高校數據中心生態的研究與應用

李引 陳敏鋒

摘? 要：隨著大數據發展行動綱要、教育信息化2.0行動計劃等政策的出臺，信息化已上升為國家戰略。高校“十四五”信息化發展的著力點也已從數字化校園轉向“智慧校園”“智能校園”。無錫商業職業技術學院對校內數據中心構建“一中心、兩體系、三平臺”新生態架構，進行深度數據治理，打造全量數據中心，促進內部治理精準化、師生服務高效化、分析決策科學化。

關鍵詞：數據治理;數據精細化;全量數據中心;共享與交換體系

Abstract：With the introduction of big data development action programme，education information 2.0 and other relevant policies，information has become a national strategy. The focus of information development of colleges for the “14th five year plan” has also shifted from digital campus to “smart campus” and “intelligent campus”. Wuxi Vocational Institute of Commerce builds a new ecological architecture of “one center，two systems，three platforms” for the school data center，conducts in-depth data governance，builds a full data center，and promote the precision of internal governance，the efficient service of teachers and students，and the scientific analysis and decision-making.

Keywords：data management;data refinement;total data center;sharing and exchanging system.

0? 引? 言

信息技術引領新一輪科技革命和產業變革，對學校教育產生了深刻影響。《國家中長期教育改革和發展規劃綱要（2010—2020年）》[1]，著重強調實現教育現代化要以培養創新人才為核心。高校信息化建設能夠促進教育教學改革，為高素質和創新型人才的培養提供強有力的后盾。《教育信息化2.0行動計劃》[2]推動著高校的信息化建設目標從“數字化校園”階段邁進“智慧校園”階段。而不論是創新人才的培養還是“智慧校園”的建設，都需要多維、完整、準確的數據來支撐。

數據作為信息的載體，是各類信息系統建設、使用、維護保障最為重要的基礎，在當前高等教育邁入大數據時代的宏觀環境下[3]，高質量的數據對于高校業務運轉、決策支持和文化建設、教育教學質量提升，體現出越來越大的價值。

1? 高校數據中心存在的問題

目前大部分高校通過前期“數字化”校園建設，基礎服務平臺、各類信息系統的建設已逐步完成。同時，也積累了大量業務數據，隨著數據量的不斷聚集，數據驅動的業務、決策已經成為學校的基本活動，因此高校對于數據的要求都越來越高。而高校數據中心作為全校數據服務支撐來源，一是要求數據精細化，二是要求數據全面化。精細化體現在高校的數據治理，逐步建立和推進數據管理制度。數據全面化表現在除了對基礎的主數據進行交換共享，高校還能夠普遍重視師生在各種活動中產生的過程性數據，比如學生成長數據、學習軌跡數據、科研過程數據等。

隨著信息化進程的不斷推進，高校數據中心面臨四個主要問題：（1）數據整合程度不高，數據孤島依舊存在。已建數據中心已集成了部分信息系統，僅解決各業務部門“各自為政”的問題，但是數據流程未打通，嚴重影響了跨部門之間的業務協同。（2）數據交換粗放，數據質量問題日益突出。傳統的數據中心建設，關注點主要是在基礎的主數據交換，在數據治理上，缺乏制度保障，標準規范和有效工具等，使得數據質量不高，信息難以整合分析。（3）數據共享缺乏管控，數據安全面臨風險。數據共享階段，數據的供應是通過對數據庫的配置發布表或視圖。數據發布過程中難以監控數據的調用過程、頻度、用量等，無法發現和阻止對數據的不當使用，對數據安全管理造成不小的威脅。（4）缺乏更多數據的利用和綜合數據分析應用。高校建設的共享數據中心平臺架構上不支持更多類型的數據，例如上網日志數據、外部互聯網非結構化數據等，無法構建更精準的數據分析服務，為領導決策提供數據支撐。

因此，構建高校數據中心新生態，不僅解決數據有無問題，還要支撐數據的持續和全面治理。未來只有在堅實的數據基礎平臺，支撐各種應用和服務，并以數據為驅動，對高校各項業務進行優化提升，對高校決策管理進行輔助，才能更好地助力高校的發展。

2? 數據中心生態的概念及研究現狀

2.1? 數據生態的含義

“生態”一詞來源于古希臘字，意思是指家（house）或者我們的環境。簡單地說，生態就是指生物之間以及生物與環境之間環環相扣的關系。伴隨著信息社會的發展，數據無時無刻地在產生、繁衍，我們每個人都是數據的一部分，都在扮演著不同的角色，可能是數據生產者，也可能是數據使用者、數據受益者。在這之中，我們可以形成一個數據生產-數據加工-數據分析-數據交易-數據應用-數據生產的閉環。因此信息社會是一個海量級數據生態平臺，在每一個環節都是可以實現并展示出來的，之后形成了一項資產，產生了巨大的商業價值。

構建高校數據中心生態體系如圖1所示，通過打通校內重要數據產生及使用部門，完成數據在校內的強大內循環，數據生產者也是數據服務的重要對象，由數據服務對象參與的外循環則為“內循環”積累的數據找出路，方便其通過各種形式的終端獲取數據服務，內外循環同驅，使學校數據“活”起來。

2.2? 研究綜述

在教育領域，依托于人工智能、云計算、大數據技術的融入，及計算機運行及存儲能力不斷發展與提升。數據治理的主要矛盾從單純的技術問題轉移到如何更好地對數據價值進行挖掘、展現和利用。2015年，許曉東、王錦華等人對高等教育的數據提出涵蓋數據獲取、整合、分析等多個階段的治理分析架構[4]。隨著數據治理階段引入的模型算法也越來越復雜，余鵬等人利用大數據視域開展數據治理，基于“五元”管理，重構數據中心，解決數據標準不統一、數據流向混亂、數據應用范圍小等問題，更好地為教育教學提供決策服務[5]。董曉輝等人依據權變理論，從技術環境、制度環境雙方面設計大數據治理框架，以點帶面逐步推進教育治理進程[6]。高校教育數據生態的研究與治理不僅是高校質量發展的內在要求，而且引領著教育數據走向更廣、更深的應用服務。

3? 高校數據中心生態框架設計——以無錫商業職業技術學院為例

學校作為數據產生、擁有和使用的主體，數據的價值若得不到充分開發利用，管理水平就難以提升，重要決策難以支撐，“智慧校園”的推進也難以獲得明顯的成效。

無錫商業職業技術學院的數據中心生態體系架構設計如圖2所示，通過數據治理工作，構建具有合理、規范、可持續提升的數據規范體系，建設全量數據中心，打造全量數據中臺、指標庫、模型庫、主題庫，通過共享與交換體系，為數據流通提供交換與開放平臺，并以數據質量平臺核檢數據，積累數據資產，真正達到數據的準確性和權威性。高校數據中心生態以數據賦能學校當期和未來所有的信息化建設，盤活數據和應用生態，挖掘數據價值，釋放數據紅利。

3.1? 數據集成

學校根據國家、教育部數據標準，結合現有的業務數據，形成符合實際需求的數據標準，涵蓋了學生管理、教學管理、教職工管理、科研管理、財務管理等多個數據子集如圖3所示。

學校業務數據不規整，存在缺失、散亂的情況，而且存在的類型多樣化，格式不一致。在填寫和錄入業務數據時，也缺乏嚴格的數據質量檢查。統一數據集成把各種紛繁復雜的數據系統集成在一起完成特定業務，建成“統一門戶、統一身份、統一數據”的“智慧校園”綜合服務平臺如圖4所示，打通“信息孤島”，實現系統集成。

對于未來新建設的系統，也要求具備從標準規范制定、數據準入規范制定、數據全量采集抽取、數據集中治理、數據共享交換等全流程的數據接入和共享能力[7]。

3.2? 全量數據中心

3.2.1? 全量數據治理中臺

數據治理是一個整體概念，作為數據管理的一部分。目的是將零散的、無規則的數據治理成符合統一標準、有秩序的主數據，為形成有效數據資產[8]奠定基礎。全量數據治理中臺的建立，實現自動化/半自動化的采集與治理，降低對于數據庫語言或Hadoop組件的依賴，提升數據治理的效率。通過高速的數據采集，歷史數據、實時數據的共享，形成全量數據倉庫，覆蓋全校所有信息系統、應用和服務數據。在全量數據倉庫的基礎上建立數據分析模型，提供數據的查詢、統計、分析和深層次數據挖掘，為各級領導提供智能決策支持。

3.2.2? 指標庫

建立統一的指標庫，能夠優化數據的采集和審核流程，提高輸出的有效性。學校以8字形質量改進螺旋運行機制為引導，對學校指標層面（學校、專業、課程、師資、學生）和維度（學校、二級學院、部門、專業、課程、班級、教師、學生等）建立指標庫。先將數據從教務系統、一卡通系統、學工系統等業務數據原始倉庫中抽取、轉換，加載到全量數據中臺，對數據的一系列預處理（包括數據脫敏、清洗、數據校驗、刪除/增加數據項、合并數據等）后，設定指標，添加數據標簽。作為之后教學評估、課程推薦等各類場景建模的基礎，輔助完成形象刻畫、精準推薦等分析及決策使用。

3.2.3? 模型庫

集成scikit-learn、Spark MLlib等機器學習和深度學習框架，封裝成統一接口，建立帶有預訓練權重的深度神經網絡模型進行模型演練。建立精準推薦模型庫，能夠收集學生在E學堂瀏覽課程資源、借閱圖書記錄、學生專業學業需求（比如課前預習，課中測試，課后輔導），分析學生特征動態，在登陸、瀏覽或查找教務系統、圖書系統及學習中心時，推薦合適教輔書籍和課程資料給學生。后期學校繼續對學生成績、行為軌跡、上網狀況等建立相應的模型庫，充分挖掘學生群體行為，識別學生發展重要階段及知識需求。

3.2.4? 主題庫

完成歷史數據清理與積累入庫，建立學校主題數據倉庫，通過數據挖掘、大數據分析等技術，跨業務部門，關聯多個數據源，按照特定目的進行數據的篩選、拆分與組合，獲取更有價值的分析結果。比如，通過一卡通消費、教務、上網日志、圖書、宿舍通道等數據，構建學生個人畫像、精準扶貧等多種主題數據庫，提升學生管理工作水平。

3.3? 交換共享與開放體系

目前高校的數據工作主要是結構化業務數據，但結合當前、未來分析以及應用的需求來看，僅僅有結果性的業務數據無法完全滿足的。比如構建學生畫像時，就需要用到海量日志數據;對與學校相關的輿論進行分析的時候，又需要從互聯網上爬取相關的貼吧、微博、論壇等互聯網數據。這幾類數據也是屬于學校的全量數據資產體系，因此需要交換共享平臺在底層對結構化和非結構化數據都具有處理能力。同時，針對上層所有的數據需求，提供統一的數據開放平臺，不僅能夠實現數據治理成果的復用，也能夠實現對于底層技術細節的屏蔽，從而讓高校“智慧校園”生態中的用戶群體都能夠便捷地獲取到各類數據服務，提升高校信息化建設的效率。

3.4? 數據質量平臺

數據的有效性至關重要，以“一數一源”為準則，明確數據質量責任。在業務數據進行采集時，從技術上對數據前置庫進行相應的安全檢核，對即將進入目標庫的數據進行校驗標記，對不符合安全檢核的數據進行警告設置，支持短信、微信和郵件等手段推送預警信息，全面把控數據質量。同時，形成直觀的圖形化數據質量報告，展示全校或者某個業務系統的數據質量情況。

3.5? 決策分析應用

經過多年信息應用系統建設，無錫商業職業技術學院從各類應用系統中提取數據進行管理，整合，分析和利用，發現潛在問題和有價值的規則，并直觀地展示出來，不僅可以為校園師生提供便捷、高效、精準的個性化引導和服務，而且能為學校開展精準化、智能化師生服務提供數據支撐。

3.5.1? 數據“一表通”

“一表通”如圖5所示，面向教師、學生提供統一收集數據入口。針對各個業務系統存在重復填報的問題，通過一次填報，反向推送數據到其他業務系統。輔助師生準確而高效地完成學校各類報表的填寫和上報工作。

3.5.2? 內部質量保證信息化平臺

內部質量保證信息化平臺如圖6所示，基于學校領導、分管領導需求，站在宏觀管理的角度，將主要業務問題和宏觀關鍵指標直觀實時展現出來。結合人才培養質量保證體系建設，建立以“學科”為中心的資源庫、共享庫，對學科數據進行統一管理、自查、評估、對標分析、資源調配。深入研究分析教學過程數據，生成教學質量報告，對學生實行差異化教學，滿足學生個性化發展。

3.5.3? 校本主題數據中心

校本主題數據中心如圖7所示，提供優秀的個性化服務。整合學生在學習通系統、教務系統、一卡通系統、上網日志、圖書系統、宿舍通道等多個數據源，與學生個人基本信息進行綁定，在此基礎上，從不同維度刻畫學生形象，分析學生在校行為特征，不僅便于精準定位異常人群，而且以“大數據+畫像技術”服務于個體精細化管理。

4? 高校數據生態的思考

4.1? 完善制度管理及保障體系

為全校師生提供安全可靠、完整統一的數據信息，將制定更全面的數據管理辦法。從數據分類、數據維護、數據存儲、數據使用與服務、數據安全等各個方面，建立有效的信息系統數據共建、共享體系。建立“誰產生、誰維護、誰負責”的數據質量監督評價機制，業務部門承擔管理數據質量把關責任，確保源頭數據真實、準確、完整、及時，提高數據質量和利用效率。組建領導機構，加大統籌規劃、制定政策、資金投入等各方面的力度，引進各類型的大數據技術和軟件，開展校企合作共同研究與探索模式，更深一步地發揮數據的作用和功能。

4.2? 加強技術培訓及安全管理

通過培訓工作的開展，強化每一位技術人員在信息化方面的能力，尤其是建設數據人才隊伍的梯隊，打造專業、靈活的數據分析團隊，找到校本數據研究分析成果的新視角，為教學和學生服務提供策略指導。

隨著數據進一步的挖掘，越來越多敏感數據、核心數據也會呈現出來，為保證數據的安全性，規范性，要求每一位數據管理者要增強安全管理意識，提高數據安全防范能力，分角色，分用戶地賦予不同權限，提供相應的數據服務。

4.3? 拓展數據服務及模型

通過數據挖掘、大數據分析等技術，不僅多維度地對學校、學院、專業、教師、學生、課程等刻畫“用戶畫像”，而且對于教學活動、業務流程和技術技能積累也要進行過程畫像。集中有效地管理各類數據資源，提升數據質量，為高職教育教學診斷診改建設提供數據支撐。針對不同主題建立更多模型，比如網絡數據分析模型、學生安全預警模型、教學活躍度轉化模型等，以數據為原料，給出分析結論、預測結果等，發揮數據在學生服務、行為干預上的價值。

4.4? 支持多終端來源及顯示

數據采集時能夠對結構化、非結構化數據一網打盡，數據治理時能夠具有更強大的計算能力、智能化處理能力、預測能力。打破傳統業務系統邊界，推進業務系統微服務，以移動端為載體，構建一個健康、開放、可持續的移動校園數據新生態。

5? 結? 論

“智慧校園”的成敗關鍵在于數據，本論文著重研究高校數據中心生態構建的架構，運用扎實的數據治理過程，形成涵蓋指標庫、模型庫、主題庫的全量數據中心，充分地體現數據價值，發揮數據在辦學治校中重要參考決策作用，推動學校治理的“精準化”“科學化”。

參考文獻：

[1] 人民出版社.國家中長期教育改革和發展規劃綱要（2010—2020年） [M].北京：人民出版社，2010.

[2] 中華人民共和國教育部.教育部關于印發《教育信息化2.0行動計劃》的通知 [R/OL].（2018-04-13）.http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[3] 彭雪濤.美國高校數據治理及其借鑒 [J].電化教育研究，2017，38（6）：76-81.

[4] 許曉東，王錦華，卞良，等.高等教育的數據治理研究 [J].高等工程教育研究，2015（5）：25-30.

[5] 余鵬，李艷.大數據視域下高校數據治理方案研究 [J].現代教育技術，2018，28（6）：60-66.

[6] 董曉輝，鄭小斌，彭義平.高校教育大數據治理的框架設計與實施 [J].中國電化教育，2019（8）：63-71.

[7] 孫秋瑞，陳平，黃洛穎，等.高校校務管理數據共享服務平臺建設路徑研究 [J].中國電化教育，2016（3）：69-74.

[8] 鄭苑，梁振輝.教育信息化背景下高校數據治理研究 [J].中國教育信息化，2020（17）：50-54.

作者簡介：李引（1987—），女，漢族，安徽碭山人，系統建設科科長，實驗師，碩士，研究方向：信息化建設;陳敏鋒（1977—），男，漢族，江蘇無錫人，副處長，高級工程師，碩士，研究方向：計算機軟件設計、系統開發。