企业简介

中南大学（Central South University）坐落在中国历史文化名城──湖南省长沙市，占地面积317万平方米，是国家“211工程”首部省重点共建高水平大学和国家“2011计划”首批牵头高校。2017年9月入选世界一流大学A类建设高校。学校设有30个二级学院，拥有享“南湘雅”美誉的湘雅医院、湘雅二医院、湘雅三医院3所大型三级甲等综合性医院及湘雅口腔医院。

学校全日制在校学生6万余名，中国科学院院士1名，中国工程院院士16人，国家杰出青年科学基金获得者34人，教授及相应正高职称人员1889人，享受政府特殊津贴专家397人。学校学科门类齐全，拥有完备的有色金属、医学、轨道交通等学科体系，涵盖哲学、经济学、法学、教育学、文学、理学、工学、医学、管理学、艺术学、交叉学科等11大学科门类，其中数学、材料科学与工程、冶金工程、矿业工程、交通运输工程5个学科入选国家“双一流”建设学科。

业务需求

数字经济时代，数据已经被定位为电子资产、重要生产要素、基础战略资源。如何利用数据来实现管理的精细化、决策的科学化和服务的个性化是国内外各领域研究和探索的热点。各行业密集出台各类政策文件要求加强数据资源管理、推动数据共享与公开、实现数据互联互通、挖掘数据价值。

十三五期间学校信息化建设目标为“数字校园”，建设了大量的信息系统以支撑业务管理。虽然信息化建设成果显著，但随之而来出现许多数据问题，如数据共享不畅、数据质量堪忧、全校协同乏力、数据权责不清、数据应用急缺等。因此为满足学校“用数据说话、用数据管理、用数据决策、用数据创新”日益增长的诉求。学校自2019年开始启动数据共享和治理工作。随着近年数据共享、治理工作的推进，学校沉淀了海量数据，但是数据分析和应用以辅助决策和管理，提升学校治理能力仍然面临如下问题：

问题1：如何统一管理和规范学校数据分析应用成果

十三五期间业务部门都建成了信息系统，但这些系统主要目标是实现事务处理，缺乏数据思维，数据可视化和深入的数据对比、分析较少。十四五期间学校将对业务系统进行升级改造，要求其在满足事务处理要求同时规范数据生产、重视分析应用。那么学校即将面临如何将各业务部门的数据分析应用成果统一管理和规范的难题。

问题2：如何建立学校统一的数据指标体系

学校在使用数据进行管理和决策的过程中发现指标命名不规范、指标存在多头定义现象、指标逻辑不一致、指标统计口径不统一等问题，从而导致各业务部门出具的关键指标，例如教职工、学生人数等存在不唯一或者不一致，影响管理和决策的科学性和严谨性。

问题3：如何实现数据赋能教育评价

为贯彻落实《深化新时代教育评价改革总体方案》，业务部门希望能通过数据建立模型、形成报告以支撑评价改革，而他们却缺乏便捷易上手的数据分析软件工具和专业的技术支持。

问题4：如何快速响应业务的数据分析诉求

学校传统的信息系统建设模式无法快速响应临时、紧急的数据应用诉求。例如在疫情防控过程中数据统计、分析等应用。

问题5：如何形成多维、全面、综合的校情数据分析

由于各业务部门的信息系统数据集成不完整、数据质量不佳、数据可视能力薄弱等原因，很多业务域都缺乏数据可视化呈现和深入的数据分析，特别是校级层面的综合数据应用十分缺乏，从而导致领导层想通过数据统观全貌尤为困难。

解决方案

为解决学校的以上难点和痛点，唤醒数据价值，我们建设了一个学校层面的数据分析平台——综合校情分析平台，以数据的应用促数据的建设，助力学校决策科学化、治理精准化和服务高效化。

建设思路

数据分析必须从业务现状出发，着眼于找出业务面临的主要问题，然后根据业务数据的分析形成数据结果支撑管理和决策，推进业务问题的解决。

项目实施的第一步是深入到业务单位进行详细数据需求调研，对现状和预期有一个较好的把握。

第二步弄清现状和预期之间的差距并调查导致差距产生的关键因素，即发现问题。

第三步根据需求形成数据分析目标，针对目标实施数据的收集和加工。第四步根据业务管理和决策需要而定制数据可视化的图表和报表，形成数据分析成果辅助业务部门的管理和决策。

平台架构

综合校情分析平台基于学校数据仓库，围绕学生和教师这两条主线，构建数据分析体系，平台主要功能分为三部分：

① 数据门户统一管理、呈现数据应用成果，包括移动端APP和PC端系统；

② 提供FineReport和FineBI两款数据分析工具；

③ 数据系统管理后台允许数据应用的归属单位自助、自主管理本单位数据成果。

在数据应用开发过程中，我们同时梳理业务关键指标，确认其统计规则、业务逻辑，实现关键指标在学校唯一、准确、可信。

典型应用场景

场景一：本科生招生

随着高考综合改革的不断深化，高校招生录取工作的难度日益加大。有的放矢地开展招生工作，有利于整体生源质量的提高，而生源质量将直接影响高校的人才培养。鉴于此，每年学校招生期间、招生工作总结阶段，都需要对招生数据进行整理和分析。

我们通过建设招生实况驾驶舱，按照专业大类、生源地省份、性别、应往届生和分数结构等维度呈现招生录取情况及时把握招生进度，并在招生结束后，将本年度招生情况进行分数段、志愿填报、与历年对比等分析，形成招生工作总结报告为后续更好、更专业的开展招生提供数据支撑。

场景二：人事管理

人事现状驾驶舱关注学校人事队伍情况，梳理学校人员数据，形成关键指标定义及计算，并从单位、人事结构、年龄分布、职称职级、学历多维度分析学校人员队伍情况，为学校优化人员队伍结构提供数据支撑。

近五年人事变化驾驶舱通过对新进教职工人事结构、职称职级等维度进行分析，为学校拟定人才招聘计划提供数据支撑。

场景三：学生管理

学生管理驾驶舱通过对学生基本状态数据指标的分析，便于及时了解校内学生基本情况，为学生管理工作的精准化和个性化提供数据支撑。

迎新返校主题分为迎新和返校，通过对学生报到数据，从校区、学院、学生类型、时间、生源省份等多个维度分析，便于学校领导、学生工作处、各学院领导及时实时了解学生到校情况，便于更好地服务每一个学生。

总结与展望

我们立足于大数据时代背景，围绕学校智慧校园建设中遇到数据分析应用的难点和痛点，根据学校战略、组织、人才、信息化等校情形成因地制宜的数据分析体系。在实践中，信息部门与业务部门密集对接、谈思路、明现状、定路径，分主题、分期推进，建设成效逐渐凸显，充分调动了各部门参与数据共建、共享、共治的积极性，大幅度提升了学校对智慧校园的满意度。通过项目的建设，我们总结经验如下：

① 数据分析是强业务驱动，必须由业务部门与信息部门通力合作，在创新中不断积累，才能为管理、决策和预测赋予新能力并在此过程中发现数据问题、找出业务短板、推动业务重构、完善信息系统，在反复迭代中使数据质量更高、应用更丰富。

② 数据分析是定制开发，其中数据收集、清洗、验证工作量占比高，因此存在一定的失败率。为尽量降低失败率，在实施之前需根据业务部门参与意愿、数据集成情况、数据质量报告等因素评估可行性。

③ 由于数据供给和业务需求本身就是没有尽头的，在数据赋能业务的过程也是慢慢找到焦点、逐渐落地、形成方法论的过程。

综上而言，数据分析是一个开拓创新、持续调优和迭代的过程，需在创新中总结经验逐步深入，并不断加深与业务部门的合作默契。