满意度调查网

　　大数据的概念自从诞生以来就因其独具特色的前瞻性和实用性引起了各行各业的广泛关注。属于公共服务领域的图书馆，也不可避免的受到了大数据带来的冲击。图书馆因其始终以用户为中心的特性，其发展自始自终都要围绕着提高图书馆用户满意度。而面对大数据时代，图书馆也需要调整提高用户满意度的思路，合理规划运用本身具有的大数据资源，提升核心的竞争力。本文在探讨了大数据、一般用户满意度和图书馆用户满意度的基础之上，分析了传统方法的不足，提出了运用大数据提升图书馆用户满意度的方案，以期为更好地服务图书馆用户做出相应贡献。

　　1 引言

　　随着计算机的极速发展、存储器性能的提升，还有物联网、移动互联网、传感器等新科技的发展，数据增长的数度已经逐渐超出人们可以接受的范围，而且这一速度还在不断增长。这些大量的半结构化和非结构化的数据是人类活动的最真实记录。最早提出“大数据”概念的是全球著名咨询公司麦肯锡，其发布的《大数据：创新、竞争和生产力的下一个前沿领域》，首次提出了“大数据”，并指出“数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于大数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。”[1]毫无疑问，通过合理的技术去挖掘、识别、分析大数据，可以找到很多通过常规数据技术难以发现的财富。大数据分析已经在很多商业领域得到应用，本文站在图书馆用户的视角上分析如何利用大数据分析提升图书馆用户满意度。

　　图书馆用户满意度是指用户对图书馆提供服务的满意程度，是用户在接受图书馆一次或者多次服务后的内心评价和主观感受，是其预期效果和实际所接受服务效果的比较[2]。当前对提升图书馆用户满意度的方法大多是通过发放问卷调查，建立相关模型，运用统计学和计量学的知识进行分析，最后通过定性和定量的方法来采取相应的措施提高满意度。但由于收集数据方法的局限性和理论模型本身就存在的缺陷，分析得出的结论和采取的措施未必都有效。图书馆历来都是信息收集和管理的重要场所，长时间运营以来积累了大量的结构化数据、半结构化数据以及非结构化数据。通过对这些数据的管理和运用，图书馆可以建立其智能分析、辅助决策系统，准确、及时获取用户的数据，为图书馆更好的了解用户、分析用户提高用户满意度提供支持，提高图书馆的核心竞争力。

　　图书馆日益增长的数据，这本身就是一种资源，若不对其进行开采，那就是一种浪费。随着大数据处理技术的逐渐成熟，图书馆也具备了运用大数据来提高用户满意度的可行性。因此本文研究的目标，就是利用大数据带来的机遇，借助数据仓库、数据挖掘、商务智能、专家系统、人工智能等现代信息技术手段，提出一个能够改善图书馆用户服务、提升图书用户满意度的解决方案。

　　2 文献综述

　　2.1 大数据

　　“大数据”（big data）是IT领域在“云计算”、“Web
2.0”、“移动互联网”等之后，近两年最流行的词汇。根据著名咨询公司IDC统计[3]，2013年全球被创建和复制到数据总量为1.8ZB（10的21次方），Facebook每天有约1000万张的照片更新和30亿次的点击率；Twitter每天有超过4亿条Tweet发送；Google通过大规模集群和MapReduce，每月要处理超过400PB的数据；淘宝会员超过3.7亿，在线商品超过8.8亿，每天交易数千万笔，产生月20TB的数据。同时，随着传感器和物联网的蓬勃发展，数据正在亿前所未有的数度不断的累积和增长。近几年，《Nature》和《Science》等国际顶级学术期刊相继出版专刊来专门探讨对大数据的研究。2008年《Nature》推出了专刊“Big

Data”，从互联网技术、网络经济学、超级计算、环境科学、生物医学等多个方面介绍了海量数据带来的挑战。《Science》与2011年推出了专刊“Dealing
with
Data”，主要围绕着科学研究中大数据的问题展开讨论，说明大数据对于科学研究的重要性。更加值得关注的是，2012年3月，奥巴马政府发布了“大数据研究和发展倡议”[4]，计划在科学研究、环境、生物医学等领域利用大数据技术进行突破。奥巴马政府的这一计划被认为美国政府继“信息高速公路（Information

Highway）”计划之后在信息科学领域的又一重大举措。与此同时，包括IBM、Oracle、HP、Microsoft等IT行业巨头都纷纷加入到大数据行列中，通过收购与大数据相关的软硬件技术公司，来实现大数据软硬件一体化技术整合，力求在新的信息竞争环境中处于更加主动的地位，获取更有利的竞争优势。

　　面对各行各业海量的数据，首先要面对的问题就是如何对这些结构化、半结构化甚至被结构化的数据进行有效的组织和管理。长时间以来，人们研究的对象都是结构化数据，如目前占据绝对主流的关系数据库，因而人们总希望在数据生成是就按照特有的结构和模式对数据进行整理。而对于非结构化甚至半结构化的处理，则是在慢慢发展。海量的电子政务数据、移动终端数据、网站日志、社交网络数据、来自物联网传感器的数据、企业和公共部门长期积累的数据等都是大数据的主要来源，将这些数据互惠共享、融会分析将会产生巨大的经济和社会效益。而目前大数据最显著最直接的应用就是市场营销和信息公共服务，如对企业或公共服务部门积累的数据进行利用、挖掘则可以从更多的角度了解用户，从而针对存在的问题制定出相应的解决方案，提升用户对企业或服务部门的满意度。

　　2.2 图书馆用户满意度

　　图书馆因用户存在，服务是图书馆永恒的工作主题。虽然随着信息技术的发展，信息环境和信息用户的需求都在迅速改变，使得图书馆在职能定位、服务范围、服务手段和服务内容等方面都发生了很大的变化，但图书馆的使命从来没有发生过改变，无论是最基本的文献提供服务还是迅速发展的参考咨询等新服务，都是为了更好的满足图书馆用户的需求，是用户能够最大限度的利用图书馆资源，发挥图书馆应有的价值。因此，探索提高服务质量、提升服务效果的措施便是图书馆工作的重点。根据之前对一般用户满意度的定义“用户对用户接受产品或服务的实际感受值与其期望值的比较程度”，图书馆用户满意度也可认为是：图书馆用户在接受图书馆服务和使用图书馆设施的过程总的感受值与其期望值的比较程度，定量测量图书馆用户满意度的水平。

 
　　从文献中，我们可以发现大多数对图书馆用户满意度的研究，其收集数据的方式仍然是以发放调查问卷为主，辅助以其他的调查方法，如电子邮件调查、受理投诉、电话访问等方法。虽然问卷调查的科学性毋庸置疑，但其局限性也很明显：被访问者会受到很多外界的影响，而这些影响是几乎不可能避免的。并且由于受到成本和时间的限制，其发放问卷的数量和抽样选择被访者会受到制约。同时，采用问卷调查收集数据的方法已经存在学术界多年，笔者认为应该尝试新的方法。另外，用户满意度，即用户要求被满足的程度，这种高低大小不取决于企业，而是取决于用户的心理。用户满意度是一种主观感知、自我体验和情感判断，这种“似是而非”的模糊情况，广泛存在。同时，可能由于用户的个人因素，如社会因素、消费因素、外部环境因素等，导致用户对图书馆服务的感觉随时都会发生变化。最后，用户满意度仅仅是用户过去心理状态的反应，而非当前，这意味着，用户满意度存在着滞后的特点。这意味着最后得出的结论可能不能正确的为决策提供帮助。

　　综上所述，在当前的大数据时代，图书馆应该利用好这个机遇，充分利用图书馆本身就是一个信息收集和利用的场所的天然优势，通过先进的数据分析技术从图书馆的大数据中提取有益的知识。大数据技术可以帮助图书馆获得准确、及时的用户数据，有助于管理者及时了解图书馆最新知识服务的趋势并作出决策、调整服务方向，提高用户的满意度，提高图书馆的核心竞争力。同时，借鉴大数据在其他行业如互联网行业、金融行业等已经成功或者正在进行中的案例，结合合理的大数据处理技术，开辟出一条针对图书馆用户满意度提升研究的新道路。

　　3 理论方案

　　从整体上看，当前对于图书馆用户满意度的应用研究主要还是将用户满意度作为中间变量，分析其与其他变量之间的关系，从而得出相应的结论来支持决策。而随着大数据概念的日益深入人心以及相关技术的迅猛发展，使得对图书馆用户满意度的提升有了新的方法。建立图书馆用户满意度的因素分析模型和对用户满意度进行大数据挖掘分析相比，前者是利用统计计量工具对用户满意度进行因素分析，是相对静态的分析，分析模式是固定的；而后者则是通过分析来发现与用户满意度相关的、图书馆关心的模式，多进行的分析也是动态的、不规则的。因此也可以将利用大数据提升图书馆用户满意度看成是图书馆用户满意度模型分析的更深一层次的研究。

　　利用大数据提升图书馆用户满意度，其数据收集方式自然和以前靠发放问卷来收集数据不同，其来源主要有：用户借阅流通数据、馆藏数目数据和电子数据、RFID（无线射频识别）数据、社交网络交互数据、移动互联数据以及各种传感器数据等。当然，传统提升图书馆用户满意度的数据，如受理投诉、问卷调查等同样可以加以利用。

　　随着Hadoop开源框架及其相关技术的兴起和完善，使得从技术的角度上来看，图书馆利用大数据进行用户满意度的提升研究成为了可能。一般来说，利用大数据提升图书馆用户满意度主要从以下几个方面入手：

　　（1）进行用户流失分析，应对图书馆用户减少的尴尬局面。图书馆借助大数据数据对用户需求的数据进行分析，不仅可以了解用户的信息行为、需求意愿以及知识运用能力，还可以深度挖掘用户在交互型知识服务中潜在的需求，从而针对性的展开服务吸引用户。

　　（2）建立智能、灵活的社会网络知识服务。图书馆通过分析各种数据，从中发现有用的知识和关系，完善新的知识服务方式。

　　（3）建立知识服务导航机制。考虑用户知识需求预测、多维数据资源的组织和分析、用户行为智能分析、学术资源搜索以及推荐服务等。

　　3.1 方案和框架

　　随着信息技术的发展，图书馆累积的数据越来越多。这些数据背后隐藏着虚度重要的信息，图书馆自然希望利用这些进行更高层次的分析。关系数据库系统可以高效的数显数据的录入、修改、统计、查询等，但在以非结构化为主的大数据面前，无法发现数据中存在的关系和规则，导致了“数据丰富而知识匮乏”的现象。而我们提出的利用大数据提升图书馆用户满意度的方案，则可以很好的解决这一问题。

　　3.1.1 拟定方案

　　随着数据量的飞速增长，大数据管理全生命周期过程包括大数据的获取、存储、组织、分析和决策五个阶段[6]。传统的数据分析计算策略是将数据移动到数据分析工具中进行计算，但这对于大数据而言，显然成本太高，于是便需要一种新的大数据解决方案。随着Hadoop开源框架及其相关技术的兴起和完善，为解决传统大数据处理方式所面临的难题打开了局面。Hadoop的两项关键服务：采用Hadoop文不是文件系统的可靠大数据存储服务以及基于MapReduce变成模型的高性能并行大数据处理服务能够提供对结构化、非结构化数据快速、可靠的分析，并且可以整合传统的数据，从而是图书馆可以根据已有的信息和问题制定知识服务组合方式。在新的技术工具的支持下，运用数据挖掘的方法，对图书馆的大数据进行处理。数据挖掘使用的是基于发现的方法，运用模式匹配和其他算法决定数据之间的联系，从数据中发现模式，致力于知识的自动发现。其一般有四种方法：

　　（1）概念描述。是数据挖掘最基本的形式，是产生数据的特征化和比较描述。

　　（2）关联分析。从大量数据中个项集之间的引入重视的相互关联和相互联系。通过关联分析来分析图书馆用户满意度，可以发现用户满意度和未知主题之间的关系，这种关系很多时候都具有很高的价值，可用于辅助决策。

　　（3）分类预测。分类预测技术通常包括神经网络、贝叶斯分类、判定树归纳等。运用在用户满意度上可以对用户进行分类，如高用户满意度的用户、低满意度的用户等；也可以在一定条件下进行用户满意度的预测，由于数据的及时处理，其对于决策能够提供很大的支持。

　　（4）聚类分析。聚类和分类不同，聚类要划分的类型是未知的，也就是说更容易发现新的知识，在同一个类中的个体具有很高的相似度。对于图书馆用户满意度的分析，聚类分析可以在对用户针对用户满意度进行分类的模式未知的情况下，对用户进行聚类分析。

　　3.1.2 实施框架

　　从大数据管理生命周期角度来看，大数据综合运用分为五个阶段：获取阶段、存储阶段、组织阶段、分析阶段和决策阶段。据此，在运用大数据提升图书馆用户满意度时，我们制定的框架如下：

　　4 总结

　　大数据继“云计算”、“物联网”、“Web

2.0”、“移动互联网”等之后，成为科技界、金融界甚至政府部门的热门话题。虽然其定义尚不清晰，但由于其独具的前瞻性和实用性已经被运用在一些领域，尤其是IT界和市场营销界。大数据带来的全新的知识体系和服务模式，对图书馆不可避免的造成了冲击。对以用户为中心的图书馆来说，若仍然保持过去的服务和工作方式，无论对用户而言还是对图书馆自身的发展而言，都没有好处。抓住大数据带来的机遇，从大量复杂的数据中分析、挖掘潜在的价值，从全新的角度研究用户满意度提升的新方法，从而有针对性的开展知识服务，制定图书馆发展战略将会是未来图书馆发展的方向。

想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz

或者扫描下面二维码