面向大数据的情报分析方法与技术研究

龙源期刊网

大数据时代下的情报学思考

作者：张迎

来源：《商情》2018年第10期

[摘要]本文首先回顾了情报学的一些定义，包括广义的和狭义的，再介绍情报学的产生，接着介绍情报学面临的一些困境，并对大数据时代下的情报学发展进行思考，分析大数据给情报学带来的影响。因此，情报学虽然发展起来困难重重，但是因为大数据的出现，抓住机遇充分利用信息技术，情报学研究与工作也会得到很好的发展。

[关键词]情报学 大数据

现如今，大数据是当今的热点词汇。无论是中国还是美国，大数据成为各个领域关注的焦点，无论是商业界还是学术界，都打算或者已经与“大数据’’产生关联。情报学是以数据、信息为主要研究对象的学科。情报学在传统领域面临一些困境，例如学科困境、教育困境、职业困境。大数据时代给情报学研究带来了机遇，为解决这些困境提供了条件，但是与此同时也给情报学带来了挑战。情报研究工作需要新的思路和研究方法来适应大数据时代的到来，并在大数据环境下得到更好的发展。

一、情报学的定义

“情报学”术语是由法国学者阿曼德，路易斯创立的，并把它定义为“计算机情报处理”，其含义是用计算机进行信息处理的手段和学科课程的总和，还包括在人类活动各个不同部门使用计算技术的广阔领域。

情报学的狭义定义指的是科学情报学。情报是一种普遍的社会现象，科学情报学就是揭示这种现象的特性及其社会作用的学科。科学情报学的情报现象发生在科学领域内，与人类在认识和改造自然之中所积累的科学知识密切相关。科学情报学利用许多学科的理论综合研究科学情报的产生、收集、加工传递和利用。

二、情报学面临的困境

情报学发展主要面临三大困境，即学科困境、教育困境和职业困境，Griffith作为ASIST年会的主席讲演时，提到了情报学相互联系的三个方面：学科、教育和职业。本节将具体分析这三大困境。

大数据技术在文化产业中的应用及其研究进展

近年来，随着信息技术的飞速发展，大数据技术也逐渐成为了各个领域的新宠。在文化产业这个领域中，大数据技术的应用无疑是火热的话题。

一、大数据技术在文化产业中的应用

1.1 数据分析与消费者行为预测

随着大数据技术的不断发展，文化产业中的数据分析和消费者行为预测也变得越来越精准。通过对海量数据的收集和分析，我们可以更好地了解消费者的需求和偏好，进而进行产品设计和策划。比如，某音乐平台通过收集用户的歌单列表和播放记录等数据，可以为用户推送更符合其喜好的曲目，提高用户的粘性和满意度。

1.2 营销推广与品牌塑造

大数据技术还可以用于文化产业的营销推广和品牌塑造。比如，通过对某个明星的粉丝关注度和观众反馈等数据进行分析，我们可以了解到该明星在哪些方面有较高的优势和潜力，并在此基础上制定相应的营销策略和品牌定位。

1.3 创新设计与内容开发

大数据技术还可以为文化产业的创新设计和内容开发提供有力的支持。通过对文化产业数据进行分析和挖掘，我们可以了解到哪些元素和主题在市场上具有热度，并在此基础上进行创新设计和内容开发。比如，某个动画片的主题曲在社交媒体上获得了大量的点赞和分享，而该动画的其他内容则鲜有人关注，这时我们就可以考虑制作类似风格的动画片，以吸引更多的受众。

二、大数据技术在文化产业中的研究进展

随着大数据技术在文化产业中的应用不断深入，研究者也在不断探索其更深层次的应用和研究方法。

2.1 数据挖掘与情感分析

数据挖掘和情感分析是大数据技术在文化产业中的两个重要研究方向。数据挖掘可以帮助我们从海量的文化产业数据中发掘出有价值的信息和趋势，而情感分析则可以帮助我们了解消费者对文化产品的情感反应和评价，以及分析这些反应和评价的原因和影响因素。

2.2 社交网络分析与影响力研究

社交网络分析和影响力研究也是大数据技术在文化产业中的重要研究方向。社交网络分析可以帮助我们了解文化产业的信息传播和影响力扩散机制，以及找到最优的传播途径和渠道。而影响力研究则可以帮助我们深入了解文化产品的价值和影响力，以及其对消费者的态度和行为的影响。

数据分析中的情报分析与情报预测

随着大数据时代的到来，数据分析已经成为了各个领域中不可或缺的一部分。而在数据分析的过程中，情报分析和情报预测则是其中非常重要的一环。本文将探讨数据分析中的情报分析与情报预测的概念、方法以及应用。

一、情报分析的概念与方法

情报分析是指通过对大量数据的收集、整理和分析，提取出有价值的信息，为决策者提供有效的情报支持。在数据分析中，情报分析起到了发现问题、解决问题的重要作用。

情报分析的方法主要包括：

1. 数据收集：通过各种手段收集相关的数据，包括通过网络爬虫、调查问卷、实地调研等方式获取数据。

2. 数据整理：对收集到的数据进行清洗、整理和归类，以便后续的分析和应用。

3. 数据分析：利用统计学和机器学习等方法，对数据进行深入分析，发现其中的规律和关联。

4. 情报报告：将分析结果以报告的形式呈现给决策者，帮助其做出更明智的决策。

二、情报预测的概念与方法

情报预测是在情报分析的基础上，通过对历史数据和趋势进行分析和预测，预测未来可能出现的情况。情报预测可以帮助决策者提前做好准备，制定相应的应对策略。

情报预测的方法主要包括： 1. 时间序列分析：通过对历史数据的分析，找出其中的周期性和趋势性规律，从而预测未来的发展趋势。

2. 回归分析：通过建立数学模型，找出不同变量之间的关系，并利用模型进行预测。

3. 机器学习：利用机器学习算法，对大量数据进行训练和学习，从而预测未来的情况。

4. 模拟仿真：通过建立模拟模型，模拟不同情况下的可能结果，帮助决策者做出更准确的预测。

三、情报分析与情报预测的应用

情报分析与情报预测在各个领域中都有着广泛的应用。

1. 经济领域：通过对经济数据的分析和预测，可以帮助政府和企业制定相应的经济政策和发展战略。

2. 市场营销：通过对市场数据的分析和预测，可以帮助企业了解市场需求和竞争态势，从而制定相应的市场营销策略。

3. 社会安全：通过对社会安全数据的分析和预测，可以帮助政府和执法机构预测犯罪趋势，采取相应的安全措施。

大数据环境下科技情报研究的新模式

摘要：受到大数据时代的背景和影响，科技情报研究工作的重要性逐渐受到人们的重视，并且研究程度也日益加深，而原本稍显僵化落后的数据治理模式和流程也迫切需要引进新型模式来提高研究的总体质量。本文就大数据环境下科技情报研究的新模式所遇到的情况和机遇进行阐述并进提出对策和建议。

关键词：大数据；科技情报研究；数据分析

科技情报研究工作对于推动科学的进步是尤为重要的，而在大数据的帮助下，其效果也不断加深。在大数据环境下，许多关于科技情报研究工作的新技术和新方法不断产生。另一方面，在大数据环境影响下，各行各业对情报研究的重视程度也不断加深，这使得传统的科技情报研究所面临的挑战逐渐增多，科技情报研究工作的新思路，也越来越向新模式下的科技情报研究工作转变。

1 大数据环境下科技情报研究工作的主要内容

1.1 多样化和交叉化

在多学科的深入交叉及融合和大数据的影响下，势必会涌现出新的研究领域，因此，多元化和交叉化，就成为了科技情报研究工作的新趋势。在这两种趋势的影响下，不同行业领域的情报研究也可以进行相互借鉴，而在原有的科技情报研究分析中，分析方法从原有的单一线性处理方法向现有的非单一多结构数据分析上逐渐转变。

1.2 科技情报研究的标准得到提升

由于在大数据背景的影响下，使得人们对数据资源的应用和依赖程度越来越高。一方面是因大数据环境下科技情报研究可以克服传统的科技情报研究工作所面临的问题，继而科技情报研究的新方向也对此进行转变；另一方面随着网络的发展，公众对科技情报的需求也越来越多，并且种类也更加复杂多样，这导致数据管理和运用的要求也必须进行改进和提高。

1.3科技情报研究服务得到增加

在传统科技情报研究中，服务主体大多以政府和机关单位为主。而在现阶段科技情报研究新模式中，服务对象更加多元化，企业，科研机构和个体，都是其服务对象。传统的科技情报研究过于局限，更多的集中在科技发展和政策法规上，而大数据环境下的科技情报也将这一类问题的影响的降到最低，可以为政府和企业以及个人提供全方位的信息。