2014年起，“大數據”概念首次被正式寫入《政府工作報告》；2017年，中共中央政治局就實施國家大數據戰略進行第二次集體學習。大數據的悄然興起也帶動了教育行業的革新，移動教育、雲課堂等的出現，使得教育行業再次成爲了可以中長期保持高景氣的行業。然而，初涉數據領域的教育行業同時也面臨着相當大的難題，還需要更加體系和全面的解決方案。教育行業信息化現狀

現如今，大多數高校的信息化建設已經得到全面發展。各類網絡、服務器、存儲、私有云、公共數據庫、統一身份認證、一卡通系統和內容管理系統等基礎設施都已經建設完成，大部分業務部門已經在使用信息化系統，在部門內實現信息化管理，並且產生了良好的效益。

但與此同時，教育領域的大數據應用現狀也出現了不少的問題：

各系統各自爲政，分開建設，缺少統籌，水平參差不齊。更有部分部門信息化思維跟不上當今數據時代的發展，依舊用excel處理數據。各業務系統積攢大量數據，未打通數據前數據安全難以保障。各個業務系統的數據交換隻能通過定製化的數據平臺進行，耗時耗力。各系統平臺的數據，尤其是各個業務部門的業務數據，缺乏統一的平臺進行分析和管理，無法快速建模實現分析和展示。教育行業大數據技術應用架構

教育行業的信息化現狀要求管理者能快速搭建分析平臺，敏捷製作專屬分析報告，但市面上的很多數據分析工具都不能包含全部的數據架構，造成數據分析的不繫統和不全面。

這裏以FineBI的一站式大數據分析解決方案爲例，從源數據對接、數據抽取轉化、數據倉庫、數據集市、整合分析、自助分析，完整的FineBI教育行業大數據技術應用架構如下圖所示：

源數據方面，整合教務系統、圖書館系統、後勤系統以及數據補錄相關的數據，然後進行數據抽取、數據轉換、數據加載的質量管理，之後將相關數據寫入數據倉庫，並且輸出到數據集市中進行數據建模，按照招生分析、教職工分析、學生成績分析、科研項目分析、圖書館分析等進行整合，通過FineBI實現基礎科目的數據可視化展示，以及各類靈活場景的數據探索式自助分析。

教育行業通用FineBI分析方案

1、高校招生數據分析

a.問題背景

在以往如果想要對學校招生情況進行分析，遇到一些需要進行探索式分析的場景時，會非常麻煩：

爲什麼今年招的學生多了？去年招的學生少了？這些應如何分析？某個地區的生源逐漸變少？是在哪一個環節出現了問題？是地區教育水平問題，還是地區招生名額限制導致的？每年的計劃招生人數和實際錄取人數變化趨勢如何？某個學院出現相關錄取專業比例下降，問題出在哪裏？

b.問題解決分析思路

針對以上問題，往往固定化報表很難完全回答全部問題，那麼我們需要做的是：

整合以往招生相關數據，並在各流程進行數據收集，完成數據建模，通過業務包進行歸類整合。通過FineBI自助數據集和分析型儀表板，對不同場景的問題進行多維探索式分析，靈活應對各類分析需求。

c.方案/指標體系

d.應用對象

高校各學院的相關招生部門。

e.成果展示和應用價值

通過分析對比不同區域的歷年招生情況，合理制定各個地區每年的招生名額。分析相關學院專業的錄取情況，對錄取比例相對較低的專業適當提高宣傳力度，提高專業錄取比例。分析相關專業的志願等級錄取比例，不斷調整和優化招生策略，提升學校和專業吸引力度。

2、圖書館大數據分析

a.問題背景

在以往，高校管理者對公共場所的使用情況並不怎麼了解，以圖書館爲例：

圖書館借閱最多的書籍是什麼？什麼類型的圖書更加受到學生歡迎？會隨着時代的發展而演變嗎？每個類別借閱最多的圖書分別是什麼？圖書館是否有相關類別的圖書資源不足需要補充？哪些學院的入館率最高？他們最愛看什麼書？哪些學生入館率最高，他們最喜歡看什麼書，這批學生有什麼特徵？

對於高校管理者而言，他們渴望瞭解更渴望分析，以便爲優化高校公共場所的管理策略提供科學的數據決策依據，提高高校公共資源利用率，但卻無有效工具或者途徑能夠支撐。

b.問題解決分析思路

整合圖書館相關內部的數據，將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。將數據進行合理的展示並進行分析，藉助FineBI的聯動、鑽取等OLAP多維分析功能幫助回答更加深層次的問題。

c.方案/指標體系

d.應用對象

圖書館相關管理人員

e.成果展示和應用價值

分析不同類別、不同學院的圖書借閱情況，幫助圖書館管理人員針對性的調整書籍種類。分析年度借閱量最高的學生/教師，輔助進行學生/教師評優（圖書館借閱之星）等事務作爲數據決策支撐。

3、校園一卡通消費分析

a.問題背景

在以往，高校的消費數據分佈極爲分散，在引入一卡通之後卻沒有有效地進行高校的消費數據分析：

高校內各承包的食堂對師生的吸引力是否充足，每日來用餐的人數及金額究竟是多少？師生在各個學校消費類別中，哪個類別消費金額最大？消費低的類別是什麼，是否有什麼問題導致？師生的消費時間有什麼規律，對應的消費類別的高峯期分別是什麼時候，如何降低各個食堂窗口的排隊壓力？

以上的相關問題，在過去都無法直觀的看到並分析，更無談通過數據指引學校領導進行管理決策優化了。

b.問題解決分析思路

整合一卡通數據。將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。通過部分指標：消費人次/金額窗口TOP10，食堂人均消費等來對食堂經營進行把控。藉助FineBI的聯動、鑽取等OLAP多維分析功能，幫助決策者回答更加深層次的問題。

c.方案/指標體系

d.應用對象

高校管理後勤部門

e.成果展示和應用價值

幫助食堂管理人員人員快速分析食堂數據，爲決策優化提供依據。整合並分析內外部數據，快速優化各個業務環節，提升食堂質量。分析食堂各窗口在不同時間段的消費情況，通過優化相關窗口的開放時間，降低各個食堂窗口的排隊壓力。

4、高校教職工數據分析

a.問題背景

在以往，高校管理者對高校內部教職工具體情況無準確認識，即使有數據，但看錶也較爲頭痛：

高校每個月的入職、離職情況如何，什麼時間是入職/離職的高峯期？教職工的學歷和年齡分佈如何，不同的學歷男女佔比是否存在差異？教職工的職級分佈如何，人才引進類別是如何分佈的？

b.問題解決分析思路

整合內部的數據。將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。根據不同數據的特徵，將數據進行合理的圖表展示並進行分析。

c.方案/指標體系

d.應用對象

擁有權限的管理層

e.成果展示和應用價值

幫助高校管理人員快速獲取學校教師信息，結合FineBI的聯動、鑽取等OLAP多維分析功能以回答更加深層次的問題，提升業務數據分析效率。整合並分析內外部數據，綜合分析高校的員工結構是否科學合理，對高校人事部門下一步方向有指導意義。總結

教育行業的BI解決方案需要從上到下的一體化架構分析，根據應用對象進行用戶畫像，按照不同的系統進行數據整合，同時用戶的操作也需要靈活的交互式，才能在業務協作過程中快速釋放數據價值。

微軟、百度都曾經提出過自己的教育行業軟件方案，但是因爲專業性和適用性不強，不如FineBI這種專業的數據分析工具能夠滿足用戶的需求，在數據架構上真正解決教育行業的痛點。

本文全部的解決方案demo和數據將免費公開給讀者，感興趣的可以私信“教育行業BI”即可得到在線demo地址和FineBI免費下載地址！

相關文章