APP下载

高校数据治理统筹管理体系的构成与实践路径

2021-12-09宋苏轩杨现民宋子强

中国远程教育 2021年11期
关键词:高校治理数据资产数据驱动

宋苏轩 杨现民 宋子强

【摘要】

大数据时代为高校带来巨量数据资源的同时,也对高校如何进行数据治理的组织与管理工作提出了要求和挑战。高校数据治理作为推动高校治理现代化变革的核心手段与驱动力量,对其的研究不仅需要从技术视角开展,更需要从统筹管理视角出发进行体系探索。本研究从治理的内涵与特征出发,提出高校数据治理的部分现存问题,构建了具有“过程”“调和”“多元”“互动”四大特征的高校数据治理统筹管理体系,设计了包括关注范畴、组织结构、价值流动和风险防控四个方面的实践路径,助力高校数据治理统筹管理工作的开展,促进高校治理模式的现代化变革。

【关键词】  大数据;数据治理;统筹管理;高校治理;数据资产;教育治理现代化;数据驱动

【中图分类号】  G434         【文献标识码】  A   【文章编号】  1009-458x(2021)11-0058-10

一、引言

随着大数据技术的逐渐成熟,教育行业对数据价值的关注与日俱增。早在2015年《促进大数据发展行动纲要》已将“建设教育文化大数据”定为国家战略。《教育信息化“十三五”规划》提出应“制订出台教育数据管理办法”并“利用大数据提升教育治理能力”。《国家教育事业发展“十三五”规划》进一步指出,要“综合利用互联网、大数据、人工智能和虚拟现实技术探索未来教育教学新模式”,将教育数据价值的覆盖范围扩展到教学领域。2019年2月发布的《中国教育现代化2035》《加快推进教育现代化实施方案(2018—2022年)》则将大数据支撑的“创新信息时代教育治理新模式”作为高等教育信息化建设的重要工作目标。由此可见,数据已然在教育信息化进程中扮演了重要角色。为了更好地利用数据,更大程度地发挥数据价值,开展数据治理已成为高校信息化中的一项重要工作。与此同时,在“需求—技术—政策”的综合驱动下,数据治理为我国高等教育治理提供了新的选择和可能,也为治理范式的变革提供了工具基础(刘金松, 2018)。由经验驱动向数据驱动转型成为现代化高校治理模式变革的核心内容。

从2015年起,国内高校数据治理的研究便已相继展开,起初主要集中在图书馆与情报领域,如对高校图书馆数据监护的管理(宋秀芬, 等, 2015)和对高校图书馆数据治理框架的研究(包冬梅, 等, 2015)。随着大数据时代的到来,大数据视角下的高校数据治理研究逐渐增多,广大学者围绕信息化管理(李勇军, 等, 2016)、应用策略(范小春, 2018)和治理方案(余鹏, 等, 2018)等展开了探讨,同时也开始广泛研究借鉴美国的教育数据治理策略(彭雪涛, 2017)。近两年,随着大数据技术的全面成熟,高校信息化发展迎来全新阶段,对于高校数据治理的探讨范围逐步扩大。学术界开始关注数据治理实践中的现存问题与完善对策(吴刚, 等, 2018),对数据治理体系构建(吴刚, 2018)和框架设计(董晓辉, 等, 2019)也进行了更为全面和具体的研究。同时,高校数据治理中存在的伦理问题(谢娟, 2020)和人工智能技术带来的隐私保护问题(田贤鹏, 2020)也开始进入研究视野。

总体来看,高校数据治理的研究内容更偏向微观和具体的层面,更关注数据的管理技术与治理方式,聚焦于数据的可用性和可靠性等问题。从宏观角度看,高校数据治理关系到高校治理全局,覆盖高校内数据质量控制、数据权责分配、数据价值流动等多个方面,在大数据时代的深刻影响下,更涉及数据利益、数据安全、数据伦理等方面的深度关切。从微观角度看,站在技术视角下的数据治理研究不可避免地受到信息技术发展的局限,以技术框架为核心建设的高校数据治理过程往往呈现出项目化、工程化的特征,难以形成较强的可复制性、可拓展性和可持續性。同时,数据治理中所带有的“管理”内涵也未在现有研究中得到充分体现,这在一定程度上限制了高校数据治理能力的提升,也相对减缓了高校数据治理工作进一步向常态化转变的进程。因此,有必要对高校数据治理的管理问题进行探讨。本研究通过构建高校数据治理的统筹管理体系,试图回答高校数据治理是否“需要管”“谁来管”“怎么管”等若干问题,并描述在统筹管理之下如何提升高校数据治理能力,促进高校数据价值的增值,最终服务于高校治理的现代化进程。

二、数据治理的内涵与特征

(一)数据治理的内涵扩展

数据治理的定义一直是学术界讨论的重要话题,然而由于关注点和表述的不同,至今尚未形成一个统一的论断。国际上对于数据治理的定义,以国际数据管理协会(The Global Data Management Community,DAMA)和国际数据治理研究所(The Data Governance Institute,DGI)两大机构最为典型。DAMA认为数据治理是对数据资产行使权力和控制的活动集合,包括计划、监控和执行等;DGI则认为数据治理是包含与信息相关过程的决策与权责体系。从国内现有文献来看,对数据治理的定义基本形成了以下两种观点:一种观点认为数据治理是有关数据决策权和职责的分配,另一种观点认为数据治理是一个围绕数据全生命周期的活动集合(董晓辉, 等, 2018)。前者关注对数据的操控,后者更加关注数据本身,但两者都缺少出于宏观角度的认识。为此,有必要就“治理”的内涵做更深一步的探讨。联合国全球治理委员会于1996年发表的一份题为《我们的全球伙伴关系》的报告中,将治理定义为“各种公共的或私人的、个人和机构管理其共同事务的诸多方式的总和”,包括“必要的公共权威、管理规则、治理机制和治理方式”(俞可平, 1999)。而“治理”的主要特点可以总结为“过程”“调和”“多元”“互动”四点(唐钧, 2015)。基于此观点,将“治理”与“数据治理”进行类比,可以归纳出“数据治理”的四项特征,如表1所示。

可见,在强调“对数据的操纵”和“数据本身”之外,数据治理的内涵还应包括更为广泛和宏观的内容。数据治理的完整内涵可以概括为“由组织统筹、有多元主体参与的对数据及其相关关系进行的可持续性管理活动”。

(二)高校数据治理的两重性

大数据具有社会和物理两重属性,物理属性作为技术支撑,社会属性则带来行为方式的转变与思维方式的革新,具有社会价值创造的能力(王金水, 等, 2019)。对于数据治理而言,在传统观念上“技术治理”已经不足以发挥数据的全部价值。大数据时代的数据治理同样应兼具物理和社会两重属性。物理属性以技术要素服务数据治理流程,社会属性则通过管理要素支撑数据治理全局(徐峰, 等, 2018)。一方面,信息技术作为物理支撑,保障数据治理工作的科学、高效开展;另一方面,建设统筹管理体系以保证数据治理工作的可持续性,对积累数据资产、创造数据价值具有关键作用。因此可以说,数据治理不再只是简单片面的技术环节,而是具有技术和管理两重属性,需要技术保障与管理方法的有机配合(徐峰, 等, 2018)。形象地说,数据治理作为解决组织内数据问题的“舰队”,需要一位总揽全局的“指挥官”,以及行之有效的“指挥机制”。建设怎样的体系与机制才能充分、有效地调度数据治理技术这些“战舰”,成为决定“战争”命运的决定性因素。

大数据治理模型的三维架构将数据治理划分为“能力、策略、人与组织”三大部分(孙嘉睿, 2018)。其中,能力部分集中体现了数据治理的物理属性,而策略部分和人与组织部分则反映了数据治理的社会属性。无论对于商业领域的数据治理还是教育领域的数据治理而言,社会属性部分都是不可忽略的重要要素。特别地,高校相对于其他学校和教育组织,拥有更为众多的人员组织、更为宏大的使命愿景、更为重要的權力与职责,同时也具有更庞大的数据体量、更复杂的数据类型和更迫切的数据治理需求。简单的技术层数据治理不足以支撑高校数据治理的全局运转,更难以发挥高校数据的全部价值。因此,高校对于数据治理的社会属性理应投入更多关注。

三、高校数据治理的问题分析

高校数据治理工作的目标是提升高校现代化治理能力。高校需要运用信息化手段对传统的管理模式进行变革与创新,学习和运用先进的信息化新理念、新方法提升服务与管理信息化水平和工作效率,创建绿色、高效、智慧的大学治理模式(成洪波, 2019)。数据治理作为高校治理信息化的核心手段之一,已经在技术上得到了部分实践,但在管理上仍存在一定程度的问题。分析并解决这些问题,方能确保数据治理工作在完善的制度规范和组织结构下为高校治理贡献充足的力量。

(一)高校数据治理工作成熟度较低

对于高校数据治理工作的决策与执行而言,校级领导对数据治理的宏观认识与战略眼光是核心与关键(张世明, 等, 2018)。一旦高层领导未意识到数据治理的重要性,则必然招致顶层设计的缺失。从目前来看,顶层设计的缺失导致了高校数据治理工作的成熟度依然较低。一方面是从已经开展的数据治理工作来看,高校在归纳分析数据问题时常从“不可知”“不可控”“不可取”“不可联”四个方面进行总结。其中,“不可知”主要探讨数据来源问题,“不可控”主要探讨数据标准与应用问题,“不可取”主要探讨数据采集问题,“不可联”主要探讨数据共享与交互的问题。以此类问题为出发点的治理工作,大多是依照历史工作经验进行的,完全聚焦在技术层面,主要目的在于解决各类独立问题,其治理成果无法整合,也无法形成系统性、科学性和标准化的体系框架。另一方面则是数据治理受到以往信息化建设的拖累。在过往的高校信息化建设进程中往往采用项目主导的碎片化形式,部门各自为战,导致有限的资源无法集中统筹,投资效益和建设质量差。各类业务系统运转积累的数据质量差,数据采集困难,部门间难以协调。各类数据的采集往往依赖各责任部门的自主组织和填报,与数据产生的起点严重脱节,且在标准性、准确性、全面性、及时性等方面存在较大缺陷,最终致使学校信息搜集落实难、数据应用效果不佳等。目前的高校数据治理工作疲于应对诸如此类的一系列问题,迟迟受困于泥沼,难以向更高成熟度的形态演化。

(二)高校数据资产价值尚未完全发挥

对高校而言,数据是智慧校园的核心,数据资产是高校重要的长期资产。通常我们认为,教育数据资产是“在学校教育活动中产生”的、“根据教育需要采集、积累”的、“为学校拥有和控制”的、“一切为教育发展服务并能够创造巨大价值”的数据资源(潘青青, 等, 2018)。近年来,随着教育数据治理研究与实践的不断开展,各高校已经开始建设及时、有效的数据采集、更新和维护机制以及有力的数据交换平台,并服务于应用和实践;开始构建符合学校发展和需要的校园大数据平台和应用服务体系,服务教学和科研;开始不断加强数据可视化建设,使数据成为洞察学校和师生发展状况的重要手段。可以说,高校数据资产已经初步形成并开始发挥价值。然而在数据使用过程中,这些数据资产却很少被用来寻找反复出现的各类问题的根本原因,或用以衡量分析各项政策举措带来的长期影响。高校在开展教育计划时,还是习惯性地以直觉为基础(Tolley & Shulruf, 2009)。这反映出,局限在技术层面的数据治理还未能直接有效地支持高校的决策、发展与评估反馈,仅凭技术手段,难以完全发挥数据“创造社会价值”的能力。要达成以数据促进高校治理现代化的最终目标,需要高校数据治理体系形成对数据资产的宏观和全面管理,以此实现数据资产的价值提升。

(三)高校数据管理队伍构成不合理

1. 从管理部门性质的角度看,信息化建设与管理部门作为通常情况下数据工作的负责单位,一般以直属和附属的性质处于高校管理机构的较边缘位置(董晓辉, 等, 2019),在缺少相关组织保障和权责规范的情况下与数据治理工作的关联较为松散,且难以得到长期牢固的支持。高校信息化建设机构往往作为业务部门,很难及时、密切关注其他部门的实际需求,并指导校级数据治理项目的开展与实践。这导致各类信息化与数据工作的顶层设计缺失,功能具有较大的时效性和局限性,长期的数据工作难以开展。随着高校信息化的发展,需要投入巨量时间和经济成本以维持不断膨胀的数据需求。

2. 从管理部门结构的角度看,高校信息化建设机构在自我升级、自我发展的过程中往往只能围绕业务内容进行局部改革,难以充分利用信息化手段重构以“为师生服务”为目标的业务流程体系与数据治理体系。同时,由于缺乏行之有效的培训与考核等机制,致使部分信息化管理人员的信息化领导力较低,对信息化本质和数据资产价值的认识浮于表面,难以组织、设计和主持大范围的校内数据治理工作,更难以制定、调适和贯彻适合信息化环境的规则、流程、政策等,这使得“具基础性作用”的数据治理工作难以全面开展,“具革命性影响”的信息化能力难以充分发挥。

3. 從管理人员素质的角度看,各类数据管理人员(既包括信息化建设机构的数据管理人员,也包括其他行政单位或二级学院的数据管理相关人员)的数据素养不高,且难以通过有效路径获得提升。传统信息化管理未将数据治理视作独立的工作领域,信息化管理和技术人员的能力水平往往偏向信息系统建设与网络建设等方向,使得数据治理工作缺少专业团队和专业人才的支持支撑。在大数据时代,专任数据岗位的职业技能从简单的数据存储等类型转变为更为复杂的数据处理、数据分析与数据挖掘等,这对高校数据治理的专业人才质量提出了更高要求,一定程度上增加了人力成本(马启鹏, 等, 2019)。

四、高校数据治理统筹管理体系的构成

为了解决日益凸显的管理问题,有必要在高校数据治理中建立完整的、系统化的统筹管理体系,以支撑高校数据治理活动的规范化和常态化运转。简单来讲,“统”是对内部要素的优化组合,“筹”则是对外部资源的有效利用(支卫兵, 等, 2010)。对高校数据治理而言,内部要素主要指涉及数据的人员、机构和各类业务关系,外部资源则是具体的数据治理技术。本研究设计并构建了高校数据治理统筹管理体系的基本框架(如图1所示),旨在将现有的已经相对成熟的数据治理技术体系、数据治理保障体系等进行有机融合,全面统筹管理高校数据治理活动,促进高校数据治理能力提升,更好地发挥高校数据资产价值。该体系能够完整体现“过程”“调和”“多元”“互动”的数据治理特征。

科学的统筹体系最核心的部分是可行、高效的统筹机制(程斯辉, 等, 2015)。高校数据治理的统筹管理体系着重构建了三类统筹机制:其一是可持续性的数据治理过程机制,其二是合理的多元主体参与机制,其三是多元互动的体系运行模式。三类运行机制涵盖了数据治理组织结构、数据治理规则制度、数据治理执行方法、数据治理过程监督、数据治理风险防控以及数据资产价值的最终变现与服务等,集中体现了大数据治理模型三维架构中“策略”和“人与组织”的两维内涵。高校数据治理统筹管理体系取代了“管理者管理数据”的数据治理初级形态,形成总揽大局并协调兼顾各利益相关方发展的总体态势,使高校数据治理从独立的技术工作升格为常态系统,实现数据治理的“高效、可靠、合规”,为高校治理现代化进程提供保障与动力。

(一)“过程”——数据治理全面可持续

高校数据治理统筹管理体系首先确保了数据治理的可持续性,将高校数据治理从“独立项目”“独立工程”“独立运动”转变为具有持续生命力的常态化过程。如图2所示,将数据治理层次划分为治理战略、治理技术和治理实践,三者能够形成可持续的良性循环。治理战略定义并决定了治理技术与治理实践的具体方式,高校数据治理的全过程在治理战略的指导下全面扩展部署。治理实践使治理的成果数据在业务应用中生成价值,并通过反馈机制促进整体治理战略的升级迭代。只有在统筹管理体系的支持下,这种有机循环才能长期存在,使得高校数据资产能够长期、持续累积并发挥应有的价值。

(二)“调和”——聚焦高校数据资产

从狭义上来讲,高校数据治理的对象是高校的各类数据,这些数据涉及管理、教学、科研等诸方面,又有结构化数据、非结构化数据等类型之别,如何“支配”这些数据是高校数据治理实践初期所集中关注的问题。从统筹的视角看,高校数据治理统筹管理体系并不关心特定数据的具体价值,而是关注数据资产本身。2020年4月9日,中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中首次将数据纳入生产要素范围,与土地、劳动力、资本和技术要素并列,享有同等地位,并提出了多项“加快培育数据要素市场”的具体措施。由此可见,数据已经被视作战略层面上的重要资产。国外学者Tallon(2013)曾指出数据是一种特殊的资产,具有明显的管理成本和价值创造能力。

对于高校而言,数据资产是高校数据价值的集合,是高校数据治理价值成果的集中表现形式。在始终把握“改善数据质量,提供数据服务,最终累积数据资产”具体目标的前提下,“调和”各类数据,使其发挥最大价值并汇聚成为数据资产,成为高校数据治理统筹管理体系的重要任务。2019年6月4日在北京召开的2019大数据产业峰会上发布了由中国信息通信研究院联合多家企业和业内专家共同编写的《数据资产管理实践白皮书(4.0版)》,详细解读了数据资产管理的主要内容和核心目标。从具体内容上看,数据资产管理与数据治理的本质目标与实现路径具有高度一致性,数据治理强调方法,而数据资产管理强调对象。统筹管理体系高度聚焦于高校数据资产,一方面强调了数据治理的管理职能相较以往数据管理的区别与转变,另一方面更能在繁杂的数据治理工作中保持对高校数据资产的有力掌控。由此可以实现从数据资源管理向数据资产管理的转变,实现从主观经验主义的“支配式”工作方法到以目标为导向的“调和式”工作方法的转变,同时使高校数据价值实现从“辅助”到“驱动”的升华。

(三)“多元”——三类主体参与数据治理

数据治理作为一项复杂且全面的工程,需要高校各部门的通力协作,不同部门在数据治理中也扮演着各不相同的角色。科学的数据治理组织架构一般分为:①决策层。负责确立数据治理的目标、方针及政策,保障高校数据治理工作的有效开展。②管理层。承担数据治理的日常管理工作,并定期向决策层汇报治理进展。③执行层。负责数据治理具体流程的运行与维护。与其他行业不同的是,高校数据用户与数据管理者处在同一系统内,仅按照决策、管理与执行划分数据治理主体难以完整描绘高校数据治理过程的角色参与情况。因此,高校数据治理角色可以依据对治理参与程度和分工的不同被划分为以下三类,形成包含与被包含的关系,如图3所示。

1. 数据治理委员会。数据治理委员会是高校数据治理统筹管理体系中的最高级别单位,应由高校的校级领导与从事信息化工作的相关领导共同组成。这些高层领导对于高校各类业务的具体情况和发展形态非常熟悉,对数据治理也有一定的认识。对数据治理委员会而言,制定原则、明确目标是最优先的任务。在此之后,其职责包括规章制度制定、数据战略规划、管理方法设计与落实等。一方面,数据治理委员会是高校数据治理的最高决策机构,掌控高校数据治理的顶层设计,对于治理工作负最终责任;另一方面,数据治理委员会还应成为高校数据治理的最高管理机构,需关注可能产生的各类数据问题,正确引导整个治理体系的走向。此外,数据治理委员会应及时评估高校对校内数据的掌握情况和数据应用的现状,加强对数据治理过程的管控,科学有效地开展治理活动,指导数据治理的实施。

2. 数据治理工作组。数据治理工作组既是数据治理过程的执行者、数据治理技术的监督者和数据治理成果的保障者,同时也是数据的辅助决策者。因此可以说,数据治理工作组同时具备管理与执行的双重职能。数据治理工作组应设有业务与技术两套人员班底。其中,业务人员按照具体业务领域分为各类数据业务管理组,如人事、科研、教学数据等,其人员来自具体业务部门,精通具体业务且具有基本数据管理和数据治理知识;技术人员按照技术分工组成各个数据技术小组,负责不同的技术领域,如数据采集存储、数据标准制定、数据统计分析、数据应用研发等,其成员必须由专任数据技术人员担任。数据治理工作组是高校数据治理统筹管理体系中的中枢单位,承担高校数据治理的主体工作内容。

3. 数据利益相关者。数据利益相关者是指一切可能会影响数据或者受到数据影响的个人或群体,他们可以来自高校内的任何部门,参与生产数据、使用数据和管理数据等各类活动。在高校,几乎每一个教育活动的参与者都是数据利益相关者,但大多数的数据利益相关者不会直接参与到数据治理工作中来。如何获取与接纳不同个体与群体对数据相关问题的诉求,并唤醒数据利益相关者对高校数据的责任意识(吴刚, 2018),是一个亟待解决的问题。从另一个角度来讲,数据利益相关者较难直接声明的诉求与期望必须通过整体的高校数据治理工作得以实现。数据治理委员会与数据治理工作组应当充分调研和考虑数据利益相关者的数据诉求,将其纳入学校数据治理的整体规划中。

(四)“互动”——科学有效的运行模式

高校数据治理的统筹管理不仅需要完善的体系设计,更需要科学有效的运行模式。孟德斯鸠提出的“三权分立”理论将国家权力分为立法权、行政权和司法权,体现了对各类程序与体系都适用的三部分任务:设计和制定规则、执行并解决问题、监督和保障实施。在高校数据治理中,这三部分任务具有清晰的指向:一是设计、制定、收集与调整整套数据治理的规则规范,划清边界,形成制度;二是落实数据治理实践,执行数据治理核心流程,解决实际的数据问题;三是在向数据利益相关者提供持续支持的同时,监督数据治理全过程的执行合规性。简言之,高校数据治理统筹管理体系的运行模式是要制定规则,确保规则得到遵守,并对不遵守、不明确的问题进行处理。具体来看,高校数据治理参与者应建立科学、有效的组织结构,通过规则制度设计、具体技术执行与监督、落实风险防控机制等方式直接管理数据治理的技术过程,从而间接实现对数据资产的掌控,并最终从高校数据资产中发掘价值。与此同时,还应该最大限度地减少数据治理成本和复杂性,并确保学校的数据治理流程符合相关政策与法律的要求。

通过对以上四个特点的分析可以看出,高校数据治理的各类主体按照预先设计的组织结构扮演相应治理角色,有秩序地参与到三类统筹管理任务中,最终能够形成一套科学合理的运行模式,使得人、数据、技术与规则产生有效互动,统筹管理体系得以良性运作。

五、高校数据治理统筹管理体系的实践路径

高校数据治理统筹管理体系体现了管理工作中的参与角色、核心环节和预期成果。为了将这一体系描绘的理论愿景付诸高校数据治理的具体实践,并不断完善和改进高校数据治理统筹管理体系,需要综合考量高校现状,设计具有应用价值的实践路径。本研究从理论与实践相结合的角度出发设计了如下四条实践路径。

(一)升级扩展校内数据治理关注范畴

在高校数据治理过程中,行政部门的职能边界较为模糊,数据治理能力提升往往以数据服务能力为出发点,通过引入技术、优化流程等方式实现。缺少体系性,更缺少行政部门参与,使得高校数据治理的工作范畴被长期圈定在技术领域,治理难以规范化和常态化,治理能力提升困难(徐顽强, 等, 2018)。为了建立高校数据治理统筹管理体系,首先必须将高校对数据治理的关注从“服务”升级扩展到“管理”上来,在遵循“充分发挥数据价值,提高高校治理水平”核心目标的前提下,形成如图4所示“向内管理,向外服务”的主要形态。

“向内管理”主要指数据治理委员会与数据治理工作组参与的数据管理工作,在现实实践过程中这两种角色往往由校级领导层和信息化建设管理部门分别扮演。数据管理流程是技术视角下数据治理工作的核心环节,也是最需要用系列政策、要求、标准、审查方式和问责制度来进行约束的环节,因此决定了其“向内”的封闭性。其他数据利益相关者与数据管理过程几乎无关,不需要也不应该参与其中。数据管理工作成果下沉并累积在校级数据能力平台中,具备数据服务能力,是传统数据治理技术内容的整合,为數据资产积累提供了主要依托。

“向外服务”指数据能力平台依据不同数据利益相关者的需要,向各级各类用户提供其所需求的数据服务。数据服务的具体形式是多样化和个性化的,既可以是直接的数据调用、数据发布,也可以是针对具体业务场景的数据应用。此外,数据能力平台也为数据共享提供了支持与可能性。数据服务过程呈现出“向外”的开放性,这是由“发挥数据价值”的基本原则决定的。为了更大限度地激发数据价值,提升数据效能,高校数据治理需要提供多样态、全方位的数据服务,并由此实现数据资产的充分积累。

(二)改进校级数据治理组织结构

目前,高校行政化现象较为严重,行政权力高度集中,难以与治理话语协调共融,制约了治理能力现代化的进程(范斌, 等, 2017)。作为推进高校治理由经验驱动转向数据驱动的重要抓手,高校数据治理组织结构也需要在一定程度上摆脱行政化制约,打破行政主导一切的组织模式,形成较为独立的组织结构,从而提升数据治理能力。然而,高校行政部门设置与组织机构构成是较为严肃的问题,机构改革与重组的代价与工作量过大,在解决数据问题的同时还可能会引发其他问题。因此,需要在保持原有行政机构组织模式不变的前提下进行高校数据治理组织结构设计。

将数据治理委员会与校级领导层、数据治理工作组与信息化建设管理部门进行简单的一一对应,在一定程度上反映了高校的实际情况,但并非最理想的组织形态。对于校级主管领导与分管领导而言,高校信息化工作的具体分工很难精细到区分“数据工作”与“其他信息化工作”,校级领导拥有战略眼光,掌握全局化的管理知识与经验,但较难做到对数据工作全知全能。因此,让校级领导独自扮演高校“数据治理委员会”的角色是不可能也不合理的。对于高校信息化建设管理部门而言,传统的信息化建设部门及其附属数据工作组隶属于业务部门或技术支持部门,缺少管理职能,无法统筹管理学校信息化建设资源与数据资产,也难以成为理想中的高校“数据治理委员会”。

综合考虑上述因素,本研究设计了如图5所示的高校数据治理组织结构:高校主管领导、信息化领域分管领导与高校信息化部门领导共同组成高校数据治理委员会,兼具决策与管理职能,负责高校数据治理工作的顶层设计,全面主导和协调高校数据治理的全部活动。信息化建设管理部门的技术与业务两个主要队伍,联合校内具体业务领域的数据治理队伍,集中吸纳专任数据人才,组成数据治理工作组,兼具管理与执行的职能,负责高校数据治理工作的运行和维护,确保数据治理工作成果的完整性和可靠性。高校内其他单位及其成员则共同成为数据利益相关者。

(三)变革校内数据价值流动汇聚方式

数据价值是数据治理关注的核心内容。有学者将价值链理论引入政府数据治理之中,认为是公共价值促生构成了政府数据治理的中心,数据治理的目的就在于有效挖掘数据资源以推进公共价值的实现(郭斌, 等, 2020)。同样,高校数据治理致力于发挥高校数据资产的数据价值。高校校内数据价值的实现形式可以被直观地分为业务与技术两类。在业务方向上,致力于解决高校具体业务领域的实际问题;在技术流向上,服务于高校数据的采、存、管整体技术体系的建设与优化。在未建立独立的校级数据治理组织结构之前,高校内的业务与技术数据流向呈现明显分流,如图6所示。数据在各业务领域工作中产生,经采集后,具体的业务数据一方面经由学院领导传递至校级领导,另一方面由具体业务领域的行政单位进行汇聚,最终也传递至校级领导。负责开展数据治理工作的信息化建设与管理部门只能参与到技术环节之中,提供硬件支撑保障、数据质量控制技术和数据应用服务等。

如图7所示,在建立校级数据治理组织结构后,校内数据价值的流向将发生明显变化,其流动方式的变革主要体现在三个方面:

一是具体业务领域的数据管理由“以单位部门为轴心”转为“以工作内容为轴心”。各学院的人员信息数据、教学数据、科研数据和设备数据等,在保留向学院领导呈送的同时,按具体领域纵向直通,先经由信息化部门进行常态化的数据治理技术处理,所得治理成果再交由行政单位与具体分管领导。整个流程在数据治理工作组的统筹规划下进行,保证数据的可用性与可靠性,数据价值在纵向流动过程中不断增加。

二是数据价值的业务流向与技术流向由分流转为合流。信息化建设与管理部门代表了整个数据治理中的技术参与环节,该环节由末端转移至行政单位接手数据之前,有效确保了数据在经由技术治理后不会损失业务价值,更有效避免了资源浪费,使校內数据价值流动效率极大提升。此外,数据价值合流也为跨部门业务构建奠定了坚实基础。

三是数据价值的汇聚由多领域分散转为集中统一。过去,校级领导与管理者需要面对来自各个不同领域的分散的数据,这些数据可能以文字、报表或多媒体等形式呈现,数据往往作为载体,数据价值本身被具体业务领域的内容价值所掩盖。在高校数据治理组织结构形成后,数据治理工作组向数据治理委员会提交的数据治理成果反映的是校内数据的整体价值,即数据资产的价值。集中统一的数据资产能够真实、有效且全面地反映高校的客观环境与运行状况,使高校管理者与高校最高领导能够借此提升决策能力。

(四)强化统筹管理中的风险防控机制

在高校数据治理工作中,必须时刻保持一个清醒的认识,即数据始终处于风险之中。高校数据治理统筹管理体系的一个重要任务就是控制数据治理过程中可能出现的风险,一方面通过合理的机制与规范预防可能发生的风险事件,另一方面对无法预防的事件做到基本的监测与预警,为纠正错误和解决问题提供充足的时间,做到“事前可管、事中可控、事后可查”(余鹏, 等, 2018)。

支持风险防控的不仅仅是相应的技术手段,更重要的是完整的监督机制。在高校数据治理的主客体关系中,数据治理委员会主要负责设计和制定规则,数据治理工作组承担执行并解决问题的任务,而监督者的角色却是缺位的。在数据人才短缺的情况下,设置一个不参与具体数据治理工作的专任监督岗位,并由一个精通数据工作的人员担任,是一种奢侈且不切实际的行为。因此,在高校数据治理独特的组织模式中监督权将分散在三种数据治理的参与角色中。对于数据利益相关者而言,其监督权主要体现在协助监督上。在数据隐私等涉及用户核心利益的数据问题上,数据利益相关者拥有维护自身权益、提出质疑的权利。对于数据治理工作组和数据治理委员会而言,其监督能力主要体现在落实权责制度上。

六、小结

数据治理是高校日益重视并相继开展的一项重要工作,也是大数据时代高校信息化进程中必须进行的基础性工作,能够直接提升高校各类数据质量,大幅提高数据的可靠性和可用性。进一步讲,有效的数据治理工作可以使高校信息化产生智慧(许晓东, 等, 2015)。随着大数据技术与各类智能技术的成熟,技术环节将不再是阻拦高校数据治理工作的主要困难。构建完整的、功能化的且能支持可持续发展的高校数据治理统筹管理体系,研究并创设切实可行、符合国内高校实际情况的校级数据治理组织结构,将有助于实现高校数据治理思路与目标的清晰化,形成可复制、易推广、高适用的管理模式,推动高校数据治理向规模化和常态化迈进,全面提升高校信息化水平。高校数据资产的积累与数据资产价值的提升,通过辅助决策的方式支持高校治理,促进高校治理模式从经验治理向“因数治理”转变,最终实现数据驱动的信息化、现代化高校治理。在未来研究中,还需要针对数据资产发挥价值的更多形式,其他诸如人工智能技术和5G移动通信技术等高新技术对高校数据治理统筹管理体系的影响等方面展开更多更深入的研究。需要指出的是,高校数据治理的目标是使数据更好地为人服务,“数治”的目的是帮助“人治”而非取代“人治”,在对数据治理统筹管理体系的研究中需要始终秉承以人为本的认知与思想,使数据价值最终转化为人类发展的前进力量。

[参考文献]

包冬梅,范颖捷,李鸣. 2015. 高校图书馆数据治理及其框架[J]. 图书情报工作,59(18):134-141.

陈方方,何小波. 2019. 高校数据治理机制探索及成效[J]. 中国管理信息化,22(19):219-222.

成洪波. 2019. 信息化促进高校治理现代化的路径创新[J]. 中国高校科技(11):4-7.

程斯辉,江俊伟. 2015. 论高校治理中的统筹问题[J]. 复旦教育论坛,13(3):11-16.

董晓辉,郑小斌,彭义平. 2019. 高校教育大数据治理的框架设计与实施[J]. 中国电化教育(08):63-71.

范斌,郭蕊. 2017. 高校治理能力现代化:内容与推进路径[J]. 黑龙江高教研究(8):42-45.

范小春. 2018. 智慧校园环境下高校大数据治理及应用策略[J]. 金陵科技学院学报,34(4):48-51.

郭斌,蔡靜雯. 2020. 基于价值链的政府数据治理:模型构建与实现路径[J]. 电子政务(2):77-85.

李勇军,彭琳,林成,等. 2016. 大数据治理在高校信息化管理中的探究[J]. 中国管理信息化,19(3):185-187.

刘金松. 2018. 数据治理:高等教育治理工具转型研究[J]. 中国电化教育(12):39-45.

马启鹏,刘泽琳,陈丽珍. 2019. 利益相关者视域下的成人教育数据治理省思[J]. 教育发展研究,39(3):71-77.

潘青青,田雪松,杨现民. 2018. 大数据时代中小学数据资产的建设与管理[J]. 电化教育研究,39(3):49-55.

彭雪涛. 2017. 美国高校数据治理及其借鉴[J]. 电化教育研究,38(6):76-81.

宋秀芬,邓仲华,金勇. 2015. 高校图书馆数据监护的流程管理研究[J]. 图书馆学研究(5):35-40,21.

孙嘉睿. 2018. 国内数据治理研究进展:体系、保障与实践[J]. 图书馆学研究(16):2-8.

唐钧. 2015. 社会治理的四个特征[N]. 北京日报,03-02(14).

田贤鹏. 2020. 隐私保护与开放共享:人工智能时代的教育数据治理变革[J]. 电化教育研究,41(5):33-38.

王金水,张德财. 2019. 以数据治理推动政府治理创新:困境辨识、行动框架与实现路径[J]. 当代世界与社会主义(5):178-184.

吴刚. 2018. 高校大数据治理体系构建刍议[J]. 教育评论(7):65-68.

吴刚,陈桂香. 2018. 高校大数据治理运行机制:功能、问题及完善对策[J]. 大学教育科学(6):34-38,66.

谢娟. 2020. 教育数据治理的伦理框架:价值、向度与路径[J]. 现代远程教育研究,32(5):15-24.

徐峰,吴旻瑜,徐萱,等. 2018. 教育数据治理:问题、思考与对策[J]. 开放教育研究,24(2):107-112.

徐顽强,王文彬. 2018. 合作治理视域下的高校治理现代化研究[J]. 中国电化教育(9):81-86.

许晓东,王锦华,卞良,等. 2015. 高等教育的数据治理研究[J]. 高等工程教育研究(5):25-30.

俞可平. 1999. 治理和善治引论[J]. 马克思主义与现实(5):3-5.

余华,彭程甸. 2017. 高校治理机制与高校治理动力的关系辨析[J]. 湖南科技大学学报(社会科学版),20(1):172-178.

余鹏,李艳. 2018. 大数据视域下高校数据治理方案研究[J]. 现代教育技术,28(6):60-66.

张世明,彭雪峰,黄河笑. 2018. 开放大学数据治理框架研究[J]. 中国电化教育(08):116-126.

支卫兵,谢超. 2010. 用教育统筹思路指导高校就业教育信息化建设[J]. 教育与职业(12):31-32.

Tolley, H. , Shulruf, B. (2009). From data to knowledge: The interaction between data management systems in educational institutions and the delivery of quality education. Computers & Education, 53(4), 1199-1206.

Tallon, P. (2013). Corporate governance of big data: perspectives on value, risk, and cost. Computer, 46(6), 32-38.

收稿日期:2020-10-02

定稿日期:2021-02-03

作者简介:宋苏轩,硕士研究生,江苏师范大学智慧教育学院(221116)。

杨现民,博士,教授,博士生导师,本文通讯作者,江苏师范大学智慧教育学院院长(221116)。

宋子强,硕士,高级工程师,江苏师范大学信息化建设与管理处处长(221116)。

责任编辑 赵磊磊 刘 莉

猜你喜欢

高校治理数据资产数据驱动
基于数据资产的数据质量评估模型研究及应用
数据资产视角下商业银行大数据应用现状及发展前景分析
基于网络与数据智能化的数码印花产品设计定制模式研究
数据驱动理念在大学英语课程中的应用
大数据背景下的警务模式创新研究
完善高校治理结构的管理之思
高校治理视角下内部审计职能定位研究
高校治理与会计信息质量监管研究
《计算机控制技术》课程教改探讨
数据资产价值评估模型研究与应用