数据治理，大学都在做些什么？

大学相比其他社会组织来说，古老又神秘，年轻又开放，并且与社会各界都息息相关。古老是因为这个大学起源早，算得上历史悠久，年轻是因为大学与年轻一代紧密相关，且一直保持与时俱进。

大数据时代的到来，让大学也看到了数据资产的巨大价值，大学一边着手进行数据治理，一边探索着数据相关应用场景。经过近几年的尝试和探索，并且随着政策环境和行业认知的变化，大学现阶段数据治理的侧重点也逐步从向外看转向向内观，即大学现阶段数据治理重点从外部数据治理转向内部数据治理，并朝着内外部数据一体化治理的方向发展。

下文将围绕着大学数据治理变化历程、数据治理现状及未来发展趋势三方面展开说明。

一、背景概述

2015年，国务院印发《统筹推进世界一流大学和一流学科建设总体方案》，方案提出：国家将分级支持不同类型的高水平大学和学科发展，并且以每五年为一个周期来对获评的大学和学科进行绩效评价，并根据绩效评价结果动态调整支持力度。

方案的印发催生了大学进行外部数据治理的需求，一方面大学作为需求方开始寻求不同渠道采集、处理、运营外部大学数据，另一方面市场作为供给方涌现出大量做排行榜，为大学提供外部高校数据挖掘服务，以及为大学提供外部高校数据智能分析工具的相关公司。一时之间，大学外部数据治理进行得如火如荼。

然而上述情况在2020年前后开始逐步发生了变化，大学数据治理侧重点开始从外部数据治理转向了内部数据治理，并朝着内部数据治理为主，外部数据治理为辅，内外部数据一体化治理的方向发展。

大学数据治理趋势发生变化是外部诱因和内部诱因一起作用的结果，下文将对内外部诱因及其影响进行说明。

二、外部诱因

1.诱因说明

导致大学数据治理侧重点从外部转变为内部的外部环境诱因有政策导向影响、行业事件变化、黑天鹅事件发生三方面。

政策正面鼓励高校做好校内数据治理，行业事件变化凸显主流评价体系从定量评价转为定量评价与定性评价相结合，而黑天鹅事件的发生则导致外部数据获取难度增加。这三方面的诱因导致了大学数据治理侧重点逐步从外部转变为内部的情形。

2.政策导向

2018年，教育部发布《教育信息化2.0行动计划》，行动计划包含“数据治理优化行动”等8大实施行动，其中关于数据治理部分内容强调了：进一步加强教育管理信息化，全面提高利用大数据来支撑保障教育教学管理、决策和公共服务的能力。

2022年，《“十四五”数字经济发展规划》提出“深入推进智慧教育”，强调推进教育新型基础设施建设，深入推进智慧教育示范区建设，推动“互联网+教育”持续健康发展。

2022年，《教育部2022年工作要点》明确提出“实施教育数字化战略行动”，建设国家智慧教育公共服务平台，加快推进教育数字转型与智能升级。文件中对数据治理提出了更高层级的要求：“强化数据挖掘和分析，构建基于数据的教育治理新模式”。

3.行业事件

2020年，教育部、财政部、国家发展改革委联合发布关于“双一流”建设的评价办法文件，确定“双一流”建设成效评价实行定量评价与定性评议相结合的评价方式。

2021年，教育部学位中心发布第五轮学科评估指标体系。第五轮学科评估在保持评估体系框架基本稳定的基础上，进一步强调定性评价评价在学科评估评价方法中的重要性。

4.黑天鹅事件

2019年，中美贸易争端发生，为了保护国内以及计划引进国内的高层次人才，国家开始不公开公布各类人才头衔当选名单。高校很难通过公开渠道获取到其他高校的数据。

三、内部诱因

由于大学各个职能部门的业务系统独立运行多年，且系统初建时就存在技术规范不统一的问题，导致大学内部数据存在如下问题：

● 数据质量参差不齐。部分业务系统存在数据缺失、数据错误的情况。

● 存在数据孤岛。跨平台数据不能集成、互联互通及共享，数据价值难以得到较大程度发挥。

● 数据维护成本高。需要在多个系统中重复进行数据维护，数据维护成本较高。

● 校内外数据口径不一。校内外数据无法一体化管理，导致无法合理进行校际对比分析。

四、治理现状

由于上文所述外部诱因、内部诱因，现阶段大学数据治理侧重点为内部数据治理。

大学现阶段内部数据治理的工作内容为：

● 全场景数据采集。能实现全部常见应用场景相关的校内数据采集。

● 自动化数据采集。能自动化集成不同来源的校内数据。

● 标准化管理校内数据。能运用统一标准管理校内数据。

● 标准化开放校内数据。能面向不同部门、不同岗位教职工提供开放程度不同但标准统一的数据。

大学现阶段正在施行的内部数据治理策略如下：

1）依据官方评价体系梳理数据治理体系

大学数据的高频应用场景是围绕着官方评价体系进行数据上报或校内数据监测，所以大学数据治理体系需依据官方评价指标体系梳理建立。

2）整理业务规则，统一数据定义

在数据治理过程中，治理人员及数据应用人员对数据的共同理解与解释至关重要，所以无论是业务数据还是元数据，都需根据统一数据定义，包括数据口径、数据范围等。

3）建立全员参与的数据治理机制

大学的数据来源于包括职能部门、二级学院、教职工等在内的多方，为了从源头上保证数据质量，为了提高数据治理效率，需要建立全员参与数据治理机制。

4）多样化数据采集方式

为了支撑全员参与数据治理的机制，在数据治理过程中需要提供多样化的数据采集方式，例如：

● 寻求外部数据源，并将大学相关数据预置到数据治理平台中。

● 支持生成外链，从而通过嵌入校内门户网站、OA系统等实现数据填报。

● 支持生成二维码，从而通过在线分享给数据治理人员来协同进行数据填报。

● 支持自定义填报格式，从而实现灵活多样的数据填报。

5）分阶段推进数据治理

数据治理团队在对数据进行清洗治理时，不能期望通过数据治理立即解决所有问题，而是应该认真听取业务部门对数据的需求，并分阶段推进数据治理。

6）通过系统化手段保证数据运营质量

数据运营质量监测的工作应该贯穿整个数据应用过程。数据治理团队必须定期评估数据质量对业务结果的影响，并随着业务场景的变化，相应调整数据质量评估的重点和方法。

而数据运营质量监测的工作是可以通过系统化的手段去高效实现的，数据治理团队可以凭借数据质量分析工具、关键数据指标监测来测试数据质量，识别异常数据，从而有针对性开展数据处理工作。

五、未来趋势

随着教育改革的深化，可以预见大学数据治理未来会朝着内外部数据一体化治理、深层次应用的方向发展。

大学数据治理的未来趋势为：

● 日常业务决策支撑。基于内部治理数据，大学可实现日常业务决策支撑，例如：学科绩效评价、院系绩效评价，以及如何进行高效的人才引进等。

● 行业事件预分析。基于内外部一体化数据，大学可实现学位点申报、学科评估等行业事件的预分析。

● 多维度分析。基于内外部一体化数据，大学可实现从宏观到微观，从全局到局部的分析，例如：总体投入产出与单个教师投入产出的分析，总体科研绩效与单个科研项目成果产出的绩效分析等。

六、总结

数据治理的方法和策略要围绕着对应领域的具体业务展开，不能盲目地用统一的策略和手段去解决不同领域的问题，也不能期望一次性解决所有数据治理相关问题。

随着中国高等教育开始强调高质量内涵式发展，以及对国家和行业的支撑作用，大学数据治理重点也必然会从外部数据治理转向内部数据治理，并最终走向数据的深度应用。

中翰软件：专注数据治理17年（http://www.jobhand.cn）

免责声明：本网站所发布的文章为本网站原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、连接等所包含但不限于软件、资料等，如有侵权，请直接致电联系，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。