大數據環境下高校圖書館數據治理及成熟度模型研究

秦中云

摘 要 本文在對高校圖書館數據治理概念界定的基礎上，系統梳理和總結了國內高校圖書館數據治理的研究情況，闡述了高校圖書館數據治理的重要意義，進而構建出高校圖書館數據治理成熟度評估模型，明確評估內容、方法和路徑，以期為高校圖書館數據治理提供多維度、多層面的行動指南和評估體系。

關鍵詞 大數據 高校圖書館 數據治理 成熟度模型

分類號 G250.7

DOI 10.16810/j.cnki.1672-514X.2019.11.011

Research on Data Governance and Maturity Model of University Library in Big Data Environment

Qin Zhongyun

Abstract Based on the definition of university library data governance concept， this paper systematically combs and summarizes the research situation of data management in domestic university libraries， expounds the significance of university library data governance， and then builds data governance maturity model， which clearly evaluates the content， methods and routes to provide a multi-dimensional and multifaceted action guide and assessment system for university library data governance.

Keywords Big data. University libraries. Data governance. Maturity model.

0 引言

大數據是新一輪信息技術革命與經濟社會發展交匯融合的時代產物，深深地觸及人類社會的每一個角落[1]，正在日益深刻地影響人們的生產生活方式。大數據場景下，數據的價值日益凸顯，數據作為重要的戰略性基礎資源的重要地位已形成社會共識。利用數據進行科學決策，亦已成為組織提高核心競爭力的新常態。

以數據為核心資產和業務的高校圖書館行業正在經歷前所未有的機遇和挑戰。一方面，大數據驅動下的數據科學研究為數據密集型高校圖書館的管理和決策提供了新的范式，使得管理視角、過程和方法發生了顯著變化[2]129：從傳統的以管理流程為主的線性范式逐漸向以數據為中心的扁平化范式轉變，管理與決策中各相關利益者的角色和信息流向更趨于多元和交互[3]。另一方面，隨著高校圖書館業務的快速增長，積累了海量的多源、異構、高價值的數據，對數據的管理、存儲、計算和應用以及提升數據質量、提高數據處理能力、有效挖掘數據的價值等提出了新的要求[4];數據的高度開放共享與用戶隱私數據保護的訴求之間形成天然的矛盾[5]，引發新的數據安全需求。在此形勢下，數據治理作為一種新興的治理模式應運而生，并成為大數據環境下高校圖書館數據治理研究的新視角、新趨勢和新熱點。通過梳理國內高校圖書館數據治理的已有研究，筆者在闡述高校圖書館數據治理的重要意義基礎上，探究了高校圖書館數據治理成熟度評估模型的構建，確立高校圖書館數據治理的評估體系、內容和方法，形成高校圖書館治理路線，實現高校圖書館數據治理戰略目標，以期為高校圖書館數據治理的進一步研究提供參考和借鑒。

1 高校圖書館數據治理及研究現狀

1.1 圖書館數據治理概念

國內外機構或學者對數據治理的定義并沒有形成統一認識，但通常認為，數據治理是“圍繞數據資產展開的系列工作，為實現組織決策目標，涉及數據資產管理的技術、過程、標準和政策的集合”[2]130。因此，筆者對圖書館數據治理作如下定義：它是在高校圖書館組織發展戰略、政策制度的指導和監督下，依據國家和行業的標準和規范，采取一定的技術手段（如工具、方法和平臺），對數據資產生命周期進行管理和利用的系列實踐或活動，以確保高校圖書館數據資產價值最大化，促進科學決策的產生，提升高校圖書館的核心競爭力，并以提供高質量的數據服務、不斷改善用戶體驗、提高用戶滿意度為最終目標。

1.2 圖書館數據治理研究現狀

數據治理作為一個新興的學科領域，近年來開始成為業界和學術界共同關注的熱點，受到了國內外機構和學者的高度重視，相繼在政府、電信、銀行、醫療和高校等領域開展了廣泛研究，并取得了大量的理論和應用成果。反觀圖情領域，作為“數據集中”“以數據為核心資產和業務”的圖書情報機構理應在數據治理研究方面發揮先行作用和垂范作用，但遺憾的是，數據治理作為全新的理念和領域，國內外圖書情報機構、圖書館界特別是高校圖書館對此領域的理論成果較少，實證研究和實踐案例更為鮮見。文獻梳理發現，國內現有的研究主要集中在以下幾個方面：

（1） 數據治理是圖書館事業的新機遇。顧立平[6]基于開放獲取的視角，聚焦圖書館的數據管理，從數據獲取、數據科學、數據服務等方面，論證了數據治理是圖書館事業發展機遇的觀點，由此拉開了圖書館數據治理研究的序幕。

（2） 數據治理框架研究。包冬梅[7]137-139等在比較分析國際權威機構DAMA和DGI框架的基礎上，結合高校圖書館行業特點，創新性地提出了我國高校圖書館數據治理框架——CALib框架。該框架由促成因素、范圍、實施與評估3個子框架組成，是國內首個致力于解決高校圖書館數據治理問題的理論模型和方法論，為指導、評估和監督高校圖書館的數據治理工作提供了理論參考和實踐依據。

（3） 科研數據的治理研究。顧立平[6]44-51指出通過執行數據獲取、數據共享、數據重用政策來構建圖書館科研數據治理生態體系，不斷尋找和搜集最佳實踐案例，實現科研數據的共享與加值;王舒波[8]探討了高校圖書館科研數據治理的發展路徑，指出科研數據治理正向安全智能化和決策科學化發展;司莉[9]等認為機構科研數據知識庫聯盟（IRDR）是實現科研數據價值最大化的有效途徑，能夠促進科研數據的管理與共享;孫仙閣[10]等提出高校圖書館應與出版社、科研部門、政府等機構合作組建數據治理共同體，提高高校圖書館科研數據質量和數據服務能力。以上研究將“數據”局限于“科研數據”，而非整個圖書館的數據，不能全面地反映圖書館數據治理的對象和內容。

（4） 高校圖書館聯盟數據的治理研究。周婷[11]等以福建省高校數字圖書館聯盟（FULink）為例，采用問卷調查法分析高校圖書館聯盟成員館的數據治理現狀，指出數據治理可以實現高校圖書館聯盟內的資源、文化、數據和服務等的共享，為高校圖書館數據治理的評估與決策提供了一個很好的實踐范例。

（5） 知識管理中的數據治理研究。劉潔璇[12]認為高校圖書館應在知識管理中發揮監督和決策職能，并在知識控制、知識發現、知識可視化、知識安全方面實施數據治理，實現高校圖書館知識資源合理布局，促進知識傳播和共享，提高知識服務質量。

（6） 數據治理促進高校圖書館職能轉變。任亞忠[13]認為數據治理使高校圖書館職能發生轉變，具有一定的現實意義，指出數據治理服務應在高校圖書館的管理和監督下開展，同時注重培養數據服務館員，以實現高校圖書館的社會價值。

總體而言，圖書館數據治理的理論體系和研究體系尚未形成，研究視野不寬，研究范圍較窄，如僅局限在數據治理框架、科研數據治理、機構聯盟數據治理等方面，今后還需要開展多維度、多層面、多角度的持續性的深入研究。

2 大數據環境下高校圖書館數據治理的重要意義

2.1 可實現多元主體協同決策的創新管理和服務

數據治理作為一種全新的管理理念和思維方式，能夠革新圖書館的管理規則或組織形式，形成更加通暢的信息傳遞機制，幫助圖書館管理者做出更加精準的、智能化的管理決策。在數據治理的框架下，圖書館數據治理的參與主體多元，涉及圖書館領域內的數據專家、資源和服務提供商、系統集成商、數據開發人員、數據管理人員和普通用戶等眾多相關利益者，因此，數據治理有助于促進圖書館進行管理和服務創新，構建全新的、平等開放的、共享合作的生態服務模式，推動圖書館組織與企業、部門、個人等多方資源的協作，實現多主體、多部門、多要素的整合發展，建立分工更加明確、職責更加清晰、決策更加民主和透明的協同工作機制，從而實現圖書館的精細化管理、智能化決策和個性化服務。

2.2 可實現數據驅動下的知識發現，為用戶提供精準的知識服務

數據驅動已成為高校圖書館知識服務創新的重要推動力[14]。從數據驅動的視角看，數據治理的過程就是知識重組、知識再造和知識發現的過程。數據治理不僅能夠重新解構知識的組織形式，還能夠重塑和再現知識的價值，盤活圖書館的數據資產，實現知識從靜態到動態、從隱性到顯性、從無序到關聯的轉變，為用戶提供深層次的知識管理和知識服務。在大數據環境下，用戶的知識需求呈現多樣化、多元化發展態勢，高校圖書館勢必要進行知識服務創新，為用戶提供更多個性化、精準化和智慧化的知識支持服務，如利用可視化工具為讀者提供知識檢索服務[15]、建立用戶畫像為讀者提供知識推薦服務[16]等，以改善用戶的知識體驗效果，增強用戶知識利用的滿意度。

2.3 可實現閉環機制下的數據質量管理，提升數據服務水平

有效的數據治理必然是以提高數據質量作為衡量標準的。數據質量是高校圖書館數據治理工作的生命線，在圖書館數據管理過程中發揮著重要的作用。圖書館必須制定嚴格的數據質量標準、數量質量規范，把數據質量作為檢驗、評估和量度高校圖書館數據管理工作成效和數據服務水平的核心指標和關鍵要素。

數據質量貫穿于數據治理的全過程，在數據治理的過程中，需要不斷加強數據質量管理。數據質量管理的最佳實踐是采取閉環管理機制[17]，即對未來數據進行事前預防（數據質量主動保證）、對當前數據進行事中監控（數據質量持續監控和優化）、對歷史數據進行事后治理（數據清洗和整合）。從數據源端進行主動控制是數據質量得以保證的前提和基礎，因此，數據采集是關鍵。在數據采集尤其是涉及人工采集時要注重減少大量的、重復的、無效的數據輸入，確保數據的完整性、準確性、可用性和有效性，因此，在基礎數據創建或采集階段必須做好數據質量的監控和規范。

數據治理作為提升數據質量的重要手段，能夠有效改變高校圖書館僅重視數據的“量”的積累，而忽視數據的“質”的無序管理狀態。對于高校圖書館而言，數據治理的價值要義在于通過優化圖書館數據資源環境，為師生用戶提供高質量、高價值的數據服務，如科研競爭力分析報告、閱讀分析報告、學科資源利用報告等，發揮對教學、科研和學科建設的數據支撐作用。

2.4 可實現合規監管下的數據安全，保護用戶隱私，降低安全風險

在大數據時代下，數據安全和用戶隱私保護是高校圖書館在數據管理過程中不可忽視的重要內容。近年來不斷頻發的數據泄露、隱私濫用事件，如Facebook的5000萬用戶數據泄漏等表明，數據作為一種重要資產，合法合規的使用會創造數據價值，不當或違法的使用則會造成數據損失或受到懲罰。因此，強有力的數據治理政策和措施能夠有效保障圖書館的數據安全和用戶隱私。圖書館管理系統平臺中包含各類數據，如數字資源數據、書目數據以及師生用戶的敏感數據和隱私信息如身份證信息、手機號碼和個人照片等，尤其需要將用戶信息安全和隱私保護納入數據安全治理體系中。只有通過規范的數據治理，才能實現對圖書館數據全生命周期全過程的使用情況進行全程監控、風險識別和溯源審計，防止數據在采集、挖掘和利用等過程中過度披露、越權訪問或違規分析用戶的敏感信息，造成新的數據泄露。

高校圖書館在數據治理過程中，可著重從政策法規、技術手段、數據管理制度和用戶安全教育等方面努力，建立起嚴格的數據安全管理機制，強化數據安全觀念，依法合規安全地使用數據，最大限度降低安全風險。如在政策法規方面，遵從國家制定的《國家安全法》 《個人信息安全規范》等安全標準，以及圖書館行業制定的相關數據保護政策如數字資源版權保護政策、讀者數據采集許可權（如肖像許可）;在技術手段方面，除了做好信息基礎設施的安全防護外，還需要對數據進行脫敏、加密、去標識化等技術處理，對數據訪問進行授權或合規性檢查;在數據管理制度方面，對于涉及軟件開發與系統維護的第三方公司或駐場工程師要求與圖書館簽訂數據安全保密協議，對于圖書館的數據管理專職人員則要求簽訂數據安全責任書，形成數據安全和隱私保護的問責機制;在用戶安全教育方面，加強對普通員工及普通用戶的數據安全意識的培育，開展數據安全培訓，增強用戶個人信息數據保護觀念。

3 高校圖書館數據治理成熟度模型構建

數據治理成熟度模型作為一種對關注領域進行評估的工具和持續優化的方法，可以幫助高校圖書館厘清紛繁復雜或模糊混亂的概念及其關系，為高校圖書館的數據治理工作提供明晰直觀的行動指南和指導方針，幫助高校圖書館做出科學的決策。當前，國內高校圖書館尚未建立數據治理成熟度模型。盡管包冬梅[7]140-141等在高校圖書館CALIB治理框架的實施與評估部分，談到了構建高校圖書館成熟度模型的重要作用，但并未對成熟度模型進行深入研究，無法對具體實踐產生指導意義。因此，非常有必要建立成熟度模型，來定位和評估高校圖書館數據治理狀態與治理能力，識別差距和不足，以進行針對性地改進，提高數據管理水平。

數據治理具有明顯的行業化特征，成熟度模型的構建需要結合具體的治理主體、治理對象、治理目標和文化環境進行具體分析。由于行業背景、研究動機、關注對象和目標期望存在差異，不同組織或機構提出的數據治理成熟度模型各有不同，互有優劣，不具有普適性，但依然能為高校圖書館數據治理成熟模型構建提供重要參考。因此，本文在借鑒國內外數據治理成熟度模型[18-20]及參考行業最佳實踐的基礎上，根據大數據環境下高校圖書館數據特點及業務需求，提出適用于我國高校圖書館領域的成熟度模型。該模型由三個維度構成，如圖1所示。

圖1 高校圖書館數據治理成熟度模型

（1） 數據治理能力。數據治理能力應從技術支撐、組織保障、政策戰略、核心領域、標準規范和績效評價6個方面來衡量和檢驗。其中，技術支撐是數據治理的關鍵和核心，包括數據架構、基礎設施、共享平臺、數據倉庫和存儲備份等;組織保障是數據治理的發展動力，包括組織機構、人員能力、角色與職責和環境與文化等;政策戰略是推行數據治理的重要工具與基本保障，包括戰略規劃、使命與愿景、制度與流程等;核心領域是數據治理的關鍵要素，是數據質量得以提高的重要保證，包括主數據、元數據、數據標準、主數據管理等;標準規范是進行數據治理的基礎前提和實施依據，由數據質量規范、數據安全規范、主數據管理規范、元數據管理規范和資產管理規范等組成;績效評價是數據治理成效的考核和評估，包括績效考核、安全審計和風險評估等。

（2）數據資產生命周期。有效的數據治理是一個持續的、長期的過程，需要采取漸進的、可實現、可衡量的步驟來實現治理目標。在大數據環境下，要遵循數據全生命周期對數據資產進行管理。數據治理貫穿于數據資產生命周期全過程，因此，圍繞數據資產生命周期各階段開展的業務活動構成了治理的過程域。

數據資產生命周期包含6個階段：數據采集、數據傳輸、數據存儲、數據處理、數據交換和數據銷毀，各階段的功能與作用如下。

在數據的采集階段，對于不同來源、不同類型的數據需要按統一的數據標準、規范和流程進行采集，確保數據來源的穩定性、完整性和準確性，保證數據質量。

在數據傳輸階段，需要考慮保密性和完整性的問題，對不同種類的數據分別采取不同的措施如數據加密、數據脫敏，防止數據泄漏或數據被篡改。

在數據存儲階段，要按照數據的特征選擇妥善安全的存儲機制和存儲架構存儲數據，防止數據丟失或遺漏，保證數據的可用性。

在數據處理階段，對于數據清洗、抽取、關聯和整合等處理工序，需要采取嚴格的數據質量控制策略對數據進行分析與處理。

在數據交換階段，對于數據的開放共享，應根據治理控制策略進行適度開放，防止不合規開放。

在數據銷毀階段，對于失效的、確定無用的數據的銷毀，應作完整的記錄并可溯源追蹤。

（3）成熟度模型等級。這一等級反映了數據治理的持續優化和不斷改進的積累過程，可分成5個等級：初始級（1級），認知級（2級），發展級（3級），成熟級（4級）和優化級（5級），如表1所示。

表1 高校圖書館數據治理成熟度模型等級劃分

成熟度模型等級 模型等級描述 模型等級特征

1級：初始級 對數據治理缺乏了解，未定義數據規范和業務流程等，數據管理混亂 零散、未定義

2級：認知級 對數據治理有初步的認知，制定了初步的管理制度、數據標準等，數據管理較為有序 初級、非正式

3級：發展級 對數據治理有充分的認識，制定了正式的數據管理制度和數據標準等，數據管理規范，但尚無完善的數據治理體系 正式、規范化

4級：成熟級 對數據治理有深刻的理解，建立了完善的數據治理體系。治理規劃明確、治理流程清晰，數據管理處于可控狀態 可控制、可管理、可審核

5級：優化級 根據現有數據治理體系進行持續改進和優化，數據管理處于可持續發展狀態 可持續、可改進、可調整

4 高校圖書館數據治理成熟度模型評估方法

成熟度模型是一種經過驗證的方法，有助于了解組織當前的數據管理能力，并達到與組織期望一致的目標和愿景。成熟度模型的構建為優化和改善高校圖書館數據治理能力提供了理論基礎，成熟度模型評估方法則反映了高校圖書館數據治理過程中應遵循的一般方法和實踐過程。一般的評估方法是：首先，采用資料收集、面對面訪談法或問卷調查法等方法來調研和了解高校圖書館數據治理的現狀和水平;其次，根據調研結果，制定數據治理的路線圖，明確高校圖書館近期、中期和長期的戰略計劃，并執行和實施數據治理過程。

4.1 現狀調研并進行評分

一般的方法是，對高校圖書館數據治理現狀進行調研并進行打分，例如，可以聘請數據管理專家針對圖書館的數據管理現狀，分別從技術支撐、組織保障、核心領域、政策戰略、標準規范和績效評價等幾個關鍵能力域進行打分，形成高校圖書館的數據治理能力路線圖（圖2），找出高校圖書館數據管理中的問題與不足，以制定相應的數據治理政策和改進措施。

圖2 高校圖書館數據治理能力路線圖

4.2 制定治理路線規劃

為確保數據治理目標的實現，應根據數據治理的現狀得分情況相應地制定適合高校圖書館的戰略計劃，包括近期、中期和長期的發展規劃（圖3）。具體策略如下：首先，了解高校圖書館近期以及中長期在業務和技術上的數據治理策略及發展目標;其次，通過書面訪談和現場調研等方式在圖書館內部營造數據治理的文化與環境氛圍，促進利益相關者形成目標共識;最后，根據當前或現實的差距和不足制定實施計劃，如高校圖書館未來3～5年的數據治理規劃，并不斷進行優化和調整，以確保戰略目標的實現。

圖3 高校圖書館數據治理規劃路線

5 結語

國務院在《促進大數據發展行動綱要》[21]中指出：要建立“用數據說話、用數據決策、用數據管理、用數據創新”的管理機制，實現基于數據的科學決策，加快數據開放共享，推動資源整合，提升治理能力。有鑒于數據已被提升到了重要的戰略地位，研究大數據環境下的數據治理具有重要的現實意義和社會意義。高校圖書館作為以數據為中心的知識密集型組織，其戰略目標與發展規劃的制定更應該站在數據治理的高度，從全局出發，樹立創新發展、協同開放的治理理念和思維，完善數據治理理論體系，加快數據標準研究，增強技術開發能力，不斷提升數據質量，提高數據服務能力，為用戶提供高質量的精準化、智慧化和個性化的服務，提高用戶滿意度。

參考文獻：

[1]翟云.中國大數據治理模式創新及其發展路徑研究[J].電子政務，2018（8）：12-26.

[2]張寧，袁勤儉.數據治理研究述評[J].情報雜志，2017，36（5）：129-134.

[3]陳國青，吳剛，顧遠東，等.管理決策情境下大數據驅動的研究和應用挑戰：范式轉變與研究方向[J].管理科學學報，2018，21（7）：1-10.

[4]孫嘉睿.國內數據治理研究進展：體系、保障與實踐[J].圖書館學研究，2018（16）：2-8.

[5]張聰叢，郜潁潁，趙暢，等.開放政府數據共享與使用中的隱私保護問題研究：基于開放政府數據生命周期理論[J].電子政務，2018（9）：24-36.

[6]顧立平.數據治理：圖書館事業的發展機遇[J].中國圖書館學報，2016，42（5）：40-56.

[7]包冬梅，范穎捷，李鳴.高校圖書館數據治理及其框架[J].圖書情報工作，2015，59（18）：134-141.

[8]王舒波.開放科學視閾下高校圖書館科研數據治理路徑研究[J].情報探索，2018（2）：107-110.

[9]司莉，曾粵亮.機構科研數據知識庫聯盟數據治理框架研究[J].圖書館論壇，2018，38（8）：61-67

[10]孫仙閣，弓箭.開放科學視域下高校圖書館科研數據治理研究[J].圖書館學刊，2017，39（9）：25-28.

[11]周婷，詹慶東.高校圖書館聯盟數據治理探討：以FULink為例[J].情報探索，2018（2）：34-42.

[12]劉潔璇.高校圖書館知識管理中的數據治理[J].情報科學，2018，36（1）：108-112.

[13]任亞忠.從數據管理走向數據治理：大數據環境下圖書館職能的轉變[J].四川圖書館學報，2017（4）：6-9.

[14]李潔，畢強，張晗，等.數據驅動下數字圖書館知識發現的服務研究[J].情報資料工作，2018（4）：6-14.

[15]黃永文，張智雄，吳振新，等.集成化可視化的知識檢索服務平臺建設[J].科研信息化技術與應用，2013，4（2）：34-42.

[16]王穎純，董雪敏，劉燕權.基于知識挖掘的圖書館智慧推薦服務模式[J].圖書館學研究，2018（9）：37-43.

[17]覃炯聰.大數據背景下的數據治理模式[J].信息與電腦，2016（16）：155-156.

[18]GREGORY A， HUNTER K. Data governance：protecting and unleashing the value of your customer data assets： stage 1： Understanding data governance and your current data management capability [J].Journal of Direct， Data and Digital Marketing Practice.2011，13（1）：40-56.

[19]張宇杰，安小米，張國慶.政府大數據治理的成熟度評測指標體系構建[J].情報資料工作，2018（1）：28-32.

[20]程廣明.大數據治理模型與治理成熟度評估研究[J].科技與創新，2016（9）：6-7.

[21]國務院（2015）50文件《促進大數據發展行動綱要》[EB/OL].[2019-01-10].http：//www.miit.gov.cn/n1146290/n1146392/c3882451/content.html.