高校数据治理的探索与研究

王惠仙

（西安外国语大学，陕西 西安 710128）

近年来，随着信息化的深入发展，高校各部门的信息化系统在不断增加并投入日常使用，迄今已积累了大量的可用数据。全面客观的数据是实现教育治理现代化的基础，但是在建设初期，业务系统多由业务部门牵头分散建设，缺乏统一的规划和数据标准，导致所积累的大量业务数据存在碎片化、不一致、不规范、无法共享等问题，数据质量较低、冗余大量存在且可用性较低。国内大部分高校的数据处理工作仍需要人工操作，数据采集及分析技术薄弱，严重制约了高校日常管理和教学水平的提升。数据治理通过建设全校的数据管理流程体系对数据进行全生命周期的管理，对高校的信息化发展而言至关重要，也亟待开展。较早开展数据治理相关研究的是美国国际数据管理协会（DAMA），他们在2009年提出数据治理是对数据资产管理和控制的活动集合，包括计划、监控和执行等[1]。我国也有一些学者开展了高校数据治理相关研究——许晓东等提出数据治理对于高校组织决策、教学质量、管理效率等均具有重大的正向推进意义，实施阶段可分为数据的获取和抽取、整合和分析、解释和预测[2]；李铮铮等提出数据治理要抓好顶层设计、制度与标准编制、关键技术研究和安全保密建设等关键环节[3]。

1 数据治理对于高校的重要性

有效的数据治理使高校变得更加智慧和敏捷[4]。

1.1 有利于形成科学决策

相较于直觉和经验，数据能为决策者提供更为广泛、深入和可信的数据信息，更能形成对事物和现象的客观描述，促成理性决策。数据治理也可以使高校内部信息互通更加流畅，提高了治理和管理的透明度。

1.2 有利于进行高效管理

要对规模庞大、组织复杂、功能多样的现代高校进行有效的管理，必须利用大量的数据信息和专业知识[5]。数据治理是对跨部门、跨业务、跨系统的数据流进行管理和控制，对业务流程进行优化，弥补了各业务板块之间的空隙，有效避免管理工作中的盲点。合理有效的数据应用也能促进管理效率和效能的提高。

1.3 有利于开展创新服务

要为师生提供个性化服务，必须要对师生的需求有充分的理解和准确的描述[6]。要满足师生的体念需求，背后需要强大的数据支撑。通过数据治理，学校能够获取更加准确的数据和更加充分的数据分析，为师生提供个性化服务，进而开展更多、更广泛的信息化创新服务。

1.4 有利于完成迅速应变

深度融入、全力服务区域经济社会发展，是当代高校价值和综合实力的重要标志。高校要在复杂多变的社会环境中谋求发展，必须主动应对来自社会多方面领域的影响。通过数据治理对数据进行采集和分析，实行动态的科学管理，加强对过程的监控，是高校处在快速变化的复杂社会环境中以不变应万变的必然选择。

2 高校数据治理的实施思路

2.1 梳理数据清单

高校在信息化建设过程中积累了大量业务数据，这些数据由于碎片化、不一致、不规范、冗余等问题，难以快速满足学校各类教学、科研、管理的综合需要。在实施数据治理之前，首先要对信息化建设现阶段的数据清单进行整理，对数据源进行摸底，包括数据的分布和数据的存储情况，并对业务流程进行梳理，对校务数据平台数据资产进行清查。

2.2 检测数据质量

经过数据梳理，从质量和数量两方面对数据质量进行检测。数据质量包括数据的准确性、规范性和一致性。数据数量包括数据的全面性、完整性和及时性。

2.3 确定目标愿景

数据治理是一项长期的、复杂的综合性系统工程，不能一蹴而就，需要结合学校自身的业务需求及发展状况，确定数据治理的优先顺序，制订数据治理的短期及长期目标，并对治理能力进行评估。

2.4 加强顶层设计

高校数据治理这项大工程不能靠某一个部门完成，需要统筹协调，多方参与，自上而下进行推进。因此需要从体制机制建设、人员意识培养、组织职责划分等多方面进行综合设计，才能确保数据治理达到理想效果。

2.5 定义数据标准

数据标准是各方就共用业务术语的定义，以及这些术语的数据命名与描述方法达成的协议，内容包括教职工、学生、教学、机构、财务、项目、协议、活动、资源、代码十大主题。高校在数据治理初期，可结合国家、教育部等相关数据标准，参考国外教育标准，制订数据标准，依据统一的数据标准进行业务系统的建设更新和数据库管理。

2.6 开展数据评估

数据治理的最终目标是数据质量的提升，因此需要建立相应的评估模型来对数据治理结果进行评估。数据治理还需要借助平台、工具和技术手段等，根据事先制定的规范和数据标准，结合实际业务，分模块推进数据的质量提升与数据管控。

2.7 打造数据应用

数据应用是一个不断渐进的过程，良好的数据文化和数据应用可以为高校的教学、教育、科研、管理以及改革发展提供重要支撑。建设大数据应用平台，通过数据收集和分析，可以有效地提高教学服务水平和管理效率。

3 高校数据治理及数据分析的应用

3.1 服务学校发展规划

通过数据治理，对学校以往的发展进行评价，例如，利用官方网站公布的数据及校务管理数据共享服务平台，对以往的发展进行分析。同时也可对现阶段的发展规划进行监测，对规划指标数据进行统计，与规划值作对比分析，展示学校整体工作进度。

3.2 服务学校双一流建设决策

通过数据治理，对学校发展数据、学科发展数据进行监测，对学科主题数据（包括教室、学生、科研主题）进行分析，模拟学科归队，模拟资源配置，为学校的双一流建设决策提供数据支撑。

3.3 校情展示

选取人才培养、科学研究、队伍建设等常用数据指标项，实时对数据进行统计和展示，将学校事业发展数据形成统计图表进行在线展示等。

3.4 服务综合改革

学校各类业务系统积累的数据，经数据治理及数据分析，可为服务工作的综合改革提供依据和支撑。例如，人事系统结合数据中心对各院系的综合指标进行分析，对业绩奖励进行测算与分配。

3.5 决策支持数据分析

数据中心的数据可从人力资源、承建学科、人才培养、科学研究等方面形成分析汇总表，对各单位进行综合分析，形成院系或学科建设报表，进而为上层决策提供数据支撑。

3.6 教师个人数据分析

高校教师在学校的个人数据来源于学校的多个业务系统，例如人事系统、科研系统、医疗系统、财务系统等，因此可从职业发展、科研成果、消费健康、教学绩效及能力评估等多个方面形成教师个人数据分析，进而为教师的个人发展及综合分析提供数据支撑。

3.7 学生精细化管理和服务

学工系统、教务系统、一卡通系统等数据可形成学生的数据画像，对学生群体进行聚类分析，从而促进对学生的精细化管理和服务。

3.8 服务学生学业指引

利用学生的上网数据、一卡通数据等，可分析学生课余时间在教学区停留的次数、食堂各参就餐比例及使用各类上网终端的比例等，结合学生的学习成绩，可以引导学生养成良好的作息习惯及上网习惯等，为学生的学业发展提供更加精准的指导。

3.9 学生安全管理服务

利用学生的考勤数据及一卡通数据等，形成学生行为异常预警，例如异常离校、行为异常及健康预警等，针对失联学生或重点关注学生可实现时空行为信息查询，也可实现群体性行为的查询和分析。

3.10 服务“平安校园”

基于学生个人的行为轨迹，结合标签，可查询各时间点各类人员的分布情况，为大型活动的开展和资源配置决策提供支撑。

3.11 智慧校园服务

智慧校园主要就是通过各种智能终端、可感知设备、信息系统收集大量的活动过程与状态数据，针对所收集的数据信息进行分析，进一步掌握事物的发展规律，实现智慧应用。例如利用教室座位资源情况，结合学生个人日程安排及喜好，提供智慧化、个性化的自习室座位推荐。

4 结论

高校信息化面临信息系统和信息资源整合的需求，实质上是一场数据的整合和数据的革命。信息化的深入发展让高校拥有更多的数据，这些数据也让高校信息化有更大的可能。数据治理提高了数据的质量及其应用价值，为高校形成科学决策提供重要支撑。同时，数据治理可以弥补高校信息化建设中的不足，为师生提供更加优质的个性化服务，为管理者提供更加精准的业务支持，提高管理效率和决策水平，推动智慧校园的发展。

本文阐述了当前国内高校存在的数据问题，结合国内外学者的相关研究，提出了高校开展数据治理可遵循的实施思路，并详细介绍了高校数据治理及数据分析在学校教学、科研、管理及发展决策中的应用。数据治理是一项长期的复杂工程，需要高校结合自身的发展现状和实际需求逐步推进。以数据驱动智慧服务是高校的发展趋势，高校需建立数据全面采集、有效掌控和充分应用的数据治理体系，创新基于大数据和物联网的智慧校园服务，基本形成学校管理与决策的数据支撑环境，构建统一开放的数据共享与应用生态。