*本文为2022中国数据生产力大赛铜奖获奖案例，未经授权禁止转载！

中南大学坐落在中国历史文化名城──湖南省长沙市，占地面积317万平方米，是国家“211工程”首部省重点共建高水平大学和国家“2011计划”首批牵头高校。2017年9月入选世界一流大学A类建设高校。学校设有30个二级学院，拥有享“南湘雅”美誉的湘雅医院、湘雅二医院、湘雅三医院3所大型三级甲等综合性医院及湘雅口腔医院。

为实现“数字校园”的目标，十三五期间学校建设了大量的信息系统以支撑业务管理。虽然信息化建设成果显著，但许多数据问题也随之而来，如数据共享不畅、数据质量堪忧、全校协同乏力、数据权责不清、数据应用急缺等。因此，为满足“用数据说话、用数据管理、用数据决策、用数据创新”的诉求，自2019年开始，学校启动了数据共享和治理工作，但学校仍然面临如下问题：

问题1：如何统一管理和规范学校数据分析应用成果？

十四五期间学校将对业务系统进行升级改造，要求其在满足事务处理要求的同时规范数据生产、重视分析应用。

问题2：如何建立学校统一的数据指标体系？

学校在使用数据进行管理和决策的过程中，发现了指标命名不规范、指标存在多头定义现象、指标逻辑不一致、指标统计口径不统一等问题，这些问题导致各业务部门出具的关键指标，例如教职工、学生人数等不一致，影响管理和决策的科学性和严谨性。

问题3：如何实现数据赋能教育评价？

为贯彻落实《深化新时代教育评价改革总体方案》，业务部门希望能通过数据建立模型、形成报告以支撑评价改革，但缺乏便捷易上手的数据分析软件工具和专业的技术支持。

问题4：如何快速响应业务的数据分析诉求？

学校传统的信息系统建设模式无法快速响应临时、紧急的数据应用诉求。例如在疫情防控过程中数据统计、分析等应用。

问题5：如何形成多维、全面、综合的校情数据分析？

由于各业务部门的信息系统数据集成不完整、数据质量不佳、数据可视能力薄弱等，很多业务域都缺乏数据可视化呈现和深入的数据分析，特别是校级层面的综合数据应用十分缺乏，领导层想通过数据统观全貌尤为困难。

为解决上述难点，唤醒数据价值，学校建设了一个数据分析平台——综合校情分析平台，以数据的应用促数据的建设，助力学校决策科学化、治理精准化和服务高效化。

数据分析必须从业务现状出发，着眼于找出业务面临的主要问题，然后根据业务数据的分析形成数据结果支撑管理和决策，推进业务问题的解决。

• 第一步是深入到业务单位进行详细数据需求调研，对现状和预期有一个较好的把握。
• 第二步弄清现状和预期之间的差距并调查导致差距产生的关键因素，即发现问题。
• 第三步根据需求形成数据分析目标，针对目标实施数据的收集和加工。
• 第四步根据业务管理和决策需要而定制数据可视化的图表和报表，形成数据分析成果辅助业务部门的管理和决策。

综合校情分析平台基于学校数据仓库，围绕学生和教师这两条主线，构建数据分析体系。平台主要功能分为3部分：

1. 数据门户统一管理、呈现数据应用成果，包括移动端APP和PC端系统；
2. 提供FineReport和FineBI两款数据分析工具；

3. 数据系统管理后台允许数据应用的归属单位自助、自主管理本单位数据成果。

在数据应用开发过程中，我们同时梳理业务关键指标，确认其统计规则、业务逻辑，实现关键指标在学校唯一、准确、可信。

随着高考综合改革的不断深化，高校招生录取工作的难度日益加大。有的放矢地开展招生工作，有利于整体生源质量的提高，而生源质量将直接影响高校的人才培养。鉴于此，每年学校招生期间、招生工作总结阶段，都需要对招生数据进行整理和分析。

通过建设招生实况驾驶舱，按照专业大类、生源地省份、性别、应往届生和分数结构等维度呈现招生录取情况及时把握招生进度，并在招生结束后，将本年度招生情况进行分数段、志愿填报、与历年对比等分析，形成招生工作总结报告为后续更好、更专业的开展招生提供数据支撑。

人事现状驾驶舱关注学校人事队伍情况，梳理学校人员数据，形成关键指标定义及计算，并从单位、人事结构、年龄分布、职称职级、学历多维度分析学校人员队伍情况，为学校优化人员队伍结构提供数据支撑。

近五年人事变化驾驶舱通过对新进教职工人事结构、职称职级等维度进行分析，为学校拟定人才招聘计划提供数据支撑。

学生管理驾驶舱对学生基本状态数据指标进行了分析，便于及时了解校内学生基本情况，为学生管理工作的精准化和个性化提供数据支撑。

迎新返校主题分为迎新和返校，通过对学生报到数据从校区、学院、学生类型、时间、生源省份等多个维度进行分析，让学校领导、学生工作处、各学院领导能够实时了解学生到校情况，更好地服务每一位学生。

我们立足于大数据时代背景，围绕学校智慧校园建设中遇到数据分析应用的难点和痛点，根据学校战略、组织、人才、信息化等校情形成因地制宜的数据分析体系。在实践中，信息部门与业务部门密集对接、谈思路、明现状、定路径，分主题、分期推进，建设成效逐渐凸显，充分调动了各部门参与数据共建、共享、共治的积极性，大幅度提升了学校对智慧校园的满意度。通过项目的建设，我们总结经验如下：

1. 数据分析是强业务驱动，必须由业务部门与信息部门通力合作，在创新中不断积累，才能为管理、决策和预测赋予新能力并在此过程中发现数据问题、找出业务短板、推动业务重构、完善信息系统，在反复迭代中使数据质量更高、应用更丰富。

2. 数据分析是定制开发，其中数据收集、清洗、验证工作量占比高，因此存在一定的失败率。为尽量降低失败率，在实施之前需根据业务部门参与意愿、数据集成情况、数据质量报告等因素评估可行性。

3. 由于数据供给和业务需求本身就是没有尽头的，在数据赋能业务的过程也是慢慢找到焦点、逐渐落地、形成方法论的过程。

综上而言，数据分析是一个开拓创新、持续调优和迭代的过程，需在创新中总结经验逐步深入，并不断加深与业务部门的合作默契。