数据驱动导向高校多维度教育信息系统开发研究

魏诚++冷国慧

摘要：随着数据实证应用的成熟及研究方法的进步，在数据驱动的前导下，面向对象（OO）、面向服务（SOA）及敏捷方法的应用逐渐成熟，使项目成功的效率大幅提高。然而，高校的分散性管理特点使其产品形式或传统的开发形式，很难完成校级多数据、多业务融合的系统。本文通过对东华大学校级实验室系统的实证研究，分析项目运行成熟度模型，确定可行性及改进方法，并总结概括了四个原则：数据暨需求、产品暨构建、连接暨应用和资源暨界面。

关键词：多维度复杂系统；数据驱动；CMM；成熟度

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2015）17-0111-04

高校校级系统多为多维度数据、多业务应用整合、高服务要求。基于数据建模导向的高校应用系统定制的模式逐渐成为主流，而从国外发展的趋势来看，整合大数据、形成云平台是未来的趋势。笔者通过对东华校级实验室系统建设的实证分析，探究影响软件开发项目成本的关键因素，并建立改善模型和原则。

● 基本知识概述

1.开发方法概述

基于高校复杂系统实证的实现方式，在数据驱动的基础上，借鉴的主要方法有以下三种。

（1）面向对象的开发方法（OO）

面向对象方法（Object-Oriented Method）简称OO方法，是一种把面向对象的思想应用于软件开发过程中的指导开发活动的系统方法。所谓面向对象就是基于对象概念，以对象为中心，以类和继承为构造机制，来认识、理解、刻画客观世界并设计、构建相应的软件系统。

（2）面向服务的开发方法（SOA）

SOA是一种松散耦合的软件体系结构，在这种体系结构中，由各自独立可复用的服务构成系统功能。这些服务向外公布有意义明确的接口。同时，软件的开发是通过对这些实现透明的接口的调用来完成。

（3）敏捷开发方法

敏捷即灵活性，快速响应。它是一种以人为核心，迭代、循序渐进的开发方法。在敏捷开发中，会把一个大项目分为多个相互联系但也可独立运行的小项目，并分别完成，在此过程中软件一直处于可使用状态。

2.CMM模型概念

CMM是指能力成熟度模型，主要描述了软件项目各个阶段的发展过程。CMM重视软件开发过程本身，也是按照这一原则监控和维护项目开发进程，从而使项目达到更加标准化的程度。[1]

CMM为软件过程能力提供了一个阶梯式的进化框架，阶梯共有五个级别，如下页图1所示。

● 高校复杂系统开发模式分析

1.影响高校复杂系统的主要因子

（1）不成熟需求

高校实现信息化系统需求的发起者、使用者、维护者是高校的教师。而由于离散的高校管理方式，需求的发起者和使用者往往并不一致，所以导致需求不确定。需求范围定义得越清楚，项目的目标就会越明确。但是在高校做到这一点非常难，特别是当需求方不明确时。此外，项目进行过程中，需求变更是很正常的事情，这也是不成熟需求的一种表现。

（2）不成熟组织

软件组织要在行业中有立足之地，就必须积累规模化的成功案例，同时在行业有一定的认可度。软件组织要在行业领域中逐步完成相关的积累，才能走向成熟。

（3）不成熟工作人员

在软件开发过程中，由于开发者的成熟度比较低，缺乏文档，缺乏跟踪，工作人员本身不够清楚每个阶段的进出和执行方法，从而会导致项目拖延，费用大大超出预算。

2.基于高校多维度复杂应用系统的案例实证分析

多维度复杂应用系统就是指：①数据源头维度多，而且不止一种方式；②技术路线复杂：不仅需要整合业务数据还需要物联技术、网络技术及接口技术；③业务复杂，需要满足各个职能部门的管理要求，使用部门的使用要求以及主管部门的数据上报要求。

（1）东华大学实验室智能管理系统

系统以实验室管理、实验教学及开放服务动态数据为基础，基于“同源”数据，按需为各项管理活动提供决策支持的模式，其源动力来自于决策应用，着力点在数据的准确、及时与完整。其中数据共享是基础，中心应用是根本，校级考核是手段，持续改进为目标。

①实验室智能管理系统架构（如图2）。

②业务输出要求。包含报表可视化及大数据绩效（如图3），业务流程数据产生及使用。

③数据及接口平台。如下页图4所示，校级平台共享库作为平台的共享数据库，对内与院级平台数据库以及校级应用数据库对接，进行数据的双向同步，对外与校信息中心共享库对接，进行校级应用数据的共享，报表分析及可视化应用则在此数据库的基础上开发，实现对管理分析与决策的支持；院级平台在数据库的基础上开展各项业务应用，建立与维护静态基础数据的关联关系与属性，并提供业务活动相关的动态信息。

④物联设备。包括读卡器、门禁、电源、视频、语音等物联系统实现对环境相关信息的采集。

⑤项目活动情况。东华大学实验室智能管理系统的项目活动情况如上表所示。

3.系统开发成本的比较分析

东华大学实验室智能管理系统包括开发、测试、需求分析、数据库设计、原型设计5个阶段，分别占总活动数的69%、11%、9%、6%、5%。由数据分析可知，软件开发阶段所占的比例最多，是最消耗成本的一个阶段。其他的项目控制也是项目管理中不可忽略的组成部分。因此，我们可以把项目严格地分成各阶段，在每个阶段中分配合适的人员，充分提高人才利用率，并对各个阶段进行成本的跟踪和控制。

4.成熟度对软件开发效率的影响

综合上述分析，我们可以看出，需求阶段、原型设计阶段、开发阶段都对软件项目的进程有较大影响，从提高这几个阶段成熟度的角度出发，有针对性地对项目过程因素进行改善。而CMM模型的核心思想就是对软件项目开发过程的有效管理。尽管CMM本身存在一些不足，但它能够为软件项目的良好运营提供合理的框架。

● 数据驱动的开发流程改进策略

在技术发展到以云计算和大数据应用的背景下，业务需求要围绕数据展开，基于数据产生业务，以数据逻辑为第一逻辑思维的意义尤其重大。笔者通过以数据建模前导实现软件开发方法的改进，从而继承原有的软件工程成熟的工程化实现方式：面向对象的方法、面向服务的方法以及敏捷的方法组织资源高效率开发。

1.数据暨需求

要想有效地改进开发模式，提高效率，满足客户需要，就要改进开发方式来适应高校的信息化发展。我们以数据暨需求为创新，以数据来定义软件开发。在多元数据的搜集、清洗、备份、同步的基础上，构建基于数据的开发和需求的防火墙，促进基于数据模拟、推送、服务的系统上线。[2]同时，在系统开发中，不再是以往传统的应用需求导向，而是以数据建模为导向，以数据的产生和流转为可用标记。

2.产品暨构建

在企业运营工作方面，人才是核心。企业要做到将信息集中起来，将人员调动起来，将权力下放出去。在企业技术工作方面，使用说明书的编辑制作要及时跟进，企业宣传的工具要定期更新，企业的各个阶段版本库要持续完善。[3]

（1）定位产品需求

数据驱动的核心是需求，需求定位的基础是产品，且批量定制取决于产品的积累。那么，要想实现批量定制，首先要积累产品库，然后将批量定制与开发并行，从而有效地提高开发能力和服务能力，逐渐实现产品定制的目标。

（2）积累阶段资源

要养成书面记录的习惯。只有将数据记录下来，才能够更加突出主要矛盾和关键分歧。同时，在切割后的项目过程的基础上，将每个阶段分别建立案例库，方便管理及查询。先将各项目每个阶段的文档按照项目进行归类，然后再将各个项目中的文档按阶段分类，使其统一于各个系统中，从而形成以项目为单位的横向系统库及以文档为单位的纵向资源库。

3.连接暨应用

在企业运营方面要做到将资源全面连接，形成网状组织，各个部门形成类似球队的管理模式。在企业的技术工作方面，要强化连接，弱化流程。[5]

（1）物联网中间件

物联网中间件，即在物联网中采取中间件技术，如树莓派、手机、服务器、云、虚拟等各种终端，以实现多个系统和多种技术之间的资源共享，最终形成一个系统的全面的服务系统。通过物联网中间件，完成数据的状态采集、远程监控、协同交互，实现系统资源的简单连接与及时应用。

（2）批量定制模式

当系统库积累成熟之后，再次面对软件开发项目的时候，即可实现批量定制的模式。即从资源库中寻找与本项目相关的模块，快速搭建与客户需求相近的系统，并将其作为竞争性谈判中的一部分，直接为客户展示系统，使客户对其需求有更加直观的认识。

4.资源暨界面

标准就是界面，资源就是生产力。文档提供资源，版本库提供版本，UI提供模板。[4]

（1）共享产品用例

未来的交流模式是与资源沟通为主，与客户沟通为辅。通过软件共享、平台共享、基础设施共享，提高线上线下的资源和实体的交互性，实现资源的统一协调利用。在已经积累了大量产品库的前提下，将产品库中的模块快速拼凑成一个独立的系统，替换相应的交互页面。在此基础上，即使在客户需求不是十分明确的情况，也能够快速地搭建系统，并展示给客户。

（2）版本资源管理

基于团队协作的版本管理软件，可以实现对代码分支的管理。版本库资源是提高员工成熟度和组织成熟度的关键工具。

● 结论

通过东华大学实验室管理系统实证研究，基于数据驱动的复杂系统可以高效率地实现；数据驱动的核心逻辑是需求的落地表现，数据暨需求是改进需求的关键。改进成熟度因素可以有效地提高效率。

参考文献：

[1]Mario A.Bochicchio，Antonella Longo.Collaborative Web Labs As A Service：Challenges And Opportunities[J].IEEE First Global Online Laboratory Consortium Remote Laboratory Workshop on12-12，Oct.2011.

[2]徐立利，魏忠.基于课程管理平台的网络学习绩效评估[D].上海：上海海事大学，2011.

[3]高兵，魏忠.应用性高校合作教育的当前问题与发展趋势研究[J].黑河学刊，2013（03）.

[4]王丹丹，魏忠.基于BP神经网络的高校智能实验室系统绩效评估研究[D].上海：上海海事大学，2014.

[5]何立友，魏忠.基于SEM高校知识地图影响因素实证研究[D].上海：上海海事大学，2014.