文·李燕 耿麗 劉亞娟

大數(shù)據(jù)是數(shù)據(jù)科學(xué)的一個分支，是數(shù)據(jù)、技術(shù)和應(yīng)用三者的統(tǒng)一體。2015年8月，國務(wù)院印發(fā)《促進大數(shù)據(jù)發(fā)展行動綱要》，系統(tǒng)部署了大數(shù)據(jù)發(fā)展工作?！毒V要》提出，要加強頂層設(shè)計和統(tǒng)籌協(xié)調(diào)，大力推動政府信息系統(tǒng)和公共數(shù)據(jù)互聯(lián)開放共享，加快政府信息平臺整合，消除信息孤島，完善法規(guī)制度和標(biāo)準(zhǔn)體系，科學(xué)規(guī)范利用大數(shù)據(jù)，切實保障數(shù)據(jù)安全。因此，對于高校來說，采集大數(shù)據(jù)、研究大數(shù)據(jù)、應(yīng)用大數(shù)據(jù)，實現(xiàn)大數(shù)據(jù)時代推動教育模式、人才培養(yǎng)模式、決策模式等多方面的創(chuàng)新，具有非常重要的意義。

一、建立大數(shù)據(jù)采集方案的意義

大數(shù)據(jù)時代給我們的是一種全新的思維方式，大數(shù)據(jù)思維方式包含三層意思，簡單地說，就是更多、更亂、關(guān)聯(lián)。

為了從海量數(shù)據(jù)中獲取隱含在其中的有用信息和知識，首先需要獲得大量數(shù)據(jù)，因此，進行數(shù)據(jù)采集是首要的。但是采集的海量的原始數(shù)據(jù)中，存在著大量雜亂的、重復(fù)的、不完整的數(shù)據(jù)，嚴(yán)重影響到獲取知識的執(zhí)行效率，有可能導(dǎo)致結(jié)果的偏差，特別是目前開放的信息資源沒有實現(xiàn)集成，信息結(jié)構(gòu)不統(tǒng)一，數(shù)據(jù)不系統(tǒng)、不完整、不共享。更為嚴(yán)重的是沒有形成一個統(tǒng)一的能夠描述數(shù)字資源的格式規(guī)范和建設(shè)基礎(chǔ)數(shù)據(jù)庫的標(biāo)準(zhǔn)方法、資源的整合、組織與存儲的技術(shù)方案和行之有效的建設(shè)思路；另外，還由于建設(shè)基礎(chǔ)數(shù)據(jù)庫的關(guān)鍵技術(shù)（如海量、非結(jié)構(gòu)化的數(shù)據(jù)存儲解決方案）、基于知識管理的數(shù)據(jù)倉庫和數(shù)據(jù)挖掘等技術(shù)尚未得到廣泛應(yīng)用，大大降低了大數(shù)據(jù)庫建設(shè)的速度和質(zhì)量，致使各類信息資源難以形成一個統(tǒng)一的資源庫整體，限制了大數(shù)據(jù)的深層次挖掘和廣泛利用。因此建立大數(shù)據(jù)采集方案、確立采集范圍是非常有必要的。

二、檔案數(shù)據(jù)是大數(shù)據(jù)的組成部分

檔案信息數(shù)據(jù)是大數(shù)據(jù)系統(tǒng)不可或缺的重要組成部分。隨著當(dāng)今社會步入大數(shù)據(jù)時代，大數(shù)據(jù)與檔案工作已逐漸融為一體、密不可分。美國檔案學(xué)者杰拉爾德?漢姆先生曾指出：檔案應(yīng)該記載“人類生活的方方面面”，要“創(chuàng)造一個反映普通百姓生活喜好、需求的全新的文獻材料世界”，檔案館藏是反應(yīng)“人類生活的廣闊領(lǐng)地”。由此可見，實現(xiàn)檔案信息資源的集成化管理和共享化利用是檔案貼近公眾、服務(wù)社會的最佳解決方案。檔案資源惟有回歸社會，得到最大限度的利用，才能體現(xiàn)檔案保管的價值和作用。因此，在開展大數(shù)據(jù)建設(shè)的過程中，首先應(yīng)當(dāng)利用高質(zhì)量的檔案基礎(chǔ)數(shù)據(jù)庫，充分利用數(shù)據(jù)挖掘、數(shù)據(jù)分析工具提供快速檢索與服務(wù)，實現(xiàn)檔案信息資源的社會化共享，真正體現(xiàn)檔案保存的價值與意義。

三、建立大數(shù)據(jù)采集方案的基本原則與要求

目前，我國大數(shù)據(jù)發(fā)展的核心挑戰(zhàn)體現(xiàn)為三個關(guān)鍵詞，共享、開放和安全，這也是《促進大數(shù)據(jù)發(fā)展行動綱要》的三大著力點。充分利用現(xiàn)有企業(yè)、政府?dāng)?shù)據(jù)資源和設(shè)施平臺，統(tǒng)籌建立低成本、高效率的大數(shù)據(jù)基礎(chǔ)設(shè)施和區(qū)域性、行業(yè)性、數(shù)據(jù)匯集平臺，避免盲目建設(shè)和重復(fù)投資，注重對現(xiàn)有傳統(tǒng)數(shù)據(jù)中心及服務(wù)資源的綜合改造和利用，避免造成損失浪費。

大數(shù)據(jù)采集是一個長期的、復(fù)雜的系統(tǒng)化工程，包括各類標(biāo)準(zhǔn)規(guī)范的制定、信息的組織與存儲、資源的整合與集成、數(shù)據(jù)存儲服務(wù)器和提供數(shù)據(jù)檢索服務(wù)的軟硬件平臺的建設(shè)、開展基礎(chǔ)數(shù)據(jù)庫建設(shè)的組織與團隊及其長效服務(wù)機制的形成。其中，標(biāo)準(zhǔn)規(guī)范與數(shù)字資源的滾動建設(shè)則是最基本也是最重要的內(nèi)容，完整、系統(tǒng)、準(zhǔn)確、及時、安全是大數(shù)據(jù)收集的基礎(chǔ)性工作，因此，必須做到以下幾點。

（一）真實準(zhǔn)確。指對數(shù)據(jù)的內(nèi)容、結(jié)構(gòu)和背景信息進行鑒定后，確認其與形成時的原始狀況一致。所有數(shù)據(jù)要實事求是，保持數(shù)據(jù)原始性，確保準(zhǔn)確無誤，禁止出現(xiàn)任何的夸大、縮小或扭曲等現(xiàn)象。

（二）齊全完整。指數(shù)據(jù)內(nèi)容、結(jié)構(gòu)、背景信息和元數(shù)據(jù)等無缺損。完整性要求數(shù)據(jù)的覆蓋面要全面齊全，涉及的內(nèi)容要廣泛深入，禁止出現(xiàn)殘缺短少，漏報少報、掛一漏萬的現(xiàn)象。

（三）系統(tǒng)規(guī)范。系統(tǒng)性要求數(shù)據(jù)采集標(biāo)準(zhǔn)口徑統(tǒng)一，數(shù)據(jù)之間保持有機聯(lián)系、前后呼應(yīng)，禁止出現(xiàn)貪多求全、不計標(biāo)準(zhǔn)地零亂堆砌、濫收亂報現(xiàn)象。

（四）及時迅速。指數(shù)據(jù)即時更新、問題數(shù)據(jù)及時糾正或重新上報，數(shù)據(jù)及時更新至指定時間并做好必要的日志記錄。及時性要求各單位各部門相關(guān)人員要按照數(shù)據(jù)采集時間進度要求，克服工作頭緒多、事務(wù)忙的矛盾，及時完成數(shù)據(jù)的收集、整理，不得出現(xiàn)延誤現(xiàn)象。

（五）安全可靠。安全性要求既要保證各類數(shù)據(jù)的實體安全和密級安全，力求不受損失、不失密，又要保證各類數(shù)據(jù)保存、傳輸使用中的安全，免遭意外破損。

四、大數(shù)據(jù)采集方案的編制方法

首先，根據(jù)大數(shù)據(jù)采集方案的基本原則與要求，以檔案館“歸檔范圍表”為基礎(chǔ)建立大數(shù)據(jù)采集方案是行之有效的方法?！皻w檔范圍表”的內(nèi)容是根據(jù)各歸檔部門的職責(zé)和任務(wù)制定的，涵蓋了本單位的所有工作活動中產(chǎn)生的具有參考價值的、各類載體的原始記錄?！皻w檔范圍表”是檔案館收集檔案的依據(jù)性文件，而且是根據(jù)長期的檔案管理工作中所積累的大量的數(shù)據(jù)資源和先進的管理經(jīng)驗形成的，為數(shù)據(jù)采集方案的制定打下了堅實的基礎(chǔ)。

其次，根據(jù)檔案工作規(guī)范制定大數(shù)據(jù)采集的業(yè)務(wù)規(guī)范和制度，明確接收數(shù)字化信息和開展館藏檔案數(shù)字化加工的工作要求。主要包括數(shù)字化檔案的收集、歸檔、移交、接收的工作制度和內(nèi)容、范圍、方式、方法及安全保障的要求；開展館藏數(shù)字化加工的全過程工作方法、安全制度、保密措施、人員要求等；大數(shù)據(jù)的滾動建設(shè)與完善制度和工作要求。各單位各部門主要負責(zé)人是檔案工作的第一責(zé)任人，也應(yīng)該作為本單位數(shù)據(jù)采集工作的第一責(zé)任人，要把數(shù)據(jù)采集與檔案工作同時列入議事日程。立卷單位的兼職檔案員同時具體負責(zé)本單位的數(shù)據(jù)采集工作，嚴(yán)格按照“四同步”管理原則，切實執(zhí)行“三納入”工作制度，加強規(guī)范化管理，強化基礎(chǔ)業(yè)務(wù)建設(shè)，提升大數(shù)據(jù)采集工作水平。

大數(shù)據(jù)采集其實是一個集成化過程，就是將工作中各階段、各層次相關(guān)聯(lián)的數(shù)據(jù)協(xié)調(diào)起來，實現(xiàn)信息流和業(yè)務(wù)流的不間斷連續(xù)運行。而在檔案管理中，檔案從形成、整理、移交、保管到最終被利用，跨越了多個階段、多個單位和部門，每個階段和每個部門都包括多項業(yè)務(wù)，各個階段的各項業(yè)務(wù)之間都存在信息和流程的集成問題。因此，基于“歸檔范圍表”的大數(shù)據(jù)采集方案可以實現(xiàn)所有單位與部門在同一系統(tǒng)中完成數(shù)據(jù)資源的采集工作。

總之，以“歸檔范圍表”為基礎(chǔ)建立大數(shù)據(jù)采集方案，可以對包括學(xué)校檔案資料數(shù)據(jù)在內(nèi)的各類數(shù)據(jù)信息的收集保管和開發(fā)利用具有重要意義。最重要的是，大數(shù)據(jù)工作利用檔案管理基礎(chǔ)開展工作，可以更快更好地提高師生重視程度，完善管理手段，加大宣傳力度；補充數(shù)據(jù)的總量，暢通采集途徑；完善數(shù)據(jù)平臺，實現(xiàn)數(shù)據(jù)共享，優(yōu)化開發(fā)利用效果，加快推進覆蓋全校師生員工的大數(shù)據(jù)建設(shè)，更好地為高校建設(shè)發(fā)展和廣大師生的教學(xué)科研服務(wù)。

●

[1] 國務(wù)院．促進大數(shù)據(jù)發(fā)展行動綱要，國發(fā)〔2015〕50 號

[2] 溫孚江．大數(shù)據(jù)農(nóng)業(yè)[M]． 北京：中國農(nóng)業(yè)出版社，2015．

[3] 薛四新．檔案館信息化與檔案管理變革[M]．北京：機械工業(yè)出版社，2008．

[4] 雷昌玲．新時期高校檔案歸檔范圍與保管期限表編制問題研究[J]．云南檔案，2010（9）．