智慧校园背景下高职院校数据治理能力提升路径_朱俊彦.pdf

引用格式:朱俊彦智慧校园背景下高职院校数据治理能力提升路径 J 航海教育研究，2023，40(2):105109智慧校园背景下高职院校数据治理能力提升路径朱俊彦(浙江国际海运职业技术学院，浙江 舟山316021)摘要:围绕高职院校数据管理、数据质量和数据应用情况等内容，分析高职院校数据治理工作中面临的挑战，并从做好数据治理统筹规划、建立全生命周期数据管理制度、加强校园全量数据中台建设等方面提出提升高职院校数据治理能力的路径和方法。关键词:智慧校园;高职院校;数据治理;能力提升路径中图分类号:G717;TP31113文献标志码:A文章编号:10068724(2023)02010505一、引言2018 年 4 月，教育部颁布的教育信息化 20行动计划 中明确提出了“智慧教育创新发展行动”1，智慧校园建设与应用是此行动计划的具体举措。智慧校园建设的核心是为学校人才培养相关的教学管理工作提供智慧服务和智慧应用，其外在表现是大数据、云计算、物联网与人工智能等新兴技术在各个教学管理场景的应用，而其内在实现则是将海量的数据通过存储、汇聚、分析、挖掘等过程形成有价值的数据，并通过不同表现形式为师生的教学管理工作提供高效和便利的服务。以“大数据+智慧校园”为关键词在中国知网数据库进行检索，检索结果可见，近年来相关研究成果数量爆发式增长，2020 年发文 9 篇，2021 年36 篇，2022 年达到 376 篇，这也意味随着智慧校园在高职院校的不断深入和推进，越来越多的学校逐渐意识到数据资源在智慧校园建设过程中的重要作用，并促使学校将提升数据质量作为智慧校园建设的重要内容。利用大数据处理技术发掘和释放数据资源的潜在价值，为教育教学管理提供有效的决策支持服务，促进教育教学的改革与创新，是高职院校智慧校园建设的主要目标，数据治理则是实现该目标的重要保障。数据治理是围绕数据资产展开的系列工作，以服务组织各层决策为目标，是涉及有关数据管理的技术、过程、标准和政策的集合2。建立和完善数据治理体系，提升数据质量、规范数据使用和支撑教育教学管理决策已成为必然趋势，也是高职院校实现高质量发展并培养高素质人才的重要契机。二、高职院校数据治理面临的挑战当前大部分高职院校不同程度地重视智慧校园建设工作，并在多个层面上推进数据治理工作，以一站式服务大厅、领导驾驶舱、数据门户等为代表的以数据服务为主的应用相继投入使用，但依然面临着如下挑战。(一)数据治理文化尚未深入人心尽管意识到数据对于智慧校园建设的重要性，由于高职院校管理层对于数据治理的认识尚处于起步阶段，对于数据治理工作缺乏统一规划和管理，学校内部缺少清晰的协调机制和统一的数据管理权限体系，数据管理职责和权限方面存在着不健全、不明确等问题，因此，数据标准不一、一数多源、关键数据缺失等问题在学校信息化建501高校管理航海教育研究2023 年第 2 期 第 40 卷收稿日期:20230223作者简介:朱俊彦(1983)，男，工程师，主要从事高校智慧校园建设研究。设中依然存在。(二)数据共享难度高在高职院校早期信息系统建设过程中，通常以业务功能为导向，由各个职能部门独自牵头建设信息系统，缺乏统一的底层数据结构设计，造成系统割裂。尽管在后期学校已制定了数据标准，但由于跨部门协调困难、供应商数据对接费用高等原因，数据标准推广难以得到落地或者与实际需求不符，数据在技术和管理上都存在着共享壁垒，制约着数据价值的真正体现。(三)数据质量参差不齐早期的信息系统建设过程中存在软件设计不规范、重要数据不校验等现象，各职能部门仅围绕本部门实际需求来管理和监控数据;另一方面由于缺乏统一的数据标准和数据质量监控平台，高职院校依然存在着数据重复、数据缺失、数据不规范等现象，教学、科研等核心数据并未得到充分融合。在学校整个人才培养周期内，数据的一致性、完整性和共享性未得到充分保障，导致数据难以充分共享和利用3。(四)非结构化数据利用率不高随着各学校教育信息化进程的不断推进和各类教学、宣传、素材等资源的建设，非结构化数据资源已初具规模4。随着物联网等技术在高职院校的投入使用，大量的非结构化数据已成为学校主要数据生产部分。这些数据本身蕴含着大量的教学和管理价值，但由于非结构化数据资源存在着存储分散、检索困难等问题，大量资源无法得到有效使用，难以释放数据价值。(五)数据创新困难数据创新本质上是激发数据价值的过程。早期建设的信息系统由于设计不够规范，无法提供丰富和符合标准规范的数据接口;由于缺乏统一的校级数据规范，各信息系统间的数据难以实现联动并提炼有价值的信息;由于数据治理起步较晚，没有对数据进行深度开发及利用。这些都制约学校利用数据创造价值，更难以创新。三、高职院校数据治理能力提升路径(一)做好统筹规划，明确数据治理架构高职院校开展数据治理工作前须做好统筹规划，包括盘点数据资产、明确数据治理目标和制定数据资产标准规范等，该阶段成果是后续工作的基础。首先，要结合学校业务全面盘点数据资产，摸清数据资产家底、明确存量、识别范围、搭建数据资产地图。应采用业务视角进行数据梳理，全面分析学校的相关制度文件、组织架构、业务流程等，逐层分解。资产盘点需自上而下进行统筹，上层规划相关原则和框架，定义盘点内容，制定盘点模板，再由数据生产和使用部门执行梳理，完成数据盘点工作。盘点时应遵循前瞻性、全面性、基础性、系统性、安全性和保密性等原则。其次，要明确学校数据治理目标。数据治理的目标须紧紧围绕学校培养和输出高质量人才核心目标，避免为治理而治理、形式主义等现象。在制定目标时要充分考虑高职院校特点及发展现状，因地制宜设定符合学校实际情况的目标，制定多阶段目标，分步实施，避免步子过大，同时，该目标须与学校的中长期发展方向保持一致。最后，要制定学校数据资产相关的标准规范，在数据资产梳理和数据治理目标的基础上，结合国家标准和学校实际情况，围绕数据资产生命周期制定相应的数据规范体系，包括数据模型标准、主数据标准、元数据标准、数据质量标准等5，逐步推动相关数据规范和标准的工作建设，使数据有效汇聚和应用，切实保障数据治理的流畅实现。同时，建立数据治理监测指标体系和奖惩机制，制定数据治理考核评价办法，使数据治理工作的每一个环节有法可依、有章可循。另外，开展数据治理工作前还要明确数据治理架构，可根据实际校情和特点，将学校数据治理组织架构分为指导层、管理层、检查层和生产层四个层级，如图 1 所示，每个层级有各自的职责及工作内容，做到权利和责任明确。一是指导层。智慧校园背景下多数高职院校已设立首席信息官(Chief Information Officer，简称CIO)的职位，组织制定学校信息化战略规划，统筹协调全局资源。此外，还应设立首席数据官(Chief Data Officer，简称 CDO)职位作为学校数据相关工作的负责人。CIO 和 CDO 组成学校数据治理指导层，指导层统领学校数据治理全局工作，确保数据治理工作的正常运行。二是管理层。设立数据治理办公室，一般由601朱俊彦:智慧校园背景下高职院校数据治理能力提升路径信息化办公室和各业务部门的负责人组成。数据治理办公室是学校数据治理的中枢，也是数据治理的管理者和监督者，负责审查数据治理流程，解决数据治理工作中出现的问题。图 1数据治理组织架构图三是检查层。设立数据治理工作组。数据治理工作组是学校整个数据治理工作的检查者，负责校级数据中心数据的规范性，落实数据治理工作各个环节，一般由学校数据中心和数据治理平台的专业技术人员组成。四是生产层。指数据生产部门，一般由各个业务系统管理员组成，数据生产部门是学校各个数据的源头，负责数据的产生和审核数据质量是否符合相关标准。(二)建立全生命周期数据管理制度，加强数据安全体系建设建立数据全生命周期管理制度不仅可以提高数据质量，还可以降低学校数据管理成本。有效的管理和存储可以提高计算效率并优化存储空间，可以通过对数据的监管和审计保留相关数据，对数据进行全程追溯，规避风险。国家标准“数据安全能力成熟度模型”(GB/T 379882019)中的数据生存周期分为数据采集、数据传输、数据存储、数据处理、数据交换和数据销毁六个阶段。该模型从数据处理的各个阶段来看待数据生命周期，比较符合高职院校数据管理实际情况。一是数据采集。指新的数据产生或现有数据发生改变，在采集前要做好合理模型规划，落实数据标准，保证采集数据合规。二是数据传输。指数据在不同组织内部的流动，需注意数据传输的安全性，包括数据传输通道加密和传输数据本身加密。三是数据存储。指数据以任何数字格式进行物理存储，需对敏感数据进行加密并保证数据的可用性和安全性。四是数据处理。指在内部针对动态数据进行的一系列活动组合，需建立严格的访问控制和审计制度，同时，保证数据可用性和安全性的平衡。五是数据交换。指数据经由组织与外部组织及个人产生交互，需考虑数据的合规性，特别是数据交换到校外机构时，要严格进行数据交换的身份验证。六是数据销毁。指利用技术手段使数据永久或临时性不可用，需根据学校相关规定对需要销毁的数据进行确认，制定科学合理的数据销毁制度，保证数据记录的完整性。数据安全体系建设是高职院校数据治理不可或缺的重要组成部分，也是学校持续开展数据治理的重要保障。首先，要遵循谁生产谁负责、谁使用谁负责的原则，制定完善的数据安全责任制度，任何数据处理活动都应遵循政策法规，同时，对数据进行分级分类，根据数据来源、内容和使用目的进行分类，以数据的价值、敏感度、影响范围等进行敏感等级划分，当数据的级别因时间变化、业务变化、政策变化等改变时，需对数据分类分级进行定期审核并及时调整。其次，要加强数据访问权限管理，建立基于角色的数据访问权限管理机制，根据数据的不同等级设定相应的访问权限，建立事前审批、事中审计和事后分析的审计管理机制，保证数据访问事件的追溯和定位。同时，加强账号安全管理，建立账号安全管理制度，定时处理“僵尸账户”和弱口令账户，杜绝因账号失控造成数据泄露的情况。最后，要提高数据安全防护技术，采取访问控制、数据加密、数据脱敏、数据溯源、数据备份、隐私计算等技术措施保证数据安全，开展数据安全相关教育和培训，提高数据安全防范能力。此外，要营造和树立数据安全意识，通过培训、宣贯等各种途径提升全体师生对数据安全风险的认识，营造人人都有数据安全保护义务的理念。(三)加强校园全量数据中台建设，积极探索人工智能在数据治理中的应用数据中台是指通过数据技术对海量数据进行采集、计算、存储、加工，同时统一标准和口径6，形成大数据资产层，进而为学校教学和管理提供701朱俊彦:智慧校园背景下高职院校数据治理能力提升路径高效服务。目前，多数院校已建立校本数据中心，为了解决数据质量不高等问题，需要进一步建立业务全量、结构全量、时间全量和价值全量的全量数据中台，如图 2 所示。图 2全量数据中台一是业务全量。指存储的数据不但包括学校数据标准内数据，也包括标准外数据。二是结构全量。指存储的数据尽可能原汁原味地贴近异构异源的结构化和非结构化数据。三是时间全量。指存储全部数据的历史变迁情况。四是价值全量。指选择转存而不是丢弃清洗过程中的错误数据和脏数据，充分挖掘其“反向价值”。在此基础上，利用分层的思想将共享数据中心分成原始层、主题层、分析层和应用层的多层架构数据库，以供不同的场景使用。另外，完善数据标准管理、元数据及关系管理、主数据管理和数据质量监控平台，建立数据血缘关系，提供数据的全链分析、影响分析、血缘分析、数据地图等，从而形成场景化、结构复杂、价值密度高的学校数据资产。同时，联动数据开放平台，将资产按场景无缝转化为数据服务。因此，构建全量数据中台建设可以从技术上实现深度数据治理，进一步盘活学校数据资产，释放数据价值并赋能学校业务应用。人工智能的本质是对数据的训练和推理，通过对海量数据的矩阵运算进行训练并得出算法模型，数据治理能够提升数据质量，为人工智能提供可靠的数据输入7。人工智能和数据治理的核心都离不开大数据，两者紧密相关、互相作用。人工智能可以促进高职院校数据治理方式和治理理念的持续进步，它既是数据治理的工具，也是数据治理的对象，带动着数据治理智能化水平的提升。各校均建有虚拟仿真实验室，在实际的教学和实践过程中会产生大量的结构化和非结构化数据，传统的数据处理方式无法处理海量数据特别是非结构化数据，人工智能可以通过其强大的算力和大数据处理能力促进数据治理方式不断创新和完善，并提高数据治理智能化水平。此外，数据质量是衡量数据治理成效的重要标准。从数据源判断数据是否符合完整性、规范性、一致性等一系列质量指标体系是一项耗时耗力且难以控制的工作，利用人工智能技术可实现自动识别数据质量，对数据质量进行效果评估并智能修复。同时，根据数据量和业务阶段的变化对数据质量提升方案进行动态更新。人工智能对数据治理的工具和方法进行全面突破，实现了多元化治理体系，将改善高职院校数据治理技术单一化的现状。801朱俊彦:智慧校园背景下高职院校数据治理能力提升路径四、结语本文从高职院校数据治理痛点出发，针对数据质量参差不齐、共享难度高等问题，探讨了高职院校数据治理能力提升路径。提高数据治理能力是高职院校智慧校园建设的总体趋势，也是一项长期任务，需要逐步推进、不断完善。随着数据治理的研究受到越来越多的关注，数据治理与高校治理、数据创新等问题将会成为进一步的研究热点。参考文献:1贺建虎高校智慧校园数据治理架构设计与实现 J 信息技术与信息化，2022(6):157160 2沈岿数据治理与软法 J 财经法学，2020(1):312 3张捷大数据背景下职业院校数据治理体系的构建与实践 J 信息系统工程，2022(5):1619 4贾亚刚，安宁，齐瑞红智慧校园环境下高校非结构化数据资源平台的构建J 中国现代教育装备，2021(11):13 5谭章禄，王美君智慧矿山数据治理概念内涵、发展目标与关键技术 J 工矿自动化，2022，48(5):614 6胡海兵，张延涛数据挖掘技术在大型企业集团财务管理中的应用 J 财务与会计，2022(9):2630 7赵磊磊人工智能赋能高校数据治理:逻辑、挑战与实践 J 重庆高教研究，2022，10(1):7179901朱俊彦:智慧校园背景下高职院校数据治理能力提升路径