數據倉庫支持高校管理決策

文/聶明輝

數據倉庫支持高校管理決策

文/聶明輝

校園數據應實現有選擇的整合，形成多維數據立方體。當然，我們需要的不僅僅是這個數據立方體，更重要的是挖掘出隱藏在立方體中的信息資源。而要獲得信息資源，我們必須制定詳細的數據挖掘策略。

數據建設是數字化校園三期重點

縱觀十幾年的發展歷程，我國數字化校園建設大體上經過了以下三個階段：

第一階段，校園網絡化。即通過大量購置網絡基礎設備組建互聯網。

第二階段，資源數字化。網絡的特性決定了只有數字化的資源才能在其上運行，也只有數字化資源才能更好地發揮網絡的優勢。所以第二階段的主要工作就是應用軟件和資源數據庫的建設。

第三階段，應用“集成化”。“集成化”是數字化校園建設的必然，包括門戶集成、應用集成、數據集成等。“集成和整合”是目前各高校數字化校園建設的主要目標和方向。

江蘇警官學院于2002年開始進行數字化校園建設，一期主要是架構校園網絡；2006年開始數字化校園二期建設，主要是教務、教學、OA辦公等應用軟件的建設；2011年規劃數字化校園三期建設，主要是門戶以及各應用系統的集成和整合。目前，此項工作由筆者負責。

隨著數字化校園建設的逐步深入，未來我們必將面臨的一個重要問題就是海量數據的有效存儲和優化處理。事實上，經過幾年的運行，我院的數字化校園已經積累了大量的數據，而這些數據的價值并沒有被充分地利用起來，甚至都沒有引起足夠的重視。如何更好地存儲和利用這些數據是數字化校園三期建設必須重點解決的一個問題。經過一番研究和分析后，我院決定借用數據庫領域成熟的研究成果，構建一套基于數據倉庫技術的數字化校園信息平臺。

圖1 江蘇警官學院數字化校園信息平臺總體架構

信息平臺以數據倉庫為核心

設計目標和原則

江蘇警官學院數字化校園信息平臺規劃有以下三大目標：

1. 集成教務、教學、科研、人事等多個業務系統，歸于校園門戶統一身份認證，進行單點登錄；

2. 制定統一的信息標準，規范數據的維護、管理和使用；

3. 構建以數據倉庫系統為核心的數據中心，優化數據的存儲和使用，為學院各部門的持續發展提供數據支持，為學院領導的重大決策提供信息參考。

設計原則是統一規劃、整體設計、界面易操作、系統可擴展、統一數據標準、重要數據永久保存及按需提取。

如圖1所示，我院數字化校園信息平臺采用的是SOA軟件系統架構。SOA架構提供三方面的集成能力：數據、流程和界面。其中，數據集成是我院數字化校園信息平臺建設的重點，也是難點。為此，我們考慮構建以數據倉庫為核心的數據中心平臺，將我院數字化校園的建設理念從單純應用躍升到以信息促教學、以信息促科研、以信息促管理的更高層次。

數據倉庫技術

數據倉庫之父William H. Inmon在1991年出版的“Building the Data Warehouse”一書中提出：“數據倉庫是一個面向主題的、集成的、相對穩定的、反映歷史變化的數據集合，用于支持管理決策。”數據倉庫研究和解決從數據庫中獲取信息的問題。數據倉庫的特征在于面向主題、集成性、穩定性和時變性。

圖2是斯坦福大學“WHPS”課題組提出的一個數據倉庫基本體系結構模型。事實上，我們目前所研究的任何一種相對復雜的數據倉庫結構，都是由此基本結構發展而來。此結構的基本組成包括：

1. 外部數據源。為數據倉庫提供最底層的操作數據庫系統；

2. 監視器。負責感知外部數據源發生的變化，并按設定的需求抽取相關數據；

3. 中間集成器。將從操作數據庫中抽取經過清洗、轉換、加載等操作的數據，集成到數據倉庫中；

4. 數據倉庫。存儲經過清洗、轉換后的干凈數據供分析處理用。根據不同需求，數據能夠按不同深度進行存儲。數據倉庫中還存儲元數據，元數據記錄了數據的結構和數據倉庫的變化等重要信息；

5. 客戶應用。供用戶對數據倉庫中的數據進行訪問查詢，并以直觀的方式展示分析結果。

構建數據倉庫通常采用CLDS方法。所謂CLDS方法，是指與傳統的數據庫系統設計方法SDLC（Systems Development Life Cycle）截然相反的一種設計方法。通常，我們也把這種從已有數據出發的數據倉庫設計方法稱為“數據驅動”的系統設計方法。“數據驅動”的系統設計方法不再是面向應用的，而是從應用需求出發。這些工作已經在數據庫系統設計時完成，其成果就是現有的數據庫系統及其在數據庫系統中的數據資源。數據倉庫的設計其實就是從這些已有的數據庫系統出發，按照分析領域對數據及數據之間的聯系重新考察，組織數據倉庫中的主題。

為了解決數據倉庫架構的選擇問題并清除所有的干擾，人們制定了DW2.0（全稱是Data Warehousing 2.0）。DW2.0中有很多重要的構架特征。這些構架特征代表了DW2.0相對于第一代數據倉庫在技術和構架上的進步：

1. 認識到數據倉庫中數據的生命周期，按照數據的訪問概率設立了倉庫分區；

2. 認識到元數據的重要性，并按實際需要采取不同的方式進行存儲；

3. 對于非結構化數據有了更好的處理方法。

數據倉庫分為三大主題

數據中心以數據倉庫為核心，整合相關業務系統數據庫，實現統一的維護管理。主要流程架構如圖3所示。

江蘇警官學院數字化校園信息平臺的數據倉庫在設計時，嘗試性地確立了三大主題，分別是學生、教工和科研。各主題及其相關建模分析如下：

1. 學生

學生是學校教學活動的兩大主體之一，通過收集學生日常的學習、生活等各方面信息，我們能夠直觀地發現某些規律和趨向，為學院的管理和教學工作提供參考。以學生為實體，我們考慮用星型結構輔助雪花型結構設立五個維度，分別是基本信息（細分為年齡、籍貫、性別等個體相關的數據資料）、在校時間、在校成績、生活消費（細分為校園內的吃、用等日常消費記錄信息）、資源使用（細分為書籍借閱、上網時長、資源下載等記錄信息）。

2. 教工

除了學生，學校教學活動的另一大主體就是教工，學校的正常管理和運作都需要教工來具體實施。以教工為實體，同樣設計五個維度，分別是基本信息（細分為年齡、籍貫、職稱等個體相關的數據資料）、資源使用、在校時間、科研成果、工作考核。

3. 科研

科研活動是學校除教學活動之外的另一個重要工作，而科研成果情況也是評價一個學校發展狀況的重要指標。以科研為實體，我們考慮設計三個維度，分別是時間、人員（細分為基本履歷、所屬機構、學術檔案等信息）、項目（細分為名稱、經費、成果等信息）。

三大主題并不獨立，而是相互關聯的，它們的模型結構如圖4所示。

數據粒度方面，我們按照數據產生年限，遵循由細到粗的處理原則。例如，交互區的數據在時間維方面，我們可以劃分到周、日，而在整合區則為月、旬，到了歸檔區則以年、季作為時間單位。

有了詳細的概念模型后，我們就能設計出具體的邏輯模型。以學生主題為例，我們可以設計如圖5的邏輯模型。

最后，我們利用Oracle數據庫開發工具，按照邏輯模型創建表格，完成整個數據倉庫的物理設計。

挖掘“倉庫”資源

信息平臺的數據倉庫按照數據訪問概率設置數據生命周期“分區”。分區包括交互區、整合區和歸檔區。交互區同時又是業務系統共享庫，為學院不同部門提供交叉數據調用，所以交互區的訪問最為頻繁。其次是整合區，經過按主題需要篩選后的數據就存儲在這個區。通常情況下，整合區的有效訪問數據被控制在3至4年內，此后，隨著訪問概率的下降，自動存儲到歸檔區進行長期保存。

在整合區，校園數據實現了有選擇的整合，形成了多維數據立方體。當然，我們需要的不僅僅是這個數據立方體，更重要的是挖掘出隱藏在立方體中的信息資源。而要獲得信息資源，我們必須要做的一步重要工作就是制定詳細的數據挖掘策略。

以學生主題為例。通過制定一系列的策略，借助多維數據分析工具，我們能夠迅速了解到一個或一類學生在學院的生活學習情況。了解到他們在幾個學年內的變化情況，而后通過這些變化所透漏的信息及時掌握學生的思想狀況，采取相應的疏堵措施。

當然，策略的制定是因人、因部門、因需求而異的，并沒有統一的規則，只有合適、合理地挖掘策略才能獲取更有效的數據信息，也才能為學院教學和科研的持續發展提供更有價值的參考。

數據的存儲和有效利用問題，是我國深入建設數字化校園必然要面對的一個重要問題，而數據倉庫技術是未來我們解決數據問題的一個很好的手段和方法。本文所提出的基于數據倉庫技術的數字化校園信息平臺方案，還需要未來實踐的檢驗，以及在后續工作中不斷地充實和完善。

（作者單位為江蘇警官學院現代教育技術中心）

備注：本文來自江蘇警官學院青年項目（批準號：11Q02）