是亟須思考和解決的問題。

2 大數(shù)據(jù)檔案服務(wù)應(yīng)用的需求與挑戰(zhàn)

大數(shù)據(jù)背景下，檔案數(shù)據(jù)類型多樣、數(shù)量眾多，檔案數(shù)據(jù)存儲分析處理技術(shù)、環(huán)境與條件的變化導(dǎo)致了其服務(wù)應(yīng)用面臨著新的需求與挑戰(zhàn)，體現(xiàn)在以下幾個方面：

（一）檔案數(shù)據(jù)存儲與備份受到挑戰(zhàn) 檔案數(shù)據(jù)量已經(jīng)可達(dá)到相當(dāng)級別的數(shù)據(jù)規(guī)模，并且數(shù)據(jù)量在不斷增長，這就對數(shù)據(jù)存儲系統(tǒng)的擴(kuò)展能力要求不斷提高。檔案館的數(shù)據(jù)存儲已不止于結(jié)構(gòu)化的二維信息，各類圖像、音頻、視頻、網(wǎng)頁等非結(jié)構(gòu)化數(shù)據(jù)來源與數(shù)量也在不斷增加，會出現(xiàn)類似傳統(tǒng)檔案管理時的“脹庫”問題。同時，必須解決大規(guī)模檔案數(shù)據(jù)的安全備份問題，而且在實踐中通常會伴隨存儲管理復(fù)雜、存儲利用率低下、存儲能源消耗巨大等問題。這就必須應(yīng)用合理可行的集群存儲方案，優(yōu)化存儲提高效率和節(jié)約成本，運(yùn)用高效存儲技術(shù)，比如數(shù)據(jù)壓縮、自動精簡配置、自動分層存儲、存儲虛擬化等解決或緩解這些難題。

（二）檔案數(shù)據(jù)加工分析能力亟待加強(qiáng) 檔案建設(shè)慣用“倉儲”方式，工作重心是征集接收保管檔案。近些年雖然也強(qiáng)調(diào)檔案的數(shù)字化工作，但加工與分析處理檔案資源的能力嚴(yán)重不足，大量的檔案資源的價值得不到有效體現(xiàn)利用。隨著信息化進(jìn)程不斷推進(jìn)，相對大眾網(wǎng)站與其他信息機(jī)構(gòu)，擁有海量社會價值信息的檔案館地位作用正在被不斷弱化與邊緣化。大數(shù)據(jù)的目標(biāo)在于數(shù)據(jù)價值的發(fā)現(xiàn)，迫切需要利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)技術(shù)與工具從檔案數(shù)據(jù)中獲取有價值的檔案知識。通過數(shù)據(jù)的整合共享，交叉復(fù)用提升檔案館的智力資源和知識處理加工能力。

（三）檔案服務(wù)方式與內(nèi)容發(fā)生變化 傳統(tǒng)的信息服務(wù)模式和內(nèi)容雖然能夠滿足用戶的基本要求，但在大數(shù)據(jù)時代下關(guān)注個體的服務(wù)需求明顯。信息服務(wù)的方式和內(nèi)容以為用戶提供個性化、精準(zhǔn)化知識服務(wù)為目的，強(qiáng)調(diào)用戶體驗與知識發(fā)現(xiàn)。用戶在面對海量的檔案資源時，如何準(zhǔn)確快捷地檢索利用檔案，需要檔案館為用戶提供綜合一站式的服務(wù)體系，良好的用戶體驗，并且具備個性化服務(wù)、語義化服務(wù)、社交網(wǎng)絡(luò)以及數(shù)據(jù)可視化等服務(wù)應(yīng)用能力。

（四）檔案數(shù)據(jù)隱私安全需求不斷增長 數(shù)據(jù)開放已成為檔案館發(fā)展的必然選擇，但檔案數(shù)據(jù)中存在各種敏感信息與隱私信息，比如健康檔案、醫(yī)療檔案，開發(fā)和利用會涉及到檔案信息的安全問題。如何協(xié)調(diào)處理數(shù)據(jù)隱私與數(shù)據(jù)開放之間的矛盾，在開發(fā)利用檔案的同時保護(hù)隱私敏感數(shù)據(jù)就顯得格外重要，必然要在傳統(tǒng)的用戶準(zhǔn)入控制、權(quán)限驗證等安全技術(shù)的基礎(chǔ)上，利用安全多方計算、數(shù)據(jù)模糊、數(shù)據(jù)加密檢索等隱私保護(hù)技術(shù)提高數(shù)據(jù)的安全性與可控性。同時，通過制定完善檔案安全管理法規(guī)制度，明確檔案的使用權(quán)限，控制和應(yīng)對未來的潛在風(fēng)險，健全人防、物防、技防三位一體的檔案數(shù)據(jù)安全防范體系，以防止失泄密問題發(fā)生。

3 開展檔案大數(shù)據(jù)服務(wù)應(yīng)用的途徑方法

（一）轉(zhuǎn)變觀念，拓展服務(wù)理念 大數(shù)據(jù)背景下，促進(jìn)信息的開放、交流與共享是開展深度信息服務(wù)的大勢所趨。如果檔案館仍然故步自封、無所作為，不突破傳統(tǒng)服務(wù)理念與服務(wù)范圍的局限，那么檔案館會失去大數(shù)據(jù)發(fā)展機(jī)遇，作用地位會被不斷弱化。檔案館要拓展服務(wù)應(yīng)用內(nèi)容與范圍，實行開放性服務(wù)，緊跟社會發(fā)展與用戶需求主動調(diào)整服務(wù)應(yīng)用模式。利用互聯(lián)網(wǎng)與移動網(wǎng)絡(luò)拓展服務(wù)領(lǐng)域，延伸服務(wù)范圍至社會各領(lǐng)域的用戶與單位。這就對檔案館員提出了更多要求：（1）處理加工數(shù)據(jù)的能力，能夠利用數(shù)據(jù)挖掘技術(shù)工具分析數(shù)據(jù)；（2）研判見解，能夠從數(shù)據(jù)中講道理、作解釋、說故事，能夠從數(shù)據(jù)的角度看待檔案，以大數(shù)據(jù)理念推動檔案館的服務(wù)應(yīng)用。

（二）個性化服務(wù)應(yīng)用體系 個性化服務(wù)依據(jù)各種渠道方法對資源進(jìn)行收集、整理和分類，根據(jù)用戶需求、習(xí)慣和行為方式提供和推薦相關(guān)信息和個性化的應(yīng)用環(huán)境，滿足用戶需求。從整體上說，個性化服務(wù)打破了傳統(tǒng)的被動服務(wù)模式，能夠充分利用各種資源優(yōu)勢，主動開展?jié)M足用戶個性化需求為目的的全方位服務(wù)。檔案館要面向社會用戶，以需求為著眼點，以技術(shù)為手段，發(fā)展基于檔案數(shù)據(jù)的知識化產(chǎn)品化服務(wù)。大數(shù)據(jù)時代，所有信息機(jī)構(gòu)都想獲得并充分了解用戶需求。將海量的檔案數(shù)據(jù)進(jìn)行知識化加工是深層次信息服務(wù)的重要模式，也是大數(shù)據(jù)檔案服務(wù)應(yīng)用的必然選擇。目前，各大檔案館與網(wǎng)站能真正運(yùn)用數(shù)據(jù)分析挖掘技術(shù)，為用戶提供知識服務(wù)的功能還比較薄弱?？梢詮臋n案數(shù)據(jù)中抽取本體、知識單元，通過語義標(biāo)注、知識庫構(gòu)建等方法實現(xiàn)檔案資源知識鏈接形成知識網(wǎng)絡(luò)，為語義處理提供支撐，進(jìn)而通過分類聚類等數(shù)據(jù)挖掘加工處理從不同角度滿足用戶對檔案知識的需求。同時，可借助微博、微信提供的API接口，獲得更廣泛的用戶數(shù)據(jù)，通過對用戶需求與檔案數(shù)據(jù)深層處理分析，利用APP等多種方式搭建起檔案與用戶之間的服務(wù)橋梁。

（三）集成檔案數(shù)據(jù)資源 數(shù)據(jù)集成把不同來源、格式、特點性質(zhì)的數(shù)據(jù)在邏輯上或物理上有機(jī)地集中，采用統(tǒng)一標(biāo)準(zhǔn)管理數(shù)據(jù)，從而應(yīng)對大數(shù)據(jù)數(shù)量眾多、類型多樣、來源廣泛等問題給檔案數(shù)據(jù)管理服務(wù)所帶來的挑戰(zhàn)。目前，檔案館的一個重要問題就是檔案資源的分散化與碎片化。館內(nèi)資源存儲在互不連通的系統(tǒng)或數(shù)據(jù)庫中，產(chǎn)生大量的數(shù)據(jù)孤島。孤立的數(shù)據(jù)是難以發(fā)揮出數(shù)據(jù)價值的，如何連接這些數(shù)據(jù)，實現(xiàn)資源交互共享，是大數(shù)據(jù)價值最大化的關(guān)鍵。大數(shù)據(jù)時代，萬物互聯(lián)，檔案館不能處于社會信息服務(wù)體系之外。檔案館的數(shù)據(jù)集成不單要在館內(nèi)實現(xiàn)集成，而且要整合集成不同檔案館間的數(shù)據(jù)，與圖書館等其他信息機(jī)構(gòu)之間的數(shù)據(jù)進(jìn)行連接集成，從而將檔案資源納入大數(shù)據(jù)社會信息服務(wù)應(yīng)用體系之中，提升檔案利用價值。

為了檔案館事業(yè)能夠在大數(shù)據(jù)時代穩(wěn)步前進(jìn)，必須把握與應(yīng)用大數(shù)據(jù)思維、方法與技術(shù)，探索與創(chuàng)新檔案服務(wù)應(yīng)用的方法與模式，使檔案館信息服務(wù)水平不斷得到提高，滿足時代需求。

參考文獻(xiàn)

[1] 舍恩伯格.維克托 大數(shù)據(jù)時代：生活、工作與思維的大變革[M]. 浙江：人民出版社，2012.

[2] 王蘭成 劉曉亮. 網(wǎng)上數(shù)字檔案大數(shù)據(jù)分析中的知識挖掘技術(shù)研究[J]. 北京檔案，2013（10）：14-19

[3] 韓翠峰. 大數(shù)據(jù)帶給圖書館的影響與挑戰(zhàn)[J]. 圖書與情報，2012（5）：38-39

[4] 周楓. 大數(shù)據(jù)時代檔案館的特征及發(fā)展策略[J]. 檔案與建設(shè) 2013（8）：6-9