1 大数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。

上一篇：基于人工智能的科技情报需求自动感知分析
下一篇：科技情报对航空制造企业的作用