論大數據技術在高校后勤系統的應用

近年來，伴隨著“互聯網+”戰略的實施和大數據技術發展，越來越多的高校正逐步地將大數據技術引入到高校的后勤服務工作中，在貧困生補助、后勤保障等方面取得了顯著的成效，比如：貧困生補助是高校后勤系統的一項重要工作，之前的貧困生申請都是由學生主動發起申請，并報請各級主管部門審批，在這個流程中，很多真正貧困的學生因為面子問題或心理問題拒絕申請，同時還存在部分學生偽造證明，騙取補助的現象出現，國內的部分高校將大數據技術引入，重點分析過去一段時間內學生的日常餐飲消費數據，有效地挖掘了實際的貧困生數據，在保證學生隱私的情況下將補助直接打入學生賬戶，同時也杜絕了騙補補助的現象發生，贏得了社會的廣泛好評。本文將從數據收集、數據挖掘分析和可視化展示三個維度來討論如何有效地將大數據技術在高校后勤服務工作中落地并發揮效率。

首先，數據收集是大數據技術落地的基礎，離開了數據一切都無從談起。因此，數據收集工作是一切后續工作的前提，經過近幾年的發展，各個高校都已經初步地建設了很多數據化系統，比如餐卡充值系統，學生考勤管理系統等，但是，各個系統之間是獨立的，整個后勤系統更是缺乏統一的數據規范，導致了數據只是在各個獨立系統的數據庫中沉睡，沒有發揮出應有的價值。因此我們需要從以下三個方向努力，做好數據收集工作：第一，分析當前的數據系統的實際情況，結合現有實際問題，建立一份通用的數據規范，將各個系統的數據統一起來;第二，將未引入數據化的工作和服務逐步地向數據化的方向轉化，將整體的后勤工作真正做到有數可查，有據可考;第三，有條件的高校，可以通過傳感器收集和外部合作，引入更多維度的數據，比如天氣等環境數據。

其次，數據挖掘和分析是在數據收集的基礎上從多個維度挖掘有效信息的重要手段，數據的價值正是通過有效的數據挖掘和分析得以體現的。有效的數據挖掘和分析可以從下述三個維度進行體現：第一，整體數據挖掘和分析，在數據收集的基礎上，可以從年齡、性別和地域等維度上進行一個整體的挖掘和分析，對于整個學校的學生信息和每年入學的新生有一個初步的認識，同時也可以同歷史數據進行對比，發現其中的一些變化;第二，定向分析，針對某一群體或某一個工作方向進行挖掘和分析，比如針對表現優秀的學生，可以挖掘和分析這批學生的考勤數據，發現其在日常時間管理方面的可取之處，可以逐步推廣至全體;另外在學生的餐飲供應方向，我們可以結合季節、天氣等因素，挖掘和分析不同季度，不同天氣的歷史餐飲消費數據，合理調整餐飲的供應和保障;第三，定點分析，針對某一個工作點，優先考慮從數據中發現提升效率的方案，比如假期的學生宿舍安排這一項具體的工作，可以重點挖掘和分析歷史數據，發現假期留校的男女比例，專業分布等信息，在保障合理分配的基礎之上，也能幫助高校節省很多寶貴的資源。

第三、可視化展示是在前兩點的基礎之上，將數據的分析成果以更直觀、更立體的方式進行展示，相比枯燥的數據報表，更能及時發現和強調其中的關鍵問題，為決策支持做好服務。該項工作可以分三個步驟逐步展開：第一，直觀數據的展示，比如電量消耗數據，我們可以實時接入全校的電量消費數據，并通過實時的線性圖進行展示，同時可以接入歷史的同期數據，這樣就可以通過一個界面，查看當前的實時數據，也可以和歷史數據做同比、環比的分析。第二，挖掘和分析結果的展示，在展示直觀數據的同時，我們也可以把之前數據挖掘和分析的結果通過可視化的形式進行展示，可以更有效更全面地看到更深層次的數據和問題，未雨綢繆，及時作出響應和調整。第三，在前期嘗試的接觸之上，進行整個可視化系統的規劃和權限管理，真正做到通過一套系統就能實時地了解整個高校后勤的實時運轉情況和問題所在。

綜上，隨著大數據技術的日益發展和在高校后勤系統的逐步落地，我們相信，未來的高校后勤管理和服務會更有效率，更好地服務廣大師生。

作者簡介：黃陽（1985年3月30日），女，漢族，吉林，碩士研究生，中國音樂學院，高校后勤管理