成都市公共文化服务大数据实践经验简析

陈现春

摘  要：随着云时代的来临，大数据（big data）吸引了越来越多的关注。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术（big data）指的是所涉及的资料量规模巨大到无法通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。

关键词：公共文化  大数据  数字文化  研究

中图分类号：G64                               文献标识码：A                    文章编号：1674-098X（2020）11（c）-0140-03

A Brief Analysis of the Practical Experience of Big Data of Public Cultural Services in Chengdu

CHEN Xianchun

（Chengdu Cultural Center Digital Work Department， Chengdu， Sichuan Province， 610000 China）

Abstract：  With the advent of cloud era， big data has attracted more and more attention. "Big data" is a massive， high growth rate and diversified information asset that needs new processing mode to have stronger decision-making power， insight and discovery ability and process optimization ability. Big data technology refers to the amount of data involved is so large that it can not be retrieved， managed， processed and organized into more active information to help enterprises make business decisions in a reasonable time.

Key Words： Public culture; Big data; Digital culture; Research

1  公共文化服务与大数据结合

以文化馆为例我们可将公共文化服务数据分为：资源数据、用户数据、运行服务数据和用户行为数据。其中，资源与用户数据是基础，当两者发生服务或使用关系时，产生运行服务数据与用户行为数据。资源数据包括机构设施基本数据，以及各类实体资源、数字资源和服务资源的数据。用户数据是指性别、年龄、学历、地区等反映用户基本特征的数据。运行服务数据指各类软硬件资源在服务时所产生的数据，如机构服务时间与服务人次、公共文化服务内容流通情况、各类培训、演出、活动、展览的开展情况等。用户行为数据指用户在接受服务时各种行为所产生的数据，如用户培训次数、在线阅读、活动参与等数据，访问数字资源的行为数据等。

2  公共文化服务大数据实践

2.1 实践基础概述

由文化部全国公共文化发展中心、成都市文化广电新闻出版局主办的“公共文化服务大数据应用”文化部重点实验室2017年工作及实验基地建设研讨会在成都召开。会议提出2017年将启动“公共文化服务大数据应用”文化部重点实验室建设工作，通过5年时间，建成公共文化服务大数据中心，培养一批领军人才和中青年学术骨干，通过大数据应用寻求公共文化服务的新增长点。

同时成都市文化馆建设的“文化天府”公共文化服务云平台通过近4年的建设与运营目前已涵盖课程报名、活动抢票、场地预约、街头艺人、慕课教学、直播教室、文化志愿者、大家美术馆等23项最受市民群众喜爱的服务功能，与全市19个区（市）县实现互联互通，平台累积下载量90余万次、注册用户超过60万人，全平台公共文化服务内容点击量超过3300余万次，线上课程开展次数超过3000个班次，线上公共文化服务活动开展次数超过2500次。平台将线下公共文化服务过程全面引入线上，通过平台产生的大量服务记录数据整合为大数据分析依据，行程分析结果，将更好的为公共文化服务指导依据。

2.2  实践方法概述

成都市文化馆结合“文化天府”云平台现有用户资源，将有价值的用户数据通过分类分析、回归分析、聚类分析、关联规则、特征分析、变化和偏差分析等方式，通过图文报告的形式，对全市群众公共文化服务需求进行判断和预测，从而指导各地开展公共文化服务。

（1）看图说话。

就是利用一些图表类型，将一些数据通过不同的指标和基数进行比较，大数据不是只有技术人员才会看到，普通用户也是可以看到的，所以要求对大数據的分析也要被普通的用户所接受，直观的、可视化的大数据分析很快就可以让更多的使用者读懂。

（2）数据统计方法。

我们通过各种数据挖掘算法，让不同类型的数据呈现出不同的数据特点，加以统计后得出数据深层次的价值。

（3）预测分析。

通过现有数据分析，预测未来的数据发展趋势，更好地为全市公共文化服务提供预测性数据，预测分析主要就是通过挖掘数据的特点，建立科学的数据模型，带入新的数据，得出新的预测结果，作为发展过程中的参考。

2.3 实践成效

在公共文化服务工作中，通过数据分析结果产生大量的数据报告，通过分析报告找到相关性因素，以及用户的公共文化服务消费习惯，准确定位提升公共文化服务效能的方法，为我们公共文化服务的管理工作提供了重大的决策依据。

3  结合分类分析方法，建立年龄、公共文化服务类型、性别等分类条件，实现文化服务资源供给侧的优化

（1）活动服务优化。

首先建立活动服务大数据监控分析表，确立公共文化服务思路，将逐步完成公共文化服务服务受众的年轻化，因此在公共文化服务资源供给侧进行了大量改革和优化，加大平台活动宣传推广力度，改善供给内容类型，并增加亲子活动等中青幼人群喜闻乐见的服务供给，截止到目前18岁以下参与人群占据12.86%，18～40岁参与人群占据29.1%的比重，从2017年底统计的40岁以下人群参与人群占比13%提升至41%，大大提升了公共文化服务效能。

（2）课程分类分析。

建立课程服务的报名数据分析，按课程类型及用户年龄进行分类采集，从数据中发现用户喜好以及过量资源投入，实时优化和补充服务课程类型，为市民提供更优质的课程资源。通过数据分析，我们发现中青年（40岁以下）的人群对美术类、语言类课程的参与度较高，中老年（40岁）以上的人群对摄影、养生、文学类课程参与度较高，根据各年龄层次的参与情况，公益学校可以据此调整课程门类的安排，最大化地提高群众满意度。

4  结合回归分析方法，按时间段统计和分析用户活跃情况，完成用户留存和使用的动态监控以便实时进行平台服务推送

平台建立相关用户活跃度分析模型，监控用户留存及使用情况，取2020年4～6月数据可看出，平台活跃用户平均每日大于4300人，4～6月相对平稳，说明平台服务内容产出相对稳定，用户使用习惯相对已经养成，在用户活跃度最低的阈值，我们即可进行相关服务推送，以提升平台活跃度。通过该分析可实时发现群众的喜好，以实时调整公共文化服务内容的推送。

5  结合聚类及关联分析方法，从用户角度出发，建立用户行为追踪、用户使用时间分析，完成用户行为习惯的动态监控以优化公共文化服务手段

（1）行为统计。

目前“文化天府”平台后台已采样了用户行为近70万条，我们根据分类将用户行为习惯分为以浏览、搜索、分享、参与活动报名、参与课程报名、参与视频学习几类，我们发现与资源供应量成正比的是，动态新闻类的浏览占据用户操作的60%，其次是课程报名，第三是活动报名和视频学习，从这里可以看出用户所进行的操作与平台所提供的公共文化服务内容量是成正比的。

（2）用户使用时间分析。

根据我们对用户操作记录数据采样的时间性分析，我们发现上午9点～12点为操作最为频繁的时候，晚上8点～12点为第二个操作高发期，因此我们在运营过程中尽量抓住这两个时间段进行集中信息推送，尽量让更多的人群不错过我们平台供应的优秀公共文化服务内容。

6  结合特征分析方法，实现公共文化服务消费群体的精准画像，实现平台的千人前面，将各类人群所喜好的公共文化服务内容推送至用户眼前

（1）用户参与公共文化服务内容偏好分析。

我们从用户参与的活动、课程中进行采样，发现用户偏好前三位为：培训、音乐会、讲座，对展览、电影等静态性的活动内容参与率较低。从目前的采样数据我们可以发现，排名前三的活动都具有一个特点，即有规模性，并且都为人群集中性参与，互动性较强。

（2）各大版块点击率分析。

通过后台数据整理，我们将平台信息点击率排名前五的数据进行了综合分析，我们发现用户通过“首页热推”进入的点击次数最高，其次是有明确定义的专区板块，如课程报名、活动抢票，街头艺人，学习视频。相比之下，隐藏了两级及以上的栏目，点击率就低很多。由此我们得出的结论：针对平台功能性的优化，即在“首页”更加直接直观的向用户展示公共文化服务，这为我们下一步对平台APP界面优化提供了明确的方向。

7  建立用户反馈机制，完成用户参与活动后的调查分析，精准了解公共文化服务满意度，优化公共文化服务质量

自评价系统开放以来，共收到3392用户活动评价，其中满分评价用户占2891条，4分341条，公众满意度达到 95% ，共收到 6178条用户课程评价，其中满分评价用户占5142条，4分649条，公众满意度达到 93% 。

8  结语

经过成都市文化馆近几年来对公共文化服务与大数据分析相结合的内容实践上，我们发现，在市民日益变化的精神文化需求上，我们需要做大量的基础数据采集、分析、总结工作，通过目前已知的分类、回归分析、聚类、关联规则、特征、变化和偏差分析等分析方法，不断优化各类算法的参数及计算公式，才能不断满足群众的公共文化服务需求。未来，大数据的研究首先应当从厘清可行的数据分析需求开始，以数据建设为基础，逐步完成并实现大数据的采集与分析应用的宏图。

参考文献

[1] 许道琳.公共文化机构媒体融合服务创新研究[J].大庆社会科学，2020（4）：143-146.

[2] 彭泽明.西部贫困地区公共文化建设的特殊性研究[J].重庆理工大学学报：社会科学，2017，31（8）：123-128.

[3] 杨佳.如何做好数字文化馆建设中的党政思想工作[J].时代报告，2020（7）：58-59.

[4] 郭玲.基层图书馆的公共文化服务研究[D].泰安：山东农业大学，2020.

[5] 周一琛.城市公共文化与体育服务适老化建设研究[D].成都：四川省社会科学院，2020.

[6] 郭路生.基于EA的公共文化服务大数据资源规划研究[J].图书馆学刊，2019，41（12）：75-81.

[7] 朱宝华.大数据背景下数字化文化馆建设[J].艺术品鉴，2019（20）：3-4.

[8] 王元明，杨楠，王雪丽.均等化视角下天津市基层公共文化服务效能评价及提升策略[J].重庆理工大学学报：社会科学，2020，34（3）：97-108.

[9] 田凯利，燕艳，梁剑峰.乡村公共文化服务体系建设的路径分析[J].河北农业科学，2020，24（4）：5-8.

[10] 肖岗.图书馆员：公共文化服务创新发展的生力军[J].传媒论坛，2020，3（14）：112-113.

[11] 化柏林，赵东在，申泳国.公共文化服务大数据集成架构设计研究[J].图书情报工作，2020，64（10）：3-11.

[12] 王珂，陈家琪，刘凯旋，等.雄安新區公共文化服务体系建设探析[J].国际公关，2020（1）：24.

[13] 黄银茂.关于公共文化服务体系建设的现状与发展[J].中外企业家，2019（13）：219-220.

[14] 谭俊超.大数据时代群众文化智慧服务的路径建设[J].文化学刊，2019（1）：62-66.