大數(shù)據(jù)視角下高校檔案全生命周期管理

徐欽梅

信息技術(shù)的發(fā)展日新月異，給我們帶來了處理信息的新視角和新工具。方興未艾的大數(shù)據(jù)研究給各行各業(yè)的管理帶來了歷史性的變革，高校檔案管理工作隨之發(fā)展。作為一類特殊而有價值的檔案資源，從大數(shù)據(jù)的視角如何優(yōu)化管理，成為當(dāng)下高校檔案管理研究的熱門課題。筆者主要從大數(shù)據(jù)視角看待高校檔案全生命周期管理，探討大數(shù)據(jù)對高校檔案管理的啟示和要求，通過大數(shù)據(jù)賦予檔案全生命周期管理理論新的內(nèi)涵。

一、大數(shù)據(jù)的內(nèi)涵

大數(shù)據(jù)一般是指“無法用傳統(tǒng)計算工具或手段處理的數(shù)據(jù)”，最早在航天或者氣象等自然科學(xué)領(lǐng)域，由于數(shù)據(jù)不斷大量地產(chǎn)生，且數(shù)據(jù)之間存在著弱關(guān)聯(lián)性，需要對一整個集群進(jìn)行分析。后來有人總結(jié)了大數(shù)據(jù)的4V特性，即：“大量化”（Volume）、“快速化”（Velocity）、“多樣化”（Variety）以及“價值化”（Value）。從時代的發(fā)展來看，大數(shù)據(jù)標(biāo)志著人類處理數(shù)據(jù)能力的又一次提升，我們發(fā)展了新的數(shù)據(jù)收集、分析和預(yù)測工具，包括云計算、人工智能等。大數(shù)據(jù)時代提出的“不是隨機(jī)樣本，而盡量是全體數(shù)據(jù)”“不是精確性，而是混雜性”“不是因果關(guān)系，而是相關(guān)關(guān)系”等觀念，既是源于數(shù)據(jù)處理技術(shù)發(fā)生了翻天覆地的變化，也是一種看待事物的新視角。

二、大數(shù)據(jù)視角對高校檔案管理的啟示

從大數(shù)據(jù)視角思考高校檔案管理，不難得出以下的啟示。

1.高校檔案確實具有大數(shù)據(jù)的特性。和各行各業(yè)的數(shù)據(jù)增長一樣，高校檔案數(shù)據(jù)也面臨著指數(shù)級別的增長。這主要得益于兩個方面：一是原生電子檔案的快速產(chǎn)生。伴隨著高校管理活動的開展，每天都在產(chǎn)生著大量有價值的檔案信息，例如教學(xué)活動中產(chǎn)生的課程教案、科學(xué)研究中產(chǎn)生的實驗數(shù)據(jù)、黨政管理中產(chǎn)生的電子公文等。二是傳統(tǒng)載體檔案數(shù)字化的積極推進(jìn)。技術(shù)的進(jìn)步使高校傳統(tǒng)載體檔案的數(shù)字化成為可能，為了更高效地利用檔案提供服務(wù)，高校檔案數(shù)字化工作正在各地如火如荼地進(jìn)行著。以上海交通大學(xué)為例，截至2010年10月15日，上海交通大學(xué)檔案館館藏檔案已數(shù)字化3667407頁，數(shù)字化信息資源約為2PB[1]39-40，且還在持續(xù)增長。由此可見，高校檔案資源正邁向大數(shù)據(jù)行列。

2.大數(shù)據(jù)要求更關(guān)注高校檔案信息的數(shù)據(jù)化。檔案信息的載體從古至今不斷發(fā)展變化，紙張是被使用最久的檔案信息載體。過去，檔案信息隱藏于字里行間，需要人工去識別。前面提到，不少高校已經(jīng)開展了檔案數(shù)字化工作，但數(shù)字化工作往往只是通過掃描的形式把一些非數(shù)字化信息變成“0”和“1”的數(shù)字化形式以便于計算機(jī)閱讀，掃描的數(shù)字化的內(nèi)容還大多是以圖像的形式儲存，不能通過檢索詞進(jìn)行檢索，也就是數(shù)字文本沒有數(shù)據(jù)化。顯然，只有對檔案信息進(jìn)行數(shù)據(jù)化后，才談得上對檔案大數(shù)據(jù)的深度分析和整合，才能提供智能化的預(yù)測等[2]4-7。因此，大數(shù)據(jù)要求在原有檔案數(shù)字化的基礎(chǔ)上，進(jìn)一步進(jìn)行檔案信息的數(shù)據(jù)化工作。

3.大數(shù)據(jù)意味著檔案數(shù)據(jù)收集觀念的改變。過去，高校檔案數(shù)據(jù)的收集往往局限于歸檔范圍，不關(guān)注新的檔案形式。而在大數(shù)據(jù)時代，要求“不是隨機(jī)樣本，而盡量是全體數(shù)據(jù)”。全數(shù)據(jù)的好處在于：它可以覆蓋整個數(shù)據(jù)集的細(xì)節(jié)，讓我們從不同的角度，更細(xì)致地觀察和研究數(shù)據(jù)的各個方面，從而收獲意想不到的觀點，并且沒有偏見。而刻意篩選，往往讓我們忽略了現(xiàn)象的細(xì)節(jié)[3]41。因此，高校檔案與大數(shù)據(jù)的結(jié)合意味未來高校檔案數(shù)據(jù)的收集范圍將大大拓展，更加多元化，更具實時性，包括高校網(wǎng)頁、論壇和新媒體上的各類數(shù)據(jù)也將被列入檔案收集管理的范圍。

三、大數(shù)據(jù)視角下高校檔案全生命周期管理新內(nèi)涵

最早，由美國檔案學(xué)者菲利普·布魯克斯等在20世紀(jì)文件數(shù)量急劇增長的背景下提出“文件生命周期”的概念，后來，我國檔案學(xué)界又提出了“檔案生命周期”的概念，其實這是同一事物在不同發(fā)展階段呈現(xiàn)的不同形態(tài)而已。以歸檔為界，歸檔前為文件，歸檔后為檔案，文件不一定都能歸檔。在大數(shù)據(jù)時代，更應(yīng)該泛化文件和檔案的概念，因為它們的本質(zhì)都是數(shù)據(jù)，應(yīng)該統(tǒng)一用大數(shù)據(jù)的視角進(jìn)行分析和處理。

文件生命周期理論（實際上文件生命周期理論的內(nèi)涵已經(jīng)包括檔案）指出，文件的運動具有階段性，文件的運動可以分為現(xiàn)行、半現(xiàn)行和非現(xiàn)行三個階段?，F(xiàn)行階段便是文件的實施階段，文件的信息主要為形成單位服務(wù)。半現(xiàn)行階段意味著文件的實際效用已經(jīng)消失，對原有單位的服務(wù)功能逐漸減弱。文件運動的非現(xiàn)行階段是檔案階段，文件已經(jīng)轉(zhuǎn)化為檔案，并存放在檔案室（館）以供社會利用。而本文討論的生命周期理論就是研究文件或檔案生成、運動、變化的過程及規(guī)律的理論。

生命周期理論最早關(guān)注的是不同階段文件或檔案價值變化的規(guī)律，進(jìn)而指導(dǎo)文檔管理工作。然而，該理論在大數(shù)據(jù)時代亟待改革。因為，在大數(shù)據(jù)時代，由于新的數(shù)據(jù)處理、分析工具的出現(xiàn)，使文件或檔案的價值在各個階段都能有所體現(xiàn)。因此，過去通過人為手段篩選、鑒定檔案價值的行為，應(yīng)當(dāng)有所弱化。另外，即使是歷史的數(shù)據(jù)，也不代表沒有現(xiàn)行的用處，因為大數(shù)據(jù)分析對未來的預(yù)測恰恰是建立在大量歷史數(shù)據(jù)的基礎(chǔ)上的。誰也不能保證當(dāng)前看起來沒有價值的歷史數(shù)據(jù)將來不會發(fā)揮其價值。加上數(shù)據(jù)存儲和處理的成本日益降低，使得大量歷史數(shù)據(jù)的存放也成為可能。因此，應(yīng)重新認(rèn)識高校檔案全生命周期管理的內(nèi)涵。大數(shù)據(jù)視角下高校檔案生命周期管理的新內(nèi)涵應(yīng)包括以下要點。

1.按“全數(shù)據(jù)”的要求對文件和檔案進(jìn)行統(tǒng)一管理。過去檔案管理流行“前端控制”理論，即在文件形成階段對其積極介入管理，現(xiàn)在講要在各信息系統(tǒng)中注重元數(shù)據(jù)的采集，其實都是一種“全數(shù)據(jù)”的觀點。即盡可能全面地收集數(shù)據(jù)，避免之后由于缺乏相關(guān)數(shù)據(jù)而難以管理利用檔案。信息系統(tǒng)中對文件的相應(yīng)處理都應(yīng)留下相應(yīng)的數(shù)據(jù)，并積極將文件或檔案中的各類信息轉(zhuǎn)化為可用的數(shù)據(jù)，以適應(yīng)大數(shù)據(jù)時代關(guān)注檔案信息數(shù)據(jù)化的要求。

同時，要弱化文件與檔案的區(qū)別，無論是文件還是檔案，對于大數(shù)據(jù)分析、預(yù)測都是必需的。傳統(tǒng)的歸檔過程是一個篩選、鑒定的過程，會過濾掉很多未來分析預(yù)測所需要的細(xì)節(jié)。因此，在可能的情況下，要盡量“全”地將文件歸檔，泛化檔案的概念，并將歸檔作為文件集中的一個手段，為大數(shù)據(jù)分析利用提供便利。

綜上，不論在文件的哪個階段，都應(yīng)以“全數(shù)據(jù)”的要求統(tǒng)一對文件和檔案進(jìn)行管理。

2.以數(shù)據(jù)生命周期管理統(tǒng)一文件生命周期和檔案生命周期。數(shù)據(jù)生命周期管理是一種基于不同階段、不同數(shù)據(jù)特性實施的管理模型，以獲取數(shù)據(jù)使用的最大價值，并有效地降低數(shù)據(jù)管理成本。它能對數(shù)據(jù)進(jìn)行主動管理。數(shù)據(jù)生命周期理論認(rèn)為，數(shù)據(jù)具有使用的生命周期。隨著時間的推移，它遵循的一個客觀規(guī)律是：數(shù)據(jù)訪問的頻率隨積累的數(shù)據(jù)量而發(fā)生變化。因此，我們需要根據(jù)數(shù)據(jù)的訪問頻率來評估數(shù)據(jù)的價值，并采用低成本的數(shù)據(jù)保存方法對很多低價值的信息進(jìn)行處理，使數(shù)據(jù)的價值大致與存儲和管理成本相匹配，從而盡可能降低整體的數(shù)據(jù)管理和存儲成本[4]71-75。因此，用數(shù)據(jù)生命周期管理代替?zhèn)鹘y(tǒng)文件與檔案分界的生命周期劃分管理法，不刻意區(qū)分是文件或是檔案，僅僅根據(jù)實際使用頻率來進(jìn)行區(qū)別管理。對于訪問量或使用頻率較低的數(shù)據(jù)，類似計算機(jī)將不經(jīng)常訪問的數(shù)據(jù)放在效率較低的存儲器上的策略一樣，可以逐步將其轉(zhuǎn)移至效率較低的存儲介質(zhì)和處理工具上；對于訪問量或使用頻率較高的數(shù)據(jù)，通過大數(shù)據(jù)工具進(jìn)行預(yù)判，自動將其轉(zhuǎn)移至效率較高的存儲介質(zhì)和處理工具上。這無疑是一種符合實際需要又能大幅度節(jié)省成本的作法。當(dāng)然，理論上，應(yīng)該給每個數(shù)據(jù)平等的存儲空間和處理能力，才符合大數(shù)據(jù)的精神。但實際上，由于數(shù)據(jù)量的增大仍遠(yuǎn)遠(yuǎn)高于存儲空間和處理能力等的提升，因此仍然需要考慮在盡可能“全”地保存文件和檔案數(shù)據(jù)的情況下為不同數(shù)據(jù)分配不同級別的資源。

3.強(qiáng)化在前端進(jìn)行數(shù)據(jù)的收集，為大數(shù)據(jù)分析提供充分的素材。數(shù)據(jù)在生成階段是最活躍的，此時收集的成本要比后來收集的成本低。舉例來說，高校的電子文件原文，如果等到歸檔后再進(jìn)行紙質(zhì)的數(shù)字化工作，既耗費成本，實際效果也不一定好。因此，在數(shù)據(jù)的生成階段，就要充分考慮將來的應(yīng)用場景，制定相對統(tǒng)一、規(guī)范的元數(shù)據(jù)采集標(biāo)準(zhǔn)，并盡量通過系統(tǒng)自動捕獲元數(shù)據(jù)。同時，對文檔使用和管理人員進(jìn)行培訓(xùn)，使其真正將數(shù)據(jù)管理的標(biāo)準(zhǔn)落實。元數(shù)據(jù)的標(biāo)準(zhǔn)應(yīng)充分考慮數(shù)據(jù)的應(yīng)用需求，而不能僅僅只考慮檔案部門的歸檔要求，歸檔要求僅僅是數(shù)據(jù)應(yīng)用需求中的一部分而已，還需要了解數(shù)據(jù)的行業(yè)特性和應(yīng)用場景等，這樣制定出的元數(shù)據(jù)標(biāo)準(zhǔn)才更有可操作性，而且更有利于數(shù)據(jù)充分發(fā)揮價值。

大數(shù)據(jù)既是高校檔案管理工作的機(jī)遇和挑戰(zhàn)，又是不可逆轉(zhuǎn)的時代潮流。積極關(guān)注高校檔案與大數(shù)據(jù)的結(jié)合，通過大數(shù)據(jù)視角重新理解并實踐檔案全生命周期管理，按“全數(shù)據(jù)”的要求對文件和檔案進(jìn)行統(tǒng)一管理，以數(shù)據(jù)生命周期管理統(tǒng)一文件生命周期和檔案生命周期，并強(qiáng)化在前端進(jìn)行數(shù)據(jù)的收集，這將是高校檔案管理工作積極探索實踐，發(fā)揮自身最大價值的必由之路。