加快檔案數(shù)據(jù)化發(fā)展路徑探析

藺文卓

摘 要：檔案數(shù)據(jù)化是大數(shù)據(jù)時代的必然發(fā)展趨勢，隨著5G時代的到來，必將加快檔案數(shù)據(jù)化的進程。檔案界要獨立潮頭，就必須融入數(shù)據(jù)化的大潮，步入數(shù)據(jù)化時代。為了加快數(shù)據(jù)化步伐提供借鑒，筆者對數(shù)據(jù)化的理念、檔案數(shù)據(jù)化國家戰(zhàn)略、實現(xiàn)路徑進行了粗淺的分析，提出了建立管理數(shù)據(jù)庫、增量檔案數(shù)據(jù)化、采用挖掘技術等建議。

關鍵詞：檔案;數(shù)據(jù)化;發(fā)展;路徑

DOI：10.12249/j.issn.1005-4669.2020.25.075

隨著計算機技術和網(wǎng)絡技術的飛速發(fā)展，我國的檔案工作經歷了三個階段：第一階段是以紙質檔案為核心的紙質檔案開發(fā)利用階段，第二階段是以數(shù)字化為核心的數(shù)字檔案開發(fā)利用階段，第三階段是數(shù)據(jù)化檔案開發(fā)利用階段。就目前的檔案管理情況看，我國現(xiàn)階段仍處在第一階段或第一或第二階段相融合的時期，即紙質檔案與數(shù)字化檔案并存時期。未來，我國的檔案工作將進入數(shù)據(jù)化時代，并對其進行全面的數(shù)據(jù)化研究，為國家經濟建設和行政管理提供全新的借鑒。

1 數(shù)據(jù)化的核心理念

近年來，隨著大數(shù)據(jù)技術的出現(xiàn)，數(shù)字革命的到來，引發(fā)了數(shù)據(jù)化浪潮。數(shù)據(jù)化的直接結果是，推動了文化革命和產業(yè)革命，使得各項決策均以數(shù)據(jù)為依托，以數(shù)據(jù)模型的分析結果為依據(jù)，進而實現(xiàn)科學決策。那么，什么才是真正意義上的數(shù)據(jù)化呢？

從檔案管理的視角看，我認為檔案數(shù)據(jù)化的實質是將檔案信息轉化為計算機可以閱讀和理解的檔案信息資源的過程，將利用檔案的途徑由“頁面閱讀”轉化為“內容控制”“信息開發(fā)”。實質是，將數(shù)字檔案資源轉換為可供閱讀、分析和處理的數(shù)據(jù)資源的過程，并進一步轉化為可制表分析的數(shù)據(jù)形態(tài)，進而實現(xiàn)檔案服務模式的創(chuàng)新。如何實現(xiàn)由數(shù)字化向數(shù)據(jù)化的轉換呢？這就要求我們引入智能化的技術，通過OCR光學字符識別技術對紙質檔案進行掃描，然后將圖片的文字轉化為數(shù)字化格式，形成文字集合;對于圖像、音視頻文件可通過音頻的文字轉換，形成文字數(shù)據(jù)，建立數(shù)據(jù)化文字形態(tài)。

2 檔案數(shù)據(jù)化的國家戰(zhàn)略

我國的檔案數(shù)據(jù)化戰(zhàn)略，經歷了從管理到實際應用轉化的認知過程。尤其是運用大數(shù)據(jù)后給工作帶來的效益，對它的認識空前提高，歷經12年的發(fā)展逐漸實現(xiàn)了由數(shù)據(jù)到數(shù)據(jù)化的轉變，并上升為國家戰(zhàn)略。2011年，《全國檔案事業(yè)發(fā)展“十二五”規(guī)劃》指出，“加強檔案信息系統(tǒng)安全技術防范技術管理……，確保檔案數(shù)據(jù)及檔案網(wǎng)絡設備設施安全。”是對檔案數(shù)據(jù)的首次提及。

2016年國家檔案局頒布的《全國檔案事業(yè)發(fā)展“十三五”規(guī)劃綱要》提出“建立開放檔案信息資源社會化共享服務平臺，制定檔案數(shù)據(jù)開放計劃?！边@一時期，國家層面的部署直接轉入到數(shù)據(jù)服務

領域。

2017年，國家檔案局局長李明華在全國檔案安全工作會議上強調，“做好檔案數(shù)據(jù)的安全備份，確保檔案數(shù)據(jù)、信息系統(tǒng)及網(wǎng)絡始終可用可控?！边@里有兩層意思：一是要保證數(shù)據(jù)安全，二是要保證數(shù)據(jù)的網(wǎng)絡化，提高數(shù)據(jù)的可利用性。

2019年，國家檔案局原局長楊冬權在檔案從業(yè)者安全保護專題研討會上的講話則實現(xiàn)了從檔案數(shù)據(jù)到數(shù)據(jù)化的升華。楊冬權強調，“過去我們搞檔案數(shù)字化，是把紙質檔案掃描成圖片，這些圖片上的檔案還需要人來讀，不能夠成為數(shù)據(jù)，由電腦來處理。今后，我們還應該把這些圖片轉化為電腦可以讀的字，變成電腦可以任意檢索的數(shù)據(jù)，讓它和其他的大數(shù)據(jù)一樣，進入大數(shù)據(jù)系統(tǒng)，可以任意的檢索、主動的推送、深度的挖掘，變成人工智能、人的智慧、人的外腦?！边@里雖然沒有提及數(shù)據(jù)化的概念，但其中提到的將數(shù)字化的圖片轉化為電腦可以讀的字，變成電腦可以任意檢索的數(shù)據(jù)，并實現(xiàn)主動推送、深度挖掘，則集中體現(xiàn)檔案數(shù)據(jù)化的根本要義。

同年，國家檔案局制定了DA/T75—2019和DA/T82—2019兩項檔案專業(yè)標準，分別對檔案數(shù)據(jù)硬磁盤離線存儲和基于文檔型非關系型數(shù)據(jù)庫的檔案數(shù)據(jù)存儲進行規(guī)范。這兩個專業(yè)標準雖然只規(guī)定了檔案數(shù)據(jù)硬磁盤離線存儲和非關系型檔案數(shù)據(jù)存儲，但卻從根本上彰顯了我國檔案數(shù)據(jù)化管理和應用的戰(zhàn)略步驟，使檔案數(shù)據(jù)化邁上了國家戰(zhàn)略的快車道。

3 檔案數(shù)據(jù)化的實現(xiàn)路徑

自我國工業(yè)和信息化部2016年12月印發(fā)了《大數(shù)據(jù)產業(yè)發(fā)展規(guī)劃（2016—2020）》，標志著我國大數(shù)據(jù)時代的到來。歷經5年的融合發(fā)展，截至目前，大數(shù)據(jù)已經在電商、城市規(guī)劃、科學研究等領域大有作為，并開始介入檔案信息資源領域，成為檔案工作創(chuàng)新的引擎。為了實現(xiàn)檔案資源的數(shù)據(jù)化目標，筆者認為檔案界應采取一系列措施，進行全新的數(shù)據(jù)化實踐。

1）建立數(shù)據(jù)化關聯(lián)數(shù)據(jù)庫，實現(xiàn)存量檔案數(shù)據(jù)化。以往的檔案信息資源是互不關聯(lián)的獨信息，很難為大數(shù)據(jù)技術所應用。這就要求檔案部門，從檔案工作的實際出發(fā)，在數(shù)字化檔案數(shù)據(jù)庫的基礎上，通過OCR光學字符識別技術、音視頻文字轉換技術，對數(shù)字化的JPG圖形檔案進行格式轉換，形成適應大數(shù)據(jù)利用的數(shù)據(jù)化的數(shù)據(jù)庫。根據(jù)大數(shù)據(jù)分析體系的要求，檔案資源的數(shù)據(jù)化一是要能夠實現(xiàn)互聯(lián)網(wǎng)平臺的分享和瀏覽;二是要適應數(shù)據(jù)挖掘的需要，在數(shù)據(jù)之間建立相應的關聯(lián)，為數(shù)據(jù)挖掘、分析提供數(shù)據(jù)支撐;三是數(shù)據(jù)的類型要符合可制表分析的數(shù)據(jù)形態(tài)。

2）做好增量檔案數(shù)據(jù)化。增量檔案是檔案大家族中不可或缺的重要資源，是保持檔案資源連續(xù)性的重要步驟。由于增量檔案大多是現(xiàn)實工作中形成的、具有保存價值的歷史記錄，其形成過程既有紙質文件，又有電子文件，要做足數(shù)據(jù)化的工作比以前要輕松得多。但是在數(shù)據(jù)化的進程中，數(shù)字化并不等于數(shù)據(jù)化。因為只有將掃描后形成的圖片實現(xiàn)智能識讀，并進入可列表分析、挖掘才能說是實現(xiàn)了初步的數(shù)據(jù)化。因此，做好增量檔案的數(shù)據(jù)化同樣是一項艱苦、繁復的工作。為了實現(xiàn)上述目標，一是要做足增量檔案的數(shù)字化，二是要加快管理數(shù)據(jù)庫的建設，三是要加快光學字符識別技術、音視頻文字轉換技術的應用，四是要加快挖掘技術的應用，進而實現(xiàn)一切皆數(shù)據(jù)，數(shù)據(jù)源可追溯的目標。

3）利用挖掘技術實施挖掘分析。挖掘技術是互聯(lián)網(wǎng)時代，尤其是云計算時代的核心技術，旨在通過對海量數(shù)據(jù)對某一經濟現(xiàn)象和社會現(xiàn)象的智能分析，找出事物的規(guī)律性，對政治、經濟、文化、社會的走勢、動態(tài)提供理論模型，為未來事態(tài)發(fā)展提供掌控依據(jù)。檔案數(shù)據(jù)挖掘工作，就是要對數(shù)據(jù)化的檔案進行智能化、情報化檢索，并利用數(shù)據(jù)之間的關聯(lián)性，實現(xiàn)精細化分析，進而找出事物間的規(guī)律，服務社會。

4 結束語

檔案數(shù)據(jù)化是檔案數(shù)字化的子集，數(shù)據(jù)化是數(shù)字化進程中的一個方向。只有實現(xiàn)數(shù)據(jù)化，浩繁的檔案才能為廣大的群眾所利用。檔案作為一個龐大的系統(tǒng)，必將在未來，尤其是在21世紀的互聯(lián)網(wǎng)時代發(fā)揮更大的作用。這就依賴于檔案的數(shù)據(jù)化，尤其是存、增量數(shù)據(jù)庫的建設和挖掘技術的全面應用。