基于小數據決策支持的圖書館讀者個性化服務定制與動態推送系統研究

陳 臣（蘭州財經大學信息工程學院）

1 前言

當前，隨著傳感器網絡技術、云計算技術、大數據技術、集成電路技術和高速無線傳輸網絡的快速發展與應用普及，圖書館在提升大數據采集、傳輸、存儲、即時分析和智慧決策流程效率的同時，大幅降低了數據采集、存儲、傳輸、處理和分析設備上的成本支出。因此，數據采集、存儲、分析與決策活動中的成本支出，已不是影響圖書館數據決策應用的主要因素。在數據智慧決策中，圖書館如何確保所采集的數據具有高價值密度、低數據總量和強讀者相關性，并與閱讀場景和讀者閱讀習慣強關聯，能夠全面解釋讀者閱讀需求、閱讀行為、閱讀收益和滿意度之間的因果關系，有效降低圖書館數據決策系統的資源需求和提升數據決策的相關性、時效性，是確保圖書館基于數據決策支持的讀者個性化智慧閱讀服務安全、高效、實時、動態、經濟和滿意的關鍵。康奈爾大學計算機科學教授艾斯汀指出，從用戶上網和使用各種移動設備過程中產生的大量用戶行為軌跡數據中提取出的個體數據，可以為揭示人類行為模式規律提供依據，這些個體數據即為大數據時代的小數據［1］。大數據雖然能夠全面、快速、精準地發現事物之間隱匿的相關性與內在規律，并為圖書館在未來發展方向、服務模式構建、服務系統安全高效運行和用戶服務質量保障上提供科學的決策支持，但其海量、低價值密度、低讀者相關性和不重視事物因果關系的特點，會導致在讀者個性化服務決策中具有較高的系統資源損耗和決策時延、較低的決策結果準確性和讀者個性化匹配度，最終導致大數據個性化服務決策千人一面，不能滿足讀者閱讀活動實時、動態和定制的個性化需求。因此，圖書館必須依靠輕量、高質、多維和強相關的用戶小數據集構建讀者個性化智慧服務體系，滿足讀者的個性化閱讀需求。

2 圖書館小數據的內容與決策價值

2.1 圖書館小數據的定義與內容

圖書館用戶小數據可以定義為讀者在閱讀活動中和圖書館個性化服務過程中產生的，以讀者為核心的用戶相關數據，該數據具有多層次、多維度和強用戶相關性，具有較小的數據總量和較高的價值密度，能夠發現以讀者為中心的讀者、圖書館、用戶服務三要素之間的因果關系和規律，能夠精確描述服務情景和精準讀者畫像，可為圖書館讀者提供個性化服務定制和推送，為讀者滿意度評估與反饋優化提供精確、實時的小數據科學決策支持。圖書館小數據主要從圖書館服務器監控設備、視頻監控器、管理信息系統、網絡監控器、傳感器網絡、讀者閱讀終端、用戶可穿戴智能設備等采集而來，此外，第三方數據增值服務商所采集的用戶數據也是圖書館小數據的重要來源。依據小數據采集方式和獲取情景的不同，讀者小數據可分為讀者個體特征數據、閱讀行為數據、閱讀情景數據、閱讀關系數據、用戶服務監控數據、閱讀心理數據等（見表1）。

表1 讀者小數據的內容與來源方式

圖書館只有全方位、不間斷地采集、處理、整合、分析以讀者為中心的小數據，才能發現蘊藏在數據中的知識與事物之間的因果關系，從而精準地識別讀者在閱讀喜好、需求、模式、習慣、終端和社會關系等方面的區別，實現個性化閱讀服務內容、模式、推送時間等的動態定制，保證讀者獲得較高的閱讀收益，提升讀者對圖書館個性化服務的滿意度［2］。

2.2 圖書館小數據的價值與決策優勢

2.2.1 小數據具有更高的價值密度

讀者小數據是圖書館以讀者為中心，在讀者個性化服務內容推送、服務質量保證、服務滿意度反饋與內容優化、讀者閱讀活動相關情景中所采集的全方位、多維度、完全特征的用戶全部數據。以讀者為中心的多維度小數據由讀者個體特征、閱讀行為、位置信息、社交媒體、監控視頻、文字評述、語音、圖片、閱讀終端設備信息、傳感器感知數據等組成，小數據在數據體量和數據總量增長速度上遠遠小于大數據，且與大數據同樣具有多樣性、高速性、真實性和高價值的數據特征。

①小數據是圍繞讀者個體而采集的用戶服務和閱讀行為數據，具有強用戶相關性、低冗余度和低噪聲比例的特點，價值信息不容易被干擾，數據的價值密度較高。②圖書館對讀者小數據的采集具有全情景、多維度、深層次、不間斷的特點。就單一用戶而言，小數據采集的總量有限、種類單一，是針對單一讀者在閱讀活動全時段、全方位、全流程、全場景的采集，能夠真實解釋讀者的閱讀行為、需求、心理和個性特征，在讀者個性化服務決策中相比大數據具有更高的相關性和決策優勢［3］。③大數據是相關圖書館所有業務、對象和服務的數據集合，數據采集具有極強的廣泛性和低用戶相關性。而小數據則僅限于以讀者為中心的相關數據，是對讀者閱讀活動和相關服務數據的深度采集、處理與挖掘，具有用戶相關性強和知識挖掘更徹底、深入的優點。④與大數據相比，小數據較低的數據噪聲大幅提升了圖書館數據知識發現和智慧決策的效率與科學性。

2.2.2 小數據具有較低的決策系統性能要求和資源消耗

（1）從數據獲取來源看，大數據的樣本采集范圍為圖書館全對象、全系統、全情景和全時段的數據，大數據對處理、存儲、分析和決策系統的性能要求較高，且大數據以指數級快速增長，要求圖書館數據應用系統具有較高的性能冗余和可擴展性。而小數據是以讀者為中心的用戶個體相關數據，具有較小的數據體量和低增長速度，對圖書館數據應用系統構建的性能和可擴展性要求較低。

（2）圖書館采集的小數據具有較強的針對性和目的性，雖然所采集的小數據也具有類型多樣化特點（包含結構化、半結構化和非結構化數據），但半結構化和非結構化數據較少，因此，在數據處理、分析和決策過程中對決策系統的要求較低。

（3）大數據采集具有海量、全方位和全樣本的特點，所以只有數據標準化才能保證大數據采集的效率、規模和實時性，也就是說，大數據只有對海量、弱相關性的數據進行快速、實時分析，才能發現數據中隱藏的事物關系特征，具有較高的系統資源需求與損耗。而小數據是以單個讀者為中心而開展的全方位、不間斷的數據采集與挖掘，因此，小數據不需要對全體數據進行處理和響應，只需對單一讀者特定時間與背景的數據進行針對性深度挖掘，具有較小的數據體量、高精確度和強相關性，對圖書館系統資源的需求與應用損耗較低［4］。

2.2.3 小數據可完美詮釋以讀者為中心事物的因果關系

因果關系是一個事件和第二個事件之間的作用關系，后一事件是前一事件的結果，而相關性是兩種或兩種以上事物之間的相互關系。也就是說，兩個事物存在因果關系，那么它們一定存在相關關系；但存在相關關系的兩個事物卻不一定是因果關系。大數據著眼于數據之間表層相關性描述，不探究影響數據相關性的深層原因，而小數據不僅關注數據相關性表現，也注重揭示數據相關關系的驅動因素［5］。大數據這種著眼于數據之間表層相關性描述而不探究事物之間的因果關系的原因，是由大數據海量、處理高速、類型多樣和高價值的特性決定的，適用于圖書館服務模式預測與變革、服務系統構建與運營、服務滿意度綜合評估與優化、客戶等級評估與關系管理等宏觀戰略決策方面。而小數據圍繞讀者個體數據的采集、處理與深度挖掘，能夠明確讀者行為、需求、心理、情景背后存在的內在因果關系和驅動因素，通過小數據價值提取、挖掘強相關核心數據、響應讀者個性化服務定制需求、服務的優化與滿意度管理等四個步驟，實現了科學、高效的讀者價值管理，保證了讀者對于圖書館服務的滿意度。

2.2.4 小數據可實現讀者個性化服務的精準定制與推送

（1）大數據采集的是圖書館對全對象、全范圍、多類型和全時段的數據，在用戶數據分析與服務決策過程中，大數據通常更關注對讀者大群體的描述、定義、劃分與服務定制。小數據的采集是以讀者為中心展開的，從讀者特征、思想、行為、心理、生理、情景等方面對單一個體進行全方位精準畫像，進而完成對個體用戶服務的定制、推送、反饋、評估與完善。對于以讀者為中心的用戶精準畫像、個性化服務定制、用戶關系管理與價值提升、讀者滿意度保證等而言，小數據更能準確還原以讀者為中心的事物因果關系，高效、精準、實時和經濟地為讀者提供優質個性化服務。

（2）圖書館采集小數據的價值密度、精確性和實時性要遠高于大數據，小數據在提示讀者個體閱讀需求與服務模式變化等用戶微觀層面的有效性也遠強于大數據。小數據從讀者行為、生理、思想、情景等細節數據上真實地描繪與表現讀者，以個體讀者為唯一決策對象具有決策內容更精準、深刻、實時和動態及個性化服務針對性強等特點。

（3）大數據分析是在海量、低相關的數據中尋找事物的規律與相關性，而小數據則是從總量有限和高用戶相關性的個體數據中尋找事物的因果關系，更關注讀者閱讀活動背后存在的事物內在的機制與因果關系，對讀者閱讀需求、服務有效性、用戶滿意度和服務系統運行科學性有較強的可解釋性，是圖書館個性化閱讀服務定制與服務質量保證的重要決策依據［6］。

3 基于小數據的圖書館個性化服務動態決策系統的構建與應用

3.1 基于小數據的圖書館個性化服務動態決策系統的構建

與大數據海量、數據結構復雜、低價值密度和低讀者相關性相比，小數據具有數據總量有限、數據標準化、高價值密度和強用戶相關性特點，是基于讀者閱讀場景、閱讀心理、閱讀需求、閱讀模式等微觀層面對讀者的系統畫像與描述，可以準確闡述讀者閱讀行為、心理、場景、情緒、習慣、文化和社會背景之間的因果關系。本文設計的基于小數據的圖書館個性化服務動態決策系統具有決策精準、個性化定制、實時推送和動態優化的優點，其系統組織結構見圖1。

圖1 基于小數據決策支持的圖書館個性化服務動態決策系統

系統的底層為數據存儲層，主要存儲圖書館原有讀者小數據、網絡監控讀者行為數據、視頻監控讀者行為數據、讀者閱讀終端數據、管理信息系統數據、可穿戴設備用戶采集數據和第三方共享用戶小數據等。數據存儲層具有數據存儲量大、讀寫速度快和安全性高的優點。

系統的第二層為小數據管理層，主要負責數據處理前的高速二級存儲、數據標準化處理、數據過濾與去噪、數據價值提取，以及實現數據采集、存儲、過濾、去噪、價值提取、訪問、決策、價值評估和刪除等全數據生命周期流程的管理［7］。

系統的第三層為數據決策層，主要依據讀者個性化閱讀需求動態構建數據決策模型，以及對決策模式進行動態評估、決策模型管理、決策場景的設計和決策應用。數據決策層基于讀者高價值、全方位和強相關性的讀者小數據支持，準確發現讀者閱讀活動與圖書館個性化服務要素之間的因果關系，通過實時、動態的個性化服務推送，來滿足讀者不斷變化的閱讀需求。

決策應用層是動態決策系統的最高層，基于底層功能模塊的支持，主要負責讀者閱讀情景預測與定制、讀者閱讀模式預測與匹配、用戶服務質量評估與優化、個性化閱讀服務定制與推送、讀者關系管理與價值提升等功能。圖書館基于小數據決策應用的精準性、實時性、個性化程度與經濟性，不但與系統底層小數據的價值總量、個性化程度、可用性和數據決策科學性緊密相關，而且讀者的閱讀方法、圖書館用戶服務模式、科技支撐能力和圖書館業服務變革發展也是影響小數據決策有效性的重要因素。因此，圖書館基于小數據的個性化服務動態決策必須隨著上述要素的變化而動態調整。

3.2 圖書館小數據決策應重點關注的問題

（1）避免小數據應用誤差。圖書館采集讀者小數據的精確度、相關性、實時性和可用性，是保證小數據決策科學性和圖書館個性化服務有效性的關鍵。①讀者閱讀行為小數據與閱讀活動所處的地理位置、閱讀場景及讀者的生理特征、心理特征、閱讀社會關系、閱讀需求變化等有極強相關性，因此，圖書館所采集的小數據必須涉及眾多強相關性變量，小數據采集系統也應具備一定的機器智慧學習能力，并通過數據決策有效性評估結果優化小數據采集模式。②噪聲數據是圖書館小數據決策面臨的一個無法避免且影響巨大的問題。圖書館可采用分箱、聚類、計算機和人工檢查相結合等方法將噪聲對圖書館小數據的決策影響降至最低點［8］。③圖書館通過讀者的閱讀內容、閱讀文獻目錄查詢、論壇瀏覽及發言來采集用戶小數據時，易受到閱讀論壇上相似讀者群語言、情緒、愛好和社交網絡結構的影響。因此，圖書館必須通過小數據相關性分析與數據關系因果判斷選取出正確的小數據。

（2）小數據決策應堅持全數據的原則。精確、全面、多維度、多層次和全時段地對讀者進行畫像，真實揭示讀者與閱讀情景之間的因果關系，是圖書館確保小數據決策科學、高效的必要條件。①小數據采集應包括讀者的基本特征數據、閱讀情境數據、閱讀行為數據、傳感網絡采集數據、閱讀心理與生理數據、讀者位置與移動路徑信息數據、閱讀時的天氣與環境信息等數據，在數據的分析與決策過程中要融合多源數據，實現小數據中蘊藏知識的完全挖掘與發現。②圖書館應構建多樣性的小數據生態系統，在確保讀者隱私數據安全性的前提下，實現多終端設備數據、第三方小數據平臺數據、讀者相關大數據的共享與融合。③在小數據決策中，應關注讀者獨特的行為數據痕跡，如讀者閱讀滿意度反饋與評論內容語言風格的變化、照片與視頻肢體語言的特征、閱讀生理數據的變化、閱讀時場景與位置變化等，從情境、習慣、效仿、激勵、一致性、易理解性等方面分析讀者小數據，實現讀者閱讀個性化需求的精準發現和服務有效性的合理評估［9］。

（3）小數據決策應重點關注高價值讀者。依據二八定律可知，占據讀者總人數20%的高端讀者群可為圖書館帶來80%的服務收益，占據著80%的圖書館系統服務資源，也擁有著影響讀者個性化閱讀體驗和滿意度的圖書館80%投訴［10］。因此，必須根據用戶價值對讀者群進行細分和差異化管理，依據讀者價值和閱讀需求進行服務資源的分配與調度，才能確保讀者閱讀收益與圖書館服務收益最優。①圖書館應根據讀者歷史小數據精準預測讀者的閱讀需求、模式、行為和結果，并依據讀者價值最優化原則分配系統資源和服務時間。②在劃分高價值讀者群時，要緊密結合高價值讀者的個性化閱讀需求與閱讀模式，確保高價值讀者個性化服務推送在閱讀時間、地點、內容、模式和綜合收益方面評估最優。③高價值讀者的價值需求和閱讀需求是動態變化的，低價值讀者也具有發展為高價值讀者的潛能。因此，圖書館需依據讀者的閱讀內容、時間、模式、終端設備、移動路徑、閱讀心理與生理變化、反饋評價等小數據構建全方位的讀者畫像，并據此動態分配服務系統資源，在獲取較高服務收益的同時不斷提升讀者的價值和忠誠度。

（4）小數據決策應保護讀者隱私安全。小數據的安全管理既是關系圖書館小數據決策可用性的關鍵，又是關系讀者個性化閱讀活動可靠性的重要因素。①圖書館在以讀者為核心開展小數據的采集、處理、分析和應用時，應確保讀者對小數據的采集、共享、使用、決策的范圍與深度具有知情權、所有權、編輯管理權和刪除決定權。在讀者認為小數據侵犯了個人隱私時，讀者有對敏感小數據停止采集與共享、限制數據應用范圍和刪除樣本的決定權。②圖書館對小數據的融合和分析等操作在發現小數據所蘊藏知識的同時，可能會導致讀者隱私被侵犯［11］。因此，圖書館在小數據應用中應堅持決策適度和風險可控的原則，不要過量、過度地采集和使用小數據。同時，可利用數據脫敏、數據清洗和數據重構技術過濾讀者隱私數據，在確保小數據決策科學的前提下防范讀者隱私被侵犯。③圖書館應構建讀者小數據敏感度評估和分級別安全保護制度，通過使用前安全評估、使用時安全管理、使用后保密存儲與銷毀，實現小數據全生命周期的安全管理。

4 結語

在圖書館數據決策中，小數據是以讀者為中心全方位采集的數據，包括讀者的閱讀習慣、閱讀社會關系、閱讀模式、閱讀行為、讀者位置與移動路徑、閱讀生理與心理、閱讀評價反饋、閱讀終端等，它具有數據量有限、標準化結構、高價值密度、對讀者個體全方位全天候地深度挖掘的特點。因此，在圖書館讀者個性化服務中，與大數據相比，小數據較具有數據總量有限、系統資源損耗低、數據決策對象單一、決策結果實時精準的優點，能夠解釋以讀者個性化服務為核心的眾多事物之間的因果關系，實現了讀者個性化閱讀服務在內容定制、服務時效、系統資源損耗、讀者價值量提升、服務質量與讀者滿意度保證等方面的綜合評估最優。①圖書館在讀者個性化服務數據決策中，應依據讀者個性化閱讀實際，堅持小數據為主、大數據為輔的原則，利用大數據尋求影響讀者個性化閱讀體驗因素間的規律，再用小數據匹配讀者的閱讀活動場景，從而精確制定出科學、高效、個性化、經濟和動態的讀者個性化服務策略。②圖書館在小數據決策中，應根據不同讀者對個性化閱讀服務在精確度、時效性、經濟性和閱讀成本上的特殊需求，不斷增強決策系統數據應用算法的科學性，確保決策結果最優。③在小數據決策中，圖書館應對小數據實施標準化處理、噪聲信號過濾和敏感數據保護等，在提升數據可靠性、可用性和安全性的同時，注意不能對小數據過度清洗、重組、挖掘和刪除，實現小數據決策效率和讀者個性化閱讀收益的最優結合［12］。