随着“互联网+”技术的不断革新，大数据应用 服务在物联网及公共服务等领域遍地开花，产生出较 好的社会效应和巨大的社会影响。近些年，基于大数 据的研究快速延伸到象牙塔，对高校智慧校园的建设 与发展提出了更深层次的要求。伴着高等教育改革的 不断深入，高等院校由数字化校园向智慧校园演进已 是社会发展的必然趋势。当前，全国众多高校正如火 如荼开展“移动互联网”“大数据 + 教学/科研/管理/ 服务”“云计算”“软件定义网络(SDN) + 网络功能虚 拟化(NFV)/网络定义安全(SDS)”“虚拟化应用服务” 等新兴技术的研究与应用，旨在为师生、行政管理人 员提供合理化地管理、精细化地服务、智能化地应用 及科学化的决策。
在持续化的信息化建设与应用中，高校已累 积了丰富的教学、科研、管理、服务等方面的“小数据” ，小数据集为教育大数据的深层次研究 提供了夯实的多维度数据基础。同时，传统流程化 的业务模式沉淀出大量的结果化数据，加上过程化 的机器日志数据，逐步衍化为价值巨大的优质数据 资产。智慧校园的核心任务是实现教育大数据的反 哺，使得高校由“以事物为核心驱动应用(封闭式的命题)”逐步向“以数据为核心驱动应用(开放式 的命题)”转变，让教育大数据成为创新精准服务 的基石。
高校教育大数据特征分析
1.数据源的多样化：数据源自学校各级机构， 重点围绕师生、横跨教学科研、管理服务，所有的 业务流程能够产生丰富的过程化数据，最终转化为 结果化数据。过程化数据逐渐被用户重视，成为感 知用户个性化的重要数据源。
2.数据异构维度高：教育数据体量一般，但异 构性强、跨度大、维度高、含义丰富。维度数据源 多，数据能够更加准确的定义个性化服务，极大的 提升用户的无感知体验。
3.数据类型多样化：除结构化数据外，半结构 化、非结构化数据规模庞大。教育大数据由结构化 数据为主导逐渐向半结构化数据、非结构化数据为 主导进行转变。
4.数据整体价值高：单一的“小数据”意义甚 小，但整体数据可描绘全局。小数据作为大数据的 支撑，能够产生个体性的过程化小数据，从而构建 全局性的维度化大数据。
教育大数据的核心作用及研究意义
中国高校信息化发展历程普遍经历了“底层 设计”“基础建设”“应用推广”及“服务提升” 的四元化阶段。教育信息化的实施亦是不断促进信 息化全方位辅助高校教学水平、科研模式、管理手 段、服务精度及决策能力的全方位提升。当前， 教育大数据的应用水平和应用程度是标志高校向 “创新发展型”“世界一流化”大学迈进的重要指 标。开展对教育大数据的深度研究与思考，从本质 上是为了实现全面的解放与提升，让智慧化的成果 受惠于高校的主体对象，其研究意义主要体现在以下方面，如图1所示。
1.解放高校“重管理、轻服务”的“以管理为 主、用户感受为辅”管理模式，实现管理体系中管 理者的“去行政化、去权利化、去一元化”；
2.解放高校“重讲授、轻反馈、轻实践”的 “课堂为主、课后为辅、实践能力弱”教学模式， 实现教学体系中学生角色的“个性化学习与自主化 学习”；
3.解放高校“屁股决定脑袋”的“拍脑袋式” 决策模式，实现决策体系中决策者的“数据化决策 与智能化决策”；
4.解放高校“重流程、轻效率”的“跑断腿、 折断腰、处处碰壁式”的服务模式，实现服务体系 中对服务对象的“精细化服务与一站式服务”。
当前，智慧校园的建设仍在数据管理与应用 等方面存在诸多问题，构建大数据生态治理服务体 系(本章节中简称“体系”)旨在利用虚拟化、云计 算、人工智能、数据挖掘等技术，将高校各类过程 化、结果化的数据通过采集、清洗、分析、存储等 流程，加以高效的组织与科学化管理，使其被最大 化的挖掘与利用，最大限度的释放数据红利。通 过数据应用为导向开展数据治理可以有效降低数 据治理的难度和风险，以致于更好地提升高校在教 学、科研、管理、服务、决策等方面的能力。
应用服务模式
教育大数据生态体系的数据应用与服务 模式
为了较为客观地了解我国高校教育大数据的建 设及应用需求，结合高校智慧校园建设发展需求和 服务需要，针对不同规模、不同类别、不同等次的 高校大数据(生态)体系进行了调研，选取了国内双 一流A类高校清华大学、复旦大学、武汉大 学；双一流学科高校华中农业大学、南京理工大学、中国矿业大学、中国地质大学(武汉)；普 通本科高校中南民族大学、湖南农业大学、常 熟理工学院等三类高校为样本。
尽管上述10所高校在教学、科研、管理、服 务水平方面存在较大的差异，但从当前的教育大数 据发展现状以及智慧校园中、长期的发展目标分析 (如表1所示)，存在如下共性问题(如表2所示)。
通过分析10所样本高校教育大数据发展现存的 共性问题，结合样本高校教育大数据的发展目标， 开展基于教育大数据生态体系的数据应用与服务模 式的探讨与改进是智慧校园的发展的自然选择，亦 是互联网模式新信息化环境下应用需求催生的新 趋势。经调研总结，结合上述10所高校教育大数据 (生态)发展现状，围绕其智慧校园的发展模式、应 用场景与发展思路，将教育大数据(生态)体系应用 与服务模式划分为水平化与垂直化两类，如表3和 表4所示。
表3中，基于高校教育大数据生态体系的水平 化应用与服务模式被划分为三类：支持“精准管理”的数据应用与服务模式、支持“科学决策” 的数据应 用与服务模式、支持“综合评估” 的数据应用与服务 模式。水平化的划 分方式，主要从校 务职能的角度入 手，围绕提升“教 学、科研、管理、 服务”四大类主体 工作水平为目标。 通过教育大数据 (生态)体系在校务 职能上的全方位应 用为载体，创新发 展模式、提升治理 能力、强化管理意 识、简化办事流 程、开创一流服 务，推进智慧校园 建设的快速落地。
在上页表4中，基于高校教 育大数据生态体系的垂直化应用与服务模式被划分为 四类：支持“学校全局”的数据应用与服务模式、支 持“学科发展”的数据应用与服务模式、支持“院系 业务”的数据应用与服务模式、支持“大学事务”的 数据应用与服务模式。垂直化的划分方式，主要从自 上而下的逻辑层次关系入手，围绕高校的机构单元职 能开展大数据应用与服务模式探索。通过教育大数据 (生态)体系在层级式的机构单元职能方面的全面应用 为切入点，不断推进智慧校园建设中释放数据红利为 核心，辅助提升高校现代化的治理能力为契机，构建 长久的教育大数据(生态)体系发展规划为任务，健 全科学的决策管理为目标。
教育大数据生态体系架构
通过对上节中的高校教育大数据应用现状调 查，智慧校园背景下的教育大数据生态体系的核心 工作流程可归纳为：理清(数据)源头 -> 规范(数据)标 准 -> 优化(数据)质量 -> 促进(数据)共享 -> 开展(数 据)分析 -> 挖掘(数据)价值 -> 生成(数据)应用 -> 反 馈(数据)源头。教育大数据生态体系的构建，旨在 加快教育大数据与高校各类应用之间的深度耦合， 重构教育数据服务基础架构，建立层次化数据服务 与管理体系，形成拥有良性循环机制的数据生态环 境，进一步实现高校的信息化应用模式由“粗放 式、大一统”向“精细化、个性化”的转变。
基于上述分析，教育大数据生态体系架构设计为“一源(数据源)”+“一平台(大数据平台)”+“一 端(用户端)” 的三级架构模式(如图2所示)。
底层的“数据源” 是体系架构的基石。该层 主要完成高校内部以业务数据为主的结构化数据， 以文本、音视频、机器数据(日志数据)为主的半结 构化数据与非结构化数据、外部互联网数据的采集 工作，依靠ETL工具、 Flume日志处理集群及Ruby 爬虫引擎进行数据预处理，实现对各类数据有序且 规范化地梳理、采集、清洗、标准化规范存储和应 用，为中间层“大数据平台”所需的多维度的数据 交换、计算与挖掘服务提供干净且可靠的数据源；
中间层“大数据平台” 是教育大数据生态体系的 核心层。该层基于目标应用开展对多源数据的样本分 析、建模、多维度数据抽取及规则库的定义和递归优 化，依托Hadoop数据仓库集群工具(Hive/Pig集群)、分 布式应用程序协调服务工具(ZooKeeper集群)、大规模 数据计算处理工具(Spark计算集群)、分布式存储工具 (Hadoop集群)等完成对实时及离线结构化、非结构化 数据集全面的存储、交换、计算、分析、挖掘，实现 异构数据的归一化处理，为上层“用户端”的数据应 用报表呈现、个性化的需求服务推送、智能化的分析 评估、科学化的决策定位提供坚实的依据。
上层“用户端” 是实现数据的可视化输出。根 据用户的属性特点和个性化需求，为用户推送与其 相关的知识服务信息。
教育大数据生态体系建设模型
信息化发展所面临的新挑战与新机遇，驱使高校的体制改革向更高的要求推进，高校改革的核心 要素主要体现在：
1.管理治理：在技术上实现 管理体系的“去行政化”，以顺 应高校从“管理”走向“治理” 的良性发展趋势。
2.服务治理：从学校行政 服务规划着手，梳理与整合业 务流程，以完成流程的再造从 而提供更为明晰化的服务。
3.数据治理：构建数据资 产平台，提高针对全生命周期 的数据治理能力，为后续教育 大数据的应用创新提供基础。
针对改革的三项核心要 素，教育大数据生态体系的主 要工作表现为：
1.流程协同方面：进一步 厘清高校各类管理流程及形式 转变，采取高效便捷的工作流 引擎，快速配置及部署实施。
2.服务模式方面：进一步构 建业务与服务的“标准化”“耦 合化”及“碎片化” ，定义标准 的服务接口，建立服务化的数据 驱动模型，将服务端独立于后 端，开发和推广采用统一、创新 技术，以达到服务模式与需求应用的深度融合。
3.数据基础方面：进一步建立更为完备的数据 管理和服务机制，完善各种数据采集、交换、分析 和利用，以较低的经济陈本和学习陈本交付给业务 应用主体(用户)。
教育大数据生态体系模型的构建过程，实际是 充分利用虚拟化、云平台、云计算等信息化技术和统 计、在线分析处理、情报检索、机器学习、专家系统 和模式识别等计算机技术，将高校各类数据通过采 集、处理、利用加以高效地组织和科学化管理，并 在流程服务中得以有效应用于教学、科研、校务管 理与决策的全过程。教育大数据生态体系不单是相 关技术的集合，更是智慧校园发展过程中衍生出来 的一种应用思路，是一种使用全量数据的意愿和能 力。如图3所示，智慧校园中的教育大数据生态体系 的核心环节可被理解为是一条全生命周期的“应用 闭环流”， 本文将其定义为“教育大数据应用氛围 视图” 。多维度的数据源经过原始数据采集 -> 数据 整合 -> 数据分析 -> 数据加工 -> 数据展示 -> 输入反馈 -> 回溯至数据源的迭代过程，逐步构建起良性的 大数据生态环境。
基于教育大数据应用氛围视图，智慧校园中的教 育大数据体系模型可理解为是一条环回的“逻辑单元 流” 。 如图4所示，教育大数据体系模型由以下 6个单元构成。其中，单元1至单元6以逻辑承接的方 式，构建起闭环式教育大数据生态体系模型。
单元1： “顶层设计”单元
顶层设计单元应建立在大数据生态体系链的顶端， 是体系的纲领性部分。该单元主要完成对整个高校教育 大数据发展规划的制定、建设目标的定位以及对数据标 准(包括环境规划、管理策略、管理措施)的统筹。
单元2： “基础条件”单元
基础条件单元是高校构建体系的底层建筑。该单 元包含建设资金的合理化调配、数据管理/治理/监控过 程中专技人员队伍的构建、体系制度的建设及构建体 系过程中一系列数据分析、应用工具的配备。
单元3： “数据环境”单元
数据环境单元是数据治理、数据分析挖掘与数据 应用最为关键的基础环节。要做好数据治理，必须先 厘清业务服务流程、梳理业务生命周期、规范数据字典类型及数据标准。统筹协调业务部门，制定各类数 据源的业务归口，建立数据交换与共享标准。其次， 构建业务流程的数据服务模型和数据对应关系，建立 数据服务的基础架构。最后，设计基于用户角色服务 的“一站式”服务框架，为数据治理提供支撑。
单元4： “数据治理”单元
数据治理是体系生命周期“业务流” 中最为核 心的部分，包含对数据质量管理、数据安全管理、 数据全生命周期管理及数据质量的监控。
数据质量管理是基于数据操作、数据共享与数 据服务的统筹化治理，通过构建多维度元数据模型 实现对数据共享关系的管理，实现对权威数据源的 核查，对数据交换与共享过程中的脏数据、冗余数 据进行清洗。
如图5所示，数据安全管 理是在数据交换过程中，杜绝 对 源 业 务 数 据 原 表 进 行 写 操 作 ， 数 据 交 应 基 于 共 享 数 据 平台通过数据集成工具(ODI、 WebService等)以接口方式将信 息系统需要的字段信息抽取到 中间表或视图中，为大数据分 析和数据服务管理提供可靠的 数据支撑。在开放数据服务的同 时，健全数据脱敏安全管理体 系，实现对敏感数据和关键数据 的分级与分类保护。
数据全生命周期管理包括对数据的“发生—传 递—分析—呈现” 过程的全周期管理，通过构建合理 的数据架构体系，在数据业务流推进的过程中，保证 数据源可靠、数据传递畅通、数据分析精准、数据呈 现可读。
数据质量的评判标准具有及时、完整、 一致、有效、准确五大特性。围绕五大特性 对接口数据、数据仓库层面的数据质量进行 监控，建立业务数据监控规则，动态监测并 报警体术数据异常。
单元5： “数据分析与挖掘”单元
业务不仅仅是独立存在，数据交换解 决了数据孤岛的问题，但没有发掘数据价值 的能力。数据分析与挖掘单元的主要工作是 开展对不同业务系统产生的多维度过程化数 据、结果性数据进行采集、抽取、清洗、关 联、分析，实现应用与数据的全“解耦” ， 提升数据的“可复用”度。
单元6： “数据应用”单元
数据应用即是数据红利的释放，利用数 据分析与挖掘部分的成果，不断提升高校管 理者的科学决策水平，实现全面精准化的管 理，辅助高校增强教学、科研、管理、服务能 力，为建立师生个性化的综合服务体系提供支撑。
教育大数据生态体系建设目标
教育大数据生态体系的建设目标旨在实现“构 建教育大数据的各个组件标准规范”“参与教育大数 据的各个部门密切配合”“进入教育大数据的各个环 节良性循环”“服务教育大数据的各个对象全面入 微” 。高校紧密围绕自身的发展需求，不断促进智慧 校园创新应用，最大限度的挖掘数据价值，进而提升高校治理能力、推进高校治理体系的现代化发展。尽 管高校教育大数据生态体系源于应用、管理、服务， 但应在应用、管理和服务之上，是智能化、科学化、 统筹化智慧校园的集中性体现，为高校全方位“精准 管理、科学决策、综合评估”提供保障。
