咨询
STEP 1 / PROJECT SPECIFICATIONS
我们将在一个工作日内回复,资料保密处理
yjy.wisedu.com
推荐专题 / News
推荐新闻 / News 更多>>
英迈思活动 / FAQ 更多>>
英迈思活动 / Video 更多>>

@老师,您有一份数据治理“处方”待查收...

来自:
日期: 2017-10-20
浏览: 22

2002年开始的高校数字化建设,数据治理体系也贯穿始终。通过十几年的建设与总结,目前来看数据治理的问题很多,学校数据治理总体上并没有达到预想目标。

 

 

高校数据治理在哪?

 

 

外:牵扯过多“众口难调”

 

数据建设本身就是一个工作量大、难度大的工程。数据治理过程可能会面临线下数据难以采集、数据质量差、数据孤岛、业务部门不配合、校领导不重视等问题,涉及厂商、信息中心、业务部门等多方,也涉及到管理、业务、技术等多方面。

 

内:普遍“轻服务、重工具”

 

随着整个大数据技术的兴起,高校越来越重视数据资产的积累,准备开始新一轮数据中心的建设。但大多还停留在“轻服务、重工具”的意识层面,认为只要换一个厂商、换套工具,就能把数据工作做好,很多学校购买工具价格可能会在40到80万左右,但数据治理服务基本上是在20万以下,甚至很多服务都是免费的,在这样的模式下,数据治理显然是很难做好的。

 

 

高校数据治理何在?

 

 

想要做数据治理,根本方法是要变成长效的数据治理服务,而要想把数据治理落地,最简单、最直接的方式是问题驱动。找到一个典型的问题,通过多方协作把这个问题解决,这是数据治理一个根本的落地办法。

 

数据治理基本上是围绕四个模块:

 

ü 数据信息标准的建设

 

ü 业务系统数据的采集与共享

 

ü 日常监控主动去提升数据的质量

 

ü 构建一些典型数据应用,通过数据消费牵引数据质量的提升

 

下面看一下,在高校信息化领域积累了大量行业业务及专业技术经验的金智教育,基于以上四个模块是怎么围绕数据问题驱动来完成数据治理的:

 

数据信息标准的建设

 

建立数据信息标准工作量非常大,要把数据模型和代码标准设计好不容易,金智差不多做了一年,才把一个标准版本形成初稿。另外,标准如何在校内形成统一,应该是这么多年构建信息化最大的难点,每个学校都建了标准,但基本上标准都没有用起来。那我们是怎么去解决的呢?

 

第一步,我们一般会做执行标准的初建。前面提到的巨大的工作,金智已经在平台预置的时候免费提供给学校,解决了这个巨大投入的问题,金智预置的代码标准提供14个大类,600+个代码标准,代码条数35000+条;主数据模式提供了16个大类,136个子类,500+个数据模型,字段属性8000+项。

 

第二步,信息需求的调研,这是在校内实施要做的工作。通过对学校的现状调研、IPO调研,一方面了解当前学校建设现状,一方面去了解学校的长期目标,了解流向规划,制定当前现状到达长期目标的路径,这就是数据治理的过程。

@老师,您有一份数据治理“处方”待查收...  

 

第三步,针对调研中发现的问题去构建学校核心标准制定比如发现组织机构在学校内部形成多套编码,在多个业务系统中间是不一致的。在校区、组织机构、职工号、学号等标准上去制定学校核心标准。

 

第四步,通过对标发现问题。以前为什么做不到统一,因为我们不知道问题出在哪,更无法进一步解决。那现在将校标和每个业务系统的标准进行比对,明确的知道差异之处,通过这些问题驱动标准的使用与统一。

@老师,您有一份数据治理“处方”待查收...  

 

业务数据的集成

 

围绕业务数据的集成,有一个学校的老师问过一个问题:“数据集成的目标到底是什么?”很多人自己认为它建设的目的是要得到高质量的数据。事实上,我们很难去达成这个目标,它是一个长期的目标,不能作为短期实现的目标。

 

数据质量的提升在数据源头,我们很难决定这个结果,所以金智强调的不是结果的交付,因为这个结果肯定是不理想的,我们要说清楚的是每个过程中间存在哪些问题,这就是过程交付。比如有十个数据有问题,那这十个数据哪些是因为源头的数据质量,哪些是技术造成的,哪些是因为原厂商不配合,哪些是因为我们漏做的,过程性交付就是要把这些问题说清楚。

 

数据集成作业流程的转变

 

以往学校数据集成的方式是,通过一个中间交换的工具、交换的平台,抽取数据到数据中心。而金智则围绕过程交付优化规范了整个数据集成的作业流程,增加了以下几个部分:

变化一,在理解业务系统的基础上,我们增加了集成方案的编制服务。方案服务解决的是,我们业务系统有多少数据要对接进来,多少数据要对接过去。

 

变化二,在接口制作之前,我们要先做对标。如果对标没有解决就直接把数据塞到数据中心,可能会带来一堆脏数据。

 

变化三,在数据中心之后,我们增加了数据仓库的切片备份。保留数据每一天的变化痕迹。


@老师,您有一份数据治理“处方”待查收...  

 

金智提供的工具和服务

 

◆ 代码的对标工具。可以自动对标,自动检测学校执行标准和业务系统代码标准是否一致。

◆ 数据集成工具。采用商业化工具ODI,支持目前各种主流数据库,且ODI是目前知识最丰富,成本最小的。

◆ 数据共享接口工具,提供丰富的数据API的支持。

◆ 代码的对标工具。可以自动对标,自动检测学校执行标准和业务系统代码标准是否一致。

◆ 数据仓库切片备份工具。自动创建仓库模式及每天增量备份,确保数据资产的保留。

 

另外,我们强调数据驱动服务建设,我们提供了数据集成方案的编制服务、代码标准对标服务、业务系统数据的集成服务。目前金智积累的知识库很丰富,典型集成方案有250+个。

 

日常运行监控


围绕日常的运行监控,或者说围绕数据质量的监控,金智在这一期里设计数据量化评价模型,数据健康度量化指标。

 @老师,您有一份数据治理“处方”待查收...


数据健康度围绕实施过程、数据模型、接口执行、数据存储、代码标准、数据质量六个方面的建设成效和问题,来评价学校数据的总体建设情况。

 

对于这些问题,如何去驱动常态化的治理,我们进行了问题的统一跟踪处理机制,类似于360一键自动修正的方式去解决大量问题。通过这种常态化的方式去提升、改善数据质量。


 @老师,您有一份数据治理“处方”待查收...

 

典型数据应用


这些年我们在数据应用方面也做了一些探索:

 

第一类是数据服务,或者说是综合的数据应用。比如专业技术申报,其实就是对整个数据很好的应用。通过填报方式的“变”,把数据反哺到现有的业务,实现现有业务、师生满意度的提升。

 

第二类是做统计分析。通过现有数据融合,以数据统计的方式去展现目前学校运行的状况。如基本校情分析、科研分析、就业分析、一卡通分析、财务分析、师资分析等等。

第三类是围绕整个大数据的展现。就目前来看,我们全方面展现平台、应用、用户的行为数据,通过大数据的利用,去规范信息化资金分配,优化管理流程。

 

 

高校数据治理于治?

 

 

数据源于业务,也要服务于业务

 

通过数据应用的价值探索,第一类数据服务能很好的和现有的学校日常管理过程衔接,找到了受众,形成有效的数据反哺,发挥了一定的价值。统计分析和大数据分析未和学校的业务形成反哺,价值还难以发挥。

@老师,您有一份数据治理“处方”待查收...  

形成反哺闭环,价值得以体现;未形成反哺闭环,价值难以体现。数据来源于业务,也要服务于业务。

 

 

  

总结篇:心得体会

 

数据治理光有工具是不行的,还必须要有常态化的数据治理服务。常态化的数据治理服务离不开一支有经验的队伍,所以工具、服务、经验的结合,才能做好数据治理,发挥数据的价值。长效服务是根本之法,问题驱动是落地办法。

 

@老师,您有一份数据治理“处方”待查收...

 

 



关键词:
分享:
Hot News / 热点新闻
地址:中国·南京·江宁区将军大道100号金智科技园
电话:025-68755381   邮箱:marketing@wisedu.com
传真:+86 0755-2788 8009
邮编:330520
Copyright@ 2018-2019江苏金智教育信息股份有限公司 All rights reserved
犀牛云提供企业云服务