基于大数据技术的图书馆信息服务策略研究
来源:用户上传
作者:孙尊芳
摘 要：大数据技术是为构架洞察力强、过程优化强、智慧决策力强的信息服务体系，而对一系列数据展开捕捉、识别、处理、归纳的操作手段，在大数据技术、云计算支撐下，能在挖掘相关数据信息时，判断读者的阅读习惯、阅读频率、阅读偏好等，鉴于此，帮助图书馆展开一系列运维工作，本文首先分析大数据技术下，图书馆信息服务策略应用方向，之后就如何有效的运用大数据技术展开策略探究，以期为读者提供更佳的信息服务。
关键词：大数据 应用方向 应用策略
与抽样调查不同，大数据技术更能反映事物的真值，但相较来看，数据处理量庞大，需要分布式计算机，对各类信息数据资产展开挖掘工作，整体来看，大数据技术是为优化信息服务体系，或是总结归纳某种趋势，发现某种潜在风险，其往往存在目的性、关联性、导向性，在以大数据技术，强化图书馆信息服务策略上，需要侧重把握应用方向，并以此有效运用大数据技术。
1 大数据技术下图书馆信息服务策略应用方向
1.1 与读者需求有效关联
伴随着时代的发展，读者的需求呈现多样化发展趋势，除了要求阅读工具更加便捷外，在阅读时间、阅读偏好、阅读频率等方面都发生很多变化，有效把握读者需求，可以保证图书馆信息服务质量，因而展开大数据分析时，应当对读者需求展开侧重把握。
1.2 与图书馆管理有效关联
图书馆内部包括大量图书、资料，类别上有小说、文献资料、工具书等，在展开采购、分类、借阅、收回等过程中，往往会产生大量的工作任务，为有效简化工作难度，有必要对图书馆内的各类数据展开分析，帮助决策层深入把握图书馆管理方向，以此增强图书馆信息服务的工作效能。
1.3 与图书馆持续发展有效管理
科学技术、信息化理念、智能设备、VR技术等的出现，将会极大的改变图书馆运维方式，信息服务策略也将产生很大的差异，迎合未来发展下，改进图书馆未来发展发展方向，不仅能有效的构架图书馆运作智能服务体系，还可为读者提供沉浸式、趣味化、便捷化的信息服务平台，有力的激发读者的阅读兴趣。
2 大数据技术应用策略
鉴于读者需求、图书馆运作需求、未来发展需求，在构架大数据背景下的图书馆信息服务体系时，需要以此为导向，展开信息源、ETL处理、数据库、智能分析引擎、前端整合分析、自主分析或智能导出一系列步骤[1]。
2.1 信息源
信息源是大数据的采集来源。基于读者需求上，主要是对读者与图书馆互动产生的阅读时间、阅读类别、借阅周期、借阅频率等数据展开综合收集工作，采集方向可以是管理员的借阅管理系统、读者图书证个人信息系统，考虑到信息化背景下，图书馆APP等层出不穷，因而还可以从后台管理中，收集用户的浏览记录、下载类别等，以此对用户数据展开综合收集工作;基于图书馆运作需求，主要是针对图书管理、人员管理、服务效能等数据展开收集工作，主要包括读者点评数据、图书采购数据、图书损坏数据、人员绩效等，以此综合评价图书馆运作过程出现的人员工作积极性不佳、图书丢失破损、线上平台网络安全等问题，有针对性做出改进的同时，也能进一步的为读者提供优质服务;基于未来发展来看，图书馆运作有赖于读者的阅读兴趣，并借助此，以更加高效、趣味化的手段传递相关知识，因而，收集相关文献资料、改进策略，或是跟进图书资料处理技术，能够行之有效的找到图书馆未来化发展资料，因而，为促进图书馆信息服务体系能具备更高效能，图书馆改革趋势也可作为信息源[2]。
例如，将读者与图书馆互动产生的数据纳入到信息源后，图书馆可以在大数据分析下，了解到读者的偏好，若是大学生，可能是论文写作素材、英文原著、论文资料等，在展开相关采购活动时，就可以侧重该方面书籍，为读者提供更加优质的服务，将图书馆运作数据纳入到考量范畴内，就可以在识别到的某方面书籍经常产生破损、遗失等现象，并展开总结后，根据形成成因，加大图书追回、处罚、采购力度等，将图书馆未来发展数据纳入到考量范畴内，管理人员就可以提前思考VR技术等的应用，这对保证图书馆变革活力存在较多裨益。
2.2 ETL处理
RTL处理包括清洗、加载、转换、抽取，可在全方位收集数据的情况下，对杂乱、无效、缺失等的数据展开初加工工作，旨在为具体的分析目标提供分析依据。基于读者数据来看，可以从凌乱的数据中抽取姓名、单位、阅读记录、阅读时间等完整的数据块，随后清除缺失或是无效数据，最后加载到数据库中，图书馆数据可以是根据交易记录、财务报表、人员编制等，未来发展数据可以是以发展趋势等关键词，大范围收集文献资料、科研成果、服务公司等，收集后展开清洗、抽取、转换、加载工作。
2.3 数据仓库
数据仓库是按照既定主题组织有关数据，并方便调取的媒介，可以经由RTL处理的加载工序，将处理后的加载到数据仓库中，是大量数据与分析引擎之间的中介，可有效节省分析次数，并能从宏观视角，挖掘数据特征。
2.4 智能引擎
可以借助Spider引擎等，从数据仓库中抽取有关数据，介于后续分析目标下，对数据仓库内信息展开针对性抽取工作，面对读者行为时，可以是单一的收集浏览图书类别、某类别图书浏览频率、上次浏览类比等，数据粒度更小，方便统筹分析，或是展开及时推荐等[3]。
2.5 前端整合分析
从数据仓库抽取后，可以按照既定目标，对一连串的数据展开整合工作，以更加直观的形式展现数据特征，简单的来说，前端整合分析是将精简化、有序化、针对化的数据有效的组织起来，方便导出分析报告，或形成管理人员直观观察的报表，是降低人工参与任务量的智能整合阶段。
例如，经由引擎抓取数据仓库中各个类别图书破损数据，并导入前端整合分析后，就可以将此类数据整合成“类别”与“破损数量”相对应的表格，或是折线、条形、扇形统计图。
2.6 自主分析或智能导出
该阶段是人工处理，或是直接导出图形文件，在该阶段上，操作人员可以直观的判断数据特征，汇编报告书，或将数特征纳入到图书馆信息服务改良计划中，有效支持图书馆信息服务体系完善工作。
例如，可以在自动抓取图书馆相关研究的“关键词”数据，并输出、整合后，管理人员就可以评价当下图书馆的改进措施，可以是APP、数字化、个性化、VR、智能检索服务平台等，借助此，管理人员结合自身需要，对图书馆做出改进工作，将大幅度改良图书馆信息服务效能。
3 结语
整体来看，传统图书馆管理办法日益无法满足读者个性化需求，同时也无法高效运作、迎合未来发展，基于大数据技术背景完善图书馆信息服务体系，可以结合读者需求，强化服务质量，结合图书馆管理，间接增强服务质量，结合持续发展，间接强化服务质量，具体应用时，可展开信息源、ETL处理、数据库、智能分析引擎、前端整合分析、自主分析或智能导出一系列步骤。
参考文献
[1] 程结晶.大数据时代图书馆服务创新的内容及其策略研究[J].情报理论与实践，2016（3）：57-62.
[2] 杨帆，张红，薛尧予.基于核心业务系统的图书馆大数据平台构建策略研究[J].图书馆学研究，2017（6）：40-44，88.
[3] 杨艳.基于大数据的数字图书馆信息服务研究[J].数字技术与应用，2015（7）：66-67.
转载注明来源:https://www.xzbu.com/1/view-15185365.htm
