高校数据融合路径及其治理框架的探讨

赵安新

摘 要：随着信息技术的发展，高校信息化建设进入一个新的发展阶段，高校沉淀了大量的数据资产，这些数据资产如何为学校决策服务、管理流程优化、提高教育教学、人才培养质量等是当前高等教育信息化发展的瓶颈和障碍。文中从高校信息化建设现状出发，分析了目前信息化建设中数据管理及利用的难点和热点，充分利用当前互联网+、大数据等新技术，从数据融合的视角探讨高校数据融合的路径及其治理框架，从而为互联网+高等教育的信息化建设提供思路探讨。

关键词：数字化校园；大数据；数据融合；数据治理

中图分类号：TN911.72 文献标志码：A 文章编号：1673-8454（2016）23-0075-03

一、引言

高等院校经过多年的信息化建设，目前大多数高校都已完成了校园网络、管理信息系统、公共数字平台建设，实现了高速校园网有线无线覆盖、管理业务流程自动化[1，2]。这些信息化建设项目在学校取得了很好的实际应用效果，节省了办公成本和办公效率，然而，随着信息技术的发展，也带了诸多问题[3-5]。比如：（1）数据标准不统一，数据孤岛现象，从而造成数据不一致，类似的在校生数量各部门统计都不一致等等；（2）信息化和管理业务没有充分融合，停留在信息化仅仅作为管理的支撑或者辅助手段，反而造成在某一方面对业务部门来说信息化是一种负担的负面形象；（3）信息化不足以支撑学校管理业务流程的变革，往往信息管理系统随着学校管理业务流程的变革而无法应用；（4）信息化没有走向深度的应用，不能很好的支撑学校的决策，不能有效地支撑学校的各项工作业务，诸如学生奖助学金评比、年度教职工考核、学科竞赛等等。本文结合学校实际情况，重点探讨随着学校信息化的建设，形成的数据资产如何高效利用，如何对数据资产进行治理等论述。面对学校庞杂的数据资产，作为信息化统筹部门，文中从数据融合的视角，探讨在互联网+、大数据等背景下高校数据融合的路径及其治理框架，从而为互联网+高等教育的信息化建设提供思路探讨。

二、高校数据融合的含义及实施的难点

1.数据的含义

本文所指的数据包含两个层面的数据：

（1）基本数据或者称为静态数据。这类数据基本不怎么发生变化，或者即使发生变化，变化的频率也很低。例如学校的校园分布、建筑，教职工从入职以后的姓名、籍贯、身份证号码、出生年月，学生从入学以后的家庭信息、姓名、籍贯，仪器设备的名称、型号等类似的信息文中都归结为基本数据。

（2）动态数据。在这里将动态数据划分为两类：一类是过程数据，这类数据是目前常见的管理信息系统、办公自动化等产生的过程结果性数据。比如教师的学期授课信息、学生的选课信息、学生的课程成绩、学生上网的上下线流量等等类似信息，也是日常使用管理信息系统看到的数据；另一类是行为数据，这类数据文中有称之为浸润式数据/伴随式数据，目前大多数的管理信息系统并不太关注此类数据，这类数据是管理信息系统使用者的行为数据，比如在线教学平台中学生在学习某个知识点能够从视频、网络中收集到其行为数据，上网过程中其浏览内容、停留时间等都可以成为行为数据。

目前大多数高校使用基本都是基本数据和动态数据中的过程数据，这类数据方便收集，大多数的高校也在利用此类数据做数据统计和分析，而真正要做到大数据分析，挖掘出对学校的管理决策能够服务时这些数据还远远不足以支撑，需要动态数据中的行为数据来做支撑，动态数据中的行为数据才是能够做好数据深度利用，挖掘出有价值的资源。

2.数据融合的含义

本文所指的数据融合包含两方面的含义：（1）按照学校的业务领域，将数据划分为不同的主题业务域，比如人力资源域、教学资源与管理域、学生工作管理域、科研成果管理域、财务资产域、学校档案域、公共服务域、系统管理域等，对这些不同主题业务域的数据开展交叉、关联应用的形式称为数据融合；（2）基本数据和动态数据的融合，就是将基本数据和动态数据进行关联，做大数据的分析和深度利用，为管理决策提供有价值的结果。

3.数据融合实施的难点

数据融合实施的难点：（1）学校主数据不完整，高校在以往管理信息系统建设过程，没有制定相应标准规范，使得现在产生的数据缺项，不完整，同时标准不统一，造成数据使用起来困难重重；（2）动态数据中的行为数据收集困难，目前的大多数管理信息系统不太关注行为数据的收集，比较重视过程数据的管理；（3）信息技术部门和业务部门的人手有限，信息技術部门人员疲于应对日常的管理和维护，业务部门人员关注业务管理，没有精力收集和分析动态数据潜在的价值，同时其关注到数据也仅仅是部门内部管理权限范围内的数据，无法从综合角度关注动态数据可能给业务带来的潜在价值；（4）高校内部没有设置专门从事针对自己学校数据的大数据分析专门人才，这一点和国外高校具有一定的差异，国外高校在某一领域会设置专门的分析师，比如，在教务部门设置专门的教务专员，可以利用信息化手段综合分析学生的学习情况，提出在教师课程设置、进度安排、知识重难点、考核要点、知识点补充，学生上课时段、复习安排等多个方面建议意见，而这些建议意见基本都是要通过对动态数据分析给出的科学决策建议，所以现在的高等教育基本还是大众教育，没有利用信息技术的发展而开展的个性教育或者定制化教育。（5）现在部分从事数据分析和挖掘的企业也在慢慢重视教育大数据的分析，但目前这些企业一般还是从宏观层面对高校校园的数据进行统计分析，在综合分析方面和某一专业领域分析方面研发的还不够，这也就造成了目前一些高校上马的校情分析系统或者挖掘分析系统不能更好推广的原因之一。

4.数据融合实施的有利条件

数据融合实施的有利条件：（1）学校基本都建设了高速的有线无线校园网络，为师生员工提供了便利的网络环境，也为管理信息系统收集用户的行为数据提供了基础。（2）大数据、商业智能等技术日趋成熟，为校园大数据分析提供了技术保障。（3）经过长时间的运行，校园内的部分管理信息系统逐渐进入更新换代阶段，可以利用管理信息系统改造的机会添加一些行为数据收集的功能，为数据融合提供基础。（4）学校现在比较重视信息化建设，信息化与学校的教育教学融合逐渐深入。

三、高校实施数据融合及数据治理的探讨

1.实施思路

高校要实施数据融合，利用大数据对校园数据做深度处理和利用，首先要做好校园数据的治理，校园数据的治理包含两方面：（1）完善数据标准、规范，制定学校的主数据和元数据，明确数据源头，做好数据的收集，针对基本数据可以采用管理信息系统进行主要数据的收集，在线服务大厅（报表或者办事）平台进行额外的数据收集和补充。（2）提高数据质量，针对数据质量不高的数据采用逐步规范化的形式进一步完善，同时伴随信息系统建设和升级改造，牵引数据进一步规范化、标准化，提高数据质量。其次搭建好学校的基础平台，在学校基础平台方面建设好学校的数据中心、数据交换及监控管理平台、企业消息总线、业务流程平台、大数据平台、数据可视化平台、第三方开放平台，在此基础之上形成学校数据融合和利用的生态系统。最后做好校园数据服务的应用及监管，数据融合的最终目标是为学校各级管理和业务部门提供决策，为师生员工提供个性化的服务。

2.治理框架

根据上述数据融合的思考和探讨，文中设计高校校园数据治理的框架如图所示。该框架共划分为五个层次：数据层、交换层、平台层和展示层，同时利用标准、规章、制度和规范为数据治理提供保障。

在标准规范方面主要考虑：数据标准、主数据定义、元数据规范、数据接口规范、数据管理规程（含申请、使用、发布）以及数据安全规范。

数据层：主要是数据的存储，涵盖主数据、元数据、动态业务主题数据和管理信息系统数据。

交换层：数据交换及监控管理平台、企业消息总线，实现数据之间的交换和数据质量的治理。

平台层：主要包含业务流程平台、大数据平台、数据可视化平台、第三方开放平台，以满足上层的服务灵活应用，并构建校园数据治理和利用的大生态环境。

展示层：校园数据服务的应用及监管，数据融合的最终目标是为学校各级管理和业务部门提供决策，为师生员工提供个性化的服务。

四、数据融合及数据治理的未来趋势

根据目前信息技术领域互联网、大数据、云计算以及人工智能的技术发展趋势，势必将给高校的校园信息化建设带来深刻的变革。那么，文中在可以预见的几年内，高校校园数据融合及数据治理将会有如下变化：（1）高校校园数据在某一专业的业务领域将会建立数据挖掘及分析模型，针对某一方面对数据进行深度利用和挖掘，为管理决策提供支撑；（2）学校将会设置专门的数据分析岗位，该岗位的人员全面了解和管理高校校园数据，配合某一方面的数据挖掘分析师进行数据挖掘，根据数据挖掘分析师需要的数据进行全面支撑，同时将业务管理专家的意见和建议转化成数据以便数据挖掘分析师利用；（3）数据融合和利用到一定程度，开展定制化教育，更好地对管理者、教师和学生提供精准的决策服务，比如可以针对课程和对应的学生制定出教学方案，针对突出的学生制定出个性化的培养方案等等。

参考文献：

[1]池涛.从数字化校园到智能化校园[J].信息通信，2015（1）：97，98.

[2]王晓辉，郭楠，刘清榮.数字化校园的总体规划与建设[J].信息系统工程，2014（10）： 12-13， 18.

[3]张俊祥.“十二五”时代高校数字化校园建设——以首都经济贸易大学为例[J].信息技术与信息化，2014（4）： 305-308.

[4]高强.数字化校园建设问题分析及对策研究[J].无线互联科技，2014（5）： 119.

[5]李向民.数字化校园建设中若干问题及其对策[J].计算机光盘软件与应用，2014（9）： 228-229.

（编辑：杨馥红）