——嘉宾——

上海图书馆副馆长 陈超

著名作家 梁晓声

中华书局副总编辑 顾青

大数据之热，出版业不可能没有感受到。不过，对大数据时代的到来，出版业人士在2013上海书展的一场高层论坛上表现得诚惶诚恐，他们不知道大数据是否真的那么美妙，不清楚大数据给未来提供的全新可能性是什么。尽管如此，出版业面对大数据的一场长期战役已经打响。

当出版遇上大数据

2010年，谷歌推出图书数据库，库中包括从1500年到2008年间出版的各类图书的5000亿个单词。用户可以在电脑上输入最多五个单词，查看这些单词历年来的使用频率情况。

例如，输入“women”（女性）和“men”（男性）会发现，上世纪70年代之前，“women”在图书中很少被提及，而当女权主义站稳脚跟后，“women”的使用频率逐年提升，到1986年，“women”和“men”的使用频率曲线出现了交点。“这说明，将高质量的数据分析应用于人文学科也是可行的。”美国哈佛大学研究员埃雷兹·利伯曼·艾丁将这种研究方法称作“文化组学”（culturomics）。上海图书馆副馆长陈超在论坛上分析说，这诱发了一个新的学科，通过文本的定量分析来揭示人类行为和文化发展的趋势。

随着大数据时代的到来，阅读方式也发生了深刻的变化。数世纪以来阅读作为一种单独、私密行为的方式，转变为某种可以测量的半公开的行为。如今，电子阅读器能够让出版商和作家一窥销售额背后的故事，它们不仅仅能够显示某些书吸引了多少购买者，还能揭示他们的阅读强度。

出版社已经开始运用这些数据。出版《哈利·波特》小说的Scholastic出版社通过建立在线游戏追踪最吸引人的线索和角色，以此为构思基础创作了《39条线索》系列小说，成为又一本全球畅销书；Coliloquy出版的电子书允许读者自己设计人物角色和情节线索，经数据分析，让作家调整故事迎合大众口味。读者甚至可以选择女主角与三位追求者中的哪一位发生关系。

中国出版业的实践与猜想

Coliloquy的这一模式某种意义上说明了大数据在出版业的可行性。但是，能否真的像英国电视剧《纸牌屋》那样，靠大数据的排列组合，流水线生产一本同类畅销书呢？陈超很同意豆瓣上一篇关于此分析的日志：“如果我们能量化用户的阅读题材、阅读场所、阅读时长、标注章节和重复浏览内容，大数据时代的快销书指日可待。”

著名作家梁晓声却并不如此认为，“大数据不可能影响我们（作家）。”他在接受《IT时报》记者采访时斩钉截铁地表示。他认为：“数字阅读的时代刚刚来临，是否意味着它将告别读书这一古老而良好的习惯呢？有人断言这是早晚的事，最快50年后变成现实。我认为不会，起码100年后不会。人类对读书的亲情，对于一部分读书人而言，早已成为基因，成了DNA的一部分。”

现实情况是，出版业已经开始对大数据展开各类探索。上海图书馆今年春节期间做了“读者阅读账单”，根据一年来的外借量，将读者分为极客、书虫、文青，并寄一张个性化的阅读数据表给读者。陈超介绍，他们发现去年一年在上海所有图书馆中借书量最大的一个人共借了3414本书，是一位司机，“没有数据，不知道这个事情，知道以后会去问为什么，和数据大小无关。”

作为中国传统文化的内容供应商，中华书局也在思考如何在大数据时代为出版提供更多可能。中华书局副总编辑顾青认为，用数字经济的理念来看待，中华书局不仅要保持古籍整理和出版的核心竞争力，更应该保留获取、存储、整合、搜索、分析中国传统古籍文本及其研究文本的能力。

顾青同时坦承，目前中华书局仍以纸书为主，数字产品极少，主要是“中华经典古籍库”和“中华基本史籍知识库”两个数据库。图书馆采购也在借力大数据。如今，图书馆文献资源建设经费紧张，特别是纸本书刊经费比例逐年减少。同时，图书采访员人员有限，三四万人的综合类大学的图书采访员也不过三四个，采回的书80%没有价值或价值不高。据此，北京人天书店董事长邹进提出，在大数据时代，可以从采访数据中提取核心书目，根据出版社、作者、责任编辑、版次等综合评分提供采购指导。

要大数据，得先数字化

与会者普遍认为，在中国，传统出版业和图书馆还处在数字化的转型时期，因此现在谈要在内容、阅读、服务、管理方面“数据化”，得先将“数字化”进行彻底。

在管理方面，陈超说，我国数字出版产业链上“B2L2R”（出版社到图书馆到读者）的商业模式和平台远未成熟。在美国，Overdrive公司搭建了这样一个平台：出版社把电子资源交给他们，再由他们负责向所有图书馆提供电子书，亚马逊借书服务就是他们的客户。

“国内没有数字阅读平台，不掌握用户阅读行为的数据，怎么来做大数据创新呢？”陈超发问道。

（来源 ：IT时报）