下载掌阅APP，畅读海量书库
立即打开
当前，大数据作为重要的生产要素之一，已经渗透到各个行业和领域。从大数据主要发展节点来看，“大数据”一词于1980年出现在《第三次浪潮》一书中，该书将“大数据”称为“第三次浪潮的华彩的乐章”。2008年9月，《自然》杂志推出了名为“大数据”的封面专栏。2011年6月，麦肯锡发布了关于“大数据”的报告，正式定义了大数据的概念，后受到各界关注。2012年，美国奥巴马政府在白宫网站发布了《大数据研究和发展倡议》。由于大数据的快速发展，2013年也被广泛认为是中国的“大数据元年”。2015年10月，我国正式提出实施“国家大数据战略”，标志着大数据战略正式上升为国家战略，开启了大数据建设的新篇章。大数据时代的主要发展历程如图1-4所示。
图1-4 大数据时代的主要发展历程
大数据具有4V的典型特征，具体如下。
第一，数据量大（Volume）。超大规模是大数据的基本特征，大数据时代的数据计量单位从TB跃升到PB（1024TB）、EB（1024PB）或ZB（1024EB）。其中以非结构化数据增长最快，其数据量是传统数据仓库的10～50倍甚至更多。
第二，类型繁多（Variety）。海量的数据并非具有规整统一的结构，随着数据来源增多，数据也逐渐多样化，从类型来看包括网络日志、音频、视频、图片、地理位置信息等，从结构来看包括结构化、半结构化、非结构化数据，从形式来看包括图像、音像、视频等，异构、多样的数据缺乏明显模式、连贯的语义，对数据处理能力提出了更高的要求。
第三，价值密度低（Value）。从整体来看，类型繁多、超大规模的数据的确蕴含着规律和模式，但少量数据并不能揭示这样的规律，也就是说大数据价值密度相对较低，在海量数据中同时存在大量不相关的甚至是干扰的信息，如何通过强大的机器算法更迅速地完成数据的价值提炼，是大数据利用亟待解决的难题。
第四，速度快、时效高（Velocity）。我们知道信息是具有时效性的，过时的信息其价值会大打折扣，甚至毫无用处，因此，在大数据处理过程中，不仅不能因为数据规模、复杂结构延误处理时间，反而应该实时、快速地进行数据处理和分析，满足相关主体需求。持续、连贯地进行数据的输入、处理和分析，实时而非批量，这是大数据区别于传统数据挖掘最显著的特征之一。
大数据使得基于大数据的数据挖掘和知识发现成为可能，推动了研究范式和服务模式的发展，科学研究从问题驱动转为数据驱动（见图1-5）。另外，大数据的产生和发展正在对实际的管理活动产生影响，并进一步提高了管理与决策的准确性。
图1-5 从问题驱动到数据驱动：“大数据”发现与预测
基于大数据的资源观和管理的视角，可以认为大数据是一类能支持管理决策的重要资源。大数据资源管理的特征主要表现为复杂性、决策有用性、高速增长性、价值稀疏性、可重复开采性和功能多样性六个方面。
①复杂性。大数据是海量的数据集合，它的形式、特征十分复杂多样。这不仅表现在数据规模大、数据来源广和形态结构多，还表现在其状态变化和开发利用方式等的不确定性。
②决策有用性。大数据自身是客观的、低价值密度的数据资源，其直接功用和价值比较有限。它的价值主要通过对其背后隐藏的信息进行分析、挖掘来实现，进而在实践情境中提供利用价值、支持决策，这就是大数据的决策有用性。
③高速增长性。大数据资源与石油等自然资源不同，不可再生的自然资源会随着人类开采利用而逐渐减少，但对数据资源的开采，非但不会减少其资源总量，反倒会增加，这种增长的速度可以很快，有时是指数性的，有时甚至具有爆发性。
④价值稀疏性。大数据具有低价值密度的特征，大数据的开发、利用也具有价值稀疏性，这也增加了开发和利用大数据资源的难度，成为大数据价值挖掘的主要挑战之一。
⑤可重复开采性。自然资源的开发、利用过程通常是不可重复的，但大数据资源可以被重复开采。任何拥有数据使用权的人或组织都可以对其进行开采。在这个重复开发的过程中，数据资源的价值会随之大大提高。
⑥功能多样性。不同主体可以基于不同的开发目的，对大数据进行开发，基于不同的开发目的和方式，赋予了数据资源多样化的功能，如公共管理、商业分析等
。
另外，“智慧数据”是近几年来的新提法，即通过对任何规模的可信的、情境化的、相关切题的、可认知的、可预测的和可消费的数据的使用来获得重大的见解和洞察力，揭示规律，给出结论和对策
。不同领域对智慧数据的理解会有所差异。在数字人文领域，智慧数据更加强调语义互联和专题数据库建设等内容，例如国际文化历史项目“文化历史的网络框架”，通过关联维基数据、艺术家辞典、艺术家联合人名规范文档等多个来源的数据，重现了跨越三千年的欧美文化迁徙模式。在智慧城市领域，智慧数据则倾向于强调数据的透明性、协同性、开放性、安全性等。实际上，智慧数据本身就是大数据的升级与延伸，其基本逻辑路径和目标是促使大数据更加智慧、智慧数据更大，以此实现数据与智慧的充分结合。
当今社会已经不是传统意义上的数据匮乏的时代，最显著的问题在于如何在海量的数据中找到真正需要的数据。可以说大数据概念的出现影响了各个层面的信息资源管理活动，包括国家、政府等宏观层面，各种企业、组织的中观层面，以及公众个体的微观层面。
大数据对具体的信息资源管理领域产生了潜移默化的影响。例如，从空间结构来看，在2005年以前，一般认为政府是信息资源的最大存有者（80%左右），信息机构（信息中心和图书馆等）是信息资源体系的核心节点，而2011年麦肯锡公司的报告显示，政府拥有约848PB数据，约占数字信息资源总量的12%左右，信息机构的信息资源总量更是远远低于信息服务商的数据总量，因而大数据环境下信息资源的空间结构分布更加扁平化和多样化。从流程管理来看，一直以来信息资源管理理论集中于信息资源的采集、加工和处理阶段；而大数据环境更加凸显了数据产生的管理（物联网）、数据汇集和交换效率（云计算）以及数据存储（云存储），并使得不同生命阶段的数据之间的内部关联性大大增强，信息生命周期模型逐渐从一个描述信息资源管理理念的“概念模型”演变为可行的“架构模型”
。
总之，在大数据、智慧数据等思维和技术的持续影响下，信息资源管理范式也发生了重要改变。大数据对信息资源管理的影响主要表现在以下四个方面。
一是信息资源观的改变。信息资源管理的研究对象和领域边界逐渐向数据资源延伸，开始重点关注数据资源的建设与管理问题。在理念上，数据资源的建设与管理更加强调“大”与“智”的结合，通过合理的方式、途径、机制实现资源的跨界融合。
二是信息资源管理的学理范式发生了变化。随着数据驱动知识发现范式的兴起，信息资源管理领域的知识发现“路径”开始缩短，信息分析流程也发生了改变，并更加重视因果关系与关联关系的结合。在内容层面，信息资源管理的学理研究更加注重片段数据、海量数据、非结构化数据的采集、清洗与分析，数据资源的开放化、关联化、可计算化水平成为新热点。
三是信息资源管理应用逻辑的转变。自从有了数据利器，信息资源管理更加强调“数据增值”和数据驱动的智慧服务，开始不断面向需求积极向用户提供数据产品、数据工具、数据培训，不断释放“数据红利”。
四是研究团队的变化。在大数据的影响下，数据分析类人才十分抢手，信息资源管理研究团队开始与大数据团队不断加强结合与协作，进一步推进具有信息资源管理领域特色的专家智慧协同。
总体来看，不可否认，大数据从各个方面推动了信息资源管理的发展，正在影响、改变乃至重塑信息资源管理的研究范式和应用逻辑，成为信息资源管理整体体系的重要补充，具有不可估量的潜力。当然，在大数据环境下，信息资源管理的传统优势和社会使命仍然没有改变，而优化社会数据资源配置效率、维护数据服务的公益性等成为新的重要目标。
大数据的飞速发展与信息资源管理发生了碰撞，摩擦出许多新兴的“火花”，发展出许多信息资源管理研究的新方向。
例如，在数字人文方向上，信息资源管理领域积极利用大数据环境下的各类新的信息处理技术，使得数字人文研究在本领域蓬勃兴起，数字人文研究内容、发展形态、项目建设等也注入了很多新的元素和内涵。在具体应用上，如：数字记忆，即运用新兴数字技术对承载记忆属性的档案资源进行开发、利用的一种建构活动；城市记忆，即集合城市历史、文化，运用大数据技术进行城市形象表达等。
在大数据环境下，社交网络的开源数据资源等逐渐成为可感知的、可观察的“社会信号”，大数据与社会计算成为重要方向。目前相关研究内容涉及虚拟社会网络的人物节点分析、互联网信息传播、学术交流模式、行为动机等。
在大数据环境下，各种安全隐患和风险错综复杂。对国家安全大数据信息资源的整合与管理，以及相关的挖掘、分析，是国家安全管理与决策的重要方向。目前其主要研究方向有面向国家安全事件的数据分析、学术信息资源安全保障、关键数据资源安全管控等。
大数据同时也是新型智慧城市建设的生命线，信息资源保障、解决“信息孤岛”和“数据孤岛”、提供数据驱动的智慧服务等成为其重要内容。例如，辅助城市应急管理、勾画区域产业发展态势、改善居民信息困境等内容和方向，都是信息资源管理领域将大数据与智慧城市进行融合的典型示范。
总体来看，在大数据环境下，信息资源不再局限于人脑所存储的知识和文献层面的内容
。信息资源管理正在从文献信息资源拓展到更广泛的大数据资源空间（如科学大数据、政府大数据、应急大数据、健康大数据等），并在国家安全与国家发展决策等多个领域得到广泛应用，体现出巨大的社会价值和无限的产业空间。
◎ 复习思考题
1.请从信息链视角分析信息流运动的内在逻辑。
2.信息的基本特征有哪些？
3.请谈谈对观点“信息资源是一种重要的生产要素”的理解。
4.请论述信息资源管理的产生与发展脉络。
5.请谈谈大数据对信息资源管理的影响。
6.请结合某个具体领域论述大数据时代的信息资源管理的拓新。