2023年高校BI商业智能应用白皮书

2TE WIARE MAET XROWMAET 2023年高校BI商业智能 应用白皮书 APPLICATIONWHITEPAPER 北京永洪商智科技有限公司 永洪BII更敏捷、更快速、更强大 YonghongTech TalkwithData 目录 CONTENTS 前言01 现状一一政策引路，数据应用初见端倪02 挑战一一数据应用处于萌芽期，与业务结合不紧密 1、业务痛点：管理脱节，决策失效07 2、数据痛点：数据基础差，应用难度大08 破局一一明确目标，划分阶段，把握要点 1、明确数据应用整体思路与目的10 2、整合多端数据，奠定数据应用基础12 3、从0到1划分节奏，把握各阶段细节要点14 4、由浅入深，构建数据分析层次17 实战—一高校数据应用典型场景 场景一：校长科研驾驶舱20 场景二：教务管理－学业预警20 场景三：教务管理-教师能力驾驶舱21 场景四：教务管理－课堂教学质量监测22 场景五：学生管理－学生画像 22 场景六：学生管理－学生安全管理驾驶舱23 场景七：图书馆管理驾驶舱24 场景八：招就管理－招生整体分析24 场景九：招就管理－就业整体分析25 场景十：招就管理－雇主大数据驾驶舱26 未来一一趋势之下，更应当打好基础 数据价值初步展现，关键在于夯实数据基础28 逐步实现数据深度分析应用，释放数据价值29 开放数据，实现数据资源共享30 关于永洪科技31 O 永洪BI 前言 REFACE 自前，我国教育正在由信息化迈向数字化，以提升教育质量、学校运营质量等，实现高等教育高质量发展。数字化已然成为当前我国教育现代化发展的关键创新路径，是建设高质量教育体系的重要战略。 高校的数字化转型，并非只是将线下课堂在线化，而是将学校相关的所有工作数字化，实现全场景、全流程的数据应用，将数据深度融合到学校日常教育管理工作的过程中，实现各项工作 的精细化、智能化、个性化。 当前的高校的信息化建设主要聚焦于教学、科研和管理几个方面，积累了一定的数据基础，因此在数据应用阶段同样围绕这三个方面开展。例如，教学数据方面，通过教学数据分析，可以使教师获得详细的学生学习数据及教学反馈数据，使教师可以更为全面、详细的了解当前教学质量情况，从而精准有效的提升教学效果。科研数据方面，可以针对科研相关的各类信息进行整合分析，对科研项目成果以效果、进度、质量、成员贡献等多个维度评判，对现有项目进行科学管理与改进，提供进度提醒、风险预警等，并可以对未来项目提供参考。管理数据方面，可以使相关管理人员通过核心业务指标的数据可视化展现，宏观的把控高校当前各项事务的现状及动态变化，发现管理盲点，进行针对性的改善。 永洪科技针对高校的数字化转型及数据应用情况进行了调研，认为当前高校的数字化转型及 数据应用的关键在于：一是明确数据应用整体思路与目的，建立清晰明确的战略目标，深入挖 掘业务需求，将业务与技术相结合，从而达到敏捷高效，降低资源浪费；二是整合多端数据， 奠定数据应用基础；三是从0到1划分节奏，把握各阶段细节要点，持续建设与优化，科学的划 分阶段，并且把握各个阶段的要点；四是由浅入深，构建数据分析层次，最终实现智慧校园的 建设。 本白皮书基于高校数据应用现状，重点结合高校真实案例经验作为参考，寻找释放数据价值、赋能高校发展的破局之道，并对高校的数据应用典型场景进行了详细的拆解与分析，以期为高校数据应用及商务智能的实现提供思路、参考与启示。 01 1/1/2016 Series1 /1/2016 12/1/2016 1/201 1/4/201 /5/20 /6/2017/20 /8/20 01现状 政策引路，数据应用初见端倪 数字化时代，高校数字化转型势在必行，而在疫情之下，线上教育的开展使这一趋势迫在眉睫。 永洪BI 2022年，全国教育工作会议提出“教育数字化战略行动”，指出要强化需求牵引，深化融合、创 新赋能、应用驱动，推进教育新型基础设施建设，强化数据挖掘和分析，健全教育信息化标准规范体系，为促进教育事业高质量发展注入新动力。《教育部关于推动高校形成就业与招生计划人才培养联动机制的指导意见》指出，要加强对高校毕业生就业状况的跟踪调查与反馈，充分发挥大数据在反馈过程中的重要作用。《教育统计管理规定》中要求建立统计数据解读、预测预警机制，鼓励运用现代信息技术手段，深入挖掘数据资源，提高统计分析能力和应用能 力。 可以看出，目前我国教育正在由信息化迈向数字化，以提升教育质量、学校运营质量等，实现高 等教育高质量发展。数字化已然成为当前我国教育现代化发展的关键创新路径，是建设高质 量教育体系的重要战略。 根据教育部数据显示，2021年中国教育信息化的教育财政投入达4640亿元，同比增长9.4%。 450016% 400014% 3500 12% 3000 10% 2500 2000 6% 1500 4% 1000 5002% 0% 2012201320142015201620172018201920202021 经费投入·增长率2012-2021年教育信息化经费投入情况数据来源：教育部 03 永洪BI 高校信息化的发展已历经30年。从信息化建设阶段来看，可以分为四个阶段。 5第一阶段以设备和网络为建设核心 主要职责是校园网规划、建设、管理、维护以及学校互联网接入，建设成果为 各种中心，例如“电教中心”、“计算机中心” 第二阶段以数字化校园建设为核心 主要职责是数字化校园的规划、建设、管理、维护，例如“智慧教室”，“在 线教学平台”。 第三阶段以数据为核心 主要职责是着眼于智慧校园规划、建设、管理、维护，担负决策支持、组织与业务流程再造之重任，例如有些学校已经把“网络信息中心”更名为“大数据 中心”。这也是目前大多数高校处于的阶段。 第四阶段为建立智慧大脑、人工智能的问题解决平台的发展阶段 (AD)例如自动解答海量疑问、智能办理校内业务、建立人工智能问题解决平台等。 可以看出高校的数字化转型，并非只是将线下课堂在线化，而是将学校相关的所有工作数字化，实现全场景、全流程的数据应用，将数据深度融合到学校日常教育管理工作的过程中，实现各项工作的精细化、智能化、个性化。 当前的高校的信息化建设主要聚焦于教学、科研和管理几个方面，积累了一定的数据基础，因此在数据应用阶段同样围绕这三个方面开展。 教学数据方面 过往对于教学的把控大多源于教师个人经验，一方面导致整体教育质量 参差不齐，另一方面缺乏科学有效的改进机制。通过教学数据分析，可以 第一方面使教师获得详细的学生学习数据及教学反馈数据，使教师可以更为全 面、详细的了解当前教学质量情况，从而精准有效的提升教学效果。对于 教学质量管理，则可以更加客观地对教师进行评价，从不同维度考察教 师教学效果。 04 科研数据方面 是教师及学校管理者关心的核心指标之一，高校面临的难题是可以管理效率低、缺乏有效的评价机制、科研质量提升缺乏有效方向等问题。科 研数据分析可以针对科研相关的各类信息进行整合分析，对科研项目成 第二方面果以效果、进度、质量、成员贡献等多个维度评判，对现有项目进行科学 管理与改进，提供进度提醒、风险预警等，并可以对未来项目提供参 考。 管理数据方面 第三方面 由于高校的各项事务繁杂，体系庞大，产生了诸多管理困难。管理数据分析可以使相关管理人员通过核心业务指标的数据可视化展现，宏观的把控高校当前各项事务的现状及动态变化，发现管理盲点，进行针对性的 改善。 可见，越来越多的高校已经开始重视数据的应用，通过数据实现关键事务的管理与科学决 策，虽然大多还处于初级阶段，但深度发掘数据价值的认知与实践已初见端倪。 05 609 挑战 Overview 02 数据应用处于萌芽期，与业务结合不紧密 业务痛点：管理脱节，决策失效 行政化 永洪BI （管理脱节） 管理管理服教学决策高校 （决策失效） 方式务方面方面方面领导 拍脑袋 (1）教学方面 教与学是高校生存的生命线，老师和学生作为高校里重要的两类载体，几乎串联起高校所有的活动。诸如课堂学习、测评互动、网上教学等一系列活动过程，构筑起教学活动的数据集。教学活动中的过程化数据贯穿了从数据产生、输出、信息展示，到知识决策整个过程。课程与实际应用脱节，理论与动手实践分离，教师所期望的和学生所需要的相差甚远，教学质量欠缺，教师考核公正性以及学业预警等都是高校教学发展中的痛点。 (2)管理服务方面 当前，我国众多高校仍无法脱离“行政化”的管理方式。尽管各级部门不断优化业务流程、梳理服务目录、改进工作方式，但鉴于业务流形成闭环，数据孤岛林立，高校内部跨部门业务数据缺之有效的共享与交互，仍无法解决行政事务管理流程繁琐、跨部门业务办理困难且效率 低下的问题。学生身心健康发展尤其学生安全问题提前防范困难。大学改革的核心要素应是 顺应高校从“管理”走向“治理”的趋势，开展“管理服务治理”和“业务数据治理”，才能真正提升服务对象的用户体验。 (3）综合决策方面 综合决策涉及的对象是高校的领导者和管理者。综合决策需要深入掌握基础数据、准备把握发展不足、敏感抓牢政策动态，需要校级层面的决策，诸如：招生计划决策、财务状况与政策决策、师资队伍发展状况与人才政策决策、科研发展状况与学科建设决策、教学评估状与人才培养模式决策等一系列关乎高校生死存亡的决策项。然而大多高校目前尚没有建立起有效的数据应用体系，以数据辅助支撑管理决策，“拍脑袋”的现象依然普遍。 07 数据痛点：数据基础差，应用难度大 永洪BI 相较于金融、制造等数字化转型领先的行业，教育行业的数字化转型仍然处于萌芽期，在数 据应用阶段产生了诸多基础性的痛点。 (1)缺乏基础数据 无法为学校教学、科研及管理提供基础的信息化数据服务。同时，各个学校的基础建设存在着较大的差异，有些学校只是使用了一卡通，数据类型单一，许多重要的基础数据缺失，导致大多高校只 是“有什么数据就做什么事情”，产生了许多个性化的需求。例如一些高校教务数据比较完善，但 缺乏研究生系统、资产系统等数据。 (2)缺乏数据规范 全校数据缺乏统一规范，没有形成统一数据标准，导致数据质量差。出现了数据来源复杂、数据质量参差不齐、基础数据分散、数据不一致、统计口径不统一等问题，导致在应用时数据质量得不到保障，数据无法匹配、数据不可识别、数据不一致、亢余重复、时效性不强、精度不够等问题频发， 数据结果与实际情况不匹配，无法作为业务改善及经营决策的参考依据，难以支撑上层应用，无法 完全释放数据的真正价值。 在数据输入和管理过程中，存在着数据输入规范不统一等问题，不同部门对于同一个数据指标有着不同的理解，在输入时导致数据元描述和理解存在差异，导致数据冲突或矛盾。这类错误在清洗加工过程中很难得以修正，后期补充完善的成本高。 (3）缺乏数据共享 “信息孤岛”问题严重，无法实现数据的实时共享。一些高校虽然已经积累了一定量的历史数据， 但由于前期缺之统筹性的规划，导致没有建立起有效的数据共享机制和保障。数据共享与整合能力是数据深度应用、释放数据价值的基础，此外，缺乏有效的数据共享与整合方式，导致各个层级 人员需求无法统一满足，也不利于数据分析体系的标准化建设，数据支撑力不足，无法实现数据闭 环管理与应用。例如学业预警主题分析，需要打通教务、图书馆、网络等系统数据才可准确实现。 孤岛林立、数据质量低下、数据服务体系缺失，使得高校开展科学化、智能化的综合决策举步维艰，另加上领导者和管理者自身管理方法、管理水平和管理视野的差异，都严重的影响了综合决策 想。以数据作为基础，实现由事实数据向评价指标地智能转换，预测趋势的发生轨迹，以拓新管 理、服务质量，让数据说话才能为科学的决策提供依据。 08 ACTUALSUMMARY BUDGETV $500.00 B375.00 17% B250.00 B125.00 BO.00 Auto FoodMedic Budget SUMMARYBY