APP下载

商业智能在我国高校决策中的应用探析
——基于循证决策的视角

2019-02-28陆晓静

重庆高教研究 2019年2期
关键词:商业智能循证决策

陆晓静

(北京师范大学 智慧学习研究院, 北京 100082)

2018年4月教育部印发的《教育信息化2.0行动计划》指出要“完善教育管理信息化顶层设计,全面提高利用大数据支撑保障教育管理、决策和公共服务的能力”,信息技术对决策的支撑作用受到重视。国际上,在决策方面应用较广的信息技术是商业智能(Business Intelligence,BI),其发端于商业领域,并在国外的高校获得日渐广泛的应用。如何将商业智能技术嵌入我国高校的决策实践中?如何进一步推进我国高校商业智能决策支持系统建设?对这些问题的深入研究将有力促进我国高校决策的科学化,为“双一流”建设添砖加瓦。

一、背景:高校决策科学化面临双重机遇

(一)高校决策研究关注信息技术的价值

现有高校决策方面的研究主要可分为3个层面:(1)宏观制度和价值观层面。在制度上,党委领导下的校长负责制备受关注。如严蔚刚等认为目前党委会和校长办公会之间缺乏统筹,需要在议事范围上进行内容对应、表述统一的规定[1];周雄文等从依法治校的角度提出要从制度层面规范完善党委会、校长办公会和学术委员会的议事决策机制,完善议事决策规则,明晰议事决策范围[2]。在价值观上,黄建雄等认为高校决策受到集权本位、工具本位、激进本位的价值取向影响,要提高决策质量,需要反思决策模式中的价值取向[3]。(2)中观模型和机制方面。在决策模型上,徐波认为高校属于典型的“有组织的无序型组织”,高校决策与“垃圾箱”模型具有适切性,并就此提出了实现条件[4];王东从决策生态化的角度考察高校决策,为高校的科学决策提供了新思路[5]。在决策机制上,孟彦等从知识动员的角度论证了研究与决策之间的割裂,提出要打通研究与决策之间的沟通渠道,最大限度发挥知识在决策过程中的作用[6];刘献君认为我国高校决策支持系统不健全,提出开展院校研究,以专业化的数据收集与分析为决策过程提供支持[7]。(3)微观方法和技术方面。在决策方法上,王玉丰对基于管理者直觉的超理性决策展开研究,分析了在高校中进行超理性决策的原因、影响因素及限度[8]。在决策技术上,舒忠梅等意识到信息技术在高校决策中的价值,认为当前应采用商业智能等大数据处理技术,落实全面的数据管理机制,推进高校的管理与决策[9]。

可见,关于高校决策的研究,既有制度、价值观层面的宏观探讨,又有模型、机制层面的中观研究,还有决策方法、技术层面的微观剖析。其中,以新一代信息技术为手段支撑高校决策的研究,为高校决策科学化的实践指出了发展方向,具有启发性。但是具体到商业智能技术上,其对我国高校决策的影响、如何应用等问题还有待深入探讨。

(二)应用商业智能技术的实践不断发展

商业智能是“一种数据驱动的决策支持系统,具有数据收集、数据存储、知识管理以及向决策过程提供分析等功能”[10]2。加特纳·格鲁派于1989年提出这一概念,可将其理解为一种能够将机构现有的数据转化为知识,帮助机构通过基于事实和电脑化系统,做出科学业务决策的工具[11]。

商业智能发源于20世纪70年代的决策支持系统,随后经历了渐进的、复杂的发展过程,包括事理系统(Transaction Processing System,TPS)、经理信息系统(Executive Information System,EIS)、管理信息系统(Management Information Systems,MIS)、决策支持系统(Decision Support System,DSS)和商业智能(BI)等不同的发展阶段[10]2。20世纪90年代,商业智能首先应用于商业领域,随后高等教育界开始关注商业智能的价值,引入了商业智能的原则、方法及相关技术,商业智能在高校中的实践由此开始。

二、目标:引进商业智能系统支持高校循证决策

(一)循证决策的兴起与内涵

循证决策(Evidence Based Policy Making,EBPM)从牛津大学循证医学硕士项目发展而来,在此项目中,“参与学生将临床等问题引入课程,学生的学习采用问题解决和自我定向的方式”[12]。1999年,英国布莱尔政府公布了《政府现代化白皮书》,提出了确保公共政策的战略性和前瞻性的核心原则,其中就包括“改进理论研究成果和证据的使用”[13]。循证决策原则在公共政策领域提出后,逐渐成为国际公共政策领域促进决策科学化和理性化的重要实践。对于高等教育科学决策来说,其价值也不言而喻,理应成为高校决策实践的发展目标。

“循证”的概念首先来源于医学领域,其后不同领域对循证决策又有了新的理解。Sanderson从政府行政的角度认为,循证决策的核心是“使政府的政策行动更具理性,更大程度上建立在明智证据的基础上”[14];学者刘皓分析了高校循证决策的内涵,认为“高等学校在管理实践中基于可得、可靠、可行证据而做出决策的过程就是高校循证决策”[15]。Davis对循证决策的概念界定更具一般性,受到了更多认可,他认为“循证决策就是把决策建立在经过研究检验而确立的客观证据上,通过把可能获得的最佳证据置于政策制定和执行的核心位置,帮助人们做出更好的决策”[16]。

(二)循证决策的关键是证据

从循证决策的内涵可知,对循证决策的多种界定都强调证据,将其视为一个证据应用于决策的过程,证据成为循证决策的关键。能够支持决策的证据,需要满足深加工、科学化、广泛性及高质量的要求[16]。首先,在内在属性方面,证据不同于信息,证据需要经过科学加工;其次,在产生方式上,从数据、信息到证据的过程需要研究者的深度介入,需要现代科学的研究方法和工具;再次,在证据来源方面,必须广泛,并对相关研究成果进行系统搜集和梳理;最后,在证据特征方面,强调证据的高质量,那些不具备可靠性的证据不仅不能为决策服务,反而很可能误导决策,应该排除在外。支持决策的证据是多样的,包括研究成果、个人经验、专家知识、政治判断、信念价值观等,而数据在其中的价值不言自明。商业智能技术在数据集成、原始数据分析上具有强大工具价值,能够有效集成、抽取所需数据,通过数据分析与处理形成证据,为决策提供支撑。

(三)循证决策的基础是数据

1990年,美国克莱蒙特大学教授凯尼斯·格林(Kenneth Green)发起并主持的一项大型科研项目“信息化校园计划”(The campus computing project)[17],成为全球数字校园建设的发端。我国高校也在20世纪90年代开始建设校园局域网,开始了信息技术与高等教育的融合发展历程。虽然各高校的建设力度和进度不一,但近30年的实践积累了大量的数据:一方面,这是高校挖掘、探索发展规律的重要材料;另一方面,也因为内容繁杂、关系混乱、技术欠缺而成为高校管理中的巨大负担。例如,国内某一高校的数据库中就积累了12 000条教职工信息,教务系统中保存了近38 000条本科生信息、18 000条课程信息和多达两亿余条的学生成绩数据,各业务系统相互割裂并不断积累新的数据,高校面临大量的、持续膨胀的数据挑战[18]。一方面,为应对挑战,需引入新技术以实施有效的数据管理,挖掘数据价值,商业智能正是应用较广的此类技术之一;另一方面,大量历史数据也为商业智能系统的引入奠定了数据基础,没有前期高校积累的数据,商业智能的建设也将是无本之木。可以说,我国高等教育信息化经过近30年的发展转向智能化,既是源于信息化发展奠定的基础,也是破解信息化过程中所遇难题的必然选择。

三、借鉴:商业智能促进国外高校的循证决策

(一)与商业智能在高校应用相关的术语及变化

院校研究。商业智能在高校中的应用与高校的院校研究有着天然的联系。院校研究(Institutional Research,IR)是高等教育研究的一个专门领域和研究范式,其基本特征就是系统地收集数据,科学地分析数据,以对本校管理问题展开研究[19]。美国院校研究协会(Association For Institutional Research,AIR)将其使命确定为“帮助高等教育研究人员收集、分析、解释数据并交流,为有效的决策和计划提供策略性的信息使用”。可见,院校研究离不开数据支持,而商业智能技术能将各类数据集成在统一平台上,并提供数据处理分析,这必将成为院校研究者重要的数据来源和得力的分析助手。同时,商业智能系统的搭建、管理也离不开院校研究者,二者共同成为决策支持系统的组成部分。

商业智能与分析。随着商业智能在高等教育领域的应用,研究者发现“商业智能”及其衍生的“商业分析”等术语不能很好地表达高等教育应用环境的需求和目标。2005年,研究者提出了学术分析(Academic Analytics)的概念,用以形容在管理学术型组织时技术、信息、管理文化及信息应用之间的交叉互动[20]。这一概念可以应用到学术组织管理的所有方面,包括招生、财务、学生管理等。此后,研究者进一步缩小指涉范围,又提出了学习分析(Learning Analytics)的概念,如美国高等教育信息化协会(EDUCAUSE)就将“分析”定义为“通过使用数据、统计分析、解释及预测模型以获得某一方面的洞察力并据此行动”,由此,“学习分析”可以理解为“通过数据、统计分析、解释及预测模型以获得与学生学术能力有关的教与学方面的洞察力并据此行动”[21]。后来的研究者往往又将商业智能与分析连用(BI&A),以更清楚地指涉商业智能在教育中的应用。

(二)高校循证决策实践的领域和区域不断扩展

北美高等教育界较早关注并应用商业智能。2005年,一份面向美国高校信息官(CIO)的调查报告反映了商业智能应用的早期阶段,在受调查的378所公私立院校中,仅有14%的院校建立了数据仓库、创设了基于数据抽取-转化-加载(Extraction-Transformation-Loading,ETL)技术的多元数据中心、应用了联机分析工具(Online Analytical Processing Tools,OLAP)[22]。2012年的一份报告显示商业智能的应用有所发展,在受调查的339所院校中,69%的高校的一些部门和项目组认为工作中最主要的技术就是学习分析,28%的学校认为学习分析技术对高校所有的机构都很重要,而且规模较大的院校比小型院校更认同学习分析技术的重要性[21]。

商业智能支持北美高校开展循证决策,早期主要集中在三大决策领域:学生录取、学生保留干预以及教与学的改进。在学生录取决策上,如贝勒大学(Baylor University)围绕未来学生收集、分析了大量数据,建立了复杂的录取策略,保证录取的成功率并有效降低录取成本[23]。在学生保留干预决策方面,美国高校尤其是社区学院长期面临大量学生流失、无法按时毕业的压力,为此,辛克莱社区学院(Sinclair Community College)使用开源的学习分析软件,集成了影响学生成功的诸方面数据,建立了学生辍学的早期预警系统,帮助教师做出恰当的干预决策[24]。在教学改进决策方面,如普渡大学(Purdue University)在2007年建立了可以追踪学生学业表现、监测早期警告信息并提供干预策略的软件系统,帮助教师记录、反馈学生学习数据以支持其教学,提升了教学的质量[25]。随后,商业智能支持高校决策的应用领域不断扩展,在员工评价、课程提升以及帮助学生制定学习计划、分析学业和职业选择、在网络学习中做出正确的课程选择等方面都发挥了作用。

与此同时,商业智能对北美以外高校的影响也逐渐展开。各地高校根据自身情况开始构建商业智能系统并开展研究,出现了一批个案研究成果,商业智能如何促进高校的循证决策,据此也可见一斑。例如,瑞典的乌普萨拉大学(Uppsala University)从2000年开始建设商业智能工具系统(Generalized Management Information System,GMIS),该系统集成了学校原有财务、人事、学生、设施及出版等基础管理平台中的数据,实现了不同数据源的单一平台显示,并具有数据仓库、系统跟踪、决策支持的复杂报告等特点[10]47。葡萄牙科英布拉理工学院(Polytechnic Institute of Coimbra)为应对申请学生减少的情况,利用全国性的数据库(National Competition for Access to Higher Education,SBIAES),结合数据仓储等技术建立商业智能系统,帮助决策者快速分析在学生录取过程中各种理性和非理性倾向[26]。阿拉伯地区的高校也开始应用商业智能,通过数据挖掘等技术,破解决策者面对大量数据而无法得出决策支持证据的困境[27]。

总之,随着商业智能集成数据更加多样、分析技术更加完善,越来越多的高校开始应用商业智能技术,而且在促进高校循证决策中的功能不断增强,应用领域也在不断扩展,即从早期集中在较窄的学生管理领域,逐步发展到更多领域的决策支持,并能发挥预测功能,构建高等教育相关预警机制,服务宏观的、更加不确定的决策。

(三)高校循证决策所需的技术及产品不断丰富

循证决策实践需要大量数据,数据集成技术是基础。在数据集成上,商业智能不断完善相关技术,实现了不同数据源和数据库的集成,并在统一平台显示,为数据管理、数据使用提供了简洁高效的技术平台。同时,面对高校数据每日都在产生、变化的情况,商业智能系统能够开展自主设定,按照一定周期进行数据更新,以保证系统中的数据质量。

循证决策实践的关键是取得证据,数据分析技术是重点。在原始数据分析上,商业智能系统可集成部署多种数据分析技术,除基础的数据仓库分析技术(Data warehouse)、联机分析技术(On-line Analytical Processing,OLAP)和数据挖掘技术(Data mining)外,随着人工智能技术的发展,自动分析、预测分析等技术也开始出现。商业智能可以集成的技术(如图1)[28]。商业智能通过多种分析工具,实现由数据(data)到信息(information)再到知识(knowledge)的转变。

高校在商业智能上的实践探索也推动了相关技术发展。如马来西亚理工大学(Universiti Teknologi Malaysia)为解决多源数据集成问题,在商业智能系统框架中结合抽取、转化及加载技术(Extract, Transform and Load,ETL),探索在数据转化环节实现数据集成[29]。另有学校为提高循证决策中证据的准确性,探索了数据抽取技术,通过研究3种元启发式算法在数据抽取上的效果,论证抽取算法的优劣[30]。此类院校研究丰富了商业智能的技术,为高校开展循证决策实践提供了更多、更适切的技术工具。

此外,商业智能技术产品不断成熟,为高校的应用提供了更多选择。随着IBM公司2007年成功收购Cognos,IBM公司成为商业智能领域的领导者,其后推出的IBM Cognos Business Intelligence经历了快速迭代,在2015年发布了IBM Cognos Ⅱ[31]7。其他在商业智能领域具有优势的公司有甲骨文(Oracle)、微软(Microsoft)和思爱普(SAP)等,它们也都开发了各自的商业智能产品。

图1 商业智能(BI)技术的发展

(四)支持高校循证决策取得三方面效果

支持微观教学决策。商业智能对教学决策的支持在应用的早期阶段就显现出来,从改进学生录取方式、提升学生毕业率到促进课程教学质量,商业智能通过数据挖掘等技术实现对学生学习和老师教学的跟踪、预测,为教学方面的决策提供可靠的数据支持,对教学各环节都产生了积极作用。随着学生方面的数据越来越全面,商业智能对学生个性特征的刻画越来越准确,形成了360度画像(360-degree Profiles),对高校学生管理和教学决策等产生了更加深刻的影响。

支持宏观管理决策。商业智能对高校宏观管理决策的支持需要更加全面的数据信息、更加高级的分析技术,因此商业智能在高校管理决策中的效果是逐步显现的。从国外高校的实践来看,商业智能有利于高校管理效率的提升和决策的科学化,进而提升高校国际竞争力,而不少国外高校愿意投资建设商业智能系统,就是同类学校强大竞争压力的结果。

促进成本控制。商业智能促进高校运行成本节约不是一蹴而就的。商业智能建设早期需要投入资金,但建成后的智能系统将通过节省人力成本、避免错误决策等方式实现成本的回收。在美国,高校的政府拨款与高校学生的毕业率息息相关,不少高校因为投资建设商业智能系统实现了学生毕业率的提升,进而获得了更多的政府拨款。如瓦尔多斯塔州立大学(Valdosta State University,VSU)通过商业智能系统有效降低了学生的辍学率,由此预计将能获得200万美元的国家拨款作为成本补偿[31]8。

四、回顾:商业智能对我国高校循证决策的支持需深化

(一)应用领域相互割裂,有待集成

在商业智能系统的应用上,我国多数高校采取了分步骤推进的建设方式。除了2010年中山大学开展了商业智能系统的总体设计与开发外,其他高校多在财务、学生事务等单个业务维度开展商业智能试点,如上海交通大学推出财务管理驾驶舱系统、复旦大学开展学校师生在校生命周期信息化管理“全覆盖”等[9]。

分步建设的路径有利于加快商业智能在高校的建设速度,但也容易造成不同应用系统之间的割裂,由此限制了高校商业智能系统利用数据挖掘等技术提供决策服务的能力。走出“象牙塔”的高校面对市场、社会等诸多力量的冲击,以及高等教育国际化带来的全球竞争压力,高校决策者需要商业智能提供更为完整、深入的图景,以发现决策内外部环境中的机遇和挑战。

(二)应用技术相对浅层,有待深化

与商业智能在我国高校中的应用领域彼此割裂相对应,商业智能技术中基础性的数据集成技术尚未充分发挥,由此带来我国高校行政管理中长期存在数据重复填报、多头征集的问题。高校前期的信息化建设将数据填报从有纸化升级到无纸化,但由于缺乏数据的集成共享,无助于高校办公效率的提升,因此商业智能的引入应该着力解决此问题。部分高校在建设商业智能系统时,开始探索解决高校中数据冗杂分割的问题,如中国人民大学建立了“综合数据填报、数据存储、数据管理和数据展示”四大功能的数据平台,北京大学前校长林建华也在2017年的一次协调会议上提出要加强学校统一数据平台的顶层设计和整体规划,分阶段推进学校数据共享[32]。

国内大多数高校数据集成尚未完成,进一步的数据挖掘和数据分析技术自然也就不能充分应用。就目前的分析技术而言,国内大部分高校只使用了OLTP(联机事务处理系统),针对数据的单一属性进行处理,不具备数据的综合分析功能,弱化了商业智能对高校循证决策的支持作用。

(三)应用成效相对有限,有待提升

商业智能如果不能解决信息化建设阶段的系统割裂问题,其为决策者提供整全信息的成效就十分有限。早期的高校信息化建设主要覆盖3个方面:一是包括档案、人事考勤等的行政管理;二是包括教务系统、就业管理、新生入学管理等在内的教学教辅管理;三是包括网络缴费、食堂消费、门禁等一卡通管理[33]。一份2010年的调查显示,我国高校使用率最高的信息管理系统是图书馆系统,其次是财务管理系统,其他的信息系统还包括人事管理、学生管理、网上选课、科研管理等[34]。随后引入的商业智能技术仍按照单个领域试点的方式推进,还是未能解决系统割裂的问题。从研究文献和相关高校建设案例看,商业智能主要在招生、财务、教务等业务上发挥作用,如上海外国语大学就招生决策管理缺乏规划等问题,开展了基于商业智能的系统设计,优化招生管理[35]。

商业智能未能发挥在教学评价上的潜力,应用效果还有待加强。长期以来,高校因缺少教学过程性数据,很难对教师的教学做出客观评价,因此多数学校将可以简单量化的科研成果作为教师评价的重心,从而进一步强化了高校教师“重科研轻教学”的倾向。要实现科研人才、教学人才的分类管理,破解高校长期以来科研与教学之间的矛盾,促进高校教学评价的科学化,需要开展过程性的大数据分析,商业智能具有巨大潜力。但目前高校的商业智能系统的应用领域多属管理层面,深入课堂教学层面的应用系统还不多见,因而其在教学评价上的积极效果尚未出现。

商业智能未发挥支持决策民主化的潜力,相关应用措施仍需跟进。“双一流”建设的总体方案对高校决策机制提出了民主化要求,即“完善民主管理和监督机制”“积极探索师生代表参与学校决策的机制”。民主化决策将成为高校循证决策的组织体系保障,达成以决策民主化促进决策科学化的发展目标。决策民主化首先要做到信息公开,没有公开的信息资源,高校民主决策只会流于形式。商业智能平台通过数据集成和挖掘,能够面向高校师生提供决策信息,在保证高校师生参与决策的有效性,以及推进我国高校决策民主化、科学化方面有很大的价值。但由于当前商业智能应用领域的分割、完整数据的缺失以及传统决策方式的惯性,商业智能在高校决策中的价值还未受到重视,相关技术、组织、机制等的建设也需要进一步跟进。

五、建议:我国高校深化商业智能应用的思考

伴随“放管服”改革的不断推进,我国高校的办学自主权得到加强,与此同时,高校要承担的办学责任也不断加大。失之毫厘,谬以千里。决策对高校发展的重要性日益凸显,深化商业智能技术应用、提升应用效果以支持高校循证决策应成为高校决策下一步的发展方向。与国外高校商业智能的应用情况相比,我国高校在应用领域、应用技术及应用效果上都还存在差距,借鉴国外高校在商业智能上的应用经验,结合我国高校决策中商业智能的应用现状,本文提出深化高校商业智能应用的4点举措。

(一)加强统筹规划,推进多系统数据集成

要实现商业智能技术在我国高校决策中的应用价值,当下最紧迫的是进行商业智能系统建设的统筹规划,促使领导层从观念上重视起来,开展多部门联动,完成多系统数据的集成共享。为此,首先需要积极寻求领导层的认可,先在组织中传播循证决策的价值和作用,形成合适的组织文化氛围,使领导层认同循证决策,然后再强调商业智能对循证决策的技术支撑作用。其次,高等教育日益走出“象牙塔”,未来高等教育的发展环境更加复杂,需要平衡政府、市场及大学3股力量,高校对科学决策的需求将会更加迫切,这将对高校领导层转变决策方式形成倒逼机制,激发领导层循证决策的偏向。然而,实现多系统数据的集成共享仅是统筹规划的第一步目标。由于我国高校采用分步骤的方式开展商业智能建设,应用领域彼此割裂,师生员工需多次填表,苦不堪言。因此,统筹规划要首先解决此问题,以获得师生员工的支持。只有完成了数据集成,后续的数据挖掘、数据分析等处理技术才能跟进,最终实现对高校循证决策的技术支撑。

(二)开展院校研究,促进决策支持系统研发

商业智能与院校研究两者相辅相成,要始终将两者结合起来。国外高校在应用商业智能时,开展了相应院校研究,发表了一系列个案研究成果,其实践表明,院校研究能够解决系统建设中的技术问题、系统架构问题。鉴于此,我国高校中的高等教育研究所(室)、发展规划处等类似机构需要转变机构定位,积极开展院校研究和参与商业智能建设,为高校决策提供支持[7]。首先,在商业智能建设过程中,院校研究应该围绕建设中的各类问题开展研究,以解决系统建设中的技术问题,并就系统的宏观架构、微观应用等提出意见。其次,在商业智能系统建设完成后,仍需要以院校研究的方式将相关数据解读成信息,并传递到决策层,实现商业智能真正为决策服务的价值。总之,商业智能与院校研究两者应相向而行,相互促进,最终共同构成完善的高校决策支持系统。

(三)提升人员信息素养,增强循证决策的效果

深化商业智能对循证决策的促进效果与两类专业技术人员(信息技术人员和院校研究人员)的信息素养息息相关。因此,我国高校在深化应用商业智能系统时,需要同步关注这两类专业人才的引进和培养。具有优秀信息素养的信息技术人员是数据准确性、平台良好运行和便捷使用的保障,具有优秀信息素养的院校研究人员是系统证据最终能支持循证决策的重要桥梁。能够充分利用系统数据开展院校研究,只有两类人员各司其职,通力合作,才能实现未来商业智能系统可行性与可用性的统一。此外,高校教学、管理人员等的信息素养对商业智能支持循证决策的效果也有重要影响,需要进一步提升。就教学人员而言,要实现高校教学的科学监测、课程质量的持续改进,需要教学人员掌握商业智能的基本功能,了解相关分析工具。就管理人员而言,要保证管理人员在决策民主化的进程中有机会、有能力查询和分析相关数据,获得相关信息。简言之,只有高校的相关人员都具备了基本的信息素养,商业智能系统才能被广泛使用,其支持决策的效果也才愈加凸显。

(四)提供经费保障,遵守相关法律法规

深化高校商业智能系统应用需要有经费保障。首先,我国高校可以利用财政经费建设商业智能系统,随着我国教育经费管理逐步以效益导向的“新型公共管理模式”替代“简单拨款模式”[36],以财政经费支持商业智能建设,反过来可能由于办学效率效益的提升而获得更多的财政拨款。其次,高校可以寻求项目经费支持商业智能系统建设。各级政府、各类基金委会发布教育信息化申报项目并配以相应经费,这为商业智能建设的筹款提供了新渠道。从国外的经验来看,商业智能的远期收益远远大于近期投资,而且有利于高校应对国际挑战、实现超越发展,因此高校自筹经费也是一种选择。

深化高校商业智能系统应用需要满足法律法规的要求。首先,商业智能系统中的数据挖掘、存储及分析等工具不应侵犯公民隐私权,法律对公民隐私权的保护限度应成为高校深化应用商业智能系统时要考虑的重要问题。其次,高校应用商业智能系统时,要保证组织所具有的某些机密信息不被泄露,并能够按照国家规定进行保管和处理。最后,高校运用商业智能系统研究产出的报告、出版物是否享有同等的版权保护,相关的版权规则应该厘定清楚。

猜你喜欢

商业智能循证决策
为可持续决策提供依据
《循证护理》稿约
循证护理在新生儿静脉采血中的应用
决策为什么失误了
什么是商业智能?它的定义和解决方案
关于实时商业智能的文献综述
广东省高速公路联网综合信息商业智能系统
循证医学的人文精神
循证医学在中医教育实践中的应用
浅谈中小企业的商业智能之路