董晓辉　郑小斌等

摘要：数据治理为组织应对数据挑战和机遇提供了理论工具和实践途径。高校开展教育大数据治理是解决当下教育大数据实践不足必须且必要的措施，而国内教育数据治理的研究尚处于初步探索阶段，相关成果较少。数据治理框架描述了数据治理组件的逻辑结构，为利益相关群体提供了理解和实施数据治理的共同视域。但是，不同的组织环境和现实情境具有不同的特点，因此也不存在通用的框架。鉴于此，该文基于高校教育大数据实践困境，依据权变理论，设计了一个高校教育大数据治理的参考框架。以期刻画高校教育大数据治理的主要内容，为高校制订校本教育大数据治理框架提供参考，帮助研究者和实践者更加全面、客观地分析和解决教育数据治理领域的问题。数据治理是一个复杂的反复迭代的系统工程，该文提出的实施策略将有助于数据治理的开展。

关键词：大数据;高校;数据治理

中图分类号：G434 文献标识码：A

一个机构在数据管理方面出现问题，究其根源是由于在更高的数据治理层面出现混乱或缺失。由于缺少清晰的数据发展计划、明确的数据管理职责体系、统一的标准、一致的数据处理规范，以及有效的协作机制，组织的数据建设往往变得盲目，数据管理变得重复和紊乱，从而导致数据质量下降和数据风险上升，阻碍数据价值的实现。徐宗本院士曾指出，为有效地利用大数据资源，发掘其中蕴含的巨大价值，研究大数据管理模式是开展广泛大数据研究的前提和先导。余鹏等认为开展数据治理是解决“数据质量不高、数据流向混乱、共享度不足、历史数据缺失”问题必须且必要的措施，通过深度治理的数据能够在教学、科研、管理等多方面更好、更全面地服务于高校发展，使师生充分享受大数据带来的个性化及贴心化服务。许晓东等认为数据治理是提高大学教育质量、决策科学性、管理效率的需要，它的高效、负责、透明的特征符合高等教育治理要求，数据治理的有效实施可以使大学变得更加智慧和敏捷。彭雪涛呼吁我国高校应尽早脱离“数据无感”的状态，充分认识数据资产的价值和风险，以数据治理为指引，培育数据共建共享的协同环境。

随着我国教育信息化的深入推进，多数院校已充分认识到数据的重要性，相继建设了数据中心，在数据标准、元数据、主数据、数据质量等领域积极探索和实践，为本校的数据管理和应用起到了积极作用，但各高校的校情不同，在发展规划、投资建设、实施过程中存在很大差异，不能“依葫芦画瓢”。在理论研究方面，相关计量研究文献表明我国教育大数据研究主要集中在大数据变革教育可能性问题的理论探讨。教育数据治理的研究屈指可数，且其研究的广度和深度亟待加强。高校作为教育信息化理论研究与实践创新的前沿，研究和实施数据治理不仅是其内在需求，而且在推动教育大数据走向实践、健康有序发展方面起到引领示范作用。

一、数据治理的概念

20世纪中叶，随着计算机的发明和数据库的产生，人们逐渐将数据存储在计算机和数据库中。随着数据量的逐渐增大和数据的作用日益突显，数据质量成为人们关注的焦点。一般认为数据质量的研究是数据治理研究的开端。1994年Hawley委员会首次提出了数据资产的概念，将数据资产定义为被记录下来的有价值或潜在价值的数据。随后，Horne在数据资产概念的基础上，将治理与资产的最优使用联系起来。由此，数据治理的概念进入了人们的视野，成为一个新的研究领域。

关于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、表述的不同，至今尚未形成一个统一的定义。从现有文献来看，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。Weill指出数据治理是鼓励数据利用中所期望的行为的决策权和问责性的框架。webe献为数据治理指定了一个用于在企业中使用数据的决策权和责任的结构框架。甲骨文公司（Oracle）给出的定義是“数据治理是制定决策权和问责的框架，以规范组织在估值、创建、存储、使用、归档及删除数据和信息的行为”。数据治理研究所（Data Governance Institute，DGI）给出了类似的定义“数据治理是指针对信息相关过程的决策权和职责体系”。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。Newman认为数据治理是有关企业在管理、维护和利用数据时所需的决策权、过程、标准、策略和技术的集合。美国教育部隐私技术援助中心（Privacy Technical Assistance Center，PTAC）给出的定义是“数据治理是对数据和信息进行管理的组织行为，是涵盖采集、使用到清理的数据全生命周期的政策和程序集”。国际数据管理协会（Data Management International）在2009年的报告中对数据治理的定义是“数据治理是对数据资产管理行使权力和控制的活动集合（计划、监督和执行）”。

大数据时代的到来为数据资产的管理和应用带来了新的挑战，大数据治理的需求应运而生。国际著名数据治理专家Sunil Soares将大数据治理定义为广义信息治理计划的一部分，通过协调多个职能部门的目标来制定与大数据有关的数据优化、隐私保护与数据变现的政策。张绍华等认为大数据治理是对组织的大数据管理和利用进行控制、指导和监督的体系框架。从本质上来讲，大数据是数据存在和发展的新阶段。同样，大数据治理是数据治理发展的阶段。较之数据治理，大数据治理更强调数据的应用价值和隐私保护。

综合上述概念，笔者认为可以从以下几个方面理解数据治理：（1）数据治理的目的是建立鼓励期望行为发生的机制，即实现价值和管控风险;（2）数据治理的核心是对数据相关的决策权和责任的分配;（3）数据治理的职能是制定数据相关的政策和流程，确保数据及数据事务行为的规范;（4）大数据治理是数据治理发展的新阶段，需要考虑大数据的特点，运用大数据的思想、方法和技术。

二、教育大数据治理的驱动力

进入二十一世纪以来，随着科学技术的快速发展以及“数字校园”“智慧校园”的建设，教育数据来源愈加丰富，数据采集和存储变得越来越容易，教育数据资源明显呈现大数据形态。正如维克托·迈尔-舍恩伯格所说“大数据与教育的结合，将真正颠覆传统的教育模式，引领教育转型与变革”。大量研究也表明，教育大数据在变革教与学方式、提升教育质量、提高教育管理效率、创新教育治理等诸多方面具有突出优势。然而，目前对教育大数据的概念和理论研究较多，在实施方面却困难重。著名学者祝智庭也曾指出，虽然大数据在教育领域的热度日趋增加，真正利用大数据来解决教育问题的实践活动和成功案例却并不多。著名信息技术研究和咨询公司Gartner发布的《2015年度新兴技术成熟度曲线》表明大数据相关技术已经成熟，大数据应用于实践不存在技术障碍。显然，导致教育大数据难以实践、发挥实质性作用的主要原因并非数据不够丰富、数据的采集与分析技术和方法不够成熟，而是这些数据还没有真正形成教育大数据，未能转化成可以操作和利用的数据资源。同样，《2017新媒体联盟中国高等技术展望：地平线项目区域报告》指出教育大数据的管理问题是影响我国高等教育技术应用有难度的挑战，亟需在教育大数据管理规范、安全、隐私保护等方面开展研究与实践。

我国政府非常重视教育大数据，相继出台了一系列国家政策文件，规划教育大数据的建设，指导教育大数据的管理和利用。2015年9月，《促进大数据发展行动纲要》提出“建设教育文化大数据”战略;2016年6月，《教育信息化“十三五”规划》提出“制订出台教育数据管理办法”“实现教育基础数据的有序开放与共享”“利用大数据提升教育治理能力”;2017年1月，《国家教育事业发展“十三五”规划》提出“鼓励学校利用大数据技术开展教育教学活动”“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”;2019年2月，《中国教育现代化2035》《加快推进教育现代化实施方案（2018—2022年）》做出了面向教育现代化“大力推进教育信息化，构建基于信息技术的新型教育教学模式、教育服务供给方式以及教育治理模式”的重要部署。

三、数据治理框架研究现状

为了清晰表达一些复杂和抽象的概念，构建科学的理论框架是开展实践的基础。数据治理框架是为了实现数据治理的总体战略和目标，将数据治理领域所蕴含的基本组件，利用组件间的关系组织起来的一种逻辑结构。数据治理框架为利益相关群体提供了沟通的桥梁，有利于利益相关群体理解数据战略目标，促进共识的达成和政策的实施。国外学者和研究机构已经提出了不少具有代表性的数据治理框架。如Khatri等提出的数据治理决策域框架、DAMA的数据管理框架、DGI的数据治理框架、Sunil Soares提出的基于用例驱动的大数据治理框架等。国内研究者在参考国外成果的基础上，也提出了相应的框架。郑大庆等基于对大数据治理目标、权利层次、对象及范围、解决的实际问题4个维度的分析，构建了大数据治理参考逻辑框架;张绍华等从原则、范围、实施与评估三个维度提出了大数据治理框架;明欣等基于智慧城市的需求提出了一个慧城市背景下的数据治理框架。在教育领域，Sunita Bangal等基于数据治理的实施过程介绍了—个教育数据治理经验模型;Chapple介绍了圣母大学数据治理框架。包冬梅等在参考DAMA、DGI成熟体系框架的基础上，结合高校图书馆业务特点，提出了CALib（China Academic Library DG Framework）;许晓东等基于数据治理过程提出了一个高等教育数据治理的分析框架。然而正如Chapple所述“圣母大学的数据治理框架并不一定适用于其他大学”，数据治理没有通用的框架，不同领域或组织适合不同的治理框架，国内针对高校教育大数据的治理框架尚待研究。

三、高校教育大数据治理框架设计

（一）高校教育大数据治理框架设计的理论基础

权变理论（Contingency Theory）是西方组织管理学中以具体情况具体应对的权变思想为基础的一种管理理论。其核心观点是否认存在着普遍的适用于所有环境的原则，管理的效果取决于很多相互作用的内部和外部的变量，必须根据组织所处的内外部条件随饥应变。需要强调的是，权变理论不是凭直觉进行主观臆断，它是“计划”与“变化”的结合体。数据治理是一个需要平衡组织内外众多利益群体的利益诉求，需要结合组织战略目标、数据现状等多种因素，长期坚持并反复迭代优化的系统工程。基于权变观点，数据治理框架的设计既要从组织的全局出发，又要结合特定的组织环境和变化的现实情境不断调整以适应组织战略目标。

（二）高校教育大数据治理的需求分析

大数据应用的基础是对海量数据的拥有，核心在于数据的汇聚和关联。我国高校经过多年的信息化建设，围绕“人（教师、学生、校友）”“物（教学环境、资产、设备）”“事（教学、科研、生活）”投入了大量资金建设了几乎涵盖高校事业管理和发展的各类信息化系统和设备，采集和存储了大量的数据资源，然而并没有如人们想象的那样，形成有效的汇聚、共享与利用，分析其原因有助于设计切合高校现实情境的治理框架。依据Panian提出的数据治理对数据关键属性的要求，如下页表1所示，本文分析了当前高校教育大数据实践不足的原因，形成了数据治理的基本需求，如图1所示。

1.數据难以共享

首先，缺乏互通的技术基础是数据无法共享的主要原因。一是由于学校层面没有统一的规划和数据标准，早期的信息系统建设以实现业务功能为导向，底层数据结构设计混乱，大量数据在各系统中存储形式不一，由此形成了一数多源、多样多类的“数据烟囱”。二是制订了数据标准，但推广应用不力或标准不符合实际需求。其次，共享机制不畅。有些部门认为数据来源于本部门工作的积累，隐含着部门权利，出于权利本位不愿共享或者只共享无关紧要的数据;也有部门无数据积累意识，犹如“猴子搬棒子”，害怕暴露出本部门原有数据不真实、不精确引发问责而不敢共享。此外，高校信息化的推动主要依靠信息中心（网络中心），该部门在我国高校的组织结构中一般都属于直属或附属服务性质，虽然近年很多院校成立了诸如信息化建设（推进）领导小组并将该部门划归到职能机构来推动本校信息化的发展，然而并未改变信息中心的弱势地位，在推动数据共享时，其他部门（尤其是人事、财务、资产等主数据管理部门）往往借用各种理由拖延或抵制，数据共享经常处于“要”“等”状态。

2.数据质量参差不齐

在早期的业务系统建设和运行过程中，存在着软件设计不规范、数据结构设计不合理、关键数据不校验等技术缺陷;业务部门基本都是围绕各自当前业务的需求来监控和管理数据，对自认为不重要或不相关的数据缺乏管理，甚至为了工作方便，随意修改结果数据;一些需要多部门相互协作的业务系统，由于协作机制不畅，过程性数据缺失。由此造成了数据重复、数据错误、数据缺值、数据失效、数据冲突等质量问题，导致数据无法共享，无法利用。

3.数据管理权限混乱

学校内部没有一个清晰的协调机制和统一的数据管理权限体系。数据维护分散在不同技术部门和业务部门，数据修改、数据备份、数据传递、数据共享、数据公开等权限混乱，造成的数据质量、数据安全问题屡见不鲜，导致相关业务不能及时、按需获得数据支持，更谈不上支撑学校的科学决策。

4.数据生命周期管理缺失

数据生命周期包含了从数据生产、采集，到存储、转换、应用，直至归档和销毁等多个阶段。然而，业务系统的管理人员大多是相关业务的专业人才，信息化能力较弱，数据生命周期管理意识淡薄，从业务系统主管部门到学校层面也鲜有数据生命周期管理流程和制度。大量的历史留存冷数据无法被有效识别和处理，形成了“数据垃圾”，增加了数据处理的难度和成本，成为扰乱人们数据认知能力、分析能力和应用能力的“包袱”。

5.数据应用监管空白

随着大数据应用热潮的到来，隐私保护和数据安全问题也不期而至，成为大数据走向应用实践不得不考虑的问题。隐私保护和数据安全存在于数据的全生命周期中，不仅需要加密、脱敏、日志跟踪、数据审计等技术手段，更需要合法规范的管理。目前，大多数国家都制定了专门的个人信息保护法，确立了个人信息收集、使用的基本规则。如欧盟于2016年出台了《一般数据保护条例》。而我国尚未制定专门统一的个人信息保护法。在教育领域，美国早在1974年就颁布了《家庭教育权利和隐私法案》，用于保护学生教育记录的隐私权。美国前总统奥巴马曾呼吁美国政府进行新的立法，来保护学生的个人数据隐私。我国长期以来对学生隐私的保护重视程度不够，学生的身份证号、手机号、银行卡号、家庭经济情况等敏感信息经常被无意识泄露，且鲜有学校对保护学生隐私信息采取相应措施。随着近年大数据的兴起，这一问题才逐渐引起学界的关注，但相关研究十分有限，如何把握隐私保护无据可依，给教育大数据的发展造成了一定程度的困扰。

6.数据创新服务不足

数据创新服务是实现数据价值的过程。数据创新服务需要具备两个条件，一是数据服务应用接口，二是数據开放的制度规范。然而，早期建设的信息系统并不支持可供调取的数据接口，即使部分信息系统提供了一些相应的功能，但相对比较简单，不能满足数据开放的需要。开发丰富的数据开放接口，不仅涉及技术因素，还涉及数据隐私、安全等制度因素和经济因素，在一定程度上影响了数据创新服务的发展。目前，虽然有高校开放了一些数据服务应用接口，但开放范围和程度有限，并没有形成教师、学生和社会力量参与到教育大数据服务创新的环境和氛围。

（三）高校教育大数据治理框架设计

为了破解当前的数据困境，促进高校教育大数据趋于满足数据关键属性的需求发展，高校教育大数据治理不仅要从技术环境上给予支撑，从制度环境上给予保障，同时需要结合高校的数据现状和发展目标。基于此，本文借鉴现有成熟的框架，依据权变理论，提出如图2所示参考框架。该框架以获取数据价值和管控数据风险为目标，技术平台为基础支撑，标准、组织结构和政策为制度保障。具体的校本治理框架则要结合学校的数据现状和发展目标。

1.标准

数据治理的一个重要职能就是建立标准体系，标准体系是一个与数据相关的综合性体系，遵循相关标准能够使组织在处理数据事务时做到统一和规范，确保数据含义的一致性、可读性，提升数据共享和有效利用。2012年教育部颁布的教育管理信息的7个教育数据相关标准是教育数据治理的重要成果，已经成为各级各类学校建立数据标准的基础。2018年3月，全国信息技术标准化技术委员会大数据标准工作组发布大数据标准化白皮书（2018版）提出了大数据标准体系框架，该体系框架根据数据全生命周期管理，数据自身标准特点及未来发展趋势，包含了基础标准、数据标准、技术标准、平台和工具标准、管理标准、安全和隐私标准及行业应用标准七个类别标准。此标准体系框架是我国在大数据标准化方面的重要研究成果，为高校制定和完善校本标准体系提供了重要参考。

2.组织结构

组织结构定义了负责数据事务的组织架构和职责，稳定的组织结构和清晰的职责划分是数据治理工作有效开展的保障。组织结构一般分为正式的和非正式的两种。正式组织结构是为了实现组织的数据目标，经过筹划建立的稳定的工作关系形态，具有明确的职责说明和法规性质，一般通过学校正式发文的形式颁布。非正式组织结构是未经明确的筹划，由业务部门和IT部门根据业务数据的流程需要而自发形成，职责模糊，具有不稳定性。如人员发生更换，可能导致业务的中断。我国高校的数据建设通常情况下由信息中心负责，而该部门一般属于直属或者附属性质，在学校中的地位较低，在没有建立明确的与数据相关的组织结构情况下，只能依靠非正式组织关系，这种不稳定因素难以保障治理的效果和进度。因此，建立正式的数据组织结构是进行决策和推动治理实施的基础保障。依据学校的现实情境和数据工作的需要，可建立如表2所示组织结构。

3.政策

数据政策是数据战略目标实现的具体措施，包含数据来源、数据类型、数据权属的界定，以及数据治理的原则、数据生命周期的操作流程、审计与评估等内容，用以指导和规范数据治理项目的开展。根据数据战略目标的需要，数据政策可以是统一的、长期的，也可以是专题型的、阶段性的。如某高校在其数据政策中，将数据划分为人力资源域、教学资源与管理域、学生管理域、科研管理域、财务资产域、学校档案域、公共服务域和系统管理域九大主题领域。又如对学生个人信息的获取流程为：由需求部门提交所需数据项并说明用途，经部门主管审核，由信息中心主管或数据受托人批准后，数据管理员授予申请部门在一定期限内的数据查看或导出权限。

4.技术平台

技术平台位于体系框架的底部，是执行数据政策的基础支撑。随着“大数据”对“数据”内涵和外延的扩展，传统的数据技术体系需要快速的演进和升级为能够支撑大数据管理、处理及应用的大数据技术体系。根据数据的生命周期，大数据技术体系应该包含大数据获取技术、分布式大数据处理技术、大数据管理技术，以及大数据应用和服务等多个层面，如图3所示。高校应结合本校已有技术体系和发展目标，选择合适的大数据平台供应商，建立一套能够支撑数据全生命周期的数据服务技术平台。

四、高校教育数据治理的个案透视

（一）案例描述

某高校在奖学金评定改革中计划采用信息系统。此项工作由学生工作部负责，评定对象是大学二年级到四年级全体本科生，评定规则是按照学院和班级分配名额，根据综合评价绩点自动排名，在分配名额的范围内由班主任自主推荐。综合评价绩点=学业成绩平均绩点+体育绩点（二年级使用体育成绩，三、四年级采用体质测评成绩）+互评分数（班内同学互评+班主任评价+3位任课教师评价）。

依据上述的功能需求，结合该校的数据资源环境，该校信息中心研发了奖学金评定系统，数据流如图4所示。并组织了300名本科生进行并发测试和个人数据查验，基本功能和性能满足奖学金评定需求，对发现的一些小问题修复后，该系统如期上线投入试运行。

系统上线运行第二天，有100多名学生反映综合评价绩点有误。信息中心接到反馈后，对系统算法和这些学生的成绩进行紧急排查，并未发现数据读取或计算错误现象。为了落实反应问题的真实性并找到具体原因，信息中心对相关问题进行了集中收集，最后梳理出以下几个问题：（1）一部分学业成绩绩点与教务系统相比普遍偏低，主要原因是这些学生成绩中存在空值现象（没有上课，但未在选课窗口期退选，任课教师未给成绩）;（2）个别学生由于上学年度到其他学校交流学习，无体育成绩;（3）选修第二学位的学生成绩在计算时将第二学位课程纳入了第一学位课程成绩中;（4）转专业学生评定时应归入上年度所在班级中，而非转专业后的班级;（5）复员学生入伍前班级已经毕业，教务系统未推送成绩;（6）个别学生选修成绩为零，教务部门开具相关证明，此类成绩应不予计算。

（二）治理方案

基于以上出现的问题，主管信息化的副校长紧急召开了协调会，分析了问题产生的原因及面临的困难。（1）问题一、二为数据缺值，问题三、四是计算规则错误，问题五、六为数据推送和相关操作缺失;（2）教务系统只有所有课程的平均绩点，缺少除去体育成绩的平均绩点，而此次奖学金评定单列了体育成绩绩点，需要设计新的算法;（3）教务系统对学籍异动、交换学习、入伍复员及成绩空值等特殊学生的绩点计算自有固定算法。如果奖学金评定系统全部考虑以上情况，要完全理解教务系统业务规则，复杂度较高，不利于后期业务变动和扩展。

对问题有了充分的认识后，最终确定了以下方案。（1）成立由学生工作部、教务处、信息中心和大学生体质测试中心组成的奖学金评定系统工作小组。（2）学生工作部负责对各学院和学生做好宣传和解释工作，继续收集相关问题。信息中心负责数据共享与系统的整体协调工作，检查数据质量，调整和优化系统功能，保障系统的正常运行;其中奖学金评定系统只负责分项绩点的利用和总绩点的合成，不参与分项计算。教务处和大学生体质测试中心负责分项绩点的计算与推送。（3）在系统改造中产生的费用，由各部门自行承担。（4）在三个工作日内完成系统改造和相关操作。经过此次协调会，项目各方协同工作，较为顺利地完成了此次奖学金评定。

（三）案例评述

上述案例是典型的数据治理问题，涉及到多部门的协同配合，数据所属权和责任的划分，数据质量以及数据的共享流程和优化。具体而言，在数据标准方面，该校依据教育部颁布的教育管理信息标准制定了学校数据标准，依此建立了数据中心，保障了所需数据的实时获取和可读，但教务业务的复杂引起的多种数据异常并不能充分满足数据利用的需要。在组织构成和政策方面，一是该项目涉及多部门，但项目主导部门并未寻求教务部门的深度参与，导致异常数据不可理解。二是数据权属不清，学生成绩绩点数据属教务部门，在利用的过程中应只有读取权，不能再次计算。通过召开协调会，明确了各部门职责和数据权属，规范了数据流程。在技术方面，该项目获得了信息中心的全程支持，在数据处理和系统优化方面得以快速迭代。

五、高校教育大数据治理的实施策略

大数据是一个由少而多逐步积累的过程，而不是一套大数据管理平台的搭建就能简单实现的，更没有什么普适化的方法能够一下子打通所有数据实现共享和利用。数据治理的实施是一个复杂的反复迭代的过程，采取相应的策略有助于数据治理的顺利开展和目标的达成。

（一）提升数据意识，建立数据思维，营造数据环境

在世界各国积极推动大数据战略的背景下，如何推动大数据健康有序发展，抢占新一轮技术革命的制高点已成为当下各行各业关注的热点。对于大数据的认识不能仅仅停留在数据处理、数据应用的层面，更需要具有数据意识，运用数据的思维。这就要求高校的领导者、管理者和培养者从思想源头上重视数据，学习和培养“用数据说话”的意识，在决策、管理、教学、服务中運用“数据驱动”的思维，摒弃过去依赖直觉和经验的思维模式，在全校范围内营造利用数据解决问题的氛围和环境。

（二）转变信息化组织地位，加强政策支撑

信息已成为“数字土著”一代大学生的生活“必需品”，信息的准确、即时与丰富是当下大学生对学校教学、管理和服务的直观感受，也是评判学校是否保持先进性的标准之一。随着我国进入教育信息化2.0时代，信息化在教育教学中发挥着越来越重要的作用。相应地，在高校的组织架构中要提升信息化领导层和信息化部门的地位，设立大数据发展的组织结构，明确部门和人员职责。同时也要加强政策支撑，一是信息系统建设要进行集中支出与管控。学校单独设立信息化建设专项资金，各部门需要建设的信息系统由信息中心组织专家论证、审批和验收，从源头上进行管控，将新建项目纳入学校整体信息化战略。二要建立信息化建设绩效考核制度。将信息化工作纳入部门和人员绩效考核，配套绩效奖励办法。

（三）加强信息化人才队伍建设

信息化尤其是大数据是新型产业，对人才专业能力和素质要求较高。因此，既要重视专业人才引入，也要加强已有人员的培养和激励。一是加强信息化部门专业人员的能力提升;二是重视各部门承担信息化工作的人员培养;三是发挥教职工和学生的协同创新能力，设立大数据研究项目，鼓励师生和社会力量协同创新。

（四）规划数据战略目标，多阶段渐进实施

大数据的特点决定了数据价值和风险难以量化评估。因此，数据战略目标应关注其可达性，制订多阶段目标，分步实施。制订的依据一方面来自本校数据现状，另一方面来自于本校教师、管理者和学生等利益相关群体的数据需求。数据现状是制订目标的起點，利益相关群体的数据需求既是数据治理的驱动力也是目标达成的评估依据。

（五）以效益促治理，从“小”项目做起

数据治理是一项复杂的工程，需要在人力和资金方面进行大量的投入和持续的改进。因此，往往由于投入过大而在校领导或业务部门层面没有显著“效益”导致治理工作中断或失败。因此，应该选择信息化意识较强的业务部门，以局部数据“小”项目作为切入点，解决业务部门在管理和服务中的痛点，优化其业务流程，提升管理效率和服务能力，由此建立成功案例，获得领导层和业务部门的认可，激发业务主体内需，以点带面逐步推进。

（六）建立“先治理、后运行”机制

过去的信息系统建设往往都是“先污染，后治理”，各部门以业务为主导，在采购、建设和运行中缺少数据共享和管控意识，导致后期学校在整合数据时出现数据缺值、数据紊乱、数据错误、数据冲突等问题，往往耗费大量的人力和财力用于数据的清洗、转换和集成。在大数据背景下，各高校应建立“先治理、后运行”机制。一是明确校内信息系统的建设必须由信息中心进行前期审批或备案，方可采购建设和上线运行。二是在信息系统设计方案阶段，建设部门须与信息中心密切沟通，提前设计数据共享和质量管控机制，在采购方案中做出明确要求，严格按照设计方案进行系统建设;在实施运行阶段，数据中心实时监控数据流向和数据质量，及时反馈数据问题，实现业务系统与数据中心的协同一致。

六、结语

数据治理能够从组织战略目标出发，规划、指导和监督数据的定义、产生与利用，协调不同利益群体的利益诉求，为解决高校教育大数据面临的困境、推动高校教育大数据走向实践、促进数据价值实现和风险管控、提升数据服务能力提供理论依据与实践路径。本文将高校教育大数据实践困境作为数据治理的基本需求，依据权变理论，构建了一个参考性的高校教育大数据治理框架，同时提出了数据治理的实施策略，以期帮助高校和研究者更加全面、客观地分析和解决教育数据治理领域的问题。随着数据治理研究领域受到越来越多的关注，数据治理与大数据应用、大学治理的关系等问题将会成为进一步研究的热点。