基于PDCA理論的高校數據治理工作質量提升研究

陸成松

摘? ?要：文章主要探討了大數據壞境下高校數據治理方法，提出高校數據治理過程中存在的最主要問題是數據質量不高;針對該現狀，分析高校數據治理過程中產生數據劣質問題的原因，借鑒企業質量管理中的PDCA循環理論，結合高校數據治理的工作實際，探索高校數據治理進一步的工作體系和治理措施，精細、精準化地提升高校數據治理工作水平，提升高校數據質量。文章圍繞PDCA循環理論的四個工作階段，梳理高校數據治理的各項工作，分別以循環管理的方式逐步展開，細致運行，從制度、標準、策略、工作內容等方面建立數據治理體系規范，形成循環迭代的數據治理工作過程，并通過不斷的應用數據來對治理過程和治理效果進行評估，及時調整實施策略和方案。

關鍵詞：PDCA;循環管理;數據治理;數據質量;智慧校園

中圖分類號：G647 文獻標志碼：A 文章編號：1673-8454（2021）09-0064-04

當前，隨著國家層面的多次簡政放權、政府層面的一網通辦持續建設，在高校領域，一站式服務平臺也在不斷得以建設完善。但無論是政府的一網通辦還是高校的一站式服務，都離不開數據的支撐。[1]

一、高校數據治理的現狀以及治理的意義

在傳統高校信息化建設的歷史過程中，由于種種原因，高校信息系統往往缺乏統一的規劃建設，特別是數據層面的，存在關鍵數據缺失、數據錯誤、數據孤島、數據來源不清晰，以及各種劣質數據普遍存在于各個軟件信息系統等問題。[2]這些問題不只是對數據本身的管理產生了重大影響，也嚴重制約了學校一站式服務、一網通辦等信息系統業務的開發建設。在當今世界信息技術高度發達的時代，在大數據技術相對成熟的今天，管理好傳統高校的數據資產，技術已經不是主要的制約因素，而數據的治理才是核心、關鍵。近些年，數據治理的重要性已經在各高校中取得了各方的共識，大家認識到了數據將成為戰略性資源，認識到了數據管理存在的問題，也認識到了數據治理的重要性和緊迫性。在此過程中，很多高校進行了數據共享平臺、主數據庫中心、數據分析平臺的建設，采用各種數據采集和分析工具等等，已經在信息化層面做了相當多的數據治理工作，但最終，數據管理中數據劣質問題依然存在。經綜合分析，其主要原因就在于缺乏數據治理的統一管理體系，不重視數據治理的過程管理。數據治理不是一次性的工作，也不是一錘子買賣，而是一個持續性的迭代工作，是一個不斷修正最終形成良性循環的工作。

本文基于對高校數據治理過程中存在的問題進行描述和分析，并針對這些問題，吸取PDCA循環理論，結合高校治理的實際工作，提出基于PDCA閉環管理的高校數據治理方案。方案圍繞數據治理的重點工作內容，根據PDCA的工作路徑展開描述，展現整個高校數據治理的過程，形成數據治理有效的循環管理體系。

二、數據治理過程中存在的問題和分析

第一，高校決策層和信息化管理層已經在態度上開始重視數據管理，但是在實際管理過程中，并沒有參與到數據治理過程中來，也沒有提出數據管理的核心要求，以至于相關工作人員在數據治理過程中缺乏工作愿景和目標，在數據管理工作中缺乏明顯的方向性。

第二，在數據治理過程中，沒有建立明確的數據治理體系，沒有建立數據管理工作組織，側重數據管理平臺和工具的建設，不重視數據治理的管理制度建設。這導致數據管理的系統和工具建設了很多、實現了數據的部分統一、解決了數據孤島等部分問題，但數據的質量、數據的準確性問題依然沒有解決。

第三，業務部門的數據治理配合度相對不足，業務部門往往只會“要數據”，但不會“給數據”，以自己的實際需要為工作重心，對自己產生的數據的意義不清楚，缺乏質量意識和治理意識。

第四，相關工作人員沒有理解數據治理核心思想，在數據管理過程中，只重視數據的“量”的管理，而不重視數據的“質”的管理。[3]因此，數據治理的工作重心被放置于數據采集和交換上，但數據庫里的劣質數據依然比比皆是。

以上是高校數據治理中普遍存在的問題，也是造成高校數據質量不高的主要原因所在。

三、PDCA循環理論與數據治理

PDCA循環理論（俗稱戴明環）由美國質量管理專家戴明在休哈特構想的基礎上進行挖掘并完善的一種科學工作程序，起初應用于企業質量管理，現逐漸被其他管理領域所采納。[4]PDCA循環的含義是將質量管理分為四個階段，即Plan（計劃）、Do（執行）、Check（檢查）和Action（處理）。在質量管理活動中，要求把各項工作按照制訂計劃、實施計劃、檢查成果、處理反饋劃分成不同的工作階段，然后將成功的結果制定成標準，逐步消除過程中的不確定因素。這一工作方法是質量管理的基本方法，也是企業管理各項工作的一般規律。[5]

PDCA循環管理的整個過程分為四個部分，每個部分獨立運行，又互相依托，四個部分循環反復，形成管理上的閉環。

第一部分為計劃（P）階段，在企業管理過程中表示為建立企業質量管理計劃、明確管理目標、制定管理措施。在高校數據治理過程中，我們可以定義為數據治理規劃、明確數據治理的目標、體現數據管理的制度性建設。

第二部分為執行（D）階段，在企業管理過程中，是按預定的質量管理方向，堅定地執行計劃，根據部署的措施進行運作，努力達成質量管理目標。在高校數據治理過程中，我們可以定義為實施具體的數據治理工作，開發建設或者利用現有的數據管理工具進行數據的采集、清洗、交換，執行數據質量監督措施，定義數據質量規范，辨別數據優劣，體現數據管理的具體工作過程。

第三部分為檢查（C）階段，在企業管理過程中，體現為檢查計劃執行的結果，對標其它相同環境工作的差距比例，分析執行結果與預定目標的差異。在高校數據治理過程中，可以定義為評估數據管理平臺建設和數據管理工具的運行成果，檢查數據的規范性、標準性和準確性，生成數據質量跟蹤報告，形成劣質數據質量分析和整改報告，體現數據管理的監督過程。

第四部分為處理（A）階段，在企業管理過程中，體現為針對檢查過程中反饋的質量問題進行處理，消除問題并改進工作質量，完善和修訂質量計劃和管理措施。在高校數據治理過程中，我們可以定義為將數據質量問題反饋給數據源頭部門、進行數據源的數據修改或數據清洗、規范數據源的錄入過程等工作，體現數據管理的改進、完善過程。

在PDCA循環管理模式下，企業管理就是不斷改善產品的質量，而在高校的數據治理就是一個不斷迭代不斷完善不斷修正的過程，以科學的方式，通過嚴謹的過程，結合PDCA理論的閉環管理特性，在數據治理的過程中解決問題并歸納總結問題，可以逐步使數據源、數據流、數據應用三者形成良好的循環互動，從而使高校數據螺旋上升式地提升質量，為高校的數據分析形成良好的數據環境，為學校決策分析奠定優質的數據基礎。[6][7]

四、數據治理的PDCA管理模型

高校的數據治理工作對一個高校來說，是一個全校性的工作，參與的部門和人員眾多，具體工作煩瑣細致，涵蓋線上線下的數據處理過程，包含管理業務和數據業務的同步處理，因此，數據治理工作是一個嚴謹、精細的管理性工程，也是一個較為復雜的系統性工程。[8]本文提出的高校數據治理PDCA模型參考了Nik Thompson等所描述的DGI數據治理框架[9]，也借鑒學習Soares S所描述的IBM數據治理統一流程[10]，結合高校管理模式的實際現狀，精準地針對當前高校數據治理中存在的問題，將整個數據治理過程分為計劃、執行、檢查和處理四個階段，并細化四個階段的具體工作。[11]該數據治理的PDCA管理模型如圖1所示。

1.計劃階段

數據治理的計劃階段是宏觀層面的規范化，是數據治理工作順利開展的保障，是數據治理工作中數據質量提升的基石，在此階段，學校應以建立全面的數據質量評價體系為標準。[12]在本階段，應以制度性和規范性的文件編制來定義相關工作。在這些制度性和規范性的文件中，應樹立數據治理的核心思想和管理目標，建立數據治理的工作組織，明晰學校各部門參與數據治理的工作方式、職責以及工作要點，明確學校數據的分類、質量標準，數據的權利、義務和管理范疇，建立數據采集、交換的規范和流程，建立學校數據的應用管理制度和質量反饋機制。[13]

在計劃階段，數據治理工作組織的確定是計劃工作的重中之重，合理穩定的數據治理組織能提升數據治理工作的高度，對數據治理工作的開展和效果具有巨大的保障作用和指導作用。基于國內傳統高校的現狀及架構，為明確數據治理項目的執行機制，確定相關管理和工作職能，將數據治理工作組織劃分為決策、組織協調以及執行等3個層次。[14]其數據治理的組織架構如圖2所示。

決策層由校領導及信息化決策組織擔當，提出學校數據治理工作的核心思想和工作目標，把握學校數據管理工作的發展方向，強化監督各業務部門和信息化部門的數據治理工作。組織協調層負責各部門內的數據治理相關工作，統籌協調數據治理的全部工作，積極管理和要求信息化部門及其他業務部門進行數據管理和應用。執行層主要包括信息化部門工作人員和業務部門的業務人員，是學校數據治理工作的間接執行人和直接操作者，嚴格執行數據治理工作的制度和規范。

2.執行階段

本階段具體實施數據治理工作，需要設計和執行數據治理。執行階段的工作緊緊圍繞計劃階段的工作目標，不同的治理工作對應不同的文件制度，按規范程序執行。執行階段的工作包括數據管理平臺或數據管理工作的開發建設，業務數據主題的分類設計和模型創建，業務部門的采集、清洗、交換和匯聚，數據來源的權限確認，數據質量監測規則的定義等等。其中，數據質量方面的治理是核心工作，應由原來的對數據質量的檢查和糾錯發展到建立全面數據質量管理 （Total Data Quality Management，TDQM） 上來。[15]建立全面數據質量管理的前提是定義數據質量維度和質量規則，并將其用于實現高校數據治理的數據質量評估。高校數據質量的維度包括完整性、準確性、正確性、一致性、唯一性和及時性。[16-18]定義數據質量維度時，還需對數據質量維度與業務需求是否相匹配進行評估。定義質量規則應圍繞質量維度進行，可定義數據的完整性、邏輯一致性、冗余性、數據長度、時間精度等等。制定數據質量規則后，應檢查數據質量是否滿足業務規則的流程并監控這些業務規則的符合度。[19][20]

3.檢查階段

檢查階段主要是在實施數據治理工作之后的數據檢查分析，對實施成果進行評估，對數據質量進行檢查，對數據錯誤報告進行分析。檢查階段最重要的就是數據質量檢查。數據檢查的責任主體是信息管理部門和業務部門，客體是全校的數據使用人員。數據檢查根據檢查的主體角度不同分為兩種：一種是主動檢查，一種是被動檢查。主動檢查是指信息部門的工作人員或業務部門的業務人員對管理范圍內的數據或者相關工作主動檢查，可以借助軟件系統平臺或工具生成數據相關報告，進行針對性的檢查，也可以直接檢查數據或數據治理工作成果。被動檢查是指對學校師生反饋的數據問題進行核實檢查，我們可以為師生提供數據展現的平臺和反饋渠道，如我們為每個教師和學生建立了個人數據中心，該個人數據中心包含了與師生個人相關的數據信息，教職工可以在個人數據中心查看到個人的基本信息、教學情況、學生信息、財務信息、科研信息等內容，學生可以在個人數據中心查看個人的基本信息、工作情況、學習情況、消費信息等內容。[21]通過檢查階段的工作，進行嚴謹細致的檢查，對一些重要錯誤進行定位， 對某些頻繁發生的錯誤進行考察，對制約質量提高的管理漏洞進行分析，并在后續的處理階段解決修正，研究改進措施，實現治理過程的不斷優化。[22]因此數據檢查階段的工作是數據治理工作的重中之重，只有持續不斷地檢查數據治理工作，才能實現完善和優化我們數據的目的。

4.處理階段

處理階段主要是根據上一階段的檢查結果，根據不同的問題分類，追根溯源，逐步排查數據問題、優化數據治理流程。無論是信息部門和業務部門主動檢查發現的，還是數據使用人檢查發現的，都應對數據源頭逐一定位，排查數據流轉過程，確認數據轉換過程，數據錯誤原因確認后，應請相關責任部門及時處理。如果是數據本身原因的，應由數據源頭部門及時更正修訂，并要求相關責任人明確改進數據輸入過程，必要時通過技術手段協助對輸入的數據進行規范。如果是數據流程或轉換過程原因的，應有信息部門及時檢查數據采集、交換等同步機制，確保數據流向，保障數據流轉正常，并重點改善、跟蹤、監測數據流轉，避免同類故障頻繁出現。涉及規范性工作的可以修訂制度性文件，將改善性的工作進行標準化、規范化，以便在下一個PDCA循環工作中避免重復出現相同問題。

五、結束語

針對國內高校信息化歷史建設過程中存在的信息孤島、數據孤島形勢普遍嚴峻的現狀，高校數據治理的工作應該是煩瑣、精細的系統性工作。“十三五”期間，我國諸多高校迎來了智慧校園建設的熱潮，同步的數據治理工作也在一定程度上進行了卓有成效的建設實踐。[23]但是國內的一些傳統高校在教育信息化實踐中依然存在普遍缺乏數據治理意識、缺乏統一的規劃、數據共享度低、數據質量不高、數據管理權責不清等問題，在傳統高校，數據質量問題尤其突出。[24]因此，在互聯網技術、人工智能技術、物聯網技術日新月異，大數據技術不斷深度融入管理的大環境下，高校的數據治理工作還需要不斷加強和深化，高校的數據治理工作并不僅僅是一個項目，更是成為了一種動態的信息化工具。[25]

為此，在高校日常的信息化工作中，應把數據治理作為基礎性的工作，需要不斷循環和反復，是不斷迭代不斷修正的過程，在不斷循環的數據治理過程中，使高校的數據質量得到螺旋式上升。本文所描述的數據治理PDCA循環管理模式符合數據治理不斷推進數據質量的要求和過程，另外，我們也應該認識到它并不是每一次循環把每個階段的工作全部重復一遍，而是在原有工作基礎上得到完善和優化。PDCA循環管理模式的治理方式應深入到每一項工作中，是一個逐步從宏觀到微觀的方式，可以定位于整個數據治理制度體系，也可以定位于某一個數據字段，最終形成一個良性的、自主的閉環工作意識和習慣，從而達到學校數據越來越完善、越來越優化的目的。

參考文獻：

[1]范小春.智慧校園環境下高校大數據治理及應用策略[J].金陵科技學院學報，2018，34（4）：48-51.

[2]李煒，邵梁.基于BEPD的高校大數據治理方案研究與應用[J].中國教育信息化，2019（23）：55-57.

[3]曹琳.智慧校園建設中的高校檔案館數據治理路徑研究[J].浙江檔案，2020（5）：25-27.

[4]王敏.PDCA循環在事業單位內部控制中的應用[J].行政事業資產與財務，2012（10）：120-121.

[5]萬融主編.商品學概論[M].北京：中國人民大學出版社，2013.

[6]范鴻興.高校教學研究項目的PDCA循環管理[J].財富時代，2020（5）：62，64.

[7]林仙土.基于PDCA循環的高校大型儀器設備開放共享平臺研究[J].中國教育信息化，2020（9）：92-96.

[8]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.

[9]Nik Thompson，Ravi Ravindran，Salvatore Nicosia.Government data does not mean data governance：Lessons learned from a public sector application audit[J]. Government Information Quarterly，2015，32（3）.

[10]Soares S.The IBM Data Governance Unified Process：Driving Business Value with IBM Software and Best Practices[M].MC Press，2010：7-15.

[11]劉桂鋒，錢錦琳，張吉勇.我國高校科研數據治理模型構建研究[J].情報科學，2020（6）：17-24，31.

[12]谷斌.信息系統建設中的數據質量管理體系研究[J].情報雜志，2007（5）：65-67.

[13]趙伶俐.基于云計算與大數據的高等教育質量指數建構——技術、理論、機制[J].復旦教育論壇，2013，11（6）：52-57.

[14]余鵬，李艷.智慧校園視域下高等教育數據生態治理體系研究[J].中國電化教育，2020（5）：88-100.

[15]Richard Marsh.Drowning in Dirty Data.It’s Time to Sink or Swim：A Four-Stage Methodology for Total Data Quality Management[J].Journal of DatabaseMarketing&Customer Strategy Management，2005，12（2）.

[16]阿里巴巴數據技術及產品部.大數據之路：阿里巴巴大數據實踐[M].北京：電子工業出版社，2017.7.

[17]陳遠，羅琳，沈祥興.信息系統中的數據質量問題研究[J].中國圖書館學報，2004（1）：48-50.

[18]丁海龍，徐宏炳.數據質量分析及應用[J].計算機技術與發展，2007（3）：236-238.

[19]巫莉莉，張波.高校數據治理中提升數據質量的方法研究[J].重慶理工大學學報（自然科學版），2019，33（8）：149-156.

[20]管尊友，馮建華.一個可擴展的數據質量元模型[J].計算機工程，2005（8）：74-76，226.

[21]趙亞偉.大數據環境下高校數據治理策略探索[J].電腦知識與技術，2019，15（1）：22-23.

[22]Dirk Heerwegh，Geert Loosveldt.An Evaluation of the Effect of Response For-mats on Data Quality in Web Surveys[J].Social Science Computer Review，2002，20（4）.

[23]徐青山，張建華，楊立華.高校智慧校園建設的頂層設計及實踐應用——以“智慧北航”為例[J].現代教育技術，2016，26（12）：112-118.

[24]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.

[25]劉金松.數據治理：高等教育治理工具轉型研究[J].中國電化教育，2018（12）：39-45.

（編輯：王天鵬）

1440501705262