出版企业数据资源管理机制优化研究

邢雪 阮顺领

[摘要]信息化时代，出版企业面临大量的数据涌入，由于未能有效地处理这些数据，因此一大批出版企业在市场竞争中陷入落后的境地。在未来，数据管理将成为企业最核心的管理活动之一，优化数据管理将有效地提升数据的资源价值，为出版企业创造更大的盈利空间。

[关键词]出版；企业管理；数据管理；大数据

[作者简介]邢雪，西安建筑科技大学；阮顺领，西安建筑科技大学。

在信息化时代，数据本身是一种资源。数据管理就是要将数据的资源价值充分发挥出来，让数据为企业决策提供依据。在大数据时代，数据量空前增长，对数据管理也提出了新的挑战。传统出版企业由于缺乏必要的技术和人才，在数据管理方面明显落后于一些数字出版企业，同时也制约了传统出版企业的转型。因此，加强数据管理机制研究，对于促进传统出版企业发展，优化出版企业工作模式具有十分重要的意义。

一、出版企业数据管理的主要内容

数据管理是一项系统性工程，其所涉及的面非常广泛。在大数据时代，数据管理可以说是出版企业的基本工作，也是最为重要的工作。具体而言，数据管理主要包含以下几方面的内容：

第一，市场产品管理。对于任何一家企业而言，产品永远是第一位的。随着网络的兴起，当代读者的阅读越来越多元化。因此，出版企业在设计产品时，必须充分考虑读者的需求，只有满足了读者的需求，才能设计出成功的产品。然而，在一个海量数据的时代，仅仅依靠传统技术手段，是不足以准确定位读者需求的。因此，必须采用新的信息技术手段，从全方位来管理产品。

第二，制订企业发展规划。在海量信息时代，信息对于企业决策的重要性越来越显著。企业获得信息数据后，分析得越准确，决策就越准确，越有利于企业的发展，反之则可能给企业造成不必要的损失，让企业的发展滞后。传统出版企业向数字出版企业转型是一种必然，在此过程中，信息决策起到十分关键的作用。出版企业是否能够成功转型，转型后能否快速发展，都需要正确的信息来指导。

第三，营销信息管理。网络时代的营销，从本质上而言是一种基于数据的营销。根据数据制定营销策略，已经成为网络营销的关键。对于出版企业而言，数据是一切决策的关键，掌握数据便是掌握市场。因此，必须采用信息化的手段来从事营销活动，充分重视营销数据的价值。

第四，出版项目管理。出版企业如果能够成功申报国家级出版项目，获得政府的支持，无疑具有十分重要的意义。但是，在项目申报的过程中，如果未能充分了解相关领域内，或是同行申报情况，很可能造成申报失败。如果加强前期数据管理的力度，深度挖掘信息，那么无疑会增加成功的筹码。

第五，作者信息管理。作者是出版企业的核心竞争力，充分发挥作者的才能，不让优质作者流失，是出版企业的当务之急。同时，注重潜在作者的发掘工作，为出版企业储备优质人才，也是出版工作者应当注意的内容。

第六，渠道信息管理。近年来，传统销售渠道萎缩十分严重。一方面是传统销售模式成本较高，另一方面是缺乏必要的渠道管理。实体书店模式对一大批读者，仍旧具有十分重要的文化意义。出版社应当和实体书店联手，从渠道管理入手，尽可能地降低传统销售渠道中不必要的成本耗费，从而为读者和社会，同时也是为自身的发展做出更大的贡献。

二、出版企业的数据管理技术

在信息化时代，数据管理必然是信息化的活动，其间必然会涉及很多信息技术。出版企业要想适应信息化的市场竞争，就必须充分了解这些技术。具体而言，数据管理技术主要有以下几方面：

第一，数据仓库技术。数据仓库是由美国IBM公司研究院的巴里·戴维和保罗·莫非于1998年提出的，这一概念从根本上改变了数据管理的生态。数据仓库是现代数据管理的基础，是从事大数据分析的核心框架。借助数据仓库技术，可以将不同平台的数据纳入一个分析平台中，采用关联分析技术，将其整合成为数据资源。目前，主要的数据仓库产品有IBM公司研发的Web Sphere Data Stage，其特点是采用图形化的操作界面，支持多平台和多环境，支持大规模异构数据的处理。

第二，关联分析处理技术。所谓“关联分析”是指分析不同数据之间的联系，通过联系将不同数据整合在一起，从而发挥出1+1>2的效果。关联分析又称多维分析。在信息化时代，出版企业不可能依靠单一维度的数据来进行决策，因此关联分析将成为出版企业未来决策过程中最为重要的技术工具。

第三，数据挖掘技术。在大数据时代，数据的基本特点是价值量越来越低，数据呈现出碎片化、无序化、无意义化的特点。因此，数据分析的难度变得越来越大。传统数据分析主要集中在数据量上，出版企业往往以作家的名气、同类产品的销量等作为决策的依据。但是在大数据时代，此种直观的数据可能被认为只是一个偶然、真正的常态，往往隐藏在那些最为零碎或琐碎的细节之中，如网店的销量、读者的评价等。因此，必须采用信息化的数据挖掘技术，从零碎的大数据中提炼出至关重要的内容。

第四，信息可视化技术。在很长一段时间内，笔者不此一次听到，很多人认为信息可视化技术只是一种“奇淫巧技”。事实果真如此吗？实则不然。自可视化技术诞生以来，数据管理提升到一个新的层次。数据可以说是高度抽象的，即便是经过整合、处理、分析后的数据，仍旧是高度抽象的。对于多数人而言，这些数据到底有什么意义，其价值何在，是很难一眼看出的。而采用可视化技术后，数据的价值将一目了然，有利于人们理解并及时做出决策。

三、出版企业信息工厂

从根本上而言，数据管理就是为企业决策提供服务。数据管理是高度系统化、技术化的工作，不是个人能够完成的，往往需要一个团队，并且有稳定的支持，才能发挥作用。目前，国外企业主要采用信息工厂模式，全面统筹数据管理各项事宜。

第一，数据反馈管理机制。传统数据管理中，往往重视数据资源所产生的效用，忽视未能产生直接效用的数据。而大数据恰恰是那些不可能直接产生效用的数据。因此，优化传统数据管理机制，就应当建立起适应大数据的数据管理反馈机制，尽量让所有的数据都能够被纳入数据仓库中，成为数据分析的对象。

第二，数据整合管理机制。数据仓库中的数据往往来自不同的数据源，其数据格式也是不相同的，而数据分析只能针对统一格式的数据进行。因此，在分析数据前，必须将这些数据重新整合。在传统数据管理中，一般不会涉及如此复杂的数据处理，出版企业必须建立全新的数据整合管理机制。同时在数据标准上，出版企业应当研发自己的标准，作为数据资源保护的重要手段。

第三，数据质量管理机制。对于大数据分析而言，数据质量是最为关键的前提。大数据不仅量大，而且质量参差不齐。如果不涉及一个严格的、合理的质量筛查标准，那么在元数据质量得不到保证的前提下，数据管理的质量也会受到影响。数据质量管理一般涉及两方面的内容：一是企业内部的数据质量控制，二是外部数据的质量控制。就内部质量控制而言，加强数据录入是关键。外部质量则需要依靠多种数据技术来实现，如数据血统分析、数据整合、数据标准化、数据匹配及持续监控等。由于新的数据正在源源不断地产生，因此数据质量管理必须是一个长效机制。此外，充分利用最新的数据工具也是必不可少的手段。如ECTL技术是一种数据过滤技术，根据用户设定，可以将一些无用的数据从对象中筛选出来，从而提高数据样本的质量。

第四，数据治理机制。数据管理是企业管理的核心，必须有一个配套的治理机制，才能充分保障数据管理得以落实，并且长效地发挥作用。数据治理机制本质上是一种数据管理体系。数据治理机制的建立，是数据管理优化的关键。一个现代化的数据治理机制，应当具备高效的执行力，能够在最短时间内对数据做出反应。同时，出版企业应当建立起有效的责任监督机制，让数据管理落实到实处，从而真正发挥出数据的资源价值。

数据资源管理是未来出版企业的核心工作，是数字化出版企业的必然选择。在数据资源管理的过程中，出版企业应充分利用好信息技术，加快信息技术人才的培养，尽快建立起系统性的管理机制。未来的竞争，从根本上而言，是信息的竞争。只有深度挖掘信息，创新产品，才能使出版企业走上可持续发展的道路。

[1] 谢巍. 出版企业的营销职能创新研究[J]. 北京印刷学院学报，2014（1）.

[2]阮玉顺. 简议出版企业数字出版中心建设[J]. 出版发行研究，2014（7）.

[3]王谷香. 出版企业的柔性管理研究[J]. 传播与版权，2014（6）.

[4]李霄姝. 出版企业库存图书管理问题探究[J]. 经济研究导刊，2014（17）.