2021年底，教育部科技发展中心发布的《中国高校信息化发展报告（2020）》中提到，目前高校基础网络设施、机房硬件资源持续夯实，网络基础服务、增值服务和计算存储能力基本满足高校信息化需求^[1]。数据中心的建设打通了各业务系统之间的数据桥梁，大大缓解了数据“孤岛”的问题。

得益于良好的信息化基础设施及数据“孤岛”问题的解决，高校业务系统得以长期稳定运行和提供服务，从而沉淀了大量宝贵的数据资产，这些数据资产为高校在大数据时代的发展奠定了基础。

《加快推进教育现代化实施方案（2018-2022年）》中提出，要“创新信息时代教育治理新模式，开展大数据支撑下的教育治理能力优化行动，推动以互联网等信息化手段服务教育教学全过程”。

近年来，以数据驱动和用户为中心特征的两类创新应用大量涌现，数据仓库、大数据、数据挖掘、知识图谱、数据中台等数据领域新概念的推出，为大数据支撑下的教育治理模式注入了新的活力。

信息化基础设施的夯实、数据“孤岛”问题的缓解、大量业务数据资产的积累及信息时代教育治理新模式的推出给大数据在高校中的应用提供了新的机遇，但是在实际落地过程中也面临着诸多问题和挑战。

从数据结构的角度看，高校产生的数据主要分为结构化数据和非结构化数据。

结构化数据包括个人基本信息、学习信息、工作信息、教学信息、科研信息、证书信息、奖励荣誉信息、图书馆藏及借阅信息、车辆及出入信息、资产信息和日志信息等；非结构化数据包括但不限于各类文本、报表、照片、图像和音视频等。

当前高校的大数据分析主要基于结构化数据，在分析过程中发现的主要问题包括数据缺失、数据内容无效、数据重复、数据定义不清晰、数据录入更新不及时以及前端数据录入错误等。

“无治理，不分析”，没有好的数据质量，就无法得出有价值的分析结果，分析界面再炫酷、数据算法再优秀也没有用^[2]。因此，高校数据质量对数据分析和数据应用有着深刻的影响。

高校中高层领导及业务直接管理者的数据思维对大数据在高校中的应用至关重要。数据思维指运用数据来理性分析并处理事物，即“抓重点，善于简化；求精确，注重量化；知不知，追求真理”的思维模式^[2]。

高校中很多管理者习惯依靠自身经验或先前的工作模式来判断和解读事物，不习惯用数据思考、用数据说话、用数据决策，忽略了数据的重要性。人工智能、数据仓库、数据可视化、数据挖掘、领导驾驶舱等概念的不断推出及一些商家的过度炒作，会给高校管理者带来一些误导，导致其还没搞清楚概念就盲目跟风，影响数据治理及数据分析项目的落地。

《中国高校信息化发展报告（2020）》对比了国内高校与美国高校的信息化经费及人力投入现状，发现目前国内高校信息化投入经费占学校总支出的4.46%，而美国高校该比例为4.3%，说明国内对信息化工作普遍重视，在经费保障方面力度较大，但是国内高校信息化工作人员比例仅为美国高校的1/6，差距较大^[1]。

当前国内高校的信息化人员主要分为两类：一是全职从事信息化工作的人员（本文称为技术人员），二是各部门的信息联络员（本文称为信息员）。技术人员通常是信息处的工作人员，主要从事数据交换、公共服务系统的维护（如邮箱、VPN）、网络硬件及安全保障等工作，其对涉及学生教师的具体业务流程缺乏了解；而信息员除本部门的信息化工作外，往往还需要兼顾其他工作，与技术人员缺乏沟通，同时受限于专业背景，缺乏数据思维，很难从技术角度梳理本部门的数据分析需求，造成技术与需求的脱节。

随着大数据分析技术的发展，高校正积极探索大数据在服务决策支持、师生行为预测等方面的应用，目前主要聚焦在消费行为、数据画像、教学评价等相关领域，但应用深度较浅，对决策支持的作用不明显^[1]。

与此同时，尽管从事软件教育行业的企业数量可观，不少企业提供一站式数据分析平台，即从数据接入，到数据整合处理、指标管理，再到数据分析和应用等一系列功能，但是数据分析模块大多属于边缘业务：一是各高校的应用场景、数据和业务规则均存在差异，很难有一个通用的模板；二是缺少专业的算法工程师针对不同的需求进行模型设计、测试和训练。

数据管理与治理、大数据教育应用已成为高校信息化建设的热点，是下一阶段高校信息化建设的重点。本文提出如下发展建议，助力大数据在高校中的发展。

无论是从畅通业务流、打通服务“最后一公里”的角度，还是从大数据分析做好决策支持的角度，数据作为所有业务流转和决策支持的基础，其标准化和共享化都应成为高校信息化建设的重点^[1]。

宋苏轩^[3]等学者提出要构建具有过程、调和、多元、互动四大特征的高校数据治理统筹管理体系，设计了包括关注范畴、组织结构、价值流动和风险防控四个方面的实践路径，助力高校数据治理统筹管理工作的开展。

在纷繁复杂的大数据时代，高校人员需要通过“数据思维”从大量信息中了解事物的真相，使得高校决策人员能够从战略的高度进行数字化部署；高校管理人员养成“用数据思考，用数据说话，用数据管理”的思维习惯；高校业务人员可以将错综复杂的业务问题转换为技术人员擅长的数据应用问题；高校技术人员得以正确理解业务需求，设计出满足业务需要的数据产品。而“数据思维”的建立可以从这几个方面入手：

第一，自上而下的推动。管理者的思维方式和办事风格会影响其带领的工作人员。工作人员会逐渐了解并模仿领导的思维方式和办事风格。同时，同一部门的工作人员之间也会相互影响，进而逐渐将数据思维融入高校数据文化中。

第二，通过数据驱动推动数据思维的建立。“采集数据、挖掘数据、指导行动、验证数据”是数据驱动的完整周期，将数据驱动周期应用到实际的业务工作中，通过大量的实践来推动数据思维的建立。

第三，将数据思维的培训加入到员工培训中。通过培训将数据思维的定义、特点及建立方法传递给高校工作者，可以从一定程度上改变工作人员的行为习惯和思维方式。

技术与需求的脱节是大数据在高校实际应用中无法真正落地的重要原因之一。

第一，部门需设置专人负责本部门的数据存储管理、信息系统的开发维护及业务数据的挖掘分析，这对从业者的技术背景和综合分析能力提出了更高的要求。

第二，信息处的技术人员要下沉到业务部门，鼓励技术人员到业务部门挂职，培养出信息技术与业务知识兼备的复合型技术人才。

挖掘数据价值需要高校业务部门、技术部门、企业三方联合，业务部门作为需求的提供方，需要将错综复杂的业务问题转换成明确的业务需求；技术部门需要总领全校的信息化发展方向，防止业务部门盲目跟风，同时梳理各部门的业务需求，了解数据领域的新动向，寻找合适的技术实现手段；企业不可盲目炒作、过度宣传，项目经理要站在高校的角度去思考问题，明确产品的应用场景，同时培养一批专业的算法工程师，将产品做深做实。

*文章来源：中国教育网络

*侵权必删