数据治理是高校信息化工作的“牛鼻子”和“硬骨头”。

　　一阵数据治理热浪袭来，高校纷纷加大数据治理力度。10月中旬，北京理工大学开始第二轮数据确权工作，在第一轮的基础上将数据权限进一步细化，这是高校数据治理中的重要一环，旨在确定数据资源属性，推进数据质量提升。

　　10月底，上海海事大学召开数据治理推进会，成立数据治理领导小组，这是一次典型的一把手工程，校长陆靖是数据治理行动的直接推动者和倡导者，同时亲任学校数据治理领导小组组长。

　　此外，更多关于数据治理的探讨不绝于耳，许多信息化会议将主题聚焦于“数据治理”。什么是数据治理？数据治理的目标是什么？如何实施数据治理？围绕着这些问题，高校信息化部门进行了热烈讨论。

　　数据治理这块“硬骨头”

　　高校谈数据治理，可以追溯到几年前。当时大家意识到数据革命正在席卷各个领域，高校也不例外。同时高校普遍面临一种困境：清楚数据很宝贵很重要，而且多年的信息化建设也积累了大量“人事物”数据，如果这些数据不进行治理就不能形成有效的数据资产，也就没有办法提供高质量的数据服务。然而，如何有效治理？数据治理之路如何进行？这是大家面临的共性问题。

　　高校普遍意识到，数据治理是信息化的基础工作，也是核心工作，做不好数据，谈不上智慧，但却是说起来容易做起来难。

　　北京建筑大学网信中心主任魏楚元将数据治理形象地比喻为高校信息化工作的“牛鼻子”和“硬骨头”，并表示，“必须要啃下这块‘硬骨头’”。高校数据治理的重要性和难度可见一斑。

　　国际数据管理协会（DAMA）将数据治理定义为，“对数据资产管理行使权力和控制的活动集合”。言简意赅地诠释了数据治理的本质。而具体对于高校而言，数据治理是什么？需具备哪些条件？包含哪些工作？不同的学校可能有不同的侧重点。

　　西北工业大学已经进行了几年卓有成效的数据治理。该校信息化建设与管理处处长薛静表示，学校要进行数据治理，需有几个大的工作的配合。

　　1.顶层设计的到位；

　　2.数据治理环境的成熟；

　　3.数据管理体系和数据价值体系的先行；

　　4.数据治理实施方法，包括构建、运行、监控、评价等。

　　在这个框架下，才能逐步开展治理工作。

　　在具体的实施上，以上海海事大学为例，他们提出的数据治理有如下目标：

　　1.实现数据完整采集归集；

　　2.建设学校数据“湖”；

　　3.实现公共数据按需共享；

　　4.加快提高数据服务能力。

　　从具体操作层面来看，则有六大主要任务：

　　1.梳理人员类别来源，建成人员管理中心；

　　2.推动信息系统整合，实现业务集中管理；

　　3.依托现有数据基础，加快归集全校数据；

　　4.提升公共数据质量，推动数据集中统一；

　　5.完善数据交换机制，促进数据共享开放；

　　6.加强数据分析能力，开发数据场景应用。

　　采访中，高校信息化主任们普遍认为，高校数据治理单从技术而言，主要有如下几个阶段：数据发现与采集、数据存储与处理、数据分析与理解、数据质量评估、数据价值挖掘等阶段。

　　根据上述表述，实际上国内高校或多或少，或早或晚，大都进行了与数据治理有关的工作，并在实践过程中，逐步形成了数据需要不断去使用，“数据越用越准确”的认识，不断加深对于数据治理的理解。

　　当然，有一点是大家形成共识的，那就是数据治理要因校制宜。北京航空航天大学网络信息中心主任李云春将其表述为：

　　数据治理好说难做，基本工具，思路都好描述，但是，各校实施没有一个定式，不同的学校要有不同的药方。

　　原因也在于各校的信息化基础不同，信息化机制体制不同，千校千面。但决定数据治理成败的，往往是机制体制。

　　因为数据治理是一项系统工程，更要协同学校其他各业务相关部门共同合作，这是整个数据治理中的最难点。这一点就如同上海海事大学信息化办公室副主任王玉平所说：

　　“数据治理的核心在于责权，技术是支撑和保障。”

　　总结而言，高校在进行数据治理工作时可以抓住几个重要方面：

　　第一，建立专门的数据治理的组织架构，明确责任、权利、担当、配合的机制，数据治理才会取得进展；

　　第二，建立制度与标准规范，明确数据的资源属性，厘清每一条数据的责任单位和责任人；

　　第三，梳理业务流程，明确数据溯源与流向，所有的数据都不是孤立的，从生产到归仓，数据的流向一定是业务流程的输入或输出；

　　第四，搭建技术平台和工具，选择适合自己的基础平台，可以选择可靠的软件公司作为合作伙伴。期间，还要注重人才队伍的培养，并保证有持续不断的成果产出，为数据治理提供保障，注入动力。

　　摆脱对数据的“无力感”

　　尽管高校对于数据治理都给予了高度认同，并各自开展了相关工作，但因为工作的复杂性，数据治理之路必然不是一路坦途。诸多信息化部门领导认为，中国高校距离全面的、学校管理层面的数据治理，其实还有很大差距。主要体现在几个方面：高校的数据价值并未充分被“唤醒”；数据治理总体突破并不大，信息化部门对于数据的掌控能力仍有待加强等。

　　东北财经大学网络信息管理中心副主任陈伟表示，目前，国内高校的数据治理工作整体处于起步阶段，表现在两个方面：

　　一是大部分高校数据集中的基础工作还未完成。国内2000多所高校中，除“985”“211”，以及部分其他重点本科学院校，很多高校的数据集中都尚未完成，数据治理更是无从谈起；

　　二是数据治理模式尚不清晰。从数据治理本身的发展来看，高校的数据治理模式、体系尚未清晰，相关项目仍处于探索阶段，没有形成完整的体系规范和实现办法，产品市场领域也没有完善的、有力的方案和产品支撑。

　　而即便身处“985”“211”高校，北京理工大学信息化办公室副主任康慨同样认为数据治理工作困难重重，“这个过程会很痛苦”。

　　也正是因为各类数据散落在各个业务部门，业务部门主导了学校核心数据的生产和管理，使得信息化部门缺少了对数据的驾驭能力。魏楚元将其概括为“无力感”，并指出：

　　数据治理正是要解决这样的问题，从学校信息化体制机制设计上解决信息化部门的“无力感”。

　　总体来看，在数据治理过程中，高校普遍面临的困难主要集中在以下几个方面：

　　一是机制体制问题。数据治理表面上是技术，实际涉及到的是管理、制度、理念等的更新，是全校“一盘棋”，需要全校统筹规划和协调，把数据共享的目标理想变成学校机制，将数据共享的理念贯穿全校上下每个人、每个业务。在这个意义之上，学校顶层设计是对数据治理成功与否的关键影响因素。

　　二是部门协作问题。数据治理最重要的是要协同业务部门，围绕核心业务工作，找出关键数据或者关键指标。数据治理不是“单打独斗”，需要协调各部门将业务转换成数据，梳理数据的规范性、准确性、完整性，以及数据的来龙去脉；同时，提升业务部门认识，使其达成“数据共享是必须，不共享是例外”的共识。只有确立了该价值目标，再从各个方面去发现、挖掘支撑的数据，治理工作才会行之有效。

　　三是队伍建设问题。人手不足是高校信息化部门普遍面临的困难，对于数据治理而言则凸显得更为厉害。要基于数据进行精耕细作就必须拥有数据管理技术人才，拥有玩转数据的能力。

　　北京理工大学的数据确权工作，第一轮下发表格234张，第二轮更是达到了502张，而从事该工作的仅有两人。但这又回到了高校信息化队伍本身就缺的窘境中。

　　中国石油大学(华东)信息中心主任郝志杰称，当前信息化工作面临的最大矛盾就是学校对信息化的要求和自身队伍薄弱之间的矛盾。

　　对于数据治理工作，他认为，在人手有限的情况下，最好的解决办法还是信息化部门主动联合业务部门和外部公司形成一个“联邦制”的数据治理机制，三方通过精诚合作，最终形成合力，在保障数据治理有效推进的同时，提升信息化人员的业务理解能力，提高业务部处人员的信息化素养。

　　数据治理离不开学校全员的齐心

　　前不久，由国际数据管理协会(DAMA)指导的“2020DAMA中国数据管理峰会”在上海成功举办。参会者涵盖了从金融到能源，从政务到教育，从交通到物流，从智能制造到医药卫生等诸多领域，足见各行各业都对数据治理给予了充分关注。会上，有专家指出：

　　“今年是数字经济的元年，更是数据治理的元年”。

　　从各行各业到高校，都正在深深地体会对数据治理的重要迫切性。新冠疫情的爆发可谓对高校数据治理工作提出了更高要求，无论是健康信息填报、师生返校，还是针对外来人员入校的管理，精准掌握各类人员的身份及健康信息，无不依赖于数据的有效支撑。这种触动将无疑导致高校对数据治理的更加重视，这也正是我们看到越来越多的高校正在尝试开展数据治理的原因之一。

　　当然，数据治理绝不是一项仅凭信息化部门一己之力就可以完成的工作。与其他信息化工作一样，数据治理同样需要“一把手”的站位，需要业务部门的配合，需要业务场景的倒逼……期间，离不开学校全员的恒心、齐心和耐心。

　　薛静表示，数据治理不易，难在量大面广难协调。数据分散，导致数据主体多，有一项质量不高就难以应用，出成果难度大，需要领导和师生给予理解，给予耐心。

　　相关人士表示，高校数据治理需要经历认同它的重要性——学习别人的先进经验——分析自己的实际需求，从而最终明确自己想要的到底是什么，从学校实际出发，真正实现支撑领导科学决策、支持学校“双一流”建设，并不断优化师生服务。

　　而针对受制于基础条件、治理理念等主客观原因，还未开启数据治理，或者数据治理处于不同阶段的高校，借用康慨的表述，“数据治理没有晚的时候，也没有成熟的时候，只要认识到它的重要性，就应该干”。

　　来源：《中国教育网络》杂志（11月刊）
　　作者：朴艺娜

　　投稿、转载或合作，请联系：media@cutech.edu.cn

本期专题：
>>高校数据治理常见挑战与对策
>>高校数据治理应用于哪些领域？
>>张四海：强化数据内外双循环，激活高校发展生产力
>>西北工业大学：应用牵引推进数据治理
>>北京师范大学：校务数据标准研制思路