基于PDCA模式高職院校數據治理體系建設研究

◆高博

（天津職業大學電子信息工程學院 天津 300410）

自2000年以來，伴隨著國民經濟和信息科技的蓬勃發展，國內高職院校的師資力量、教育資源、基礎設施等皆有著大幅度改變。當今，新一代信息產業技術給人們帶來前所未有的發展機遇。在人工智能及大數據技術的強力推動下，互聯網及網絡應用平臺實現廣泛應用。高職院校在信息化建設進程中其智慧校園應用缺口持續攀升，在當前階段，如何運營一站式網上辦事大廳創建管理數據、網上智慧學習空間拓展、師生行為管控系統等，來妥善解決數據信息不對稱，繼而獲取更加理想的數據治理能力已然成為國內高職院校最為關注的課題。

對于國內高校而言，數據資產、技術應用等不再是難以規避的制約因素，數據治理工作重要性愈加凸顯。新形勢下，國內各高職院校將數據視為戰略性資源，并將數據治理工作置于極為重要的位置。基于數據治理的緊迫性，國內高職院校希望通過建設主數據庫中心、數據分析平臺等提高數據采集與分析能力，促使數據治理工作實現有序推進。在數據管理活動中數據質量問題客觀存在，究其原因在于數據治理統一管理體系缺失，數據治理過程并未得到應有關注及系統解決。需要注意的是，數據治理難以做到一蹴而就，是一個循序漸進最終步入良性循環的持續性系統性工作。

1 數據治理過程中存在的問題和分析

國內高校數據治理的研究大多都是為了方便數據管理和信息互通，在關于提高數據利用率的研究中，數據確權、數據檢查、數據更新、數據質量、數據監控等問題，仍然是現在各高校研究的重點。

國內許多學者從不同角度和不同層面提出了高校范圍內的數據治理思路，在教育信息化的改革發展方面取得了豐碩的成果，但針對高職院校數據治理體系建設的研究還是較少。

首先，國內高校很多管理者加大了對數據管理工作的關注，但是未能提出針對性的核心要求。在數據治理關鍵因素缺失的情況下，工作人員無法確定工作重心，其數據治理效果不甚理想。經過調研發現，國內高校內部業務信息系統多是由不同廠商提供，數據關鍵詞段側重點不同，接口適應性、可移植性較差。在數據集成共享方面，國內高校所擁有的自主控制權較少，習慣性依賴廠商。在此境況下，數據開放力度無法得到真正改善。此外，面對多源異構數據，國內高校未創設能夠進行可視化處理的平臺，結果導致無法結合數據生命周期開啟全方位監管與督促活動。

其次，國內高校未完成數據治理體系創設，缺少數據管理工作組織，僅僅是將注意力集中在數據管理平臺與工具建設中，忽略了數據治理管理制度的制定與執行。這也是高校數據治理工作中，數據孤島、數據質量不理想、數據準確性問題等頻頻出現的關鍵，且亟待改善。

再次，在數據治理過程中，部門間的配合度較低，雖然能夠做到數據互補同步，可是缺少標準化同步管理。以業務部門為例，習慣性“要數據”，卻抵觸“給數據”，數據流動性備受影響。與此同時，習慣性以部門工作要求為重點，對部門數據的存在價值和意義了解不足，其數據質量意識和數據治理意識較為匱乏。

最后，從宏觀角度來看，國內建立校本大數據標準體系的高職院校并不多見。從實踐角度來看，數據正確率較低、信息標準不一致、數據格式不夠規范等問題屢見不鮮，繼而導致數據應用價值無法得到體現。基于上述分析能夠發現，在高校數據治理活動中所存在的客觀問題，也是導致其數據質量不理想的關鍵。

2 PDCA 循環理論與數據治理

PDCA 循環理論（即戴明環）是美國知名學者戴明的理論研究成果。該理論是基于休哈特構想予以形成的科學工作程序，早在初始發展階段被應用至企業質量管理活動中，隨后在管理領域內大放異彩。PDCA循環是本著循序漸進的原則，結合時間因素，將質量管理系分為四個階段，即 Plan（計劃）、Do（執行）、Check（檢查）和Action（處理）。在質量管理實踐活動中，需要參考這一理論將整體工作任務進行拆分，遵循計劃制定、計劃執行、成果檢查、反饋處理等工作流程，促使各工作環節向著標準化方向發展，弱化不確定因素帶來的負面影響。這一作業方式不僅僅有助于工作質量改善，同時為企業管理工作提供了有力支撐。

PDCA 循環管理過程由四個單獨的部分予以組成，彼此間存在循序漸進的內在邏輯關聯，通過循環反復，促進管理閉環形成。

第一部分為計劃（P）階段，結合管理實際工作來看，該階段中的重點包括質量管理計劃的擬定、管理目標確定、管理舉措形成。根據高校數據治理工作要求，其工作重點能夠被細分為數據治理規劃制定、數據治理目標明確和數據管理制度建設流程形成。

第二部分為執行（D）階段，在實踐活動中，主體需要以既定質量管理方向為導向，基于部署運行，促進質量管理目標實現。結合數據治理工作來看，該階段中的重點包括依賴現有數據管理工具完成數據采集、分析和梳理，注重數據質量監督的實施，精準定義數據質量規范，實現對劣質數據的正確識別，推動數據管理工作穩步進行。

第三部分為檢查（C）階段，通過檢查知悉執行結果，經過比對分析，對存在于執行結果與預期目標之間的差距做深入研究。結合數據治理工作來看，需要通過檢查和分析對數據管理平臺建設工作做全面了解，理解數據管理工具存在價值，對數據所具有的規范性和精準性加以評估，促進數據質量跟蹤報告、劣質數據質量分析和整改方案形成，實現對數據管理工作的監督與合理管控。

第四部分為處理（A）階段，需要本著抓主放次的原則對現存質量問題做妥善處理，持續優化工作質量，完成修訂質量計劃的制定和實行。結合數據治理工作來看，應按照工作流程將數據質量問題向數據源頭部門予以反饋，通過修改抑或是清洗數據、促進數據源輸入行為的規范性發展，促進數據管理工作質量改善。

3 數據治理的 PDCA 管理模型

對于高職院校而言，數據治理工作并非易事，需要得到全校教職員工的支持和參與，參與主體數量眾多，且依賴各部門間的合作。一方面，涉及線上線下數據配合。另一方面，又需要實現管理業務與數據業務的同步處理。一言蔽之，數據治理工作兼具精細化、嚴謹性等顯著特點，是一項循序漸進的系統性工程。

本文基于Nik Thompson等所描述的DGI數據治理框架和Soares S所描述的IBM數據治理統一流程，將PDCA模型理論應用于高職院校數據治理全過程。通過此方法，分析和梳理高職院校在數據治理工作中存在的諸多短板，提出系統解決方案。通過圖1所示能夠直觀了解到數據治理的PDCA模型。

圖1 數據治理PDCA模型

（1）計劃階段

數據治理的計劃階段在全過程起到提綱挈領的作用，決定著數據質量的改善情況。高職院校應注重數據質量評價體系及評價標準的形成和應用。通過規范性文件頒發，明確數據治理思想及治理目標，完成數據治理工作組織的創建，按照學校各部門職能明確其參與數據治理路徑及工作重點。對學校現有數據進行區分，明確質量標準和數據治理中的管理范疇，形成切實可行的數據采集及交換流程，為實現對有限數據資源的合理應用，完成數據應用管理制度及質量反饋機制的制定，注重其存在價值體現。

在計劃階段，將確定數據治理工作組織作為重點，在注重其穩定性增加的同時，持續優化數據治理工作作業效率，以便為數據治理工作有序推進保駕護航。與此同時，對國內高職院校的發展概況及組織結構做必要分析，基于分析結果，對數據治理項目的執行機制予以明確，詳細闡述其工作職能及管理任務。對數據治理工作組織進行細分。具體組織架構如圖2所示。

圖2 高職院校數據治理體系架構

通常來說，決策層是由高職院校分管領導者及信息化決策組織所組成，由其負責圍繞學校數據治理工作進行討論，明確工作思想及工作目標，為數據管理工作指明努力方向，并加強對各部門的監管和指引。組織協調層的工作任務是對數據治理工作進行統籌規劃，為業務部門和信息化部門提供指點，進行答疑解惑。執行層由業務部門、信息化部門及其工作人員所組成，屬于是數據治理工作的直接操作者，其工作態度與工作能力直接決定著高職院校數據治理的規范與深入程度。

（2）執行階段

該階段重點是通過設計和執行數據治理將數據治理工作落實到位。該階段的所有工作皆需要以目標為導向，注重不同治理工作與相關規章制度、工作流程間的匹配度。從具體工作來看包括以下幾點，一是數據管理平臺的建設，二是業務數據主體的分類設計，三是相關數據模型打造。對于業務部門而言，應注重數據的采集，分析和交換，并明確數據來源。存在于數據質量工作中的治理環節是重中之重，應注重全面數據質量管理工作制度的創建和應用。

在促進全面數據質量管理工作制度形成的準備階段中，需要針對數據質量進行評估。在評估環節，將數據完整性、安全性、唯一性、及時性、準確性等等作為評估關鍵點。與此同時，分析數據質量維度與業務客觀所需間的契合度。定義質量規則時，還需要加強對數據長度、時間精度等影響因素的客觀了解。伴隨著數據質量規則的形成，參考業務規則及工作流程實現對數據質量的進一步分析完善。

（3）檢查階段

這一階段的主要工作是本著循序漸進的原則評估實施效果，探察數據質量，注重數據錯誤報告的形成與分析。其中，數據質量檢查工作發揮著舉足輕重的影響。在該工作環節中，高職院校業務部門和信息管理部門屬于責任主體，全校教職員工及學生等數據使用人員則是其中的客體。在具體檢查活動中，其檢查方式主要有主動檢查和被動檢查。主動檢查是指參與主體在管理范圍內主動履行其崗位職責，圍繞數據及相關工作進行檢查，同時在軟件幫助下形成數據分析報告，完成查漏補缺。被動檢查是指數據治理中的客體將存在于實踐活動中的數據問題反饋至校方，然后由校方安排參與主體有針對性地對反饋數據問題進行核實。對于高職院校而言，應本著未雨綢繆的原則為師生等數據治理參與客體反饋相關意見提供可行路徑。譬如，通過個人數據中心創設，明確用戶權限等。作為教職員工能夠通過個人數據中心實現對個人基本信息、學生信息、教學信息、科研信息等相關數據的獲取；作為學生能夠通過個人數據中心知悉個人基本資料、學習成績、學習計劃等數據。在檢查階段中，一方面需要通過仔細檢查找尋漏洞，并進行彌補。另一方面對那些頻頻出現的錯誤數據做深入分析，探究問題成因，制定具有針對性的應對舉措，持續優化數據治理過程及治理效果。在數據檢查階段中，數據治理工作居于核心地位，只有通過不斷查漏補缺，才可能促進數據治理目標實現。

（4）處理階段

在處理階段中，應參考檢查結果，對現有問題進行區分，基于追根溯源的原則，對數據問題進行一一排查，并注重數據治理流程優化。作為高職院校的業務及信息管理部門，面對主動排查結果或師生反饋數據問題，均需要對數據源頭做精準定位，參考實際因素，梳理數據流轉過程，探究問題成因，明確相關責任部門，并做妥善處理。如數據源本身存在問題，那么數據源頭部門應實事求是進行更正，此時相關責任人應及時優化數據錄入流程。如果存在客觀所需，可以選用技術手段提升數據錄入質量。如在數據流轉過程中存在問題，那么需要由信息部門出面對數據采集、數據交換等同步機制進行著重分析，探究數據流動方向，采取針對舉措，完成本階段數據處理流程。此外，為避免同類故障頻頻出現，有必要通過修訂規章制度，賦予工作流程更多標準化特點，力求避免在下一個PDCA循環過程中再次出現類似問題。

PDCA循環管理模式在高職院校數據治理過工作中可以發揮積極影響，有效提高數據治理效果。PDCA管理模式能夠參考原有工作基礎，提高現有工作效率及促進質量改善，同時能夠做到兼顧整個數據治理制度體系形成和具體數據治理字段。隨著PDCA管理模式應用范圍的拓展，自主閉環工作意識及習慣形成，高職院校的數據治理工作將會愈加規范，其數據治理目標能夠得以實現。