数据驱动校务决策支持系统建设和实践.docVIP

数据驱动校务决策支持系统建设和实践摘 要：校务决策支持系统建设，是高校信息化建设和应用不断深化的必然要求和趋势。本文根据上海财经大学在校务决策支持系统方面的实践，分析总结了校务决策支持系统的技术架构、项目组织、建设模式、技术路线和系统功能等问题，为其他高校开展类似项目提供借鉴。 关键词：数据仓库；决策支持系统；误区 中图分类号：TP315 文献标识码：B 文章编号：1673—8454（2012）17—0047—02 一、引言 判断一所大学的办学水平和竞争能力，需要用一系列客观的指标和数据来说明。因此，数据仓库和决策支持系统可以在评价大学水平和促进大学发展方面发挥重要作用。2000年以来，经过持续的建设，上海财经大学已经完成了教学、学生、资产、财务、人事、科研、招生等信息系统的建设。在系统使用过程中产生了大量的业务数据，为建设校务决策支持系统提供了数据基础。 二、决策支持系统 决策支持系统并非新概念，与之相似两个术语分别是数据仓库和商务智能。数据仓库最早由IBM的William H.Inmon在十九世纪七十年代中期提出，主要是指从业务系统数据抽取数据，经过清洗后装载到数据仓库中，通过数据分析工具为业务绩效评估和预测提供支持。虽然信息技术的发展日新月异，而决策支持系统依然保持了强大的适应性和生命力。根据Gartner 2011年的报告，“商务智能”居然超过了“云计算”、“移动计算”，位列最受CIO关注的热门IT词汇之首，足以说明决策支持系统对于组织的重要程度和价值。 决策支持系统的体系架构主要由数据获取、数据存储和数据访问三个主要部分构成，如图1所示。以上海财经大学校务决策支持系统为例，数据获取层通过ETL工具从教学、科研、人事、财务等业务系统数据库中抽取数据，进行加工和清洗，并装载到数据仓库中。数据抽取的频率、规则根据业务数据的类型和数据分析需求确定；数据存储层是决策支持系统的核心，其中数据的组织和存储方式与操作型数据库有较大差别。在数据仓库中，数据通过面向分析主题的方式进行存储，业务对象从上到下逐渐展开。上海财经大学的数据仓库中，处于顶层的数据实体是学生、教师、学科、课程、科研项目等；数据访问层主要为终端用户提供数据查询和分析功能。数据访问的方式随着信息技术的发展而不断变化，主要的发展趋势是越来越强调操作过程简单化、分析结果可视化和丰富的交互功能。 三、校务决策支持系统实践 2008年，上海财经大学开始启动校务决策支持系统建设。当时正值金融危机爆发初期，大量企业裁员和减招，全社会和学校都非常担心大学生的就业问题。因此，项目组决定以毕业生就业状态数据作为分析的试点。由于数据范围可控和数据处理工作量较小，主要通过Oracle PL/SQL和视图完成ETL功能，采用了开源数据分析工具Pentaho实现前端展示功能。该分析主题中构建了包含毕业年度、学院、专业、就业行业、就业地区等多个维度的模型，可同时实现毕业生状态数据的多维分析和钻取。同期，财务处利用Oracle Discovery的技术框架，对学校财务预算和执行情况进行分析，有效支持了校院两级的财务管理模式。 2009年，校务决策支持系统的分析主题开始全面展开。学校提出了要从本科生教学质量、学科发展状态等方面进行全面分析。为了提高系统效率和可维护性，项目组对市场上的主流数据分析工具和ETL工具进行了测试比较。测试的软件包括：IBM Datastage、SAP DataIntegration、Oracle DataIntegrator、Informatica、Kettle、BusinessObjec、MicroStrategy等。最终选择了采用Kettle作为ETL工具，采用MicroStrategy进行数据前端展示。 2010年，项目组采用数据仓库多维建模技术，设计了基于总线结构数据仓库模型，保证了学校各类分析维度的一致性问题。同时，利用缓慢变化维度的方法处理学生学位、教师职称等属性随时间变化的问题，实现了数据可追溯性和数据同比、环比等功能需求。数据仓库采用星形模型结构，保证了分析模型的可理解、易维护和扩展性。目前，校务决策支持系统已构建了各类业务建模型50余个，覆盖的范围包括：招生、就业、人事、财务、教学、科研、学科建设等领域。 2011年，学校购买了Tableau的服务器版本。随着Tableau的投入使用，校务决策支持系统将进一步向可视化、交互性和支持移动终端访问的方向发展。 四、讨论 目前，在高校环境下建设决策支持系统，仍然面临着观念、资金、技术、人员等方面的困难和挑战。上海财经大学经过多年的项目实践，对系统建设有些粗浅的认识和体会，希望与同行分享和交流。我们认为要正确认识校务决策支持系统，需要避免以下常见的误区：