提升大数据的整合与分析能力 助力“互联网+”计划

郑志斌 上饶广播电视大学

远程教育本质上是基于信息技术、网络技术以及多媒体技术发展而成的新型教育模式，而“互联网+”概念则是传统行业被互联网改变所产生的新格局。“互联网+”与单纯的“互联网”的区别在于具有实时多样的“互动”，促使以互联网、大数据为主的一整套技术在行业内扩散应用，倡导充分发挥互联网的优化和集成作用，形成一种以互联网为基础和工具的新的经济发展形态。因此远程教育机构如果想顺应“互联网+”的概念，就需要从单纯的“互联网”模式转变，对自身拥有的海量用户数据进行分析整合后加以利用，使单向的数据传递变为机构与用户之间的双向沟通,使远程教育真正满足个人学习以及社会发展的需要。

一、大数据对远程教育机构的意义

随着互联网数据采集技术的发展，各类数据传感器能从互联网上获取巨量的实时数据，而大数据整合和分析技术的发展，正在为机构创造新的价值。

（一）有利于优化教学内容

通过对收集到的学习数据进行分析，能获得用户的学习方式、习惯、偏好、规律，从而可以向用户提供有针对性的学习方案与教学内容。而通过整合大量用户的相应信息，还能总结出不同的需求类型，针对这些需求类型可以有针对性的投放资源，提高机构的资源的利用率。

（二）有利于优化教学手段

随着技术的发展，机构也能收集到大量用户对机构的主动反馈。通过对主动反馈以及用户的一些具体的学习行为的分析，可以为用户提供多样化的教学手段，比如用推送片段化教学资料取代传统的定时学习，或者将教学入口整合嵌入用户常用的平台，优化用户体验等，有利于加强用户对机构的忠实程度。

二、大数据整合处理的策略

（一）建立全面的数据收集系统

如果想要通过分析整合数据来提升机构的竞争力，首先要确保在数据收集这个环节，收集到的资料真实有效，并且可以被很好的利用。这就要求机构收集全面的用户资料，比如用户来源渠道，用户使用服务的渠道，用户的学习偏好、学习时间段、学习内容等。同时如果想要有效的收集和管理大规模的数据，也应当对数据指定相应的标准，确保数据的格式的一致性和可转换型，这样能确保对不同渠道收集来的海量用户数据进行顺利整合，避免出现数据兼容性问题，造成数据可用性降低或者失效。

（二）选择正确的分析方向和模型

在对数据进行整合、分析以及数据挖掘时，要以业务需求为中心，比如对于教育机构，就应当以提升教学质量和用户满意度为分析挖掘的方向，并以此确认数据之间的关联关系，制定数据的核心指标。同时也要注意选择的分析方法的可靠性，如果处理大数据的分析模型是有偏差的，不完全的，那么数据处理的结果也可能是不可靠的，直接使用这些结果会造成错误的分析判断。

（三）分析结果应当是易于理解的

数据分析模型得出的核心指标数据想要被充分的理解和利用，就需要通过直观的、利于理解的方式进行数据展现。比如通过可视化技术，如看板、行为路径、图形分析等对数据进行展示，便于分析人员得出结论，并从中挖掘出深层联系。

（四）重视交互反馈数据的收集分析

在进行数据的收集分析时，比起收集用户的初始数据，更重要的是收集用户的使用和反馈数据。比如在收集用户的课程选择信息，导师选择信息，课程完成情况，信息接收渠道偏好等，并通过分析收集到的数据对用户进行有针对性的课程推荐后，及时收集用户对于推荐信息的反馈。通过分析用户反馈来确认推荐的有效性，从而确认前一步的数据收集分析是否有效准确，而后进一步对分析模型进行调整或修正，达到一个数据分析的闭环，有效的提升数据分析挖掘的有效性以及准确性，提升大数据的可用性。

（五）保证信息的安全度

远程教育是网络化的教育，在过程中收集到的用户信息不仅限于用户的学习信息，还有一些与用户个人信息相关的账号信息。如果这部分信息处理不当，可能会对用户的个人财产造成损失，这就要求机构在处理分析数据时，有意识的做到安全防护，比如通过专用虚拟网络传输数据，对数据进行分布式云存储并对数据进行脱敏，在此基础上再进行数据挖掘。对于需要访问数据的人员进行身份认证和权限控制等。

三、结束语

综上所述，“互联网+”为大数据分析技术的应用提供了广阔的空间，远程教育机构应该创建数据收集环境，通过形成数据分析闭环，利用数据推动自身发展，充分把握“互联网+”为机构带来的机遇。