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

2013年6月，Marshall 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 Project，2010 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 與 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。