基于数据挖掘技术的高校收费精细化管理策略

罗习珍

当前，随着我国高等教育事业的蓬勃发展和教育领域改革的不断推进，高校教育投入和办学规模不断扩大，经费筹措呈现多元化、多样化格局。但多数高校还是以财政拨款和学费收入为主。因此，学费收取是高校财务管理的一项基础性的重要工作，也是一个重要的风险控制点。如何确保足额收缴学费，规范收费管理工作路径，创新收费管理工作手段，提高收费工作效率，已成为高校收费工作亟待解决的问题。

一、高校收费精细化管理的必要性分析

（一）实施精细化管理是形势发展的需要

实行收费精细化管理的目标就是规范收费、优质服务、控制成本、提高效率，确保资金安全。一些高校的收费管理工作较为粗放，存在不同程度的内部控制不严格、管理体系不完善和制度不健全等现象，导致产生收费管理漏洞，收费工作效率低，直接影响到教育资金安全。开展以收费管理为突破口的加强高校收费精细化管理，具有一定的科学意义与实践意义。

（二）精细化管理科学性的要求

精细化管理是始于发达国家的一种企业管理理念，同时也是一种管理工程，它是在科学管理基础上建立的一套管理理论体系，突出体现精益生产、集约管理和注重效益的管理思想。其核心理念是精、准、细、严，其基本方法包括细化、量化、制度化、流程化。目前高校的办学层次和形式多样化，各科各类学生专业不同，收费不同，再加上转专业、中途休学等情况，以及奖、贷、减、困、补、缓等学费减免措施的存在，都增加了收费工作的复杂度，因此收费要做到及时、足额、高效，高校收费引入精细化管理理念也是一种必然趋势。

（三）信息、网络技术的发展提供了条件

随着数字化校园的建设，信息化程度普及较高，财务管理系统为工作人员提供了大量信息数据，但目前高校的电算化和网络化，并不能提供收费活动中数据的分析、规划和决策活动，更不能随时从财务数据仓库中提取数据，财务信息系统存在信息不统一的现象，使得高校收费信息孤立，财务相关部门的收费系统都在独立运转，这些情况的存在都需要高校财务部门整合现有财务信息化资源，强调信息化技术和精细化管理体系的有机整合，不断提高收费管理工作水平。

二、数据挖掘技术

随着计算机技术的突飞猛进，高校财务信息化建设的迅速发展，高校财务收费系统信息中包含大量时间跨度长、范围广的数据，数据量日渐增大，查询条件日趋复杂。传统的财务数据分析是依靠财务人员采用手工的方式从大量的数据中筛选出有用的信息，效率很低，精细化管理的各种决策需要数据的支持，而信息化系统可以为精细管理提供强大的数据支持和决策辅助，因此，数据挖掘技术应运而生。

数据挖掘是20世纪末崛起的一门新兴科学，它是一门广义的交叉学科，包括了数据库、人工智能、数据统计、并行计算等方面的技术。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应有数据中，提取隐含其中的、人们事先不知道的、但又潜在的有用的信息和知识的过程。数据挖掘的任务就是发现隐藏在数据中模式。根据模式特征，可分为分类模式、聚类模式、回归模式、关联模式、序列模式、偏差模式和广义模式。这些模式包括的具体算法有市场分析、聚类检测、神经网络、决策树方法、遗传算法、连接分析、基于范例的推理和精集以及各种统计模型。数据挖掘的流程具体包括确定业务对象、数据准备、构建数据挖掘模型、结果分析和知识的应用。将数据挖掘运用高校收费管理中，就能在数据量庞大的收费数据中，对数据进行筛选，提取出有价值的数据。

三、基于数据挖掘技术的高校收费精细化管理策略

（一）实现财务数据无缝对接，提高收费工作效率

收费信息化建设是精细化收费管理的基础条件，其基本特征是计算机、网络及现代信息技术应用于收费领域，使收费信息收集、提取、处理比较便捷而高效，实现收费信息资源的多元化和高度共享，能够实时、主动的获取收费完成、催缴、执行、监督、考评等方面的信息，及时发现收费管理方面存在的问题并加以分析和调整。目前，高校收费工作涉及诸多相关部门，例如：教务处、学工处、学生资助办公室、后勤管理处、银行等，教务处提供考务费、报名费等数据，学工处提供住宿费等数据，学生资助办公室提供学费减免数据，后勤管理处提供水费、电费数据，银行提供批量处理学费、助学贷款等数据，这些业务系统之间的数据传递不顺畅，共享程度不高，要实现收费信息在不同部门的不同角色流转中产生的数据可以关联，高校应借助现代信息技术和网络技术条件成熟的优势，搭建收费数据集成管理平台，将相关部门机构设置、学生信息、基本定额信息全部纳入到平台里面，做到基础信息口径统一。其中机构设置包括部门属性、部门信息、部门职权、负责人等信息，学生信息包括学生所属学院、专业、年级、班级、学号、入学时间等统计信息；根据数据来源和采集途径的不同，认真梳理业务部门职责内的主要工作，科学确定工作程序，编制相应的工作流程图，优化相关部门工作职责和工作流程；充分考虑采集周期和时间，实时把相关部门业务系统中的数据加载到收费数据仓库。通过该平台，财务处可调用教务管理系统中学生变动信息及时掌握学生休学、退学、转专业等情况，及时更改学生的费用信息；还可调用学生信息管理系统中学生住宿信息，及时更新学生的住宿费标准；教务处可调用收费管理系统中学生缴费信息，并以此为标准办理学生开学初入学报到注册；各二级学院可调用收费管理系统中学生欠费信息，掌握本系学生的欠费额及欠费率，进行及时的催缴；学生可通过数据平台对本人收费信息的进行查询、核对等等，使财务收费数据与业务数据实现无缝化对接，畅通收费管理“事前预测、事中控制、事后分析”的科学、规范管理路径，提高收费工作效率。

（二）提高收费信息利用能力，增加收费工作针对性

学生拖欠学费一直以来都是各高校普遍遇到的问题,欠费学生占在校生人数的比例也在逐年上升。利用数据挖掘技术分类模式中的决策树算法对收费数据仓库中每个学生每学年应缴纳的学费信息进行深度挖掘，先分析欠费原因、划分欠费类型，确定催缴的难易程度，然后根据欠费类型，设计催缴方式。具体步骤有：（1）按已知的全部缴费和欠费信息对数据进行初始分裂；（2）按已知的以往的有无欠费记录进行第二次分裂；（3）再按欠费原因分别对以往有无欠费记录再次分裂；（4）生成决策树；（5）根据模式评估对分类方法进行改进或者对决策树进行修剪，根据需要从步骤一重新开始。最后通过对决策树进行修剪把决策树转换为分类规则分析可得知出高校收费工作欠费收缴应以以往有无欠费记录为导向，提高对家庭贫困的学生的帮扶力度，加大对恶意欠费学生的催缴力度，在以在校学生人数为基准的情况下，只有这样才能获得充足的学费收入。

在针对欠费学生进行催缴过程中还可采用聚类模式对学生校园“一卡通”各类消费情况进行分析，以自然月生均消费水平为基点，定义远远偏离该基点的数据为离群点，对学生日常校园消费数据进行挖掘，然后评估和解释挖掘结果并及时采取相关措施。对于远低于基点的学生消费人群，列为学校重点资助群体，进入学校学生资助系统，进行跟踪管理，用足用好国家、地方政府和高校的资助政策,帮助其顺利完成学业；对于远高于基点的学生消费人群，可以交与学校资助管理部门进行核实，分析产生该结果的原因，必要时可以建立诚信电子档案，并将分析数据提供给相关业务部门，对欠费学生在校园内的相应活动权限进行限制，如图书借阅数量、网上选课、学生注册等，实行动态化催缴管理。

（三）创新收费票据管理手段，提高收费工作水平

高校采用的会计核算基础是收付实现制，只对实际收到的学费进行账务处理、报表反映，对应收款总额和欠费总额不予账务处理和报表反映，为全面、真实地反映高校的学生收费情况，实现高校缴费业务、票据管理以及财务核算形成对应关系、稽核关系、互相印证关系的统一管理，高校应将收费票据信息纳入数据仓库，创建一整套完善的票据自动化信息系统，加强对收费各种票据的数字化管理，健全票据管理制度，按照收费服务流程详细划分票据类型，例如：申购票据、领取票据、开具票据、核销票据等等，确保各种票据管理都走向数字化、智能化，确保任何一项收费项目的进出都纳入数据仓库，以此达到对票据的信息化控制的目标，有效控制收费管理漏洞，不断推进收费工作水平上台阶。

通过将数据挖掘技术应用于高校收费管理系统，获得大量对收费信息的采集、挖掘和分析，可以使收费业务部门管理更通畅，学生支付更便捷，财务部门监管更严密，整体工作效率和管理效益得到明显提升，为高校收费管理精细化发展起到一个科学导向作用。

[1]魏丽亚.刍议高校学生收费管理的问题及对策[J].财经界，2012(24)：36-37.

[2]毛国育.基于工作理念的高校财务数据采集与挖掘分析[J].会计之友，2013(02)：114-116.

[3]陈丹萍.数据挖掘模式下的审计风险预警系统研究[M].北京：中国书籍出版社，2013：80-101.