情报研究是科技文献机构满足科技决策和服务需求、提供知识化服务的重要手段。随着科技决策和服务需求的深入，以及数据信息资源和技术的发展，情报研究先后经历了以文献、信息报道和资料翻译汇编为主的“文献搜集与资料整理服务”、以深入文献文本统计为主的“计量研究和检索服务”、以针对明确问题的基于大量资料的调研报告为主的“情报专题服务”、基于信息和技术的面向科技创新问题的“知识提供”等（如面向规划与布局的科技领域态势研判和机制体制分析等）发展阶段。不同历史阶段的情报研究具有其需求的合理性和历史的必然性，体现了不同时期的知识服务内涵与特点，这些情报研究类型至今在特定需求下仍在发挥重要作用。
按照科研决策机构的要求，“情报服务要实现从数据到情报到知识到智慧的服务”和“智慧体现在可能的解决方案——Possible Solutions”。当前，国际科技竞争态势错综复杂，学科交叉融合、科研范式变革推动科技领域不断催生重大创新，ChatGPT等信息技术严重冲击传统知识服务，科技决策需要综合研判的因素更加多元，对数据和信息的需求更高。因此，情报研究在提供可能解决方案的知识服务中面临严峻的挑战：如何把握和解析“科技决策需求”本身？如何构建可循证的“数据+情报+知识”链与“科技决策需求”对齐？如何为“科技决策需求”“生成”“可能的解决方案”？
文章针对当前“科技决策需求”的特点，提出场景化智慧数据驱动情报研究模式，建立科技决策需求场景（S）-场景化数据（DX）-解决方案场景（S）的量化表征模型（SDS），场景化分析视角贯穿SDS模型实现路径全链条。研究初步解决了“科技决策需求”本身的结构化可计算的描述（场景化），对齐“科技决策需求”结构化可计算的场景化数据（智慧数据）的挖掘与组织，以及在此基础上的可选解决方案的“生成”方法，并通过实例进行初步验证。
