1 大数据
大数据人们通常定义为所涉及的数据量巨大，无法用常规软件工具，在可承受的时间范围内对其内容进行捕捉、存储、处理及分析的数据集合。[1]
大数据具有四个特点：即四“V”特性，Volume（容量），variety（种类），velocity（速度）和（value）价值。[2]现今数据规模逐渐变大，存储单位已由原来的TB跃升为PB。这种数据的海量化得益于互联网的发展，网速的提高、SNS社交网站的普及和数据处理技术的提升。数据越发多样化，表现为数据的来源和格式日益多样。大数据的快速化是指处理和分析数据速度的提升，这源于发展中的高性能计算应用市场。价值化，通常来说数据价值密度与数据量成反比，即数据价值密度高，数据总量低。因此如何从大量的数据中筛选出有价值的数据并加以利用，是当前大数据时代的难题。
2 大数据与高校图书馆开馆服务
1.读者是高校图书馆的服务基础，因此读者数据在图书馆数据中的重要性不可忽视。在大数据时代，高校图书馆收集来馆读者的数据信息数量庞大，收集渠道日益丰富。现今高校图书馆的服务持续扩充，功能定位不断扩大，已由传统的图书馆发展成为多项功能集合的综合性场馆。因此高校图书馆所面临的入馆读者不仅数量俱增，类型愈发多样化，如何提取出入馆读者的有价值数据信息，合理分析读者行为，从而制定有效的开馆服务策略，体现出高校图书馆“以人为本”的服务原则。
2.高校图书馆在挖掘已有观众数据的基础上，充分分析有价值数据，从而制定出更具目标性的数据采集策略，有方向的收集入馆读者的数据信息，挖掘读者的行为喜好，为读者提供个性化的图书馆服务。以数据驱动力为核心的个性化服务模式是高校图书馆提升服务质量、优化服务内容、丰富服务资源的核心。[3]
3 建立以读者为导向的数据模型
3.1 入馆读者数据的收集
建立以读者为导向的数据模型，满足读者的需求，提供个性化开馆服务，就必须研究读者的行为，了解读者的目的和需求，这就要求图书馆主动并大量收集读者的入馆数据。
数据的收集可以从多角度进行，例如入馆读者是以个人或团体为单位，此基础上再进一步采集分别的数量和类型。一方面对入馆读者的年龄、性别、国籍、社会群体、单位等数据进行采集；一方面可从时间角度，细分至以年、季度、月份、每周、每天各时段为单位，统计各阶段入馆人数和人群的区别。尽可能全面、完整的收集入馆读者的数据资料。
随着新媒体的发展，数据的采集平台不断拓宽，读者入馆也从传统方式衍生到通过微博微信等各种新媒体平台，因此通过这些新媒体所采集的数据除了传统的读者信息以外，更可以记录读者的各种习惯包括阅读、参观、消费习惯等。
3.2 基于服务需求的数据分析
优化图书馆开馆服务，既包括“以人为本”、提供个性化服务，又能够克服现有的困难，摆脱高校图书馆实际操作的约束，这就需要全面了解入?^读者的需求，在充分掌握服务需求的基础上对收集的数据进行分析。例如根据对预约入馆读者群体的分析，安排对应的接待方案，提供个性化的接待服务；当高校图书馆面临人力资源紧缺的情况时，通过对读者在一天中不同时间段的入馆数据的分析，在峰值处增派人手，并合理延长或缩短开馆时间，节约人力成本，提高效率。
3.3 实时检验，构建完善的数据模型
数据模型完成之后，在实际操作中不断检验和调整，便于今后更全面的采集数据和挖掘数据的内涵。一方面新媒体的涌入要求高校图书馆创立和开拓新的公众平台更及时的收取读者入馆的一手资源，另一方面针对实际开馆服务中遇到的问题也需要对已有的数据进行新角度的分析和挖掘，因此在原有的数据模型基础上还要进行不间断调整。
4 大数据时代高校图书馆开馆服务的一些问题
1.为了保证数据采集的准确性，以及随着开馆服务日趋庞大的数据储量，高校图书馆必须不断提升现代信息技术，升级信息服务系统，以保证后续的操作具备良好的硬件基础。同时也对图书馆员的业务素养有极高的要求，包括对新的数据系统的操作、数据的挖掘处理能力、各种新兴数据表现形式的掌握对提出极大的挑战。
2.随着互联网的发展，为优化开馆服务所收集的数据的安全问题不容忽视。首先，大数据存在于网络目标庞大易于发现，本身包含的更有价值的敏感数据也对潜在攻击者具有巨大吸引力。[4]同时高校图书馆利用大数据为入馆读者提供个性化服务，这要求读者提供准确的个人隐私和信息，图书馆在收集这些个人信息后如何通过加密储存、安排合理的保护机制以妥善保管这些信息数据，也是当下建立数据模型的重中之重。
5 结语
大数据已经成为当下最热门的话题之一，大数据所带来的便利与价值也已经被认可。目前国内的高校图书馆针对大数据的研究与利用尚处于初级阶段。随着高校图书馆功能定位的拓展，对开馆服务要求也将不断提升，面临在优化开馆服务过程中遇到的问题，图书馆可以通过对大数据的合理利用，建立以读者为导向的数据模型，并在具体操作中不断检验与调整模型结构，抓住这一机遇为读者提供更优质的开馆服务。
