数据治理体系建设实践.docxVIP

数据治理体系建设实践 1.构建校级的数据管理组织架构 数据治理需要率先建立管理的组织架构，明确决策流程、权责关系、配合方式。学校建立起重大决策和协调推进、技术开发支持、承担配合的数据治理体系，保障了数据治理工程的快速推进。 2.制定学校数据标准规范 数据标准规范是智慧校园顶层设计，能够保障数据的一致性，破除数据难以打通、利用等弊端。 通过部门调研、比对迭代，形成权威信息标准。基于统一的编码规则，为数据的全面打通和业务系统实时同步更新数据标准奠定了基础。 3.数据资产摸底与识别 学校提出并实践了“先集中、后治理”的数据治理方式，即建设近源数据层，将数据的原始形态充分进行暴露和识别，从而实现数据资产的盘点，形成对于数据资产管理的统一视图。 4.构建全量数据平台 智慧校园建设需要更多高价值数据源，例如记录行为的日志数据、线下表格数据、外部互联网数据,以及视频监控和人脸识别等非结构化数据。此类数据的体量、结构、处理方式与业务数据完全不同，存在很大的使用难度。 为实现低门槛的利用，学校设计了全量数据平台架构，能够支持多维数据源，实现高校全量数据的“实时可采集、全面可管控、处处可复用”，真正实现“数入一库，数出一库”。 （1）业务数据 新建的业务系统不再单独构建数据库，原有业务系统按11备库到全量数据中心。 （2）日志数据 基于数据框架，实现了对上网URL、防火墙、WAF等7大类核心日志数据的分布式采集、解析、存储工作。针对此类高校普遍未有效利用的行为数据构建了成熟的处理方案，为大数据应用提供了多维度数据源。 （3）线下数据 设计并落地了对学工处、人事处、教务处、等部门线下表格数据的一站式采集治理方案，在兼顾部门人员维护数据习惯的基础上，实现线下数据源的补充。 该方案为高校审计数据上报工作提供了便利，为各大高校业务系统未建或使用效果不好，又需要将线下数据进行整合和共享的需求提供参考。 5.推动数据质量回溯，堵疏并用 对于数据质量这类老大难问题要综合评估其影响程度、改进难易度，制定了以下解决办法。 （1）明确数据源头部门，提供可视化数据质量报告 对于影响范围较大的主数据，采用可视化数据质量报告推送的方式，让源头部门明确数据质量问题，并对原始问题记录进行重点标注，推动其核对和改善。 （2）推行数据与人见面 遵循“个人对数据负责”的原则，建立师生个人数据中心，提供纠错补录功能。通过集中式的个人数据查阅和核对，保障个人数据更新的及时性，为各类业务申报提供可信数据源，避免重复填报。 （3）推动业务系统整改 业务系统设计的不完备性是数据质量问题的根源，学校制定了数据治理提升措施，实现从源头解决数据质量问题。 6.打造数据中台，以开放促应用 为构建更为开放的数据服务生态，设计集“发布、申请、管控、监测”为一体的数据中台。 统一发布中心：面向各平台和系统提供统一的数据出口方式，可快速实现数据共享接口的发布，降低数据共享门槛； 统一申请中心：继承数据治理的成果，开放校内数据资源目录； 统一管控中心：可视化处理数据申请，从而保障学校对于数据的自主可控； 统一监测中心：对于数据运行情况实现全链路监测，改变以往数据交换的“黑盒状态”。 7.面向业务场景落地大数据分析应用 大数据分析的建设不能闭门造车，要深入了解各部门、各群体的真实需求，以精准的大数据分析结果全面辅助领导决策、校务管理及流程优化，推动学校的长远发展。通过分析食堂消费数据实现精准扶贫，将善款直接打入进餐低于平均水平的学生饭卡内。在保护学生尊严的前提下，保证困难学生能够吃饱饭。 基于产生的海量历史数据和实时数据，实现IT资源运行分析、异常检测、智能预测等功能，解决高校IT架构复杂、运维困难的问题，提升学校基础IT运维能力。破解高校数据顽疾的基础上，充分挖掘和发挥大数据的价值，打造了以全量数据中心和数据中台服务为核心的智慧校园数据支撑体系，为当前和未来信息化建设提质增效夯实了数据基础。