数据平台应用推动郑州轻工业大学智慧教育进程
【慧聪教育网】郑州轻工业大学前身是郑州轻工业学院,早期直属轻工部。1998年轻工部撤销,学校转到地方。2018年,正式完成由郑州轻工业学院向郑州轻工业大学更名。学校有67个本科专业、4个一级硕士授权点、11个二级硕士授权点、14个对应的工程硕士点,在校学生共计2.3万多人,教职工1900多人。
郑州轻工业大学的信息化进程较早,在教育行业中处于领 先水平。同时学校将对学生的责任与关怀注入到信息系统的各项功能中,如今学校利用帆软产品形成了以学业预警系统为核心的统一大数据平台,并且在整合50余个业务系统的基础上进行深度的数据分析挖掘。
但是在大数据平台建设的初期,如何高效的将50余个业务系统的数据统筹有效的数据分析是摆在学校信息化管理中心面前的一大难题。
大数据平台建设背景
虽然说学校的所有业务部门都是以提高教学质量、了解学生动态为最终目的,但是不同业务部门对数据价值的认定存在着一定的偏差,久而久之,学校的数据应用也存在着一些痛点:
1、数据缺乏一致性,数据壁垒显现
在先天的业务职能上,学校的不同部门由于具体业务域的差异,即使不同部门愿意共享数据,但是在同一份数据的解释与处理上还是缺乏统一的共识。在教师职称评定、统计学校师生比等跨部门协作分析的时候,往往不同部门会给出不同的分析结果,导致具体业务的推进出现障碍,数据壁垒显现。
2、缺少数据治理,数据管理系统不完善
随着学校的发展,学生数量、院系专业数量也在不断扩充,学校每天会产生大量的教学数据、学生行为数据、办公数据,但是这些数据并没有一个规范化的数据系统去管理,而是存在于各个业务部门的报表系统中。业务部门在进行数据分析时,很难直接从数据库中调取数据,同时相对零散的数据也使得数据分析的准确性低,进而影响到具体工作的质量和效率。
3、数据分析薄弱,数据反哺业务的能力弱
学校信息部很早建立起利用数据分析来进行辅助决策的理念,但是由于缺少高效的数据分析工具,数据分析结果不及时、不直观。对于来自各个部门的业务需求,信息平台不能进行及时的响应,各个业务部门之间也会出现配合问题。同时信息平台在学校关键业务和重大决策的辅助支撑上也不够。
随着学校的加速发展,学校对信息化管理中心提出了更高的要求与期待,于是在综合考察多家数据分析应用提供商后,学校学校开始使用帆软报表及商业智能工具,完善学校大数据服务平台。
全新平台的建设历程
在学校信息化建设这一方面,郑州轻工业大学可谓是身经百战的“老兵”,所以在启动项目的第一时间,学校信息化管理中心开始制定具体的数据平台落地规划,在数个月的时间里,完成既定的三步规划,使得平台成功上线,改善了学校具体部门的工作局面。
1、建立覆盖50余个系统的数据可视化中心
场景一:规范数据接口,统一数据源
进行高效数据分析的前提是要有统一、规范化的数据库与数据接口,所以信息化管理中心首先利用帆软产品作为统一的业务数据接口,直连各个业务系统的原有数据库,将迎新系统、门禁系统、图书馆系统、超星学习通等系统的数据做一个整合。
除此之外,学校项目组还提出了开发接口,接入外部服务器的定制化需求。这样数据可视化中心也可以支持部署在外部的服务器对平台系统的访问。不仅业务人员在利用数据,各个系统也在自动进行数据更新、整合、分析。
场景二:搭建学业预警系统
在整合数据的基础上,信息化管理中心建立了统一的数据可视化中心,使得所有数据可查、可检索、可以访问分析。接下来,信息化管理中心将实时检测学生学习情况的方案落地,建成了学业预警系统。
在学业预警系统中,应用场景基本上覆盖到了与预警学生学业提升有关的每一个流程和细节:
l在关键时间结点的信息及时推送
l多维度提醒,在警醒学生的同时,发挥学校、老师、家长的合力的作用;
l通过黄、橙、红等不同颜色使得预警信息更加直观;
l学业通知书包含提前一周的补考通知、考前一个月发送的上学期预警提示及历史成绩告知、考前一周发送的风险预测提醒、以及考试后发送的成绩查询。
一个学业预警系统,平台支持从学校、院系、个人的数据钻取,学校可以随时查看每个院系的学业警示情况,并最终细化到学生,了解他的绩点排名、各科成绩。
当某位学生的成绩长期低于预警值,信息化管理中心会将相关可视化数据返回给各院系、各老师。同时会生成学业通知书、学位告知书进行补考通知、学习状态警示,有针对性的进行帮扶,进而更好的指导教学、教务相关部门去提高服务学生的质量。
2、规范数据管理,优化数据存储利用模式
场景三:帮助沉积的EXCLE表格数据焕发生机
帆软产品支持用户自由的抽取数据,实现实时数据和历史数据的结合。平台将一些陈旧的EXCEL表格批量导入到平台,这些数据大多是学校关键的业务数据,比如学生的生源地信息、学生缴费信息等,以往缺少数据分析时,这些数据无法得到有效利用。如今,新老数据进行结合,加上丰富的可视化图表,业务部门可以进行更有效的业务分析与辅助决策,使数据焕发出应有的价值。
场景四:按照业务整合各方数据,设置权限
学校原本的业务数据系统是相对分散的,没有统一的入口和标准。出于对数据安全的考虑,信息化管理中心打破原有的数据整合规则,按照各院系、各职能部门的划分方式来建立自助业务包。在类似成绩查询、学籍警示、学业通知书等系统中,业务人员仅需要在对应的业务包中选择数据就可以进行数据分析,提高效率的同时也强化了数据安全性。
虽然有了定制化的业务数据集,但是相同部门不同职能的人对于数据还有差异化需求,平台还支持部门业务权限的设置,每个权限对应不同的数据模板,并且随着业务变动实时进行用户与权限的更新,这保证了每个人都聚焦于自己的核心数据工作,同时也防止数据泄漏、数据错乱等问题。
3、利用数据挖掘算法进行指标预测
业务场景五:上线成绩预测模型算法
在成绩预测模型上线之前,各院系只能通过学生的期中、期末成绩来评判学生学习的成果。通过成绩预测模型,学校可以通过每天学生的到达率、学生提交作业的时间、作业重复率,实时监控学生的课程完成情况,通过预测学业走势来提前作出指导。
业务场景六:上线优质生源地探索算法
同样,利用优质生源地探索算法,平台可以调用近几年的学生综合情况,利用数据挖掘搭建了不同地区的生源画像,搭配学业预警系统,可以清晰的看到不同地区生源在校的学习、生活情况。这指导学校有的放矢的增加对不同地区的宣传投入和招生力度,并且有效的把控生源质量。
平台上线大半年,学校的教学、教务工作得到了改善。2018年到2019年第一学期与2017年到2018年第二学期相比,补考、学籍相关的学业预警减少了16.8%;有51%的预警对象解除预警。这表明,2017到2018年第二期学习成绩不理想的同学,经过各种干预和支持,有一半以上的人回归到正常的学习状态。而反馈率、点击率、留言及回复的数量,也在这一段时间迅速飙升,从之前的10%提高到了70%多。
学校的信息化建设推动了教学、教务质量的提升,在学生群体得到认可。更重要的是,学校通过数据建设,更好的实现了“人才培养”为核心的学校教育教学工作的价值,更好的承担起一所高校对于学生、家长、社会的责任。