大数据环境下科技情报研究模式的思考

樊城呈

摘  要：随着全球科技的迅猛发展以及信息化水平的不断提高，各种科技信息的数量呈爆发式增长，导致传统科技情报工作的方法难以满足国内科技发展的相关需求。因而必须针对大数据环境特征进行模式创新，并针对当前情报研究现状及其存在的一些问题进行剖析，提出了新环境下科技情报研究的新模式。

关键词：大数据;科技情报;新模式

中图分类号：G350 文献标志码：A         文章编号：2095-2945（2020）28-0065-02

Abstract： With the rapid development of global science and technology and the continuous improvement of the level of information， the number of all kinds of scientific and technological information shows explosive growth， resulting in the traditional scientific and technological information work methods difficult to meet the relevant needs of domestic scientific and technological development. Therefore， it is necessary to innovate the model according to the environmental characteristics of big data， analyze the current situation of information research and some existing problems， and put forward a new model of scientific and technological information research in the new environment.

Keywords： big data; scientific and technological information; new model

1 大數据对科技情报工作的影响

现代社会是一个科技飞速发展、信息化水平不断提高的社会，大数据就是这个高科技时代的产物，最早提出大数据已经到来的麦肯锡全球研究所将大数据定义为“一种规模大到在获取、存储、管理、分析方面远远超出了传统数据库软件工具能力范围的数据集集合”;EMC、IBM等公司将大数据看作是海量资源和技术架构的统称。基于对大数据产生环境和背景的深入分析，我们认为，大数据是以海量数据为核心、泛在网络为基础、智能分析为手段、辅助决策为目标的资源、技术和应用的统称。

大数据时代的科技情报研究作为辅助科技决策的“耳目”与“尖兵”，迫切要求开发新的数据驱动型科技情报研究模式，以加快对大数据信息的梳理、筛选与分析的工作流程，同时，又通过先进的信息分析软件和信息搜索服务为情报咨询与决策提供全方位、多层次、多领域的决策支撑。

2 大数据环境下传统科技情报研究模式分析及其存在的问题

科技情报研究即对无限量信息进行收集、处理与分析，从中挖掘、管理和利用知识，分析某种专业技术领域的发展现状和未来发展趋势，为科技战略决策者提供有价值的信息参考。大数据的飞速发展，给情报研究工作既带来了机遇，也带来了严峻的挑战。尽管信息源明显增多，但是，数据类型也更加复杂，从中去重、去粗的工作更加细致，增加了情报人员短时间内提炼获取有价值信息的难度，对其知识发现和知识管理的能力要求逐渐提高。

2.1 传统的人力驱动型研究模式

传统的科技情报研究模式以人力为主要驱动，按照研究方法一般分为5个阶段：情报研究方案规划、情报信息搜集删选阶段、情报信息分类与整理、情报信息定量与定性分析、情报产品编辑与发布。

（1）情报研究方案规划阶段。本阶段，情报研究人员根据客户的需求，对某种专业技术领域进行调查，开展前期预研工作，包括此项技术在国内外的战略途径、技术发展历程与动态分析以及市场需求、应用前景等，以此为导向策划情报研究的具体方案。

（2）情报信息搜集删选阶段。本阶段，根据情报研究的具体方案，情报人员会从不同角度、不同途径、不同层次手工检索多种类型信息，包括论文、专利、报告、统计信息等。通过信息的预先删选与验证，整理归纳出相关度高的信息，形成原始资源集，存储于指定的个人文件系统中。

（3）情报信息分类与整理阶段。本阶段主要是情报研究人员通过人工模式对搜集筛选过的情报信息进行类别划分与主次整理，同时也会结合数据分析器处理从论文和专利数据库中下载的原始结构化数据。

（4）情报信息定量与定性分析阶段。本阶段，主要应用定量与定性分析方法的来整理并合并数据，挖掘新理论新知识。当前，定量方法主要指文献计量方法，即通过分析科技类的文献和专利中对专业技术发展的梳理与动态预测，以及科研竞争力的评估等。定性方法主要用于文本数据分析，包括德尔菲法、文献综述、主题研讨、SWOT分析等。

（5）情报产品编辑与发布。本阶段，情报分析人员根据客户需求，将分析结果编制成文，形成各种类型的情报产品，包括简讯、专题、分析报告、期刊论文等。

2.2 传统的科技情报传统研究模式存在的问题

传统的科技情报研究模式由于已经暴露出很多问题和不足，完全无法适应当前不断变化的科研与决策环境要求，具体体现在以下几方面：

（1）情报产品制作周期长，影响情报的时效性。传统的科技情报研究由于采用人工作业模式负责安排和完成各个阶段的情报任务，致使情报人员在制作情报产品时通常需要花费较长的时间，尤其是在信息收集、信息整理和信息分析阶段，严重依赖于手工收集、处理、集成和解读大量的信息，严重影响了科技情报研究的效率。（2）知识挖掘能力有限，情报产品缺乏深度和专业性。一方面，情报任务中搜集和存储的大部分数据均为多属性或者非结构化格式的文本信息，但情报研究人员仅通过人工模式在短时间内处理分析的数据量是极小的，很难挖掘出新的知识同时又管理知识，并实现有效利用。另一方面，目前的科技情报研究还局限于描述性、小规模的信息分析，多侧重于对历史文献资料的搜集与整理，并未充分掌握情报分析软件对海量信息进行深层次整理、加工及分析的方法，使情报产品的研究深度及其立足点、专业性均受到不同程度的影响。（3）数据共享管理问题。当前的情报研究面临的最大问题即缺少对情报信息与报告数据集的共享与管理。这些数据通常存储于分散的个人文件系统中，缺少必要的理论框架以及量化内容分析的研究模型，没有通过任何合理的基础设施来共享并管理，所以，未能实现对情报数据信息的有效管理和利用。

传统的科技情报研究模式由于局限于手工数据的搜集和分析，因此缺少技术预见性。同时，越来越多的战略决策需求需要通过筛选和分析海量的信息数据以获取前瞻性来判断，因此，急需开发以大数据为基础的信息预测与分析模式，为科技决策提供更好的情报支撑。这将是未来情报研究的大势所趋。

3 对新环境下建立科技情报研究新模式的思考

随着大数据的迅猛发展，目前的人力驱动型科技情报研究模式越来越无法适应不断变化的科研和决策环境要求，一方面，由于用户更加关注在科研生产管理或者个性化环境中获取解决问题的途径及具体方案，对科技信息资源的专业性、准确性及时效性要求日渐增高;另一方面，科研人员获取信息的能力大为提高，相对于情报人员能够更快、更准地搜集到更多的情报信息，致使专业情报人员的信息资源优势迅速下降。因此，迫切需要加快大数据管理与分析流程，开发新型数据驱动型科技情报研究模式，实现科技信息的有效利用，提供更加科学、更加准确、更高质量的情报素材。

3.1 轉变传统情报研究模式，建立数据驱动型研究新

模式

传统人力驱动型科技情报研究模式耗时长，知识管理能力有限，数据存储较为分散，导致共享率较低，很难实现有效利用。而数据驱动型科技情报研究新模式的概念框架主要通过大数据整理与分析方法来代替当前耗时耗力、以手工收集、分析信息为主的方式，实现数据的智能化检索、存储、处理与分析，使用新技术搭建各种数据集间的数据关联，以挖掘出有价值又可靠的信息。

数据驱动型科技情报研究模式通过采用大数据架构和工具，对各种权威网站和数据库资源梳理分析，以及文献资料调研和专家顾问等方式，挖掘、遴选和评价不同来源、不同类型的基础源数据，使情报研究人员能够迅速获取所需信息，同时又能灵活调用各种分析方法对其进行深度解析。

3.2 完善科技大数据及情报应用服务体系，变“被动式服从”为“主动式研究”

当前大数据背景下，情报工作急需转变工作模式，变“被动式服从”为“主动式研究”，通过跨部门、多层次的协同服务体系，展开新型数据驱动型情报咨询服务，主动策划各种系列化数据分析与情报研究报告的等情报产品，从而完善科技大数据及情报应用服务体系设计。

一方面，建设用户情景导向的科技大数据及情报应用服务产品体系，设立相应的精细化加工数据产品、情报报告和服务体系，全程参与型号研制、重大预研课题，并持续跟踪，及时了解重大课题或者项目所要攻克的技术难题。同时，我们还应对国外相关技术领域或者同行业标杆企业的最新动向、最新研究成果及专业发展方向等导向性信息进行全面跟踪，派专人负责日常积累及碎片式整理，利用已掌握的专业知识对所获取的情报信息进行分类筛选、深入挖掘、细致分析，以形成本专业领域中最具有深度、广度及专业性的情报研究报告，提高科技情报在科研生产中的战略地位。

另一方面，建立完善的专业领域情报数据与情报管理和共享机制，丰富数据平台在线服务和情报产品个性化订制服务，依托期刊、微信新媒体等平台，传播科技态势大数据与情报成果。同时，根据不同技术领域、项目的不同研制阶段的情报需求提供情报研究咨询定制服务，变“被动式服从”为“主动式研究”，提高情报应用服务的便利性、规范性和权威性。

3.3 培养大数据技术人才，提升情报人员数据挖掘与分析能力

情报人员是公司战略发展中的“耳目”与“尖兵”，“查全、查准”也不再是评价情报服务效果的核心指标，其素质高低直接影响情报服务质量。大数据背景下的情报研究能力越来越取决于数据转换为信息知识的能力，急需引入大数据技术培训，掌握在大数据平台上进行情报分析的方法与工具，通过智能化技术选择信息源和信息分析模型，进行更加高级、复杂的情报分析研究，提高情报人员数据挖掘与分析能力。

4 结束语

大数据的发展更突显科技情报的应用价值，情报工作需要充分体现在信息收集、处理与分析利用方面的既有优势，去粗取精，去伪存真，参与到大数据的发展应用过程中，并积极从大数据方面的成果中汲取对科技情报工作有益的思路、成果与方法，理解业务需求，熟悉相关技术方法，了解数据资源，以加强科技情报对本公司战略规划和技术发展的支撑作用。

参考文献：

[1]刘玉.新时代 新模式：竞争情报的挑战与应对——第24届中国竞争情报年会高峰对话专家观点[J].竞争情报，2019，15（1）：42-48.

[2]李志男，等.基于信息融合模型的科技情报质量控制研究[J].情报杂志，2019，38（1）：54-60.

[3]彭峰.论科技信息工作中的科技情报翻译[A].中国国防科学技术信息学会第六届青年情报学术研讨会论文集[C].2011.

[4]中国人民解放军总装备部军事训练教材编辑工作委员会.信息服务的信息技术应用（上册）[M].北京：国防工业出版社，2001：7.

[5]张昌龄.科技信息工作手册[M].北京：航空工业出版社，2000.