王晨俊

(太原科技大学 图书馆,山西 太原 030024)

0 引言

世界的本质就是数据，大数据开创了人类社会发展的新时代。然而大数据应用于高校图书馆阅读推广服务时，大范围地收集零散的、多渠道的、非结构化的用户信息并提取有价值资源具有一定挑战性，且大数据分析存在着操作难度大、设备要求高、信息安全难保障等问题，更是难以突出个性化数据，不能全面覆盖多元化需求，[1]因此，小数据应运而生。小数据与大数据相比，具有不同的数据思维及应用模式，小数据立足于用户基本特征，意在探索内在关系，强调数据的精确匹配，可以为用户提供动态的精准服务。

就目前国内研究现状而言，关于小数据主要有五种代表性的观点：刘庆麟认为，小数据是围绕不同个体采集相关个体的完全特征、全方位、多层次行为模式和情景感知的全部数据集合，着重分析个体在某个时间节点上的因果关系和数据背景，是对大数据的补充和完善[2]；王欣等认为，小数据是以读者个体为唯一研究对象的全方位数据，关注读者个体与知识获取行为之间的因果关系[3]；刘扬等认为，小数据是个体用户特征的完全表征，是用户多层次、多维度的用户行为数据的集合[4]；周欣认为，小数据对数据的精确描述要求较高，通过研究单一用户多种类型的特征、数据和行为来挖掘关于用户个体的规律和知识[5]；张凤斌认为，小数据具有鲜明的个体独特性，也称之为“量化自我”，小数据思维与图书馆“以人为本”服务理念高度契合[6]。可见，国内研究者对于小数据概念和特征的看法趋于一致。小数据具有成本低廉、操作简单、应用价值高的优点，本文认为，大数据时代高校图书馆应当不断加强小数据的管理，提高图书馆小数据的智能决策和数据分析水平，为阅读推广服务提供科学可靠的创新思维。

1 小数据内涵

1.1 小数据

小数据最初是由美国康奈尔大学计算机科学教授德波哈尔·艾斯汀提出，他通过对父亲日常生活的观察和行为小数据的分析，发现父亲身体缓慢衰弱的发展趋势无法从医院的体检项目中获得，这促使艾斯汀将小数据作为一种可靠的医学证据进行深入研究[7]。小数据是针对个体用户的全方位、多层次行为模式和情景感知的全部数据集合，能够全息地表征个体用户的完整特征，包括个人的生活习惯、身体状况、社交行为、情绪喜好等数据[8]。基于小数据的分析能够实现对个体用户行为习惯、兴趣偏好、需求状态等方面的动态预测，为个性化精准服务提供准确的导向。

小数据与大数据的区别在于：小数据以个体为唯一对象，重点在于深度，即对个人数据进行全方位、全天候的分析，既关注个体用户多要素间的关系，也关注它们产生的内在原因；而大数据面向群体，侧重于广度，聚焦于挖掘不同事物间的关系，注重结果而非逻辑缘由[8]。大数据是由小数据构成的，小数据是大数据的必要补充，大数据宏观概括整体发展规律，对研究用户行为有很强的说服力，但不可一概而论，忽略小数据的差异性与独特性。一言以蔽之，大数据为宏观服务做概略的理论支撑，小数据为微观服务做精确的数据支持。

高校图书馆小数据是“一个读者”与图书馆关联的全部数据集合，包括读者的个体特征数据、学习科研数据、到访图书馆的行为数据、数字资源的利用数据等，具有总量小、价值高和相关性强的优点，根据这些数据能够对读者的阅读情景、阅读心理、阅读喜好、阅读行为、阅读习惯、阅读社会关系等信息进行全方位的分析和应用，以便于图书馆提高服务精准度[9]。大数据时代高校图书馆小数据服务是大势所趋，图书馆应当一方面有效利用外部的大数据，基于大数据配置普适化资源；另一方面充分挖掘内部的小数据，基于小数据提供精准化服务。

1.2 小数据是用户画像的基础

用户画像，即用户信息标签化，最早由“交互设计之父”Alan Cooper提出，认为用户画像是真实用户的虚拟代表，是基于一系列真实数据建立的目标用户模型，也是最能体现用户特征的形象集合[10-11]。利用用户画像可以更好更全地了解用户的现实需求和潜在需求，便于精准化营销、个性化推荐，最终实现数据转化为价值的目的。

小数据是构建用户画像模型的基础，高校图书馆的用户画像数据包括静态数据和动态数据，见图1。静态数据是用户的基本属性数据，如姓名性别、专业院系、研究方向、学历职称等信息，可从图书馆的读者管理系统中获取。动态数据比较复杂，是用户不断变化的行为数据，描述什么用户在什么时间什么地点做了什么事情，是用户在图书馆网站系统、资源服务系统及移动终端平台等登录、浏览、咨询、借阅、检索、下载、收藏、评价等行为产生的数据，分显性数据和隐性数据，显性数据是读者自己填写的活动报名、文献申请、图书荐购、课题检索、科技查新及咨询问题等信息，隐性数据是用户使用图书馆数据库、管理系统、空间设备留下的痕迹，如登录次数、浏览内容、下载数量、借阅记录、使用频次、评价转发等信息，动态数据需要经过分析提取才能被利用。[12-14]

Fig.1 User portrait data图1 用户画像数据

2 高校图书馆阅读推广服务现状分析

高校图书馆的读者群是特定范围的具有学科专业背景和高层次阅读需求的大学生群体，读者范围相对固定，且阅读欲望较强，然而由于读者群的文化水平高、接受新事物速度快，一般性质的阅读推广内容很难吸引读者眼球。常见的阅读推广方式如好书推荐，大多以借阅排行榜为依据，借阅量大的图书被反复推销，且不说排行榜是否表达了读者的真实阅读意愿，试问去年已经多人阅读过的图书今年再行推广的边际效应有多大，而且过度追捧所谓畅销图书，冷门图书更加无人问津。很多图书馆的个性化推送服务，仅仅是根据读者之前的借阅记录，抓取数据推送同一主题的类似内容，然而这似乎更缩小了阅读视野，读者无法获得所学主题以外的知识灵感，甚至产生审美疲劳。

读者群要求高、推广方式单调、个性推送失准等这些实际问题都可归结为阅读推广工作在精准服务方面遇到的困境。目前高校图书馆阅读推广普遍存在资金投入有限、缺乏思维创新、影响深度不足等方面的现状问题[15-17]，因此，阅读推广馆员需要探索做好精准服务、建立长效机制的有效办法。

3 小数据思维应用在阅读推广的优势

小数据的性价比高。高校图书馆读者小数据只需通过本馆的移动阅读终端、传感器设备、读者登记等简单方式获取，总量不大，数据处理的配置要求较低、耗资有限、技术简单;但可操作性强、针对性更强，小数据对于明确分析读者个体的需求有重要价值，高校图书馆可以实时获取读者的阅读需求及需求模式变化，实现个性化服务从直觉驱动的经验决策转变成小数据驱动的精准决策[3]。

提高阅读推广服务效率。小数据思维可以让阅读推广馆员有针对性地提供精准服务，避免盲目推广，提高工作效率。比如可以对纸质资源和数字资源进行利用率的小数据统计，不同利用率的资源对应不同的处理方式，有效合理地配置有限的经费，还可以通过观察小数据波动，选择阅读高峰点更新资源，最大程度地吸引读者，提升资源使用效率。

满足读者多元化服务需求。通过小数据分析，为各类读者提供精准化服务，提升服务意识，拓宽服务功能，更好地满足读者的多元化服务需求。高校图书馆根据读者的阅读需求，采集整合大量的小数据资源，丰富的数据支撑可以为各类读者量身定制，提供全方位、多层次、多维度的阅读推广服务[18]。

4 高校图书馆阅读推广服务创新举措

高校图书馆阅读推广服务的一大难点就是如何与读者的阅读需求实时接轨，挖掘小数据为高校读者画像是最直接有效的方法，据此分析读者的行为偏好和阅读需求，有的放矢推进精准服务长足发展，最终转化为借阅量的提升。笔者以所在的太原科技大学图书馆为例，以本馆近五年的流通借阅数据为引，分析探索书与人的关系，为阅读推广服务创新提供参考举措。

4.1 构建读者画像模型

高校图书馆运用小数据的目的主要是构建读者画像模型，建立具有相同属性的读者群，从而为其精准推荐。当读者在图书馆的行为数据达到一定数量后，读者画像变得清晰，便于图书馆对读者深入了解。阅读推广服务中，通过对读者静态数据与动态数据的整合挖掘，可以准确找到读者的个性化偏好，充分挖掘读者的真正需求，并精准预测读者的潜在需求，然后有针对性地提供专业化、智能化的阅读推广服务，将读者需求匹配度高的资源推送给相应读者。

需要注意的是，数据是理性的，但图书馆是具有人情味的特殊文化领域，我们不能盲目迷恋数据，要学着在理性决策和感性决策之间找到平衡点[19]。图书馆既要充分利用读者画像模型、深入挖掘大小数据为读者提供与其学识相当的精准服务，也要展现图书馆的人文关怀，因此图书馆员需要亲近读者，及时了解数据以外的真实感受，修正完善数据的偏颇。

图2为本馆近五年的读者所读书目分布图(本馆书目按中国图书馆分类法排列)，每年的高峰都异常统一，T类(工业技术)、I类(文学)、O类(数理科学和化学)居上，据此可认为工业技术类、数理化类图书是本馆读者的首需，而文学类图书属大众化需求，向来是阅读推广的首选，这表明如果本馆的阅读推广工作仅限于人文社科类内容，可能会缺失大量读者。为充分把握读者需求，笔者对机械学院、计算机学院的高借阅量读者进行访谈，结果却得知：T类图书高峰很大程度上是因为毕业生对工具书的大量需求，而工具书是无需每年采购也无法推广阅读的；工科生偏理性思维而轻感性思维，智商与情商失衡，是更需要提升人文素养的读者群。此种情况下，工科专业的读者画像就应当在其行为数据的基础上加入文学的培养需求，阅读推广馆员在为其提供专业阅读方面的个性化推送服务时，也应配合推送文学方面的阅读内容。

4.2 进行读者分类

读者分群分类是高校图书馆精准服务的必然要求。从读者的特征描绘、行为习惯及社会关系等信息中发现小数据的价值，对读者的差异化需求聚类分析，全方位、多层次地进行读者画像描述，从而进行读者分类，建立不同的读者群。高校图书馆应当依据读者群的大小数据进行深层次分析，在读者与读者之间、读者与馆员之间搭建阅读交流的平台，更好地为读者提供精准化的阅读服务。

根据二八定律，20%的高端读者群为图书馆贡献了80%的服务收益率，图书馆可以着重研究这20%读者的借阅行为，开展小数据的收集与分析，形成对读者阅读需求最直观的判断，力求服务效益最大化。图3与图4展示了本馆近五年的读者借阅情况，总量与均量可以体现图书馆的整体特征，高借阅量读者的小数据可以体现读者的自我特征，可以看出：读者的流通量与借阅量均呈下滑趋势，且借阅量的下滑坡度大于流通量，这是近年来纸质阅读的共性；平均借阅量稳中有升，最高借阅量从浮动大到趋于稳定，这是本馆阅读推广工作多年努力的成果。按照二八比例，我馆每年有1 200～1 300人次的高端读者群，将这些读者的所有小数据抽取、叠加，便可定位具有本馆特色的核心读者。最高借阅量的读者群、高于均值借阅量的读者群、低于均值借阅量的读者群便是阅读推广服务过程中需要区分对待的三个梯队。

Fig.2 Distribution of reading items图2 所读书目分布图

Fig.3 Reader circulation and borrowing volume图3 读者流通量与借阅量

Fig.4 Maximum and average borrowing volume of readers图4 读者最高借阅量与平均借阅量

将阅读推广的活动内容与读者进行匹配，为相应的读者群开展特色服务，可以避免盲目宣传和不必要的干扰。比如好书推荐，网络上的畅销图书排名榜属大众化的品味，不能代表高校读者的需求，更不可一刀切，应当依据本馆馆藏特色及本馆读者特征有所取舍，分门别类地推给不同梯队的读者群。比如读书会，对低于均值借阅量的读者群应当以分享交流为主，阅读一些便于提起兴趣的入门图书，内容不可太过深沉；对高于均值借阅量的读者群应当以引导自主为主，引导其自主阅读一些内容有所思考、思想有所积淀的图书，可加入辩证逻辑思维；对最高借阅量的读者群应当以支持阅读为主，为其提供便利条件，甚至可以让其作为阅读主讲人，带动其他读者。高校图书馆应当有针对性地为不同的读者群体提供个性化、差异化、特色化的阅读推广服务，有效满足读者多层次需求，提高图书馆服务凝聚力。

4.3 统筹阅读推广方案

高校图书馆的部门设置普遍是传统意义上的采编、流通、咨询、技术等职能部门，而阅读推广工作需要各部门统筹合作，按照矩阵管理模式、跨部门组建阅读推广小组可以在人手紧缺的情况下调动全馆人员，提高部门响应度，形成全馆资源共建共享、互通互补的局面。高校图书馆需要组建一个系统性、针对性的阅读推广小组，小组成员并非简单组合，而是以小数据为基点、以精准服务为目标，对各部门各类型的人才都有所兼顾，组员之间既密切配合又相对独立，每个角色都是阅读推广进程的重要一环。

阅读推广小组统筹规划阅读推广方案，一方面要深入理解读者画像模型，确保数据驱动精准推广，另一方面在职能部门之间互通有无，有效保障数据资源的共享互补、合理利用，形成一套既立足本馆实情又能满足读者需求的推广方案。

图5与图6展示了本馆近五年的图书流通情况，可看出图书的总流通量、借阅量走向与读者总量的趋势同步，体现了本馆书与人的共振现象，说明总体上现有馆藏与读者需求的匹配度比较高；图书的平均借阅量持平，最高借阅量上涨，说明读者对少数种类图书的需求强烈，而本馆尚未满足，应当予以重视，弥补短板。阅读推广小组要努力提升图书馆的总流通量和借阅量，就要及时掌握高借阅量图书的书目及读者借阅小数据，为此类读者画像，对这批书目深度挖掘，为来年的阅读推广方案奠定数据基础。要准确定位这些类型的图书，需要技术部、流通部、采编部等部门的配合，来自这些部门的小组成员应当尽力为数据整合、数据挖掘、数据运用提供便利，确保阅读推广方案可落地。

Fig.5 Book circulation and borrowing volume图5 图书流通量与借阅量

Fig.6 Maximum and average borrowing volume of books图6 图书最高借阅量与平均借阅量

5 结束语

高校图书馆在阅读推广服务中应当充分挖掘本馆及读者的小数据，构建读者画像模型，这是精准服务的前提，也是服务创新的源泉，据此将读者分群分类，针对性地开展群体特色服务，统筹优化阅读推广方案。大数据背景下，高校图书馆阅读推广工作经历了从倡导阅读重要性的口号主义向夯实阅读价值观的人文基础的转型升级，不再追求阅读活动的全面开花，而更加注重精准服务的实证效果，小数据思维助力开创阅读推广服务的全新局面。