季云 蒋丽莉

摘 要：随着我国信息技术的发展，在现阶段的很多领域都是利用信息来处理数据的，但是，在这一过程中，很多的数据开发只是进行简单的统计，只能满足低层次的需求。数据仓库具体指的是具有主题、非易失、集成等特点的数据集合，数据仓库这一技术一般是管理者用来进行未来决策。该文对高校信息化建设过程中的数据仓库技术进行了深入探讨，以期为我国高校信息化管理工作做出一定贡献。

关键词：高校  信息化建设  数据仓库技术  应用探讨

中图分类号：TP39       文献标识码：A

Abstract： With the development of information technology in China， information is used to process data in many fields at this stage. However， in this process， many data development is only simple statistics， which can only meet the needs of low-level. Data warehouse specifically refers to the data set with the characteristics of theme， nonvolatile and integration. It is generally used by managers to make future decisions. This paper deeply discusses the data warehouse technology in the process of information construction in colleges and universities， in order to make some contributions to the information management of colleges and universities in China.

Key Words： Colleges and universities; Information construction; Data warehouse technology; Application discussion

随着我国网络信息化技术的不断发展，现在很多行业都是依靠着大数据来辅助工作的，其中，所存储的数据量也越来越多。但是，需要注意的是，在实际的数据开发过程中，一般使用的是比较简单的数据统计以及查询，这些只能满足一些比较低层次的需求，造成比较低的工作效率。在很多行业的工作过程中，往往需要从比较庞大的数据中来挖掘出重要信息，并对这些重要信息做进一步的加工，这样才能有效唤醒一部分沉睡的数据，从而为工作人员提供比较有价值的工具。

1 数据仓库的基本概念

著名的数据仓库专家W.H.Inmon对数据仓库做了比较详细的描述：数据仓库具有如下特点，比如集成性、主题性、非易失性，此外还会随着时间的变化而发生变化，一般来说是用于管理者进行辅助管理和决策。按照常规的方式来说，数据仓库主要是分为两个层次进行分析的。

首先，管理者一般是利用数据仓库来进行决策，并对相关的数据信息做进一步的分析和处理，但是，需要注意的是，数据仓库是有别于事务处理型数据库的;其次，数据仓库一般来说是由多个异构的数据源集成的，在完成了集成工作之后，还需要相关管理人员重新排列主题，对历史数据进行重新重组，一旦将信息和数据录入进去，就不可以再进行修改了[1]。数据仓库主要有如下4个特点。

第一，主题性。主题说起来是一个十分抽象的概念，主要是按照不同的类别将数据做进一步的归类，不同的主题内容所对应的都是不同的领域，在不同的领域可以使用数据仓库供管理者进行分析和决策。一般来说，主题往往和很多事务处理有着比较密切的关系。

第二，集成性。在数据仓库中，有很多的数据都是来源于比较分散的區域，这就需要对这些原始数据做进一步的加工和处理，这样可以有效消除数据中的不一致性，比如说度量单位、关键字以及命名习惯等。此外，在数据仓库中，不仅需要包含明细数据，还需要包含汇总数据。

第三，非易失性。在实际的事务处理数据库中，还需要对相关数据做进一步更新，这是因为，数据仓库中的数据如果做了进一步处理，需要做长期保留，并结合实际发展情况进行更新。在数据仓库中，需要进行合理设置，将数据的时限更改为大于处理环境的时限，在仓库环境中的数据一般需要保存大约5～10年，事务处理环境中的数据时限一般来说为60～90天。

第四，会随着时间的变化而变化。在数据仓库中，数据往往会随着时间的变化而变化。这些数据会每隔一段时间就会更新，事务处理数据库系统中所产生的数据往往会被抽取进行分析，在经过了转换之后，会进一步集成在数据仓库中。此外，随着时间的变化，年代久远的数据对于管理者来说用处并不大，在汇总成为综合数据之后，才能满足时代发展的需求。一旦数据超过了数据仓库的存储期限，就需要将这一部分数据进行删除[2]。

2 教育管理数据仓库功能分析

在现阶段，高校在内部合理应用管理仓库一般是为了让管理者来进行决策，在系统中包含了很多的功能，主要为如下几个重要部分。

第一，是可以有效满足高校对学生专业、课程设置等方面的分析。通过对高校内部的就业率、招生人数以及相关的数据做进一步的研究，可以完成相关的测评工作，这样可以对高校新的专业和课程做进一步预测。

第二，可以满足高校教学质量以及科研能力的分析。利用非线性回归的方式对高校的教学科研主题和教学工作以及教职工未来的发展能力做进一步的分析，这样可以有效提升教师的工作效率，从而提供一种十分合理的学生培养方式。

第三，数据仓库可以满足高校对人才资源需求的进一步分析。高校的管理人员可以通过分析相关性，重点研究学生和教师在平时学习过程中的学习量以及工作量，这样可以预测学校会培养出来怎样的人才，需要招聘怎样的教师，为当地的人事部门提供十分有效的培训方案。

第四，高校的管理人员在对高校日常经营成本进行分析时，需要重点关注所产生的平均成本，这些成本中包含了教学设备以及平时教学过程中产生的各种费用，还包括了高校教职工的工资以及福利。高校管理者对这些财务信息进行整合和分析，能够得到比较准确的决策数据，从而为高校的日常经营解决成本，提升高校的经济收益[3]。

第五，详细分析资金的运行效益。相关的工作人员需要对实验项目和教学工作进行分析，这样能为学校的教学以及科研工作带来更多的经济收益。

3教育管理数据的规划

3.1系统总体架构的规划

在现阶段的高校教育行政管理体系中，数据仓库往往是按照分层次的方式来进行构建的。各省市教育厅、教育部、市教育局都需要结合学校运行的实际情况来搭建出不同程度的教育管理数据仓库。在上下层数据仓库中，主要是分为两种形式的数据仓库，一种是局部数据仓库，一种是全局数据仓库。结合一般情况而言，学校数据仓库的数据来源一般有如下几种。

（1）在本级业务管理信息系统中，有很多的业务。不同业务之间进行交叉，也会得到不同的交叉数据，还包含教育行政管理部门的各个管理系统数据。

（2）外部数据，结合现阶段高校在教育方面的相关政策法规，高校管理者可以利用外部数据来帮助管理者制定出比较合理的决策。这是因为，在高校的内部数据只能帮助管理者开展纵向的处理以及分析，这就需要辅助以外部数据来供管理者进行宏观比较[4]。

在教育行政部门中，数据仓库有着比较重要的作用，除了可以获取相关的外部数据以及业务管理信息之外，还包含了以下几个主要来源：

（1）对于很多高校的数据库仓库来说，往往需要按照综合程度来得到相关联的数据，比如说，省教育厅的数据仓库一般需要抽取下属院校数据仓库中的数据。

（2）对于下级管理者来说，数据仓库一般还需要结合学校的实际情况来集成重要信息，比如说省教育厅往往是对市教育局中的数据进行抽取。

随着我国教育和科研计算网被广泛应用在高校各级各类教育行政管理部门，教育管理信息化程度也得到了比较快速的提升，有很多的高校已经开始建立起了千兆校园网。不同教育管理部门之间构建起互联网通道，可以有效实现数据的交换，这样才能帮助高校管理者进行决策[5]。

3.2主题的划分

在实际的数据仓库中，数据往往是依据主题的方式来组织的，高校管理人员需要先对主题做详细划分。在我国，很多的高校在数据的分析和使用过程中存在着不少的问题。但是，管理决策者所关心的问题以及想要达成的目标都是类似的，这样就形成了独有的数据仓库主题。

（1）招生：高校管理者通过详细分析招生情况和学生填写志愿的情况，了解学生对专业的偏好，并结合学生对专业的喜好趋势以及市场上对人才的需求，为之后的教学工作提供一定的方向。

（2）就业：高校管理人员在分析了学生的就业情况以及相关的专业情况之后，还需要分析学校所开设专业和学生职业之间的相关性，这样才能满足市场的实际需求。

（3）教师工作：通过对教师课时数量、科研情况进行分析和度量，对教师的工作进行详细评价，这样才能有效了解学校的人才使用效率。

（4）财务：相关工作人员还需要结合实际情况分析高校资金的运行情况，需要结合不同的指标以及用途来合理控制资金的利用效率。

（5）设备：高校管理者需要详细分析设备的实际使用情况，主要按照数量、人数以及金额等指标来进行，并进一步分析设备的实际利用效率。

（6）学生的学习情况：高校管理者需要分析學生的成绩、学分，并对相关的专业知识、时间以及课程进行分析，对各课程的实际需求情况进行充分了解。

3.3数据组织

3.3.1数据组织

在数据仓库中，数据的组织方式和数据库有着很大的不同之处，一般来说，采取的是分级的方式来进行组织的，一般来说分为了早期细节级、当前细节级、轻度综合级以及高度综合级。早期细节级主要指的是将以往的数据进行存储，在这些早期数据中可以反映出比较真实的情况，这一类数据往往会随着时间的变化而出现变化，这些数据主要存储在较大容量的廉价设备上。从当前细节级存储近期的业务数据来说，可以有效反映出当前业务的情况，具备比较大的数据量。随着时间的推移，细节数据可以由数据仓库的时间控制机制转变为早期的细节级。轻度综合数据一般来说是从高校最基本的数据中所提炼出来的，在比较短的时间内就可以完成统计工作。高度综合级的数据往往比较精练，这是一种十分准确的决策数据[6]。

3.3.2粒度的确定

在数据仓库中，数据一般具备不同的综合级别。换句话来说，这被称之为“粒度”。技术人员在设计数据仓库中，要重视起粒度的内容。如果出现了粒度较小的情况，这也就说明数据处理比较细节，综合程度也就越低，时间长了，数据就会得到进一步堆积，这样就降低了工作效率。换句话来说，粒度可以进一步提升高校管理者进行数据查询工作的效率，但缺点就是会造成重要数据的丢失。在数据仓库中的粒度得到了确定之后，和设计相关的问题就可以得到合理解决，如果高校管理者没有重新确定粒度，这样会影响到信息和数据的各个方面。结合教育管理数据仓库中的数据情况，各省级数据量是比较大的，这就可以采取具有当前细节级、轻度综合级和高度综合级三种粒度;对于市、县级的学校来说，数据量是比较小的，这就可以采取早期细节级、当前细节级和轻度综合级3种粒度。

4  结语

在新时期，高校需要结合实际情况探讨信息化管理的相关内容。随着高校人才培养模式的进一步转变，还需要具备新的决策方式以及新的决策手段，这样才能和现阶段的高校教学工作相适应。高校管理者在平时的管理过程中，需要结合实际情况构建起一个比较完善的教育数据库，并使用相关的工具来开展决策分析。此外，高校管理者还需要明白的一点是，数据仓库系统的构建周期一般来说比较长，投资量也比较大，需要花费比较多的资金。高校教育管理数据仓库的建立可以结合某一个主题来进行分析，之后再扩展到其他的主题，这样可以有效提升成功的效率。为了有效适应未来教育事业的发展，高校管理者建立起教育管理数据仓库是未来发展的趋势。

参考文献

[1]刘奕.5G网络技术对提升4G网络性能的研究[J].数码世界，2020（4）：24.

[2]王磊.个人数据商业化利用法律问题研究[D].北京：中央财经大学，2019.

[3]王硕.面向多阶段渗透攻击的网络欺骗防御方法研究[D].郑州：战略支援部队信息工程大学，2020.

[4]王欢.师范生人工智能素养自评工具开发研究[D].贵阳：贵州师范大学，2021.

[5]刘云晶.我国互联网征信模式市场化发展研究[D].石家庄：河北经贸大学，2021.

[6]曹秦雨.省级融媒体中心内容生产创新研究[D].石家庄：河北师范大学，2021.