大數據視角下的高校資產管理系統優化分析

劉瑞芬

（武夷學院 資產處，福建 武夷山 354300）

大數據是近年來信息技術不斷發展的產物，能夠運用新型處理模式完成對海量信息資產的管理，具有更強的決策力、洞察力和程序的優化能力。大數據的應用范圍非常廣泛，洛杉磯警察局最早聯合加州大學利用大數據對犯罪行為進行預測，取得了良好的效果；統計學家Nate Silver利用大數據預測出了2012年美國大選的結果。目前很多國家的醫療行業都在海量數據的挑戰下積極推進醫療體系信息化發展，因而大數據分析也被逐漸應用在醫療行業中。本文主要對大數據視角下高校資產管理系統的設計與實現進行優化分析。

1 大數據的含義及特征

大數據 （big data）來源于2012年2月The New York Time網站上刊登的一篇名為The Age of big data的文章，其作者為Steve Lohr，[1]他在文章中指出，我們已經進入到大數據時代了，尤其是在商業、經濟等領域，決策不再是僅僅依靠經驗和直覺了，而是得益于海量的數據和分析。

所謂大數據，不僅僅指的是數據的規模十分龐大，并且信息的類型十分繁多，更新速度極快。大數據定義兼顧到兩個方面，一是數據必須要海量數據的集合，其規模之大必須是在一定時間內不能用常規的計算軟件對其進行內容提取、綜合管理和處理。二是在提取、管理和分析的時候必須要依賴于全新的技術體系。總的來說，大數據具有“4V”特征，分別是Volume（容量）、Variety（種類）、Velocity（速度）和 Value（價值）。

1.1 數據總量迅速增長（Volume）

數據總量巨大是大數據的基本特征，也是最根本的屬性。根據IDC的定義，在進行大數據分析的時候必須要保證數據容量大于100TB。導致數據容量劇增的原因就是當今時代下的各類用戶已經逐漸習慣利用網絡共享各種數據，使得流傳于網絡中的數據越來越多；其次就是如今人們獲取數據的渠道越來越多，并且獲取數據的能力也在不斷加強，因此網絡上流傳的數據越來越接近事物本身，與真實世界的聯系越來越近，隨之而來的是數據的復雜性逐漸加劇，并且各種不同類型的數據同時涌入人們的視野，因此數據的總量呈現出不斷增加的趨勢[2]。另外一個主觀原因就是人們現在處理數據的方式和理念已經發生了徹底的變化，人們已經逐漸開始從多角度來實現對數據的精確分析，因此納入考慮范圍的數據類型越來越多，因此在客觀程度上就增加了數據樣本的總量，逐漸逼近原始的總體數據總量。

1.2 數據類型更加多樣（Variety）

大數據又一重要的特點就是數據的種類十分眾多且復雜多變，這與傳統的結構化信息時代有著根本的差異。原先的結構化信息的主要屬性是大眾化和標準化，因此數據的復雜程度呈線性增長的趨勢，新出現的數據也可以利用傳統的方法進行處理，不許用過多考慮細節問題，只需要提取出有用的信息即可。而大數據時代的信息變得更加半結構化，無論是在生活還是工作中，非結構化的數據已經占據數據總量的75%以上，增長速度也是原來的二十倍之多。

1.3 數據處理更加迅速（Velocity）

數據的動態采集技術是數據采集傳輸的飛躍式發展，能夠在最短時間之內完成對海量數據的實時采集、傳輸和分析，主體可以在最短時間之內完成對整個環境變化了解和掌控，獲取到自己想要的信息，在此基礎上做出準確的決策。基于此，大數據平臺的數據處理速度得到了飛速的發展，已經可以在1s之內完成對全部數據的處理，得出最終結果，超出這個時間范圍的數據結果就是失效的。

1.4 數據價值密度更低（Value）

價值密度低是大數據的基本屬性之一，也是面臨的重要問題之一。在一般情況下，如果要獲得數據的全部細節，大數據會提供數據引入策略允許采取所有原始數據，但是這種引入方式會導致大量的錯誤數據被引入，造成數據的絕對數量激增，有效信息的比例會直接下降[3]。因此必須要著手于解決這一問題，從低密度的數據中過濾出真正有用的數據。

2 大數據對高校資產管理的影響

隨著社會的不斷發展，高校的資產總量得到了飛速的發展，尤其是資產管理的數據總量呈現出劇烈的膨脹趨勢，數據類型逐漸趨于多樣化，而現階段的資產管理模式已經不能滿足現在的資產用量，存在著管理系統落后、信息傳遞速度較慢、不能滿足實時查詢等功能，因此必須要在大數據環境下對資產管理系統進行升級優化，使其能夠最大限度滿足海量信息資產的管理與應用。傳統資產管理與大數據時代下資產管理的差異見表1。

表1 大數據背景下的資產管理和傳統資產管理比對Table 1 Comparison of asset management and traditional asset management in a large data context

3 大數據視角下的資產管理系統設計

3.1 設計原則

大數據最根本的原則不僅要求數據的總量大，還須有新型的技術系統的支撐，要滿足“4V”特征。在大數據視角下設計資產管理系統的時候必須要按照大數據思維出發，建立起容量龐大，數據種類十分多樣化的數據庫（Database）和能夠達到安全與效率并行的數據處理品臺，使得輸出的數據結果具有更高的利用價值[4]。因此，系統建設的總體目標就是能夠服務于有效的資產評價決策，實現資源的合理配置，避免出現資產閑置和使用效率低下的問題。

3.2 資產管理系統軟件架構

該系統主要由三層組成，分別是感知層、網絡層和應用層。感知層的組成部分是RFID標簽和讀寫器，RFID標簽可以實現對每個固定資產進行標記，然后利用讀寫器識別這些電子標簽。網絡層的組成是由WIFI、2G/3G/4G網絡構成的，利用網絡將讀寫器讀取到的數據標簽傳輸到控制中心之中。應用層主要是由DBMS（database management system ，數據管理系統）和應用系統軟件組成，可以實現對各個任務流程的管理，將固定資產的各種數據進行整合運用。

3.3 主要功能模塊

大數據視角下的資產管理系統可以有效提升資產管理的效率，使這種資產能夠實現最大限度地智能化和信息化，從采購到預算管理，到報表管理等等各方面都有涉及。

3.3.1 系統管理

該模塊主要包括的是用戶管理、權限管理和密碼管理，這些子模塊共同組成系統管理這一上位模塊。該模塊主要是對進行該系統的所有用戶進行賬戶管理，劃分不同職位的訪問權限，以及設置不同的登錄密碼。

3.3.2 數據管理

這個模塊主要實現的是對數據的導入、導出和備份，是整個系統的核心模塊，在對數據進行管理之前，必須要讓所有數據錄入到系統之中，最終數據的結果也會通過該系統實現輸出。如果需要對數據進行備份的話也要依賴該模塊完成，此外還可以實現對數據的恢復。

3.3.3 報表管理

該模塊主要的管理對象就是各部門、各類別、各年度的報表，將各種報表收集起來之后，可以在該模塊內實現整合管理，將各類信息進行統一規劃和計算，對全部報表進行長期的保存和管理。

3.3.4 采購管理

這個模塊的功能就是管理每一個采購步驟，首先是制定出科學合理的預算目標，然后發起招標活動，對各個應標對象進行審查，然后追蹤招標全過程。在招標完成之后，還必須要對全部的標書文件進行儲存和管理。

3.3.5 資產管理

該模塊是整個系統中最關鍵的環節，主要的功能是資產查詢、資產變更和資產刪除，從而實現資產不斷增加的目的。

3.3.6 預測管理

對資產風險的預測也是資產管理系統的重要功能之一，該模塊可以實現對資產需求的預測，資產配置的預測、維修的預測以及資產報廢的預測。

該系統在運行過程中可以對資產實現靈活的管理，將采購與管理工作有機地結合在一起，使資產的配置更加合理，下面將對預測模塊進行詳細的分析。

3.4 資產管理系統中的預測管理

在設計預測管理模塊的時候才用的是多層次因果分析法，這種方法的優勢就是實現對資產需求、配置、維修和報廢的全方位預測，使資產的利用效率達到最佳。多層次因果分析法的操作流程如圖1所示。

圖1 多層次因果分析法的主要流程Figure 1 Main processes of multi-level causal analysis

1.利用定量分析法計算出不同資產組合對使用者需求的影響；

2.執行預先制定好的what-if方案，通過需求模型進行預測和演練；

3.根據上一步預測的結果，將資產的供應和需求匹配關聯；

4.將各類信息進行整合，得出最佳資產管理方案。

3.5 實例運用

以某高校的投影儀管理為例進行詳細的說明，首先是要確定出和投影儀實際供應和需求的所有數據，對高校內全部投影儀資源進行整合，然后對未來一段時間之內所需要的全部投影儀數量進行預測，然后將全部初始數據，包括設備數據、教師數據和學生數據作為建模的基礎，利用相關的需求因素建立起初始需求關系模型，然后在模型的基礎上，建立起投影儀設備與單個需求之間的線性回歸模型，之后對模型進行多次模擬和測試，保證建立的模型合理可靠，最后利用全部海量數據建立起預測方案，將方案進行測試，將其中不合適的地方進行修改和替換，最終得出預測需求結果。其具體流程如圖2所示。

圖2 實例流程圖Figure 2 Example Flow Chart

4 結束語

綜上所述，大數據已經成為當前信息時代主要的技術支持之一，各行各業都必須要抓住這一寶貴的機會，充分利用大數據的優勢和長處，實現對信息資產的合理配置和有效利用，使資產管理達到較高的水平。大數據視角下的資產管理系統可以靈活處理各類數據，將其整合成為有序的集合體，實現快速的查詢功能，并且可以對各種資產的需求、配置、維修以及報廢做出精準地預測，使高校能夠在最短時間之內做出科學的資產管理決策，從根本上提高工作效率。