大數據之熱，出版業不可能沒有感受到。不過，對大數據時代的到來，出版業人士在2013上海書展的一場高層論壇上表現得誠惶誠恐，他們不知道大數據是否真的那么美妙，不清楚大數據給未來提供的全新可能性是什么。盡管如此，出版業面對大數據的一場長期戰役已經打響。

當出版遇上大數據

2010年，谷歌推出圖書數據庫，庫中包括從1500年到2008年間出版的各類圖書的5000億個單詞。用戶可以在電腦上輸入最多五個單詞，查看這些單詞歷年來的使用頻率情況。

例如，輸入“women”（女性）和“men”（男性）會發現，上世紀70年代之前，“women”在圖書中很少被提及，而當女權主義站穩腳跟后，“women”的使用頻率逐年提升，到1986年，“women”和“men”的使用頻率曲線出現了交點。“這說明，將高質量的數據分析應用于人文學科也是可行的。”美國哈佛大學研究員埃雷茲·利伯曼·艾丁將這種研究方法稱作“文化組學”（culturomics）。上海圖書館副館長陳超在論壇上分析說，這誘發了一個新的學科，通過文本的定量分析來揭示人類行為和文化發展的趨勢。

隨著大數據時代的到來，閱讀方式也發生了深刻的變化。數世紀以來閱讀作為一種單獨、私密行為的方式，轉變為某種可以測量的半公開的行為。如今，電子閱讀器能夠讓出版商和作家一窺銷售額背后的故事，它們不僅僅能夠顯示某些書吸引了多少購買者，還能揭示他們的閱讀強度。

出版社已經開始運用這些數據。出版《哈利·波特》小說的Scholastic出版社通過建立在線游戲追蹤最吸引人的線索和角色，以此為構思基礎創作了《39條線索》系列小說，成為又一本全球暢銷書；Coliloquy出版的電子書允許讀者自己設計人物角色和情節線索，經數據分析，讓作家調整故事迎合大眾口味。讀者甚至可以選擇女主角與三位追求者中的哪一位發生關系。

中國出版業的實踐與猜想

Coliloquy的這一模式某種意義上說明了大數據在出版業的可行性。但是，能否真的像英國電視劇《紙牌屋》那樣，靠大數據的排列組合，流水線生產一本同類暢銷書呢？陳超很同意豆瓣上一篇關于此分析的日志：“如果我們能量化用戶的閱讀題材、閱讀場所、閱讀時長、標注章節和重復瀏覽內容，大數據時代的快銷書指日可待。”

著名作家梁曉聲卻并不如此認為，“大數據不可能影響我們（作家）。”他在接受《IT時報》記者采訪時斬釘截鐵地表示。他認為：“數字閱讀的時代剛剛來臨，是否意味著它將告別讀書這一古老而良好的習慣呢？有人斷言這是早晚的事，最快50年后變成現實。我認為不會，起碼100年后不會。人類對讀書的親情，對于一部分讀書人而言，早已成為基因，成了DNA的一部分。”

現實情況是，出版業已經開始對大數據展開各類探索。上海圖書館今年春節期間做了“讀者閱讀賬單”，根據一年來的外借量，將讀者分為極客、書蟲、文青，并寄一張個性化的閱讀數據表給讀者。陳超介紹，他們發現去年一年在上海所有圖書館中借書量最大的一個人共借了3414本書，是一位司機，“沒有數據，不知道這個事情，知道以后會去問為什么，和數據大小無關。”

作為中國傳統文化的內容供應商，中華書局也在思考如何在大數據時代為出版提供更多可能。中華書局副總編輯顧青認為，用數字經濟的理念來看待，中華書局不僅要保持古籍整理和出版的核心競爭力，更應該保留獲取、存儲、整合、搜索、分析中國傳統古籍文本及其研究文本的能力。

顧青同時坦承，目前中華書局仍以紙書為主，數字產品極少，主要是“中華經典古籍庫”和“中華基本史籍知識庫”兩個數據庫。圖書館采購也在借力大數據。如今，圖書館文獻資源建設經費緊張，特別是紙本書刊經費比例逐年減少。同時，圖書采訪員人員有限，三四萬人的綜合類大學的圖書采訪員也不過三四個，采回的書80%沒有價值或價值不高。據此，北京人天書店董事長鄒進提出，在大數據時代，可以從采訪數據中提取核心書目，根據出版社、作者、責任編輯、版次等綜合評分提供采購指導。

要大數據，得先數字化

與會者普遍認為，在中國，傳統出版業和圖書館還處在數字化的轉型時期，因此現在談要在內容、閱讀、服務、管理方面“數據化”，得先將“數字化”進行徹底。

在管理方面，陳超說，我國數字出版產業鏈上“B2L2R”（出版社到圖書館到讀者）的商業模式和平臺遠未成熟。在美國，Overdrive公司搭建了這樣一個平臺：出版社把電子資源交給他們，再由他們負責向所有圖書館提供電子書，亞馬遜借書服務就是他們的客戶。

“國內沒有數字閱讀平臺，不掌握用戶閱讀行為的數據，怎么來做大數據創新呢？”陳超發問道。