2013年8月20日 星期二

資料探勘與圖書館決策分析: Mining Data for Library Decision Support

20136Marshall Breeding 於《Computers in Libraries》期刊之《The Systems Librarian》專欄中,探討圖書館管理決策人員如何運用巨量的分析數據 (Big Data, Big Analytics),進行圖書館內部系統如圖書館自動化網站電子資源社群網站等相關系統之資料探勘統計,以做為系統發展、服務加值、功能強化及流程改善之參考依據

*從新一代圖書館自動化系統的資料導向決策  (Data-Driven Decision Making)
從下圖可以很清楚的看到,資料導向決策可由 What è Why è How è What will è How Can 五大漸進式步驟去思考,漸進的過程中,從最底層的【描述性分析 Descriptive Analytics、【預測性分析Predictive Analytics到最後的【時效性分析Prescriptive Analytics】,逐步展現商業智慧的資料探勘中的統計分析功能。




新一代的圖書館自動化系統所提供的統計模組應包括
實體館藏 Print Inventory
實體館藏使用率Print Usage包括借閱預約次數 (Loans, Requests)
電子館藏 Electronic Inventory
電子資源使用率Electronic Usage (COUNTER, Uresolver)
每次使用的成本 Cost per Use

*哈佛大學 Library Analytics Tool-Kit Project
圖書館可利用圖書館自動化系統內制的決策模組、API分析,或是由系統館員整合資料關聯與資料表架構,透過資料庫查詢語法自行產生與創發圖書館客製的統計分析模組。哈佛大學透過其自動化廠商提供的資料表架構,發展 Library Analytics Tool-Kit Project ,提供圖書館管理者一有效分析的web 畫面分析數據,並可由讀者直接點選到該圖書的館藏顯示畫面。


哈佛大學 Library Analytics Tool-Kit Project2010 年先進行圖書館自動化紙本館藏使用率分析,2013 年則計畫將 Aleph COUNTER 統計數據匯入於 Library Analytics Tool-Kit 中,並於Tool-Kit 完整呈現美國國會主題詞表,利用國會圖書館類表及主題表架構的分析數據,觀察讀者尋找資訊的行為軌跡。


獨立的資料挖掘軟體如 collectionHQ Logi Analytics 等,皆廣泛被國外圖書館使用。面對大數據時代,圖書館館員要如何運用及因應?有效利用系統提供的功能與工具,有效進行資料挖掘,並將數據提供給管理者作為決策分析的參考,使其成為強化圖書館管理及服務效益的最佳利器。


參考文獻:
1.    Breeding, Marshall (2013), Mining Data for Library Decision Support. Computers in Libraries, 33(05) , 23-25.
3.    Checkout the Checkout (http://librarylab.law.harvard.edu/checkout/)
5.    Harvard Library Innovation Lab (http://librarylab.law.harvard.edu/)
6.    Recommendations for the Design of the Library Analytics Toolkit (https://osc.hul.harvard.edu/sites/default/files/Analytics_Recommendations.pdf)