论大数据技术在高校后勤系统的应用

近年来，伴随着“互联网+”战略的实施和大数据技术发展，越来越多的高校正逐步地将大数据技术引入到高校的后勤服务工作中，在贫困生补助、后勤保障等方面取得了显著的成效，比如：贫困生补助是高校后勤系統的一项重要工作，之前的贫困生申请都是由学生主动发起申请，并报请各级主管部门审批，在这个流程中，很多真正贫困的学生因为面子问题或心理问题拒绝申请，同时还存在部分学生伪造证明，骗取补助的现象出现，国内的部分高校将大数据技术引入，重点分析过去一段时间内学生的日常餐饮消费数据，有效地挖掘了实际的贫困生数据，在保证学生隐私的情况下将补助直接打入学生账户，同时也杜绝了骗补补助的现象发生，赢得了社会的广泛好评。本文将从数据收集、数据挖掘分析和可视化展示三个维度来讨论如何有效地将大数据技术在高校后勤服务工作中落地并发挥效率。

首先，数据收集是大数据技术落地的基础，离开了数据一切都无从谈起。因此，数据收集工作是一切后续工作的前提，经过近几年的发展，各个高校都已经初步地建设了很多数据化系统，比如餐卡充值系统，学生考勤管理系统等，但是，各个系统之间是独立的，整个后勤系统更是缺乏统一的数据规范，导致了数据只是在各个独立系统的数据库中沉睡，没有发挥出应有的价值。因此我们需要从以下三个方向努力，做好数据收集工作：第一，分析当前的数据系统的实际情况，结合现有实际问题，建立一份通用的数据规范，将各个系统的数据统一起来;第二，将未引入数据化的工作和服务逐步地向数据化的方向转化，将整体的后勤工作真正做到有数可查，有据可考;第三，有条件的高校，可以通过传感器收集和外部合作，引入更多维度的数据，比如天气等环境数据。

其次，数据挖掘和分析是在数据收集的基础上从多个维度挖掘有效信息的重要手段，数据的价值正是通过有效的数据挖掘和分析得以体现的。有效的数据挖掘和分析可以从下述三个维度进行体现：第一，整体数据挖掘和分析，在数据收集的基础上，可以从年龄、性别和地域等维度上进行一个整体的挖掘和分析，对于整个学校的学生信息和每年入学的新生有一个初步的认识，同时也可以同历史数据进行对比，发现其中的一些变化;第二，定向分析，针对某一群体或某一个工作方向进行挖掘和分析，比如针对表现优秀的学生，可以挖掘和分析这批学生的考勤数据，发现其在日常时间管理方面的可取之处，可以逐步推广至全体;另外在学生的餐饮供应方向，我们可以结合季节、天气等因素，挖掘和分析不同季度，不同天气的历史餐饮消费数据，合理调整餐饮的供应和保障;第三，定点分析，针对某一个工作点，优先考虑从数据中发现提升效率的方案，比如假期的学生宿舍安排这一项具体的工作，可以重点挖掘和分析历史数据，发现假期留校的男女比例，专业分布等信息，在保障合理分配的基础之上，也能帮助高校节省很多宝贵的资源。

第三、可视化展示是在前两点的基础之上，将数据的分析成果以更直观、更立体的方式进行展示，相比枯燥的数据报表，更能及时发现和强调其中的关键问题，为决策支持做好服务。该项工作可以分三个步骤逐步展开：第一，直观数据的展示，比如电量消耗数据，我们可以实时接入全校的电量消费数据，并通过实时的线性图进行展示，同时可以接入历史的同期数据，这样就可以通过一个界面，查看当前的实时数据，也可以和历史数据做同比、环比的分析。第二，挖掘和分析结果的展示，在展示直观数据的同时，我们也可以把之前数据挖掘和分析的结果通过可视化的形式进行展示，可以更有效更全面地看到更深层次的数据和问题，未雨绸缪，及时作出响应和调整。第三，在前期尝试的接触之上，进行整个可视化系统的规划和权限管理，真正做到通过一套系统就能实时地了解整个高校后勤的实时运转情况和问题所在。

综上，随着大数据技术的日益发展和在高校后勤系统的逐步落地，我们相信，未来的高校后勤管理和服务会更有效率，更好地服务广大师生。

作者简介：黄阳（1985年3月30日），女，汉族，吉林，硕士研究生，中国音乐学院，高校后勤管理