大数据分析与情报分析关系辨析慎心

慎心

摘要：大数据能够为情报分析提供有力的数据处理分析方法和工具，并能提升情报分析的应用价值，更好地为政府、企业、图书情报机构提供决策支持。大数据环境下，情报分析过程面临数据量越来越大、数据类型更加复杂、处理和分析难度增大、精准化的用户需求及有针对性的结果呈现等问题。传统的情报分析方法已到了一个突破瓶颈的时期。而大数据分析和情报分析都是以数据为基础进行研究，通过分析数据和信息，为用户提供相关服务。并且都以多源数据融合、信息的定量分析、相关关系的探讨为研究重点。因此，优化和改进传统的情报研究方法，引进和创新适用于情报分析的大数据分析方法、思路、新工具和新手段，解决大数据为情报分析带来的新问题，充分挖掘大数据中蕴含的情报价值，使研究结果更加科学，就很有必要性。本文在对国内外情报分析方法进行研究的基础上，结合大数据的背景对传统的情报分析方法进行了归类并分析其局限性，对大数据背景下的情报分析方法和情报分析软件进行了探讨。

关键词：大数据；情报分析

一、大数据的时代背景及情报分析的趋势

随着科技的迅猛发展，在科学研究、互联网应用、电子商务、社交网络、物联网、移动互联、生物医药、医疗卫生、地理信息、影视娱乐等领域不断产生海量的数据信息，这就是所谓的大数据。大数据的基础在于数据，其特点主要是：数据类型复杂，数据体量巨大，数据价值密度较低，处理速度较快。百度公司每天处理的数据量约几十PB，共响应60亿次请求；据互联网中心和麦肯锡全球研究院预计，到2020年全球和中国的数据总量将达到35ZB和8.5ZB；关于大数据，维基百科给出的定义是：所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯。而随着情报领域的知识划分逐渐细化、内容更加专深、数据量也日趋增大。我国每年新增的科技文献和专利数量分别达到了150万篇和200万条。海量的技术标准、科研文献、会议论文增长的速度已经超过了人工处理所能承受的极限，情报分析已经更多地依靠智能化、标准化、高效率的信息技术来辅助完成数据处理的工作。目前，情报分析的趋势主要是：研究领域从单一领域逐渐扩大转到全领域分析、对各种采集方式获取的不同结构数据进行综合利用、注重新媒体形式异构信息的分析、对情报分析智能化的要求不断提高。

二、大数据分析与情报分析的差异性

2.1对象的区别

情报分析主要都是对于文本的分析，其主要的分析对象是文本文献。这些文本包括领导讲话、技术报告、专利等内容。而情报分析最主要的目的就是对这些文本进行分析，找出其关联度。而大数据分析的分析对象是对数值数据、或对文本数据为对象进行的分析，其中可包括用户数据、销售数据等。

2.2数据模型的区别

大数据分析的对象是数据，其分析主要是分析全部数据。例如，百度百科需要将大量的、来源不同的数据进行筛选，分析与整合，将其进行更为复杂的分析后得出分析结果。但情报分析并不需要整体的数据，是只需要分析有用的部分数据。一方面，情报分析不可能得到全部的数据分析，例如，某些国家机密等消息是不能够得到全部的数据的。另一方面，情报分析并没有必要对无关紧要的数据进行分析，只需要分析较为重要的、关键的信息数据。这既可以减少分析的工作量，也可以更为准确的对情报进行分析。所以，根据分析内容的不同，大数据分析和情报分析的分析数据模型也不相同。

2.3分析时机的区别

分析的时机可以包括实时分析和历史分析两种。而实时分析可分为动态分析和时间窗口分析等，历史分析也可又可分为交互式和批处理式分析等分析方式。大数据分析主要是满足了数据类型较多、数据量大等特点下的数据分析，例如对于互联网中的热门信息等数据的分析。一般的大数据分析是实时的进行分析，但在有时，也会对大数据强调其历史分析。而对于情报分析，虽然是动态追踪新的信息，但需要对其规律及相关性等进行分析，所以情报分析一般具有滞后性的特点，所以一般的情报分析时机为历史分析，这与大数据的实时分析时机不尽相同。

2.4分析任务的区别

大数据分析的认识是通过对不同数据的相关性等的分析挖掘数据及对数据进行预测的分析方式。一般情况下，大数据分析对于挖掘数据方面，强调的是对未知的数据或模式进行挖掘。而对于情报分析，则是对已知的数据进行分析。而且，对于预测分析，大数据分析包括趋势预测和对缺失信息的预测，主要是通过已知的一些数据属性或趋势进行的对数据的预测，而这种预测是对是对事态趋势的发展。而情报份一般不会出现预测类分析，其重要是对现有的数据进行的分析。

三、关于在大数据背景下的情报分析工作的发展方向

分析工作本身是一项非常注重吸取经验的内容，侧重于对过去经验的总结，这样才能给自身的实践提供指导，对于科学领域的分析工作来说也是如此，对新的工作环境进行分析，这样才能给未来的发展提供一个明确的方向。当前大数据分析这种技术理念已经深入到很多领域当中，这将对很多工作都造成一定影响。

3.1重视情境研究环节

当前来看，由于网络技术的迅速发展，所以在全球范围内都在进行网络化的改造，这就给情报分析工作提出了新的要求，我们有必要在分析情报的时候首先将情报置于具体的情境之中，只有通过规范分析过程才能让分析结果更为可靠。通过对过去分析不当的案例进行总结，才能让我们更为明确情境的重要性，利用情境才能大大提高情报分析的有效性。对于这个问题，国外已经有学者在报告中说明，在影响情报的各项因素中，情境信息是其中非常重要的一项因素，如果没有对当时当地的情况以及个人的心理因素进行考虑，将会在很大程度上影响情报的可靠性。

3.2重视分析的整体性

根据当前的情报分析工作来看，整体性分析必然是情报分析的必然趋势。就数据类型来说默契本身是多种多样的，并且数据本身也是非常庞大而杂乱的，其中很多数据具有结构化特征，有很多数据又是非结构化的存在方式，所以仅凭个人或者单个机构，在如此浩大的数据面前是非常无力的。与此同时，很多情报问题已经越来越复杂，如果想要解决这个问题，就需要进行协同分析，做到信息共享，这就是分析整体性的体现。为了应对当前的大数据分析形势，社会各界的机构通力合作，来进行情报分析，共同形成一个情报分析的整体，这就是协同分析。

3.3根系和预测之间的关系

对于战略这个词，已经有人给出了具体的定义，战略本身有两个特点，其一是出于人的深思熟虑，其二是对于应急来说具有一定的动态特点，而情报分析也有类似的作用。在旧有的情报分析体系上，往往需要充足的分析时间才能拿出一个可靠的决策来，但是当前基于大数据进行分析，分析指向性有所减弱，需要分析具有较高的结果，并且也要有足够的时效性，所以其对于短期决策的意义更为明显。

结束语：

大数据时代情报分析和处理是获取知识的重要手段，也是情报研究的热点内容。随着数字化技术和网络的飞速发展，海量、非结构化、快速增长的数据不断涌现，对情报研究造成了很大冲击，情报学将不可避免的面对一场技术革命。对于大数据分析这一新兴的分析方式，若将其应用于情报分析中，可将情报分析更快速、更便捷的进行分析。但是，如何更好地将二者相结合，还应继续进行进一步的探讨。

参考文献：

[1]王翠波，吴金红.大数据环境下技术竞争情报分析的挑战及其应对策略.情报杂志，2014（3）.

[2]徐绪堪，郑昌兴，蒋勋.基于粒度原理的知识组织模型构建.图书与情报，2013（6）.

[3]程学旗，靳小龙，王元卓，等.大数据系统和分析技术综述.软件学报，2014（9）.