上海财经大学对招生、教学质量、学生就业、科研评价、财务管理、资产管理、学科发展、健康等方面实施了数据服务支持。

如今，各个高校对信息化工作都非常重视，特别是大数据、云计算等新技术给数据分析和数据挖掘增加了新的处理平台。过去几年都是基于各个业务系统的建设，通过系统建设，规范了业务管理工作，提升了业务管理水平。在信息化工作中，还有一项非常重要的工作，那就是提升数据服务的能力。

随着高校信息化投入的增大，一些问题也随之显现出来，主要体现在人才培养、科学研究、内部管理、服务提升等方面。 上海财经大学充分利用数据分析、数据挖掘技术构建既能从宏观角度反映学校发展变化，又能为各类人员提供具体数据内容的数据服务系统。借助信息技术挖掘高校的历史数据，发现其中潜在的、深层次的、有价值的信息以及内在关系和问题，抓住并解决关键问题，推动学校各项事业发展。

方法与内容

上海财大采用数据仓库的技术和数据挖掘的技术，建立了各类的应用系统以及基础设施的建设。主要包括基础建设、系统架构的设计、主题规划、数据服务、数据质量管控及模型设计，如图1所示。

图1　信息化工作设计思路

整个数据服务系统的源数据层都是来自于各类业务系统，通过数据的抽取，将有关数据放到操作数据层，这一层面有效实现了业务数据与数据服务的隔离，人们在查询各类的数据分析过程中就不会影响到业务系统。

为了能够清晰归类各种业务数据并方便管理、查阅，高校数据仓库包括人员、教学、科研、资产、财务、机构、公共、事件八大主题，如图2所示。基础数据层采用范式建模，数据集市层采用维度建模，充分虑数据冗余、扩展性、可读性、易用性和访问效率等因素。在规范当中有非常明确的确定，对于相关数据，是需要每天维护，及时维护，还是每学期维护都有非常明确的规定。学校开发了很多数据质量的检查工具，来帮助工作人员发现数据质量的问题并及时进行纠错。

通过管理措施与技术手段相结合，加强数据质量管控，打造绿色数据生态环境。

应用与成效

信息化工作一直以来都是上海财经大学的三大战略发展目标之一。从2003年期开始建设学校管理信息系统，目前已覆盖人事、教学、学工、科研、财务、资产、档案、校友管理等主要业务，系统积累了大量数据，为数据服务系统建设创造了良好条件。2005年，学校在“十一五信息化规划”中明确提出要着手建设校务决策支持系统的要求，从2008年开始启动数据仓库和决策支持系统建设。

图2　数据仓库主题规划

2009年，学校申报的“基于数据仓库的校务决策支持系统应用研究”项目获得高等教育信息化学会支持。2012年，学校申报的“基于数据仓库的高校数据服务研究与应用”项目获得高等教育信息化学会支持。

业务系统为数据分析提供了一个良好的数据基础，是相互支撑的作用。学校从2009年开始，就对招生进行分析，其目标是不断提高生源质量。通过关注生源质量的变化趋势，发现不同学科间生源质量的差异，从而完善自主招生和推免生管理，实施大口径招生；推进研究生培养机制改革；开展高水平暑期夏令营活动等。

从教学质量分析来看，能够对教学状态数据实时展示，支持教学质量评估，不断提升教学质量。通过分析能够关注学生状况、教学条件、专业状况、课程与教材、教学管理等，从而优化培养方案（拔尖、卓越、精英）、调整专业结构。

在学生就业方面，通过数据分析能完善就业指导，提高学生就业率。通过关注学生就业率、签约率的同比和环比趋势；分析学生就业的行业特征和地域分布，深入挖掘与学生就业相关的因素，为学生提供就业指导。能够实现与用人单位联动，拓宽就业渠道；加强就业指导和职业发展教育；就业情况引导专业设置和培养计划调整。通过对毕业生签约数据挖掘，我们得到专业、成绩、面试数、offer数、面试offer比、月薪之间的关联关系。会计学、金融学、信用管理成绩优秀的学生月薪一般是6000～7999；成绩普通的学生通过增加面试数也可以找到月薪较高的工作。

在科研分析方面，上海财大从2008年开始陆续引进了非常多优秀的师资。通过对科研数据分析，关注人才引进与科研产出的关系，提高学校科研水平。从科研属性和教师属性角度分析科研项目、论文、著作、获奖等分布情况。建立多方位的科研评价体系，加强科研组织和科研考核等管理。