数据挖掘前的准备

　　数据挖掘，也称为数据库中的知识发现，是从数据库中的数据抽取隐含的、未知的和潜在有用的信息(如知识规则、约束和规律等)的非平凡的过程。确切地讲，数据挖掘是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析各组织原有的数据，做出归纳的推理，从中挖掘出潜在的模式，为管理人员决策提供支持。

　　国外高校教学管理中，数据挖掘已成为提高教学管理质量与水平的一种有力工具。如美国学校能够以85%的精确度去预测学生的升学率，从而把注意力集中在辍学风险比较大的学生身上。而在国内，数据挖掘在各领域的运用与实践尚不普遍，不少的企业或部门仍处于观望与考虑之中，在高校教学管理中的应用更是有待于人们去深入地研究。

　　从海量数据中寻找出有意义的规律，并为高校未来的发展提供决策上的支撑，使高校迈入“智慧”的校园，是信息化数据挖掘的最终目标。

　　“要实现很好的数据分析，需要有两个前提条件：一是足够的数据量；二是数据必须是可用的、真实的，这就需要数据质量的保证。”袁芳说。

　　但是目前普遍存在的问题是数据质量不高。许多高校的数据分析、利用仍停留在初级水平，数据很难被发掘利用也反映了在系统建设和使用过程中的数据不准确、不精确、不一致等诸多质量问题。

　　宓詠表示，目前的数据工作主要存在以下几个方面的问题。

　　第一，数据整合做得不深入。现在，整合是大势所趋，是高校信息化建设必须面对的挑战。一方面，随着信息化应用的深入和普及，各业务间出现了大量的数据交换需求；由于时间积累、建设方式多样和系统耦合度因素，数据交换呈网状结构，随着需求的增加，授权越来越复杂，亟需对现有信息或数据进行整合，提高信息资源的利用率。另一方面，随着非结构化数据的增多，需要对业务类的结构化信息和资源办公类的非结构化数据整合。

　　第二，标准化的挑战。目前，信息系统中的业务数据定义不清、概念混淆，程序设计时控制和校验不严，系统使用时数据输入偏差等原因，导致数据质量问题很多。业务数据标准化程度低，不仅导致数据质量问题，也给数据集成带来了很多麻烦。

　　第三，数据的利用率很低。“数据如果仅仅是保存并沉睡在系统中，那么其质量问题很难暴露出来，只有被使用时，问题才会逐渐显现。”

　　他表示，要想提高数据质量，首先需要把好数据输入的源头、保证输入的数据符合要求，其次通过技术手段控制数据输入的格式、标准和要求。

　　此外，需要指出的是，数据质量并非单纯的技术问题。很多时候，数据的真实性有待商榷。比如，同一所高校不同部门针对同一项目给出的数据不一致。

　　事实上，数据质量不仅是一个技术问题，更是一个管理问题。业务部门需要利用数据来处理业务工作，意味着要为数据完整性、完备性、准确性给出定义和语义层次上的解释。解决数据质量问题往往要耗费较多资源及增加管理成本，因此还需要管理层在数据质量和所花费的代价两方面进行平衡。总之，数据质量问题不单单是一个技术问题，更需要来自管理和技术两方面的协同努力。

　　宓詠认为，优秀的数据管理体制应当是：数据不再仅仅属于各业务系统，管理部门仅对数据真实性、有效性负责。师生不再面对众多业务系统，而是更好地使用数据、受益于数据。而且要统筹规划，把不同用户群分开，设置教师个人数据中心——教师综合服务以及学生个人数据中心——学生综合服务的模式。这样，把面向师生的应用服务与管理业务分开。