运用大数据优化高职院校信息化管理研究
赵振东
摘? 要 目前，大数据分析技术已经成为国家重要发展战略。在高职教育发展过程中，大数据技术将起到核心作用，成为新的发展方向。通过分析大数据分析的特征和高职数据应用现状，基于高职学校数据特点和存在问题，提出适合高职院校特点的大数据应用方案，从而提升高职院校全局数据应用和信息化建设水平。
关键词 高职院校;信息化管理;大数据;智慧校园
中图分类号：G717? ? 文献标识码：B
文章编号：1671-489X（2020）14-0030-03
Research on Big Data Optimization in Information Management of Higher Vocational Colleges//ZHAO Zhendong
Abstract In todays world， developing big data analysis technology has become an important national development strategy. It is con-sidered that big data analysis will play a critical role in and become a
new direction of the development of higher vocational education. This paper analyzes the characteristics of big data analysis and the
current status of big data in higher vocational institutions， and pro-
poses plans for big data application that are suitable for characteris-tics of higher vocational institutions based on analyses of features and existing problems of current data within vocational institutions. Also aims to improve the overall data application and information construction level of higher vocational institutions.
Key words higher vocational institutions; information management; big data; smart campus
1 概述
2009年，IBM首次提出“智慧地球”的概念;2011年，麦肯锡研究所最早提出“大數据”时代;进入2012年，大数据（big data）一词越来越多地被提及。人们用大数据来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”[1]海量的数据飞速膨胀，也决定着未来的发展。
在现今社会，大数据技术的应用越来越彰显其优势，已经成为改变社会发展的重要技术。它影响的领域也越来越多，电子商务、O2O、物流配送等，甚至涉及人们生活的方方面面。大数据使信息技术发展进一步加速，人们之间的信息交流越来越密切，生活也越来越方便，产生的数据也随之增多。阿里巴巴创办人马云认为，未来的时代将不是IT时代，而是DT（Data Technology，数据科技）时代。
2 高职院校大数据应用现状
2015年，国务院印发《促进大数据发展行动纲要》，明确指出要推动大数据发展和应用，大数据技术成为国家发展核心战略技术。2019年2月，国务院印发《国家职业教育改革实施方案》，指出要把职业教育摆在教育改革创新和经济社会发展中更加突出的位置。同年8月，习近平主席也强调：“职业教育发展，大有前途。”
近年来随着信息技术的发展，高校信息化程度不断提高，大部分学校建立了各种业务应用系统，建立了基于教务、人事、学生等方面数据的数据共享中心，为大数据分析应用提供基础数据环境[2]，并且开始尝试数据分析应用。但目前仍然处于初始阶段，存在如数据结构不统一、各应用之间存在信息孤岛、数据分析应用程度低等问题。
新时代背景下，随着大数据在高校中的应用越发广泛，如何利用好大数据技术提升高职院校管理质量，适应新时代发展要求，不断为国家经济建设输出高质量、高素质技术技能人才，成为新的研究问题，也带来新的挑战。
3 高职院校大数据特征
大数据本身具有5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。海量数据是高速产生并以多种形式存在的，用较小的成本就可以获得巨大的价值。同样，高职院校大数据也具有类似特征。
数据海量，高时效性? 在学校日常活动中，学生、教职工和各应用业务系统都将产生大量数据，这些数据内容丰富，规模庞大，而且每时每刻都会产生。
形式多样，类型复杂? 海量数据的产生伴随着校园生活的方方面面，如师生上网、消费、图书借阅、考试、工作等都会产生多种形式的数据。在数据交互过程中，产生的数据类型也是多种多样的，如图片、音频、文本、表格等。这些共同构成大数据的丰富性。
数据价值巨大，整体利用率不高? 大数据几乎涉及教育教学过程中的各环节，可以记录各种过程数据，其中包含了大量的初始数据和信息。这些数据都包含巨大的分析价值，但在平时使用中最容易被忽视，大部分数据只是存放着，只有一小部分可能被利用，应用效果也不好。
由此可见，高职院校中蕴含着极丰富的信息资源，种类繁多，实时性强。从海量无序复杂的数据中挖掘出有价值的信息，提高信息资源利用率和共享率，促进高职院校教育教学与管理的优化，才是研究高职院校大数据技术应用的核心所在[3]。
4 运用大数据技术优化高职信息化管理方式
建设共享数据中心? 目前，高校大多已经建设成智慧校园，因此要按照“全校数据一中心、服务一条线”的建设思路，综合运用大数据、人工智能等新技术打造“一中心、两平台”，消除信息孤岛，驱动校园智能管理。建立全校统一的数据标准、编码标准及数据交换和接口规则，对已有的应用系统进行数据清洗，规范接口。完成数据集成与迁移，实现异构信息系统之间的数据交换和共享，真正打破数据壁垒，形成小本统一数据池，为数据共享、深层次挖掘分析和预警提供数据支撑。
建设大数据分析展示平台? 以共享数据中心为基础，建设大数据分析展示平台，通过采用工作表、图表、用户看板等方式，展现数据分析结果，进行数据展示。
1）数据分析：建立教学、科研、管理、业务等关键性指标模型，利用数学分析模型算法，对数据进行挖掘和分析。
2）数据展示：按照不同层级，分设不同用户角色，展示相关主题的数据分析报告，如生成不同综合KPI指标展
示，为管理层提供招生情况、师资情况、学生成绩情况，教职工分析、消费情况分析、图书借阅分析等主题综合分析展示。
招生情况分析如图1所示，可以通过分析图表直观查看近三年各学院招生人数变化情况。同时支持下钻查询，可以细分到具体专业班级人数情况。如信息学院云计算专业连续三年人数大幅增加，一方面反映出新增专业受到考生报考时的喜爱;另一方面反映出云计算作为新兴科学技术，获得学校、企业和国家的高度重视，是新的发展方向，将会获得更多就业机会。这就为职业教育课程改革提供了方向，紧紧把握社会发展趋势，为国家培养适应发展的高质量高水平人才。
建立教师画像? 一名教师了解自己的科研水平、论文专著情况很容易，但是想要了解自己在整个学校的情况如何、排名如何、横向纵向的对比并不容易。为教师提供与个人相关的各类数据报表和分析报表，建立教师画像，例如：教师科研情况，包括横向纵向对比;教师校友人脉情况、图书借阅、消费情况;学管教师负责相关班级的学生成绩情况、低消费情况、挂科预警等信息。
建立学生画像? 学生平时的考试成绩、作业成绩、综合测评等都会获得大量数据，这些数据对综合分析一名学生的学习情况具有重要意义。例如：通过统计一名学生平时的上网时长、早餐消费情况，就可以看出该学生是否有熬夜上网晚起不吃早饭的情况;通过考勤数据查看学生的上课出勤率，分析是否存在逃旷课;通过分析图书借阅情况，查看该生是否经常去图书馆;等等。通过这些多维数据的综合分析，将会比较准确地反映出该学生学习的真实情况，并且可以预测该生在期末考试中是否会出现挂科。学生数据的综合分析对任课教师和学管教师都有重要的参考价值，可以让教师更直观地了解学生情况，变被动为主动，对管理教学做出适当调整。
建设大数据分析预警平台? 在学校管理工作中，学生安全工作一直是放在首位的。尤其是高职院校内因为存在学生综合情况复杂等問题，容易发生校园安全事件。同时，学校安全管理仍然以宣传教育、教师检查等方式为主，不但落后，而且容易被动，很难适应网络大数据时代的安全管理要求[4]。
目前，校园内已经实现无线网络全覆盖，通过无线AP可以实时采集学生的上网行为数据，同时采集在校学生行为数据，包括学生上网行为数据、一卡通消费数据、门禁、图书借阅等与生活相关的动态数据。通过采集分析行为数据，建立大数据分析预警平台，实现如失联预警、挂科预警、疑似涉及网络借贷预警、低消费预警等，实现实时动态的数据预警分析，让师生即时获悉预警信息并处理。同时考虑到隐私问题，相关数据分析结果按权限划分，具有权限的教师才可以查看，不同权限查看的内容也不相同。
1）疑似失联预警分析（如图2所示）。设置一个时间阈值（12小时），如果超出该阈值没有采集到学生的任何行为数据，则初步判定该生疑似出现不在校情况。学管教师可以查看分析结果，对疑似不在校的学生进行排查，做到提前预警，避免发生失联事件。
2）疑似网络沉迷预警分析。设置一个时间阈值（八小
时）和热点时间段（22∶00—6∶00），如果一名学生连续上网超过八小时，或者在热点时间段长时间上网，并且结合一卡通消费情况、期末考试情况、图书借阅情况等数据进行综合分析，则判定该生疑似网络沉迷。同时可以利用上网数据统计查看上网沉迷人数变化趋势、各学院各专业人数排名、具体沉迷内容分类等，使相关教师了解自己学生的实际情况，提前进行引导。
3）疑似涉及网络借贷预警分析。近年来，网络借贷事件频发，对学生和学校都产生严重影响。而且涉及网络借贷学生大多是私下参与，教师、学校并不容易发现。通过采集学生上网行为数据，如果学生经常浏览相关网贷网站或者直接下载注册网贷APP，则认为该生有涉及网络借贷的可能性。由于网贷涉及学生隐私信息，因此，该预警分析结果只面向班主任、辅导员点对点推送，班主任、辅导员可以根据分析结果提前了解学生情况，对疑似学生进行干预，避免发生恶性事件，造成严重后果。
5 结语
本文基于高校大数据环境，结合高职院校信息化建设特点，探索利用大数据分析技术优化高职信息化管理。文中以山东商业职业技术学院已经建成的智慧校园平台和共享数据平台为基础，结合数据实际使用情况和校园管理中重点突出问题需求，建设大数据分析平台和预警平台，实现“智慧管理+精准服务”新模式。但是现阶段研究仍然存在一些问题，包括：部分业务系统数据没有打通;已建系统未按统计数据标准清洗数据，数据质量不高;分析模型需要进一步优化。后续会对存在的问题继续进行深入研究，以获得更为精确便捷的数据分析结果。■
参考文献
[1]桂昭明.大数据：人才发展决策新“罗盘”[J].劳动保障世界，2014（27）.
[2]熊颖.大数据推动高职信息化管理的路径探讨[J].信息与电脑（理论版），2018（21）：136-137.
[3]张冬.大数据引领下的高职教育人才培养模式创新[J].教育现代化，2017（51）：29-30.
[4]李学龙，郝文英.基于大数据分析的高校学生失联预警应用研究[M]//北京联合大学北京市信息服务工程重点实验室.中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集.2018：47-49.
