檔案信息智能化利用：從數(shù)字化到數(shù)據(jù)化

陸國強/橫店集團控股有限公司檔案館

在計算機科學和互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的工業(yè)3.0社會，新一代的信息技術(shù)在生產(chǎn)生活領(lǐng)域的應用不斷深入，促使社會生活及不同行業(yè)的生產(chǎn)組織方式、工作流程等都發(fā)生了重大變革。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》中指出：“加快數(shù)字化發(fā)展，建設數(shù)字中國”“以數(shù)字轉(zhuǎn)型整體驅(qū)動生產(chǎn)方式、生活方式和治理方式的變革”[1]。這表明中共中央國務院在戰(zhàn)略上高度重視社會的數(shù)字化轉(zhuǎn)型與新時代背景下的數(shù)字化建設，各行業(yè)的數(shù)字化轉(zhuǎn)型工作是建設中國特色社會主義現(xiàn)代化的重要組成部分。與此同時，檔案數(shù)字化建設也開始被廣泛關(guān)注，《“十四五”全國檔案事業(yè)發(fā)展規(guī)劃》指出：“新一代信息技術(shù)廣泛應用，檔案工作環(huán)境、對象、內(nèi)容發(fā)生巨大變化，迫切要求創(chuàng)新檔案工作理念、方法、模式，加快全面數(shù)字轉(zhuǎn)型和智能升級?！盵2]由此可見，檔案工作的數(shù)字化轉(zhuǎn)型是數(shù)字中國建設的必然要求。同時也是檔案管理事業(yè)進一步發(fā)展的必由之路。在檔案管理的對象和方式發(fā)生巨變的情況下，怎樣在數(shù)字化建設的基礎上，進一步提高檔案資源利用效率，怎樣將大數(shù)據(jù)、區(qū)塊鏈、云計算等互聯(lián)網(wǎng)技術(shù)整合統(tǒng)一進檔案數(shù)據(jù)化管理，以實現(xiàn)檔案資源數(shù)據(jù)化利用、轉(zhuǎn)存和共享等，是我們亟需思考的問題。學者趙躍認為大數(shù)據(jù)背景下檔案管理數(shù)據(jù)化是檔案數(shù)字化的新階段，認為“檔案數(shù)據(jù)化”是檔案部門以用戶、業(yè)務需要為導向，將數(shù)字檔案資源轉(zhuǎn)換為可閱讀、分析和處理的檔案數(shù)據(jù)資源的過程[3]；學者王小云提出檔案信息與檔案載體以數(shù)據(jù)化表達形成分離，從而實現(xiàn)檔案信息的確定性、獨立性以及可交換性，檔案數(shù)據(jù)化是檔案信息價值進一步被挖掘的前提[4]。各位學者對檔案數(shù)據(jù)化的具體定義不盡相同，就學界對檔案數(shù)據(jù)化研究的共識而言，檔案數(shù)據(jù)化對新形勢新時代背景下的檔案工作轉(zhuǎn)型與發(fā)展都有著重要的意義。

筆者認為檔案數(shù)字化轉(zhuǎn)型在面對新興計算機技術(shù)的背景下，對檔案資源進行數(shù)據(jù)化處理，降低檔案數(shù)據(jù)的顆粒度，是檔案數(shù)字化建設的發(fā)展方向。在梳理檔案的數(shù)字化與數(shù)據(jù)化概念的聯(lián)系和區(qū)別的基礎上，本文嘗試分析檔案數(shù)據(jù)化過程中的難點和堵點，并提出檔案數(shù)據(jù)化的策略與建議，以促進檔案信息資源的深度開發(fā)，推動檔案管理現(xiàn)代化事業(yè)的高質(zhì)量發(fā)展。

1 檔案的數(shù)字化與數(shù)據(jù)化

數(shù)字化概念自20世紀90年代被提出來[5]，經(jīng)過30多年的發(fā)展，檔案管理的數(shù)字化轉(zhuǎn)型建設已經(jīng)取得了長足的進步。以浙江省為例：自“數(shù)字浙江”建設開展以來，全省檔案館貫徹落實 “檔案登記備份戰(zhàn)略”，開展室藏重要檔案數(shù)字備份，目前全省已完成80% 以上存量館藏檔案數(shù)字化。全面開展政務服務等重點領(lǐng)域的電子化歸檔工作，提出政務大數(shù)據(jù)歸檔管理的基本思路和實施路徑，研發(fā)部署全省政務數(shù)據(jù)歸檔交換平臺，同時接入各類業(yè)務系統(tǒng)（含浙江政務服務網(wǎng)和市統(tǒng)建的政務服務網(wǎng)）221個，其中接入省級平臺34個，目前累計電子歸檔達1億件[6]。由此可見，檔案數(shù)字化工作主要可以分成兩個部分內(nèi)容：一是對已形成的紙質(zhì)檔案的數(shù)字化轉(zhuǎn)換及對正在形成的文件的電子化歸檔，建立檔案目錄數(shù)據(jù)庫和檔案全文檢索數(shù)據(jù)庫；二是針對檔案管理工作的各個環(huán)節(jié)的數(shù)字化改造。

檔案管理的根本目的是實現(xiàn)更好地利用檔案資源中的海量信息，為領(lǐng)導決策、社會各方面提供有效利用服務提供輔助。數(shù)字化管理一體化平臺及檔案資源管理的數(shù)字化建設的逐步推進，將是實現(xiàn)檔案資源利用從傳統(tǒng)的紙媒閱讀利用轉(zhuǎn)變?yōu)榫殧?shù)據(jù)利用的基礎[7]。檔案數(shù)據(jù)化的核心在于進一步細化電子化檔案的信息顆粒度，使得信息顆粒度重組為計算機可識別語義的精細化數(shù)據(jù)，目的在于充分挖掘和利用數(shù)字化的檔案信息資源。

檔案數(shù)字化轉(zhuǎn)型過程中針對檔案資源的數(shù)字化提法，實際上采用的是“二進制語言數(shù)據(jù)”的定義，將原有的檔案資源利用OCR文字識別技術(shù)將紙質(zhì)檔案的文字內(nèi)容轉(zhuǎn)換成數(shù)字化版本，同時進行元數(shù)據(jù)的著錄；而檔案數(shù)據(jù)化概念本身還有數(shù)值型數(shù)據(jù)、原料型數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)的區(qū)別[8]。檔案數(shù)據(jù)化是對檔案數(shù)字化更進一步的細分，核心要素是利用計算機技術(shù)連同數(shù)據(jù)科學降低檔案信息的顆粒度，解決傳統(tǒng)檔案管理過程中 “粗放”“碎片化”“信息單一”等問題，并在實現(xiàn)智能化管理精細化信息資源的同時，由原來的邏輯型數(shù)據(jù)庫提供簡單的信息查閱、利用方式，轉(zhuǎn)變?yōu)橛上嚓P(guān)性主導的大數(shù)據(jù)關(guān)聯(lián)模式。

可見，檔案數(shù)字化概念有廣義和狹義之分。廣義的檔案數(shù)字化涵蓋檔案數(shù)字化和檔案數(shù)據(jù)化，不同的階段有不同的側(cè)重。狹義的檔案數(shù)字化是形成數(shù)字化檔案的過程,數(shù)字化檔案只是檔案數(shù)字形式復制品，而檔案數(shù)據(jù)化是檔案管理部門面對人工智能時代的精準化、智能化服務需求，致力于解決檔案內(nèi)容信息碎片化問題，構(gòu)建多元主體協(xié)同參與的檔案數(shù)據(jù)生態(tài)，推動粗粒度檔案文檔服務向細粒度、智能化檔案數(shù)據(jù)服務轉(zhuǎn)型。

2 推進檔案數(shù)據(jù)化的難點

就檔案管理數(shù)字化建設的成果來看，當前的檔案管理數(shù)字化主要集中在檔案資源由原來的傳統(tǒng)載體轉(zhuǎn)變?yōu)閿?shù)字載體，檔案的收集、管理由傳統(tǒng)的紙媒文件收集保管轉(zhuǎn)變?yōu)殡娮游臋n的自動收集歸檔，但在對已實現(xiàn)的數(shù)字化檔案資源利用方面，并沒有取得突破性的進展。問題主要集中在還未實現(xiàn)計算機可讀、可理解的數(shù)據(jù)粒度層級管理與開發(fā)，尤其是研究型用戶全面多元的利用需求仍無法被滿足[9]。我們說，檔案數(shù)據(jù)化是檔案數(shù)字化建設中的“高級階段”，而檔案資源數(shù)字化后要實現(xiàn)數(shù)據(jù)化利用，則關(guān)鍵在于如何降低數(shù)字檔案的信息顆粒度，實現(xiàn)計算機可識別，這是推進檔案數(shù)據(jù)化工作，實現(xiàn)檔案利用朝精細化、智能化方向發(fā)展的難點和堵點。目前要推動檔案數(shù)據(jù)化工作，主要面臨以下困境：

2.1 新形勢與傳統(tǒng)檔案管理思維的沖突

傳統(tǒng)的檔案管理思維主要強調(diào)“收得齊、管得好”，小而全的傳統(tǒng)檔案思維延伸出檔案開放問題決策上的保守傾向，對于數(shù)據(jù)化利用來說，檔案資源的開放是智能化利用的前提和基礎。此外，由于長久以來的檔案管理工作過多地強調(diào)檔案的保密性，檔案的開放與共享容易受到“多做多錯，封閉安全”的保守思維的影響，因此“怎么用”這一環(huán)節(jié)似乎只停留在檔案查閱和編研階段。然而在數(shù)據(jù)化時代中，海量的檔案都是可被串聯(lián)成具有相關(guān)性的信息資源，可以做到檔案信息利用的“精確化”和“智能化”。

2.2 技術(shù)支撐不足，復合型人才缺乏

現(xiàn)有的檔案數(shù)字化工作主要依賴于OCR文字識別技術(shù)，但由于年代、個人字跡、語言習慣、語種、印刷方式等等諸多原因的影響，OCR識別成功率雖然一直在穩(wěn)步提高，但實際上仍有一些無法被識別的文件需要人工轉(zhuǎn)譯。其次是對其他載體，例如照片、錄音、圖像等傳統(tǒng)概念中已經(jīng)“數(shù)字化”的檔案進行數(shù)據(jù)化提取的難度較大，甚至可以說，并沒有一個普遍適用的方案可以解決這一問題。再次，對已形成的數(shù)字化檔案進行歸檔過程如何保證電子檔案的“四性”，主要是真實性、完整性、可用性、安全性等，如何使用技術(shù)手段進行保證，似乎有許多方案，但究竟哪種方案更好，更具有一般性，更值得推廣，并沒有定論。同時對已實現(xiàn)數(shù)字化的檔案資源，數(shù)字化向數(shù)據(jù)化轉(zhuǎn)換程度較低，數(shù)據(jù)化利用程度不高。要進行數(shù)據(jù)化利用，原有的以檔案邏輯關(guān)系為主導的數(shù)據(jù)庫并不能做到檔案信息的智能化管理和利用。這一困境反映出的更深層的問題在于，客觀上檔案管理人員普遍存在學歷水平還不夠高，學術(shù)背景單一等問題，對于高學歷和擁有計算機科學、數(shù)據(jù)科學背景的檔案管理人才嚴重缺乏，在技術(shù)和發(fā)展?jié)摿ι铣钢鈾n案數(shù)據(jù)化工作的推進。

2.3 統(tǒng)籌依賴嚴重，自我推進動力不足

政策導向和檔案事業(yè)管理規(guī)劃一直是檔案事業(yè)發(fā)展的重要動力。盡管在宏觀層面上，國家對“數(shù)字化”建設足夠重視，2021年《“十四五”全國檔案事業(yè)發(fā)展規(guī)劃》上指明“檔案信息化建設進一步融入數(shù)字中國建設，新一代信息技術(shù)在檔案工作中的應用更為廣泛，信息化與檔案事業(yè)各項工作深度融合，檔案管理數(shù)字化、智能化水平得到提升，檔案工作基本實現(xiàn)數(shù)字轉(zhuǎn)型。”然而如何真正實現(xiàn)檔案資源數(shù)據(jù)化、智慧化利用，國家層面缺乏頂層設計、統(tǒng)籌安排和政策引導，各級各類檔案館對于推進檔案數(shù)字化缺乏積極性與主動性。從檔案管理數(shù)據(jù)化推進工作來說，管理決策層缺乏對檔案數(shù)據(jù)化建設的認識，對檔案管理數(shù)據(jù)化的人力物力支持都比較薄弱。因此，檔案管理部門在數(shù)據(jù)化建設上存在起步晚、起點低、發(fā)展動力不足等困境。

3 推進檔案數(shù)據(jù)化的策略

面對檔案管理新形勢下產(chǎn)生的新問題，就要用新思維新技術(shù)去解決。筆者認為主要可從“思維轉(zhuǎn)變”“技術(shù)利用”“政策引領(lǐng)，項目推進”等角度嘗試推進檔案數(shù)據(jù)化工作。

3.1 檔案管理思維轉(zhuǎn)變

要推進檔案數(shù)據(jù)化工作，首先要求檔案工作者摒棄不敢開放的保守思維和“小而全”的資源獨占思維，推動“存取”思維向“開發(fā)”思維的轉(zhuǎn)變、數(shù)字化思維向數(shù)據(jù)化思維的轉(zhuǎn)變[10]。著眼于數(shù)據(jù)時代的社會需求與用戶需求的變化，通過數(shù)據(jù)化以及智慧檔案建設來推進檔案開放利用的深度與廣度，提升檔案業(yè)務工作智能化水平，面向未來、面向社會積極尋求新的職能拓展與服務轉(zhuǎn)型，這就要求檔案管理部門在掌握海量檔案資源的基礎上，將原先的“存取”思維優(yōu)先轉(zhuǎn)換成“開發(fā)”思維，這是檔案資源進行數(shù)據(jù)化利用的第一步。其次，對于已經(jīng)開展數(shù)字化工作并取得一定成績的檔案管理部門，要著眼于檔案“數(shù)字化”向“數(shù)據(jù)化”利用思維的轉(zhuǎn)變，可以說檔案資源的數(shù)據(jù)化利用是順應社會發(fā)展潮流，符合檔案管理科學發(fā)展規(guī)律的必然趨勢。

3.2 政策引領(lǐng)與項目推進并重

在我國檔案事業(yè)改革與轉(zhuǎn)型的十字路口，國家檔案局等各級檔案事業(yè)管理部門需要對檔案數(shù)據(jù)化的發(fā)展前景有清晰的認識，統(tǒng)籌推進全國智慧檔案建設工作。建立健全檔案數(shù)字化建設標準，出臺實施細則。同時，地方基層檔案機構(gòu)也要努力尋求檔案工作與大數(shù)據(jù)戰(zhàn)略以及智慧社會發(fā)展的融合，通過一時一地的具體項目數(shù)字化建設和數(shù)據(jù)化應用契機，推動檔案數(shù)據(jù)化建設進程，實現(xiàn)宏觀上跟著政策走，具體實踐過程中也有充分的發(fā)展動力。

3.3 人才興檔與技術(shù)應用

一方面要積極尋求復合型檔案管理人才，檔案管理人員的學科背景最好結(jié)合計算機科學、互聯(lián)網(wǎng)技術(shù)與數(shù)據(jù)科學等理工學科。通過相應的學科特點發(fā)揮檔案管理數(shù)據(jù)化建設的積極性。通過人才集聚效應，爭取管理部門對檔案數(shù)據(jù)化建設的重視，獲得更多的財政支持。由人才帶動，政策引領(lǐng)的方式形成“破圈”效應，不僅要在檔案管理學界破圈，更要將檔案數(shù)據(jù)化利用后的檔案精細檢索、智能檢索推向社會各行業(yè)，在多方面形成良性循環(huán)互助推動。一方面，地方檔案館要充當排頭兵，將檔案數(shù)據(jù)化工作過程中形成的可行推進路徑規(guī)范化，形成編寫檔案數(shù)據(jù)化標準與指南的參考案例。另一方面，要通過人才建設的方式，引入新興技術(shù)以解決檔案工作中現(xiàn)有的難題。例如針對傳統(tǒng)的數(shù)據(jù)庫服務器在面對增量巨大存量日增的檔案數(shù)據(jù)時出現(xiàn)的依賴網(wǎng)絡帶寬、資源調(diào)動速度緩慢、物理數(shù)據(jù)中心維護成本過高、現(xiàn)有的OCR文字識別技術(shù)無法有效降低檔案數(shù)據(jù)顆粒度等問題，可以引入云計算、區(qū)塊鏈、人工智能和大數(shù)據(jù)相關(guān)技術(shù)。通過整合一系列新興技術(shù)，不僅在檔案信息的安全保密基礎上實現(xiàn)檔案數(shù)據(jù)化利用，而且可以進一步實現(xiàn)“智慧檔案”管理，更可以根據(jù)需要快速啟動檔案資源，節(jié)約存儲成本以及共享難度，并且通過整合檔案數(shù)據(jù)后形成數(shù)據(jù)湖，依靠大數(shù)據(jù)技術(shù)實現(xiàn)對現(xiàn)有檔案數(shù)據(jù)進行條目之間的相關(guān)性分析、項目可行性分析、更精準地預計投入產(chǎn)出比等，真正做到精細化智能化利用檔案數(shù)據(jù)，對單位決策提供幫助。

總的來說，檔案數(shù)字化轉(zhuǎn)型與數(shù)據(jù)化建設各有側(cè)重點，檔案數(shù)字化注重檔案的基礎工作環(huán)節(jié)的數(shù)字化轉(zhuǎn)變，而檔案數(shù)據(jù)化則更強調(diào)對檔案資源的數(shù)據(jù)化分析利用。未來是“數(shù)據(jù)為王”的時代，隨著計算機技術(shù)的快速發(fā)展，對檔案資源的數(shù)據(jù)化利用是檔案管理事業(yè)跟上時代潮流的必由之路，也是檔案管理事業(yè)發(fā)展的必然要求。因此，針對當前存在的三大困境：思維保守、技術(shù)落后、發(fā)展動力不足等，本文從宏觀角度提出了相應的策略，為檔案事業(yè)管理部門提供參考，以期檔案管理部門能抓住轉(zhuǎn)型與改革的契機，推動檔案資源數(shù)據(jù)化進程，實現(xiàn)創(chuàng)新檔案管理技術(shù)和服務的智能化，數(shù)字檔案資源數(shù)據(jù)化，最終實現(xiàn)檔案資源利用成果最大化。