對檔案大數(shù)據的思考

李彥

（湖南師范大學檔案館長沙410081）

對檔案大數(shù)據的思考

李彥

（湖南師范大學檔案館長沙410081）

檔案與大數(shù)據既密切聯(lián)系又相互區(qū)別。本文從檔案大數(shù)據的內涵、生成機制及對檔案職業(yè)發(fā)展的影響等方面對檔案大數(shù)據進行闡述。

檔案大數(shù)據檔案大數(shù)據檔案職業(yè)

近年來，研究檔案大數(shù)據成了熱點。有人甚至認為，學界對檔案大數(shù)據的研究存在過度解讀。2017年4月20日，筆者在中國期刊網上搜索篇名含“大數(shù)據”、“檔案”關鍵詞的論文有619篇,含“檔案大數(shù)據”關鍵詞的論文有20篇。就統(tǒng)計數(shù)據來看，從大數(shù)據的視角來探討檔案問題的研究確實不少，但具體到以“檔案大數(shù)據”為對象的研究，我們還看不到解讀過度的場面，檔案大數(shù)據研究仍任重道遠。

一、對大數(shù)據的基本解讀

數(shù)據是反映客觀事物屬性的記錄。在計算機科學中，數(shù)據是指所有能被計算機程序處理的具有一定意義的數(shù)字、字母、符號和模擬量等介質的總稱。

大數(shù)據是指規(guī)模巨大到無法在一定時間內用常有軟件對其內容進行抓取、管理和處理的數(shù)據集合，是需要新處理模式才能具有更強的決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產。大數(shù)據具備體量巨大（Volume）、類型繁多（Variety）、存取速度快（Velocity）、價值密度低（Value）的基本特征。鄭金月認為，這些特征都不是大數(shù)據的本質，其本質“在于大數(shù)據的分析和應用，在于創(chuàng)造新價值”[1]38。事實上，無論是大數(shù)據、還是傳統(tǒng)意義上的數(shù)據，其終極價值都在于分析與應用，并創(chuàng)造新價值。因此，筆者認為，掌握海量的信息數(shù)據，并對這些數(shù)據進行專業(yè)化快速處理，發(fā)現(xiàn)新的知識，創(chuàng)造新的價值，只是大數(shù)據的戰(zhàn)略價值所在，而不是其本質所在。大數(shù)據從本質上講仍是數(shù)據，只是它已不再局限于通過傳統(tǒng)的“因果關系”來分析數(shù)據，而是采取“關聯(lián)分析”的組織結構技術與方法，實現(xiàn)實時的數(shù)據處理。

大數(shù)據不僅是一個技術性名詞概念，它還蘊含了人們認識世界的思維方式、技術手段，是一種新的價值觀和方法論，更是“正快速發(fā)展為對數(shù)量巨大、來源分散、格式多樣的數(shù)據進行采集、存儲和關聯(lián)分析，從中發(fā)現(xiàn)新知識、創(chuàng)造新價值、提升新能力的新一代信息技術和服務業(yè)態(tài)”[2]。

二、檔案與大數(shù)據的關系

《檔案法》規(guī)定，檔案是指過去和現(xiàn)在的國家機構、社會組織以及個人從事政治、軍事、經濟、科學、技術、文化、宗教等活動直接形成的對國家和社會有保存價值的各種文字、圖表、聲像等不同形式的歷史記錄。檔案具有社會實踐性、歷史性、確定性和原始記錄性等基本特征，原始記錄性是檔案的本質屬性，檔案價值是檔案存在的意義所在。

檔案與大數(shù)據聯(lián)系密切。兩者盡管表現(xiàn)形式不同，但都是整個社會記憶的重要組成部分，都是作為主體的人在社會實踐活動中產生的、用于表示客觀事物的信息。檔案、大數(shù)據均是信息的表現(xiàn)形式與載體，經過特定的加工處理，都能轉化為有用的信息。在一定的條件下，檔案、大數(shù)據也能相互轉化。

檔案與大數(shù)據差別顯著。主要表現(xiàn)在三個方面。

1.價值取向的背離。價值篩選是檔案形成的基本前提，沒有保存價值的東西不能成為檔案。而從大數(shù)據視角，任何數(shù)據都是有價值的信息資產，只是價值的大小有所不同。大數(shù)據本身就是一些價值密集度低的數(shù)據集合，數(shù)據價值趨向極小值發(fā)展。檔案注重價值的大小，大數(shù)據則關注數(shù)據的齊全。由于價值取向的不同，在龐大的資料體系中，檔案被鑒定保存的規(guī)模、質量都受到了環(huán)境的制約和人為的影響，而大數(shù)據的廣度遠大于檔案。

2.存在形態(tài)的差異。檔案既有實物的實體形態(tài)存在，也有電子檔案等數(shù)據形式的存在。從整體上講，在各種形態(tài)的檔案中，數(shù)據檔案只占小部分。當然，通過一定的技術手段，占據主體的實體檔案能被轉化為數(shù)據檔案。

3.處理時效的差異。大數(shù)據要求數(shù)據的在線開放性、實時動態(tài)性，不在線的數(shù)據不屬于大數(shù)據。檔案往往具有滯后、靜止和穩(wěn)定性，即使是電子檔案的生成與收集，也是對確定內容的在線歸檔，很少具備動態(tài)變化。由于一些特殊的原因，有些檔案只能局部開放，不宜全部向社會公開，有些檔案數(shù)據不能公開在線利用。因此，即使是檔案數(shù)據，也不完全具備大數(shù)據的基本特征。

檔案與大數(shù)據的諸多差別，充分表明檔案不是大數(shù)據，大數(shù)據也不是檔案。大數(shù)據時代，一些分散狀態(tài)下價值密度低的大數(shù)據在應用中產生了巨大的價值，有了檔案的完全屬性。筆者認為，大數(shù)據太大，且它們多是開放環(huán)境中在線的、實時的、動態(tài)的數(shù)據分析與應用。因此，即使起了作用，也不一定非要作為檔案長期保存下來?，F(xiàn)實生活中，各行各業(yè)產生的各種結構化、半結構化和非結構化數(shù)據也并沒有全部納入檔案管理。許多企業(yè)，他們更關注數(shù)據的存儲、分析與應用，對數(shù)據是否要變?yōu)闄n案并不注重。當然，隨著數(shù)字存儲技術的發(fā)展，數(shù)據存儲成本一旦小于數(shù)據的利用價值，就具備了作為檔案保存的可能性。如果解決存儲問題，理論上大數(shù)據都能轉化為檔案，檔案的概念也將重新被定義。

三、檔案大數(shù)據的內涵與生成機制

鑒于檔案與大數(shù)據的顯著差異，研究檔案大數(shù)據似乎是一個悖論性話題。筆者認為，從屬性認知出發(fā)，用“檔案數(shù)據”的表述比用“檔案大數(shù)據”更為合適。如果我們堅持使用“檔案大數(shù)據”這一熱門術語，首先必須澄清它的基本內涵——它不是特指大數(shù)據中具有檔案屬性的數(shù)據，它只是一個“屬加種差”的名稱定義，如同經濟領域的大數(shù)據、氣象領域的大數(shù)據不能說明大數(shù)據具有經濟性、氣象性一樣，檔案大數(shù)據就是各行業(yè)中的涉檔大數(shù)據，并不說明大數(shù)據具有檔案屬性。例如，高校檔案大數(shù)據可以理解為高校檔案工作中生成的大數(shù)據，這些數(shù)據有的具有檔案屬性，有的只是檔案工作中形成的大數(shù)據，不具有檔案屬性。

檔案大數(shù)據的生成主要有兩大來源，其一是檔案工作系統(tǒng)內部生成的檔案大數(shù)據，包括檔案工作中形成的大數(shù)據和檔案部門管理的各類實體檔案轉化的大數(shù)據。前者主要有檔案管理系統(tǒng)生成記錄、日志、報表等信息，檔案網站建設數(shù)據信息、智能檔案庫房監(jiān)控視頻數(shù)據等，這些數(shù)據有的本身就能作為檔案保存下來，有的也許不具有檔案的特征，但它們是檔案業(yè)務管理的必然結果，分析挖掘這些數(shù)據，有利于改進檔案管理、提高檔案服務，理所當然構成檔案大數(shù)據。后者主要是實體檔案通過諸如紙質檔案數(shù)字化掃描，檔案目錄庫、多媒體數(shù)據庫和全文數(shù)據庫建設等技術處理后，轉化生成的數(shù)字化檔案。“檔案數(shù)字化不等同于檔案數(shù)據化”[3]6，數(shù)字化檔案如果以圖像形式存在，就很難通過檢索詞進行檢索，只有對圖像文本內容進行識別、分類、著錄和標引，對目錄與全文進行了掛接等，檔案的數(shù)字化才能實現(xiàn)數(shù)據化。檔案數(shù)據化后，一些具備大數(shù)據特征的檔案數(shù)據才能真正成為檔案大數(shù)據。其二是檔案工作系統(tǒng)外部生成的檔案大數(shù)據。大數(shù)據時代，各行業(yè)均會產生許多結構化、半結構化和非結構化數(shù)據。如在高校，行政、黨群、教學科研、學生、基建、財會等不同業(yè)務系統(tǒng)均會產生大量的數(shù)據。只有一部分在線的、開放的大數(shù)據，因為存儲價值大于存儲成本，而被篩選為檔案集中管理起來，成為檔案大數(shù)據。絕大多數(shù)的數(shù)據只能分散保存在不同的業(yè)務管理系統(tǒng)里。

四、對檔案職業(yè)發(fā)展的影響

與大數(shù)據一樣，檔案大數(shù)據也是一種新的檔案思維分析方式和技術手段，它對檔案職業(yè)發(fā)展產生深遠影響。

1.促使檔案觀念變革。檔案大數(shù)據帶來檔案研究的思維革命。筆者認為,堅持大數(shù)據與檔案的無限漸近，是檔案大數(shù)據研究帶來的基本判斷,“一切歸檔”的“大檔案理念”強烈沖擊傳統(tǒng)檔案理論，促成檔案概念、特性、價值、安全、技術、利用等“檔案學術歸約的重建”[4]16，如文件生命周期理論在大數(shù)據動態(tài)環(huán)境中還有意義嗎？檔案利用服務的私密安全邊界能拓展到什么地步？電子檔案的動態(tài)性數(shù)據能否作為大數(shù)據保存？在線大數(shù)據如何作檔案性質判斷？怎樣控制檔案大數(shù)據的管理權限？等等。

檔案大數(shù)據研究還將改變傳統(tǒng)的檔案處理與管理思維，進一步促成檔案資源信息化、數(shù)據信息共享化、檔案服務網絡化、檔案管理技術化思維的樹立。

2.推動檔案技術進步。傳統(tǒng)的檔案技術已無法適應以數(shù)據關聯(lián)、組合創(chuàng)新為模式的檔案大數(shù)據需要?；诨ヂ?lián)網、云計算發(fā)展，在檔案大數(shù)據理論與實踐領域，實體檔案數(shù)字化、大數(shù)據倉庫構建、大數(shù)據資源攫取、數(shù)據存儲、智能知識挖掘分析檢索、離線與實時數(shù)據分析、大數(shù)據運維及云計算、數(shù)據層交換和高性能并發(fā)處理、數(shù)據安全管理等技術不斷應用，先進的檔案設施設備、智能化的檔案管理平臺不斷完善，檔案技術進步的軟、硬件環(huán)境更加夯實。

3.引領檔案服務創(chuàng)新。大數(shù)據時代，“檔案館的傳統(tǒng)業(yè)務將向檔案資源的數(shù)據分析、數(shù)據挖掘方向轉移，對大量數(shù)據的分析與處理將成為檔案館的主要業(yè)務”[5]7，檔案服務方式正從憑證服務升級為數(shù)據服務。檔案服務內容在增多，不僅提供所需要的檔案信息，實現(xiàn)檔案的傳統(tǒng)價值——信息價值，還要挖掘基于用戶需要的知識，實現(xiàn)檔案的“數(shù)據價值”[6]12。檔案服務對象在擴大，不僅面向檔案形成者、涉檔用戶，更要面向社會多元化用戶；檔案服務手段更加多元化，檔案服務朝著個性化、網絡化、開放性、智能化和交互式發(fā)展。檔案大數(shù)據要求加大檔案數(shù)據的公開與公布力度，創(chuàng)新檔案技術與服務手段，構建智能檔案館平臺，加大云服務建設，提高資源共享程度。

4.提升檔案科學管理。更加注重檔案數(shù)據標準化建設。為有效管理來源廣泛、結構各異的信息數(shù)據，要堅持“數(shù)字檔案資源格式統(tǒng)一、數(shù)據規(guī)范、長期可讀，便于共享”原則，積極制訂統(tǒng)一的檔案數(shù)據資源管理標準，引導規(guī)范各業(yè)務系統(tǒng)生成檔案數(shù)據。

更加注重檔案管理體制完善?！敖y(tǒng)一領導、分級管理”檔案管理模式是檔案工作的基本原則，極大保障了檔案事業(yè)持續(xù)發(fā)展。當然，這種模式也受到很多批評。受傳統(tǒng)檔案管理體制思維影響，檔案大數(shù)據研究主要圍繞檔案館這個組織實體進行。在大數(shù)據背景下，檔案數(shù)據產生、存儲、利用的多元性、便利性、實時性弱化了檔案館的保管實體地位，“數(shù)字檔案將越來越趨于由該檔案原始數(shù)據生產者進行動態(tài)管理與維護，并向其他社會組織或個人提供訪問服務”[4]16?！皺n案館主體”向“數(shù)據源主體”的轉變是檔案大數(shù)據的基本趨勢，這必然要求改革傳統(tǒng)檔案管理模式，探討“分類管理”、“分工管理”等模式，將“分級管理”無法觸及的檔案工作納入管理，加強各部門、行業(yè)的溝通與協(xié)調，提高資源共享的期待與責任。

更加注重檔案法制建設。將“依法治檔”融入“依法治國”戰(zhàn)略，用大數(shù)據思維來構建保障檔案數(shù)據的法規(guī)體系，重點規(guī)范檔案數(shù)據的生產、儲存、利用，合理界定數(shù)據安全、隱私保護、數(shù)據權益的邊界，非法使用數(shù)據的處理等。

更加注重檔案人才智力建設。大數(shù)據時代，檔案工作者不再局限于傳統(tǒng)的檔案專業(yè)人才，它要求更多的熟悉大數(shù)據知識與技術的數(shù)據工程師、數(shù)據分析師、高級管理師等數(shù)字技術人才加入檔案職業(yè)。當然，檔案管理部門的專長不在于大數(shù)據處理，創(chuàng)新“不為所有、但為所用”的人才智力模式，加大與專業(yè)的檔案數(shù)字化企業(yè)、大數(shù)據技術企業(yè)合作，利用其人才智力優(yōu)勢服務檔案大數(shù)據建設。

總之，檔案大數(shù)據不是顛覆檔案，而是發(fā)展檔案。它為檔案賦予了大數(shù)據時代特征，開啟了檔案職業(yè)發(fā)展的新方向。

[1]鄭金月.關于檔案與大數(shù)據關系問題的思辯[J].檔案學研究，2016（6）.

[2]國務院.促進大數(shù)據發(fā)展的行動綱要[Z].2015-09-05.

[3]于英香.檔案大數(shù)據研究熱的冷思考[J].檔案學通訊，2015（2）.

[4]葉大鳳等.當前檔案大數(shù)據研究的誤區(qū)與重點研究領域思考[J].北京檔案，2015（7）.

[5]周楓.大數(shù)據時代檔案館的特征及發(fā)展策略[J].檔案與建設，2013（8）.

[6]鄭金月.數(shù)據價值：大數(shù)據時代檔案價值的新發(fā)現(xiàn)[J].浙江檔案，2015（12）.

10.16565/j.cnki.1006-7744.2017.17.18

湖南省教育廳科研項目資助（項目編號16C1020）。

李彥，湖南師范大學檔案館講師，管理學碩士，研究方向為檔案管理。

G270.7

A

2017-04-12