大数据在高校治理领域的应用展望及对策研究

尤慧

摘 要：文章从大数据在高校治理领域的应用展望入手，同时结合大数据自身特性，对照大数据技术要求，深入阐释目前高校治理领域存在的数据瓶颈。切实转变高校数据治理理念，并通过加强顶层设计，打破条块分隔;统一数据标准，提高数据质量;拓展分析方法，深挖数据价值;促进校企合作，引进专业人才等途径，为高校实现数据治理创造良好的大数据生态环境。

关键词：大数据;数据治理;高校大数据

中图分类号：TP391 文献标识码：A 文章编号：1671-2064（2019）23-0025-02

党的十九大不仅对“国家治理体系和治理能力现代化”提出了要求和标准，而且明确了“要加快一流大学和一流学科建设”的目标。随着大数据时代的到来，全面深化改革的不断深入，各高校向“双一流”迈进的发展趋势，探索大数据在高校治理领域的应用迫在眉睫。

1 高校治理领域的大数据应用展望

清华大学信息化技术中心袁芳指出[1]，高校正面临着大数据所带来的挑战与机遇：“随著互联网应用的丰富，每个学生和老师每天都在产生各种各样的数据，当数据量达到一定级别后，就可以进行很有意义的分析挖掘工作。”

1.1 大数据对高校治理理念造成极大影响

大数据时代的悄然来临，已经给高校治理理念带来冲击。《大数据》的作者涂子沛认为[2]，随着信息存贮量的增多，人类在实践中逐渐认识到，通过数据的开放、整合和分析，能发现新的知识、创造新的价值。因此，大数据带来的不仅是技术变革，更是一场治理变革，必将给高校治理理念带来新气象。

1.2 大数据对高校治理模式构成巨大挑战

在传统的高校治理视野下，通常是“高校突发事件——成因分析——因果分析——应对决策”，往往是在突发事件后查找原因，属于逆向思维。而大数据驱动的高校治理流程是“数据挖掘——量化分析——相关分析——预测决策”，这是在突发事件发生前进行预测，提前做出响应，属于正向思维。相比之下，利用大数据技术，能够提前启动预警处理程序，及时做到对突发事件的快速响应与有效处理。

1.3 大数据对高校治理手段提出更高要求

由于高校学生数据的产生速度快、更新快、体量大的特点，对高校治理数据发布的时效性、准确性、共享性等各方面的要求更高。下一步如何将这些基础数据进行结构化分类和清洗、分析，从而以更好更快的方式展现在高校的相关部门及学生面前，以更新的方式应用于高校治理中，是大数据对高校治理手段提出的更高要求。

1.4 大数据对高校治理人才需求日益旺盛

统一的数据标准规范、科学的数据分析方法、完善的数据应用体系以及复合型专业人才是高校进行大数据建设的必要条件。其中，对人才的要求最高。要求从业人员不仅要有专业的大数据技能，还要掌握高校业务的特点。而现实情况就是高校人才缺乏大数据技能，大数据专业人才不懂高校业务，亟需多专多能型人才。

2 高校大数据应用特性和数据应用瓶颈分析

大数据在高校治理领域的应用前景广阔，限于大数据自身的技术特性对其应用环境的要求，也因为大数据的应用环境要求与目前高校数据环境的不匹配，造成了现阶段的数据应用瓶颈。

2.1 大数据技术应用的要求

一般来说[3]，业界普遍认为大数据具有4个显著的特征：高容量（Volume）、多样性（Variety）、速度（Velocity）、价值（Value）。根据大数据的这四大特征，不同学者对大数据的应用要求进行了不同分析。于施洋等认为[4]，转单一数据源为跨数据集、数据体系开放化、数据实时处理是大数据发展必须坚持的几个方向。李学龙、龚海刚认为[5]，大数据价值链由四个阶段构成：数据生成、数据获取、数据存储和数据分析，其中数据分析是大数据价值链的最后也是最重要的阶段。总结相关研究成果，本文将大数据的应用环境要求所涉及的三个方面进行详细分析。

2.1.1 数据要实现全面生成

一是要数据全面记录、动态更新，二是能实时记录人或事的行为及其变化痕迹，这是大数据的两项基本要求。传感器、任务日志、人工记录等是数据生成的主要渠道，数据类型有结构化数据，也有非结构化数据。

2.1.2 数据可以低成本获取

数据处理的第一步，就是通过数据清洗、数据集成、数据变换、数据规约等方法对数据进行预处理。数据预处理的过程越长，数据成本则越高。因此在推广大数据应用时，首先要从源头上提高数据质量，减少数据预处理的工作量，从而尽量做到数据的低成本获取。

2.1.3 数据要做到实时分析

首先，能够实时响应的能力是大数据处理技术的基础要求，因此要紧密结合“批量处理”与“流处理”。其次，原先的数据统计分析工作看中的是数据之间的因果性，关注样本分析，而大数据更加看重数据之间的相关性，进行全体分析。

2.2 高校治理领域的数据瓶颈

现阶段对比大数据技术的应用要求，数据的采集问题、融合问题、治理问题、安全问题等造成了当前高校治理领域的数据瓶颈。

2.2.1 数据的采集问题

数据来源广、层次多、非结构化数据占比大是目前高校数据的显著特点。一方面，高校数据的采集量激增。以学生个人数据为例，其中包括基础身份数据、学习考评数据、社会实践数据、就医就诊记录等校内外的所有数据。另一方面，由于缺乏统一的数据采集标准规范，导致高校数据信息资源因格式不一样、标准不一致，造成多次重复采集数据的事件频发，降低了数据采集效率，影响了数据质量。

2.2.2 数据的融合问题

首先，数据交换标准缺乏，数据融合难度大。各高校现有的数据系统几乎是根据各自的业务特征，依据不同标准建设实施和管理的，只能在小范围内或特定工作中实现共享，彼此之间难以实现融合。其次，缺少数据共享平台，数据共享难。如高校学生处使用奥蓝学生管理系统，教务处使用正方学生管理系统，导致即使是本校教职工办理同一学生的不同事宜时，要切换登录不同系统。

2.2.3 数据的质量问题

大数据时代，高校在教育、教学、科研、管理等活动过程中会伴随产生大量数据。这些数据掌握在高校各院系或职能部门的手中，以各部门自有信息管理系统（学工系统、科研系统、人事系统、资产设备系统等）或更加朴素的EXCEL表格形式实现存储和调用，导致存储的文件夹数量众多，数据存放路径杂乱无序，数据系统整合困难，数据质量难以得到保证。

2.2.4 数据的安全问题

随着高校的扩招，生源的不断扩张，相关数据信息量激增，不仅对数据采集、挖掘、分析带来了困难，数据安全也难以得到保障。一方面，高校的系统管理太依赖现有的IT环境，核心通信设备遭到国外技术垄断和厂商的市场垄断，给高校数据安全带来了隐患。另一方面，各高校自身的数据安全保护意识不强，设备安全和数据安全保障条件参差不齐，给高校数据安全带了风险。

3 推动高校大数据应用的政策建议

各高校应顺应改革形势，立足实际，着眼未来，切实转变高校治理理念，主动谋划布局“高校大数据战略”，加强大数据在高校治理领域的应用，着力创造良好的高校数据生态环境。

3.1 切实转变高校数据治理理念

首先要学会“用数据说话”，要高度重视高校大数据工作。要重视高校大数据的采集、挖掘、分析，剖析数据变化背后的关联，为高校实现“数据治理”做好数据支撑。其次要尝试“用数据团结”，切实转变高校传统管理模式中，不同部门之间的“小团体”意识，破除原有高校内部数据信息分隔状态，促进高校内部和高校之间的数据共享与融合。最后要实现“用数据决策”，要把大数据观融入高校治理理念，由依靠个人感性经验转向数据理性分析，用更全面的数据分析辅助高校治理决策，从而提升高校数据治理的科学性和有效性。

3.2 积极创造高校数据生态环境

3.2.1 加强顶层设计，打破条块分割

第一要加强顶层设计，遵循顶层设计原则，兼顾整合性、系统性、综合性因素，统一构建以云计算为基础的高校数据信息共享平台，不仅可以为各高校提供海量存储空间和高效的服务器资源，还有安全的网络环境和高速的网络带宽，做好实现高校数据治理的技术支持工作。第二要打破数据分割状态，消除“信息孤岛”。建设高校大数据要以学生需求为基点，逐步实现高校数据共享，这是改变目前高校治理中“信息孤岛”有效手段之一。

3.2.2 统一数据标准，提高数据质量

数据标准规范和数据质量是影响高校大数据分析的关键因素。因此一是要构建数据标准规范，建立关键数据标准，从而保证数据含义分明、格式一致、分类精准;二是要优化高校大数据治理流程，依据相关业务规范和指标体系，强化数据传输流程改造，增强数据传输中系统校核能力;三是要建立高校数据管理机制，通过对数据的全程监控、闭环管理保证数据质量，通过人工核查、系统自检或两者结合等方式开展数据质量检查。

3.2.3 拓展分析方法，深挖数据价值

首先，积极创新高校大数据应用体系。建议尝试构建可复制、可推广的数据模型，探索大数据在促进高校学生心理健康、助力学生多元化评价、关爱学生生活、指导学生就业等方面的分析和预测能力。其次，深入开展大数据技术的应用。要利用大数据分析侧重相关关系、总体分析的特征，借力决策树、随机森林、支持向量机和神经网络等面向复杂数据的机器学习方法，逐步提高高校大数据分析价值。

3.2.4 促进校企合作，引进专业人才

一方面，加强校企合作可以借助企业力量和社会资源，以构建大数据学科体系、培育大数据师资力量、建设大数据实验室为起点，探索校企合作模式下大数据应用型人才培养模式的改革与实践。另一方面，创新培养一大批专业复合型人才，引进一大批校企合作中企业的技术人员。不仅利于高校大数据中心平台的正常运维，促进高校组建专业化的大数据应用和管理队伍，而且可以营造利于高校大数据人才成长和发展的良好环境。

4 结语

建设“双一流”高校，不仅要在人才培养、学科建设、科研成果等方面爭创一流，也要在办学理念、提高治理水平等方面争创一流。积极推动大数据在高校治理领域的应用，将有利于提升高校治理的精准化，教学科研的智能化，治理服务的协同化，决策应用的科学化。

参考文献

[1] 王婧.大数据时代高校管理工作的挑战与对策分析[J].思想政治教育研究，2014（4）：128-130.

[2] 涂子沛.大数据[M].桂林：广西师范大学出版社，2013.

[3] 薛刚，刘瑛，等.江苏大数据产业发展研究[M].南京：江苏人民出版社，2017.

[4] 于施洋，王建冬，童楠楠.国内外政务大数据应用发展述评：方向与问题[J].电子政务，2016（1）：2-10.

[5] 李学龙，龚海刚.大数据系统概述[J].中国科学：信息科学，2015（1）：1-4.