随着互联网和移动终端的大量普及，与我们自身相关的数据都可能成为可以被记录和分析的数据。随着人工智能技术不断成熟，会不会终有一天，当政府部门或者企业在做决策的时候，出现一个可以判读决策方向、推送决策支撑信息、模拟决策效果的智能机器?
其实有一种科学的研究范式，专门以数据科学的思维去发现科学规律和应用方法，这个科学范式叫“数据密集型科学范式”，也叫第四科学范式。基于第四科学范式的用户意愿挖掘是从一个基本假设出发：人类的意愿，无论是显性的还是隐性的都是可以计算的。
基于信息社会越来越多的数据产生、越来越强的数据分析、越来越多的数据科学思维、越来越智能的服务升级，经济活动产生巨大的变革，产生了一种新的经济模式“意愿经济”。2012年，Linux
Journal高级主编多克·希尔斯提出了意愿经济的概念。意愿经济是在注意力经济概念基础上提出来的，并深受互联网+大数据模式影响。
在意愿经济环境下，买卖双方关系的视角发生了改变，意愿成为了一种经济模式的基础。一般来讲，经济行为都是利润导向型的，但意愿经济是围绕用户意愿进行的经济行为，它是一种需求导向型的经济。在意愿经济环境中，大数据可以预测你的利益、你的愿望，甚至你的幻想。
深度挖掘科技决策者的意愿
意愿经济环境下，我们不但可以有效存储和管理买卖双方的多样化数据，更主要的是我们可以分析这些数据，提升服务效率和质量，推动经济增长，促进社会发展。当我们将买卖的货物变成知识或者情报，在科学研究中、决策过程中，就会产生洞察力，促进科技创新。因为我们意识到，对于科技决策者，更加复杂且强大的自然语言处理模型，能深刻揭示海量数据里所承载的复杂而丰富的决策需求信息，并对决策者的隐性意愿做出更为精准的预测。
传统情报都是基于决策者的显性情报需求的(决策者自己提出的需求);而现代的情报服务不但可以满足显性情报需求，还可以满足隐性情报需求(决策者没有提出来，但事实上具有的需求)和被激活的情报需求(决策者根本就没有意识到的潜在需求)。科技情报服务对这三种需求的满足是服务升级的具体表现。
在情报学研究领域，该研究首次将意愿经济理念融入到科技情报服务模式的创新研究中，从问题的提出、内容界定、模式学习、方法分析、模型设计等方面构建基于用户需求分析的科技情报服务模式，达到大数据环境下科技情报服务标准化和智能化的目标。
网友评论