数据资源管理下科技情报服务研究论文

数据资源管理下科技情报服务研究论文

数据资源管理下科技情报服务研究论文 篇1

1 数据密集型科学研究兴起的社会环境

年，Jim Grey在美国国家研究理事会计算机科学和远程通讯委员会( NRC- CSTB) 的演讲报告中首次提出了以数据密集型计算为基础的科学研究“第四范式”概念[2]，并将其作为与实验科学、理论推演、计算机仿真三种科研范式平行的科学研究[3]，但在对科学研究范式的发展及划分简单论述后，并未对第四研究范式的内涵、科学研究现状等进行深入论述。直到 年， 微软公司的TonyHey、Stewart Tansley和Kristin Tolle主编的《The Fourth Paradigm：Data- intensive Scientific Discovery》(第四范式——数据密集型科学发现)一书，才较为详细的登载了第四范式的内涵和意义等内容，并从地球与环境、健康与幸福、科学基础设施、科学交流四个方面展示了69 位学者从不同的视角观察、理解、分析和探讨[4]。

对数据密集型科学研究来说，科学研究第四范式强调传统的假设驱动将向基于科学数据探索的科学方法方向转变，并在这种数据的转变与方法实现中，数据依靠工具获取、分析与处理，依靠计算机存储。笔者认为，大数据时代的来临，数据的来源、类型、存在形态将异常丰富，可以是实验观察数据、实验数据、仿真数据、互联网数据，也可以是产生于智能终端如智能手机、社交活动如微博、虚拟社区中的信息行为数据等;类型和存在形态可以是已经可以灵活保存于数据库、机构库中的结构化数据，也可能是目前只能通过路径记录、现场拍摄才能记录的半结构化数据、非结构化数据。

数据资源管理下科技情报服务研究论文 篇2

随着云计算、移动互联网和物联网等新一代信息技术的广泛应用, 社会和企业的信息化日渐成熟, 形式多样的海量数据以爆炸式的速度生成, 全球数据的增长速度之快前所未有。“大数据”以其数据体量巨大、数据类型繁多、价值密度低和高速变换实时处理等四大特点[1], 正在引发全球范围内深刻的技术和产业变革。大数据时代的到来, 将改变传统科技情报服务的被动、单一的服务模式, 为科技情报研究和服务创造了更为广阔的发展空间。

1 大数据环境下科技情报服务面临的挑战

科技情报服务中的关键要素, 包括信息数据源、分析方法、软件工具、应用领域、政策环境、服务主体、甚至服务理念等都将随着大数据时代的到来而发生根本性转变。一方面, 在大数据时代, 科技情报服务正在得到空前的重视, 大数据为科技情报服务的新发展提供了机会, 从更为广阔的视野来看待情报服务的定位, 研究新技术、新方法, 解决新问题, 将极大地促进科技情报服务现代化的步伐。另一方面, 大数据时代本身也要求各行各业重视科技情报工作, 科技情报服务的需求将不断增多, 以往科技情报工作领域积累的相关理论和方法很有可能优势不再。因此, 如何把握住自身的优势, 抓住机会拓展创新, 提高信息甄别能力, 提高知识挖掘能力, 提高技术运用能力, 是科技情报人员和科技情报机构在大数据时代需要思考的问题。

2 大数据环境下科技情报服务人员应具备的能力

科技情报服务在信息社会和数字网络化的环境中, 主要任务是通过数据挖掘、语义网智能识别和知识发现等各种技术手段发现获取情报和提供解决方案。其注重点是信息资源的内在特征, 旨在挖掘知识、传播知识;对各种文献进行加工、提炼、分析、综合、解释、评价与交流, 为我国的创新型国家建设、调整产业结构等重要举措服务, 为政府部门的管理创新、科研院所的科学创新、企业的技术创新服务[2]。

2.1 提高情报服务能力, 拓展服务功能

随着大数据环境的形成, 使传统的信息传递与检索服务正在逐步弱化。大数据资源虽然丰富, 但数据类型多, 随机变化大, 用户需要对这些来自不同信息源、不同类型、不同结构的大量信息进行深层次加工和综合。因此要进一步拓展科技情报服务功能, 要变一般的信息传递为知识服务, 变被动服务为主动服务, 变一般性服务为个性化服务, 变表层服务为深层次的服务, 才能满足各方面的、各层次用户的需求。要通过对科技情报信息的深加工, 通过对信息的析取和重组来形成恰好符合用户需求的独特知识产品, 解决用户其知识和能力不能解决的问题, 通过知识和专业能力为用户创造价值, 通过显著提高用户知识应用和知识创新效率来实现价值, 通过直接介入用户最困难部分和关键部分来提高价值, 使科技情报服务不断向深度和广度延伸, 以适应信息社会发展的需要。

2.2 提高信息甄别能力, 提升服务质量

信息资源是科技情报服务的基础, 制约着新型信息产品的质量和信息服务的质量。随着科学技术的日新月异, 尤其是大数据的出现最大程度地满足了用户对信息资源的完整性、时效性和精确性的要求。但相比于传统的科技信息资源, 特别是相对规范的科技信息, 大数据更零散、更原始、更复杂[3]。这些巨量、快速、多样的数据存在明显的碎片化特征;不少数据仅仅停留在原始数据层面, 并未成为真正的信息。这就要求我们要有能力去获取、管理、甄别更多层面和来源的相关资源, 实现资源内容的重新组织和有效关联, 加强信息组织方法与算法的创新研究, 努力发现大数据信息资源中蕴藏的隐形知识和内在关系, 从而丰富传统情报研究中事实数据的来源、内容和媒体形态, 使不同的事实数据互相补充、互相印证, 促进科技情报服务水平和服务质量的提升。

2.3 提高知识挖掘能力, 实现知识共享和再利用

科技情报服务就是知识获取、开发、分析、利用的过程。服务的成效如何, 很重要的一个因素就是要对大量的、多渠道的、内容广泛的知识进行挖掘分析, 这就不仅要求科技情报服务成果具有综述性、研究性和预测性, 还要求科技情报服务人员在完成一般性的知识管理基础上, 运用最新的智能工具来挖掘蕴藏于大数据带来的海量显性信息中的隐性知识, 并形成专业知识库[4], 将隐性知识显性化, 对其工作流程中无序的知识进行系统化管理, 实现知识共享和再利用, 以提高研究水平和工作效率。

2.4 提高技术运用能力, 扩大服务范围

技术运用是充分利用大数据资源的关键。目前, 现有的信息技术和软件难以处理大数据的规模和复杂性, 特别是在获取、存贮、搜索、共享、分析和可视化等关键环节, 更需要有信息抽取技术、知识图谱技术、可视化分析与展示技术、数据存取与计算技术等新的技术去取代传统的方法与工具, 将情报服务中包括信息采集、信息整序、信息组织、信息检索、信息分析、信息可视化等方面成熟的理论方法和技术应用到大数据的工作中, 在提高大数据技术运用的同时, 扩大传统科技情报服务范围。

2.5 提高快速反应能力, 提供最佳决策时机

快速反应能力是指科技情报服务人员对重大情报需求和信息需求, 能及时、快速、准确地提供特定情报或特定信息的能力[5]。一方面, 科技情报服务人员要进行专题信息积累储备, 建立数据库, 实时跟踪、监测前沿动态, 有效把握科技发展态势;另一方面, 要提高从各部门、各信息源快速获取有效信息的能力, 形成信息情报集合、快速处理和准确及时发布的优势, 达到对资源的共享和有效利用, 提高快速反应能力, 为用户提供最佳决策时机。

2.6 提高自身综合素质, 满足服务需求多样化

对科研人员来说, 首先其需求主要集中在某一领域或相关领域与科研相关的文献上, 对信息的需求表现为明显的针对性, 且专深和特殊;其次, 大数据环境下, 他们期望得到来源广泛且脉络清晰、形式多样的综合型、复合型知识信息, 使自己处于了解掌握世界最新科技动态的地位。因此, 进行文献信息深层次开发, 为科研人员提供综合、集成且高效的知识信息, 已是摆在科技情报服务人员面前的重要课题。对决策者来说, 无论是科研、管理还是经营决策, 都需要从科技、经济、政策等各种因素进行综合判断的基础上进行决策, 这就需要来源于跨学科、跨行业的情报支持。由此可见, 实现从数据到用户价值的转化则需要情报服务人员一方面能够更深刻地了解用户需求, 另一方面需要更加系统性地了解数据及其特征, 掌握多种数据分析方法, 能准确判断用户现在和未来的情报需求, 有较高的鉴别、分析、研究和综合能力与知识的能力, 才能够提供各种实用的科技信息产品和快速优质的科技情报服务。

参考文献

[1]贺德方.基于大数据、云服务的科技情报工作思考[J].数字图书馆论坛, 2013, 6 (大数据、云服务与情报学纵览专刊) :2-9.

[2]汪蓓.关于地市级科技情报研究所发展的思考[J].江苏科技信息, 2010, 8.

[3]贺德方.大对数据环境下科技情报工作发展趋势的几点思考[J].

[4]李宏.知识管理与知识挖掘在情报研究工作中的实现[J].情报理论与实践, 2003, 3.

数据资源管理下科技情报服务研究论文 篇3

关键词：数据密集型科学环境 第四范式 情报服务 科学数据

中图分类号： G250 文献标识码： A 文章编号： 1003-6938（2013）06-0105-04

大数据时代的到来，使得学术活动的信息数据来源、组成、价值以及处理技术都发生了巨大变化，数据就如传统价值认识中的“黄金”一样，变得无比重要和价值巨大[1]，这些变化也影响到了学术信息的交流环境，使得科学研究向数据密集型科研转变，越来越多的科研工作是基于现有数据的重新分析、组织、认识、解析和利用，数据成为了科学研究的基础。虽然说从目前来看将数据比作“金矿”有夸大之嫌，但也充分的说明了数据的重要作用与价值。同时，我们也看到，在这种数据密集型科学环境下，变化的不只是科学研究，一些服务机构特别是信息服务机构的服务内容、服务方式也在悄然发生着变化，对能为用户创造价值与创新的科学数据日益重视，基于数据的服务也成为了它们的服务增长点，对新型科学环境下的服务发展学术研究也正在如火如荼的进行之中。基于此，本文从数据密集型科学环境出发，对科学研究的第四范式、数据密集型科学环境的形成与推动因素进行了概述，重点对数据密集型科学环境下的情报服务内容进行了陈述，同时也对情报服务的发展途径如数据建设、人才建设、协作机制建设进行了分析。

1 数据密集型科学研究兴起的社会环境

2007 年，Jim Grey在美国国家研究理事会计算机科学和远程通讯委员会（ NRC- CSTB） 的演讲报告中首次提出了以数据密集型计算为基础的科学研究“第四范式”概念[2]，并将其作为与实验科学、理论推演、计算机仿真三种科研范式平行的科学研究[3]，但在对科学研究范式的发展及划分简单论述后，并未对第四研究范式的内涵、科学研究现状等进行深入论述。直到2009 年， 微软公司的TonyHey、Stewart Tansley和Kristin Tolle主编的《The Fourth Paradigm：Data- intensive Scientific Discovery》（第四范式——数据密集型科学发现）一书，才较为详细的登载了第四范式的内涵和意义等内容，并从地球与环境、健康与幸福、科学基础设施、科学交流四个方面展示了69 位学者从不同的视角观察、理解、分析和探讨[4]。

对数据密集型科学研究来说，科学研究第四范式强调传统的假设驱动将向基于科学数据探索的科学方法方向转变，并在这种数据的转变与方法实现中，数据依靠工具获取、分析与处理，依靠计算机存储。笔者认为，大数据时代的来临，数据的来源、类型、存在形态将异常丰富，可以是实验观察数据、实验数据、仿真数据、互联网数据，也可以是产生于智能终端如智能手机、社交活动如微博、虚拟社区中的信息行为数据等；类型和存在形态可以是已经可以灵活保存于数据库、机构库中的结构化数据，也可能是目前只能通过路径记录、现场拍摄才能记录的半结构化数据、非结构化数据。

从数据密集型科学研究的兴起与形成来看，数量庞大、类型丰富、价值巨大的数据产生即大数据时代的到来以及一方面产生数据、一方面又能实现对数据管理与应用的现代信息技术更新、发展是数据密集型科学环境兴起与发展的根本推动因素，而信息爆炸、关联数据运动、数据开放运动等直接推动数据密集型科学环境成熟的运动也都功不可没。

2 数据密集型科学环境下的情报服务

2.1 科学数据服务

2012年6月，美国大学与研究图书馆协会出版了《学术图书馆与科学数据服务》白皮书报告[5]，该报告调查了美国和加拿大的大学与研究图书馆协会的351所成员馆的科学数据服务情况，结果显示尽管目前只有少数美国、加拿大的大学与研究图书馆协会成员馆开展科学数据服务，但也显示许多高校图书馆准备在未来一到两年内开展科学数据服务。这说明在当前的数据密集型环境下，开展科学数据服务将成为情报服务的主要组成部分。数据密集型环境下的科学数据服务，既可以借鉴普渡大学图书馆的D2C2分布式数据保存项目[6]，开展诸如情报咨询、科学数据管理、科学数据查找服务，也可以借鉴澳洲国立大学依靠超级计算机设备进行的存储服务[7]，提供大量范围内的数据存储、数据标注服务。且相信随着技术的发展与用户的需求变化，在未来的情报服务中，诸如科学数据的开发、发现、引用、标识、分析及技术支持等更大范围的数据服务都将会实现。

2.2 数据发现服务

产生于大量智能终端、社交网站、活动场所的海量、复杂的半结构化数据、非结构化数据的出现，使得传统的情报服务中的数据处理与数据服务变得困难，如何在数据密集型的科研环境下为用户提供数据的发现服务，成为了数据密集型科研环境下的主要情报服务内容之一。Web、本体、XML、RDF、标签等技术的出现，使得数据资源的共享、检索、标注与利用更加便捷，实现系统化、语义化、网络化、自动化的数据发现服务成为了可能，在以谷歌为代表的IT数据发现服务带领下，业界掀起了基于数据发现服务的数据发现服务系统开发热潮，国内外研发了一批基于语义扩展搜索的数据发现系统，如ExLibris公司的Primo、EBSCO公司的EBSCO Discovery Service（EDS）、Innovative Interfaces公司的Encore等，OCLC的一站式知识资源发现与服务系统Worldcat Local，提供了全世界近2万个图书馆的馆藏纸质资源和部分数字资源的信息共17亿条[8]。在数据密集型科学环境下，数据发现服务不仅能为用户发现和关联可能存储于社会各个行业、多个领域、多个学科的数据知识，也能为用户发现数据表面、少量数据不易于发现的价值，进而为用户的市场预测、信息行为等做出态势分析、前景判断提供知识与数据支撑。

nlc202309040707

2.3 知识咨询服务

一直以来，信息咨询服务都是情报服务的主要组成部分，也为企业信息分析、情报收集等工作提供巨大的参考与帮助作用，得到了情报服务用户的高度认可。但在数据密集型环境下，由于提供咨询服务的数据来源、类型、处理平台、服务方式都将发生巨大变化，传统的咨询工作并不会满足用户的需求，因而依赖于海量知识、依靠数据分析系统、为用户提供解决问题知识的知识咨询服务将应运而生。与传统的信息咨询、参考咨询相比，知识咨询服务更具专业化、知识化以及实现多样化等特点，即需专业的服务人员借助专业的服务平台实现对专业学科资源的专业分析，用知识服务平台实现对知识资源的知识处理并提供用户知识产品，用多样化的技术手段来处理多样化的数据进而通过多样化的途径提供多样化的服务。由于知识咨询以用户的知识需求为出发点，以复杂的海量数据为知识来源，以面向大数据的分析、挖掘软件为工具，以向用户提供最终可以解决问题的知识产品为目标，因此，知识咨询将在数据密集型科学环境下广泛的用于企业情报收集、政府决策分析、个人科研创新等领域。

2.4 学科服务

数据密集型科学环境的兴起与发展，使得存在于社会每一个角落的各类数据以及产生于每一个实验、调查等科研活动的相关数据都可能成为知识创新与科学研究的主要知识来源，但对这些数据、知识的组织与利用并不一定因为科研人员信息素养的水平差异而能成功实现，于是，一些科研院所、大型科研团队日益重视科研队伍建设时的图书馆员等能灵活检索和运用数据资源的团队组成比例，国外兴起的数据监管教育就是顺应这种科研人才队伍的需求而产生的，这类人员的主要职能是利用专业的学科背景知识，运用掌握的信息素养知识，为科研团队提供专业的学科服务。在未来日益发展的数据密集型科学环境下，这类学科服务将突破目前的第一代、第二代学科服务形式，即图书馆领域的设置学科馆员形式与嵌入式学科服务形式，出现情报服务机构与科研团队合作形式，进而为科研活动提供更为专业、有团队协作保障的学科服务。

2.5 数据云服务

云计算的发展以及Google、亚马逊等云计算服务提供商多种云服务平台的推出，为情报服务的云服务实现提供了便捷条件。由于云服务是将分布式计算、网格计算、并行计算以及Internet结合起来的一种新兴的IT资源提供模式，实现了将动态、可伸缩的IT资源以服务方式通过互联网提供给用户[9]，因此，情报服务对于云计算的应用并不需要昂贵的硬件设备、专业的技术人员以及种类繁多的软件操作平台，只需要根据自己的用户需求特征来租用合适的云平台及服务，以通过云计算虚拟技术而实现在云计算的技术支撑环境下提供数据的上传、下载、运算等服务。云服务的模式主要有IaaS（Infrastructure as a Service，基础设施即服务）、PaaS（Platform as a Service，平台即服务）、SaaS（Software as a Service，软件即服务）等三种模式[10]。从目前的云计算服务提供商来看，情报服务的云平台既可以选择Google和Amazon等云服务提供商提供的云平台，大型服务机构也可以借鉴OCLC与美国国会图书馆通过自建云服务平台来实现对用户的云服务。

2.6 数据分析服务

在数据密集型科学环境下，不管是对用户提供诸如上述的科学数据、知识咨询、数据发现等服务，还是可能出现的如用户定制的数据关联、数据发布等服务，数据分析都将是其实现的主要组成部分，只不过常态的科学数据、知识咨询等服务，情报服务机构的依赖资源是云数据、机构存储数据与购买数据等，即主要以社会或机构公有数据为主，但用户的个性化定制如数据关联等服务可能主要以用户个体私有数据为主。同时，需要注意的是，数据密集型科学环境下的数据分析，需以一些系统平台和技术为支撑，如当前运用较多的可视化技术、数据挖掘与语义处理等。

3 数据密集型科研环境下的情报服务发展

3.1 重视对数据资源建设与价值挖掘

IBM的《分析：大数据在现实世界中的应用》白皮书认为数据是大数据时代业务发展的主要驱动因素之一[11]，一些IT业发达的国家如美国、印度等近来出现了一批以数据的获取、聚合、加工为盈利手段的企业，由此可以看出数据在业务发展中的价值，对于提供以数据为知识来源与主要业务实现基础的情报服务来说更是价值巨大。情报服务机构如图书馆、情报研究所等应认清数据在未来情报服务中的重要性，提高数据收集意识，一方面，对现存结构化数据进行关联、标注、索引等分析与重组处理，实现数据的关联化、语义化，以为数据的发现与关联打下基础；另一方面，注重隐藏着巨大价值但目前收集几乎空白的非结构化数据、半结构化数据的建设，为将来的情报服务提供丰富的数据保障。

3.2 重视对人才队伍的建设与培养

《中国大数据技术与服务市场2012-2016年预测与分析》报告认为“大数据相关人才的欠缺将成为影响大数据市场发展的一个重要因素”[12]。IDC认为中国大数据技术与服务市场将会从2011年的7760万美元快速增长到2016年的6.16亿美元，同时麦肯锡 （McKinsey）也认为到2018年，美国需要14～19万名具有“深度分析”经验的工作者，以及150万名更加精通数据的经理人。而多种数据显示这类工作人员非常稀缺，如著名的国际研究暨顾问机构Gartner就认为只有1/3的新的工作岗位能雇佣到熟悉大数据技能的IT专业人员[13]。人才问题同样也会影响到未来数据密集型科学环境下基于大数据的情报服务，因为对数据分析、数据发现等情报服务来说，其不仅要有传统情报服务的信息检索、组织等信息素养，还需掌握对大数据的平台分析等技术，更要在学科服务中具备一定的专业知识。要满足这种服务业务的发展需要，情报机构进行人才引进与人才培养是唯一的两条出路，并且需相辅相成，即一方面，引进一些IT服务商的数据科学家、数据工作者以及高校数据监护、数据监管专业的毕业生，另一方面，选择与高校、IT公司合作，进行现有人才的培训培养。

nlc202309040707

3.3 重视情报服务合作机制的构建

大数据时代的数据特点决定了数据的收集、利用都需以机构间、团队间的合作为基础，因此，在数据密集型科学环境下，情报机构既需要在数据资源上实现互相的共建共享以避免出现资源重复建设，还需在人才培训、技术合作上实现互补，以通过资源共享、机构协作实现用户需求的最大满足。同时，开展校际合作、校企合作也是一个新的发展思路。这些合作机制的建立，一方面将进一步增强数据资源的互补性，拓展数据资源体系范围，充分发挥科学数据的使用价值；另一方面，合作协作也将增强人才队伍实力，为情报服务的开展拓宽了人才队伍知识领域，提高服务能力。

4 结语

大数据时代才刚刚来临，科学研究的第四范式也尚处于日益成熟阶段，数据密集型科学环境的发展还并不成熟，数据的价值也未在诸多领域得到体现，但随着数据密集型科学环境的日益成熟与数据价值的日益体现，情报服务的数据服务价值也会被社会广泛认可，适应用户与社会发展需求的服务内容创新、方向转变更将必不可少，重视数据资源、人才与合作机制建设，迎接日益社会发展步伐的需求挑战，将是情报服务机构抢占先机的关键决策。

参考文献：

[1]掘金大数据里的金矿[EB/OL].[2013-10-28].http：//www.

cyzone.cn/a/20121210/236492.html.

[2]周晓英.数据密集型科学研究范式的兴起与情报学的

应对[J].情报资料工作，2012，（2）：5-11.

[3]梁娜，曾燕.推进数据密集科学发现提升科技创新能力：

新模式、新方法、新挑战——《第四范式：数据密集型科

学发现》译著出版[J].中国科学院院刊，2013，（1）：115-121.

[4]Tony Hey， Stewart Tansley， Kristin Tolle. The Fourth

Paradigm：Data- intensive Scientific Discovery[ M] .

Microsoft Research，Redmond， Washington， 2009.

[5]Academic Libraries and Research Data Services： Current

Practices and Plans for the Future[EB/OL].[2013-01-29].

http：//www.acrl.ala.org/acrlinsider/archives/6297.

[6]D2C2[EB /OL].[2012-03-15].http： //d2c2.lib.purdue.edu /.

[7]ANU supercomputer facility[EB /OL].[2013-09-01].http：//

anusf.anu. edu.au /.

[8]孙杨. OCLCWorldcat Local发展综述[J].山东图书馆学

刊，2011，（5）.

[9]辉之光.分布式计算 网格计算 并行计算 云计算[EB/

OL].[2013-08-12].http：//www.cnblogs.com/oldhorse/archive/

2009/11/14/1603027.html.

[10]赵立威，方国伟.让云触手可及：微软云计算实践指南

[M].北京：电子工业出版社，2010.

[11]分析：大数据在现实世界中的应用- 创新型企业如何

从不确定的数据中获取价值 [R/OL].[2013-10-09].

http：//www-935.ibm.com/services/cn/bcs/iibv/function/

bao/use_of_big_data.html.

[12]潘永花等.中国大数据技术与服务市场2012-2016年

预测与分析[R/OL].[2013-02-19]. http：//www.idc.com.

cn/prodserv/detail.jsp？id=NTAx.

[13]大数据热 高端人才缺 [EB/OL].[2013-02-06].http：//yjs.

cena.com.cn/a/2013-02-05/136003061381607.shtml.

作者简介：刘艳红（1969-），女，大连工业大学图书馆副研究馆员；罗键（1967-），男，甘肃省科技情报研究所工程师。

数据资源管理下科技情报服务研究论文 篇4

关键词：大数据,数字图书馆,科技情报服务,创新,研究

进入二十一世纪后, 以云计算、物联网、社交网络等为代表的新兴技术呈爆炸式发展, 使数据以海量的速度每天增长, 催生了大数据时代的到来。人们身边存在着广泛的数字化信息, 如何从这些眼花缭乱的信息中获取最有用科技情报信息成为当前人们普遍思考和关注的问题。图书馆作为人们获取科技情报信息的一种重要渠道和机构, 为用户提供有效的科技情报信息是其必须履行的服务义务。传统图书馆在时代的发展中逐渐暴露出信息与服务资源有限性弊端, 为满足现有人群对科技情报信息的需求, 图书馆开启了数字化服务模式。但随着不同层次人群在大数据背景中需求的不断变更, 数字化图书馆科技情报服务也被寄予了新的发展需求。创新科技情报服务, 将大数据技术融入数字化图书馆科技情报服务, 使科技情报服务向多元化发展, 提供更细致与更个性化的科技信息服务给用户, 成为数字图书馆生存于大数据环境中的主流趋势。而在探讨大数据背景下数字图书馆科技情报服务创新对策前, 我们首先应对大数据相关概念、背景及素质图书馆科技情报服务创新的必要性有一定了解。

一、大数据与数字图书馆相关概念

关于大数据的概念, 由美国麦肯锡公司首次提出, 主要指用传统数据库软件工具在一定时间内无法在抓取、管理和处理的内容与信息集合。大数据并非单一的技术名词, 而是众多技术合成的结果, 其作用堪称一次新的工业革命, 构成了信息届乃至整个社会科学发展中的新现象之一。大数据除了容量大外, 还具有多样性, 同时具有价值。大数据的容量是立足数量维度而言的, 即指其集合了海量的数据, 因其容量的巨大性人们无法在短时间内对其进行搜集和理解, 且在增长幅度上大数据也一直处于逐渐变大之中, 这种增长通常会以数倍形式呈现出来。大数据的多样性除了因为数据类型多样外, 还因为数据生产、传播方式多样。大数据的数据几乎不可能保持较长时间一直停留在单一来源, 信息的生产者与传播可以是我们每个人, 在这种多样化环境中信息流传速度之快是超出想象的, 且信息的保质期较短。大数据价值主要立足数据的质这个维度而言, 很多学者认为大数据除了具有量之外, 还具有精确性与价值性。数据的处理在大数据时代主要分为三个步骤, 即采集、分析与解释, 采集与分析是其中最重要的步骤, 也是数字图书馆信息服务工作的重点与难点。

数字图书馆这一概念的出现时间较早, 1995 年美国联邦信息与应用项目重新对其进行了定义, 近年来数字图书馆逐渐进入越来越多人的视野, 成为许多学者研究的重点。数字图书馆向用户群体提供信息的方式与传统图书馆有很大不同, 数字图书馆可通过电子方式对海量的多媒体信息进行储存, 并高效地操作这些信息资源, 尤其在信息的采集与处理上与传统图书馆差异很大。概括来说, 以数字形式对信息进行存储和处理的图书馆即为数字图书馆。数字形式的产生与发展, 随着大数据环境的到来进入了数据信息背景时代。大数据对社会的冲击, 是深入社会各个层面的, 不仅使我们的生活发生了翻天覆地的变化, 同时反映在数字图书馆科技情报服务中。数字图书馆的发展在大数据背景已经不再是学者口中当初的未来, 而是图书馆领域正在发生的现实。数字图书馆科技情报服务在大数据背景下正在面临着新的挑战, 创新成为数字图书馆科技情报服务的必然选择。

二、大数据背景下数字图书馆科技情报服务创新的必要性

1、数字图书馆科技情报大数据特征要求其必须探索新的服务模式

大数据背景下, 图书馆科技情报信息资源不断增多, 数字图书馆也开始呈现出大数据特征, 当前图书馆科技情报服务已经无法满足读者越来越高的要求。在大数据时代, 数字图书馆的数据资源空前丰富, 除了图书馆中基本的文献、光盘数据及网络资源外, 还包括一些读者信息与提供服务的信息, 另外数字图书馆自身发展的数据信息也涵盖其中, 在编码和格式上这些内部信息在现有服务模式下难以达成统一, 从而导致大量异构数据的产生。数字图书馆的数据资源在大数据背景下每天都在增长, 这些数字资源总量集合在一起是十分庞大的任务量, 传统的科技情报服务策略已经无法应对用户的信息服务需求, 转变服务模式与策略对大量数据的显性与潜性价值进行挖掘迫在眉睫。数字图书馆网络服务等新的服务方式的出现, 使用户数据信息大大增加, 挖掘和整理这些数据都需要在限定的条件和环境内。虽然当前数字图书馆记载与统计发展已经达到了新的阶段和水哦平, 但面对这些异构数据还需要新的服务方式来进行处理。

2、数字图书馆数据的复杂性和开放性提升了其科技情报服务诉求

在现代社会发展中, 社会信息化程度正在不断加快, 新的议程中开始加入民众信息的获取。信息数据在现代社会信息成本下降的形势下迅猛增长, 社会开始重视大数据的概念, 这一话题逐渐成为热点。用户在大数据环境下可对更多的信息进行搜索, 一定程度上促进了民主政府透明度的提升, 催生了开放数据浪潮的形成, 这种浪潮使人们对数据自由性的诉求越来越强烈, 信息自由目前在发达国家数字图书馆中已经十分十分常见。复杂数据的迅猛增长, 势必会导致更多创新的产生, 这就对数字图书馆科技情报服务提出了更高要求。数字图书馆只有在大数据的帮助下进行相应服务创新, 才能为用户提供更加优质的科技情报服务。

三、大数据背景下数字图书馆科技情报服务创新建议

数字图书馆的发展除了包括软硬件的发展外, 信息内容的建设同样是其中必不可少的部分。数字图书馆不管在技术还是资源亦或者服务发展上, 都建立在一种源于自身、可持续发展的内在创新力作用基础中, 正是这种动力使数字图书馆不断地完善和发展, 对数字图书馆的整体发展潜力有重要影响和推动作用。大数据背景下数字图书馆科技情报服务创新已经成为必然趋势, 我们可从以下方面创新数字图书馆科技情报服务。

1、创新数字图书馆科技情报数据处理方法

信息技术的发展使数据变得多而复杂, 数字图书馆科技情报服务必须跟随大数据的发展趋势, 对新的处理科技情报数据的方法加以采用。数字图书挂应对杂乱无章的科技情报数据持积极接受态度, 容忍少许的不精确。在收集大量数据之后, 研究人员应对与数字图书馆所需的科技情报相关的一切素材与信息进行分析。在科技情报信息采集、加工和组织方式上, 数字图书馆应立足以知识开发为主题的现代模式优化组织与协调图书馆网络, 使图书馆科技情报资源中电子信息资源成为重要组成部分, 做好对科技情报资源的再次开发工作。数字图书馆对科技情报数据的收集必须尽可能地全面、完整和综合, 对这些科技情报数据的分析与建模可以采用数学计算法, 将科技情报数据背后的关系挖掘出来, 从而对某一事件发生的概率进行预测。具体到数字图书馆科技情报服务中, 由于大数据技术的应用传统文献计量学研究范围被极大地拓展, 数字图书馆不能再简单地对数据进行描述性研究, 而是必须对收集到的科技情报数据扩展到评价和预测性的研究。数字图书馆的一些传统科技情报业务在大数据时代, 应转向数据的分析和挖掘方面, 将处理和分析海量数据作为数字图书馆科技情报服务主要业务, 以对更多大数据中的规律和价值进行寻求与挖掘, 从而促进数字图书馆科技情报服务水平。

2、创新数字图书馆科技情报服务理念

数字图书馆科技情报服务在技术的改变及用户需求的变化中, 也发生了不同程度的变化。这种变化不仅体现在数字图书馆科技情报服务的数据处理方式、途径、模式等方面, 还体现在数字图书馆科技情报服务理念上。因此, 在大数据时代, 数字图书馆科技情报服务理念也必须相应创新。对大量数据进行分析和捕捉, 是数字图书馆科技情报服务中重要内容, 基于此大数据时代的数字图书馆科技情报服务相对传统服务具有更明显的针对性与鲜明性, 数字图书馆科技情报数据处理方式的调整也要求其服务手段与方式的调整。数字图书馆科技情报服务应对网络文献资料的优化和配置不断强化, 促进科技情报文献资料综合服务的实现。在具体服务操作中, 数字图书馆应对不同类型的科技情报资源类别尝试创建, 对更多的网络服务进行分享。以概率统计和回归分析为基础的时间序列法、线性回归法等是当前比较流行的模式, 都可以用在数字图书馆科技情报服务中。不过, 模型优化方法的不同也决定了其流程和后期效果的不同。在对数字图书馆科技情报基本服务策略进行调整的同时, 还需要扩大其服务范围, 保证大数据时代数字图书馆科技情报服务可以将为社会、企业、个人等大范围的数据分析和挖掘服务作为常态服务内容。

3、提升数字图书馆科技情报服务系统兼容性

发达国家数字图书馆科技情报服务在大数据背景下当前成功的案例较多, 我国数字图书馆科技情报服务应以发达国家成功案例为蓝图, 对他人的成功经验及个人的教训不断总结, 对网络技术进行开发, 对于国际接轨的数字图书馆科技情报服务系统加以构建, 提升数字图书馆科技情报服务系统兼容性。通过对国外技术服务兼容性的分析, 我国对技术标准进行制定的过程中, 应与我国本土数字图书馆科技情报服务需求充分结合起来。相比以往任何时候, 如今的信息传播都更加庞杂, 虽然互联网能够方便地收集和共享各种数据, 但大数据的本质并不仅仅在于搜集信息, 还在于从中选取可用的信息。数字图书馆科技情报服务系统出了要遵循规范的过程, 同时还应对技术的创新与发展加以考虑, 打破技术的封闭性, 适应市场变化需求。在技术服务的指导方面, 数字图书馆科技情报服务应对核心技术的开发不断加强, 并将其与电子商务结合起来, 对互联网时代的服务机制进行制定。除此之外, 还应对其与数字科研、教育理念以及政务的结合给予考虑和重视, 在对数字图书馆科技情报资源服务功能发挥的同时, 通过信息资源与信息系统的集成, 对数字图书馆科技情报的使用功能与适应性能进行开发, 促进数字图书馆科技情报服务信息资源的不断开发及可持续发展, 以此达到与国际的接轨。

4、创新数字图书馆科技情报个性化服务方式

用户对于网络的依赖性在网络信息资源多元化的今天越来越强, 这种趋势在社会年轻一族中表现尤为明显, 数字图书馆就是他们上网、查资料的最大科技情报信息资源库之一。大数据背景下的数字图书馆科技情报服务打破了传统图书馆服务的地域和时间限制, 能够满足用户更多个性化需求。满足不同客户群的需求, 也是当前数字图书馆科技情报服务的主流模式。不过, 数字图书馆科技情报服务还处于发展阶段, 仍需进一步创新个性化服务方式。数字图书馆在服务方式上, 可以更加人性化, 以用户的需求为主要导向。手机已经成为人们离不开的移动终端, 数字图书馆应看到这一现状, 开通手机图书馆科技情报服务。用户只需对数字图书馆的APP软件加以安装, 即可随时随地进入图书馆享受图书馆的科技情报服务。数字图书馆也可与电视结合起来, 打造电视图书馆, 扩大图书馆科技情报服务范围, 使老人小孩等不上网人群在家中即可通过遥控器了解更多科技情报信息。数字图书馆还可利用数字资源对24 小时街区图书馆加以建立, 为市民提供更方便的服务。对于特殊人群, 数字图书馆还可以开展主动上门推送服务, 使更多人民群众享受数字图书馆带来的科技情报服务。这种个性化与人性化的服务, 有利于数字图书馆充分发挥其社会教育职能。

四、结语

在数字图书馆科技情报服务工作中, 创新是其重要内推力。数字图书馆必须看到大数据背景下科技情报服务创新的必要性, 不断创新素质图书馆科技情报服务创新, 推动数字图书馆科技情报服务的可持续发展。

参考文献

[1]马超, 赵捧未, 窦永香.数字图书馆知识服务的研究文献定量分析[J].现代情报, 2010, (04) :33-34.

[2]高顺成.国内外服务创新研究的对比分析及未来研究趋势展望[J].情报杂志, 2012, (02) :70-71.

[3]陈传夫, 钱鸥, 代钰珠.大数据时代的数字图书馆建设研究[J].图书情报工作, 2014, (04) :55-56.

[4]李俊华.大数据背景下图书馆知识转移服务创新研究[J].赤峰学院学报 (自然科学版) , 2013, (20) :22-23.

[5]邢毅.图书馆服务创新的驱动力、障碍与战略[J].图书馆理论与实践, 2010, (06) :108-109.

[6]刘秀琴.基于社会质量和服务创新理论的图书馆服务创新研究[J].图书馆, 2014, (12) :43-44.

数据资源管理下科技情报服务研究论文 篇5

关键词：大数据；产业竞争情报；竞争情报；投资决策；行业研究

产业竞争情报在整个竞争情报体系中具有承上启下的重要作用，通过产业竞争情报分析研究可以协助企业和主管政府部门充分了解产业发展现状并预测未来趋势，从而科学指导产业要素合理配置。通过对全球产业的跟踪分析，总结转移规律进而为我国产业合理布局提供决策指导。随着大数据时代的来临，大数据必将逐步渗透到产业竞争情报产生、搜集、分析及服务的各个环节，成为决定未来产业竞争情报发展趋势的决定性因素。

在此背景下，本文从研究我国产业竞争情报发展现状入手，通过透析大数据给产业竞争情报带来的机遇和挑战，在深入研究大数据背景下产业竞争情报需求及服务案例的基础上，对我国产业竞争情报在大数据时代的发展提出建议。

一、产业竞争情报研究现状

产业竞争情报（Industrial Competitive Intelligence， ICI）主要是指采用全球产业竞争视角，从产业全局的角度出发，通过对不同国家或者地区间（国内各省市间）的相同或相似产业所处的产业竞争环境的实时监测，及其对影响该产业领域发展的相关情报要素进行搜集、整理、加工、分析，在此基础上制定出相应的产业竞争战略，从而最终为该国或地区整体产业竞争力的提升而服务。产业竞争情报在整个情报体系中既不同于企业竞争情报的微观也不同于国家竞争情报的宏观，而是处于承上启下的中观视角，一方面可以提升企业在产业链中的竞争力，另一方面可以提升我国产业整体竞争力，做到资源有效利用，产业合理布局。

根据产业竞争情报服务对象来看，其具有涵盖范围广、关联性强及价值表现多样等特点。当前我国产业竞争情报已经得到广大企业的高度重视，产业竞争情报服务机构发展迅速，形成了面向政府决策部门、企业决策部门的多层次多领域的产业竞争情报研究服务格局。其中，中国科学技术信息研究所作为国内竞争情报专业科研机构，通过产业竞争情报为国家级决策部门提供支持。特别是在陈峰博士带领将产业竞争情报理论方法应用于风能、服务外包产业，取得了一批研究成果，有效推动了产业竞争情报在我国的发展壮大。以中国产业竞争情报网（华经纵横咨询公司主办）为代表的第三方产业竞争情报研究服务咨询机构长期致力于产业竞争情报搜集、处理、分析、服务探索，为提高我国产业竞争力而贡献自己的力量。目前，我国产业竞争情报企业需求及服务模式主要有下表所示的几种。

根据中国产业竞争情报网2010～2012年客户构成统计分析，接受竞争情报咨询服务企业分布前10名分别为浙江、福建、北京、山西、河南、内蒙、山东、湖北、江苏、广东，并且分布较为均衡，沿海及科技发达省份所占比例相对较大（见下图）。

根据中国产业竞争情报网2010～2012年服务产业构成统计分析，企业的行业分布构成来看战略性新兴产业占到78%，传统产业则以农业、汽车、机械及有色景气度较高的产业为主。可以看出，产业竞争情报服务热点领域产业分布与新技术发展息息相关、产业分布与国家产业政策支持重点一致、产业分布与资本市场热点一致。

二、大数据给产业竞争情报带来的机遇和挑战

（一）机遇

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。在维克托·迈尔-舍恩伯格和肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。大数据的4V特点是Volume、Velocity、Variety、Veracity。大数据时代的到来，为产业竞争情报提供了广阔的表演舞台，带来了巨大的发展机遇。

1.产业竞争情报地位大大提升。大数据时代各种类型的数据将渗透到每个行业和企业业务职能领域，逐渐成为生产要素，企业对产业竞争情报重要性的认识进一步提高，产业竞争情报在企业日常经营活动中的作用日益凸显。

2.竞争情报来源更加多样，更富价值。大数据整合了各种类型的数据，并且具有很强的关联性和结构性，产业竞争情报来源更加多元化，数据情报具有更高的含金量和可挖掘价值。

3.产业竞争情报分析的真实性、精准性和实效性进一步提高。大数据所包括的不同来源的数据从不同角度反映企业相关的各种信息，大数据所带来的全面海量数据为情报分析的真实性、精准性和实效性提供了条件。

4.产业竞争情报的服务模式更加灵活便捷。随着大数据、移动互联网及云计算等的爆发式增长，为产业竞争情报的即时传播和多渠道送达提供了更多选择。

（二）挑战

大数据给产业竞争情报带来巨大机遇的同时也带来诸多问题和挑战。主要表现在以下几个方面。

1.大数据时代产业内外部情报环境空前复杂，数据来源的多元化、数据类型的多样化、数据增长更新的动态化都考验着产业数据情报搜集分析能力。

2.面临重新整合产业竞争情报搜集、分析方法及服务模式的挑战。

3.缺乏既深入了解产业分析方法又具备数据探勘统计应用知识并熟悉数据分析工具操作的大数据处理专业人才。

三、大数据时代产业竞争情报服务展望

产业竞争情报服务对企业来讲，可以帮助其了解产业所处的国内外资本、技术、人才、政策等市场环境，把握产业竞争态势及影响产业发展的相关因素，为企业取得产业价值链优势提供决策支持。产业竞争情报服务对政府管理部门来讲，可以帮助其了解本国产业所处的国内外竞争环境、相关产业或辅助产业的发展状况等诸多因素，根据资源禀赋发展优势产业，合理规划产业。进入大数据时代，产业竞争情报所处的环境发生了巨大的变化，很多全新的问题需要竞争情报服务机构去认真分析，通过在实践中不断总结经验对产业竞争情报大数据时代的发展做出准确判断，具体可以从以下几点展开。

（一）针对大数据所具有的全新特征创新产业情报搜集分析方法

大数据产生价值的实质性环节就是信息分析。针对大数据所具有的全新特征，传统的竞争情报研究应该从单一领域情报研究转向全领域情报研究、综合利用多种数据源、注重新型信息资源，特别要利用数据之间的关联性进行分析研究。

（二）依托大数据、云计算及移动互联网创新产业竞争情报服务方式

大数据时代显著的特点就是信息数据实时性非常高，这与产业竞争情报所要求的时效性十分吻合。因此，大数据时代竞争情报的服务方式必须适应这种大量数据实时产生交换的高实时性，而云计算及移动互联网的普及为产业竞争情报实现实时服务提供了更为广阔的渠道。

（三）培养基于大数据的产业竞争情报专业分析人才

通过研究创新产业竞争情报在大数据时代下的分析方法为切入点，从专业背景、产业经验、分析能力等角度选择培养大数据分析人才，通过与企业组建大数据产业竞争情报分析团队的形式，各种专业背景的研究员通过彼此专业技能的渗透，最终成为合格的大数据产业情报分析师。只有专业人才才能激活大数据的价值，重新建构数据之间的关系并赋予新的意义，进而转换成决策所需的高质量产业竞争情报。

四、结语

大数据时代已经悄然而至，大数据给产业竞争情报搜集、分析和利用带来了巨大的机遇和挑战，产业竞争情报咨询机构和企业必须要积极应对，知难而上，充分认识和研究大数据的特点，创新产业竞争情报分析方法，不断改进服务模式，为提升产业竞争情报在大数据时代的分析水平和利用价值而共同努力。

参考文献：

[1]郑彦宁，赵筱媛，陈峰.产业竞争情报的解析[J].情报学报，2009（06）.

[2]李广建，杨林.大数据视角下的情报研究与情报研究技术[J].图书与情报，2012（06）.