有效的数据治理可以确保数据高效可信，从而全面释放数据资产的价值。近几年，数据治理的理念被引入高校，对高校信息化建设起到了很大的推动作用。3 ]0 B( t9 [$ ^4 z( ~6 j M
 - \: Y: w! V0 U
高校数据治理难点
- D3 c- P9 H4 @+ J: z% k9 | 应该说，国内高校提出数据治理并且重视数据治理工作，就是近2～3年的事情。数据治理的理念目前还局限在高校信息中心，距离全面的学校层面的数据治理，还有很大差距。6 q; a3 X( q2 B: S( h/ ]6 k
相比国外高校的信息化技术中心动辄数百人的配置，人手紧张是国内高校信息化队伍建设中的普遍问题。+ N% B# o( Q; F
高校缺乏信息平台的开发人员和运营人员，换句话说，缺乏能把信息化工作做好的“产品经理”和“运营经理”。3 E; k, R+ v& e3 t
在这种现实情况下，要分清主次，集中优势兵力做好最重要的事情。合理分配高校信息化队伍的人员，投入更多兵力到信息平台建设与数据中心建设上来。, A* Y1 C$ d: _4 V& s# \6 e6 T+ ?
随着数据治理理念的日渐深入，高校信息化工作者逐步认识到数据治理的价值，了解数据治理与数据管理的异同。, d. A8 _) I* e) z4 j) i
那么，数据治理的难点在哪里？
" ]/ y8 [7 ]; j' r" v4 Z 一言以蔽之，就是基本上数据的生产者和数据的受益者都不是信息中心，信息中心缺少对数据的“驾驭”能力，总有一种“清风拂山岗”的感觉。
5 B5 E w5 ?, p% X9 J' S- N8 |1 r) X 长期以来，高校的管理架构形成了众多业务管理部门，基本上每个业务部门都建设有1～2个甚至更多的业务系统，核心数据处于这些主要的业务系统中，数据生产单位、数据管理单位、数据责任单位都是业务部门。
! Y/ v) [/ d( b+ N) B+ ^0 n 各个业务部门建设的多个业务系统就如烟囱林立，这样的“信息孤岛”也是高校信息化建设多年来的顽疾和痛点。如果不通过一套机制来进行顶层设计和重构，信息化建设如同被“卡脖子”，无法打通信息孤岛，也无法达到预期的建设目标。& Z) y' p9 \- I3 `- B
数据治理正是要解决这样的问题，从学校信息化体制机制设计上解决信息中心的“无力感”。数据治理是集中人、过程和信息技术的数据管理过程或方法，能够确保组织数据资产得到合理的使用，不仅通过数据的管理提升数据质量，更强调流程设定和权责划分，让全校所有单位认识到数据是学校的核心资产，所有管理单位的流程、责任、权利，达成一致的管理维护、开放共享的共识。8 B2 u- L' b+ F$ p
信息中心代表学校来管理数据资产，围绕数据资产展开的系列工作，以服务组织各层决策为目标，涉及有关数据管理的技术、过程、标准和政策，由信息中心来牵头组织，并且解决共享责任、数据标准、管理盲点、数据质量、跨部门问题、合作合规监测、意识与培训等系列问题。, Y: s: a! ]+ E: c7 }
高校数据治理关键
$ [3 M; J- W2 h- X) h3 D 数据是智慧校园的“黄金”，数据是产生智慧的源泉：无数据、不智慧。( i4 e' S* G% v. L4 i7 M
近几年，国内高校信息化同仁共同努力，对数据治理理念广泛传播，积累了一定经验，形成了一定共识，但数据治理工作难度较大，是高校信息化建设的“牛鼻子”“硬骨头”。7 Y u; {4 q7 `4 W" V i& d
我们必须要啃下这块“硬骨头”，否则智慧校园的建设名不符实。我认为，高校开展数据治理要重点关注以下几方面要素。9 ^" Q1 {2 B* N: f" ~+ f }
1.要达成数据“共识”
8 y$ u8 z- G: e 数据治理重在达成共识，让学校领导、中层管理干部，以及全校管理队伍认识到在今天的大数据时代：: g" t- Y, ]. \* a% ^ X! U) z Y
数据是全局的，而非局部的；3 r1 U' r% V$ a9 I' p2 e8 d8 R
数据是流通的而非是独有的；
6 V# i& r% x+ C& h- L0 g& e 数据是有价值的，让流程和数据驱动管理，促进学校治理能力提升。4 g3 F0 B" N% {
达成了这样的共识，才能建立数据治理的组织架构和制度规范，让各个业务部门充分认识到“数据共享是必须，不共享是例外”，把数据完全共享到学校数据中心是大势所趋，是职责所在。
/ C5 h$ T9 e- m 2.要唤醒数据价值. \" e9 O& w0 V7 w0 z; C5 I
高校有海量数据，但是很多数据处于“睡眠”状态，并没有真正发挥价值。没有掌握全量的数据，信息化建设就是无木之本、无水之源。
8 I2 y. z! t: R; y a$ H 而数据价值始终是数据治理的目标，也是智慧校园真正能做实的追求。没有数据乃至大数据的价值挖掘，数据治理就是无稽之谈。6 f8 l% G2 {2 h% @
比如说，各个高校教风学风联动面临一个很大的难点是数据问题。一线教师在每节课堂掌握的情况，如考勤、平时作业提交、小测验成绩、日常表现等，对于辅导员、教务员老师来说，并不容易掌握，只有等事后学生出现不及格后再做工作，而不能基于过程的掌握和督学，如果建立采集教学过程的数据，教风学风联动建设会更有针对性，更有实效。0 ~% m% z5 r. r8 j' n
以价值为导向的高校数据治理体系建设，就是必须要注重从数据中发掘价值，这样的数据治理才有意义。
, C8 c8 B F* E6 { 3.要提炼关键指标6 }0 j1 s% R, [
数据治理中非常关键的是，要协同业务部门，围绕核心业务工作，找出哪些数据是关键数据，或者说是关键指标。一般来说，反映一个业务部门工作的重要性的核心数据指标，能提炼出10～20个就足够了。8 V6 n8 R5 O9 P6 t1 W4 J
我们的核心数据指标要切中要点，能够对学校办学提供重要支撑。比如学科建设和专业建设，国内同样学科的建设指标、师资队伍情况分析，与本校学科建设和专业建设情况指标对比分析，这样的“数据分析”更有意义。4 F3 {* ~) w# T& u3 E
在数据治理过程中，始终要以价值作为目标导向，再从各方面去发现、挖掘支撑的数据，治理才会形成实效。当然，大数据也可以揭示我们并不知道的“目标”或给我们以“惊喜”，这与确定关键数据指标并不矛盾。
" v# e8 S( U) u8 ?, R 4.要具备数据服务能力. |) F% @$ M( |3 F0 G3 f
我一直倡导信息中心要做强自己，要至少培养1～2个数据管理技术人才，也就是要具备玩转“数据”的能力，具有较强的ETL（Extract-Transform-Load）操作能力，能够为其他部门提供数据服务。
* ?$ _4 S4 {" O# G9 o9 l; u5 z$ ^$ ~2 E 信息中心不能只要求各个部门共享数据，却无法很好地服务各个业务部门。要避免这样的短板，就要特别强调数据服务能力。+ Q4 q3 t6 V; l
/ |( [, R* J' {
|
