以美国纽约大学为例，其数据管理体制中有两个重要角色：数据管理员（Data Steward）和院校研究办公室。数据库管理员负责数据开发和数据访问计划；负责创建和执行捕捉及修复不一致或错误的数据的工作流程，保证学校数据的可靠性；负责核实公开的报告和分析，保证学校数据的一致性和有效性；负责确保数据保存在学校数据仓库内，保证学校数据的完整性；与院校研究办公室和大学财务办公室一起研究定义、计算大学评测指标的算法和常用术语；参与数据安全接入审计，保证学校数据的安全。院校研究办公室则负责和数据管理员一起，根据大学外部报告的要求和标准，研究定义计算大学评测指标的算法和常用术语，此外，在其工作过程中，院校研究办公室通常会发现数据不符和不一致的地方，将及时报告给数据管理员去解决。院校研究办公室需要定义的大学术语如：教师（faculty），大学里符合什么样条件的人可以统计为教师，大学测评指标如何计算每名学生的空间，什么类型的空间可以计算（所有空间，学术空间等）。

　　由纽约大学的例子可以看到，在数据分析的层面，是由院校研究办公室自上而下地开展工作，院校研究办公室直接从学校数据仓库获取数据，信息化部门密切与之配合，双方协同确保学校数据的准确性和完整性。

　　完善数据分析体制机制：真正让数据说话

　　数据挖掘需要技术人员与管理人员的紧密合作, 更需要变革大学管理体制，才能真正实现基于数据的决策。

　　1. 明确数据分析的负责部门。建立专门的院校研究机构或者强化发展规划部门的职能，使其切实承担起学校数据管理和数据分析的职责。

　　2. 健全数据分析机制。切分院校研究机构和信息化部门的工作界面，充分发挥部门优势，高效协同地工作。加强院校研究机构或者发展规划的队伍建设，增加具有数据库专业和统计学等学科背景的专业人员，并通过有效的培训使其逐步专业化。

　　3. 让数据说话。首先，让数据及时说话，改变数据分析一定要海量积累数据的观点，数据分析也可以有轻量级的应用，而且轻量级的数据分析更能让业务部门敏捷改善和改进业务模式。如，每次学生选课后，及时对学生跨专业选课的数据进行分析，并对下学期的跨专业课程设置、选修条件限制等提出建议。其次，让外部数据一起说话，引入外部数据，并与校内数据有效结合，增加数据分析的有效性。如，通常高校在分析教师科研情况时，科研系统中的论文数量和期刊性质成为核心指标。引入外部数据，开展教师所发表科研成果学术影响力的评价工作，对教师发表论文的被引情况（H指数等）等进行数据分析，将其作为学术成就或学术影响力的评价指标之一，可增加数据分析的可信度。 第三，让数据为多方说话。数据分析的目的是为学校决策服务，但不仅仅是为决策服务，还要提升数据分析工作中的服务意识，为学校管理部门、院系、研究机构、教师和学生提供相应服务。如，利用学生系统、教务系统、课程学习平台、实习系统、图书馆系统等多个系统中学生个人的各类相关数据，对学生个人的学习情况进行分析，并及时给予预警和指导帮助。第四，在适当的条件限定下，高校可以通过一定形式，对外逐步开放本校数据仓库的部分数据，并为其他校外相关者利用本校数据提供支持。

　　（作者单位为华东师范大学信息化办公室）