数据治理：高等教育治理工具转型研究*

刘金松

(华东师范大学 国家教育宏观政策研究院，上海 200062)

2013年，《中共中央关于全面深化改革若干重大问题的决定》提出了“推进国家治理体系和治理能力现代化”的目标，这为我国高等教育治理范式的转变提供了历史契机。2014年的全国教育工作会议将“完善科学规范的教育治理体系，形成高水平的教育治理能力”提出上了工作日程。这意味着我国高等教育利益相关者共同治理进入深化阶段，在这种时代和实践背景下，合理界定不同行动者之间权力与责任成为高等教育治理的重要趋向，也成为高等教育治理成败的重要影响因素。但权责界定后的治理对原有治理工具形成了一定挑战，所以如何利用合适的治理工具将这种趋势顺利转化为治理实践成为目前需要解决的问题[1]。高等教育数据治理因其融合了数据治理、大数据、“互联网+”等最新的技术和理念，成为我国高等教育治理工具转型的尝试，为我国高等教育治理提供了新的思路和路径。本文尝试对高等教育数据治理的内涵、逻辑以及其运行的内在机理和外在机制等进行理论探索，进一步丰富高等教育数据治理的理论研究。

一、何谓高等教育数据治理——概念合成理论视角的解析

高等教育数据治理作为一个合成概念，是由高等教育治理和数据治理这两个概念合成的(如表1所示)。根据概念合成理论的解释，合成空间是从两个输入空间有选择性地提取了一些结构[2]，从高等教育治理这一目标输入空间提取应用于何种治理领域和治理目标这些元素；从数据治理这一源输入空间提取数据治理技术、程序等相关的要素。这两个输入空间具有一些相同的结构，即通过一定的技术手段和治理程序达到某种治理目的。理解高等教育数据治理这一合成空间需要不断地减活(Deactivate)旧的联系，激活新的联系，结合语境和储存在记忆里的知识框架，重构新的空间并进行重组和整合[3]，即需要将高等教育治理与数据治理二者创造性的连接在一起，并赋予其新的内涵。

表1 “高等教育数据治理”概念合成

高等教育数据治理这一合成空间是指向高等教育治理这一目标空间的，即为实现高等教育的善治而进行的治理工具转型和创新，进而适应新的治理条件和背景。高等教育治理作为目标输入空间，具有其自身特有的目标指向。随着经济全球化和信息技术发展的双重叠加，高等教育发展中自由与责任之间的张力越来越大，而将这些张力转化为动力就是治理的过程。高等教育治理主要是指利益相关者参与到高等教育过程中，包含参与高等教育的举办、决策和监督，并共享高等教育发展的成果[4]。其核心是指决策权力的分配问题即谁具有高等教育决策的权力以及通过什么样的程序进行决策，在权力分配和使用的过程中，需要使用一定规则和程序对教育中相互竞争乃至相互冲突的利益各方进行调解，这就涉及到使用具体的治理手段和工具。

数据治理这一源输入空间为高等教育数据这一合成空间提供了基本属性和特征。对于数据治理这一概念的理解目前依然存在一定的争论，不同的学者对数据治理具有不同的理解和界定[5-8]，张宁、袁勤俭通过整理不同学者的理解给出以下界定：数据治理是围绕数据资产展开的系列工作，以服务组织各层决策为目标，涉及有关数据管理的技术、过程、标准和政策的集合[9]。之所以要对数据进行治理，其目的是为管理者决策提供重要信息，可以有效提高决策的有效性。因此，组织需要将数据作为重要的治理资源，将其视为有效治理的必要依托。但由于组织所掌握的数据准确性存疑、相关性不足、数据更新不及时、异质性过大、半结构化数据处理存在困难等问题，机构数据治理的机遇与挑战并存。

高等教育数据治理这一合成空间并非简单地从目标输入空间(高等教育治理)和源输入空间(数据治理)提取部分结构，而是在此基础上形成自我层创结构。在数据治理空间，是通过对数据的治理达到管理优化目的，此时数据是作为治理对象的；在高等教育治理空间，是通过治理安排来促进高等教育良性发展的。而在合成空间，数据治理成为高等教育治理的一种工具选择，此时数据既是具体治理过程中的对象，同时也是高等教育治理的方法。所以高等教育数据治理这一概念的内涵可以理解为：在高等教育治理中，作为高等教育治理的一种工具，通过对高等教育相关数据的治理，将更多的利益相关者以实质性或非实质性的方式纳入到治理过程中来，从而解决以往高等教育治理中利益相关者参与低效、非科学性参与的问题，依靠数据治理实现高等教育的善治。

关于高等教育数据治理，国内学者已经开展了相关研究。许晓东等(2015)认为数据治理是提高高校教育质量、决策科学性以及管理效率的关键因素，并提出数据获取和抽取、整合和分析、解释和预测高等教育数据治理分析框架[10]；张宏宝(2016)对高等教育治理中数据源流的合法性、逻辑进路和体系建构进行了分析，提出通过数据治理实现高等教育智慧治理[11]；彭雪涛(2017)在分析美国高校数据治理的基础上，提出我国高校应从顶层设计规划数据治理、由权责体系落实数据治理、用信息技术保障数据治理、以分析应用推进数据治理[12]；吴刚提出高校大数据治理体系的构建应坚持业务匹配原则、需求导向原则和集约推进原则。策略包括制订数据标准、增加制度供给、强化风险管控、试行成效评估以及注重应用开发[13]；以上研究者分别从不同层面和视角对高等教育数据治理展开了分析，为本文研究提供了很好的借鉴，但仍需要对高等教育数据治理带来的变革、其应用的内在逻辑和具体应用进行探索，以推动高等教育数据治理在实践中的应用。因此，本研究在对高等教育治理为何转向数据治理进行进一步分析，重点对高等教育数据治理这一工具的应用所带来的变革以及其应用内在机理和具体应用进行探索。

二、高等教育治理工具为何转向数据治理

一直以来，高等教育治理为我国高等教育发展做出了很重要的贡献，其治理工具也随着高等教育发展、技术工具和国家政策趋向等因素的变化而革新。新的治理工具出现并不是对原有治理工具的否定，而是对其进行有益的补充，以丰富我国高等教育治理的工具选择。当下，我国高等教育治理工具面临着需求—技术—政策综合转型驱动(如图1所示)，向数据治理转型成为我国高等教育治理实践的必然趋势，这为高等教育治理提供了新的选择和可能，也为治理范式的变革提供了工具基础。

图1 高等教育治理工具转型的需求—技术—政策驱动模型

(一)治理需求驱动：复杂化治理现实需要精细、精准治理

随着高等教育的发展，高等教育领域内的需求、分工、利益分割等越来越复杂，这就使得高等教育治理面临一个更多元、更复杂的治理对象和治理需求。首先，利益主体的多元化及利益诉求多元化交织，高等教育治理不仅需要科学地处理多元利益相关者参与治理这一问题，还要尽可能满足纷繁甚至是相互冲突的治理需求，这就导致了治理过程及治理结果合理性的复杂化。其次，高等教育治理所面临问题的本身变的日益复杂。随着我国高等教育改革深入与现代大学制度建设推进，高等教育治理内容更加复杂[14]，具体治理问题的指向更加精细化，同时为了提高治理效果，治理过程需要将更多的影响因素考虑其中，如经济产业发展、社会公正等。治理问题精细化和治理影响因素多元的共振对传统“项目制”“一揽子”的治理工具和方法提出了挑战。最后，高等教育问题的敏感性也增加了其治理复杂性，高等教育的发展关涉国家人力资源和科学技术供给，历史经验表明错误的治理工具不仅会影响其自身发展，更为重要的是会制约社会整体发展，随着教育问责被纳入到政府治理、教育治理之中，使得治理变得更加谨慎，迫使治理主体寻求更为适切的治理范式和治理技术。精细治理就是利益相关者深度参与高等教育治理过程，要求治理手段和治理技术更加专业化，特别是需要借助于大数据的力量，加强对于需要治理问题的把握[15]，这也就为高等教育数据治理的兴起提供了机遇。

(二)技术发展驱动：大数据、“互联网+”为数据治理实施提供了技术可能

信息化时代技术迭代发展，“互联网+”就是在这种背景下建构的一个概念，同时也作为一种新的工具，“互联网+”将信息互联网转变为智慧互联网，即智能互联网，将改变传统互联网信息传输这一功能，实现对世界认知和感应的连接与传导[16]，将活动、物质等不同的介质及线上和线下不同场域结构化为有效、可用的信息。在“互联网+”技术发展的背景下，高等教育相关活动的痕迹将以数据形式保存下来，利益相关主体对现行高等教育的态度以及期望也会形成异构的数据。此外，有关国民经济发展活动的数据、产业结构及其变化的轨迹数据等都会被纳入到“互联网+”的大数据序列中。随着大数据技术的发展，会有更多、更全面的数据被治理主体所利用，不断成熟的数据采集、清洗、可视化技术也促进“互联网+”的数据成为规范的治理证据。互联网的开放性和随着大数据发展而带来的数据公开可以有效改善传统治理过程中信息不对称的问题，从技术层面遏制“暗箱操作”，提升治理的公开性和透明性。2015年，国务院相继发布了《关于积极推进“互联网+”行动的指导意见》《促进大数据发展行动纲要》等文件，在政策层面进一步推动大数据、“互联网+”等技术发展，使得高等教育治理具有更为先进的技术保障。

(三)政策驱动：教育治理能力现代化的顶层设计推动数据治理实施

党的十八大通过的《关于全面深化改革若干重大问题的决定》(以下简称《决定》)提出要“推进国家治理体系和治理能力现代化”。国家治理体系作为顶层设计包含诸多内容，其中教育治理能力的提升是我国教育改革成功的重要基础。因此，提高教育治理能力、实现教育治理能力现代化成为政策顶层设计与实施的重点。而教育治理能力现代化是指治理的价值观可以得到认同，具有制度创新能力，可以根据实际调适制度实施等[17]，所以是否可以根据政策需求调整治理工具，从而推动高等教育制度创新成为衡量教育治理能力现代化的标准。2016年，教育部印发的《教育信息化“十三五”规划》提出要“充分释放教育信息化的潜能”，提高信息化在转变政府职能、重构教育管理方式和再造教育管理流程的作用，同时也希望通过信息化来提升政府教育决策和提供教育公共服务的水平。2017年国务院印发的《国家教育事业“十三五”规划》提出要“加快教育大数据建设，形成教育数据资源开放共享制度机制，实现各类数据伴随式收集和集成化管理，形成支撑教育教学和管理的教育云服务体系”。综上所述，国家对教育治理能力现代化做出了顶层设计，同时也对应用以教育大数据为代表的信息化技术以提升教育治理能力现代化做出了规划，这些政策趋向都直接推动数据治理日益成为教育治理重要的工具选择。

三、高等教育治理工具转向数据治理后的治理逻辑变革

高等教育治理转向数据治理是一个系统的变革，但首先是其内在治理逻辑的变革(如表2所示)。正如罗尔斯所言：形式正义要求的力量或遵守制度的程度，其力量明显有赖于制度的实质性正义和改造它们的可能性[18]。高等教育数据治理整体的价值追求是以治理过程要素的科学化(实质正义)来实现治理的形式正义，以最后实现善治的目的(正义的目的)，这就包含了高等教育治理在具体实施过程中实施模式、治理依凭、过程策略等的内在逻辑的变革。

表2 高等教育传统治理与数据治理内在逻辑对比

(一)价值追求：从形式正义转向形式正义与实质正义并重

高等教育治理的本质在于通过高等教育发展推动公共利益的最大化，其最常见的治理模式是设立一个目标，然后通过一定程序形式来实现这一目标。这一治理模式的优势在于关注治理形式的正义性，将主要目光置于治理程序是否合理，但弱势是对治理目标是否符合利益相关者的利益诉求却关注较少。虽然合理的治理形式对于治理效果具有重要意义，但明晰为何要治理则更为根本。高等教育数据治理对于弥补这一弱势具有重要的作用，其可以将不同利益相关者的利益诉求以数据的形式展现出来，为治理决策者提供足够的信息支撑。与之前由于信息不饱和可能造成的决策偏误相比，由大数据中提取的信息最大限度的呈现了不同利益相关者的诉求，决策者来综合衡量的基础上可以做出体现公共利益最大化的决策，使利益相关者的利益诉求都得到合理的表达和体现。这种通过数据来表达和体现利益相关者诉求的过程有效弥补了形式治理自身的短处，可以利用一定机制保障治理的形式正义，同时也有效实现了治理的实质正义。

(二)实施模式：由碎片化治理转向整体性治理

在我国，政府各部门官员会根据其所在部门的利益进行政策制定。政策制定过程中，中央政府各部门之间、中央和地方政府之间、各级地方政府之间在项目谈判中往往通过争论、讨价还价才能形成公共政策[19]。特别是我国高等教育采取“项目制”的治理工具后，高等教育治理中不仅存在“条块分割”，而且“块块分割”问题也逐渐显现，表现为高等教育治理中的人与事的分割，专业分工不同的高等教育管理部门之间互设樊篱，导致高等教育治理的碎片化。虽然专业分工、层级节制的部门内部各类业务间分割、同一级政府各部门间分割以及各地方政府间分割[20]是碎片化形成的基础性原因，但传统治理工具的落后也助长了部门之间分割的局面。在高等教育传统治理工具使用中，各部门协同治理的难度和代价极高也会间接阻隔整体性治理的实施。高等教育治理转向数据治理后，其基本的治理逻辑即将发生转变，高等教育数据治理的首要任务在于相关数据的获取，除了利用互联网自动抓取部分大数据外，还需要相关部门提供治理所需要的数据材料，以及不同部门之间的数据共享，这本身就需要同时也促进了各部门之间的协作；在大数据获得后的治理过程中，不同类型数据将原本联系微弱甚至存在冲突的部门、利益整合在一起，以整体性的视角看待高等教育治理中的问题；最后，大数据为高等教育整体性治理的逆部门化、大部门式治理、一站式服务提供必要的信息服务，为整体性治理直接提供技术支撑。

(三)治理依凭：由基于权威主义的治理转向基于证据共识的治理

当代中国正处于通过政治改革从全能主义向权威主义、最终向民主主义政治体制转变的转型期[21]，在权威主义的影响下，高等教育治理依靠行政力量使得既定政策得以实施，这就为高等教育治理的主观主义提供了制度土壤。基于权威主义的治理虽然看似具有较高的治理效率，但由于缺乏广泛的治理共识，其治理措施被质疑、治理政策执行偏差等问题层出不穷，实际治理效果并不尽如人意。因此，高等教育治理需要需求“最大公约数”，必须要确立基于共识的行动逻辑[22]，这就需要保持治理主体之间“持续的互动”，在互动中形成治理共识，以此建立有利于教育现代化的体制、机制。但如果没有数据作为证据，治理主体之间的互动只是争辩，而无法形成治理所需要的共识。高等教育数据治理则是遵循询证的范式，坚持以证据驱动决策，不仅可以将宏观的治理活动数据化，以数据治理模型推演产生治理证据；还可以将教学等微观层面的活动以数据形式清晰地刻画出来，成为治理主体互动的证据。在基于证据互动的基础上，消弭不同利益主体之间的利益鸿沟，形成一定的治理共识，推动高等教育治理顺利实施[23]。

(四)过程策略:由主观经验性选择转向预测性实验治理

传统上，“不科学”的教育政策制定通常被形象地称为“拍脑袋”[24]，即在政策形成过程中，特别是备选方案选择时主要考虑平衡各种主流利益诉求，此时多依靠过往的执政经验做出决策，即经验在高等教育传统治理过程中占据重要的位置。虽然过往经验对于当下事实判断的作用不可被否认，但由于人理性的有限性，过分倚重经验的治理往往会滑向主观主义的深渊，所以高等教育传统治理中“朝令夕改”“自我否认”现象也就无可避免。为提升高等教育治理过程的客观性，最大程度的从技术上克服主观主义和价值偏向，高等教育数据治理过程需要借助数理模型进行实验治理，即在治理实验室将不同的治理方案以数据的形式展现出来，然后对不同的方案进行模型推演，将不同治理方案的治理结果以数据结果的方式呈现，最后选择最优的方案设计。高等教育数据治理的实验性治理方式可以在最大程度上使得不同治理主体的利益诉求得到有效平衡，使得“拍脑袋”①高等教育数据实验性治理的方案选择，虽然是由模型推演结果所决定的，但方案的最后确定仍是由治理主导者确定，所以还是存在“拍脑袋”这一形式，但与上文所述不同，此处为中性的模仿性表述。具有了科学性与合理性，也就在最大程度上寻找到治理的“最大公约数”，稳固治理的合法性基础。

四、高等教育数据治理的内在机理与外在框架

高等教育数据治理之所以成为一种新的治理工具，不仅仅是概念自身的重构、治理逻辑的转变，更是因为其实施具有自我独特的内在机理和外在框架，以区别于其他治理工具。其中高等教育数据治理的内在机理(如图2所示)是其理论核心，也是治理实施的技术支撑；高等教育数据治理的外在框架是在参考高等教育治理和数据治理框架基础上的综合，是高等教育数据治理科学实施必须要遵循的规范。

图2 数据—信息—知识转化模型

(一)高等教育数据治理内在机理：数据—信息—知识转换模型

高等教育数据治理之所以可以被称作一种新治理工具，是因为其有一套内在规则维持自身的运转，而这套内在规则主要表现为数据—信息—知识转换的模型架构。通过数据—信息—知识转换模型，高等教育数据治理可以将不同类型、不同性质、不同来源的客观数据转变为治理决策的策略方案，即完成高等教育数据治理从收集感性数据到理性治理的程序。

高等教育数据治理中的数据包含高等教育内部数据和高等教育外部数据两大类。高等教育内部数据是指高等教育领域内的数据，分为基础数据和生成数据两种。高等教育基础数据是指国家高等教育统计数据，主要是结构化数据。包含高等教育财政投入、高等教育结构(层次、区域、科类布局等)状况、高校硬件设施、教师队伍、在校生学生数、应届毕业生数等高等教育统计范畴内的所有数据，此类数据刻画出我国高等教育发展的基本情况。高等教育生成数据是指高等教育管理和发展中生成的数据，主要是半结构化和非结构化数据。包含教育过程中建立或生成的各种教学资源、高校内相关主体(教师、学生、各级管理者等)的行为数据和高校外部管理者的管理行为所产生的数据。高等教育外部数据主要是指与高等教育治理相关的数据，分为宏观数据和微观数据两种。宏观数据是国数家经济发展相关统计数据，如国民生产总值、产业发展数据、劳动力需求总数及结构数据等，主要为结构化数据。微观数据主要是企业对劳动力需求量与质的数据、家长对高等教育的预期数据等，主要以半结构化和非结构化的形式存在。

第一，回答“是什么”的客观数据。上述无论是结构化、半结构化还是非结构化数据，只要是真实、有效，都是对高等教育及相关领域的客观反映。这些数据散布在不同领域、不同机构，彼此之间并非都存在积极相关，它们是对高等教育发展及其环境的描述，一般只具有绝对意义，相对意义较弱。这些数据对于高等教育治理主体而言是对高等教育发展的感性认知的主要来源，但并不代表依靠这些数据就可以有效实施治理。如，X专业2017年全国毕业生人数为X1人、Y专业2017年全国招收专业硕士研究生Y1人、2016年江苏高校“减招”事件等，这些孤立的数据只是极为有限的、孤立的数据，治理主体无法通过这些数据来发现治理应该面对的问题。

第二，回答“怎么样”的有意义信息。如果将2017年与X专业相关联的产业发展、人才需求状况与X专业2017年的毕业生人数关联起来，就可以预测X专业2017年就业情况，Y专业也如此，将所有专业信息与对应的产业现实发展、未来规划和人才需求状况关联起来就可以观测到高等教育人才培养的科类结构存在的问题，如果在模型中加入地区、层次布局以及就业等变量，则可以更为立体地呈现高等教育人才培养的情况。高等教育治理主体在将无效、无关数据剔除之后，在某些“真”数据之间形成客观有效的联系，以可以表现事物运动状态及这些状态变化的数据联系，来呈现高等教育发展的实际情况、高等教育发展面临的客观环境、高等教育现实需求等。这些数据联系综合在一起就成为信息，与数据不同的是，信息是经过治理主体筛选的①此处“筛选”与数据阶段的抓取、清洗不同，并不是剔除无效数据、进行数据结构化处理，而是治理主体依据一定的理论、模型在有效数据之间建立联系的过程。、有价值的。但信息对于治理主体而言可以是治理的依据，也可以成为治理任务的来源，但并不能明确指出治理的具体目标及其应对策略，此时，就需要对获得的信息进行知识化。

第三，回答“解决什么”“如何解决”的知识。数据以一维的方式存在，信息是二维存在的，而知识则以三维的状态呈现，三者之间表现为数据(表象)—现象(现状/诉求)—问题(共识/分歧)的关系。三维状态的知识是指在信息的基础上对其进行结构化处理，并尝试寻求规律性认知，即对高等教育治理中的治理需求进行分析，辨别治理中的共识与分歧。如在对2017年X专业毕业生就业率分析时，尝试寻求其与相关产业规模发展，X专业人才培养规模、质量等变量的相关关系，再对相关专家对该专业发展的研究成果、学生的专业预期以及产业发展规划对该专业未来发展需求之间的一致与矛盾之处做出分析，在此基础上做出相应的治理策略安排。此时，由数据—信息转化而来的知识就成为治理决策的重要参照。

(二)高等教育数据治理的外在框架：主体—系统运行模型

高等教育数据治理的应用与传统治理工具相比，除却治理主体更加多元外，更为重要的是改变了原来以行政(政府)为中心的运行机制，将主体从治理技术中剥离，将原来政府自上而下的垂直管理转变为政府、市场、社会与高校以数据系统为轴心，实现治理生态共同体的构建，并将在共同体互动中形成的科学结构制度化，这就是高等教育数据治理的主体—系统运行机制(如图3所示)。

图3 高等教育数据治理的主体—系统运行机制

第一，主体多元化及新型治理互动方式的构建。高等教育传统治理中，政府是绝对的主导主体，市场和高校作为高等教育治理中的重要因素(要素性主体)，并不具有高度自主性，在政府治理安排中作为信息输入渠道和治理对象存在。其中，政府控制着三者之间的关系，市场与高校之间的治理关系微弱，高校培养的毕业生虽然流入市场，但高校与市场之间存在政府这一“阀门”，政府既控制着社会整体经济发展规划，同时也把控高校人才培养规模和结构。高等教育数据治理首要资源是真实有效的数据，根据上文所述，高等教育数据所需要的数据来源于不同利益主体，为保障数据供给，必须将高等教育治理的利益主体纳入治理体系之中，并且要建立新型的互动关系。(1)高等教育数据治理的利益主体应该包含政府、市场、高校和社会，其中社会指的是第三方机构(行业协会、教育第三方研究机构)、受教育者家长(在学和潜在学生群体的家长)。(2)在新型的治理关系中，政府不再是唯一的实质主体，要素性主体(高校、社会)将拥有足够的自主权和利益表达权等治理权利，同时必须承担对等的治理义务。而社会这一新增的主体同样拥有相应的权利和义务。(3)高等教育数据治理互动中，不同主体之间的关系是闭环的，彼此之间不但存在信息交流和互换，更为重要的是为彼此提供必要的反馈，实现治理目标中的高等教育系统均衡发展。

第二，主体与系统互动关系的建立。数据系统是指高等教育数据治理中数据的处理中心，是高等教育数据治理的技术核心，高等教育数据治理所需要的数据均要汇聚于数据系统，数据的清洗、结构化、可视化等均在系统中完成。(1)高等教育数据治理，以数据系统为中介和中心，各治理利益主体及治理过程都主要集中于数据系统，改变过往治理过于分散的问题。(2)对于治理利益主体而言，数据系统是其表达和实现合理治理利益诉求的中介，所有的数据和治理诉求在数据系统汇合，同时又流向不同的治理利益主体，实现不同主体之间信息的交流和共享。(3)同时，经过数据系统的处理，相对应的信息流、知识流又反馈给不同的治理主体，实现不同主体了解彼此的治理诉求以及治理共识和分歧。这种数据—信息—知识流通依照迭代的方式不断循环，当针对同一治理问题达成共识后则可以生成一定的治理策略。

第三，主体—系统实际运行与操作。高等教育数据治理的主动治理方式，一方面需要系统自身利用数据抓取技术时时抓取互联网的大数据，进行流式处理，并将处理生成的信息归类、存储，以便下一步处理和应用。数据的流式处理主要是为了监测高等教育舆情，发掘可能出现问题的领域，给予管理者日常管理参考。另一方面，不同治理主体要及时提供最新数据更新，对这些数据进行批处理，利用数据系统的计算模型生成指标系数，再依据事前确定的指标对高等教育发展的相关指标进行预警，定期形成预警报告。高等教育数据治理的被动治理方式，一方面，依据先前生成的信息、高等教育发展规划等确定相关治理议程，以数据系统为中心，与相关治理主体进行信息互动，生成具有利益共识的治理策略。另一方面，应对突发的治理需求，数据系统自动匹配先前类似事件的处理方案以供参考，同时由数据系统中心召集相关主体，提供相关数据、信息，由管理者、研究人员、利益相关者进行现场决策。

作为一种治理工具，高等教育数据治理面临着数据自身全面性、科学性的问题，也会遇到治理主体对高等教育数据治理系统的认同不足和应用不够等潜在问题，因而其应用依然需要外在规则和制度建设的保障。尽管如此，高等教育数据治理的应用依然为高等教育治理提供了新的路径，也为高等教育走向“善治”提供了可能，仍然需要不断地我们关注其发展、研究其应用。