大数据时代下高校科研管理工作的探索

贾　玥，徐奕卓，李　磊

（1.辽宁师范大学　科研处；2.大连市第48中学；3.辽宁师范大学　网络信息中心，辽宁　大连　116029）

近年来，随着互联网、云计算、移动通信等技术的迅猛发展，互联网数据规模不断扩大，形成了海量的数据流，大数据时代悄然而至.大数据的出现，正在引发全球范围内技术变革与思维方式的转变.高等院校的科学研究在提升学校总体水平，强大后备力量方面起着重要的作用，是高校职能不可或缺的一部分，而高校科研管理部门作为高校科研管理和服务部门，其管理水平的高低将影响着学校科研的发展.随着高校信息化的推进，高校各业务部门建立并运行着管理信息系统，但各个管理信息系统大多独立运行、数据不共享，产生了多个信息孤岛，这给科研管理工作带来不便.同时，科研管理信息系统采集众多数据，数据冗余度高，缺乏有效的挖掘，无法对科研评估及决策制定提供有效支持.随着大数据的发展，数据的有效采集和清洗及数据挖掘技术应用于科研管理，必将会提高科研管理的水平和能力，进而促进高校科研工作的健康发展.

1　大数据

大数据，也称为巨量资料或海量数据，通过科学实验、测试、统计等途径获取数据，并大规模、长期的存储、分析、统计、测量这些数据，并应用于实际地科学研究、决策、技术设计等方面[1].大数据不仅是一种有效的研究方法，也是一种思维创新方式，对海量数据进行存储和分析是它的核心价值所在[2].数据体量大（volumes）、数据处理速度快（value）、数据类别大且类型多样（variety）和数据真实性高且密度低（veracity）是大数据的四个基本特征.

2　传统高校科研管理中引入大数据技术的必要性

2.1　传统高校科研管理信息化存在的问题

随着信息技术的发展，高校日益重视校园信息化建设，各高校“数字化校园”逐步完成，部分高校已提出建设“智慧校园”.目前，高校教务管理系统、人事管理系统、自动化办公系统、财务管理系统、研究生管理系统、科研管理系统等投入使用.高校科研管理系统的使用方便了科研管理人员的的管理工作，但随着科研项目的增加，科研数据量的不断增加，科研管理系统无法满足科研管理人员的需求，主要表现在：

首先，科研管理系统无法与校内其他部门系统实现数据共享.目前，大多数高校科研管理系统是独立运行的系统，无法与校内人事管理系统、财务管理系统、自动化办公系统、研究生系统实现数据共享，这就导致科研管理部门需要定期从校内这些管理系统平台导入所需的数据，如从人事系统中导入新入职教工基本信息、财务管理系统中导入科研项目经费信息、研究生管理系统中导入研究生参与项目情况及发表成果情况等.无法实现数据共享，一方面科研管理人员无法实时掌握数据变化，另一方面数据导入导出数据准确度减低且增加科研管理人员的工作量.

其次，科研管理系统“重数据量、轻数据展示”.高校科研管理系统主要功能为：科研项目、科研成果、科研经费的录入、修改等；简单的多条件数据查询；生成报表等.科研管理系统对数据统计结果通常以Excel表格形式展示，展示形式比较单一，数据量较多时展示效果不直观，缺乏人性化显示.

第三，科研管理系统缺乏辅助决策功能.目前，科研管理系统积累了大量的原始数据，但对数据的利用只是简单的查询和统，缺乏对数据内在信息的挖掘和分析，无法给科研管理人员和校内更高层次的管理人员提供决策支持.

2.2　科研管理中引入大数据的优越性

将大数据引入高校科研管理，通过数据采集、清洗、挖掘等技术可以对校内多个信息系统中数据进行处理，通过准确采集各信息系统中的数据，保证数据的全面性；通过对数据进行处理，分析科研数据间的相关性，可挖掘出数据中隐藏的信息，进而将有价值的信息提取出来，从而为高校科研管理决策提供更有价值的数据参考和信息支持[3].

3　高校科研管理信息化的探索

3.1　利用开源工具Kettle实现多平台数据间的共享

Kettle是一款国外开源的ETL工具，纯java编写，可以在 Window、Linux、Unix 上运行，允许不同数据库的数据同步，数据处理高效稳定.高校科研管理数据不仅涉及本校各个职能部门，还涉及上级管理机构.对于校内职能部门之间数据同步，可以采用spoon程序调度方式，定时调度不同部门间数据同步作业，为提高同步效率，可设定不同时间点同步不同部门间的数据，如设定每天24:00同步人事管理系统中人员信息，每天2:00同步财务管理系统中项目经费信息等.不同上级管理机构所需要的数据，通常数据项和数据类型不同、可采用kettle工具配置上级管理机构所需数据的导入导出过程，需要提交数据时利用图形化界面操作即可所需数据.

3.2　利用Python库，实现科研数据可视化

科研数据往往通过Excel表格展示，数据展示比较单一，为了更人性化的展示科研数据，可以利用Python库绘制3D柱状图、3D直方图等.

3.3　引入项目管理过程，管理科研项目

现今，高校科研管理人员普遍“重申请、轻结题”，忽视对项目过程的管理，导致部分项目在约定年限内不能完成或突击仓促完成，完成质量不高.引入项目管理思想[4]，对项目从立项到结题利用信息化手段实现全过程的管理.项目申报、项目批准、项目经费管理、项目中级检查，项目变更、项目成果录入等过程均需要网络提交和审批，这样既可以减少人为处理项目带来的误操作，又能提高工作效率.科研管理人员定期通过系统报表可以直观的看出各个项目的完成情况，对于进展缓慢的项目可提醒项目组成员.

3.4　利用数据挖掘实现

高校科研数据不断积累，数据量巨大，可利用大数据数据挖掘技术挖掘出有用的信息，为科研评估及决策提供有效的支持[5].数据挖掘过程首先是采集校内外数据，通过采集校内所有信息系统中科研数据信息及科研相关的信息，如从人事系统中获取教职工个人基本信息，研究生系统中采集导师信息、所带研究生信息及研究生发表的研究成果等，财务管理系统中采集项目到账及支出情况等，收集校外信息，如兄弟院校科研项目及成果数量等；第二步数据清洗，主要包括检查数据一致性、处理无效值和缺失值等；第三步，进行数据挖掘，主要方法有：关联规则分析，如可通过关联分析分析教职工申报项目成功的相关因素，聚类分析，如可聚类分析兄弟院校的成果评价表得出更科学更适合本校的成果评估标准.

4　结语

随着信息化技术日渐成熟，数据积累能力的不断提升，大数据及其分析技术在电子商务、政府决策、金融管理、市场分析等方面被广泛应用.把大数据分析技术应用于高校科研管理领域，对进一步完善高校管理体制、科研平台建设与管理、项目管理、经费管理、成果及知识产权等方面工作发挥着重要作用.同时，大数据分析能够可观的反映高校在科研管理工作中存在的问题，为高校科研工作进一步发展提供重要的技术支持.

参考文献：

〔1〕胡德维.大数据“革命”教育[N].光明日报,2013-10-19(5).

〔2〕维克托·迈尔·舍恩伯格.大数据时代[M].杭州：浙江人民出版社,2012.

〔3〕谭建豪.数据挖掘技术[M].北京：中国水利水电出版社,2009.

〔4〕彭剑锋.战略人力资源管理理论、实践与前沿[M]．北京:中国人民大学出版社,2014.

〔5〕王鸣.科研管理信息系统的数据挖掘应用探讨[J].琼州学院学报,2014,2(20):152-153.