预警|四个步骤，从0到1解决高校数字化实践难点

编辑导语：如今，高校的信息化已经走向成熟，但在实现数字化以及智能化阶段，还存在着挑战。如何抓住这一阶段的工作重点，实现科学的数字化、智能化运营，降本增效？作者分享了一些如何提升高校数据分析有效性要点，一起来看下。

文章插图
如今，高校的信息化已经逐渐走向了成熟，如何进一步实现数字化、智能化？此阶段的工作重点和挑战是什么？如何真正实现高校的数字化、智能化运营，以实现降本增效，科学管理？这些问题急需找到答案。

文章插图
图一：高校数据化面临的挑战
这里整理了一些如何提升高校数据分析有效性要点和大家分享。
一、要点一：要确定战略目标是面向校领导层级的顶层驾驶舱，面向教务管理领导的单刀深入之教务管理，面向更多职能部门之教务、学生、图书馆、招就及科研管理，还是面向广义智慧校园之安全、空间、资产和能源管理？又或是以上各种排列组合？
我们的数据目标是什么？是否需要形成长期数据资产，数据共享？数据现状包括数量和质量又是怎样的？项目资金预算是怎样的？
当期，中长期目标分别是怎样的？数仓、大数据平台甚至数据中台、BI怎么选择？就像做课题设计一样，这些都需要在项目初期研判并确定。
这个确定的过程要运用顶层设计方法，结合学校所处信息化建设阶段、业务系统数据情况及可以得到的相关财力、人力资源进行目标确定及整体规划。
好比装修项目，如果财力、人力、物力各方面条件完备，自是可以功能性能兼顾，从硬装到软装都来个豪华版，比如大数据平台建设一步到位，各数据主题应用也来个“百花齐放”。

文章插图
图二：高校行业方案架构
但现实往往不那么丰满，比如当前各业务系统数据比较完备，但数据质量很差，学校有长远的数据应用规划，财力尚可但不很充裕，那当期首先可以建设数仓，完成数据治理，在此基础上选择需要的典型业务场景进行数据分析，后期再进一步建设大数据平台及进行更多报表开发。
再可能现实很骨感，什么都不完备，财力也很有限，那就可以以相对成熟业务系统为切入点，快速完成数据治理，小步轻走，实现“精瘦”化数据应用，数仓/大数据平台建设及系统性报表开发都在后期规划。

文章插图
图三：高教行业数据应用生态体系
二、要点二：不要贪多首先分析主题不要贪多，即使业务系统数据完善，也不一定要纳入当期数据建设体系，原则是执行层面和目标严格一致。以我们一个客户为例，近两年都一直深耕教务主题数据应用，因为其主体目标是提升学校教学质量及办学水平。
再者是分析指标不要贪多。比如一卡通消费分析可以对学生消费时间、消费类别、消费金额、消费类别/金额和学生成绩关联性分析，是不是以上指标都需要呢？
不是。假设我们的目标是通过一卡通分析找到在生活上需要关怀的学生，那我们只需要着重看消费金额即可，譬如对月消费金额低于某个值的学生进行一卡通充值补助。
“有舍才有得”，阶段内过于分散的目标和庞大的数据分析体系会分散精力，不利于数据应用落地及目标达成。
三、要点三：“将数据进行到底”在和客户相关负责人就数据应用情况进行回访过程中，客户有句话让人印象非常深刻：“越用越准” 。我理解“越用越准”首先是主题定义、模型构建及指标定义准，再是发现问题准，最终辅助决策准。
“将数据进行到底”意味着主题定义及模型构建准确性。
比如我们要做学业预警分析，是只看学生学业成绩来进行预警吗？传统方式可能是，但这还不够。我们可以构建一个模型，从学生学业成绩、上课行为如出勤率、图书馆行为如图书馆进出次数/时长/图书借阅次数、上网行为如上网时长、活动参与等多方面构建一个基于学生行为的学业预警分析模型。
因为只专注学业成绩很多时候看到的只是结果，更多做到“预警”中的“警”，而基于以上模型能提供更多的预警信息，更好做到“预警”中的“预”。

文章插图
图四：校长就业驾驶舱
“将数据进行到底”意味着指标定义准确性。