众星捧月的大数据真的适合你吗？数据体系基础过关吗？｜数据治理解决方案（一）

“忽如一夜春风来，千树万树梨花开”，似乎在一夜之间，大数据就红遍了南北半球，大数据被神化的不出不在，无所不包，无所不能。大数据的挖掘价值当然是毫无疑问的，只是这繁花似锦的背后却还隐藏着不容小觑的问题。人人都想“尝尝鲜”，但多数高校连主数据都没有管理起来，也着急建设大数据平台实在不可取。但只是做主数据管理，实现数据共享，消除数据孤岛，已经不能满足广大师生对数据服务的需求，更无法实现基于数据分析的决策信息化。

高校数据管理的现状

    随着大数据时代的到来，高校的数据资源呈几何级数的增长，但由于高校数据普遍存在缺乏统一的管理规范、数据一致性差、数据格式各异、数据错误等问题，使得大量宝贵的数据无法共享和利用，无法获得更大程度的价值。究其原因，主要是因为：

（1）数据多头管理，缺少专门对数据管理进行监督和控制的组织。信息系统的建设和管理职能分散在各部门，致使数据管理的职责分散，权责不明确。组织机构各部门关注数据的角度不一样，缺少一个组织从全局的视角对数据进行管理，导致无法建立统一的数据管理规程、标准等，相应的数据管理监督措施无法得到落实。组织机构的数据考核体系也尚未建立，无法保障数据管理标准和规程的有效执行。

（2）多系统分散建设，没有规范统一的数据标准和数据模型。高校各业务部门都逐步建立了各自的信息系统，各部门站在各自的立场生产、使用和管理数据，使得数据分散在不同的部门和信息系统中，缺乏统一的数据规划、可信的数据来源和数据标准，导致数据不规范、不一致、冗余、无法共享等问题出现，组织机构各部门对数据的理解难以应用一致的语言来描述，导致理解不一致。

（3）缺少统一的主数据，学校核心系统的师资、学生、课程、教学资源、财务等主要信息并不是存储在一个独立的系统中，或者不是通过统一的业务管理流程在系统间维护。缺乏对学校主数据的管理，就无法保障主数据在整个业务范围内保持一致、完整和可控，导致业务数据正确性无法得到保障。

（4）缺乏统一的数据质量管理流程体系。当前现状中数据质量管理主要由各组织部门分头进行；跨部门跨业务的数据质量沟通机制不完善；缺乏清晰的跨部门跨业务的数据质量管控规范与标准，数据分析随机性强，存在业务需求不清的现象，影响数据质量；数据的自动采集尚未全面实现，处理过程存在人为干预问题，业务部门存在数据质量管理人员不足、知识与经验不够、监管方式不全面等问题；缺乏完善的数据质量管控流程和系统支撑能力。

（5）数据全生命周期管理不完整。在高校，数据的产生、使用、维护、备份到过时被销毁的数据生命周期管理规范和流程还不完善，不能确定过期和无效数据的识别条件，且非结构化数据未纳入数据生命周期的管理范畴；无信息化工具支撑数据生命周期状态的查询，未有效利用元数据管理。

    目前很多高校也开始着手进行一些局部的数据治理的工作，比如建立数据标准，统一数据规范；建设共享数据中心，部署数据交换中间件整合数据，消除“数据孤岛”等等。这些方法在一定程度上可以缓解数据质量问题，但未能从全局的观点，采取全面的措施来达到数据治理的目的。主要原因是存在：

1)管理上的缺失。数字化校园一般是由高校的信息中心主导，各业务部门配合进行建设。在建设过程中缺乏系统性的协作机制，导致建设周期较长，建设成本较高，项目质量较低；建成后也没有相应的组织和制度来保障系统的推广、维护和提升，导致使用率偏低，数据价值没有得到很好的体现；

2)技术上的缺失。数字化校园主要通过共享数据中心解决数据孤岛问题，通过统一信息门户解决数据的展示问题，在更深层次的数据技术规范、数据质量保障、主数据管理、数据安全管理以及提供的数据服务的深度和广度方面都是远远不够的。

    为了更好地提高数据质量，扩大数据的应用范围，提升数据的价值，高校有必要启动全面的数据治理工作，把数据治理作为IT治理，甚至学校整体战略的重要组成部分，从组织架构、管理制度、操作规范、IT应用技术、绩效考核支持等多个维度对学校的数据模型、数据架构、数据质量、数据安全、数据生命周期等各方面进行全面的梳理、建设，使数据治理成为一个持续改进的数据管理体系。

数据治理

·何为数据治理

数据治理是指将数据作为组织资产而展开的一系列的具体化工作,是对数据的全生命周期管理。

数据治理体系是指从组织架构、管理制度、操作规范、IT应用技术、绩效考核支持等多个维度对组织的数据模型、数据架构、数据质量、数据安全、数据生命周期等各方面进行全面的梳理、建设以及持续改进的体系。

·数据治理目标

数据治理的目标是提高数据的质量（准确性和完整性），保证数据的安全性（保密性、完整性及可用性），实现数据资源在各组织机构部门的共享；推进信息资源的整合、对接和共享，从而提高学校信息化水平，充分发挥信息化作用。

·数据治理对高校的意义

数据作为高校的宝贵资源，如同一座有待开采、矿藏丰富的矿山，而数据治理则是具体的开采方法和手段。高校将从有效的数据治理中获得：

1)完善的数据管控体系。通过对数据管控组织、流程、标准和技术支持的统一规划设计，实现数据管控过程的高效运行和持续优化，建立数据治理的长效机制；

2)统一的数据来源。通过对关键共享数据进行集中管理，确保关键共享数据的一致性，构建学校层面的统一数据视图；

3)标准化、规范化的数据。数据治理将实现现有数据的标准化，数据申请和数据审批等业务流程将控制新增数据的标准化，从而彻底改善数据不完整、冗余、错误等治理问题；

4)不断提高的工作效率。数据的标准化将使得学校内部的信息共享、业务融合更加流畅，业务对数据实时性、准确性的需求得到满足，从而带来工作效率的提高；

5)不断降低数据管理、维护、集成的成本。共享数据分享在不同的业务系统中，想要保持数据的一致性，就必须付出大量管理维护成本，但这仍然无法根治数据治理问题。数据治理通过对这部分数据统一管理，而后将一致的、权威的数据通过接口自动分发给各个业务系统，大大节约分别维护的成本，并且保证了数据的质量；

6)数据的价值得到充分体现。数据治理从制度上、体系上保证了数据的质量，使得数据的共享和充分的应用成为可能。高校通过大数据分析，可以更好地改进教学和管理水平，提高人才培养的质量。

数据治理体系

数据治理体系包含两个方面，一是数据质量核心领域，二是数据质量保障机制。

具体两者内容及相互关系可以参见图1：数据治理体系

图1：数据治理体系