日常工作中，图书馆面临着各种数据处理和服务需求，比如数据对比、数据集抽取、统计分析、数据屏蔽等。
图书馆购买了大量数据库和纸本资源之后，数据也只是停留在系统里，很难响应上面的需求。
这时候，就需要进行数据集成、质量管理、数据融合等科学的数据治理工作。
那么，有没有什么办法，可以更高效地治理文献元数据，让数据更好地为图书馆所用呢？
叮！维普智图有以下解决思路：
要让数据赋能服务，重点在于让图书馆“掌握能力”，而不只是“购买产品”。
应以数据为基础，构建新型基础设施，通过文献中心实现数据的全生命周期精细化管理，才能有效支撑图书馆服务。
文献中心是什么？
数据管理平台（DALIB）是图书馆数据基础设施，文献中心是它的核心模块之一。
维普智慧图书馆整体解决方案架构图（简略）
展开来讲，文献中心就是一套完整的文献数据治理工具，可以做到：对图书馆各类纸本和数字文献资源，以篇目级的元数据颗粒度，进行集成、规范、融合、分析与应用。
所以，文献中心可以为图书馆提供一个范围全面、质量可靠、时效及时、内容准确的馆藏文献元数据仓库，帮助图书馆开展智慧服务。
文献中心
如何帮我们治理数据？
文献中心采用数据仓库模型，
分层进行图书馆文献元数据的治理。
第一层：数据提取（ETL）：收割各应用/系统数据加载到仓库，并确保两边数据的一致性。
打个比方
粮食收购商从不同的农户(数据源)那里收购了各类粮食(数据)，然后将它们储存在粮仓(数据仓库)中。
这一环节，通过ETL数据加载工具，馆员可收割、集成文献元数据，定义要集成的数据范围（见下图），核对原始数据，监控集成情况。
第二层：贴源层（ODS）：收割、导入或者录入后的原始数据。
打个比方
粮仓管理员对收购来的粮食进行登记入库，设定粮食的分级标准（设置数据类型、分类标准），为后续加工做准备。
这一环节，馆员可通过数据标准化工具确定图书馆行业数据的加工标准，设置数据类型、分类标准，管理数据模板。
第三层：数据仓库（DW）：治理、整合、去重后的数据，并已做过标准治理。
打个比方
粮食加工厂对仓库中的粮食进行筛选、去杂、清洗，确保粮食原料的质量符合标准。
经过这一步，图书馆已经获得了标准化的文献元数据。基于此，馆员可进行元数据的汇总和管理，通过查询工具查询、修正数据。
第四层：数据集市（DM）：面向服务需求，从数据仓库中抽取的小范围数据集合。
打个比方
粮食加工厂对粮食进行初步加工，形成各种基础产品（特定主题的数据集），如面粉、米粉、油脂等，以满足下游食品加工厂的不同需求。
要面向一个特定主题进行阅读推广？或为某个学院提供专业相关的科研文献数据？
抽取工具来帮忙！馆员可从数据仓库中抽取对应的数据集，为用户提供服务。
第五层：数据服务（APP）：统计分析与数据供应。
打个比方
食品加工厂将基础粮食产品进一步加工为食品，如面条、面包、点心等，以满足不同消费者的口味和需求（数据供应）。
要订购新资源？先了解一下目前的馆藏建设情况？
数据分析工具必不可少。馆员可使用馆藏统计、资产画像分析、元数据对比查重等功能，掌握图书馆的文献服务支撑情况，获得资源建设决策的数据支持。
数据还能做什么？
开放，带来更多可能。文献中心的各类型知识库、数据集可通过智慧图书馆开放平台对外开放，供第三方应用调取使用。
图书馆的服务领域和能力也因数据开放而拓展，个性化的知识服务、定向的学术研究支持、跨界学术合作……
数据可复用、可挖掘
支撑多种服务场景
通过以上丰富易用的数据治理工具，图书馆构建了自己的数据基座，实现了文献元数据的高效整合与管理。
那么治理后的数据又将何去何从？如何满足馆员和读者的实际需求？
首先是数据可复用。基于这些标准化且高质量的数据，图书馆可更高效地开展知识发现、阅读推荐、学院学科数字图书馆等服务，并大幅提升服务水平。
再者是数据可挖掘、可分析。在文献中心，通过数据可视化呈现，图书馆可直观了解馆藏建设和资源分布情况，从而在采购资源时做出科学决策。
还记得开头馆员小维面临的重重困难吗？你蹲的后续来啦！
总之，文献中心是智慧图书馆多源文献资源数据的管理平台，也是创新应用的数据源泉，可为未来个性化服务、智能决策、教学科研知识服务等提供有力支撑！
免费试用
看到这里，各位馆员是否也跃跃欲试了呢？
感谢您的关注和支持噢！
