
北京交通大学(图源学校官网)
当前,在信息技术的迅猛发展和国家政策的有力支持下,诸多高校正积极推进数字化转型,以提升教育教学质量、科学研究水平和管理服务效率。在智慧校园建设、教学模式创新、科研数字化以及管理信息化等多个领域开展了一系列数字化转型工作。本文将通过北京交通大学信息化建设案例揭示数据要素驱动高校数字化转型的内在逻辑。
北京交通大学数据治理实践与成效
随着数字化转型逐渐成为高校发展的核心任务,数据治理已经成为推动高校数字化转型的基石。以下简述北京交通大学如何通过数据治理赋能数字化转型。
数据治理促进数据标准化与系统间互联互通。在学校数字化转型的过程中,各个部门通常采用各自独立的数据管理规范和系统架构,导致数据标准的不统一和管理流程的差异。这种碎片化的数据管理方式造成了数据的孤立,形成了信息孤岛,阻碍了数据在不同部门之间的共享和协同应用,从而不利于学校整体信息化水平的提升。为了解决这一问题,学校开展了数据治理工程,建立了统一的数据标准和规范化的数据管理流程,规范了各部门的数据采集、存储、处理和共享方式,以确保跨部门的数据一致性和高质量。
标准化的数据管理方式不仅有助于消除数据孤岛,提升数据的可用性和价值,还为系统的互操作性提供了技术基础,促进各业务系统的集成与协同运作。通过数据标准化与系统互通,实现信息的高效流动和共享,支持科学决策和精细化管理,从而全面推动数字化转型的深入发展。实施数据标准管理统一了不同单位间的数据管理标准,建立了规范的数据录入和存储规则,这不仅提高了各系统间的运行效率,还为跨部门的数据共享和数据分析提供了可靠的基础。
数据治理促进数据全链路管理。通过全面记录和追踪数据在各系统之间的流动与变更,显著提升了系统互联互通的效率和可靠性。该管理机制能够清晰展现数据的上游源头、流向及其对下游数据的影响,从而帮助各部门快速定位和解决数据问题,确保数据的一致性和准确性。如图1所示,在数据治理方面,数据血缘管理为建立健全的数据管理体系提供了有力支撑,强化了数据的透明度和可追溯性。数据血缘管理通过提高数据流动的可视化程度,支持了信息资源的有效整合和共享。
图1 数据血缘系统
数据治理促进管理决策支持与智能分析。学生的培育与帮扶工作始终是高校的重点工作,确保学生身心健康得到全面发展。随着数据治理初见成效,学校已成功整合并集中管理了学生的多维度信息数据,这些数据涵盖学生学籍、住宿信息、门禁记录、校园一卡通消费记录、成绩数据、排课选课数据、奖惩助贷等,为学生画像提供扎实的数据基础,这些数据资产沉淀实现了数据治理的第一步,而数据治理的最终目标是通过计算业务指标、数据分析结论来支持业务决策。
在学生管理业务场景下,异常学生预警已成为近年来高校亟需解决的痛点。为实现精细化的培育与帮扶,信息中心与学生处、研工部及各学院的学生管理团队紧密合作,深入实际工作,细致剖析培育帮扶过程中的关键业务指标,构建了学生学业警示与异常行为预警的预测模型,能够快速生成异常预警学生名单,帮助管理人员及时介入帮扶。该模型依托多维指标,分析学生的消费习惯、学业成绩及日常生活行为等多源数据,利用数据的即时性迅速识别可能存在异常状况的学生。
数据治理促进业务提速与减员增效。学校通过实时与近实时数据流转实现业务流程的自动化处理,减少人工干预,降低出错率,同时提升工作效率。通过数据自动化处理和数据共享,减少大量重复性的劳动和跨部门之间的数据交换和沟通成本,有效降低高校的运营成本,实现减员增效。
自研教职工入职报到系统,该系统通过与学校数据中台进行数据对接实现跨部门系统间数据流转,满足各报到岗位业务数据需求,打通一卡通、网络认证、图书借阅、门禁闸机,人员与组织机构等8个系统的数据链路,实现线上完成入职报到所涉及的人事处、财务处、国资处、保卫处、校医院、图书馆、信息中心、工会、档案馆等部门的全部校内流程,使新教职工报到时不再到各个部门线下跑圈。
学校实现学生和教职工全量人员的在校状态自动更新与门禁权限自动下发,如图2所示,系统根据教职工的在职状态,将数据同步至门禁综合管理平台,后者会根据状态自动推送相应的门禁权限。如果教职工因事临时离校,相关人员可以通过人事系统更新其在职状态,从而实现门禁的临时关闭。对于学生门禁业务,当新生完成线上手续后,相关数据会进入人员与组织机构管理系统。该系统根据学生的在校状态,将数据同步至门禁综合管理平台,后者随后根据状态自动推送相应的门禁权限。如果学生因事临时离校,可以通过一站式服务平台或本研一体化教务系统等渠道及时更新在校状态到人员与组织机构管理系统,从而实现门禁的临时关闭。
图2 门禁权限相关系统打通及数据流向
数据治理赋能展望
数据治理促进资源优化与效率提升。高校的资源管理(如教室使用、科研经费分配等)需要依赖大量的数据分析才能实现优化配置。通过全面的数据治理,学校可以清晰地掌握各类资源的使用情况,及时发现资源的浪费或冗余,从而做出科学的决策。例如,在教室管理方面,通过分析教室的使用率、课程安排和学生人数等数据,可以合理调整教室的分配,避免教室空置或过度拥挤,提高教学资源的利用效率。对于实验室设备,通过物联传感器回传的数据对设备使用频率、维护成本和使用者反馈的深入分析,学校可以优化设备的购置计划,推进设备共享机制,避免重复投资,提升设备的整体利用率。
在科研经费分配上,结合科研项目的进展情况、经费使用效率和科研成果产出等数据,学校可以优化经费分配策略,确保资源投入产出比最大化,激励高质量的科研创新。根据师生的反馈和教学质量评估结果,学校可以调整课程设置和教学方法,针对不同学科和专业的发展需求,制定更具针对性的教育方案,提升教学质量和学生满意度。数据治理还可以帮助学校监测后勤服务、图书馆资源、学生社团活动等方面的运行情况,发现潜在的问题和改进空间。例如,通过对食堂就餐数据的分析,可以优化餐饮供应,满足师生多样化的需求;通过对图书馆借阅数据的分析,可以调整馆藏结构,丰富资源种类。
数据治理促进数据挖掘与个性化服务通过数据挖掘,深入了解师生的个性化需求,提供更加精细化和定制化的服务。例如,根据学生的选课偏好、学习进度和成绩表现,智能推荐适合他们的课程、学习资源和学习路径,帮助学生更有效地提升学业水平。对于有特殊兴趣或才能的学生,学校可以提供定制化的培养计划、导师指导或项目机会,激发他们的潜能。
针对教师,学校可以根据他们的科研方向、教学风格和职业发展需求,提供相关的学术资源、培训机会和技术支持。例如,为专注于某一研究领域的教师推荐最新的科研成果、学术会议和合作交流机会;为希望提升教学能力的教师提供教学方法培训、教育技术支持和教学资源共享平台。这种基于数据的个性化服务,不仅提升了师生的满意度和归属感,还促进了教学质量的提高和校园文化的建设。师生能够感受到学校对个人发展的重视,进一步增强对学校的认同感和忠诚度。同时,学校也能够通过积极回应师生需求,打造良好的教育生态,推动整体办学水平的提升。
来源:《中国教育网络》2025年4月刊
作者:赵培楠、李珊娜、龚如、左艾灵(北京交通大学信息中心)
责编:陈荣