奥斯丁皮耶州立大学（Austin Peay State University）

　　在美国，学生进入高校后，在专业范围内，学生的学习自主性大大增加，甚至有很多学校在学生进校的时候并不定专业，只是分文理科，学生可以有很多选择。整个大学期间，在学术顾问的指导下，学生需要自行选择每个学期合适的课程，安排学习计划，最终达到某专业的毕业要求。

　　在面临众多课程选择的时候，学生常常感到迷茫：哪种选择是最适合自己完成高等教育所有课程的最佳安排，课程的先后次序该怎样安排最合理。学校的课程介绍往往过于简单，不会针对具体的学生进行个性化介绍。学术顾问虽然对本专业的课程比较了解，但是学生在读期间会涉及选读很多本专业以外的课程，对于这些课程，学术顾问无法为学生提供有效的帮助。因此，奥斯丁皮耶州立大学开发使用了一个课程指南系统（course-recommendation system），叫做学位指南针（Degree Compass），帮助学生制定最适合自己的学习计划。

　　该学位指南针系统的分析原理如下：

　　1. 数据依据

　　（1）过去学生学习情况的数据。

　　（2）某位需要给予帮助的学生的基本数据。

　　2. 数据匹配

　　根据需要为帮助的学生提供基本数据，从以往学生的案例库中找到最匹配的数据。例如，与该学生具有相似专业背景、学术能力的学生的课程计划记录，从而提供建议性课程计划，供该学生参考。

　　当然，数据挖掘不仅仅局限于对学习的分析方面，在整个高校的各种管理工作环节中，数据挖掘点无处不在。例如美国高校都是自主招生的。每年的招生工作一般是由潜在的学生自行通过电话、邮件获取招生简章，了解学校的情况和自己想要申请的专业后，自行在线申请的。美国很多高校每年要接收成千上万份申请。为了尽快锁定最可能被录取的潜在学生，节省整个招生工作的成本，贝勒大学（B a y l o r University）使用一个招生预测模型，根据学校所掌握的申请人的情况，分析预测出最可能的潜在学生的名单，将招生工作的重点放在这些学生上。

　　总之，美国高校的很多数据挖掘点是出于实际需求。实际需求与创新思路的结合，就是好的数据挖掘点。

　　数据应用建设的总结

　　近十年间，我国高校通过建设和上线各种业务系统，优化了管理工作的流程，规范了管理制度，并且提高了工作效率，方便了师生。伴随着各种业务系统的使用，各种业务数据，包括中间数据被大量积累下来。我国很多高校精心保存这些数据，但只是让这些数据逐年积累在存贮中，而没有有效使用它们。现在是我们开始考虑如何使用这些数据，进行数据应用建设的时候了。

　　数据应用建设的最终目标是让数据分析的结果成为学校决策的主要依据，即让事实说话。

　　大多数美国高校的数据应用建设分两个阶段进行：

　　1. 数据仓库：对各种业务数据分类整合，使用户方便获取各种业务数据报表。

　　2. 数据挖掘：开发使用各种数据分析工具，对数据仓库中获取的业务数据进行分析，发现规律，预测未来。

　　通过以上两个阶段的建设，可搭建一个灵活的集成、挖掘和分析数据的技术平台。很显然，实现数据应用的目标不能仅仅依靠技术建设，更重要的是学校管理层具备以数据为依据的管理决策理念，并致力于在学校里推行这种理念，使之形成风气。同时，尽管一个好的数据应用平台使管理人员不需要去直接接触数据库查询语法，但是学校行政部门的管理人员还是需要具备能够轻松使用各种数据进行分析的素养。

　　（作者单位为华东师范大学信息化办公室）