高校图书馆大数据服务体系构建的战略思考
中图分类号：G252文献标识码：A文章编号：1003-1588（2017）09-0038-03
近年来，大数据由于具有数据量大、数据类型多、价值密度低、处理速度快和较大的复杂性等特点，已经渗透到各行各业中[1]。2008年9月，美国《Nature》杂志刊登了《Big Data：Science in the Petabyte Era》一文，正式提出“大数据（Big Data）”一词，并且被广泛传播[2]，从此大数据技术受到学术界和产业界的广泛探讨和研究。众所周知，图书馆数据种类繁多（如数据库信息、用户信息等），数据量大，而且包含许多未被利用的信息，存在价值密度低等特点，图书馆数据在一定程度上具备大数据的特点[3]。Huwe[4]指出，大数据与图书馆之间存在密切联系，大数据有助于图书馆员对用户行为进行采集与分析。张凯等[5]指出，高校图书馆应抓住大数据发展的契机，将图书馆庞大的数据资源逐渐转化为潜在的知识服务。
1 大数据环境给高校图书馆带来的机遇与挑战
1.1 大数据的收集、存储及计算分析
高校图书馆能够实现馆藏资源和信息资源的数字化，同时将这部分资源与馆内音频、视频等资源转换存储，建立多种多样的数据库，形成结构化数据资源，这是大数据图书馆的基本功能，也是高校图书馆的优势。同时，图书馆大数据还包括大量的非结构化信息资源，例如读者的借阅信息等。因此，图书馆面临以下问题：如何有选择性地收集这些非结构化海量信息，将不同数据源的有效数据进行集中存储，并统一到一个管理平台中进行计算和分析，进而实现数据格式的统一化，并利用计算机图形图像等方法将复杂的信息直观地显示出来，方便读者了解数据的内涵。
1.2 大数据背景下高校图书馆知识服务的构建
图书馆拥有庞大的信息资源和服务优势，但随着网络信息科技的发展，传统图书馆服务逐渐弱化，资源利用率降低。作为科研服务中心，高校图书馆的科研人员需要花费大量的时间与精力获取有效信息，而大部分科研数据未经整理，造成了信息的封闭与流失。大数据技术能使图书馆资源得到最大限度的挖掘和利用，高校图书馆可以借助数据开放和共享平台，使用信息收集、计算、分析等技术为用户提供知识服务。
1.3 有限的计算设备和资金成为阻碍
大数据环境下，高校图书馆的建设和数据的收集、存储以及计算所需要的服务器硬件和软件设备的购置使图书馆面临巨大的资金压力。国内高校图书馆的建设主要依靠学校每年的固定拨款，而学校资金投入有限，通常情况下学校拨款只能购买一些硬件设施以满足系统平台的初步建设，很难满足大数据发展的要求。与此同时，大量数据资源、大数据设计的应用和开发技术不可避免地会涉及知识产权问题，虽然国内许多互联网企业成功构建了万节点的大数据计算集群和软件平台，提供了大数据服务，然而由于市场竞争、知识产权等原因，研究者难以获取相关的资料进行图书馆大数据分析，这些都加重了高校图书馆的资金负担。
1.4 高校图书馆大数据体系对馆员素养的新要求
图书馆应该拥有一支专业的图书馆员队伍，或者称作大数据分析家，他们应具备图书与情报、信息技术、知识服务、科学研究等方面的知识，能够提供参考咨询服务。这是一支综合素养较高的高校图书馆服务队伍，也是推进图书馆大数据服务体系构建的专业性人才。
2 福州大学城高校图书馆大数据服务体系的??建
福州大学城高校图书馆大数据服务体系包含大数据处理和个性化服务两方面（见图1）。
2.1 大数据的收集
高校图书馆的大数据除传统意义上的结构化馆藏资源信息外，还包括许多非结构化和半结构化的信息资源。随着校园建设的不断深入，校园“一卡通”取代了以前传统的各种证件，例如：学生证、借书证、上机卡等。“一卡通”系统平台所记录的信息包含高校图书馆用户校园生活中的大部分信息，可以帮助图书馆员了解用户的基本信息、进出图书馆时间、借阅情况等。校园网是一个交互功能和专业性能很强的局域网络，在校园网出口增加网络日志采集设备，可以获取在校用户网站浏览日志数据，虽然该信息时间跨度长、规模庞大，但却是分析用户校外资源需求情况的有效手段之一。对于网络资源来说，“一卡通”、馆藏资源、网站日志和科研数据相当于冰山一角。互联网数据的产生速度超过以往任何一种传播媒介，因此，图书馆需要通过一定的方式，结合前四种数据信息和用户需求，有选择性地获取用户需求数据。大数据图书馆的基础是海量数据，单个高校图书馆的信息资源是有限的，很难满足大数据图书馆的数据要求。福州地区大学城共享平台（FULINK）拥有多所高校的信息数据，信息量大、价值高。良好的校际关系与地理优势是收集区域大数据的基础。
2.2 大数据的收集、分类、清洗及存储
大数据图书馆的构建需要海量结构化、半结构化和非结构数据，这些数据可以通过软件平台的相关接口存入数据库，也可通过数据库开发商授权合作的方式取得数据库的使用研究权限，或者利用抓取工具自动获取感兴趣的网络数据资源，进而完成数据的收集。不同格式的大数据信息需要构建元数据模型，经过数据的分类与清洗，形成格式统一、结构简单并且拓展性好的基础数据。图书馆工作人员可以采用分布式数据处理技术，对数据进行抽取、转换、加载和整合，形成大数据图书馆分布式文件管理系统，为大数据的存储和检索提供软件平台保证。福州地区大学城共享平台（FULINK）配置了Web应用服务器、数据库服务器、负载均衡服务器等，30TB的IBM DS5100存储阵列等硬件以及千兆交换机和多台万兆交换机与教科网链接，带宽达千兆，为大数据分析处理提供了硬件保证。图书馆应以用户需求为目标，通过Grid layout、Pajet等网络可视化算法和计算机图形图像处理技术，呈现出大数据内部隐藏的规律和相互之间的关系，为个性化服务提供技术支持与保障。 2.3 个性化服务
个性化服务就是根据用户的行为和习惯，采取与之相适应的服务策略。大数据背景下的图书馆微服务就是对图书馆大数据资源进行提取，并及时、准确地通过微信息技术反馈给用户，微信息媒介工具包括微信、微博公众号，移动图书馆（如移动FULINK）等。图书馆基于新媒体技术和移动互联网对用户所需信息进行制作、更新和推送，有效提高了大数据的利用率以及图书馆的服务质量。图书馆应该为科研人员提供学术共享环境。高校科研人员通过观测、探测、实验或者调查等手段获得的数据，应当有专业的技术馆员对其进行追踪记录并整理保存，同时，建立相同或者相似科研主题的共享资源虚拟平台，帮助科研人员建立学术交流社区，形成良好的学术共享环境。
学科服务是高校图书馆服务发展的基点，服务水平是衡量高校图书馆服务质量的重要指标[6]。图书馆可以利用大数据FULINK数据资源共享平台，分析各校的学科优势和馆藏资源。个性化推荐系统的建设是指基于FULINIK平台和海量数据挖掘技术，在用户查找知识的过程中提供个性化的信息服务和决策支持。随着推荐技术的不断发展，图书馆个性化精准智能服务可以利用组合推荐，关联规则推荐，基于知识或者内容推荐等手段[7]。图书馆应根据用户的行为特征进行主动推荐，增加对热点信息和事件的推荐，强化定题信息的个性化服务，逐渐将被动式服务转变为主动式服务。
3 福州大学城高校图书馆构建大数据服务体系的创新措施
3.1 建立大数据服务联盟，联合培养大数据馆员队伍
虽然高校图书馆拥有大量的信息资源，然而其总量远远不够，并且高校图书馆的资源仅能在局域网内使用，单个高校图书馆信息存储规模不能满足广大师生的要求。利用FULINK资源共享平台，建立福州大学城区高校大数据服务联盟，实现了小区域跨校资源整合，不仅获得了更加庞大、更有价值的数据资源，而且减轻了高校图书馆开展大数据服务的资金压力。大数据服务体系的建设，需要图书馆将海量异构数据信息转变为可处理、可利用的信息，这势必需要一支能够熟练操作数据分析工具，对数据进行挖掘、分类、分析等的馆员队伍[8]。基于FULINK平台和便利的地理位置，各馆应先挑选一批综合素质强、具有一定计算机知识和创新精神的馆员，再统一进行联合培养。
3.2 合理采购资源，实现资源共享
多数高校图书馆都面临资源建设经费不足和已购资源利用率不高的问题，FULINK各成员馆存在数字资源重复购买等问题。图书馆应该利用大数据技术分析本校师生最急需的资源，为合理购买各类资源、调整资源信息结构提供数据支持。各馆应促进资源的共建共享，节约购买资源的资金投入，不断提高资源利用率。
3.3 制定联盟协议，规范各成员馆的责任与权利
在大数据服务体系建设中，资金投入的分配和软、硬件设备建设与维护等都需要协议来规范，协议应明确大数据服务联盟中各馆的责任和权利，同时，制定大数据服务体系发展规划，确定各个建设阶段需要达到的目标。
3.4 掌握大数据发展方向，开展特色创新服务
参考咨询服务是图书馆的传统服务之一，随着大数据时代的到来，图书馆开启了创新主动的服务模式。通过庞大的信息数据，例如借阅系统数据、数据库网站访问数据、图书馆网站访问数据等，图书馆可以掌握用户所需或感兴趣的信息，然后利用大数据分析处理技术主动推送信息。大数据背景下，高校图书馆只有增强创新意识，提高创新能力，才能满足用户日益多元化的需求。
