大數據時代情報學面臨的挑戰和機遇

摘要：隨著大數據時代的來臨，大數據吸引了包括政府、企業等在內的多方關注，被稱為是下一個社會發展階段的“金礦”和“石油”，具有催生社會變革的能量。面對大數據的興起為情報學領域帶來新機遇的同時帶來的極大挑戰，傳統的情報分析已經不足以對高速生產的、多種類型的、海量的數據進行有效處理與分析。本文針對大數據時代情報學面臨的挑戰進行分析，提出了情報學在大數據時代發展的機遇。

關鍵詞：大數據;情報學;挑戰;機遇

大數據，顧名思義是大規模的數據集，但它又不僅僅是一個簡單的數量的概念，IBM公司指出，大數據的特點是4個V：Volume（大量）、Velocity（高速）、Variety（多樣）及Veracity（真實），它提供了在新的和正在出現的數據和內容中洞悉事物的機會，使業務更加靈活，并回答以往沒有考慮到的問題[1]。Gartner公司的報告也提出，大數據是大容量、高速和多樣化的信息資產，它們需要新的處理方式，以提高決策能力、洞察力和流租優化[2]。圖書館正在從信息時代向數據時代進行過渡，并伴隨著資源的全面數字化、富媒體化以及開放共享政策的不斷完善，爆炸式增長的數據資源為傳統的情報分析提出了極其嚴峻的挑戰，新的情報分析手段亟待解決，從數據時代到計算時代的轉變已經悄然提上議程[3]。21世紀情報學的發展，離不開多學科的交叉融合，唯有在理論與實踐不斷的碰撞中，才能為情報學提供創新型的發展思路與更為廣闊的發展前景。所以大數據時代對于各個學科的要求都提高了很多，對于情報學專業 而言，大數據時代同樣帶來了很多挑戰和機遇。

一、大數據時代情報學面臨的挑戰

大數據的研究價值可以她美“石油”，但如何進行挖掘與開采其價值，一直都是難點。

首先，海量數據將會為情報分析提供前所木有的有價值的信息，但與此同時，這些資料之間的關聯程度也是海量的。如果有一批更新速度極快的多樣真實的大量數據。將這批數據看作一個整體。每個單獨的數據看作是整體的一個組成部分，這些組成部分之間毫不相關，數據彼此很孤立，數據間的關系不消晰很難捉摸，看上去并不像一個整體，相反地更像是一盤散沙。這種零散的海量數據之間的關系斷裂其關聯程度很低。也就導致其含金量減少，不能形成所謂的“大數據”。如何對龐雜的數據進行分析，發掘看似“雜亂無章”的數據之間的關聯，是一大挑戰，當前情報分析中僅有極小的一部分數據被整合、分析、利用并且發掘出其中內涵與價值，大部分數據仍是尚未開發利用的。

其次，大數據同時還具有“高速”的特征，即其生產速度極快，而傳統的情報分析很大程度上是不能做到完全白動分析的，必須要有人工的參與才能進行，如何將情報分析過程實現完全自動化，也是大數據對于情報分析提出的嚴峻挑戰。

最后，大數據的“多樣性”表征除了以前在情報分析的利用較多的結構化數據外，非結構化數據也在其中占有相當大的比例，例如文本、音頻、視頻等很多形式的數據，這是未來情報分析中非常重要且不可忽視的部分，將其他的富媒體化數據納入情報分析的范疇，將會極大地豐富情報分析的內容與提高情報分析質量，但同時，由于情報工作者要挖掘的某些規律可能隱含在各種形式的數據中，而同一種形式的數據又有可能含有很多規律，如此一來，大數據時代就要求情報工作人員的統籌兼顧，不能漏過任何一種類型的數據。

二、大數據時代情報學的機遇

大數據時代的來臨，無疑是為情報學的學科發展創造了契機。情報學還是一個比較年輕的學科。大數據時代的到來也顯示出情報學的“年輕”之處，如何將情報學進行完善，如何讓情報學走向成熟這都將會在大數據時代中找到解決的機遇。

首先，大數據環境下的情報實踐將在智慧化、精準化方面取得重大發展。傳統的情報實踐多在經過反復驗證的模型指導下開展，然而環境的發展并不能完全保證根據以往經驗得到的模型的準確性，大數據環境下的情報實踐則改變這種方式，以數據為核心開展，其精準化將得到空前的發展。例如，美國政治類輿情分析專家Nate Silver從2008年開始利用大數據分析美國總統大選，連續兩次準確地預測了選舉結果，2012年的大選中NateSilver精準地預測了美國50個州的得票率[4]。

其次，大數據環境下的情報應用價值將在深度和廣度上取得突破。從情報應用的角度來看，大數據工作與“事實數據+工具方法+專家智慧”的情報方法有很大程度上的相似性，在傳統的情報研究中，情報應用在范圍上分成了不同的業務范圍，科技情報、競爭情報、圖書情報、公共情報工作之間的界限明顯，政府信息中心、統計部門、智庫、高校等情報工作主體之間的情報研究相互割裂，導致情報機構和情報產品存在相互重復和缺口，影響了情報應用整體效能的提升;雖然情報應用的主要目標是服務于決策，然而在實際的決策過程中卻難以支撐起有效的決策支持工作。

再次，將完善學科技術和方法。大數據時代，無論是數據量還是數據類型，都要求情報學這一學科對于自身的技術和研究方法進行一次變革和完善，以往的技術不能解決的問題，在大數據時代的今天將會得到解決;以往的方法不能研究的問題，在大數據時代也將得到研究，這也是技術和方法的升華。大數據時代的到來，可以為情報學這一學科提供更強有力的數據處理分析工具和方法。

最后，情報學將會更加受到重視。很多人曾經認為沒有必要設置情報學專業，甚至有人將情報學列入 20 個無用的專業之一。但是在大數據時代，任何一個行業想在海量數據中進行“淘金”，都需要情報工作人員的介入，事實驗證情報學的一些比較成熟的研究方法是其他專業不能比擬的，在情報學對數據挖掘的能力面前，曾經看著無用的垃圾信息將會是揭示某種規律的關鍵性信息。情報學專業在大數據時代應該抓住機遇展現自身的優勢，順應潮流發展，讓更多的人看到情報學專業的閃光點。進一步對學科建設進行完善、使情報：無分的與數學、經濟學、心理學等其他學科結合起來。從而使情報學更為成熟，成為數據挖掘和數據分析中的領頭羊。

參考文獻

[1]What is big data？[EB/OL.].[2012-09-06].http：/wwwi01.ibm.com/software/data/biglata/.

[2]Big data in little New Zealand[EB/OL].[2012-09-06]http：//www.techday.co.nz/itlbriel/news/big-lata-in-litle-new-zealand/24518/.

[3]張曉林.顛覆性變革與后圖書館時代———推動知識服務的供給側結構性改[J].中國圖書館學報，2018 （1）：4-16.

[4]Daniel T.Obama’s win a big vindication for Nate Silver，king of the quants[EB/OL].[2016-11-6].https：//www.cnet.com/news/obamas-win-a-big-vindication-for-nate-silver-king-of-the-quants/.

作者簡介：郭佳璐（1997-），女，內蒙古巴彥淖爾人，河北大學管理學院本科在讀，研究方向：信息管理與信息系統。