Mekkora munkaerő, mikor és milyen megosztásban szükséges a könyvtárba? Vagy akár: kell-e módosítanunk a katalógusunkon a nagyobb kölcsönzési arány érdekében?

- Akkor tudjuk a legtöbbet kihozni az adatainkból, ha mindent egy nagyobb bigdata megoldásba teszünk be, ott végezhetünk analízist, készíthetünk vizualizációt is. Léteznek erre szabadforrású eszközök, de pl. a Microsoft eszközeivel is megoldható. Ha magunk tervezünk hozzá adatbázist, érdemes utánaolvasni az extensible data management tárolási módnak.

Hogy az adataink összekapcsolhatóak legyenek - azaz: a különböző forrásokból származó adatokat egységesen dolgozzuk fel (vagyis pl. a kereső logjait kapcsoljuk a wifi adatokhoz), szükségünk van egy rendszerre, ami megoldja a felhasználók karbantartását, szolgáltatását. Legjobbnak az tűnik, ha az IKR olvasói adataiból indulunk ki, és azokat szinkronizáljuk egy Miscrosoft Active Directory-ba vagy LDAP-ba, az AD adataira tehetünk radius szervert a wifi szolgáltatáshoz és egy single sign on (SSO) rendszert a webes szolgáltatásainkhoz.
Ebben az esetben összekapcsolhatjuk az adatainkat akkor is, ha anonimizálva(!) dolgozunk velük. Tudjuk hogy egy felhasználó melyik rendszerünkben mit csinált. Így például sokkal megbízhatóbb perszónákat tudunk kialakítani a felhasználóink modelezésére. (Az összekapcsolt adatokat a GDPR miatt csak anonimizálva használjuk.)

Ha belépünk az eduID felhasználóazonosítási szolgáltatásba, és a könyvtári rendszerünkben tároljuk az EduID azonosítót is, és megengedjük a rendszereink használatát EduIDvel, akkor még többet megtudhatunk az olvasóról, az mindenképpen kiderül, hogy melyik egyetemhez tartozik (hallgató vagy oktató).

Az így gyűjthető adatok:
- kölcsönzések száma, tartalma
- kölcsönzések hossza, időzítése
- helybenhasználatok száma
- helybenhasználat ideje és hossza
- Wifi csatlakozás (kezdete és vége)
- wifi csatlakozás helye (könyvtár és azon belül terem)
- internethálózaton elért portálok címei
- proxy használat, ideje, internetcímek
- épületbe be- és kilépések ideje (ha van beléptető rendszerünk)
- internetes keresések
- olvasói gépek bejelentkezési adatai (hely, idő)
- keresési stratégiák a Discoveryben (hány lépésben találta meg, amit kikölcsönzött; mire keresett; talált-e valamit, vagy feladta a keresést; hányszor vezetett kölcsönzéshez a találat; mikor telefonáltak a tájékoztatásnak).

Annyi adatot gyűjthetünk, hogy az adat feldolgozása lesz kihívás. - Előző rész: link