大數(shù)據(jù)環(huán)境下高校數(shù)據(jù)分析研究

（哈爾濱金融學(xué)院現(xiàn)代教育技術(shù)中心 黑龍江哈爾濱 150030）

大數(shù)據(jù)（big data），指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進行分析處理。大數(shù)據(jù)的5V特點（IBM提出）：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（低價值密度）、Veracity（真實性）。[1]

大數(shù)據(jù)技術(shù)的戰(zhàn)略意義是對有意義的數(shù)據(jù)進行專業(yè)化處理。換而言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵，在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。大數(shù)據(jù)需要特殊的技術(shù)，以有效地處理大量的容忍經(jīng)過時間內(nèi)的數(shù)據(jù)。適用于大數(shù)據(jù)的技術(shù)，包括大規(guī)模并行處理（MPP）數(shù)據(jù)庫、數(shù)據(jù)挖掘、分布式文件系統(tǒng)、分布式數(shù)據(jù)庫、云計算平臺、互聯(lián)網(wǎng)和可擴展的存儲系統(tǒng)。[2]

云計算服務(wù)，即云服務(wù)，是指可以拿來作為服務(wù)提供使用的云計算產(chǎn)品。包括云主機，云空間，云開發(fā)，云測試和綜合類產(chǎn)品等。

對于云計算的服務(wù)類型來說，一般可分為三個層面，分別是：IaaS、PaaS和SaaS。這三個層次組成了云計算技術(shù)層面的整體架構(gòu)，這其中可能包含了一些虛擬化的技術(shù)和應(yīng)用、自動化的部署以及分布式計算等技術(shù)，這種技術(shù)架構(gòu)的優(yōu)勢就是可以對外表現(xiàn)出非常優(yōu)秀的并行計算能力以及大規(guī)模的伸縮性和靈活性等特點。

而我們平時所提及到的云服務(wù)，則是在云計算的上述技術(shù)架構(gòu)支撐下的對外提供的按需分配、可計量的一種IT服務(wù)模式。這種服務(wù)模式可以替代用戶本地自建的IT服務(wù)。

大數(shù)據(jù)與云計算之間的關(guān)系，可以簡單理解成，云計算技術(shù)是一個容器，大數(shù)據(jù)是放在這個容器中的水，大數(shù)據(jù)是要依靠云計算技術(shù)來進行存儲和計算的。

高校一直是數(shù)據(jù)生產(chǎn)大戶。麥肯錫全球研究中心的數(shù)據(jù)報告《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿》中顯示，大數(shù)據(jù)是大小超出常規(guī)的數(shù)據(jù)庫工具獲取、存儲、管理和分析能力的數(shù)據(jù)集。僅2009年，美國國家教育部某信息系統(tǒng)的數(shù)據(jù)庫就膨脹至269P字節(jié)（1個P字節(jié)等于10億個M字節(jié)），龐大的信息程度入選當(dāng)年全美10大數(shù)據(jù)生產(chǎn)貢獻(xiàn)量排名。

在我國，有很多萬人以上的高校，對于高校管理層來講，學(xué)生的學(xué)籍信息、選課、成績單、圖書借閱情況、科研系統(tǒng)、招生就業(yè)情況、上網(wǎng)時間分布、校內(nèi)論壇交流、微博、微信、互聯(lián)網(wǎng)登錄、一卡通消費、門禁等都會產(chǎn)生大量信息數(shù)據(jù)；學(xué)校教師使用的OA系統(tǒng)、教師基本信息、科研系統(tǒng)、經(jīng)費報銷、薪酬管理、上課課件、視頻傳輸、項目管理等也會產(chǎn)生大量信息數(shù)據(jù)；實驗中心的實驗室設(shè)備、機房管理，圖書館的圖書管理；除此之外，還有教務(wù)系統(tǒng)及行政系統(tǒng)的設(shè)備管理、辦公自動化建設(shè)和校園網(wǎng)建設(shè)等信息數(shù)據(jù)。這些高校正在使用的系統(tǒng)經(jīng)過多年運營，積累了大量的基礎(chǔ)原始數(shù)據(jù)，并且隨著業(yè)務(wù)的不斷發(fā)展，數(shù)據(jù)量的增長也是飛速的。如何對已有的原始數(shù)據(jù)開展深入的分析和應(yīng)用，在統(tǒng)籌分析的基礎(chǔ)上合理運用，加強學(xué)校的科學(xué)化管理，為學(xué)校的發(fā)展提供數(shù)據(jù)支撐。大數(shù)據(jù)的分析研究，已經(jīng)成為我國高校面臨的一個重要課題和開拓性機遇。

高校中的數(shù)據(jù)有很高的教學(xué)與科研價值，從2012年開始，包括華東師范大學(xué)上海財經(jīng)大學(xué)、廈門大學(xué)、復(fù)旦大學(xué)等在內(nèi)的一批大學(xué)開始重視數(shù)據(jù)的深度分析和應(yīng)用工作。比如華東師范大學(xué)利用預(yù)警系統(tǒng)跟蹤學(xué)生的餐飲消費數(shù)據(jù)，跟蹤分析學(xué)生是否有經(jīng)濟困難，是否需要幫助；華東師范大學(xué)的智能實驗室項目，記錄實驗室使用的全過程數(shù)據(jù)，形成動態(tài)表格，實現(xiàn)教育經(jīng)費使用的集約高效。此外，北京航空航天大學(xué)、中國科學(xué)院、復(fù)旦大學(xué)等先后成立了十余個專門從事數(shù)據(jù)科學(xué)研究的機構(gòu)。

一、數(shù)據(jù)深度分析和應(yīng)用是輔助高?？茖W(xué)決策的依據(jù)

高校的數(shù)據(jù)進行分析和應(yīng)用，基于預(yù)測的數(shù)據(jù)分析與應(yīng)用體系成功的關(guān)鍵在于它們是建立在海量數(shù)據(jù)的基礎(chǔ)之上。此外，隨著高校數(shù)據(jù)分析及應(yīng)用體系積累的原始數(shù)據(jù)越來越多，通過跟蹤記錄分析找到最好的預(yù)測模式，可以對高校運轉(zhuǎn)的各領(lǐng)域提供決策支持，具體而言，對高校預(yù)測招生生源情況、就業(yè)情況，預(yù)測在校學(xué)生的各種需求情況、教師的科研項目管理、教職工人事信息管理以及學(xué)校的將來發(fā)展?fàn)顩r等方面都能起到數(shù)據(jù)支持與趨勢研判的前瞻性輔助支持。

二、教學(xué)質(zhì)量評估，需要科學(xué)的數(shù)據(jù)深度分析和應(yīng)用

教學(xué)評估是每個高校的重要工作，也是定期必須要做的工作。我們把數(shù)據(jù)分析技術(shù)引入到教學(xué)評估系統(tǒng)中，提高了教學(xué)管理的科學(xué)性，增強了教學(xué)數(shù)字化建設(shè)的實際應(yīng)用性。把基于海量數(shù)據(jù)挖掘的智能算法應(yīng)用于教學(xué)質(zhì)量評估中，從多媒體課件的使用、教師教學(xué)的效果、教師和學(xué)生的互動等因素中找出其中的聯(lián)系，能為各教學(xué)單位和教務(wù)管理部門提供決策支持信息、反饋信息，促使我們更好地開展教育教學(xué)工作，提高教學(xué)水平和質(zhì)量。

三、校園網(wǎng)管理及分析，需要數(shù)據(jù)深度分析和應(yīng)用的支撐

當(dāng)代是信息迅猛發(fā)展的年代，輿情研究工作對高校思想政治教育和高校教育教學(xué)環(huán)境穩(wěn)定的特殊性和重要性是不言而喻。現(xiàn)在更是隨著Web2.0時代的進一步發(fā)展，在高校網(wǎng)絡(luò)管理當(dāng)中花樣百出，如校園網(wǎng)BBS、微博、微信等新媒體的興起和大范圍應(yīng)用，“圈模式”的交流方式為校園網(wǎng)輿情分析和突發(fā)事件網(wǎng)絡(luò)疏導(dǎo)增添了困難。所以，教育系統(tǒng)網(wǎng)絡(luò)輿情走勢的價值就顯現(xiàn)了出來。

基于大數(shù)據(jù)環(huán)境下高校數(shù)據(jù)的分析和研究，體現(xiàn)了高校管理和高校各種應(yīng)用面臨著機遇與挑戰(zhàn)并存的現(xiàn)狀。隨著“數(shù)據(jù)中國”的深入發(fā)展，高校教學(xué)和行政管理的數(shù)據(jù)化、信息化將成為不可逆轉(zhuǎn)的趨勢，挖掘教育教學(xué)數(shù)據(jù)深層次的價值，已經(jīng)成為學(xué)校發(fā)展當(dāng)中，為高層做出決策的重要依據(jù)。其次，文中所涉及到的我國高校數(shù)據(jù)發(fā)展的過程具有普遍性，結(jié)合本校實際情況，進一步推動信息化進程和嘗試深度對大數(shù)據(jù)進行挖掘，還需要我們進一步的探索，找到更適合的算法。