大數據時代基于可視化分析的檔案利用與服務研究
——以中山大學2018年度檔案利用數據分析為例?

舒忠梅

（中山大學檔案館 廣州 510275）

0 引言

檔案作為一種真實、可靠、兼具憑證性與權威性的信息資源，正日益成為國家治理和公共服務必不可少的重要組成部分[1]。在大數據時代，積極探索檔案資源利用的方式方法，充分發揮檔案數據的資政和憑證作用，提升檔案工作的質量和效率，做好檔案利用和服務[2]-[3]，已成為檔案管理工作的重要任務。

在國家宏觀政策指引下，各級政府和企事業單位近年來積極投入數字檔案館的資源體系和應用系統建設，開展全流程網絡化檔案管理與服務支持，目前已積聚海量檔案數據。但如何從這些數據中篩選出有價值的檔案信息、更好地提供檔案服務是亟待解決的問題。由于目前缺少有效分析挖掘數據價值的方法和技術應用，檔案海量數據的價值尚未充分挖掘出來[4]。本研究將檔案數據和大數據技術相結合，以檔案利用數據為研究對象，采用可視化分析技術，對檔案利用數據進行深入挖掘分析，探索檔案管理與大數據行動的融合，構建檔案智能服務策略、模型和體系。

1 大數據時代檔案利用服務現狀

1.1 國家戰略政策形勢分析

從國際上看，西方國家紛紛推出檔案共享服務計劃，例如，2011年起美國頒布《政府文件管理》、《管理政府文件指令》、《聯邦文件問責法》等一系列重大政策與戰略部署；美國國家檔案館網站面向公眾提供檔案信息社會化共享的服務平臺,為不同層次、不同需求以及不同類型的用戶提供了適合自身的訪問方式；英國2003年建立英國政府網站檔案館，保存網站檔案90TB、25億網頁，通過“訪問檔案”項目為用戶提供極其豐富的檔案資源服務，點擊量數十億次。澳大利亞2012年頒布《政府數字轉型戰略》推動數字文件管理；2014年《數字連續型2020政策》樹立新目標。

從國內來看，2009年，馮惠玲教授研究團隊提出“電子文件管理國家戰略”，自上而下、以“科學管理、無紙應用”為重點，系統性推進各領域的無紙化、憑證化應用。2014年，國務院在《關于加強和改進新形勢下檔案工作的意見》中，針對“如何建立健全方便人民群眾的檔案利用體系”問題，指出“主動開發檔案資源，積極提供檔案信息服務”。2015年，國務院發布《促進大數據發展行動綱要》，提出“數據已成為國家基礎性戰略資源……全面推進我國大數據發展和應用，加快建設數據強國……”。2016年，國家檔案局在《全國檔案事業發展“十三五”規劃綱要》中，明確“國家大數據發展戰略和‘互聯網＋’行動計劃的推進將深刻影響檔案工作的理念、技術、方法及模式”。這些戰略舉措為我國大數據時代的數字檔案資源整合與服務帶來了新思維、新方式、新資源、新基礎設施、新能力和新權利等方面的機遇與挑戰[5]。

綜上所述，國內外檔案管理數字轉型大勢所趨，大數據背景下的檔案利用與服務亦成為關注熱點。大數據技術對檔案利用服務產生了深刻影響，檔案利用服務的理念和導向、形態和趨勢、環境和方式均發生顯著變化[6]。

1.2 文獻研究現狀分析

為明確本文選題的必要性和創新性，筆者先做中英文相關文獻研究。檢索時間范圍不限，在中文文獻方面，分別以檢索式（1）“‘篇名=大數據’并含‘篇名=檔案利用’且‘篇名=分析’”，和檢索式（2）“‘篇名=大數據’并含‘篇名=檔案服務’且‘篇名=分析’”，在知網全文數據庫和人大文庫中進行模糊檢索，共命中11篇中文文獻。在英文文獻方面，分別以檢索式（TI：（big data））AND（TI：（archive use）），（TI：（big data））AND（TI：（archive service）），（TI：（big data））AND（TI：（archive reference））在Web of Science和Emerald期刊檢索，共命中5篇外文文獻。由此可見，國內外相關研究在數量上較為有限。

在研究內容方面，國內外文獻主要探討大數據背景下檔案利用服務問題、分析檔案利用服務的特點和利用主體的特點[6]，對檔案利用影響因素[7]和利用模型[8]進行探索。

在研究方法方面，已有研究大多從理論上探討檔案資源和服務體系構建等，較少對檔案利用特征進行剖析；雖在理論層面對大數據時代的檔案利用服務特點略有涉及卻似“蜻蜓點水”不夠深入，且缺乏具體的案例數據及其分析支撐。

在借鑒已有成果基礎上，筆者從案例分析視角，依托中山大學2018年度檔案利用數據，進行多維視角的檔案利用資源可視化挖掘和實證分析，以滿足日漸增長的新型檔案服務需求，實現主動式、精準的檔案服務，構建智能服務體系。

2 檔案利用數據的可視化分析案例

由于檔案資源及其價值實現的特殊性，該領域的用戶需求分析不容易展開。大多數檔案服務機構目前仍停留在關注檔案資源內容的建設上，卻較少剖析檔案用戶的利用形式和行為習慣等個性化需求。從少有的檔案利用記錄日志來看，它們主要以不能直接利用的“大數據”形態存在，需要對其進行清洗加工、統計分析和多維挖掘后，才能轉化為易用的、關于檔案利用的用戶行為方面的知識[9]。

用戶行為是用戶需求的外在化體現，檔案的利用程度是判斷其價值是否得以實現的重要維度之一。為充分發揮檔案的憑證價值、提升檔案的服務質量，有必要對影響檔案利用的檔案資源和用戶需求的主要特征及其之間的關系進行深入挖掘和分析。下文針對案例中2018年度檔案利用數據，從檔案利用門類、檔案利用者機構和檔案利用年度等方面進行多維度可視化分析，挖掘并直觀呈現檔案資源和用戶特征及其之間的關聯關系，為提供檔案智能和個性化利用服務奠定基礎。

2.1 利用的檔案門類分布

2018年，檔案利用合計5954卷次、20411件次、6191人次，如表1和圖1所示。

表1 2018年檔案利用總體情況統計

其中，教學檔案借閱498卷次、640件次、499人次，教學檔案學歷認證672卷次/件次、554人次，科研檔案利用154卷次、202件次、165人次，基建檔案利用317卷次、1711件次、218人次，其他門類檔案利用4313卷次、17186件次、4755人次。

2.2 檔案利用者分布

根據學校機構設置，將檔案校內利用者分為：學院、直屬系、管理服務機構（黨政機構、直屬單位、產業集團、其他機構）、附屬醫院；此外，校外利用者主要有校友和社會兩種類型。

從不同利用者利用檔案件次來看，產業集團利用件次最高（11063件次），占總利用件次的54%；其次是黨政機構和社會，利用件次分別為2578件次（13%）和2310件次11%）。如表2和圖2、圖3所示。

表2 不同利用者類型的檔案利用統計

從不同利用者的利用卷次來看，學院、直屬系利用1810卷次最高（30%）；其次是校友和社會，利用卷次分別為1045卷次（18%）和990卷次（17%），如圖4所示。

從不同利用者的利用人次來看，學院、直屬系利用人次最高（2316人次），占總利用件次的37%；其次是社會和校友，利用人次分別為1348人次（22%）和1047人次（17%），如圖5所示。

從不同利用者的檔案門類利用來看，產業集團，黨政機構，社會，附屬醫院，學院、直屬系和直屬單位利用其他門類檔案較多，校友利用教學檔案較多，如圖6所示。

2.3 檔案年度分布

利用檔案年度分布如圖7所示。從檔案利用件次來看，如圖8和圖9所示，較多的檔案年度集中在2015年、2001年、2004年和2000年，分別為3407件次（17%）、3020件次（15%）、2538件次（13%）和2334件次（12%）。

不同門類檔案利用件次前十的年度如圖10所示，教學檔案利用件次前十的年度分別為2017年、2005年、2006年、2003年、2004年、2001年、2002年、2000年、2008年和1998年；科研檔案利用件次前十的年度分別為2004年、2000年、2017年、2014年、2008年、2016年、2015年、2013年、1964年和2007年；基建檔案利用件次前十的年度分別為2015年、2014年、2000年、2012年、1986年、1991年、2004年、1985年、1983年和2008年。

3 大數據時代檔案利用服務策略

大數據技術在檔案工作領域的應用，對檔案資源數據和利用數據進行綜合分析與深入挖掘，可以獲得更豐富、更有價值的數據分析結果[11]。實現個性化服務是大數據時代檔案館的一項重要特征，而檔案服務的個性化關鍵核心是用戶所獲信息的個性化[12]，需從以下方面提升大數據時代檔案利用服務水平。

3.1 樹立以用戶為中心、主動提供檔案利用服務的理念

在大數據時代，社會公眾對公共服務提出了更高要求，檔案利用作為公共服務不可或缺的基礎支撐，需要樹立主動服務意識，做到以用戶為中心。同時，利用現代信息技術，構建檔案在線查閱平臺，發展檔案線上利用方式，在保障檔案信息安全前提下，通過一個平臺、一個入口即可查到所需的各類檔案，實現網絡化利用。并充分利用大數據技術，主動為用戶提供便捷的檔案信息和個性化的智能檔案服務，充分發揮檔案應有的作用[13]。

3.2 構建基于檔案大數據的全生命周期管理模型

密切關注國際檔案信息發展前沿研究和電子文件在線歸檔實踐應用，借鑒文件管理國際標準體系和開放檔案信息系統OAIS（Open Archival Information System）參考模型，樹立“檔案即服務”理念，深入到檔案內容，以檔案內容為建模對象、構建基于檔案大數據的全生命周期管理模型。并按照檔案信息化建設“存量數字化、增量電子化、建設標準化”要求對檔案數據資源實施前端控制，對檔案信息資源自動捕獲歸檔，以電子文件全生命周期管理業務模型為基礎，對文件檔案全過程連續性管理，積累可用的檔案資源和檔案利用大數據，實現檔案數據資源“收”、“管”、“存”、“用”全過程管理和檔案利用行為數據記錄，構建檔案大數據資源平臺。

3.3 建立 “人”、“事”和“時間”的三維立體檔案模型

對于檔案大數據資源平臺中的檔案資源，以“人”、“事”為核心建立電子文件內部關聯，引入時間戳，建立基于“人”、“事”和“時間”的三維立體檔案模型。如圖11所示，與學生相關的檔案，經業務系統歸檔后，通過構建檔案本體，運用元數據、文本分析、語義分析、關聯分析、聚類分類、可視化等大數據挖掘分析技術和方法，建立關于學生的三維立體模型：M（學生、學習、時間），將學生的基本信息、入學信息、成績信息、活動信息、畢業信息等關聯起來。

3.4 形成以大數據技術運用為支撐的智能服務體系

在建立如圖11所示的“人”、“事”和“時間”三維立體檔案模型的同時，收集檔案用戶的利用時間、檢索次數、檢索內容、利用方式等數據；記錄用戶的利用特征、利用行為習慣及其背景信息，標識形成檔案資源與用戶關系，建立檔案利用行為數據庫。通過運用大數據預測分析和個性化推薦技術，分析檔案資源特征和用戶利用需求及其之間的關系，挖掘檔案用戶潛在的利用需求，通過個性化服務，主動向特定用戶或用戶群體推送可能需要的不同層次、不同類型的檔案資源服務[14]。并通過聚類分析檔案用戶特征及利用信息，搭建不同應用分析和預測場景，預測檔案資源和用戶關聯趨勢，構建檔案用戶信息需求感知引擎，建設檔案精準、智能、個性化檔案利用服務體系。

4 結語

以檔案利用分析為基礎，結合大數據技術應用，提升檔案利用服務是一個復雜的系統工程；需要在檔案管理體系和資源建設基礎上，建立以用戶為中心的檔案利用服務理念，同時注重用戶利用行為數據的收集和管理。使用數據挖掘、可視化分析等大數據技術將檔案用戶利用行為日志“加工”為易用的用戶行為知識，實現檔案數據的“增值”，建立基于“人”、“事”和“時間”的三維立體檔案模型。通過挖掘檔案資源和用戶特征及其之間的關聯關系與趨勢，主動向用戶推送不同層次、內容豐富、形式多樣、直觀生動的個性化檔案信息資源，實現智能、主動、精準的檔案服務，滿足日漸增長的新型檔案服務需求，提高檔案信息利用的能力和效率，加強檔案信息資源開發的深度和廣度，拓展和深化檔案信息服務的內涵，從而提供更多高質量的檔案信息資源和檔案信息服務[15]，讓檔案更有用、更好用，提高檔案館業務信息化、檔案信息資源深度開發與智能服務水平。