基于大数据的高校图书馆信息服务*

金伟立，许　坚，王咏梅

(绍兴职业技术学院,浙江 绍兴 312000)

一、大数据对高校图书馆发展的影响

1.助推高校图书馆创新

高校图书馆运行服务的核心过程就是对数据的收集、分析、处理的过程。对于高校图书馆来说，数据收集能力与信息处理能力都直接影响服务效率和服务质量。如果能够合理应用大数据技术，就能够促进高校图书馆服务的创新。在高校图书馆的各种服务中，引入大数据，对借阅数据、检索数据、读者信息进行全面分析，能够了解业务开展情况是否处于正常范围内，如发现存在需求变化，可及时为调整图书馆服务业务提供良好的数据参考依据，帮助图书馆业务开展做出应对策略。利用大数据技术能够分析每个读者的态度和需求，预测读者感兴趣的信息发展方向，从而能够帮助图书馆制定高效可行的服务模式。

2.促进高校图书馆资源的优化配置

在高校图书馆运行中，应用大数据技术，能够促进资源的优化配置。开放、平等、协作和分享是互联网最大的特点，大数据时代高校图书馆也具备这些特点，便于发布和交流图书馆和读者的信息，便于信息间的相互匹配。传统的高校图书馆，在信息发布和匹配过程中需要消耗较大的时间，投入较大的人力，而且匹配程度不够高，而大数据下环境下高校图书馆就不需要这些时间与人力的投入，并且效率也比较高[1]。同时，也为读者节省了大量时间和流程，为其提供了非常便利的服务。随着高校图书馆的发展，最近几年大数据平台不断涌现，各种平台开展的业务种类也比较多，且其不仅仅局限于本校图书馆，还有很多专门为中间数据商与读者的大数据平台，这样既分担了传统高校图书馆的压力，也为其他数据商提供更多的渠道，不仅完成资源的优化配置，也减少了高校图书馆成本投入。所以，在高校图书馆提供各类服务中，应用大数据能够有效整合相关资源，为互联高校图书馆服务的拓展提供比较好的运营平台，其作用和意义深远而重大。

3.利用大数据能够实现读者信息的共享

在传统高校图书馆，需要投入大量的人、财、物等方面的力量，对其读者信息进行收集整理，来解决信息不对称问题。而对于大数据来说，只要应用大数据技术，通过相关高校图书馆平台，就能够直接收集分析读者的信息，建立新的信息渠道，还可以进行收集高校图书馆服务相关的书商及图书等信息，对读者的阅读兴趣进行全面的评估。与此同时，通过社交网络将信息快速有效传播，利用云计算强大的处理信息能力和搜索引擎强大的信息检索能力，创建成本低、高精度、更新快的网络信息平台[2]。

二、大数据环境下图书馆信息服务建设

1.提升大数据服务意识

在大数据时代背景下，利用大数据技术不是对传统图书馆的完全替代或简单颠覆。发展的基本方向是使用高校图书馆大数据理念，改进传统图书馆的陈旧服务理念，争取把图书馆工作做的更好。将大数据技术与传统图书馆相互对接相互融合，尽可能发挥长尾效应、迭代效应及社区效应，来最大限度优化图书馆的服务模式。所谓长尾效应是指：传统图书馆一般都强调大众读者、主流业务战略，虽然考虑“个性化服务”“二八效应”，但没有采用先进的信息处理手段对数据收集分析、柔性生产、精准定位及无点对点服务，因此会忽略了个性化读者，很难满足这些读者的需求。大数据技术充分展现了高校图书馆开放和互动的特点，云计算、数据重构及移动阅读等技术得到积极应用，使图书馆把这些“个性化”和“二八效应”读者纳入服务成为了可能。长尾效应最直接的体现是通过精准服务增加个性化有效读者群。

2.资源管理建设

大数据环境下图书馆馆藏偏向于数字资源，在原有纸质资源转变成数据资源过程中，必须保证数字资源的完整性需求，不能随意进行人为的修改。在数字资源的使用过程中，要做好作者的著作权权益保护，做好资源的知识产权和个人信息保护，对信息做好必要的保密性。在保证资源的完整性和保密性的前提下，我们还要保证资源的可用性，避免在读者通过数据平台使用到该资源时，由于权限，途径堵塞，而变成无效的资源。只有保证资源的可用性，才能为读者提供实在的服务，不然资源再好，由于权限，读者不能得到资源也变成无用的资源[3]。

三、大数据环境下图书馆信息服务创新

1．数据可视化服务

在大数据环境下，数据可视化是其发展的必然趋势。大数据的不断发展，读者在检索或搜寻信息的过程中，会碰到海量的数据，很容易在海量的数据中迷失自己寻找的方向，也无法在有限时间内找出内在的联系。而高校图书馆具有专业的图书馆馆员，通过其专业的技术，依据大数据技术，在海量的数据中能够找出各数据的相互关联，通过对各类数据设置因子，以便多维度多角度的分析数据，通过多形式的图形，以可视化的表达方式，形象、易懂地揭示数据关系，从而有助于读者的理解。

2．大数据分析与应用服务

图书馆的大数据分析与应用一般可以分为两个方向：

第一个方向为业务驱动，以读者需求为导向的数据分析与应用。根据读者需求的要求提出数据分析与应用的需求，图书馆员明确分析的目标，数据分析根据该目标，进行统计、分析、数学建模等工作，形成分析结果或数学模型，图书馆员结合业务需求和数据分析提出新的服务。例如，资源参考馆员提出精准资源的需求，要求将资源和需求的资源投向查询概率较高的读者，该业务需求提出后，业务分析馆员对需求进行分析，从而提取需高响应、高二次咨询率的读者，并要求在周期内提供精准资源读者名单；数据分析馆员根据业务分析提出的要求进行数据分析，基于读者的历史数据建立高响应率与高二次咨询串的读者识别模型；馆员根据该模型开发名单的筛选程序，定期生成名单提供给资源参考馆员。

第二个方向为数据驱动，从数据出发，发现数据价值，推广到应用。数据分析馆员对数据进行研究，发现数据间的关联关系，提出新发现的业务分析方向和应用方向，并提供给数据部门。典型的应用模式就是：资源参考部门定期为数据部门提供相应的数据分析报告，告知在数据分析过程中发现的一些数据与业务的相关性。

在实际应用的过程中，往往两种方式相结合：数据部门在处理资源参考部门提出的需求中，往往会有更深一步的数据探索；而资源参考部门基于数据分析的结果，往往会调整分析目标，并提出进一步分析的需求。

在数据分析与应用成熟度较低的高校图书馆中，资源参考部门提出数据分析与应用的需求往往不能聚焦。在数据分析资源有限的情况下，数据部门应该优先承接与资源参考部门的关键绩效指标直接相关的数据分析与应用需求，分析与应用的成效也应以是否提升了资源参考部门的工作效率为导向。

参考文献：

[1]刘建伟.基于大数据的数字档案馆信息服务模式研究[J].云南档案，2014(3)：20-21.

[2]陶丹.大数据时代的传媒变革与新技术新观念之挑战[J].中国传媒科技，2015(7)：35-36.

[3]姚川军.大数据环境下图书馆未来发展研究[J].内蒙古农业大学学报(社会科学版)，2014(6)：40-41.

[4]杨峰.从科学计算可视化到信息可视化[J].情报杂志，2007(1)：30-31.