2017年12月8日，中央政治局就實施國家大數據戰略進行學習。習近平總書記對實施國家大數據戰略、加快建設數字中國提出5點指示，對出版業服務新時代中國特色社會主義建設提出了新的要求。我結合學習和貫徹，談談傳統出版數字化的關鍵與產業方向。

重視四種數字化趨勢

1995年美國麻省理工學院教授尼葛洛·龐帝出版的《數字化生存》，已經被時間所證實。20多年了，數字化已經成為一股席卷全球的大潮，改變了人類傳統生活方式，還重構了全球商業生態系統，舊的生態體系不斷分崩離析，而新的生態系統不斷成長出來。展望新的數字化浪潮，有4種情況值得重視：

一是虛擬成為新的技術主流。我們每個人都只堅信自己眼里看到的東西，這是人類的基本邏輯。但是，人工智能和VR、AR技術打破了這個邏輯。2017年10月26日，美國著名的機器人公司漢森生產的“女性”機器人索菲亞獲得沙特阿拉伯政府授予的公民身份，成為人類歷史上第一個獲得公民身份的機器人。索菲亞的大腦里存儲了62種面部表情，能識別人類面部、理解語言，能記住與人類的互動，并能與人進行眼神接觸。

二是共享成為新的經濟形態。工業革命以來的這300年，所有的資本都歸資本家所有。可是，在互聯網時代，共享單車、淘寶、滴滴打車等新的經濟形式出現，資本家獨占生產資料這一現實正在被掀翻。以租代買的形式使得資源可以復制，不僅改變了大工業時代的資本的獨占性，還具有很強的公共服務共贏共享的色彩。

三是移動支付成為新的支付方式。2017年5月，“一帶一路”沿線的20國青年評選出了中國的“新四大發明”：高鐵、支付寶、共享單車和網購。隨后，麥肯錫發布的名為《數字中國：提升經濟全球競爭力》的報告指出，2016年中國互聯網用戶數達到7.31億，超過了歐盟和美國的網民總和；超過6億的中國手機用戶使用移動支付，中國已成為全球最大的移動支付市場，移動支付交易額相當于美國的11倍。

四是數字經濟成為新時代經濟增長的主要動力源泉。騰訊研究院數據表明，2016年我國數字經濟總體量達到22.77萬億元，是僅次于美國的世界第二大數字經濟體，在國民經濟中的占比達到30.61%。我國的計算機出貨量、手機出貨量、網民數量和網絡零售額保持世界第一位。在全球市值最高的15家互聯網公司中，中國占6席；在全球十大市值“獨角獸”企業中，中國占一半。麥肯錫報告中最新的“中國行業數字化指數”也表明，2013年，美國的數字化程度是中國的4.9倍，到2016年已縮小到3.7倍。

數據是當前出版業最大的資產

在這幾個趨勢中，我們都可以看到，無論是人工智能、共享經濟、移動支付還是數字經濟，都離不開大數據作為基本前提。正是這些大數據的存在，使得機器人產品、共享產品、支付體系的創新等成為可能。我們再看一個行業內的案例。2004年谷歌啟動了它歷史上的第一個“探月”項目，即數字圖書館計劃，準備將全世界一共1.2億種圖書進行掃描，轉化成為PDF格式的數字化資源。它和密歇根大學、哈佛大學、斯坦福大學、牛津大學圖書館以及紐約公共圖書館、許多其他圖書館系統都訂立了合約，并且短短10年內掃描了大約2500萬冊圖書，總共花費了近4億美元。但是這個野心勃勃的計劃失敗了。因為在海量的、碎片化的、個性化的需求面前，內容資源的數字化不是關鍵，關鍵的是內容資源的數據化。數字化是把模擬數據轉換成用0和1表示的二進制碼，而數據化則是把現象轉變為可制表分析的量化形式。一切皆可數據化，DATA的拉丁語本意是“已知”和“現實”。我們可以把一切都看成是數據存在。它們過去是默默無聞的，因為沒有數字化、云計算。在云計算、互聯網的條件下，它們神通廣大起來。

對于出版而言，數據包括：第一，營銷數據。如發行量、購買人群等，主要提供用戶消費行為分析。第二，生產數據。如首印數、開本、定價等，主要是提供產品的外部基本信息。但是，還有一種最關鍵、最本質、最有用的數據，那就是內容本身所蘊含的全部知識數據，也就是，“內容即數據”。

就出版產業而言，近10年的發展，第一波是轉企改制驅動，第二波是上市融資驅動，第三波是數據驅動。從這個意義上講，內容不再是一種傳統意義上的資源，而是一種大數據時代意義上的數據資源。傳統的數字內容是單一文本、語義固定的、靜態呈現的，適合整體瀏覽和閱讀，不可自由組合，采取關鍵詞搜索，遵循整體范式邏輯；而數據資源是開放文本、語義多元的、動態呈現的，適合碎片化和個性化需求，可以隨機抽取，采取語義搜索，遵循個體范式邏輯。傳統的內容是一種產品，而數據資源是一種資產；傳統的內容資源是一次投入、一次消耗的，而數據資源是一次投入、循環使用的；傳統的內容資源是算術級增值，而數據資源是幾何級增值。

在傳統時代，內容是出版業最大的資產；而大數據時代，數據是出版業最大的資產。出版業要努力做大數據資源規模，做大數據資產規模，做大數據增值規模。

中版集團正形成多種專業數據庫

近年來，中國出版集團正在形成古籍、辭書、翻譯、百科學術文化、音樂、美術、法律等專業數據庫，同時集團資源總庫的建設已擁有20多萬種資源。我舉幾個例子：

“經典古籍數據庫”。中華書局經過3年的開發，已上線古籍1200多種、10億字。2017年實現升級改造：第一，建立“傳統文化大數據中心”，未來3年實現5萬種古籍、150億字的數據化。第二，依托大數據中心，開發古籍、善本、工具書、論著4個數據庫。第三，依托大數據中心，一是以眾籌分包的形式向大眾組稿，二是對古籍整理進行自動標點、注釋、校勘、翻譯，三是采取數字平臺+按需印刷的方式進行出版。

語言文字知識服務平臺。商務印書館以300種工具書和500多種語言文字圖書，為中小學生提供了學習平臺。它以字詞所涵蓋的豐富內容，通過可讀、可視、可聽的方式，構建生動形象、觸類旁通、激發思考的知識學習體系：一是紙本到線上的產品服務，目前已上線《新華字典》APP；二是數據庫服務，可針對不同需求開發不同數據庫；三是多語種學習；四是與華為、騰訊、百度、搜狗、科大訊飛合作，提供權威的語言文字基礎數據。預計在5年內實現個人付費用戶達到60萬人/年、累計150萬人次，機構用戶累計達到1400家，APP累計銷售157.5萬份，數據包產品用戶最高達到500萬人/年。

中讀。匯集雜志、自媒體、書籍等內容數據，通過大數據的深度解析，提取內容興趣、知識點、閱讀習慣、閱讀互動行為等標簽，對用戶的知識需求進行精準畫像，為用戶提供更精準的內容。同時，通過互聯網化的手段，不斷聚集內容、用戶及需求，形成內容生產傳播大數據生態。

在線音樂教育平臺。以音樂大數據為基礎，采取“開發區招商模式”，吸引國內外音樂培訓機構入駐，以眾包眾籌方式，提供各種音樂學習產品和服務。同時，通過語音識別技術，導入名師資源，提供測試、問診及解決方案，規劃未來幾年吸引5萬名商家入駐，積累2000萬用戶。

易閱通平臺。一是實現數據資源的海量聚合。目前已上線外文電子書36萬種、數字期刊1.35萬種，中文電子書39萬種、數字期刊3700多種，有聲書10.5萬集，開放獲取資源5.4萬種。二是實現對圖書館由紙本提供向數據內容提供商轉變。三是易閱通打通了國內外4萬多家圖書館和100多萬個人用戶的渠道，并在100多個國家開通了72小時直供的按需印刷網點。

譯見跨語言大數據。一是構建起了全球最大規模的語言資源大數據，其中雙語平行語料累計超過48億句對，僅次于谷歌，中英平行語料規模全球最大；二是構建了全球最大規模的多語文本大數據，采集數據源超過2000萬個，日更新超過3000萬篇新聞和5億條社交媒體數據，數據總量達到2PB，其中新聞數據量超過200億篇，覆蓋60多種語言和100多個國家；三是領先的跨語言搜索技術和基于知識圖譜的語義搜索技術，構建起了新聞、企業和科技等領域知識圖譜。

大數據再大、再神也是工具

身處大數據時代，我對大數據的認識是：第一，大數據無處不在，古已有文，云計算激活了它的蓬勃生機；第二，大數據的核心是預測，特點是大而全，是樣本即整體，因而放棄精確，擁抱混雜，反而更加精確；第三，大數據的關鍵在相關關系，一旦掌握了量化的相關性，就掌握了預測的鑰匙；第四，大數據再大、再神也是工具，傳統出版可以在學習中掌握主動。

在數據驅動的第三波產業發展中，我們也更清晰地認識到：第一，新時代，主要矛盾，高質量發展，底層的最基本問題是創新，而創新的決定性因素是科技。第二，傳統出版本身還有自己的發展空間，但中心正在轉移，融合發展將逐步成為主旋律。第三，在數字化網絡化的浪潮中，傳統出版商的要害是內容數據，前提是內容的數據化，關鍵是內容數據的集成，核心是內容數據的研發應用，而出版數字化的前景是內容數據的提供商、研發商和服務商。第四，在數據化中出版將真正成為內容的提供、服務和創新主體。內容數據的規模，它的資產化、集約性、增值潛力將越來越代表著出版新業態的方向。總之，內容數據，對我們的數字化來說是“一”的一切，是一切的“一”。

我們力圖構建一個以數據為核心、以出版新業態為導向的由內向外、逐步延展的大數據現代知識服務體系。從目前發展看可描述為4個圈層：一是基礎層，即數據資源平臺，也是知識服務的前端，主要解決數字標準、資源供給問題，回答“數據從哪里來”。二是核心層，即知識服務的核心平臺，主要提供不同領域的專業化知識服務，主要解決“數據生成了什么”，主要包括大眾、古籍、工具書、百科、音樂、美術、動漫、法宣等多個知識服務平臺。三是中間層，即電商平臺，解決關聯領域的交易機制問題，主要解決“數據如何交易”，主要包括綜合運營、易閱通國際、藝術品、新華、大中專采選等多個平臺。四是外圍層，即大數據智能分析，屬于知識服務的衍生領域，主要包括譯云、新華物流大數據平臺。

責任編輯：曹宇

?

?