2017年12月8日，中央政治局就实施国家大数据战略进行学习。习近平总书记对实施国家大数据战略、加快建设数字中国提出5点指示，对出版业服务新时代中国特色社会主义建设提出了新的要求。我结合学习和贯彻，谈谈传统出版数字化的关键与产业方向。

重视四种数字化趋势

1995年美国麻省理工学院教授尼葛洛·庞帝出版的《数字化生存》，已经被时间所证实。20多年了，数字化已经成为一股席卷全球的大潮，改变了人类传统生活方式，还重构了全球商业生态系统，旧的生态体系不断分崩离析，而新的生态系统不断成长出来。展望新的数字化浪潮，有4种情况值得重视：

一是虚拟成为新的技术主流。我们每个人都只坚信自己眼里看到的东西，这是人类的基本逻辑。但是，人工智能和VR、AR技术打破了这个逻辑。2017年10月26日，美国著名的机器人公司汉森生产的“女性”机器人索菲亚获得沙特阿拉伯政府授予的公民身份，成为人类历史上第一个获得公民身份的机器人。索菲亚的大脑里存储了62种面部表情，能识别人类面部、理解语言，能记住与人类的互动，并能与人进行眼神接触。

二是共享成为新的经济形态。工业革命以来的这300年，所有的资本都归资本家所有。可是，在互联网时代，共享单车、淘宝、滴滴打车等新的经济形式出现，资本家独占生产资料这一现实正在被掀翻。以租代买的形式使得资源可以复制，不仅改变了大工业时代的资本的独占性，还具有很强的公共服务共赢共享的色彩。

三是移动支付成为新的支付方式。2017年5月，“一带一路”沿线的20国青年评选出了中国的“新四大发明”：高铁、支付宝、共享单车和网购。随后，麦肯锡发布的名为《数字中国：提升经济全球竞争力》的报告指出，2016年中国互联网用户数达到7.31亿，超过了欧盟和美国的网民总和；超过6亿的中国手机用户使用移动支付，中国已成为全球最大的移动支付市场，移动支付交易额相当于美国的11倍。

四是数字经济成为新时代经济增长的主要动力源泉。腾讯研究院数据表明，2016年我国数字经济总体量达到22.77万亿元，是仅次于美国的世界第二大数字经济体，在国民经济中的占比达到30.61%。我国的计算机出货量、手机出货量、网民数量和网络零售额保持世界第一位。在全球市值最高的15家互联网公司中，中国占6席；在全球十大市值“独角兽”企业中，中国占一半。麦肯锡报告中最新的“中国行业数字化指数”也表明，2013年，美国的数字化程度是中国的4.9倍，到2016年已缩小到3.7倍。

数据是当前出版业最大的资产

在这几个趋势中，我们都可以看到，无论是人工智能、共享经济、移动支付还是数字经济，都离不开大数据作为基本前提。正是这些大数据的存在，使得机器人产品、共享产品、支付体系的创新等成为可能。我们再看一个行业内的案例。2004年谷歌启动了它历史上的第一个“探月”项目，即数字图书馆计划，准备将全世界一共1.2亿种图书进行扫描，转化成为PDF格式的数字化资源。它和密歇根大学、哈佛大学、斯坦福大学、牛津大学图书馆以及纽约公共图书馆、许多其他图书馆系统都订立了合约，并且短短10年内扫描了大约2500万册图书，总共花费了近4亿美元。但是这个野心勃勃的计划失败了。因为在海量的、碎片化的、个性化的需求面前，内容资源的数字化不是关键，关键的是内容资源的数据化。数字化是把模拟数据转换成用0和1表示的二进制码，而数据化则是把现象转变为可制表分析的量化形式。一切皆可数据化，DATA的拉丁语本意是“已知”和“现实”。我们可以把一切都看成是数据存在。它们过去是默默无闻的，因为没有数字化、云计算。在云计算、互联网的条件下，它们神通广大起来。

对于出版而言，数据包括：第一，营销数据。如发行量、购买人群等，主要提供用户消费行为分析。第二，生产数据。如首印数、开本、定价等，主要是提供产品的外部基本信息。但是，还有一种最关键、最本质、最有用的数据，那就是内容本身所蕴含的全部知识数据，也就是，“内容即数据”。

就出版产业而言，近10年的发展，第一波是转企改制驱动，第二波是上市融资驱动，第三波是数据驱动。从这个意义上讲，内容不再是一种传统意义上的资源，而是一种大数据时代意义上的数据资源。传统的数字内容是单一文本、语义固定的、静态呈现的，适合整体浏览和阅读，不可自由组合，采取关键词搜索，遵循整体范式逻辑；而数据资源是开放文本、语义多元的、动态呈现的，适合碎片化和个性化需求，可以随机抽取，采取语义搜索，遵循个体范式逻辑。传统的内容是一种产品，而数据资源是一种资产；传统的内容资源是一次投入、一次消耗的，而数据资源是一次投入、循环使用的；传统的内容资源是算术级增值，而数据资源是几何级增值。

在传统时代，内容是出版业最大的资产；而大数据时代，数据是出版业最大的资产。出版业要努力做大数据资源规模，做大数据资产规模，做大数据增值规模。

中版集团正形成多种专业数据库

近年来，中国出版集团正在形成古籍、辞书、翻译、百科学术文化、音乐、美术、法律等专业数据库，同时集团资源总库的建设已拥有20多万种资源。我举几个例子：

“经典古籍数据库”。中华书局经过3年的开发，已上线古籍1200多种、10亿字。2017年实现升级改造：第一，建立“传统文化大数据中心”，未来3年实现5万种古籍、150亿字的数据化。第二，依托大数据中心，开发古籍、善本、工具书、论著4个数据库。第三，依托大数据中心，一是以众筹分包的形式向大众组稿，二是对古籍整理进行自动标点、注释、校勘、翻译，三是采取数字平台+按需印刷的方式进行出版。

语言文字知识服务平台。商务印书馆以300种工具书和500多种语言文字图书，为中小学生提供了学习平台。它以字词所涵盖的丰富内容，通过可读、可视、可听的方式，构建生动形象、触类旁通、激发思考的知识学习体系：一是纸本到线上的产品服务，目前已上线《新华字典》APP；二是数据库服务，可针对不同需求开发不同数据库；三是多语种学习；四是与华为、腾讯、百度、搜狗、科大讯飞合作，提供权威的语言文字基础数据。预计在5年内实现个人付费用户达到60万人/年、累计150万人次，机构用户累计达到1400家，APP累计销售157.5万份，数据包产品用户最高达到500万人/年。

中读。汇集杂志、自媒体、书籍等内容数据，通过大数据的深度解析，提取内容兴趣、知识点、阅读习惯、阅读互动行为等标签，对用户的知识需求进行精准画像，为用户提供更精准的内容。同时，通过互联网化的手段，不断聚集内容、用户及需求，形成内容生产传播大数据生态。

在线音乐教育平台。以音乐大数据为基础，采取“开发区招商模式”，吸引国内外音乐培训机构入驻，以众包众筹方式，提供各种音乐学习产品和服务。同时，通过语音识别技术，导入名师资源，提供测试、问诊及解决方案，规划未来几年吸引5万名商家入驻，积累2000万用户。

易阅通平台。一是实现数据资源的海量聚合。目前已上线外文电子书36万种、数字期刊1.35万种，中文电子书39万种、数字期刊3700多种，有声书10.5万集，开放获取资源5.4万种。二是实现对图书馆由纸本提供向数据内容提供商转变。三是易阅通打通了国内外4万多家图书馆和100多万个人用户的渠道，并在100多个国家开通了72小时直供的按需印刷网点。

译见跨语言大数据。一是构建起了全球最大规模的语言资源大数据，其中双语平行语料累计超过48亿句对，仅次于谷歌，中英平行语料规模全球最大；二是构建了全球最大规模的多语文本大数据，采集数据源超过2000万个，日更新超过3000万篇新闻和5亿条社交媒体数据，数据总量达到2PB，其中新闻数据量超过200亿篇，覆盖60多种语言和100多个国家；三是领先的跨语言搜索技术和基于知识图谱的语义搜索技术，构建起了新闻、企业和科技等领域知识图谱。

大数据再大、再神也是工具

身处大数据时代，我对大数据的认识是：第一，大数据无处不在，古已有文，云计算激活了它的蓬勃生机；第二，大数据的核心是预测，特点是大而全，是样本即整体，因而放弃精确，拥抱混杂，反而更加精确；第三，大数据的关键在相关关系，一旦掌握了量化的相关性，就掌握了预测的钥匙；第四，大数据再大、再神也是工具，传统出版可以在学习中掌握主动。

在数据驱动的第三波产业发展中，我们也更清晰地认识到：第一，新时代，主要矛盾，高质量发展，底层的最基本问题是创新，而创新的决定性因素是科技。第二，传统出版本身还有自己的发展空间，但中心正在转移，融合发展将逐步成为主旋律。第三，在数字化网络化的浪潮中，传统出版商的要害是内容数据，前提是内容的数据化，关键是内容数据的集成，核心是内容数据的研发应用，而出版数字化的前景是内容数据的提供商、研发商和服务商。第四，在数据化中出版将真正成为内容的提供、服务和创新主体。内容数据的规模，它的资产化、集约性、增值潜力将越来越代表着出版新业态的方向。总之，内容数据，对我们的数字化来说是“一”的一切，是一切的“一”。

我们力图构建一个以数据为核心、以出版新业态为导向的由内向外、逐步延展的大数据现代知识服务体系。从目前发展看可描述为4个圈层：一是基础层，即数据资源平台，也是知识服务的前端，主要解决数字标准、资源供给问题，回答“数据从哪里来”。二是核心层，即知识服务的核心平台，主要提供不同领域的专业化知识服务，主要解决“数据生成了什么”，主要包括大众、古籍、工具书、百科、音乐、美术、动漫、法宣等多个知识服务平台。三是中间层，即电商平台，解决关联领域的交易机制问题，主要解决“数据如何交易”，主要包括综合运营、易阅通国际、艺术品、新华、大中专采选等多个平台。四是外围层，即大数据智能分析，属于知识服务的衍生领域，主要包括译云、新华物流大数据平台。

责任编辑：曹宇