大数据时代高校图书馆的综合实力分析

大数据时代高校图书馆的综合实力分析（精选7篇）

1.大数据时代高校图书馆的综合实力分析 篇一

大数据时代的图书馆

北京联合大学杨宗琳

2013.3

与云时代息息相关的“大数据”是指互联网用户网络行为数据。“互联网上一天”的数据可以刻满1.68亿张DVD；发出的邮件有2940亿封之多，每天卖出的手机为37.8万台，高于全球每天出生的婴儿数量37.1万„„。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)级别。2009年的数据量为0.8ZB，2010年增长为 1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是 200PB，全人类历史上说过的所有话的数据量大约是5EB。整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。

我国当然也进入了大数据时代。目前，我国互联网大型服务器已达370万台，全国建立了45万个以上数据中心，数据中心总耗电量达到364亿千瓦小时，高达全国电力消耗的1%。

在大数据时代,图书馆将在数据存储、数据挖掘、数据分析等方面面临巨大挑战,复杂数据的处理也将成为图书馆发展的主旋律,通过大量的非结构化数据、半结构化数据去寻找隐藏在数据背后的世界,进而为图书馆服务的模式、对未来发展趋势提供分析与预测将成为大数据时代图书馆的一大主要服务内容。图书馆将进入由藏书楼、阅览室到使用网线解决人们阅读需求的数字图书馆时代，读者通过手机等移动终端可以访问数字图书馆，查询世界、国家和各省、市级数字图书馆的资源。

未来时代将是大数据引领科技发展的时代，大数据技术应用将是未来图书馆服务创新的重要领域。本文讨论在大数据时代的图书馆，如何与时俱进提升管理与服务水平。

1.大数据时代图书馆特点

资源数字化、服务网络化、管理知识化是大数据时代图书馆的主要特点，换言之，图书馆从图书的保管者成为面向服务的信息提供者，从单一纸媒体到多媒体，从本馆收藏到无边界图书馆，从我们到图书馆去到图书馆来到我们中间，从按时提供到及时提供，从馆内处理到外包处理，从区域服务到国际服务。

大数据时代的图书馆就是数字图书馆。

2.数字图书馆

数字图书馆必须利用高端服务器、网络通信技术、智能存储系统、将面向对象的软件技术、人工智能技术与先进的知识组织和调度系统相结合，建立具有很好的可扩展性、易用性、可管理性和高可用性以及较强的可持续发展能力的数字图书馆系统和群体。

传统图书馆技术核心是图书分类技术、编目技术、标引技术，数字图书馆技术核心是数字存储技术、数字检索技术、网络安全技术、信息集成技术、系统互操作技术。

数字图书馆的管理基本职能主要是信息资源管理和人力资源管理，使馆员、资源、读者三者关系和谐发展。

传统图书馆提供书库平台，完成静态的、被动的服务，主要是为读者找书和为书找读者；数字图书馆则提供网络平台和信息产品，完成动态的、主动的服务，通过网络按需供给。

无疑，图书馆要从实际出发，循序渐进，加强传统技术与现代技术的融合，向数字化迈进。

3.图书馆馆藏资源数字化

图书馆系统包括馆员、馆藏资源、信息技术、环境、用户„。大数据新信息环境的形成，使图书馆行业与其它信息服务行业的界面日渐模糊。调查发现，84%的用户使用搜索引擎Google开始信息检索，1%的人从图书馆网页上开始信息的检索。图书馆应该为这1%用户提供数字化馆藏资源供使用。

图书馆馆藏包括实体印刷馆藏和数字馆藏，数字馆藏包括实体数字馆藏和虚拟数字馆藏。

调查发现，这1%用户中 70%以上的读者首先选择利用数字馆藏；数字馆藏提供或满足读者的70%以上的服务；利用率最高的资源，70%以上是馆藏中的数字资源。

数字馆藏评价包括科学性、经济性和可获取性。需要考虑：

（1）选择什么样的模式存放数据；

（2）选择什么样的方式组织信息；

（3）选择什么样的策略供读者访问；

（4）选择什么样的思路保证馆藏的可持续发展。

数字馆藏制作流程包括：元数据的标准和规范、知识资源（含声、像、图、文）的通用型加工系统、语法层次的大容量文献自动采集、自动篇名生成、自动标引、自动文摘生成的实用化技术、知识概念（语义）体系的建立、实现语义层次的自动标引、自动文摘生成、分布式藏品元数据的聚集与元数据库的构建、超大规模多媒体数字资源的长久保存、归档和存储管理技术，包括档案系统等、数字内容藏品的版权管理系统、数字对象和媒体的新型经济与商务模型研究、与创建和使用数字收藏有

关的社会经济法律问题的技术、方法、过程。

4.图书馆服务网络化

数字图书馆的建设以不断改善用户服务为最终目标，必须为用户在知识发现与利用上提供高效方便的工具,并且使得用户可方便地透过数字图书馆的多个资源库无缝获取所需的知识。服务的核心技术就是网络化。网络化包括先进的高效导航系统、适用于TB级数据的高效搜索引擎、开发实用的多语言、多文字、多文化以及个性化用户界面、个性化、智能的主动服务技术、保证藏品的安全和完整性技术：包括信息过滤系统；隐私权保护技术、实现数字图书馆群与科学数据库群内容的集成性服务、对新型媒体知识产权处理形成合乎法律框架的新的经济和商业模型、用户工具软件、基于互联网的协同工作技术和工具、用户和可使用性研究。

5.网格和数字图书馆

网格是把整个网络整合成一台虚拟的巨大超级计算机，实现计算资源、存储资源、数据资源、信息资源、文献资源、知识资源、专家资源等的全面共享。总之，网格可以实现分布在全球的硬件资源、软件资源和各种信息知识资源全面的连通，达到资源的最大共享。

由于网格的不同作用，它被划分成不同的类型，如：计算网格、设备网格、数据网格、信息服务网格等。

与数字图书馆的建设目标完全一致，网格致力于一次登录，访问全球分布式信息资源、全世界有用的信息资源可共享、基于自然语言的语义检索并进行资源整合、可提供学科的个性化服务、基于知识挖掘提供最小化的知识子集。

基于网格的数字图书馆服务模式是指全球数字图书馆可以提供基于语义的检索服务、虚拟参考咨询服务、主动推送服务、定题信息服务、个性化信息服务、培训服务等。这些都要建立在多语言库的基础之上，需要全球的各个数字图书馆协同工作。

6.高校数字图书馆空间设计

大学图书馆是高校师生心灵与情感最大限度敞开的地方，图书馆在本质上都是人们获取知识、感受文明、塑造自我的场所，在这里进行着的是体会、倾听、交流和感应：一种人类心灵与情感参与的内在活动。数字化技术的应用使图书馆内部空间边界日趋模糊，内墙的减少，内部空间越来越自由化，通过网络化，促进和加强人与人、人与书的交流。这种交流空间不仅仅体现在空间贯通上，更重要的是对功能流程的一种设计策略，体现大数据的时代特点：从古代图书馆担负保存人类文化典籍的职能到近代图书馆担负起社会教育的职能，再到现代图书馆担负起

传递科技信息和开发智力资源的职能，图书馆应该成为一个亲切宜人可达性强的公共场所。

高校图书馆作为信息整合、传播和辐射的重要窗口，在高校教学科研发展中发挥着特殊作用。开放、交流成为当代高校图书馆空间设计的重点。师生们不应该再把图书馆仅仅作为“知识的集散地”而是更要强调其“学习和交流中心”的功能，从而塑造真正意义上的“知识共享平台”，也就是大数据时代的图书馆，网络化的数字图书馆。

参考文献

1.百度文库现代高校图书馆的发展趋势

2.北方民族大学图书馆数字图书馆的发展趋势

3.江苏大学图书馆 袁润数字时代图书馆技术需求浅析与对策

4.国家图书馆研究院索传军 数字时代图书馆发展的战略思考

2.大数据时代高校图书馆的综合实力分析 篇二

1 大数据时代与数字化图书馆

(1) 大数据与大数据时代

大数据通常意义下被认为是一种数量巨大, 种类繁多的非结构性数据。其在维基百科的解释是:或称巨量数据、海量数据、大数据, 指的是所涉及的数据量规模巨大到无法通过人工, 在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。

大数据的"大"不是单纯的数量大小问题, 否则我们完全可以沿用如"海量数据"等类似概念表述数据量的增长, 之所以提出相应的大数据概念, 是因为大数据确有自身的特点。概括当前业界的普遍看法, 学界将大数据的特性归结为"4V", 即速度 (Velocity) 快, 即数据增长速度快, 相应的需要的处理速度业需要快;容量 (Volume) 大, 即需要的存储设备及设施需求大, 相应产生的计算分析量呈现几何式增长;分类 (Variety) 多, 即来源多元化;价值 (value) 大, 即有较大利用价值, 其分析结果对于相应行业有很大的指导意义。

伴随大数据时代的背景, 大数据的研究与应用已经成为学界热点问题。"大数据"概念即诞生之日起便得到了来自相应行业及机构的极大关注。维克托o迈尔o舍恩伯格在《大数据时代》一书中认为, 大数据的核心就是预测, 大数据将为人类的生活创造前所未有的可量化的维度。[2]大数据已经成为了新发明和新服务的源泉, 而更多的改变正蓄势待发。世界各国普遍对大数据的探索与应用给予了极大关注, 如美国奥巴马政府启动并实施的"大数据研究和发展计划"、英国、澳大利亚等四个国家的学者联合开展的"世界大数据周"活动等。值得我们关注得是, 大数据时代的来临也已引起图书馆、信息与情报界的广泛兴趣, 图书馆学研究者也广泛参与到诸多的大数据研究项目中, 并进一步推动了与大数据关联紧密的网络计量学等学科的快速发展。

(2) 数字化图书馆与高校图书馆

数字化图书馆诞生于20世纪90年代, 得益于计算机技术、网络技术、数字技术等高新手段在图书、情报领域的广泛应用, 传统图书馆的结构、服务与发展理念产生了历史性变革。数字化图书馆的实质就是把馆藏信息数字化形成大型知识体。并凭借数字化手段进一步丰富馆藏资源内容, 完善馆藏信息类型结构, 通过购置配备电子图书、电子期刊、电子报纸、数据库、音视频资源等在内的海量数字资源, 实现信息资源数字化与传递网络化、同时通过信息技术共享化、集成化实现图书馆咨询服务的全面升级。高校图书馆作为现代图书馆的重要组成部分, 是为高等学校教学和科学研究服务的学术机构, 是高等学校的文献与情报信息中心, 在高等教育事业的发展中发挥着极其重要的支撑作用。数字化图书馆建设是当前各高校图书馆建设的主要方向, 同时也是保持高校图书馆持续、健康、科学发展的必要之举。

(3) 大数据时代与数字化图书馆建设

大数据时代对于当今的数字化图书馆建设有着良性的互动影响机制, 下面对二者的关系作以简要分析:

从某种意义上说, 数字图书馆本身就可以理解为一个大型的数据库, 其持有的数据具有典型的大数据容量大、种类多、具有价值等特性。图书馆作为提供公众信息服务的重要机构, 承担着将有用信息组织集合并提供信息服务的职能, 随着数字化图书馆建设成为时代趋势, 图书馆也就越来越成为大数据重要来源及重要载体之一。同时数字化图书馆也承担了为大数据提供必要的技术试验和应用空间的"责任"。

反之, 大数据时代的不断向前, 进一步刺激了数字技术、存储技术、及网络技术和信息分析方式的变革, 也将在一定程度上加速数字化图书馆的现代化进程。将对大数据4V特性的理解应用于数字图书馆建设过程中, 使得捕获、挖掘、分析各类知识转化为图书馆积累信息的新模式, 更为数字图书馆提供高层次的信息咨询与知识咨询服务服务创造了有利条件, 也将进一步为数字化图书馆建设营造良好的内部运行氛围。

2 大数据时代高校数字化图书馆的服务走向对策

(1) 加快数字化图书馆信息技术变革升级, 提供更加智能化信息服务

用户是图书馆信息服务工作的轴心, 要应对大数据时代对数字化图书馆建设的机遇与挑战, 重点就在于深入了解信息受众需求, 提供更合理化, 更具针对性的智能化信息服务。我们只有切实的了解用户的需求趋向, 需求动态, 并借此研究出其需求规律, 才能提高图书馆信息服务的实效性和针对性!高校图书馆主要用户来源于教师和学生两个群体, 用户对信息的需求多偏向与教学、科研等方面, 且对于专业的集中度较高, 不同类型高校对于图书馆信息服务的侧重是有所不同的, 伴随着我国教育水平的不断提高, 高校图书馆在高等教育中所扮演的角色也越来越重要。在大数据时代的背景下, 加快高校数字化图书馆的信息技术变革也就成为了我们应对4V特性非结构化大数据对信息服务为主的图书馆服务带来影响的首要方式, 也是我们能够提供智能化信息服务的前提。为此, 我们必须在存储技术, 数据分析技术等方面持续加大投入, 如此才能实现信息服务及高校图书馆职能的最大价值化!

(2) 加速信息咨询服务模式升级, 提供更具实效性的信息服务

大数据时代环境下, 数据的收集和传递成本日益下降, 由此带来的是信息数据量急剧增长, 同时更进一步增加了数据的复杂性。传统知识信息咨询服务模式已经不能满足大数据环境下用户需求。图书馆传统的检索与传递等服务方式在用户中的影响逐渐弱化, 地位及关注度主要下降。当下的信息用户需要的是如何在海量的信息中如何检索到与所需信息契合度高的有价值数据。这也是与大数据时代的数据分析理念不谋而合的。因此, 信息服务要对用户的不同信息需求加以分析研究, 明确用户信息目标!同时, 信息服务要根据用户信息需求目标的变化进行技术调整和重组信息, 始终保证满足用户解决问题的信息需求!在教学、科研及知识需求日益精细的今天, 知识平民化, 唯有适应时代, 实现知识咨询服务模式的与时俱进, 才能让图书馆始终成为信息服务的中心与领头羊, 这也是高校数字化图书馆建设过程中必须要关注的问题之一。

摘要：得益于数字技术、存储技术与互联网技术的综合发展推动, 大数据时代来临, 伴随信息数量的几何式增长, 结合大数据时代背景的信息分析与服务越来越成为政府、企业、高校等机构获取科学规划及发展策略的重要手段。本文将重点分析大数据时代与高校数字化图书馆建设的内在联系, 并依据分析成果对高校数字化图书馆建设咨询服务走向提出合理化建议。

关键词：大数据时代,高校数字化图书馆,咨询服务

参考文献

[1]维基百科:http://zh.wikipedia.org/wiki/大数据.

[2][英]维克托·迈尔-舍恩伯格, [英]肯尼思·库克耶著, 大数据时代[M]盛杨燕, 周涛.译杭州, 浙江人民出版社.2013.

[3]朱开忠.图书馆转型研究[M].北京:人民邮电出版社, 2011.

3.大数据时代高校图书馆的综合实力分析 篇三

关键词 大数据 信息服务模式 高校图书馆

分类号 G252

DOI 10.16810/j.cnki.1672-514x.2016.02.003

Research on the Development of University Library Information Service Model in the Era of Big Data

Wang Hao， Liu Bing， Zhang Linlin

Abstract In view of big data and information service mode， from the perspective of "four elements"， this paper expounds the evolution of the mode of information service under the environment of big data， discusses the ideas and Strategies of the construction of the new information service mode.

Keywords Big data. Information service mode. University library.

2012年美国奥巴马政府宣布推出的“大数据研究和发展计划”，对全球知识的创新和信息服务的形式产生了重要的影响。2013年被称为“大数据元年”，IT 业界从新的视角将“大数据”视为重要的战略资源，提出了发掘“大数据”资源、开发“大数据”技术、应用“大数据”技术引领时代转型等的重大时代命题。面对“大数据”时代的新机遇与挑战，图书馆界已经感受到了信息环境的转变和信息服务工作的巨大压力，应当如何适应环境、借势而上、立足潮头？本文以大数据和信息服务模式为视角，从信息服务模式的“四要素”入手，深入研究大数据给高校图书馆信息服务模式带来的影响和发展方向，初步探讨了如何构建基于大数据的新的信息服务模式。

1 大数据与信息服务模式的内涵

1.1 大数据的内涵

随着计算机、网络技术全面融入现代社会生活，信息的积累由量变引发了质变，最先经历信息爆炸的学科——天文学和基因学，率先提出了“大数据”的概念[1]。事实上，“大数据”并不仅仅包含技术和数据，而是由于不断增长的数据量和数据种类而逐渐衍生出来的一种现象，因此，目前“大数据”在业内并没有统一的定义，但对大数据的描述和特性在学术界存在着这样的共识：大数据是数据来源多种多样的体量巨大的结构化、半结构化、非结构化的需要专业人士利用新的技术去实时感知、获取、管理，获取价值，以服务的庞大的数据集合。具有种类（Variety）多、速度（Velocity）快、容量（volume）大、价值（value）大的“4V”特征。舍恩伯格认为，大数据的核心价值是预测，是把数学算法运用到海量的数据上来预期事情发生的可能性。他在著作《大数据时代》中认为，大数据既是一种技术，更是一种思维，并重点讨论了关于大数据的3个思维变化：（1）不是随机样本，而是全体数据。（2）不是精确性，而是混杂性，尤其是大数据的简单算法比小数据的复杂算法有效。（3）不是因果关系，而是相互关系。大数据思维可以初步概括为规律性、无偏性、关联性和开放性4个特征[2]。

1.2 信息服务模式的内涵

信息服务是以信息为内容的服务业务，它从社会现实出发，以充分发挥信息的社会作用、沟通用户的信息联系和有效组织用户信息活动为目标，以“信息运动”各环节为内容的一种社会服务。其服务对象是对服务具有客观需求的社会组织和社会成员。通过对信息服务定义的分析，我们可以得出，信息服务的构成要素有四个：服务主体（信息服务的提供者）、服务客体（信息服务的需求者）、服务方式（信息加工、组织、服务的方式）、服务内容（所需求的知识信息）。关于模式的定义，《汉典》中给出的解释是：事物的标准样式。百度百科中指出，模式就是解决某一类问题的方法论，每个模式都描述了一个在的环境中不断出现的问题，然后描述了该问题的解决方案的核心，通过这种方式，可以无数次地使用那些已有的解决方案，无需再重复相同的工作，并且模式具有领域性。综合分析前述关于信息服务、模式的定义，笔者认为，研究信息服务模式的关键就是要研究信息服务的组成要素，及抽象、总结、概括这些要素之间的相互关系。

2 大数据环境下高校图书馆信息服务模式的演变

2.1 大数据对信息服务模式要素的影响分析

2.1.1 提高服务主体的服务技能

大数据时代，高校图书馆员需要具有较高的信息服务技能，除了要具备图书馆专业知识外，还要具有敏锐的信息意识，一定的学科背景，较强的信息加工处理能力，以便为读者提供更为准确的信息服务。目前高校图书馆界的信息服务，大多是根据信息服务人员的经验进行主观判断，也就是定向性预测。而大数据时代，将催生信息数据预测分析师这类新的专业技术岗位，预测分析是通过建立数学模型，发现数据与实物之间的相互关系，准确客观的预测事物的发展方向，以提供解决方案。总之，高校图书馆员的总体信息服务能力会随着大数据时代的要求而不断提高。

2.1.2 细化服务客体的信息需求

在信息急剧增长的今天，读者的信息需求越来越具有个性化特征，大数据技术的应用，使得图书馆可以通过分析用户的注册信息、实时操作、过程数据、群组讨论内容、信息利用行为等实时、动态非结构化的数据，更加精确地了解读者个性化信息需求的动机和偏好，以实现对读者信息需求的精准定位和预判。

nlc202309042115

2.1.3 扩宽服务方式

大数据环境下，信息数据已经成为社会的核心资产，数据传递、信息共享，已经成为信息服务的重要组成形式，由于大数据的动态配置和应用，图书馆的信息服务方式也呈现出多元化的合作方式。主要表现在：

（1）业务的外包与众包。信息社会，信息资源正在向着虚拟化方向发展，资源获取和利用更加倾向选择合作与分享，以实现信息资源和服务的柔性配置，发挥规模效益。因此，信息服务的外包与众包已经成为新的、重要的服务方式。外包和众包的不同之处在于，前者是外派给确定的个体，而后者的任务和问题是外派给不确定的群体。但它们的好处都在于：企业或者机构可以充分利用网络资源，借助外部的智慧，节约大量的研发成本与管理费用。例如，数据库的管理与服务的外包、系统管理软件的开发外包等；著名的网络免费百科全书“维基百科（Wikipedia）”是德国国家图书馆运用众包的理念招募志愿者，志愿者的主要任务是校对百科全书中的人物姓名和提供权威文件记录，与全世界的志愿者的合作， 使得维基百科不仅仅是一部传统意义上的百科全书，更重要的是使其成为记录人类历史的、革命性的团队协作行动[3]。

（2）协同创新。“协同创新”是指创新资源和要素有效汇聚，通过突破创新主体间的壁垒，充分释放彼此间“人才、资本、信息、技术”等创新要素活力而实现深度合作。协同创新的特点主要有两点：一是创新生态系统中的各种要素是有机集合而不是简单相加，其存在的方式目标功能都表现出统一的整体性；二是创新主体之间要发挥各自的能力，优势整合，互补资源，实现各方的优势互补，创新生态系统必须不断动态变化[4]。当前，信息服务产业正处于互相渗透、互相融合、根据各自优势重新组合、重新分工的阶段。图书馆应认清社会化分工，联合其他信息服务的提供者（包括图书情报机构、信息提供与服务商、任何发布信息的机构及个人等）遵循协同创新的理念，为读者提供智能化、范在化、一体化、云状化、个性化为特征的信息服务。

2.1.4 创新服务内容

高校图书馆的传统信息服务内容，一般可分为三大部分，一是书刊借阅、文献传递、事务性咨询等；二是通过检索性、参考性文献或者系统向读者提供课题检索、学科导航、用户教育等在内的科技信息咨询为主的服务；三是根据用户需求，社会特点，提供参考性咨询等专题情报服务。

大数据时代的到来，催生出了一些新的信息服务内容，如：（1）对信息知识的新编，即图书馆通过新的载体方式，与服务手段，使读者去发现新的知识。例如：浙江大学医学院图书馆通过人体的骨架，让读者点击不同器官，来调阅与器官相关的书和文章。（2）数据信息的管理。数据密集型学科领域里面的科学研究，必须要对海量的数据进行信息分类、抽取要点和发现关系，来揭示隐性的知识结构，图书馆可以充分利用大数据技术，帮助科研人员进行相关数据、信息和知识的关联、回溯、保存等，以减轻科技人员的负担，使之能够集中精力进行科学研究。（3）对事件进行预测，人工智能、数据挖掘、分析等大数据技术使得信息能够快速的转变为知识，来指导决策和行动。

笔者认为，根据对信息虚拟化程度、挖掘程度、知识创新程度的不同，由低到高，可以把高校图书馆当前的信息服务分为四个层次，依次为第一层（基本层）即对用户最基本的信息需求的满足；第二层（延伸层）即图书馆形成自身服务特色的关键业务工作；第三层（期望层）即用户选择服务后，期望能够得到的服务；第四层（潜在层）即图书馆需要进一步实现的知识信息服务（如图1所示）。

2.2 大数据时代高校图书馆信息服务模式发展方向

由前述大数据对信息服务模式“四要素”的影响看，我们不难发现，大数据时代的信息服务模式具有以下特点：信息服务功能强大，服务方式多样，服务内容丰富，强调资源共享，协同创新，强调对读者个性需求的满足等。根据这些特点，其发展导向主要有以下几个方面。

2.2.1 个性化服务

大数据时代，图书馆有更多的方式和机会去了解读者和读者的信息需求。要想为读者提供理想的个性化服务，必须掌握两点：一是通过对新型资源（博客、社交网站等动态、非结构化数据）、休眠数据（系统内未被使用和发现的数据）、高价值数据的分析与挖掘，充分了解读者的个性，为读者提供他们想要的信息和服务；二是合理地掌控和设计服务的个性，把数据表现相同的读者分为一类，个性化分散的单位可大可小，大到一个有同样需求的读者群体，小到每一个读者。但过于分散的个性化服务，会增加图书馆的服务成本和管理的复杂程度，所以要合理掌控和设计个性化服务。

2.2.2 集成服务

互联网、大数据技术的发展，使得信息服务与资源建设加快了向开放、互助、资源共享的方向发展，开展集成服务有利于图书馆围绕用户的信息需求，借助于网络信息技术以及信息服务联盟，在各图书馆与文献保障系统之间对文献信息资源进行统筹规划，使可获取利用的信息资源能够最大程度的涵盖学校的各个学科专业，并可以重点保障学校重点学科、博士点学科的信息资源需求，以实现馆藏信息资源的“投入—产出”比率最优。

2.2.3 知识服务

大数据知识服务是一种基于网络（包括电信网、广播电视网、互联网、移动互联网等）的智能化、泛在化发展趋势而衍生的，用以解决结构化、半结构化及非结构化数据多维度处理的现代信息服务新模式，是嵌入式协作化知识服务模式的一种新发展[5]。大数据知识服务模式强调读者的参与、强调知识、能力、资源和过程以服务的形式进行有机融合，并基于网络自由流通，以实现大数据知识服务体系中的知识动态协调构建、能力智慧管理、资源按需使用、过程智能控制，满足读者急剧扩张的知识服务需求。

2.2.4 智能化服务

百度百科对智慧的定义是：智慧是指对事物能迅速、灵活、正确的理解和处理的能力。图书馆智慧化服务是指利用大数据相关技术，进行快速的、自动的对复杂动态数据的收集与处理，分析判断用户的信息需求趋势，了解需求动态，研究需求规律，将用户潜在的信息需求转化为现实的信息需求，将隐性的知识显化，使信息的价值得以实现。并从管理与运营系统全局层面，保证管理决策、资源分配、硬件与软件建设、技术选择的科学性，确保信息服务的高效、灵活。

nlc202309042115

3 基于“四要素”的大数据信息服务模式构建思路与对策

3.1 思路

思想是行动的指南，正确的理念是高校图书馆提供优质信息服务的保障。图书馆要针对大数据对信息服务模式要素的影响，遵循信息服务的新特点和发展方向，全面审视、更新办馆思路和观念，用大数据的思维去重新定位信息服务工作。要在遵循“以信息安全为前提、以满足读者需求为目标、以实践探索为途径、以人才培养为保障”的思路下，对管理体制、组织结构、工作流程和激励机制等方面进行全面改进，使之有助于在关键技术、平台开发、标准规范等方面实现应用创新，建立信息服务的新模式，即馆员的工作要变“被动”为“主动”、对读者的服务要变“整体”为“分散”、服务方式要变“自足”为“共享”、服务内容要变“静态”为“动态”。

3.2 对策

3.2.1 多途径提高馆员的信息服务水平

高校图书馆员业务素质在很大程度上决定着信息服务的水平和质量。目前与大数据密切相关的信息链接技术、智能推送技术、数据仓储技术、数据挖掘技术、数据分析技术等正在快速发展，信息服务体现出的交互、智能、个性化等特点，都对馆员的知识结构和综合素质提出了更高的要求。图书馆员要能将大量原始、初级、杂乱无章的“数据”，转化为清晰地表达出一定含义的“信息”，继而根据读者的信息需要提取出有价值的“情报”并应用于实践[6]。所以，图书馆必须加强馆员的培训力度，扩展培训途径，通过学习、探讨、考核、外引、内培等多种方式，让馆员普遍接受以数据应用为核心的工作方式。建立一支业务素质过硬、创新能力强的高素质信息服务队伍。并要在服务的过程中，加强与读者的互动交流、重视反馈信息，深入开展对读者心理、行为、习惯、干扰因素等问题的研究，进行换位思考，站在读者的立场去认识、感受、体验、评价所开展的信息服务。

3.2.2 通过素质教育培养读者的信息素质

信息素质教育包括信息意识、信息能力和信息道德三个方面，信息素质教育有助于提高读者的信息意识，唤起读者尚未表达出来以及未意识到的潜在信息需求和潜在读者应该利用而实际上未利用的信息服务；其次，有助于促进读者与图书馆之间的互动，密切联系，使读者对图书馆的服务有更深层次的认识，从而及时得到相应的服务；最后，信息素质教育将大大提高读者的信息处理能力，优化知识结构和提高决策能力，并能够使读者增强信息安全意识、遵循信息使用的伦理道德。

3.2.3 建立以大数据为核心的信息服务方式

大数据的4V特征，决定了要开展以大数据为核心的信息服务，必须打造先进的基础设施，构建良好的数据处理和知识共享环境，开发关键业务和规范服务流程。主要措施包括：（1）建立高效的分布式信息网络，数据存储、数据管理平台，提供硬件基础设施保障。（2）根据应用实际，开发科学的数据分析挖掘软件系统，提高数据的收集、挖掘、分析、决策的能力。（3）将“大数据”看作关键资源，开展新的服务形式。（4）从“大数据”的价值出发，去寻找新的合作伙伴，强化信息集成服务，开辟数据交流与共享的渠道。（5）利用“大数据”进行服务流程优化，缩短服务响应时间，提高服务效率。

3.2.4 利用大数据创新信息服务内容

图书馆要利用大数据之间的相关关系，核心价值（预测），调整思维、关注新的重点服务领域，不断深入与创新信息服务的内容，主要有：（1）加强读者研究，对交互数据进行分析，通过建立数学模型，开展精准服务、知识关联服务，提供预测性信息服务产品。（2）重视对新型资源的收集，通过对读者行为习惯的数据挖掘、分析，判断预测可能发生的信息行为与需求。（3）利用大数据的时效性，监控大数据动向、动态定位、收集、分析处理高质量信息，为客户提供问题解决的方案。（4）关注和融入社交网站，扩大图书馆的受众面，实时了解读者的需求，围绕读者喜好，收集整理信息资源，并提供专项服务，提升图书馆在读者个人文化生活中的作用和影响。

参考文献：

[ 1 ] 维克多·迈尔·舍恩伯格，肯尼斯·库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.

[ 2 ] 和婷.大数据思维对图书馆信息服务工作的启示[J].图书馆建设，2014（1）：64-68.

[ 3 ] ANDERSO M. Four crowd-sour cing lessons from tie Guardian's （spectacular）expenses-scandal experiment[EB/OL].[2012-06-10].http：//www.niemanlab.org/2009/06/four-crow dsour cing-lessons-from-the-guardians-spectacularexpenses-scandal-ex perim ent/.

[ 4 ] 陈劲，阳银娟.协同创新的理论基础与内涵[J].科学学研究，2012（2）：161-164.

[ 5 ] 秦晓珠，李晨晖，麦范金.大数据知识服务的内涵、典型特征及概念模型[J].情报资料工作，2013（2）18-22.

[ 6 ] 邓爱华.大数据时代来临，你准备好了吗？[J].科技潮，2012（9）：55-57.

王 浩 黑龙江八一农垦大学图书馆副研究馆员。黑龙江大庆，163319。

刘 冰 黑龙江八一农垦大学图书馆馆员。黑龙江大庆，163319。

张淋淋 黑龙江八一农垦大学图书馆馆员。黑龙江大庆，163319。

（收稿日期：2015-07-08 编校：邹婉芬）

4.大数据时代高校图书馆的综合实力分析 篇四

摘要：目前，预算管理的精细化已经成为高校财务管理的核心。伴随着互联网、电子商务、大数据、云技术等高科技技术的来袭，代表着我国较为先进的思想理念、科技研发水平发展前沿的高等院校理应有所作为。若能使高校的精细化预算管理与大数据技术完美结合，将会为高科技时代的高校预算管理带来意想不到的成果。本文从大数据技术的概念入手，对高校目前实施预算管理过程中存在的问题进行剖析，由此提出将大数据技术应用于高校预算精细化管理的具体建议。

关键词：大数据时代 高校预算 精细化

随着国际互联网技术的高速发展，人、机、物三者的高度融合，其所带来的结果便是数据信息业的增长，种种迹象表明我们已进入大数据时代。预算精细化管理是指在全体人员培养精细化管理思想的基础上，把精细化思想贯穿于预算编制、预算执行分析、预算管理监督等，实现预算管理各环节精确、高效、协同和持续运行，以提高资金的利用效率。有利于加强国内各大高校的日常管理，特别是使高校预算精细化管理的实现成为了可能。因而，作为国内思想理念、技术创新处于前沿的高等院校，应该借此契机，将大数据技术应用于其预算管理当中，为下一步的国内教育体制改革、为高校提升其自身综合实力打下坚实基础。

一、大数据技术概述

（一）大数据内涵

大数据，是一种数量规很大，在对其获取、存储、管理、分析等过程中，已超出了传统数据库软件工具能力范围数据及信息的集合。大数据具有规模大、类型多、流转快、低价值密度的特点。大数据也可以称为一种产业，其优势在于专业技术人员对其现有的数据信息进行专业化处理后，为相关客户提供一种技术服务，从而获取一定的利润。

（二）大数据特征

①容量大。数据信息数量的大小决定数据的价值和潜在的信息，容量大是大数据最为明显的特征。②种类多。大?稻菁际跸碌氖?据类型具有多样性、综合性的特征，来源渠道多。③速度快。大数据技术下，客户对于大数据的获得速度快、实用性强。④可变性。妨碍了处理和有效管理数据的过程。⑤价值性。合理运用大数据，以低成本创造高价值。

二、高校实施预算管理存在的问题

目前，国内高等院校在实施预算管理过程中，由于其信息化程度较低，使其预算管理过程中存在着一定的问题，这些问题大致出现在预算编制阶段、预算执行分析阶段及预算管理监督评价阶段，只有将上述几个阶段出现的问题予以详尽的分析，才能找到解决问题的策略。

（一）高校预算编制过程中存在的问题

首先，编制预算的基础数据库不完善。最新的《高等学校财务制度》实施以来，新增了高校固定资产计提折旧、无形资产按期摊销的核算要求，同时将支出项目细化为“教育事业”、“科研事业”、“行政事业”“后勤保障”以及“离退休支出”等几个方面，上述几个方面的变化对于高校所持有长期资产的保管与使用更加规范化，对于各类支出的划分更加明细化、透明化，核算内容的变化带来的是预算编制中所需数据库信息的相对滞后。

其次，预算编制过程中各部门参与度不高。高校的预算编制过程中，许多部门都觉得预算编制只是财务部门的事，与其自身无关，使得财务部门编制的预算有时脱离实际。岂不知，预算的编制是一项综合性、系统性的工作，需要教学科研、学生管理、资产管理、人事管理甚至下属的二级院校共同参与才能完成，最终形成跨部门协同预算计划信息平台，将学校有限的资源进行合理配置，并形成一个科学的、合理的、具有可行性的预算报告。

（二）预算执行分析过程中的方式较为落后

高校预算执行结果的分析环节，对于其预算管理起到至关重要的作用。然而，目前的大多数高校预算执行分析过程中的方式较为落后。

首先，预算管理信息化程度低。我国许多高校仍采用较为简单的数据汇总，甚至是相对落后的图表形式，对财务信息数据进行分析。这种分析方式效率低，出错率高，信息提供不及时，不能精细反映学校的财务状况，特别是不能真实反映教学、科研、后勤保障等业务内容方面的信息。因此，要提高预算执行过程中的精细程度，就必须提高信息系统的数据的利用率，挖掘可以提高环境变化分析能力，通过自动收集信息减少预算编制者的主观判断，提高预测的准确性、客观性，以及上下级、平级预测的一致性，从而减少预算组织者和参与者之间的冲突，及时反馈预算执行信息。

其次，预算分析思维僵化。由于数据信息技术的原因部分高校财务预算管理从单向性、平面性分析，忽视预算管理的复杂性和多样性，许多高校不是从管理的多维度、多层次视角对于财务数据进行科学的分析，而是习惯于定性分析，抽象分析，因而所得出的结论很难准确反映单位的真实财务状况，也就难以将同期的实际数据与预算数据进行比对，为下一步预算实施提供切实可行的依据。

最后，预算分析方法缺乏科学性。我国很多高校预算分析仍采用以前期预算的实际执行结果为基础的“增量预算法”。这种预算分析方法虽然操作简便，但往往缺乏针对性、灵活性、系统性，容易导致预算的不准确。

（三）预算管理的监督管理体制较弱

“监督是预算管理的重要一环，没有监督的预算管理或者监督乏力的预算管理是不完善的管理”。在我国高等学校的监督管理方面，既有社会各方面参与的监督，也有具体事项的监督。从监督效果来看，参差不齐。一个关键的问题是，我国高等院校的预算监督比较注意事后监督，轻视事前监督和事中监督。这种管理模式已无法满足当今高校的管理需求。

之所以出现这样的问题，既有制度方面的原因，也有技术方面的制约。在制度方面，部分高校在预算编制过程中，存在一些不科学、不完善、不尽如人意的地方，从而造成校方管理层对于预算数据管理较为模糊。如在科目设计、监督机制、审计机制等方面存在着不少的问题。在技术方面，我国高校对预算的监督管理大部分是运用ERP软件进行，而该软件的特点是比较注重事后监督，对事前监督、事中监督比较薄弱，甚至无能为力。对于诸如一些学费、住宿费缴纳、欠费情况等，无法直接取得同期历史数据和财务预测数据，而需要财务人员通过手工方式获得，从而使得高校预算资金支出不能得到及时安排，从而影响其有效性和针对性。

三、大数据时代下高校预算精细化管理的策略

2016年国家教育经费投入总额为38，866亿元，其中对于高等教育投入为10，110亿元，比上年同期增长6.22%。由此可以看出，国家对于高等教育的投入是逐年增加的。然而，与世界上教育较为发达的国家相比其经费支出差距还是较大的，这就需要高等院校合理的引入大数据技术来提高预算管理的精细化水平。

首先，基于大数据技术建立预算平台。高校应以预算编制为起点，实现预算执行为目标，建立以预算执行控制为重点，以财务核算为支撑，以财务决算及预算分析为反馈重点的预算管理平?_。在平台的建设过程中，要打破现有的财务部门与其他专业管理部门的界限，将大量的数据信息、管理信息置于平台之上，实现数据信息的共享。从而使得预算的编制更加切实可行、具有针对性及可操作性。

其次，设置合理的预算执行评价体系。预算执行的好坏，评价是关键。高校应依据预算项目的性质不同，建立信息化的预算评价体系，从而实现对于每个预算项目的精细化考核。如校实验室项目预算支出，重点学科项目攻关等可用绩效标准来考核。传统的财务系统不具备项目预算执行系统和多维数据分析功能也无法与其他信息系统进行数据交互，大量工作需要通过人工完成，费时费力，容易出错，无法满足高校预算管理精细化的需要。利用大数据技术建设的预算管理平台可以为各级用户提供各种查询数据功能，可以使预算数据分析建立在数据库之上，通过对数据库中的海量数据进行处理，可以为各级用户提供各种查询数据功能，改变过去相关数据提供滞后的状况，使得预算数据的分析、考核变得更加有的放矢。

最后，利用大数据信息平台，实现预算编制、执行与监督适当分离。高等学校应该设立专门的预算编制机构，行使预算编制职能，预算执行由财务部门具体实施，预算监督由学生、教工、内部监督部门、社会中介机构等行使，要实现对高校预算管理的监督作用就必须实现大数据共享，使得预算的监督可以同步进行，克服预算管理仅能事后监督的不利局面。

四、总结

高等学校的教育经费支出是教学质量高低的有力保障，进一步延伸的话有可能影响高校学生未来对于社会贡献的多少。正所谓“十年树木、百年树人”，面对我国高校经费相对不足的客观现实及大数据时代的今天，高校运用大数据技术来进行预算精细化管理成为使然。高校通过建立大数据平台信息系统及运用大数据技术制定合理的预算编制、预算执行分析、考核评价体系会使得高校的预算管理更加科学、有效，最终为我国的教育体制改革、为国家建设培养合格的人才发挥其应有的作用。

参考文献：

5.智能分析助力安防进入大数据时代 篇五

随着智慧城市和智能交通的快速发展,金融、交通、政府等传统领域的安防应用更加深入，新生领域如教育、卫生、体育、能源飞速发展，社区、居民相关应用也在不断升温,移动互联设备随之快速激增，产生了海量的非结构化视音频数据，带动了大数据的存储、管理、分析等应用。

驱动大数据发展的重要因素主要来自两个方面：一是消费领域，如网购及社交媒体应用产生的大量数据；另一方面来自城市基础设施建设，安防便是其中之一。建设平安城市的过程伴随大量数据的产生，尤其是以视频监控为主要特征的数字安全监控（Digital Security Surveillance，DSS）。我们所居住的城市中有无数的高清摄像头，涉及治安监控、指挥通信、侦查破案、规范执法、社会服务等，视频接入规模从几千到几十万，随着安防监控对高清、智能、联网的要求越来越高，每天产生的数据规模正以惊人的速度不断增长。

一、安防公共领域对大数据的运用

大数据时代来临，行业变革才刚刚开始，未来前景广阔。就目前发展来看，国内安防行业对大数据的应用领域还较有限，主要集中在公共领域。目前我国在安防公共领域对大数据的运用主要集中在智能交通、司法系统等方面。

（一）智能交通：交通运输部今年7月份下发通知，将对公共交通信息化应用系统建设、相关支撑系统建设、数据资源与交换系统建设提供资金支持。在政策利好支撑下，可以从以下三方面掘金智能交通领域：

1.从事城市交通系统建设、高速公路信息化建设等领域； 2.智能交通发展必需的视频监控设备供应商；

3.提供导航地图、地理信息系统软件建设的内容提供商。

（二）司法系统：公安市场大规模的信息化和装备投资产生了海量的非结构化数据，公安的实战应用是大数据的重要应用领域。该领域大数据类公司业务包括电子数据取证、电子数据鉴定、网络舆情分析、数字维权、公证云、搜索云以及取证云服务等。

二、安防大数据技术分析

在安防行业，涉及的数据信息类型很多，以数据的结构类型来看，包括各类非结构化、结构化及半结构化信息。其中，非结构化数据主要包括视频录像和图片记录，如监控视频录像、报警录像、摘要录像、车辆卡口图片、人脸抓拍图片、报警抓拍图片等；结构化数据则包括报警记录，系统日志记录，运维数据记录，摘要分析结构化描述记录以及各种相关的信息数据库，如人口信息、地理数据信息、车驾管信息等；半结构化数据则如人脸建模数据，指纹记录等。

对IT大数据来说，其特征通常用4V（Velocity、Variety、Volume、Veracity）来概括，但对于安防大数据来说，它有自己独特的特点。首先，安防大数据以非结构化的视频监控数据为主，因而它更侧重于对非结构化数据的信息分析、提取挖掘以及处理能力；其次，就数据容量而言，以视频录像为主的安防大数据对传输、存储和计算过程中需要的带宽以及存储空间要求都更高；再次，以数据量基础做比较，安防大数据中的信息价值密度更低，从海量的图像信息中快速和准确地检测或者挖掘出有用信息的难度更大；最后，视频监控数据7×24小时都在持续不断地更新积累，其时效性更高。

安防大数据的处理和分析工具主要有两类：一类是对视频图像等非结构化信息的处理和分析工具，包括视频智能分析工具、视频摘要工具、图像清晰化工具、视频清晰化工具、视频转码工具、视频编辑工具等等；另一类则是对结构化、半结构化信息的大数据分析处理工具，此类处理和分析工具安防界吸取了IT界在处理大数据方面的架构和经验，比较流行的如Hadoop，Spark大数据处理的框架，以及Mahout、R数据挖掘工具，以对结构化和半结构化的数据可以实现快速和准确的数据分析和挖掘。

（一）智能分析

大数据在安防行业的应用使得安防更加智能化，大数据的技术一般分为数据采集、存储、挖掘和分析技术。其中，智能分析居于核心地位。

智能分析是安防大数据区别于IT大数据的根本点，只有利用智能分析技术将安防大数据的非结构化数据转换为结构化数据，才能将IT大数据成熟的技术体系应用到安防大数据中，充分发挥安防大数据的作用。对于视频图像等非结构化数据的分析和处理，目前可能更多地是把它归属到智能分析的范畴，这些技术很多已在初期应用中不断改进和完善，很多更新的智能分析技术仍处在研发过程中，对这类数据的分析和处理也将成为安防大数据的核心价值点。日益丰富的智能算法将大大提高视频监控摄像机的使用范围和价值，处于应用初级阶段的智能视频监控，也将随着智能算法的日益丰富而快速发展。而数字处理芯片、编解码能力以及压缩算法，是影响图像处理技术的重要因素。安防智能化的核心还体现在VA(视频分析或图像分析)，而VA需要底层算法的支持并运用单元执行，这可提高视频分析的效率。

（二）云存储与云计算

随着数字安防技术的普及，监控技术逐渐往高清化、网络化发展，随之而来的是海量的数据存储问题，海量数据必须拥有能够进行可靠、可保证效率且拥有快速的读写以及响应能力的存储。存储设备从监控系统的边缘化位置逐渐走向了中心，在监控系统的比重也随着集中化的提升而得以大幅提高，传统的存储方式已经不能适应网络存储的需求，云存储作为一种新型的存储服务应运而生。

所谓云存储，是指通过集群应用、网格技术及分布式文件系统功能，将网络中大量不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问的一种系统，即以数据存储和管理为核心的云计算系统。

云计算、云存储和大数据将对视频监控行业带来存储架构、虚拟化、安全和高效处理四个方面的变化。

首先，大数据的特征对存储容量的总体拥有量需求激增，海量存储模式也从传统的集中存储式架构发展到分布式存储架构，这种分布式架构，在多副本、网络 RAID技术、快照技术驱动下，实现海量存储的高可靠、大并发能力，推进了存储从设备供应模式到服务模式的升级和转变。

其次，虚拟化技术在存储服务能力建设上将继续不断发展，升级模式从SCALE-UP向SCALE-OUT模式发展，为无处不在的存储资源的调度与管理、存储资源的在线扩容升级、数据持续保护、存储服务不间断等实现有力的支撑。虚拟化，一方面大大简化应用环节，节省客户建设成本，同时提供更强的存储和共享功能；另一方面解决了存储空间的浪费，可以自动重新分配数据，提高了存储空间的利用率，同时具备负载均衡、故障冗余功能。

再次，安全方面实时计算和存储，对存储设备性能、存储网络性能、存储资源配置简化性要求越来越高。在复杂的存储服务中，基于虚拟化所构建的混合存储系统，系统的自动分层存储能力尤为重要。伴随闪存的成本不断降低的市场，市场上也有基于全闪存阵列产品的出现，基于虚拟化下的存储资源自动化分层，实现数据分层存储，并迁移的策略，对大数据实时性、安全性更加不可或缺。

最后，面对结构化数据、非结构化数据、半结构化等元数据的处理机制，云存储管理可以实现自动化和智能化，所有的存储资源被整合到一起，客户看到的是单一存储空间，提高了存储效率；云存储能够实现规模效应和弹性扩展，降低运营成本，避免资源浪费。受限于安防视频监控自身业务的特点，监控云存储和现有互联网云计算模型会有区别，如安防用户倾向于视频信息存储在本地、政府视频监控应用比较敏感、视频信息的隐私问题、视频监控对网络带宽消耗较大等问题。海量数据存储的检索、目录服务、去重化都将在以大数据牵动的存储应用中，给存储产业带来新的发展机遇。

当前，安防监控的发展如火如荼，与此同时，云存储技术在安防监控的应用也日渐普遍，作为未来安防存储发展的一种趋势，目前，云存储厂商正在将各类搜索、应用技术和云存储相结合，以便向用户提供一系列的数据服务，但是，云存储的发展状况仍受限于以下几个因素：

1.网络带宽的限制：真正的云存储系统将会是一个多区域分布、遍布全国、甚至于遍布全球的庞大公用系统，使用者需要通过adsl、ddn等宽带接入设备来连接云存储。只有宽带网络得到充足的发展，使用者才有可能获得足够大的数据传输带宽，实现大量容量数据的传输，真正享受到云存储服务，否则只能是空谈。

2.数据安全性：从云计算诞生，安全性一直是企业实施云计算首要考虑的问题之一，同样，在云存储方面，安全仍是首项考虑的问题。云存储系统的安全威胁主要表现如下：

云存储提供可伸缩的数据服务，无法清晰定义安全边界及保护设备，给云存储的安全保护措施增加了难度；

云存储通过IP网络传输数据，因此传统网络上的安全威胁也存在于云存储系统上，如数据破坏、数据窃取、数据篡改、拒绝服务等，影响了数据的安全存储；

数据存储的安全性包括静态存储安全和动态存储安全，静态存储安全是确保云存储系统上最终存储数据的存放安全，动态存储安全是确保在数据传输时的完整性和保密性；

云存储需要保证数据的容错J性、可恢复性和完整性，在灾难发生时如何避免数据服务中断及数据丢失等问题；

云存储系统作为一个公共数据中心，具有多客户连接、高交互性、数据安全保障要求高等特点，对入侵、攻击、病毒和恶意软件十分敏感，有必要对云存储中的数据流进行实时主动地检测和防御。

3.应用存储的发展：云存储不仅仅是存储，更多的是应用。应用存储是一种在存储设备中集成了应用软件功能的存储设备，它不仅具有数据存储功能，还具有应用软件功能，可以看作是服务器和存储设备的集合体。应用存储技术的发展可以大量减少云存储中服务器的数量，从而降低系统建设成本，减少系统中由服务器造成单点故障和性能瓶颈，减少数据传输环节，提供系统性能和效率，保证整个系统的高效稳定运行。

三、大数据应用于安防中存在的不足

在信息化浪潮的冲击下，人们当前已经步入互联网与云计算的时代，整个安防行业也从产品销售、平台建设逐渐转向系统运营和数据分析，安防行业IT化已经是不可避免的趋势。

在视频监控领域，伴随着高清监控时代的大潮，产生了越来越多的海量视频数据。但是，大量的视频数据仍然是独立的、零散的。视频录像数据散布在各个行业、单位独立的系统中，没有发挥达到联网、共享，业界也没有形成对数据挖掘、利用的通用方法，核心技术仍然在研究中，尚没有实现重大突破。

目前大量的视频监控数据运用于安防领域，但主要以人工搜索为主，政府之间跨警种、跨部门、跨区域的联网共享应用仍然较少，更不用说为老百姓、为社会所用的应用还没有启动。如能开放这些视频资源，为老百姓服务，而不仅仅用于治安、刑事案件，能通过信息公开、数据共享、数据挖掘推动新型的数据服务业的大发展，将是社会的福音。

安防行业从单一产品到系统集成，从模拟监控到网络监控，从封闭系统到大数据、云平台，已经不是简单的视频传输，而是涉及数据采集、通信、处理、反馈的IT 化系统解决方案。在产品层面，监控系统平台的储存、传输与服务器技术更依赖于IT技术。未来基于大数据处理提供智能分析也需要IT技术的支撑。

6.大数据时代高校图书馆的综合实力分析 篇六

1 高校图书馆大数据的内涵

1.1 高校图书馆大数据的概念

目前,大数据还处于发展的初期阶段,没有公认的、明确的定义。世界知名研究机构Gartner认为:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[2]随着大数据的广泛应用,其内涵也在逐步拓展。大数据是一种应用技术,也是一种应用能力,即从海量数据中寻找意义关联,挖掘事物隐藏的变化规律,预测事物发展趋势的能力。高校图书馆大数据是大数据的一个子集,是指在文献信息服务过程中产生的,和根据服务需求采集到的,且能在服务过程中创造新价值的数据集合。图书馆大数据也同样具备普通大数据的数据量大、数据多样性、价值密度低和输入和处理速度快等四个显著特点。

1.2 高校图书馆大数据的来源

1.2.1 高校图书馆的数字资源

据调查,全球新产出的信息量每3年翻一番,大约90%的信息都是以数据形式储存。[3]随着现代信息技术的急速发展,图书馆的数字资源成倍激增,形成了主要包括数据库、电子期刊、电子图书、网页、多媒体资料等类型的海量数字资源,部分图书馆的数字资源的种类和数量已经超过纸质资源。以国家图书馆为例,截至2014年年底,国家图书馆数字资源总量达1024.45TB(较2013年总量增加195.45 TB),主要来源为电子报纸5.28TB,外购数据库71TB,馆藏特色资源数字化856.92TB,网络导航和网络资源采集62.4TB。[4]

1.2.2 高校图书馆在文献信息服务过程中直接产生的数据

高校图书馆是学校的文献信息中心,为读者提供多样化的文献信息服务,无论是到馆读者,还是利用平板、手机等移动设备在馆外查询和使用图书馆资源的读者数量都非常多,以笔者所在的河北经贸大学图书馆为例,日均接待到馆读者上万人次,日均数字资源访问量上千次,日均图书流通量600多册,日均读者微服务站使用上百人次,微信公众号关注1.8万人。在此服务过程中,产生了大量的以移动互联数据和社交网络交互数据为主的读者使用数据,比如位置信息、借阅信息、账号绑定和登录信息、浏览信息、下载信息等读者数据。

1.2.3 高校图书馆在文献管理过程中产生的数据

除传统的馆藏书目数据和读者一卡通等数据外,近年来,越来越多的高校图书馆应用了RFID技术,这一智能管理系统包含海量的各类数据信息,如图书定位与跟踪数据、新书转换和门禁系统等数据。

2 高校图书馆大数据的价值潜能

2.1 高校图书馆大数据是一种战略资产

2015年8月,国务院发布的《促进大数据发展行动纲要》中指出,“数据已成为国家基础性战略资源”,并在启动的“公共服务大数据工程”中提出要建设教育文化大数据。[1]图书馆大数据作为教育文化大数据的重要组成部分,理应引起高度重视。图书馆大数据不再是作为用于统计的“数字”,而是一种无形资产,数据挖掘与利用是实现其增值的有效方式。部分西方国家的图书馆已将大数据作为新型战略资源,我国图书馆界也应该强化图书馆大数据的战略资产意识,尽快制定大数据战略,让每个读者都成为图书馆大数据的生产者和收益者,使图书馆数据资产实现不断有效增值。

2.2 高校图书馆大数据为科学管理提供决策依据

从以往的实际情况看,图书馆各项政策的制定和实施,一般是以自上而下的次序进行,这样虽然有利于管理的权威性与政策实施的有效性,但是忽视读者体验、读者参与度不高的弊端也一直客观存在,造成了图书馆管理与服务同实际工作的脱节。在大数据时代,图书馆大数据汇聚了大量以前意识不到或重视不够的数据,通过对图书馆大数据的挖掘,从中寻找意义关联并进行分析,使图书馆的读者服务过程从“非量化”到“量化”,使图书馆的文献信息服务决策不再像以前,从通过简单经验和统计结果的方式,转向基于数据分析的科学决策。通过数据统计、横向对比、指数分析、趋势分析等工作,为图书馆各级管理者进行科学决策提供依据,做到有的放矢,科学、精准、有序、有效的推动图书馆管理效能的全面提升。

2.3 高校图书馆大数据驱动服务方式的变革与创新

传统图书馆服务的基本模式是被动的、单向的、程序化的服务,即图书馆向读者提供某种服务,或读者因某种需求求助于图书馆,图书馆与读者之间基本没有互动,千人一面。在大数据时代,通过对在文献信息服务过程中所产生的,以及根据服务需求采集到的所有数据进行分析与预测,将改变传统的图书馆服务模式,有利于真正实现量体裁衣的个性化服务。在大数据的支持下,图书馆能够更好地了解读者需求,不断改进其服务方式和方法,并且在为读者提供文献信息服务的互动过程中,真正变成读者获取知识的促进者与协作者。利用大数据技术可以跟踪服务过程,对图书馆服务进行评估,还可以运用回归分析、关联规则挖掘等方法,帮助图书馆分析各类服务的实际效果,使图书馆可以做出及时调整,提高服务质量和水平。

3 大数据与高校图书馆服务创新

3.1 转变服务方式,开展个性化服务

大数据时代,文献资源的种类和内容越来越丰富,获取途径越来越多,读者需求也越来越个性化。因此,图书馆服务重心应该从注重资源建设转向注重服务能力建设,服务方式应该从满足大多数读者基本需求的普遍性服务,转向满足每一个读者不同需求的个性化服务。长期以来,图书馆对读者的个性化需求重视不够,从今后的发展趋势看,个性化服务水平将成为检验图书馆服务实际效果的重要指标。大数据时代,图书馆可以通过对读者数据的分析,获取有价值的信息,建立读者模型,主动开展宣传推广服务、跟踪服务、知识关联服务和精确服务,改进读者体验,提升个性化服务水平[6]。

3.2 拓展服务渠道,强调读者参与

在传统图书馆服务过程中,读者基本处于被动地位,图书馆能提供哪些服务,读者才能享受到哪些服务。尽管一些图书馆成立了图书工作委员会,但由于各方面原因,这种依靠少数读者参与图书管理与服务的程度不高、效果不好,所发挥的实际作用极为有限。大数据背景下,图书馆强调的读者参与,不仅包含传统的读者使用需求或读者评价,而是嵌入文献信息服务过程中的每一个具体环节。图书馆大数据生态系统,是力争构建一个大数据制造者、管理者和处理者等各方参与,都可以进行大数据存储、组织、获取、分析和决策的公共服务环境。在读者参与过程中,注重读者参与实际效果和对服务的支撑能力,形成图书馆与读者的自发性互动,使两者形成一个紧密结合的互动合作式联合体。

3.3 创新服务手段,利用大数据分析

当下,无论是人们的学习、工作还是日常生活,都会在各类信息系统中留下信息行为数据,对这些数据进行分析整合,就能呈现出个体的活动轨迹和发展趋势全景,这就是大数据分析。图书馆的大数据分析,就像是图书馆的GPS,将整个信息服务活动的过程和发展趋势等情况全部呈现出来,主要表现在两个方面:一方面是以图书馆现有数据为对象进行挖掘与分析,如由读者借阅信息、登录信息、下载信息、位置信息等,通过图书借阅信息和电子资源浏览及下载信息,进行读者阅读行为分析,为创新阅读推广活动方式和手段;另一方面是读者所需的大数据分析,这类分析类似目前高校图书馆为企业、政府和研究机构等客户群体所做的信息情报参考和竞争情报分析等。

3.4 优化服务过程,融合资源与服务

在大数据时代,云计算机、移动通讯、传感器、可信计算等新技术越来越多的融入图书馆服务的全过程,在大数据服务模式下,各类资源能够通过各种传感器、适配器、RFID和人机交互等实现资源半自动或全自动感知,然后借助网络等传输信息,可以在不影响服务活动的情况下,实时并持续地采集更多微观的服务过程性数据,使图书馆可以在对各类数据进行管理和处理的基础上,提供一站式、一体化的图书馆融合服务。

4 结语

大数据和云计算的确让互联网时代上了一个新台阶,使信息、数据渗透到各个行业和人们的日常生活。展望未来,大数据必然会对图书馆的文献信息服务和知识服务产生极大的影响,高校图书馆今后的工作开展必将是以“数据驱动”来进行。因此,在大数据发展和应用的背景下,高校图书馆能否认识到大数据对图书馆发展的重要性,能否不断加强“数据”意识,创新图书馆服务,满足读者的个性化需求,提高图书馆核心竞争力,非常值得高校图书馆界持续关注和研究。

摘要：本文阐述了高校图书馆大数据内涵,分析了高校图书馆大数据的价值潜能,论述了高校图书馆应从转变服务方式,开展个性化服务、拓展服务渠道,强调读者参与、创新服务手段,利用大数据分析、优化服务过程,融合资源与服务等方面进行服务创新。

关键词：大数据,高校图书馆,服务创新

参考文献

[1][5]杨现民,唐斯年,李冀红.发展教育大数据“内涵、价值和挑战[J].现代远程教育研究,2016(1):50-59.

[2]姜山,王刚.大数据对图书馆的启示[J].图书馆工作与研究,2013(4):50-52.

[3]朱静薇,李红艳.大数据时代下图书馆的挑战和及其应对策略[J].现代情报,2013(5):9-13.

[4]国家图书馆.数字资源建设[EB/OL].[2016-05-07].

7.大数据时代高校图书馆的综合实力分析 篇七

7月6日，全球存储巨头EMC公司表示，将全部以现金方式收购私有数据存储公司Greenplum。双方公司没有透露具体的交易金额，不过，据悉被购公司的股东对这笔交易“非常非常的满意”。

Gmenplum的主营业务集中在数据仓库和商业智能等软件方面。EMC表示，将设立一个新的部门销售新收购公司的软件，并开发专用的数据仓库硬件系统，预装Green-plum的产品。EMC预计该交易在获得监管机构批准后，有望于今年第三季度完成。

华尔街方面指出，EMC此次进军数据库市场是公司CEO乔·图斯拓展利润增长的一次尝试，为了实现这一目的。公司收购一些与其核心业务——存储设备相关的业务。

从存储硬件业务向软件整合，EMC的这个举动与甲骨文的动作刚好相反。随着完成对Sun的收购，甲骨文也从其传统单一的存储软件业务走向“软硬通吃”的一站式模式。

原本各立山头的两家公司如今再次相逢，一场新的“殊死格斗”恐在所难免。

对抗甲骨文

日前，甲骨文公布了2010财年第四季度的财报。数据显示，第四财季甲骨文营收达95亿美元(同比增长39％)，净利润为24亿美元(同比增长25％)。

这是并购Sun后的首个完整财季，因此甲骨文的财报格外引人关注。甲骨文公司总裁萨夫拉·卡兹声称：“Sun为我们第四财季的非GAAP营业利润贡献了4亿多美元。

显然，卡兹对Sun的预期远不只于此。他指出，从去年的亏损到今年的盈利，这显示出Sun良好的向上势头，他希望Sun在20ll财年为甲骨文公司非GAAP营业利润贡献15亿美元，在2012财年贡献20亿美元。而在被甲骨文收购的前两年。Sun出现了超过20亿美元的亏损。自本世纪初互联网泡沫破灭以来，Sun一直未能实现复苏，除了硬件部门，Sun没有任何盈利能力。

甲骨文首席执行官拉里·埃里森更详细地指出，来自于Sun公司的存储硬件表现不俗，这一市场表现所带来的直接效益则是甲骨文销售Sun系统硬件获得的12亿美元。他表示：“在数据仓库和交易处理两方面，Sun数据库存储器产品的性能均超过了IBM最快的计算机。在2010财年第四季度，—些用户开始购买甲骨文的存储设备。展望2011财年，数据库存储器的渠道销售收入将很快达到10亿美元大关。”

分析师指出，存储市场仍十分广阔，一直占IT消费支出的很大比例。正因为此，这一市场也开始变得拥挤，除了甲骨文加大对这一市场的重视力度，IBM等老牌科技公司也在增加对数据市场的投资。

不过，EMC与甲骨文的竞逐颇为微妙。

EMC新的数据仓库部门将由GreenplumCEO比尔·库克负责。他此前曾在Sun供职长达19年。更有意思的是,Sun联合创始^斯科特·麦克尼利也是Greenplum的执行顾问，协助该公司进行战略规划和业务发展等工作。EMC发言人迈克尔·加朗特表示，麦克尼利并未从Greenplum领取薪酬，并将在这笔交易完成后继续志愿为EMC工作。

大数据时代

在华尔街分析人士看来，EMC的收购绝不仅仅是对抗甲骨文。这正如EMC负责信息架构产品的首席运营官兼总裁帕特·基辛格(前英特尔公司CTO)所言：“数据存储世界将发生改变。”

2010年2月。英国《经济学人》的一篇文章指出，在互联网时代，数据总置正以惊人的速度增长。据估计。2005年。人类创造了1500亿G的信息量。预计今年被创造出来的信息置将达到12000亿G。

YouTube成立不到5年，但现在是每一分钟便增加一部视频。社交网站Faceb00k每天更新5000万条信息，微博Twitter每天更新的数据量则达到6500万条。

IDC最新发布的研究报告也证实了数据爆炸般的增长速度——未来10年里网络数据的产生将以每年44倍的速度增长。

海量信息已经开始改变商业、政府机构、科学和我们的日常生活。可我们该如何储存这些信息，如何查找有价值的信息?

对此，IDC的报告认为，现在大大小小的公司都需要成本较低的工具去处理这些数据。与此相应，大科技公司也日渐转向新的架构和工具，以理解“大数据”现象。

事实上，Greenplum在数据分析、商业智能方面的优势是它吸引EMC的一个原因。帕特·基辛格发表声明称：“Greenplum的大规模架构及自助式消费模式，使之从现有竞争对手中脱颖而出，并成为业界向‘大数据’分析转型的领头羊。”他认为Greenplum市场领先的技术与EMC虚拟化私有云架构整合后。公司将为用户面对未来的‘大数据’挑战提供可行性解决方案。”

巨头之间的角逐

将目光聚焦于“大数据”的不只EMC和甲骨文，微软、IBM、惠普等也早已开始布局，它们都试图从数据存储、商业智能分析等方面为客户提供一揽子服务。

2009年10月，微软完成收购数据仓库设备提供商DATAllegro。业界普遍认为微软此举是将旗下数据库产品SQL Server深度扩展到数据仓库的水平，以便能够为超大容量的数据提供支持。

今年6月，在一年一度的商业智能大会上，微软披露了其RI功能整合计划的具体细节，这一计划涉及到将更多商业智能特性整合到目前的软件当中，其中包括了Microsoft Office,Share-Point Servex和SQL Server等。

与此同时。SAP表示正在和惠普等硬件制造商合作开发应用工具。这种应用工具将使用来自SAP的最新软件——业务分析引擎(Business Analytic Engine)，SAP公司声称他们的设备将“凭借最新的内存访问产品在计算领域掀起新一轮冲击波”。

而在此前一个月，IBM也表示公司未来将发展的重点集中在关注商业分析的数据类软件上，以实现在5年内每股盈利翻一番的目标：至2015年，公司的每股盈利达到20美元。目前“蓝色巨人”的每股盈利为10美元。

IBM公司全球商业服务部门的主管索尔·贝尔曼表示，随着越来越多的交易和记录通过电子方式进行，IBM开发的软件能帮助客户处理随之而来的大量数据。这类分析软件能帮助零售商从实时销售数据中发现销售趋势，帮助政府部门更容易地发现腐败行为或火灾风险等。

去年，IBM收购了一系列软件分析公司，以增强其在业务分析产品领域的实力，并于去年7月发布了信息管理软件的未来战略，将业务分析市场作为今后发展的重点。当时的数据显示，信息管理业务已经成为IBM一个利润关键增长点，其软件产业五大产品线之一的信息管理业务的年复合增长率在20％以上。