大数据时代情报学面临的挑战和机遇

摘要：随着大数据时代的来临，大数据吸引了包括政府、企业等在内的多方关注，被称为是下一个社会发展阶段的“金矿”和“石油”，具有催生社会变革的能量。面对大数据的兴起为情报学领域带来新机遇的同时带来的极大挑战，传统的情报分析已经不足以对高速生产的、多种类型的、海量的数据进行有效处理与分析。本文针对大数据时代情报学面临的挑战进行分析，提出了情报学在大数据时代发展的机遇。

关键词：大数据;情报学;挑战;机遇

大数据，顾名思义是大规模的数据集，但它又不仅仅是一个简单的数量的概念，IBM公司指出，大数据的特点是4个V：Volume（大量）、Velocity（高速）、Variety（多样）及Veracity（真实），它提供了在新的和正在出现的数据和内容中洞悉事物的机会，使业务更加灵活，并回答以往没有考虑到的问题[1]。Gartner公司的报告也提出，大数据是大容量、高速和多样化的信息资产，它们需要新的处理方式，以提高决策能力、洞察力和流租优化[2]。图书馆正在从信息时代向数据时代进行过渡，并伴随着资源的全面数字化、富媒体化以及开放共享政策的不断完善，爆炸式增长的数据资源为传统的情报分析提出了极其严峻的挑战，新的情报分析手段亟待解决，从数据时代到计算时代的转变已经悄然提上议程[3]。21世纪情报学的发展，离不开多学科的交叉融合，唯有在理论与实践不断的碰撞中，才能为情报学提供创新型的发展思路与更为广阔的发展前景。所以大数据时代对于各个学科的要求都提高了很多，对于情报学专业 而言，大数据时代同样带来了很多挑战和机遇。

一、大数据时代情报学面临的挑战

大数据的研究价值可以她美“石油”，但如何进行挖掘与开采其价值，一直都是难点。

首先，海量数据将会为情报分析提供前所木有的有价值的信息，但与此同时，这些资料之间的关联程度也是海量的。如果有一批更新速度极快的多样真实的大量数据。将这批数据看作一个整体。每个单独的数据看作是整体的一个组成部分，这些组成部分之间毫不相关，数据彼此很孤立，数据间的关系不消晰很难捉摸，看上去并不像一个整体，相反地更像是一盘散沙。这种零散的海量数据之间的关系断裂其关联程度很低。也就导致其含金量减少，不能形成所谓的“大数据”。如何对庞杂的数据进行分析，发掘看似“杂乱无章”的数据之间的关联，是一大挑战，当前情报分析中仅有极小的一部分数据被整合、分析、利用并且发掘出其中内涵与价值，大部分数据仍是尚未开发利用的。

其次，大数据同时还具有“高速”的特征，即其生产速度极快，而传统的情报分析很大程度上是不能做到完全白动分析的，必须要有人工的参与才能进行，如何将情报分析过程实现完全自动化，也是大数据对于情报分析提出的严峻挑战。

最后，大数据的“多样性”表征除了以前在情报分析的利用较多的结构化数据外，非结构化数据也在其中占有相当大的比例，例如文本、音频、视频等很多形式的数据，这是未来情报分析中非常重要且不可忽视的部分，将其他的富媒体化数据纳入情报分析的范畴，将会极大地丰富情报分析的内容与提高情报分析质量，但同时，由于情报工作者要挖掘的某些规律可能隐含在各种形式的数据中，而同一种形式的数据又有可能含有很多规律，如此一来，大数据时代就要求情报工作人员的统筹兼顾，不能漏过任何一种类型的数据。

二、大数据时代情报学的机遇

大数据时代的来临，无疑是为情报学的学科发展创造了契机。情报学还是一个比较年轻的学科。大数据时代的到来也显示出情报学的“年轻”之处，如何将情报学进行完善，如何让情报学走向成熟这都将会在大数据时代中找到解决的机遇。

首先，大数据环境下的情报实践将在智慧化、精准化方面取得重大发展。传统的情报实践多在经过反复验证的模型指导下开展，然而环境的发展并不能完全保证根据以往经验得到的模型的准确性，大数据环境下的情报实践则改变这种方式，以数据为核心开展，其精准化将得到空前的发展。例如，美国政治类舆情分析专家Nate Silver从2008年开始利用大数据分析美国总统大选，连续两次准确地预测了选举结果，2012年的大选中NateSilver精准地预测了美国50个州的得票率[4]。

其次，大数据环境下的情报应用价值将在深度和广度上取得突破。从情报应用的角度来看，大数据工作与“事实数据+工具方法+专家智慧”的情报方法有很大程度上的相似性，在传统的情报研究中，情报应用在范围上分成了不同的业务范围，科技情报、竞争情报、图书情报、公共情报工作之间的界限明显，政府信息中心、统计部门、智库、高校等情报工作主体之间的情报研究相互割裂，导致情报机构和情报产品存在相互重复和缺口，影响了情报应用整体效能的提升;虽然情报应用的主要目标是服务于决策，然而在实际的决策过程中却难以支撑起有效的决策支持工作。

再次，将完善学科技术和方法。大数据时代，无论是数据量还是数据类型，都要求情报学这一学科对于自身的技术和研究方法进行一次变革和完善，以往的技术不能解决的问题，在大数据时代的今天将会得到解决;以往的方法不能研究的问题，在大数据时代也将得到研究，这也是技术和方法的升华。大数据时代的到来，可以为情报学这一学科提供更强有力的数据处理分析工具和方法。

最后，情报学将会更加受到重视。很多人曾经认为没有必要设置情报学专业，甚至有人将情报学列入 20 个无用的专业之一。但是在大数据时代，任何一个行业想在海量数据中进行“淘金”，都需要情报工作人员的介入，事实验证情报学的一些比较成熟的研究方法是其他专业不能比拟的，在情报学对数据挖掘的能力面前，曾经看着无用的垃圾信息将会是揭示某种规律的关键性信息。情报学专业在大数据时代应该抓住机遇展现自身的优势，顺应潮流发展，让更多的人看到情报学专业的闪光点。进一步对学科建设进行完善、使情报：无分的与数学、经济学、心理学等其他学科结合起来。从而使情报学更为成熟，成为数据挖掘和数据分析中的领头羊。

参考文献

[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]张晓林.颠覆性变革与后图书馆时代———推动知识服务的供给侧结构性改[J].中国图书馆学报，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/.

作者简介：郭佳璐（1997-），女，内蒙古巴彦淖尔人，河北大学管理学院本科在读，研究方向：信息管理與信息系统。