智慧校園中數據治理實現路徑探索

李 煒 李 瀅

（1.浙江建設職業技術學院教育技術中心，浙江 杭州 310000；2.菲律賓國父大學，菲律賓 馬尼拉 999005）

我國高校信息化發軔于20世紀80年代，前期十多年主要是校園網絡、CAI課件和分散獨立的管理信息系統建設。當前，教育信息化已進入2.0 時代，大數據、云計算、人工智能等新一代信息技術成為與教育共生融合的整體，高校正處于由“數字校園”向“智慧校園”轉變的關鍵節點[1]，業務對技術的依賴逐日增長。然而因為各種因素，當前高校的數據管理還存在著一些問題，這些問題阻礙了數據在智慧校園中發揮更大的作用，因此，需要探索一種適用于高校的數據治理路徑，推動智慧校園向縱深發展。

1 高校數據管理存在的問題

1.1 數據標準不統一

前期的高校信息化建設，缺少統一的頂層設計[2]，數據標準梳理時間滯后于系統的建設。行政部門、教輔部門、教學院系通常獨自購買或建設業務系統，所采用的數據標準通常偏向于該業務領域的通用標準，例如，人事系統通常采用企業的人力資源管理通用標準，而科研系統通常采用科研管理領域的通用標準，不同領域的標準風格不同，導致校內存在多種數據格式，同時，因為業務細化擴展的緣故，這些領域的通用標準不一定完全適用于高校，甚至會出現“水土不服”，數據替代表示的情況也有出現。數據標準不統一，客觀上造成了數據孤島和數據打架，即使制定了紙質的數據標準，在推廣落地上還是存在效果不佳的問題。

1.2 數據源頭不清晰

“多頭錄入”現象較普遍，同一個數據在多個系統都存在錄入界面，數據使用需求方不清楚何為源頭，再者，目前高校工作人員的流動性增加，部門的工作職責范圍常有調整，數據錄入的工作人員崗位變動頻繁，這些源頭不清晰的情況導致數據責任不明確，更新公示不及時，數據的嚴謹程度、被重視程度不高，在問題數據出現時，各個部門之間互相推諉、爭論的情況時有發生，出現的問題往往無人認領，解決問題所花費的時間成本非常高。

1.3 數據質量難提高

各個業務系統產生的數據質量參差不齊，尤其是一些系統建設時以功能實現為主，缺少專業人員的系統嚴謹性驗證，部分數據錄入頁面沒有進行標準化、規范性、約束性的設計，如大量使用無約束的文本填寫框，引發了重要數據缺失、數據格式混亂、準確性不高的質量問題。

1.4 數據流轉不順暢

一些管理人員習慣于Excel管理各類數據，存在數據錄入系統不及時的情況，導致共享給各個系統的數據存在滯后的問題。

結構化數據庫之間的數據交換效率較低，傳統的技術如ODI數據交換平臺，在定時（T+1）的模式下工作比較穩定，若采用CDC實時的模式，其穩定性就要依賴于觸發器，觸發器對數據庫的業務性能有較大的影響，常有無規律停止的情況發生。此外，非結構化數據如PDF、JPG文件的實時采集也是個難題。

1.5 數據粒度不細致

過去，業務系統在建設時通常考慮的是錄入最后的結果數據，并未貫徹過程化管理、伴隨式采集[3]的理念，這樣的斷點式數據蘊藏的價值有限，在實時分析時無法利用數據的詳細演變過程來分析演變趨勢，從而無法做出準確的決策。

2 高校數據治理實現路徑

為了進一步提升智慧校園的數據服務能力，針對存在的數據管理問題，應采取有效的治理措施，筆者所在高校探索了數據治理實現的路徑，主要思路是制定完整的數據發展規劃，基于數據的全生命周期管理理念，建立以數據標準為起點、數據應用為終點、數據閉環治理為保障的大數據架構體系，構建了統一數據管理平臺，以期實現三大目標：責權清晰，優化教育治理能力；數據驅動，提高信息服務的獲得感；精準分析，以數據輔助學校管理決策。具體的治理工作是通過“五單一庫一指標一通路”（圖1）來推進實現的。

圖1 高校數據治理實現路徑

2.1 責任清單

責任清單構造了精確到數據項的數據責任體系，并實現了線上統一管理，明確告知各方每個數據項的源頭，其責任部門和唯一生產者，最終達到“一個數據一個部門一個人負責”，這個數據出了問題，就由這個責任部門和生產者來解釋。與傳統的紙質標準相比，新版數據標準不再是空中樓閣，其使用效能大大提高，從技術和業務的角度均能真實落地，是全校的數據權威依據，同時也為后續的數據核驗工作提供了技術規則依據和問題自動溯源的基礎。

2.2 問題清單

責任分清楚之后，便開始技術和業務兩重審核，找出生產數據中所存在的問題，審核采用旁路監督的方式，不影響數據的正常使用和流轉。技術審核是機器自動審核，系統利用完整性、規范性、一致性、準確性、唯一性等技術性規則校驗數據，并收集校驗未通過的問題數據；業務審核是歸口部門人工審核，只有技術審核通過的數據才能按照數據審核流程自動流轉到對應的業務工作人員的審核頁面中，審核人需要對業務的內容進行檢查，是否符合業務的真實情況，如有不符，標記成問題數據。兩重審核的結果將匯總成問題清單。

2.3 任務清單

任務清單旨在將傳統的少數人參與的階段式治理模式轉變成人人參與的常態化共治模式，數據治理是一項長期而又龐大的工程，任何一個部門、工作人員都無法獨立完成。因此只有借助責任清單和問題清單，打造針對生產者的任務清單，任務單自動智能分解，層層下發，直接到具體的部門和具體的人，實現一條線閉環反饋，并為用戶提供每一個數據修改的快速跳轉入口，才能扎實推動數據質量的提高，形成一項常態化、具體的工作，營造氛圍，使數據質量的重要性深入人心。

2.4 填報清單

填報清單是針對學校的主數據，例如教職工、學生、專業等主體中最重要的基礎數據，提供一站式錄入系統，全面梳理教職工、學生涉及的人員類別，基于數據的全生命周期管理理念打造針對教職工、學生的全過程閉環，聯合業務流程體系，實現伴隨式采集人這一主體的“進校”“變化”“出校”的數據，從源頭控制住核心數據的質量，實現“控重點、強骨架”的目標。

2.5 開放清單

為了消除數據相對封閉，開放機制尚未形成的問題，梳理了所有具備開放條件的數據，以目錄清單的形式展現，用戶能夠根據需用戶能夠根據需求勾選對應的數據服務，然后再發起申請。對接方式有基于HTTP方式，用機器碼、工號鑒別的方式來加強HTTP方式的安全性；基于數據庫接口方式，用戶可以使用數據服務的自帶標準直接在自管系統中快速完成正向工程。數據服務獲取支持基于最細粒度的數據共享接口：最小數據單元，即信息項，比如身份證、姓名等。以數據交換共享機制為依托，支持對信息項進行無條件共享和條件共享，以及不予共享。

2.6 一庫

一庫就是“一庫一表”，為全校每個人建立一張成長記錄表，將散落在各個系統的數據圍繞人進校全面梳理，并在數據中心匯集教師庫、學生庫，用戶不需要再登錄各個系統查詢本人的各類信息，在一個平臺內就可以看到全部內容，既能縱向看自己的關鍵時間線，也能橫向切片看細節，在職稱評定資料準備、畢業簡歷準備中能夠為師生提供更好的服務，提高用戶參與數據治理的獲得感。

2.7 一指標

一指標是構建數據質量評價體系，針對全校、部門、業務系統、個人多個層次提供量化的質量評價Q值，并進行實時排名。Q值既是數據質量狀態的晴雨表，Q值提高，說明問題不斷減少，數據質量向好的方面發展，Q值也是各個部門治理工作績效的成績單，利用好Q值這個抓手，能夠實時督促各方參與數據治理，配合詳細的質量報告，各相關方可以查排名，知差距，找短板，從宏觀和微觀層面把握治理績效。

2.8 一通路

一通路是重新構建數據流轉通路，針對高校的數據生態環境特點，設計混合式的實時數據架構，首先利用OGG、Kafka、Spark等技術實現了基于日志的結構化數據采集、計算和實時共享，在對源數據庫性能影響盡可能小的前提下，耗時從原來的平均1 h縮短到秒級；其次，針對存量業務系統中的非結構化數據，例如教師培訓證書、科研論文、教師獲獎證書、學生獲獎證書等，開發采集軟件，連同關聯關系，抽取存儲到非結構化存儲中，并規整統一的API訪問接口。最后，構建學院的Hadoop大數據存儲中心，將過程性結構化數據和非結構化數據統一存儲，為未來的大數據分析奠定基礎。

3 高校數據治理實踐效果

3.1 制度成果

在治理工作啟動之前，首先制定了《學院數據管理辦法》，治理團隊以“數說業務”、用數據推進教育治理的出發點，提高數據管理的站位，將需要學院決策層支持，各個部門配合的內容和相關的考核辦法寫入制度，并提交學院審核發布執行。制定了《數據質量考核辦法》，明確了數據質量的量化評價指標，所有工作有憑據，公平公正推進。

3.2 平臺成果

在實踐過程中，學校和企業研發人員共同研究，設計開發了一套針對高校特點的數據管理平臺，統一的大平臺將數據標準、數據質量、數據填報、數據開放、數據底盤分析中心、數據瀏覽、領導駕駛艙、數據融合管理各個模塊囊括其中，需要處理的事項一目了然，也提高了師生用戶的數據素養，平臺各個模塊相互協調融合，實現了連通所有、管理所有、服務師生、立足當下、預見未來的目標，切實提高數據支撐教學、管理的能力，充分發揮學院的數據內在價值。

3.3 應用拓展

在對學院數據進行地毯式的全面排查梳理中，發現了系統應用的薄弱點改進和補充列入了計劃，未來的升級、建設有據可依，在構建責任清單時，各個部門各抒己見，將歷史遺留問題逐一協商，其中產生了較多有趣的想法和創新的應用場景，例如過程式教學評價、專業群建設、師生發展、校園物聯感知[4]等方面，對于學院的發展大有意義。

4 結語

數據治理是一項長期的、復雜的綜合性系統工程[5]，不能一蹴而就，首先需要結合學校自身的業務需求及發展狀況，設計完善的體系，制定必要的制度和考核辦法。在數據治理過程中，應有優先順序，合理設置數據治理的短期及長期目標，例如首先對最核心的主數據先進行治理，然后再分階段逐步推進各個業務主題的治理。同時，治理的評價指標需是可量化的，以此對各個責任主體進行有效的績效評價，提高各部門的重視和配合程度。

高校數據治理不能靠某一個部門完成，需要統籌協調，多方參與，自上而下進行推進。因此，需要從體制機制建設、人員意識培養、組織職責劃分等多方面進行綜合設計，才能確保數據治理達到理想效果。