高校数据治理的探索及实践

连淑娟

摘   要：数据质量决定数据价值。在挖掘高校数据价值的过程中，我们发现各高校的数据质量普遍较差，所以如何提升数据质量，成为了目前各高校信息化建设过程中的核心工作。本文以北京外国语大学为例，对业务数据进行了一系列的数据治理和质量评估工作，实践结果表明经过数据治理可以显著提升数据质量;同时，我们在项目实施过程中发现，通过技术手段进行数据治理仅仅起到了辅助作用，高校管理问题才是数据治理的关键。数据治理是一个长期的过程，需要管理和技术双管齐下，数据质量才能不断的获得提升。

关键词：大数据  数据治理  数据质量  高校信息化  质量评估

中图分类号：G647                                   文献标识码：A                       文章编号：1674-098X（2020）02（c）-0208-02

1  数据治理现状

我国高校信息化历经10多年的发展，信息系统已经逐步完善。但是信息系统建设时，由于是各业务部门牵头进行的，缺乏全校统一的系统规划和建设标准，导致很多高校虽然积累了大量的业务数据，但是数据质量普遍不高，造成了数据可用性较差及各部门之间共享数据难度较大的问题，这些问题已经严重制约了高校教育教学和日常管理的提升。因此，必须建立一套全校级别的数据治理流程体系，来对业务数据的全生命周期进行管理。

目前，高校数据管理方面存在以下不足。

1.1 数据不一致性

同一份数据在多个业务系统之间重复存在，产生了不一致现象，影响了数据的流动和整合。

1.2 数据多头管理

很多高校由于缺乏全局规划，造成了数据多头管理的问题，进而造成了数据共享难、统计难的问题。

1.3 数据全生命周期不完整

目前，高校产生的数据、使用、维护、备份、过期等数据生命周期管理不规范、流程不完整，导致数据只能在较低层面进行分析，不能在高层面进行建模、挖掘，发挥其数据价值。

1.4 缺乏校级的数据质量管理体系

目前，高校各业务系统的数据质量主要由各部门分散管理，跨部门的数据质量沟通机制不完善，同时存在需求不清晰、数据随机性强、数据交换效率不高等问题。

1.5 数据质量管理人手不足

目前高校各部门都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，缺乏统一的数据质量管控流程和系统支撑能力。

2  数据治理建设思路

2.1 业务问题分析

在实施数据治理之前，首先要对学校的业务数据情况进行梳理，从而制定数据治理的目标。我校的业务系统较多，近几年积累了大量的数据，包括人事数据、科研数据、资产数据、教务数据、财务数据、留学生数据等，存在着同一条数据分散于各个业务系统的情况，从而造成了数据的不一致性，数据的权威性和准确性难以判断。

2.2 落实数据目标

我校的各类业务、日常管理、数据填报等急需大量的数据做支撑。但数据治理工作不能一蹴而就，需根据业务需求确定数据治理的短期目标和长期愿景。

2.3 制定成熟度评估

为保证数据治理效果，制定我校阶段性的数据治理内容和成熟度模型。在不影响现有业务的前提下，逐步推进数据治理框架，使得各项业务逐渐过渡到新的业务框架中来。我校结合当前业务需求，从组织机构、角色职责、流程监管、技术职称等多方位考虑，制定了我校的成熟度评估模型。

2.4 加强顶层设计

高校的数据治理工作不能仅仅靠信息技術部门去完成，需要学校自上而下进行推进，校领导、各业务部门、信息技术部门等多方协作才可顺利进行。因此，需要加强各部门负责人的数据治理意识，让其认识到数据治理的重要性，划分好相关业务部门的职责，以确保数据治理达到预期效果。

2.5 元数据管理

元数据管理是整个数据治理规划的关键，它决定了信息架构如何满足各业务需求。因此，我们从字段信息、业务规则、数据使用、专业术语、数据权限等进行了梳理。

2.6 数据标准制定

数据标准制定的目标是为了实现高校数据的完整性、有效性、一致性、规范性、开放性和共享性管理，进一步提升数据治理水平。它是一种规范性约束，是高校数据治理的依据和根本。前期根据我校的数据情况，制定了一套符合校情的数据标准。

3  数据治理系统建设

3.1 数据治理规划

我校在前期数字校园建设实施中，建立了基础的共享数据信息标准，但是校标的内容比较少，如组织机构、班级、房屋等信息标准，所以造成部分业务数据无法共享数据中心存储入库，影响数据中心的全面性，所以要补充信息标准以达到业务全面的覆盖。此外，还需补充数据治理项目的各类规范、政策制度、管理流程等，加强数据中心整体业务的支撑。

数据治理最关键的是要确定数据源与数据中心的共享流程架构图。第一步，基于学校现有的业务系统进行数据采集，包括人事系统、教务系统、研究生系统、科研系统、财务系统、资产系统、留学生系统等;第二步，将采集到的业务数据存储在数据中心，通过一系列的工具将数据进行清洗、转换为各个数据标准子集;第三步，将清洗好的数据交换给其他需要的业务系统，以实现数据的双向互通共享;第四步，清洗后的数据更好的支撑上层应用，比如移动端应用、一站式服务大厅等。在项目实施过程中，数据标准是一个不断更新不断完善的过程，数据治理工作完成后，最后向全校公布数据中心标准。