商務智能技術在高校信息管理平臺中的應用分析

【摘 "要】隨著高校信息化的建立，高校中業務辦公系統和公共服務體系的完善，大量的有價值的數據正在積累和形成，因此，對高校信息管理平臺存儲的數據進行分析、采集、挖掘和重組等是非常有必要的研究應用價值。本文介紹了商務智能的主要內容，關鍵技術和目前的應用，并簡要分析了高校的教務管理、招生管理和人事管理等幾項工作在商務智能的可行性及應用思路。

【關鍵詞】商務智能 "數據倉庫 "數據挖掘 "信息管理

【中圖分類號】 G64 " " " "【文獻標識碼】 A " " " "【文章編號】 2095-6517（2014）08-0086-02

目前，我國教育事業發展迅速，隨著計算機網絡的發展，推動了教育水平的發展和提高。越來越多的高校建立自己的管理平臺，比如：學籍管理平臺、教務管理、門戶網站等等，便于日常管理和宣傳，同時給各工作部門帶來方便、直觀、省時等的作用，但也出現了以下幾個方面的問題：（1）這些信息管理平臺都是根據部門的需要而進行設計開發，不同的部門有自己的一套信息管理平臺，未能實現部門間橫向的數據和信息共享。（2）管理平臺基本上是在已有的硬件基礎上，進行搭建的，一般都是基本的數據庫，只能完成數據的查詢、添加、刪除、更改、統計這些基本功能，只是解決了人工抄寫和整理的任務，可以說減輕了員工工作量，但未對數據進行深層次的分析。（3）經過多年的積累，管理平臺儲存著大量的數據，對于管理者來說幾乎是負擔，刪除又不舍得，留著也不能進行深層次分析，得到更大價值的數據。所以，出現了大量數據占內存，數據中所具有的價值都得不到利用，還要花費人力物力對數據進行維護。

以上這些問題就要求學校各部門的管理者，需要對多年來的數據進行深層次的整理和分析，可以通過對數據進行分析得出更多有價值和意義的總結，從而能輔助學校進一步管理學生，提高管理效率。本文就對商務智能技術在信息管理平臺背景下的高校數據（教務、招生、人事三方面）分析和管理進行分析說明。

一、商務智能

1.商務智能的內涵

在1996年，由Gartner Group的Howard Dresner提出商務智能的概念，商務智能（Business Intelligence，簡稱BI）。商務智能是目前在計算機軟件領域中相對高端的技術專題，是圍繞數據集成、數據集市、數據倉庫、報表、聯機分析處理（OLAP）、數據挖掘等一系列技術的組合。其目的是將零散的數據進行清洗匯總，通過合理的表現形式，將數據轉換成知識，最終起到知識挖掘，輔助決策的作用。

2.商務智能的關鍵技術

目前，可以把商務智能理解為一種管理理念或者管理思想，其本質是問題解決方案。商務智能實際上是把現有的數據，通過自身數據管理方法和數據倉庫，進行聯機分析處理或者數據挖掘等，通過這些海量歷史數據進行操作，從而得出對管理者更加有價值的數據和結果。通過這些分析結果，便于管理者管理，大大提高該單位的工作效率和競爭力。因此，BI具有以下幾項關鍵技術。

第一，數據倉庫（Data Warehouse）。數據倉庫其實就是一個數據集合，就是把多個數據源的數據收集起來，并統一方式存儲起來。作為數據倉庫創始人之一的W.HInmon，他是這樣描述的：“數據倉庫是一個面向主題的、集成的、穩定的、包含歷史數據的數據集合，它用于支持管理中的決策制定過程”。要想構建數據倉庫，需要對數據進行抽取（Extraction）、轉換（Transformation）和裝載（Load）這三步，簡稱ETL。通過ETL，把各種數據（比如：關系數據、外部數據、遺留數據和其他相關數據）進行建模并加以組織。目前所使用的模型主要有兩種，分別是星形模式和雪花模式。

第二，聯機分析處理（On-Line Analytical Processing）。在1994年，由Codd提出的聯機分析處理，也可稱作多維分析，功能是對數據倉庫的多維數據，進行鉆取、切片、旋轉及立體多維分析等操作，從而展現結果，得出管理者所需要的決策數據。

第三，數據挖掘技術（Data Mining）。數據挖掘是通過工作人員預先設定的規則，來對數據庫和數據倉庫中的數據實施開采和分析操作，來得到隱藏的模式和規則，從而給管理者提供更有價值的信息。得到的模式和規則是預測型的或者描述型的。若按模式的實際作用進行分類，分為：分類模式、聚類模式、回歸模式、關聯模式、時間序列模式等。其算法有很多，比如：聚類算法（Clustering）、回歸算法（Regression）、神經網絡（Neural Networks）、決策樹（Decision Trees）、遺傳算法（Genetic Analysis）、關聯算法等。

第四，BI的表示和發布技術。為了使分析后的數據直觀、簡練地呈現在用戶面前，需要采用一定的形式表示和發布出來，通常采用的是一些查詢和報表工具。不過，目前越來越多的分析結果是以可視化的形式表現出來，這就需要采用信息可視化技術。

所謂信息可視化是指以圖形、圖像、虛擬現實等易為人們所辨識的方式展現原始數據間的復雜關系、潛在信息以及發展趨勢，以便我們能夠更好地利用所掌握的信息資源。隨著Web 應用的普及，商務智能的解決方案能夠提供基于Web 的應用服務，這樣就擴展了商務智能的信息發布范圍。作為基于Web 的商務智能解決方案，需要一些基本的組成要素，包括基于Web 的商務智能服務器、會話管理服務、文件管理服務、調度、分配和通知服務、負載平衡服務和應用服務等

3.商務智能應用

可以說，行業信息化程度越密集，商務智能的應用越廣泛，可見，其主要應用在商業領域，并取得很多成功的案例。當然，商務智能的應用具有普遍性，不能只局限在商業領域內，企業中有大量的業務數據、歷史數據，對相關數據進行分析，面對這一需求，很多行業使用商務智能處理，來給該企業管理者提供管理和決策支持。由于教育事業也具有這些特征，因此，隨著我國教育事業和科技信息化的發展，高校教育事業的模式都在發生著變化。高校中，有著很多的數據要處理，比如招生信息、就業信息、教務信息等，這些日常的管理信息都需要記錄，隨著時間，信息量越來越大，這些數據非常重要，關系著學校未來的發展和管理，不能隨意刪除，怎么保存這些數據或者如何管理這些數據成了問題。為了更加高效的利用這些數據，管理這些數據，到達為學校服務的目的，可見，商務智能可以解決這些問題，因此，商務智能得到了應用。

二、商務智能在高校信息管理平臺的應用分析

為了更加高效的利用商務智能，應該注意兩個關鍵點。一是：明確功能，了解需要解決的問題。二是：構建數據倉庫。在構建數據倉庫時，應該明確主題，接下來選擇數據模型。在確定主題后，無論選擇那種模型，關鍵是事實表和維度表的設計。完成這兩個關鍵點后，才能選擇數據的來源、ETL過程、使用哪種分析方式、哪種挖掘規則、算法和最后結果如何展示等。

1.教務管理中的應用

教務管理是高校的主要日常管理工作之一，教務管理關系到很多方面，比如：系別、教師、學生等。目前高校都采用的是學分制和選課制，可見，教務處需要管理大量的數據（學生信息、成績信息、學分信息、選課信息等）。這些數據之間存在著很大的關聯，需要對其進行進一步深層次的分析，才能得出更加有價值的信息。所以，把商務智能應用到教務管理中是非常有必要的。可以通過商務智能把數據進行分析，得出有利于學校發展的信息，達到事倍功半的效果。

運用商務智能技術可以解決教務管理中的以下幾方面問題：（1）利于學生個性培養，可以使用分類和回歸的方法;（2）可以進行方便合理的排課，使用關聯和時間序列的方法;（3）評價學生學習情況，可使用聚類和關聯的方法。教學案例，可以把數據倉庫的主題設定為“教學分析”，設計事實表“成績”，表中包含：學號、課程號、成績等字段，選擇星形模型，表位于模型中間。維度表可以有以下幾個：學生維度表、課程維度表、教師維度表、選課維度表、時間維度表。

2.招生管理中的應用

許多高校都有較長的辦學歷史，也積存了大量的生源信息，這些信息稍加處理，將變為對招生工作有指導意義的參考。但由于目前這些信息沒有被高度重視和加以處理，使這些數據沒有能起到應有的作用。從這一點說，高校招生管理最符合商務智能的應用環境，相關研究也相對較多。運用數據挖掘技術中的關聯規則和決策樹挖掘算法對多年來積存的生源信息進行數據挖掘、模型構建、挖掘分析等一系列工作，來發現對招生工作和招生宣傳工作有指導和促進意義的知識，為提高學校招生工作效率提供支持。

使用關聯規則對歷年積累的生源信息進行深入挖掘，發現生源層次、專業、地域、畢業高中、科類間的潛在聯系和規律，從而為招生宣傳工作提供決策支持。高校招生管理的主題以“考生信息”作為事實表，以“學生”、“籍貫”、“成績”、“錄取時間”、“考生類別”、“錄取專業”等作為維度表。通過星形結構的模型建立，可以解決招生的大部分決策問題。比如某段時間學生報到的情況;哪些專業的學生報到率最高;哪種類型的學生最可能報考我們學校等等。

3.人事管理中的應用

對于高校而言，人事信息量大、很重要、復雜、易變動，很多高校的人事數據庫用于查詢和統計，如果把這些信息進行進一步的分析和挖掘，可以起到對教職工考核、預測等作用，還可以分析需要哪些人才，達到引進教職工的效果。使用商務智能，對教職工的年齡、職稱、專業、研究成果等因素進行分析，采用關聯規則和時間序列進行深度分析，從而發掘潛在的關系，對學校的學科發展和師資隊伍建設有重大的作用。

高校人事管理的主題可以有多個，比如：“教職工管理”、“新職工招新”、“進修發展”等。同樣維度表也多種，比如：教職工表、教學表、科研成果表、進修學習表等。最后按照不同的主題來選擇數據源，設計相應的數據模型。

三、結束語

本文主要對高校商務智能的應用管理平臺舉例分析說明，通過具體案例分析，得出商務智能可以應用到高校管理中，且有很大的作用，能起到很好的管理作用。當然本文只是簡單說明，未對其做具體介紹，沒有設計設計步驟和技術實現，有待將來繼續研究。因此，我們相信，在未來高校的數據倉庫領域，將在保障數據集中和數據質量的前提下，不斷深挖數據的應用價值。通過這次課程論文的寫作，更進一步認識商務智能在工作中的應用，也為下一步在工作運用商務智能解決數據問題做了鋪墊。

【參考文獻】

[1] "應國良.商業智能技術在高校信息化管理中的應用[J].中國電化教育，2012（308）：134-138

[2] "朱曉武.商務智能的理論和應用研究綜述[J].計算機系統應用，2007（1）：114-117

[3] "夏國恩，金煒東，張葛祥.商務智能在中國的現狀和發展研究[J].科技進步與對策，2006（01）：173-176

[4] "鄺濤.數據挖掘技術在高校教務管理系統中的應用[J]. 新鄉學院學報（自然科學版），2012（01）：28-30

[5] "白菲，孟超英.數據挖掘技術在高校人事信息建設中的應用[J].教育信息化，2005（09）：75-76

[6] "徐健.數據挖掘技術在高校招生信息處理中的應用[J].農業網絡信息，2013（11）：133-137