高校图书馆作为学校的文献资源保障单位，可以通过对自身数据的挖掘、分析、研究，找出图书馆建设与发展新的增长点，例如分析出当今读者关注的信息动向、学科之间的关联点和发展方向等^[1]。随着大数据概念的提出，图书馆作为传统的数据“集散中心”，其数据获取、数据分析、行为预测等数据的应用与拓展研究摆在图书馆人的面前，如何利用技术手段进行数据分析已经不再是需要客观探讨的重点问题，而是需要考虑如何从技术创新转变为思路创新的问题。近年来，图书馆关于数据的研究呈现多元化趋势^[2]，对于数字资源利用率的分析评估，已经被广大图书馆学者所关注^[3-4]。针对数字资源的评估以及应用型数据的分析尤为重要，其主要难点在于读者对数字资源利用率数据的获取与统计分析。利用网关获取读者在校园网内访问数字资源的数据信息^[5]，是部分高校进行数字资源统计分析系统初始模型建设的一种方法。通过获取的信息不仅能分析出读者访问的数字资源的类目，而且能从数据中得出读者的资源需求。从读者的资源利用行为中，可以间接分析出读者对资源建设以及图书馆服务的意见和建议。综上所述，图书馆的数据分析对象不仅是资源，也应该包括读者。图书馆可利用读者相关数据进行分析，获取读者需求信息，从而实时调整图书馆资源建设方向，改善读者服务的内容。同时，随着开放数据不断受到政府以及相关科研主管单位的政策法规的支持，其分析、存储与管理规划也是图书馆所要进行的工作。所以，将数据分析定位于图书馆的日常工作，建立长期工作机制，已势在必行。

数据分析步骤可以分为5步：①确定目标；②收集数据；③数据加工；④方法选择；⑤结果解释。图书馆运用数据分析，首先应注意不能采取抽样的方式进行，而应全面分析数据；其次，分析的过程中应注重效率分析而不是绝对精确；最后，分析的结果应具备一定的相关性，不能用传统的因果性来衡量。数据分析的过程如图2所示：

高校图书馆在运用数据进行分析的过程中，由于数据的来源不同，造成数据处理过程中标准不统一。在统一标准的过程中，如果不深入研究各数据源的信息格式以及数据的真实性与可靠性，就会造成数据分析结果存在较大误差甚至错误。因此，在数据分析机制建立的过程中，也必须充分考虑各数据源的统计机理、统计方法以及数据结构的各种参数信息，在此基础上，汇集各种数据源信息，设定数据分析的合理参数，使数据分析结果具有真实的指导价值。

当然，数据分析技术应用层面还存在其他一些问题，例如，纸质资源利用数据方面，通过图书馆管理系统的统计功能只能统计借阅数据，而不能统计在馆阅览数据信息，等等。总之，数据分析概念的提出，只能建立在读者与图书馆应用的相关性基础上，才能实现读者对图书馆应用的信息监测，而不能用传统意义上的因果性进行简单的判别。

传统的数据分析法有很多种，例如差异分析、相关分析、Ｔ检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析等^[15]。而高校图书馆对于运营数据的研究，可以从可视化分析、预测性分析、语义引擎、数据挖掘、数据管理等方面着手：①可视化分析。是分析的最终结果呈现形式，令数据更加贴近利用者的使用习惯，便于理解。图书馆的可视化分析主要用在与读者相关的数据的分析方面，例如来馆人次、读者的资源利用信息等。②预测性分析。和数据挖掘相似，预测性分析主要是以贴近图书馆管理以及读者利用图书馆的行为为基础，设计合适的算法，建立在已有数据分析的基础上，对图书馆管理工作和读者行为做一定的预测，从而指导图书馆的规划制定与实施。③数据管理。是一项基本工作，未来图书馆不仅是单纯的服务部门，同时也是一个数据管理部门，其数据包括资源数据、应用数据等。

数据分析作为高校图书馆效率评估的基本手段和工具，将逐步引起各高校图书馆重视。高校图书馆将数据分析机制作为一个长期固定的工作机制，定期进行数据汇总与分析，用来指导图书馆运营工作，将成为一种常态做法。高校图书馆的运营数据也会随着各种统计分析系统和技术的不断完善而逐步准确，使数据分析结果更加精细，而数据分析系统平台的统计功能也会随着图书馆各种系统的建设而不断完善，逐步成为图书馆不可或缺的基础应用平台之一。