大数据时代情报学面临挑战和机遇.docVIP

大数据时代情报学面临挑战和机遇 　　〔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。它同样也给情报学这一学科带来了很多难题和机遇。本文针对大数据时代情报学面临的挑战进行分析，提出了大数据时代情报学的学科发展趋势以及情报学在大数据时代发展的机遇。 　　〔关键词〕大数据；情报学；研究方法；非结构化数据 　　〔中图分类号〕G250.2〔文献标识码〕A〔文章编号〕1008-0821（2013）08-0058-03 　　大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯。 　　随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百甚至数千的电脑分配工作[1]。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。 　　1大数据时代情报学面临的挑战 　　进入2012年之后，“大数据”一词被越来越多的人所提及，它用来描述信息大爆炸时代产生的海量数据，时至今日“大数据”的研究价值已经可以和黄金相媲美。所谓“大数据”顾名思义，首先是数据量要大，但是并不是数据量大的数据都可以称之为大数据，IBM公司大数据的特点是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[2]。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、洞察力和流程优化[3]。 　　在笔者看来，“大数据”还应该加入一个特点就是海量??料之间的关联程度。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，数据间的关系不清晰很难捉摸，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”。 　　由此可见，大数据时代的背后其实有更加深刻的理念，同时这些理念也为情报工作者带来了新的挑战。 　　（1）大数据时代从字面上理解只是进入了一个海量数据时代，而实际上大数据时代更深刻的理念在于它带领我们进入了数据分析时代，数据的分析随着大数据时代进入了一个前所未有的黄金时期，如何从海量数据中获取有用的信息成为情报工作者面临的新挑战。 　　（2）大数据时代的另一个特点就是其多样性。进入大数据时代之后，数据的种类除了包括一部分结构化的数据以外，还包括很多非结构化的数据，例如文本、音频、视频等很多形式的数据。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。 　　（3）大数据时代不仅仅是数据量的巨大，其最主要的特点还有Velocity（高速），这一特点就迫使情报工作人员必须打破以往的人工分析的工作模式，计算机智能分析将成为未来大数据时代数据分析的主流技术。 　　在大数据时代中，要求将情报学和其他各个学科相结合，在其他学科的各个领域内应用情报学的知识对海量的数据进行分析研究，并将各个学科领域内的研究都归为情报学的一个组成部分加以建设，情报学自身的优势何在，劣势何在，如何把握大数据时代这一机会进一步进行学科的完善，是我们应该思考的问题。 　　2情报学在大数据时代的发展趋势 　　大数据时代的变革将会引领情报学进入一个崭新的发展阶段，英国莱斯特大学的MarkPhythian教授在2008年发表了题为“Intelligence Analysis Today and Tomorrow”的报告中指出[4]：①获知情境是非常重要的。忽略战略环境、领导作风和心理因素等更广泛的问题，都会引起情报研究的失误；②加强信息之间的关联。美国政府内部信息共享的障碍，分析人员无法获得足够的信息，以支持分析活动，导致情报研究预测失败；③要学习更多外部的专业知识。这一举措虽然不能保证分析的成功性，但将是竞争分析的重要信息来源。 　　在大数据时代背景下，通过