大數(shù)據(jù)對高校檔案工作的影響分析及對策研究

寧燕子

（遼寧師范大學(xué)檔案館，遼寧 大連 116029）

大數(shù)據(jù)時代的到來改變了傳統(tǒng)的IT架構(gòu)與數(shù)據(jù)存儲和利用機(jī)構(gòu)，必然也將對作為儲存信息知識、提供信息服務(wù)的高校檔案館形成沖擊與挑戰(zhàn)。因此，深刻理解大數(shù)據(jù)的內(nèi)涵，結(jié)合高校檔案信息資源的特點(diǎn)，分析大數(shù)據(jù)對檔案工作者理念的影響、對檔案信息資源建設(shè)、檔案信息安全及檔案利用服務(wù)的影響，對高校檔案館面對大數(shù)據(jù)尋求應(yīng)對與發(fā)展對策有著重要意義。

1 大數(shù)據(jù)概述

近年來，隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的深入發(fā)展，以及智能終端、社交網(wǎng)絡(luò)、數(shù)字地球等信息體的普及和建設(shè)，海量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)己經(jīng)充斥在人們?nèi)粘Ｉ畹拿總€角落，并且每天還在以驚人的速度進(jìn)行爆炸式的增長。美國互聯(lián)網(wǎng)數(shù)據(jù)中心(IDC)指出，全球數(shù)據(jù)量已由2005年的0.15ZB增長到2010年的1.2ZB。預(yù)計(jì)未來10年，全球數(shù)據(jù)量將以40%+的速度增長，2020年全球數(shù)據(jù)量將達(dá)到35ZB，人類正在逐漸步入一個大數(shù)據(jù)時代。

1.1 大數(shù)據(jù)定義

目前，大數(shù)據(jù)并沒有形成一個統(tǒng)一的定義。研究機(jī)構(gòu)Gartner的定義：大數(shù)據(jù)是指需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。維基百科的定義：大數(shù)據(jù)指的是所涉及的資料量規(guī)模巨大到無法通過目前主流軟件工具，在合理時間內(nèi)達(dá)到擷取、管理、處理并整理成為幫助企業(yè)經(jīng)營決策目的的資訊。麥肯錫的定義：大數(shù)據(jù)是指無法在一定時間內(nèi)用傳統(tǒng)數(shù)據(jù)庫軟件工具對其內(nèi)容進(jìn)行采集、存儲、管理和分析的數(shù)據(jù)集合。IDC將大數(shù)據(jù)定義為：為更經(jīng)濟(jì)地從高頻率的、大容量的、不同結(jié)構(gòu)和類型的數(shù)據(jù)中獲取價值而設(shè)計(jì)的新一代架構(gòu)和技術(shù)。信息專家涂子沛在著作《大數(shù)據(jù)》中認(rèn)為：“大數(shù)據(jù)”之“大”，并不僅僅指“容量大”，更大的意義在于通過對海量數(shù)據(jù)的交換、整合和分析，發(fā)現(xiàn)新的知識，創(chuàng)造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發(fā)展”。從以上幾種定義，我們可以看出，大數(shù)據(jù)是信息時代出現(xiàn)的一種現(xiàn)象，一種理念，一種處理技術(shù)。

1.2 大數(shù)據(jù)特征

和大數(shù)據(jù)的定義不同，對大數(shù)據(jù)的特點(diǎn)業(yè)界有比較統(tǒng)一的認(rèn)識。即大數(shù)據(jù)的4“V”特征。第一，數(shù)據(jù)體量巨大（Volume）。從TB級別，躍升到PB級別。物聯(lián)網(wǎng)、云計(jì)算、移動互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、手機(jī)、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數(shù)據(jù)來源或者承載的方式。第二，數(shù)據(jù)類型繁多（Variety）。隨著傳感器種類的增多以及智能設(shè)備、社交網(wǎng)絡(luò)等的流行，數(shù)據(jù)類型也變得更加復(fù)雜，不僅包括傳統(tǒng)的關(guān)系數(shù)據(jù)類型，也包括以網(wǎng)頁、視頻、音頻、E-mail、文檔等形式存在的未加工的、半結(jié)構(gòu)化的和非結(jié)構(gòu)化的數(shù)據(jù)。第三，價值密度低（Value）。數(shù)據(jù)量呈指數(shù)增長的同時，隱藏在海量數(shù)據(jù)的有用信息卻沒有相應(yīng)比例增長，反而使我們獲取有用信息的難度加大。以視頻為例，連續(xù)的監(jiān)控過程，可能有用的數(shù)據(jù)僅有一兩秒。第四，流動速度快（Velocity）。形成流式數(shù)據(jù)是大數(shù)據(jù)的重要特征，數(shù)據(jù)流動的速度快到難以用傳統(tǒng)的系統(tǒng)去處理。大數(shù)據(jù)的“4V”特征表明其不僅僅是數(shù)據(jù)海量，對于大數(shù)據(jù)的分析將更加復(fù)雜、更追求速度、更注重實(shí)效。

2 高校檔案信息資源呈現(xiàn)的特點(diǎn)分析

2.1 檔案數(shù)量龐大，增長迅速

遼寧師范大學(xué)是一所省屬重點(diǎn)師范類院校，學(xué)校全日制在校生人數(shù)規(guī)模在22000人左右，在職教職工人數(shù)約為1800人。以遼寧師范大學(xué)為例，學(xué)校檔案館館藏檔案總量是66286卷 （件），其中綜合檔案41913卷。近4年，綜合檔案年入館量以平均每年12.5%速度增長。截至2013年6月21日，全國普通高等學(xué)校（不含獨(dú)立學(xué)院）共計(jì)2198所。各高校檔案館檔案資源總和近億卷，堪稱海量。2011-2014年，遼寧師范大學(xué)綜合檔案入館數(shù)量統(tǒng)計(jì)結(jié)果見表1。

表1 2011-2014年，遼寧師范大學(xué)綜合檔案入館數(shù)量統(tǒng)計(jì)表

2.2 檔案種類繁多，載體類型多樣

高校檔案是高等院校內(nèi)部組織和個人在教學(xué)、科研、管理以及其它各項(xiàng)活動中直接形成的、對高校和社會有保存價值的文字、圖表、聲像等不同記錄方式和各種載體形態(tài)的歷史記錄。高校檔案具有形成主體多樣性，形成領(lǐng)域廣泛性的特點(diǎn)，因此形成了高校檔案信息資源種類繁多、載體記錄方式和載體形態(tài)多樣性的局面。如，遼寧師范大學(xué)檔案館集中統(tǒng)一保管12類檔案：黨群類、行政類、教學(xué)類、科研類、基本建設(shè)類、出版物類、外事類、財(cái)會類、聲像類、實(shí)物類、教職工人事類和學(xué)生類。高校檔案的載體類型多樣，除傳統(tǒng)的紙張外，還有以感光材料為載體的檔案，如縮微檔案；以磁性材料為載體的檔案，如錄音帶、錄像帶、幻燈片等；以磁、光、電為介質(zhì)，通過計(jì)算機(jī)等設(shè)備閱讀的檔案，如，電子文檔、光盤數(shù)據(jù)庫等；以數(shù)據(jù)庫和網(wǎng)絡(luò)為基礎(chǔ)，以計(jì)算機(jī)主機(jī)硬盤、光盤為介質(zhì)的檔案，如網(wǎng)絡(luò)信息、網(wǎng)站、網(wǎng)頁等。

2.3 檔案數(shù)據(jù)資源豐富。

近年來，隨著高校校園信息化工作的推進(jìn)，高校在檔案信息化工作方面的投入也在不斷加大，數(shù)字檔案館就是檔案信息化的成果之一。檔案信息化的一個基礎(chǔ)工作是檔案信息資源的數(shù)字化，即館藏檔案目錄數(shù)字化，館藏檔案全文數(shù)字化，電子文檔收集。據(jù)統(tǒng)計(jì)截止2010年10月15日，上海交通大學(xué)檔案館館藏檔案全文數(shù)字化總量為3667404頁，數(shù)字化信息資源約為2PB。一所高校的檔案數(shù)據(jù)資源已經(jīng)達(dá)到PB級別?？上攵珖?000多所高校的檔案數(shù)據(jù)資源總量相當(dāng)可觀，內(nèi)容相當(dāng)豐富。

3 大數(shù)據(jù)給高校檔案工作帶來的影響

3.1 大數(shù)據(jù)對高校檔案工作者理念的影響

大數(shù)據(jù)帶給檔案工作的最大影響是對檔案工作者思維理念的沖擊。維克托·邁爾·舍恩伯格在《大數(shù)據(jù)時代》中明確指出，大數(shù)據(jù)時代最大的轉(zhuǎn)變就是，放棄對因果關(guān)系的渴求，而取而代之關(guān)注相關(guān)關(guān)系。傳統(tǒng)的邏輯性思維，考慮的是因?yàn)槭裁?，所以必須怎樣，即由因到果的關(guān)系。而大數(shù)據(jù)思維只需要知道“是什么”，而不需要知道“為什么”。這顛覆了千百年來人類的思維慣例，對人類的認(rèn)知和與世界交流的方式提出了全新的挑戰(zhàn)。大數(shù)據(jù)時代的到來，將從多個方面變革傳統(tǒng)的檔案思維模式。管理思維上，將推動檔案館從經(jīng)驗(yàn)驅(qū)動到循數(shù)管理的轉(zhuǎn)變，用數(shù)據(jù)說話；服務(wù)思維上，檔案館的服務(wù)理念將實(shí)現(xiàn)從供給導(dǎo)向到需求導(dǎo)向的轉(zhuǎn)變，實(shí)現(xiàn)從資源密集型服務(wù)到服務(wù)主導(dǎo)型的轉(zhuǎn)變；業(yè)務(wù)思維上，從追尋“因果律”走向?qū)徱暋跋嚓P(guān)性”，從出現(xiàn)問題——邏輯分析——找出因果關(guān)系——提出解決方案的逆向思維模式，到收集數(shù)據(jù)——量化分析——找出相互關(guān)系——提出優(yōu)化方案的正向思維模式轉(zhuǎn)變。

3.2 大數(shù)據(jù)對檔案信息資源建設(shè)的影響

迫于物質(zhì)和技術(shù)條件限制，在小數(shù)據(jù)時代我們無法對產(chǎn)生的所有成果(檔案)全部歸檔和保存，因而有必要制定一個歸檔范圍，即確定哪些要?dú)w檔保存，哪些不需要?dú)w檔保存；同時對歸檔保存的信息和數(shù)據(jù)要根據(jù)其價值確定不同的保管期限以節(jié)省人力和物力資源。近20年來，隨著移動互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)等新興技術(shù)的蓬勃發(fā)展和廣泛應(yīng)用，以及各種傳感器的無所不在，信息技術(shù)已經(jīng)可以將一切“數(shù)據(jù)化”。在過去的50年中，數(shù)字存儲成本大約每兩年就削減一半，而存儲密度則增加了5000萬倍。在大數(shù)據(jù)背景下，“一切歸檔”的目標(biāo)已經(jīng)具備了較為成熟的技術(shù)條件和物質(zhì)基礎(chǔ)。大數(shù)據(jù)時代，檔案概念呈泛化趨勢，“每一條記錄都將變成具有長期保存價值的檔案，這些單位價值密度低的記錄信息將作為不可分割的整體來發(fā)揮檔案的價值”?！耙磺芯哂斜４鎯r值的文件、數(shù)據(jù)、視頻、實(shí)物都將視為檔案，基于信息系統(tǒng)的電子文件在形成之后‘一秒鐘’即形成‘電子檔案’”。

3.3 大數(shù)據(jù)對檔案信息安全的影響

數(shù)據(jù)安全的問題一直是信息安全的重要內(nèi)容，信息安全業(yè)界對于數(shù)據(jù)安全的探討從來沒有減少過，大數(shù)據(jù)時代的到來讓業(yè)內(nèi)人士更加不確定。據(jù)報(bào)道，對全球200個安全權(quán)威專家調(diào)查表明：40%的專家無法處理所收集到的海量安全數(shù)據(jù)；35%的專家沒有足夠的時間或?qū)I(yè)人員來分析他們收集的安全數(shù)據(jù)和信息。這些數(shù)字也更能直觀地說明在大數(shù)據(jù)時代，安全面臨的挑戰(zhàn)十分嚴(yán)峻。EMC信息安全事業(yè)部RSA公司的信息安全專家胡軍認(rèn)為，安全是一個基礎(chǔ)的問題，數(shù)據(jù)價值越大，數(shù)據(jù)的量越大，安全面臨的風(fēng)險(xiǎn)就越大。大數(shù)據(jù)是信息化發(fā)展到一定階段的必然結(jié)果，大數(shù)據(jù)時代檔案信息資源的一個基本特征就是檔案信息的大規(guī)模數(shù)字化。數(shù)字化檔案信息具有以下特點(diǎn)：（1）對軟硬件系統(tǒng)的依賴性。技術(shù)的更新、軟硬件設(shè)備的升級可能會導(dǎo)致原有的信息無法識別。（2）存儲的高密度性。數(shù)字化檔案信息存儲的高密度性在我們節(jié)約館藏空間，擴(kuò)大館藏容量的同時，也對載體的保護(hù)提出了更嚴(yán)格的要求，因?yàn)槿魏我粭l輕微的劃痕都有可能導(dǎo)致數(shù)以千計(jì)的檔案信息遭到破壞。（3）信息與載體之間的可分離性。數(shù)字化檔案信息可以以非實(shí)體形式進(jìn)行加工和管理，這種可分離性造成了數(shù)字化檔案信息的易于更改、易于復(fù)制、自由流動、易于傳輸。

3.4 大數(shù)據(jù)對檔案利用服務(wù)的影響

《大數(shù)據(jù)時代》的作者維克托·邁爾·舍恩伯格認(rèn)為，“大量的數(shù)據(jù)能夠讓傳統(tǒng)行業(yè)更好地了解客戶需求，提供個性化的服務(wù)。定制化服務(wù)的關(guān)鍵是數(shù)據(jù)”。大數(shù)據(jù)時代，高校檔案服務(wù)方式將發(fā)生變革，檔案利用效率將大幅提升。大數(shù)據(jù)時代的檔案利用不同于傳統(tǒng)的“你來我找”的被動式服務(wù)，也不僅是利用現(xiàn)代信息技術(shù)進(jìn)行制作、加工、傳播、轉(zhuǎn)換和二次開發(fā)。而是要通過對檔案信息資源挖掘、用戶信息和用戶需求進(jìn)行分析、關(guān)系洞察及趨勢預(yù)測，開展基于海量檔案數(shù)據(jù)和先進(jìn)技術(shù)分析的全息檔案資源的相關(guān)性研究，從而實(shí)現(xiàn)檔案信息資源與用戶需求的雙向理想控制。大數(shù)據(jù)時代高校檔案館會更多地開展主動推介式個性化服務(wù)。

4 大數(shù)據(jù)時代高校檔案工作的對策

4.1 樹立全歸檔意識

所謂全歸檔，包括三個方面的含義，一是接收，做到應(yīng)收盡收。高校檔案的收集范圍應(yīng)該涵蓋管理、教學(xué)、科研、教輔、后勤保障等所有校內(nèi)單位。內(nèi)容上要注意公文與業(yè)務(wù)材料并重，不可偏頗。檔案類型上既要做到傳統(tǒng)的紙質(zhì)檔案與電子文檔并存，同時兼顧圖片、錄音、錄像、實(shí)物、數(shù)據(jù)庫、多媒體、網(wǎng)頁等多種類型。檔案的“收”要做到全流程控制，將檔案管理融入到學(xué)校辦公自動化系統(tǒng)、教學(xué)管理、行政管理、學(xué)生管理等系統(tǒng)中，將文件、數(shù)據(jù)歸檔流程寫入發(fā)文環(huán)節(jié)、教學(xué)環(huán)節(jié)、管理環(huán)節(jié)等，抓好文檔的前端控制。二是征集，做到用開放的心態(tài)面向全社會征集一切和學(xué)校相關(guān)的史料和實(shí)物。重點(diǎn)征集對象為學(xué)校老領(lǐng)導(dǎo)、老教授，學(xué)校知名校友。三是采集，采集網(wǎng)絡(luò)信息資源和用戶需求信息。高校的內(nèi)部機(jī)構(gòu)都建設(shè)有自己的門戶網(wǎng)站，這些網(wǎng)站上發(fā)布了大量的教學(xué)、科研、管理、對外交流等形式多樣的信息資源，高校檔案館要積極主動采集有保存價值的信息。另外高校檔案館還要采集用戶基本信息和用戶需求信息，以備對其進(jìn)行分析，從而提供個性化服務(wù)。在大數(shù)據(jù)背景下傳統(tǒng)的檔案資源建設(shè)思想發(fā)生不小的變化，即我們已經(jīng)不再需要確定一個歸檔范圍，不再需要對其價值進(jìn)行人為的鑒定和加注標(biāo)簽。我們所要做的就是將所有的真實(shí)的記錄全部歸檔，減少人為的影響，保存檔案的原貌，還原檔案的真實(shí)，從而構(gòu)建一個基于互聯(lián)網(wǎng)的，以檔案數(shù)字資源為主體，以文本、圖片、音視頻等為形式的高校記憶數(shù)字資源庫。

4.2 構(gòu)建檔案信息資源大數(shù)據(jù)集

檔案數(shù)字化是大數(shù)據(jù)時代必要的基礎(chǔ)性建設(shè)，也是發(fā)揮高校檔案館潛在價值的重要臺階，緊抓大數(shù)據(jù)戰(zhàn)略的契機(jī)，實(shí)現(xiàn)檔案數(shù)字化建設(shè)跨越式發(fā)展，對高校檔案館而言，具有重要意義。具體需要做以下工作：結(jié)合高校檔案資源特點(diǎn)和工作實(shí)際，（1）研究制定高校檔案館館藏檔案數(shù)字化實(shí)施方案，全面啟動檔案數(shù)字化工作；（2）研究制定高校檔案館數(shù)字化建設(shè)實(shí)施方案，啟動數(shù)字檔案館建設(shè)；（3）研究制定高校檔案館紙質(zhì)檔案數(shù)字化的規(guī)范和標(biāo)準(zhǔn)；（4）研究制定高校電子文檔移交與接收辦法；（5）運(yùn)用云技術(shù)創(chuàng)建檔案大數(shù)據(jù)基礎(chǔ)架構(gòu)，讓檔案大數(shù)據(jù)在這個平臺上運(yùn)行；（6）運(yùn)用云技術(shù)構(gòu)建高校檔案信息資源的大數(shù)據(jù)集。

4.3 建設(shè)檔案信息安全體系

大數(shù)據(jù)時代，高校檔案館的數(shù)字化館藏和虛擬館藏的比例會大大提高，檔案安全管理的重心要向數(shù)字化館藏和虛擬館藏方向傾斜。要確保數(shù)字化檔案信息內(nèi)容的真實(shí)性、完整性、機(jī)密性和長期可用性。高校檔案館必須建立健全人防、物防、技防三位一體的檔案信息安全防范體系。具體的安全保障措施包括以下幾個方面：（1）加大對數(shù)字化檔案信息安全法規(guī)的理論研究；（2）制定高校數(shù)字化檔案信息安全解決方案；（3）購買優(yōu)質(zhì)的硬件設(shè)備并在運(yùn)行過程中加強(qiáng)管理和維護(hù)，確?？茖W(xué)使用；（4）采用先進(jìn)的網(wǎng)絡(luò)安全技術(shù)和數(shù)據(jù)安全技術(shù)等多種現(xiàn)代信息新技術(shù)。如訪問控制技術(shù)、防治病毒技術(shù)和安全檢測技術(shù)、密碼技術(shù)、備份技術(shù)、仿真、遷移、再生性技術(shù)、簽署技術(shù)、消息認(rèn)證技術(shù)、防寫技術(shù)以及數(shù)字水印技術(shù)等；（5）使用正版軟件,增強(qiáng)安全意識并做到及時升級,及時打補(bǔ)丁，同時檢查系統(tǒng)的各項(xiàng)設(shè)置；（6）數(shù)據(jù)結(jié)構(gòu)化；（7）加固網(wǎng)絡(luò)層端點(diǎn)的數(shù)據(jù)安全；（8）檔案信息數(shù)據(jù)庫異地存儲；（9）提高檔案從業(yè)人員的信息素養(yǎng)和職業(yè)道德意識。

4.4 挖掘檔案信息大資源，推行個性化定制化檔案信息服務(wù)

高校檔案館擁有海量的檔案數(shù)據(jù)，同時掌握了豐富的傳統(tǒng)信息資源管理經(jīng)驗(yàn)，是大數(shù)據(jù)時代的“資本擁有者”，然而這些數(shù)據(jù)目前只有極少部分得到了有效開發(fā)。如何從海量原始檔案數(shù)據(jù)中發(fā)掘出有價值的信息和知識，滿足不同檔案用戶的信息需求，將成為高校檔案館的一項(xiàng)重要工作。高校檔案館要綜合運(yùn)用數(shù)據(jù)挖掘、數(shù)理統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、智能算法及云計(jì)算技術(shù)對檔案信息數(shù)據(jù)進(jìn)行分析。具體流程如下：（1）制定針對不同服務(wù)對象和服務(wù)需求的服務(wù)目標(biāo)；（2）采集用戶基本信息和用戶利用習(xí)慣信息，分析用戶檢索行為，建立用戶信息庫；（3）依據(jù)用戶潛在的檔案信息需求分析結(jié)果，檢索館藏檔案資源信息及網(wǎng)絡(luò)信息數(shù)據(jù)；（4）運(yùn)用數(shù)據(jù)分析技術(shù)在智能數(shù)據(jù)處理平臺上對檢索出的數(shù)據(jù)進(jìn)行過濾、整合、分析；（5）利用數(shù)據(jù)可視化技術(shù)和人機(jī)交互技術(shù)，對檔案信息數(shù)據(jù)進(jìn)行解釋，借助高校檔案門戶網(wǎng)站、移動終端等多種手段發(fā)布檔案信息。

［1］劉智慧,張泉靈.大數(shù)據(jù)技術(shù)研究綜述[J].浙江大學(xué)學(xué)報(bào),2014(6)：954-972.

［2］中國教育部批準(zhǔn)的高等學(xué)校名單、新批準(zhǔn)的學(xué)校名單[OL].http：//www.moe.gov.cn/publicfiles/business/htmlfiles/moe/moe_229/201306/153565.html.

［3］[英]維克托·邁爾·舍恩伯格,肯尼思.庫克耶.大數(shù)據(jù)時代[M].浙江人民出版社,2013(1).

［4］周楓.資源.技術(shù).思維：大數(shù)據(jù)時代檔案館的三維詮釋[J].檔案學(xué)研究,2013(6)：61-64.