數據資產視角下醫學院校人員信息數據管理的探索與實踐
——以首都醫科大學教務系統為例

葉 萌 王 巖 朱 淼

(首都醫科大學教務處,北京 100069)

隨著高校教育信息化建設的深入開展,業務系統使用方對信息服務的精準化、個性化的要求越來越高。而實現高水平的信息服務需要建立在完整且準確的基礎數據之上。其中人員信息是所有業務系統中的基礎核心數據之一,人員數據的完整性和準確性直接決定業務系統上線后能否實現預定目標,對后續功能的迭代也會產生巨大的影響?？梢?數據已經成為信息化建設中的一項重要資產。在中國信通院發布的《數據資產管理實踐白皮書》中,對“數據資產”定義為:由企業擁有或者控制,能夠為企業帶來未來經濟效益,以物理或電子方式記錄的數據資源,如文件、電子數據等[1]。

首都醫科大學經過多年的信息化建設沉淀了大量的數據資源,而這些數據資源前期未能經過有效的數據治理轉變為數據資產,發揮其應有的價值。2018年下半年,教務處在啟動新一代教務系統建設工作的同時,同步開展了人員信息的數據治理工作,通過建立數據規范、落實數據清洗和推進信息共享3個階段的建設,于2021年完成了由數據資源向數據資產的轉變,為下一步深入開展教學信息化工作提供了堅實基礎。本文梳理了人員信息的數據治理過程,可供各高校、教育研究機構等參考借鑒。

1 數據治理面臨的問題

1.1 數據質量不佳

現有的人員信息沉淀數據是在學校推進信息化進程的不同時期留存下來的,這些數據主要來源于不同的功能及信息平臺,因當初應用場景不一致,使得數據的準確性、完整性、一致性、可信性以及時效性等方面都不能滿足今后信息化工作的要求[2]。經過調研,課題組發現造成這些問題的原因主要有以下兩點:一是人員信息管理單位和人員數量多,統計口徑不一致。醫學院校普遍采取“基礎階段”+“臨床階段”的培養模式,“臨床階段”培養過程中因為教師數和場地等原因限制,需要把學生分配到多家不同的醫院完成相應培養。以首都醫科大學為例,學校擁有21家臨床醫學院、12家教學醫院,大量臨床教師參與臨床教學,在統計2019年-2022年授課教師人數時發現,臨床教師人數占到全校授課教師總數的90%,得到這個統計結果時令人驚訝,但仔細思考發現這本就是醫學院校的特點之一。這些臨床教師的人員信息分散于各臨床醫院的人事處、教育處,使用各自獨立的信息系統進行管理。而各部門對人員信息在賬號管理和數據定義等方面存在差異,統計和使用口徑也不一致,這就造成人員信息在賬號信息管理、統計基礎和基數等方面始終不能統一。經過數據整理后,教務系統中設置了如下人員信息類型:“在編教師“”臨床教師“”外聘教師“”研究生助教“”返聘人員“等對人員信息進行分類管理。二是人員身份信息定位標記缺乏準確性。教務系統歷史數據中人員賬號信息只是由系統編號、姓名、性別、部門等有限的字段進行身份標記,而在較長時期后,則因為信息管理制度和系統功能不完善等原因,產生系統內人員賬號信息重復、錯誤等問題,導致后期系統內填報教學日歷、安排課程、評教等工作中,人員信息定位模糊、錯誤突出,嚴重影響了系統平臺后續工作的順利開展。

1.2 數據管理責任不明確

數據治理的一個重要特點是參與管理主體多元化和權力邊界明晰化,共同參與、共同管理、共同受益越來越成為數據治理的原則。而在學校推進信息化建設的過程中,早期多是各部門建設滿足部門工作需求的信息系統,其關注點在于滿足本部門業務需求,不可能從學校頂層設計出發考慮數據管理的整體性,這就導致各部門數據管理的主體責任和權力邊界模糊。雖然這些系統的數據信息從產生到產生價值都分別經過采集、通信、處理、共享等流程[3],但由于對數據管理缺乏統一標準和規范流程,最終造成數據質量不佳。以教務系統中人員信息的來源為例,人員信息分別來自20多個部門和單位。其中學校在編人員信息來自人事處、臨床人員信息來自各臨床醫院、研究生助教信息來自研究生院、外聘教師來自各聘任學院,這就導致了人員信息在采集過程中缺乏統一的數據規范,僅信息系統中最常見的日期字段就存在多種格式如YYYYMMDD、YYYY:MM:DD、YYYY-MM-DD等,使得接下來的數據處理以及數據共享環節困難重重。

2 解決方案

關于數據治理的理論框架、運行機制、管理體系、數據清洗等方面的研究主要集中在商業環境下,對客戶消費習慣、消費喜好、出行習慣等方面數據的收集和分析,為企業創造更多的價值。而在高等學校中開展數據治理工作的情況,目前只是在理論層面開展了一些研究,在實施層面還需要更多的探索。在這方面,我校依托教務系統建設率先開始了數據治理的深入探索,以教務系統建設為抓手,通過明確字段、建立數據規范、開展數據清洗、推進建立信息共享機制等幾個步驟,針對醫學院校附屬醫院數量多、醫院和學校之間為獨立法人關系的特點,抓住臨床醫學院這個數據產生源頭,落實管理責任,在數據生命周期內做好數據管理,將數據治理工作落地做實。

2.1 依據業務需求確認必要字段

教務系統中人員信息分別歸屬多個單位負責管理,整理難度最大。課題組的工作重點圍繞人員信息管理開展,首先調研學校各部門業務系統中所需求的字段,確定人員信息中的人員編號、姓名、性別、民族、出生日期、部門、系科室、教學職稱、專業職稱、政治面貌、學歷、學位、銀行卡號、入職日期信息為業務系統必要字段;隨后從教學管理角度出發,確認證件類型、證件號碼、電話號碼、職工類別、崗位狀況、職稱信息為教務系統必要字段。

2.2 建立規范數據標準

狹義上的數據標準一般指的是元數據標準[4],而教務系統的人員信息數據標準則要建立在教師信息和學生信息兩部分之上。為了保證人員數據的一致性、準確性,課題組對系統所用字段進行梳理,除日期類字段外,其余部分建立標準字典表。建立字典表總體遵循“繼承性”的原則[5],即盡量采用國家標準,如國家標準不能滿足工作要求,則需要結合國標、部標和校標建立。比較特殊的字段是民族信息和職稱信息字段,其中民族信息教務系統中設立61類,可滿足標記中國學生、留學生和外籍教師需求;而職稱信息則是因為在醫學院校中臨床教師存在大量的雙職稱現象,如一位醫生既有醫師系列職稱,也有教學系列職稱,因此要根據職稱信息國標和職稱分類的校標,對職稱分為兩類,即“專業技術職稱”和“教學職稱”,以滿足教學管理工作的需要。

2.3 數據清洗

在建立完整數據標準的基礎上,下一步即需要對系統中不規范數據、錯誤數據、不完整數據以及相似重復數據進行整理。

2.3.1 占比最高的是不規范數據

這部分數據絕大部分可以使用“映射表”進行自動處理。例如將所有標識主治醫師的字段內容都轉換為“主治醫師”,首先需建立信息對照表(表1),其中對照表源部分內容是所有不同表達方式的集合,最終形成統一的表達方式,對照表匯集在后期數據中臺的建設過程中會起到關鍵性作用。

表1 主治醫師對照表

2.3.2 不規范數據中比較特殊的一類是身份證號碼信息

為了改變歷史數據中人員信息無法準確標記的現狀,確保人員信息數據準確無誤,課題組經過充分研討,考慮到居民身份證號碼是每個公民唯一的、終身不變的身份代碼,由公安機關按照公民身份號碼國家標準編制[6],是國家法定的證明公民個人身份的有效證件。故決定使用居民身份證號碼作為區分身份的唯一字段,并實現了教務系統與全國公民身份信息系統自動身份校驗,該系統可提供大陸公民身份信息校驗服務,以此系統校驗結果作為使用教務系統的重要依據。具體如下操作:①對原有身份證號碼數據經過全角、半角和15位升18位轉換;②以身份證號碼、姓名進行全國公民身份信息系統數據校驗;③校驗成功的賬號鎖定身份證號碼、姓名信息,并在人員信息系統管理頁面標記已校驗通過;④對校驗不通過的賬號進行功能性停用處理;⑤為了不影響教學安排、評教等工作,課題組會及時通知相關單位人員進行信息更正。

2.3.3 數據缺失

數據缺失是一種普遍存在的現象[7]。數據缺失的原因有很多,在采集、傳遞、存儲過程中都有可能發生,其中采集過程中缺失的數據,在后期進行數據處理時補充的難度最大。在完成身份信息字段校驗工作后,課題組考慮到教務系統中人員信息數據總量較小,但是對數據準確度要求較高,故一般采取人工確認補全的辦法。技術層面要求人員首次登錄系統時需要確認個人信息,而長期未登錄的用戶則采用線下通知的方式收集缺失的字段信息。

2.3.4 重復賬號

對于系統內經過數據校驗后產生的重復賬號,如未區分身份證號碼而出現的重名賬號。由于此類關鍵賬號關聯著不同階段的歷史教學數據,不能簡單地進行刪除處理,故針對此類數據需要對賬號信息進行合并,前提是必須保障賬號和身份證號碼的唯一性,并重新指定涉及賬號信息相關聯的教學工作數據。針對不同情況可進行如下工作:①身份證號碼相同、人員編號不同的賬號,經行合并處理;②身份證號碼相同、姓名不同的賬號,其中包含校驗通過、校驗不通過、校驗失敗3種情況,以校驗通過的數據為主,合并校驗不通過及校驗失敗的賬號;③身份證號碼為空且無人認領的賬戶,因無法確認信息的真實性,故進行賬號停用處理,如以后有人使用,再經相應的信息補錄并校驗處理;④非中國籍及其他原因沒有身份證號碼的賬戶,由系統管理人員人工校驗并手動更改校驗狀態為不校驗;⑤在校驗過程中發現個別人員身份證信息和系統內填報信息完全符合,但經由全國公民身份信息系統的數據校驗不通過的情況,該類屬于極低概率事件,由人工校驗,并將該條數據在系統內手動予以校驗通過標記。

2.3.5 沉默賬號

經過人員賬戶信息補錄、校驗,系統內包含校驗通過、校驗不通過、校驗失敗的重復人員賬戶信息,包括以下幾類:身份證號碼相同但姓名不同、身份證號碼為空無人認領的賬戶、非中國籍及其他原因沒有身份證號碼的人員賬戶,上述幾類賬戶信息課題組將其歸為沉默賬戶,一并做離崗處理。

2.4 建立共享與數據責任機制

完成數據治理的最終目標是實現全校范圍內便捷的數據流轉。數據的共享離不開標準化的數據交換規則,構建跨平臺業務系統(也可以認為是異構數據庫)之間的數據共享機制。課題組采用XML構建數據交換平臺,XML又被稱為可擴展標記語言,用于不同網絡系統通信的數據交換標準定義[8],基于XML對數據交換對數據進行標準化,通過定義數據字典和數據描述規范,在盡量小規模改變各業務系統的前提下,實現不同業務系統之間的數據交換。

信息體系中師生、業務部門身兼數據的生產者、使用者和受益者,只有解決了數據管理權限問題,才能保證后續采集到的數據可追溯、可維護。一是明確數據來源。數據來源可分為兩類,一類是教師個人錄入數據,另一類是學院部門數據。二是明確管理和監管權限,總體上采取“誰產生誰負責”的原則對數據進行管理,對于教師錄入的數據學院審核通過后方可生效,學院及業務部門錄入的數據則需由系統使用方的主要部門確認后方可生效。如發現數據錯誤則由系統使用方的主要部門負責問題數據修改,修改完成后重新提交并進入審核流程。此種管理方式降低了數據采集環節產生錯誤的可能性,同時建立了數據自我修正的反饋機制,為數據質量提供保證。

3 數據治理成效

3.1 建立了數據自我完善機制

數據治理是逐步實現數據價值的過程[9],數據治理工作的核心在于建立一套完整的數據管理體系,圍繞數據生命周期開展的諸如采集、加工、控制、傳輸、保存等活動[10],規范各個環節工作流程,在數據全生命周期內以“誰產生誰負責“為原則,做到數據源頭可追溯。在師生和部門享受信息服務帶來便捷的同時也需要承擔相應的數據管理責任,通過源頭可控,共享標準統一的管理模式,保持高水平的數據質量,使全校數據的一致性、準確性和權威性得到保證。

3.2 高質量的數據成為信息化工作的基石

通過建立數據管理體系和數據清洗工作,保證數據追溯有源頭,信息修改有依據。自2018年下半年教務系統上線后,一年半時間內完成了5萬余人次的師生數據清洗和數據管理體系框架搭建工作。通過引入可靠的身份校驗機制,讓身份采集工作有據可依,徹底解決了困擾多年的身份唯一性問題。隨后,教務系統上線了多年因為人員信息不準確無法提供的各類信息提醒服務,目前平均每學期為5 000余位參與授課的教師和6 000余名學生提供了點對點的精準教學信息服務,如教師授課提醒、學生上課提醒以及教師和學生的相關教學評價提醒等。2020年初新冠疫情暴發,整個社會被按下了暫停鍵,為了落實教育部“聽課不停學”的工作要求,老師們紛紛化身為主播,借助各類直播平臺開展網絡直播教學活動,但是老師如何通知學生進入正確的“云教室”成了一大難題。課題組在初步解決人員信息不準確問題的基礎上,分析教務系統開課任務數據,梳理教師、學生、課程三者關系,依托學校企業微信平臺,迅速上線了基于授課任務的即時信息推送系統,師生使用微信即可完成授課信息互動,較好解決了授課信息溝通阻塞的問題,上線后使用范圍和頻率越來越高,經統計2021學年第一學期為校本部3千余名學生提供了5萬余人次的信息推送服務。2020年底我校為了貫徹落實《深化新時代教育評價改革總體方案》,根據臨床教師的教學工作內容及特點,制定了教師教學綜合能力評價指標體系,以教務系統中教師信息為基礎,上線了教師教學業績綜合能力考核量表填報系統,首次將首醫范圍內臨床教師教學業績進行了全面的采集并進行科學的量化,為學校開展職稱聘任工作提供了準確的業績統計服務,初步具備建立具有我校特色教師模型的條件,為師資隊伍建設開展精準專項支持提供準確的數據支持。為了更好做好業績填報工作,課題組在總結第一次填報經驗的基礎上,根據臨床教師和教育處使用反饋意見,完成考核量表填報系統2.0版本的建設工作,并應用在今年的填報工作中。經過認真扎實的人員數據治理工作,教務系統的信息服務能力和水平有了飛躍式的提高,已經從信息收集階段正在向數據挖掘階段轉變,將成為學校發展的重要助推力量。

4 結 語

隨著信息化建設的深入開展,數據資源已經成為高校一項重要的資產,而數據治理則是信息化建設必做工作之一。數據治理核心目標是提升數據的質量,加強數據的分析,發揮數據的價值,是技術、過程、標準、管理和監督的集合[11],數據準確度不高、完整度不足、標準不統一等問題都要經過數據治理去解決,數據治理不單是對舊數據的清洗,更重要的是建立對數據管理的機制,形成高質量數據的治理體系,有效降低數據的使用成本,為后續推出新的服務體現、新的價值奠定基礎。

利益沖突所有作者均聲明不存在利益沖突

作者貢獻聲明葉萌:提出研究思,設計研究方案,撰寫論文;王巖:分析研究實施的可行性,指導修訂論文,把控研究方向;朱淼:總體把關,審訂論文