数据挖掘在高校资产管理中的应用

韩阜益， 陈建荣， 唐俊峰， 李斌荣

(东华大学 资产管理处，上海 201620)

数据挖掘在高校资产管理中的应用

韩阜益， 陈建荣， 唐俊峰， 李斌荣

(东华大学 资产管理处，上海 201620)

高校资产管理系统中的数据信息量成爆炸式增长，但大多数高校资产管理系统仅具有简单的存储、查询功能，鲜有通过数据挖掘技术来对海量的数据进行分析帮助学校起到决策的功能，研究资产数据挖掘可以帮助管理部门判断采购预算合理性，了解各院系学科的发展情况、仪器设备的使用情况等等，其在高校资产管理中的应用具有现实意义。文章介绍了当前高校资产数据的使用现状，通过分析高校资产管理系统的缺陷，探索数据挖掘技术在采购预算、仪器采购、仪器处置、风险内控、实验室安全等级、资源应用、资源配置等方面的应用，最后通过案例分析了实验室教师的个人情况与实验室平均设备利用率的内在联系，为提高实验室教师素养规划合理方案。

数据挖掘； 资产管理系统； 研究策决

0 引 言

数据挖掘是当前资产管理的学术前沿探索领域，其通过不同算法将数据的应用从低层次的简单重复统计收索功能，升华到决策支持、趋势预测等更深层次的应用。近些年，数据挖掘在国内高校的教务系统中的教学管理、后勤的学生管理领域研究日益增多，尤其在新生人数预估、教程优化、就业预测、学习成绩评估等诸多方面，都体现出独特优势[1]。目前，高校资产管理系统的功能较为单一，基本处于存储、修改、查询等基本功能阶段，对海量的资产管理数据资源开发和利用能力欠缺，已有的理论研究成果也较少。结合管理的实际，如何运用大数据，全面、系统地对资产管理信息进行有效开发、挖掘是资产管理部门亟待解决的问题。

1 资产数据现状

随着高校数字化校园建设全面的深入，设备系统中的数据应用及管理也面临着巨大挑战。主要表现：

(1) 数据总量日益庞大。以设备系统数据库为例，目前数据库中的数据主要分为：实验室基本信息、人员信息、项目信息、经费信息、大型精密仪器机时信息、采购信息、报废信息等。伴随着数字化校园建设的不断发展，数据总量持续膨胀，数据类型也持续增加。

(2) 数据质量担忧。高校中的教务系统、财务系统、科研系统、设备系统中的数据需要相互同步获取各自所需的数据。因此，数据质量的好坏直接影响各部门系统间的协同及使用。目前，高校中的资产数据普遍存在数据质量问题，主要表现为：①数据的格式不统一，这主要是由不同部门或同一部门内部对同一数据的使用习惯存在差异所造成；②业务部门忽视数据的维护，直接降低数据质量；③业务部门对原有的历史数据和冗余数据暂无统一完善的处理方法。

(3) 数据利用率低。对数据的利用不充分，具体体现在两方面：①部分数据难以及时获取，不能满足实时查询功能。师生须进入相关的业务系统，才可查询自己的申购、报废、仪器使用消费等信息。②数据深层价值的挖掘。高校中的海量资产数据，其潜在价值可观。然而大多数高校的利用手段单一，多为简单的数据查询，缺乏对数据的深度挖掘并为决策者提供支持。

2 数据挖掘

数据挖掘是指从海量的、有噪声的、模糊的及随机的实际应用数据中，获取隐藏在其中、事先不清楚、但又是潜在有价值的信息过程[2-4]。数据挖掘的体系结构如图1所示。

数据挖掘的应用研究具有十分重大的价值意义。被誉为“大数据时代预言家”的维克托·迈尔-舍恩伯格在其作品中列举了大量真实的数据挖掘实用案例，并分析预测它的发展现状和未来趋势，提出了很多重要的观点和发展思路。他认为：“数据挖掘颠覆了传统的数据应用”，数据挖掘将带来巨大的变革，改变我们的商业模式、生活、工作及思维方式，影响我们的经济、政治、科技和社会等各个层面。

图1 数据挖掘的体系结构图

3 数据挖掘在资产管理中的应用

我们从采购预算、仪器采购、仪器处置、风险内控、实验室安全等级、资源应用、资源配置等方面，选取合适的算法和开发手段，以期为高校资产管理部门提供决策支持。

3.1 采购预算决策

高校采购预算主要由政采项目、资金方向、数量、型号、单价、项目完成时间等构成。它集中反映了预算年度内各级部门用于采购的支出计划，也是高校采购工作的基础。采购预算编制科学与否，对高校的政府采购工作顺利执行起到决定性影响。预算编制前的项目调研工作尽量做到充分、详尽，调研内容主要有项目的需求性、必要性、详细的技术指标参数、需求时间调研等。只有充分掌握这些数据才能真正体现采购预算的作用，这就要求学校管理部门做好充分的前期数据准备工作。

同时,利用数据挖掘的时序模式和预测分析的方法从多个维度对仪器的使用寿命进行初步概算，为高校采购预算提供依据。通过对设备维修记录、维修成本、耗材损耗、报废年限、学科方向等数据进行挖掘，合理的掌控仪器使用年限，就可以为学校的采购预算决策提供支持。

3.2 仪器采购决策

有些大型精密仪器不是面向已有的比较稳定的教学、科研团队，而尚在计划中的、不确定的、且少数人员为服务对象；有些大型精密仪器未经充分的调研，未结合兄弟院校实际使用情况，未充分预测应用过程中的使用需求、使用条件、材料消耗等情况，导致盲目购置，维护运行成本比预期的过高，运行经费不能及时到位，缺乏必要的维护保养，个别大型精密仪器运行经费的滞后以及后续配套材料的不足，直接制约了仪器的使用，甚至长期闲置。

通过挖掘设备系统现有积累的历史数据并结合市场使用情况，从技术、选型、经济性等多维度进行分析，为预购的大型精密仪器的论证提供保障[5]。利用聚类分析和关系分析的方法，对同类别但不同品牌设备运行的成本、维修的频率、使用的寿命(保养、维修、耗材、能源、占地面积)、收益率等权重因素进行综合评价，选择出较好的设备品牌。

3.3 仪器处置决策

大型精密仪器是高校进行科学研究的重要物质基础，其保养和维护较为复杂，因此，加强大精仪器设备的管理和处置是关键。作为资产管理中一个重要的环节，仪器设备处置不仅可以影响高校国有资产配置掌握的准确性，更能够体现出高校仪器设备的管理水平。利用偏差检测的方法对维修频率、维修费用、教学用机时、科研用机时、培训人员数、承担项目数进行计算评估，根据我校“勤俭办学、物尽其用”的处置原则，判断是对仪器维修或者改造升级方案，还是调拨或者报废更新程序。

3.4 风险内控决策

设备采购、报废残值回收都是管理工作中备受关注的环节，有其自身的特性，如何完善内部监督机制，提高资金使用效益，确保高校采购和处置行为是“阳光下的交易”，是高校资产管理工作的重中之重。

利用关联分析法和偏差检测法对采购员、供应商、产品质量、产品价格进行计算，预判采购员和供应商的风险关系。利用偏差检测法对报废资产种类、报废资产使用年限、报废资产总额、市场价格走势、回收残值进行计算，预判是否合理的、最大限度的回收残值[6]。

3.5 实验室安全等级决策

安全问题是一个长期，不断循环往复的过程。要有针对性的对高危实验室定期进行安全性回顾与教育，分析实验室在实验过程中可能存在的各种安全事故与安全隐患，将安全事故处理在萌芽阶段。

利用聚类分析的方法，通过对仪器、化学试剂、学科方向、事故次数等方面进行实验室安全综合评价，将实验室进行安全等级排序。根据安全等级排序，管理部门将对实验室建设工作进行合理规划，并有针对性的对高危级别的实验室进行实时动态监控。

3.6 资源应用决策

通常一些大的科研项目是由多个步骤、多个环节的小实验项目组成，然而这些小的实验项目则是由固定的实验流程和实验仪器设备构成的[7]。通过分析这些小的实验项目，对相关仪器设备信息进行梳理，为科研人员提供荐购服务，帮助科研人员更加顺利的完成科研项目。

利用时序模式和预测分析的方法，对维修频率、使用年限、机时数、使用人数、学科方向进行计算，预测仪器未来的使用机时分布图，为科研人员合理规划实验方案、预约使用仪器提供决策，同时帮助仪器责任人对耗材准备、保养计划提供决策。

3.7 资源配置决策

在学校快速发展进程中，相对各部门的需求，资源总是相对稀缺的。这就要求管理层对其进行合理配置，以便用最少的资源消耗，获取最丰厚的效益[8]。合理资源配置必将对学校发展产生深远的影响。

利用聚类分析法，按照专业方向，将各学院分成不同的组别，通过聚类结果，分析各组之间的差异性，再利用建立决策树[9]分析的方法结合投入产出理论来决策资源的分配方案。

4 案例-实验室平均设备利用率的信息关联

在实验室教师信息的关联分析中[10]，通过数据挖掘可揭示实验室教师的个人与实验室平均设备利用率的内在联系，进而系统规划出提高实验室教师素养的方案，为学校教学、科研工作的稳定发展提供保障。

通过随机抽取学校的 20 位实验室教师，对其所负责实验室的平均设备利用率进行分析。具体包括职称、学历、年龄、实验室工作年限、平均设备利用率等。经数据抽取、转换后如表1所示。

表1 实验室教师数据库表

根据数据挖掘的需求和数据情况，要对数据进行转换[11]，首先用a1、a2、a3、a4、a5分别表述职称、学历、年龄、实验室工作年限。职称描述：用z1、z2、z3、z4分别表示助教、讲师、副教授和教授；学历描述：用x1、x2、x3分别本科、硕士、博士；年龄描述：将年龄划分为n1[≤30]，n2[31，40]，n3[41，50]，n5[51，60]5个区间。实验室工作年限描述：将实验室工作年限划分为c1[0，5]，c2[6，10]，c3[11，20]，c4[21，30]，c5[>30]5个区间。实验室平均设备利用率：将实验室平均设备利用率划分为g1[0，8%]，g2(8%，10%]，g3(10%，12%]，g4(12%，14%]，g5[>14%]5个区间。转换后的数据如表2所示。

表2 实验室教师数据库转换表

设定支持度阈值设置为0.4、置信度阈值为0.5，运用Aprior算法计算获得以下规则：

规则1：a1=z4 and a2=x3≥a5=g4置信度=66%，支持度=46%；规则1说明职称和学历越高，其所负责的实验室平均设备利用率越高，因此要积极提高实验室教师的职称和学历，推动实验室青年教师学习积极性，获取更高学历。

规则2：a3=n5 and a4=c4≥a5=g4置信度=63%，支持度=41%；规则2说明实验室教师年龄和实验室工作年限对实验室平均设备利用率有一定的影响，实验室教师的年龄越大、实验室工作的年限越长，实验室平均设备利用率越高，因此要注重实验室老教师的传帮带作用，让实验室青年教师多向实验室老教师学习。

5 结 语

当前，缺乏统一规划和布局是高校数字化校园建设面临的重大问题，各职能部门通常根据各自的业务、工作需求建设相应的管理信息系统，长期运转下来形成了割裂的信息孤岛。数据挖掘技术很好地解决了这一问题，其优势的发挥主要基于打破屏障并将各部门的数据整合加工，对多种类数据间潜在的联系给予分析和判断。随着数据挖掘技术的不断完善和发展，并同资产管理进行深入结合，必将给资产管理工作带来新的契机，也是我们进一步研究和探索的工作。

[1] 王树利.基于数据挖掘技术的高校教学管理信息化研究[J].江苏科技大学学报,2009,9(4):81-83.

[2] 刘美玲,李 熹,李永胜.数据挖掘技术在高校教学与管理中的应用[J].计算机工程与设计,2010,31(5):1130-1133.

[3] 严 潭.数据挖掘技术在电子商务中的应用[J].微计算机信息,2006,22(3-4):201-202.

[4] 李 霞,蒋盛益,刘晓霞.数据挖掘在高校教学和管理中的应用研究[J].广东外语外贸大学学报,2012,23(4):97-100.

[5] 高 勇.利用数据挖掘为高校资产管理提供决策支持[J].广东科技,2013(13):6.

[6] 牛慧卿.数据挖掘在高校管理信息系统中的应用研究[J].机械管理开发,2008,23(1):131-133.

[7] 黄 洁.信息化环境下的高校仪器设备管理新模式[J].经济研究导刊,2013(20):210-211.

[8] 裘 钧,陈志凌.数据挖掘技术在高校资产管理中的应用研究[J].浙江交通职业技术学院学报,2008,9(3):73-75.

[9] 刘健儒,刘 园.高校资产数据挖掘的研究与实现[J].电子技术与软件工程,2014(17):211.

[10] 郑碧嶷.基于数据挖掘技术的高校辅助决策系统设计与实现[D] 北京：北京工业大学,2013.

[11] 孙晓莹,郭飞燕.数据挖掘在高校招生预测中的应用研究[J].计算机仿真,2012,29(4):387-391.

[12] 曾珍香.决策支持中心一Dss的发展趋势[J].系统工程与电子技术,2000,22(2):22-24.

[13] 袁隽媛.数据挖掘在高校资产管理中的应用[J].中国管理信息化,2011,14(5):26-28.

Application of Data Mining in University Asset Management

HANFuyi,CHENJianrong,TANGJunfeng,LIBinrong

(Department of Asset Management, Donghua University, Shanghai 201620, China)

There are a lot of data in the university management system, but the most of the asset management system in colleges only have simple storage and query function. The asset management system is used rarely to analyze the massive data with the data mining technology in decision-making. The asset data mining can help the management department to determine the rationality of the procurement budget, know the discipline development, the use of equipment, etc. And it has practical significance in the application of asset management in colleges. This article introduces the present situation of using the data in colleges, and analyzes the defects of the current assets management system, then explores the application of data mining technology in the procurement budget, equipment procurement, equipment disposal, risk control, laboratory safety grade, resource application, resource allocation, etc. Finally, we analyze the intrinsic link between the personal situations of laboratory teachers and the average equipment utilization rate of these teachers, we plan the reasonable scheme in order to improve the quality of laboratory teachers.

data mining; asset management system; research on decision

2016-07-10

韩阜益(1983-)，男，辽宁辽阳人，博士，助理研究员，从事仪器设备管理工作。

Tel.:021-67792461; E-mail:fuyihan36@dhu.edu.cn

陈建荣(1964-)，男，上海人，学士，工程师，从事资产管理和实验室管理和建设工作。

Tel.：021-67792461;E-mail:cjr@dhu.edu.cn

G 482.0

A

1006-7167(2017)03-0295-04