高校大数据平台解决方案-高校智慧校园解决方案
高校智慧校园云数据中心解决方案

分散的资源和业务驱动的服务需求
校区A数据中心
院系N数据中心
校区B数据中心
院系A数据中心
高校数据中心建设面临的主要问题
高校正渐渐成为黑客猖獗的领域之一。
环境构建复杂
新应用部署需要需要进机房,动网络,时间长新应用没有统一规划:存储、备份、可靠性拓扑结构越来越复杂,新增系统布线困难
科研创新受制
各院系各部门存在大量信息孤岛无法共享部门间信息化标准不统一,互通困难资源的总体利用效率低,平均只有约20%
…
数据融合
颠覆式演进:数据库平台变更,带来传统IT应用修改的巨大风险,部分复杂关系数据模型无法完备支持
平滑式演进:传统应用在数据库不变的前提下,采用企业级分布式存储+X86实现小型机及传统存储替换,解决数据库扩展性与并发处理瓶颈问题;针对创新应用,则可直接基于Hadoop,MPP和No SQL数据库中间件平台进行开发
应用场景及收益
特性描述
应用编排模板,支持与服务管理平台关联,发布到服务目录;应用端到端的自动化部署,支持虚机、物理机的自动化部署。支持商业平台软件,包括Apache 2.2.4、WeblogicV9.2/V10.3.5 、Oracle10gR2/11gR2 等常用软件;
基础架构
基础软件
应用
现有数据中心
应用场景及收益
特性描述
实现计算资源与业务负载之间的动态匹配。可以与现有资源池共同管理,跨资源池进行资源监控,资源调配。- 自动VM创建,新VM自动加入LB组- 支持应用虚机负载监控触发VM弹性扩展的能力;
VM
vLB
VM
NEW VM
VM
HEAT
Scale out
业务WEB组件弹性伸缩组
智慧校园大数据中心解决方案

智慧校园大数据中心解决方案技术创新,变革未来智慧校园智慧应用智慧决策深度互联智能服务全面感知智慧校园势在必行基础建设完成部分业务管理系统无线网络覆盖管理转型服务服务信息化师生办事难使用场景变化手机场景增多校园无线网络智慧化服务化移动化智慧化的一站式服务平台大数据中心解决方案大数据在校园广泛运用预测趋势竞争策略运营决策数据交易流程优化体现关联数据交换数据报告数据,是高校的战略资产。
数据的有效资产化,有利于对内实现数据资产增值,对外实现数据共享变现。
数据的价值管理或自我驱动能力分析数据后的结论知识数据驱动单个的分散的数字综合的可比较的数据需求驱动价值驱动制度化、标准化、数据化、自动化传统数据中心的问题优点:关系型数据库存储结构化数据;数据集中存储集中管理;数据库中心,应用和数据分离;提高了硬件利用率和数据安全性。
缺点:数仓建设不完善,不能全维度数据的关联,挖掘和预测分析;不支持非(半)结构化数据和实时流数据处理;随着数据规模不断加大,海量数据查询性能降低;缺少调度,任务和服务管理的引擎等;数据源财务系统教务系统图书馆系统学分系统BBS……统一数据标准体系数据分析数据共享服务平台应用集市数据区数据探索区实时数据查询区数据挖掘教室查询一卡通消费查询教学模型综合报表课程生命周期学生模型结构化主题数据非结构化数据存储区实时数据存储区教师主题学生主题监控视频学生档案照片数据……财务主题课程主题消费记录学生位置教室状态……档案数据地理信息主题数据区贴源数据区财务数据成绩数据教师信息教务数据……学生信息校长驾驶舱QQ校园号微哨APP一卡通集群管理安全体系分布式数据库机器学习大数据技术平台FlumeKafkaHDFSHiveSqoopYarnZooKeeper ZeppelinStormElastic SearchMapReduceSparkHBaseKylin数据处理数据治理离线数据数据接入实时数据数据工厂数据加工实时数据处理数据分析数据探索数据挖掘标准制定数据标准标准实施稽核任务数据质量稽核稽核报告数据全景元数据管理数据血缘数据应用数据服务API数据分析系统SDK应用门户模型生命周期管理数据转换数据探索建模优化流程化封装投产数据标准来源结构化数据区非结构化数据区教师主题学生主题监控视频学生档案照片数据……财务主题课程主题档案数据地理信息数据标准制定数据标准执行数据标准校验数据标准数据质量稽核稽核任务调度稽核报告稽核任务配置稽核规则配置告警配置问题处理元数据管理血缘分析数据共享全景视图元数据检索元数据影响分析元数据统计主数据管理数据平台数据治理数据标准质量稽核数据血缘稽核报告数据采集数据对接+pc端采集+移动端采集总体情况主题分析教师画像数据可视化自主化分析业务人员0门槛获取与分析数据自助查询数据、自助探索分析:在浏览器上通过简单的鼠标操作,完成自助式的明细数据筛选、导出,以及进行类似Excel 透视表的互动分析,满足自由钻取、同环比计算、自定义分组等灵活分析需要。
智慧校园大数据云平台建设和运营方案

03
平台可满足校园内各个部门、学院和师生的需求,提供更加便捷、高效和智能化的服务。
平台概述
01
智慧校园大数据云平台是一个基于云计算、大数据、人工智能等技术的综合性服务平台。
02
平台可提供基础设施云服务、数据存储与处理、应用软件开发与维护、信息安全等服务。
解决难点痛点
数据安全与隐私保护:制定严格的数据管理制度,采用加密、脱敏等技术手段。
大数据云平台运营方案
03
采用ETL(Extract-Transform-Load)技术,从校园各类业务系统中抽取数据,并清洗、整合为统一格式。
数据采集
制定数据标准,明确数据定义、格式和来源,建立数据质量监控和治理机制,提高数据可靠性。
预期成果包括:建设完成智慧校园大数据云平台,实现数据共享与交换、数据分析与挖掘、可视化展示等功能;制定完善的数据标准和管理制度,保障数据质量和安全;提高学校信息化水平和管理效率,优化教育教学资源配置等。
THANK YOU.
谢谢您的观看
实现数据驱动科学决策
通过大数据分析和挖掘技术,为学校管理层提供科学决策支持,优化资源配置,提高管理效能。
要点三
技术成熟可靠
01
目前,云计算、大数据、人工智能等技术已经成熟,并在多个领域得到广泛应用,技术可靠且具有可持续发展潜力。
项目可行性和优势
符合国家政策导向
02
国家对于智慧城市建设、数字化转型等方面有大力支持,智慧校园大数据云平台项目符合国家政策导向,能够获得相关政策的支持和引导。
拥有丰富的人力和资源
03
学校拥有丰富的人力资源和技术资源,可以为项目的实施提供有力的保障。
智慧校园解决方案精选全文完整版

可编辑修改精选全文完整版智慧校园解决方案•相关推荐智慧校园解决方案(通用5篇)为了确定工作或事情顺利开展,我们需要提前开始方案制定工作,方案具有可操作性和可行性的特点。
方案应该怎么制定才好呢?以下是小编精心整理的智慧校园解决方案,欢迎阅读与收藏。
智慧校园解决方案篇1系统简介:大学学院根据自身需要,校园一卡通建设的要求,该项目并采用银校企联合的模式,由学院提出总体设计需求,银行提供结算服务,系统由多个rfid硬件及一套管理软件组成。
系统组成:根据校方的管理需要,学院一卡通系统所有服务器均安装在中心机房内,发卡中心、结算中心、经营管理中心这三个通用模块分别部署在教务处和财务处,各应用子系统按应用场所不同,分别部署于食堂、浴室、图书馆、电子阅览室、教学楼、学生活动中心、体育内。
学院一卡通系统包括报到收费、发卡、圈存、结算、控水、教务、门禁、上机、查询等12个子系统。
系统的各个功能采用模块化设计,便于增加、修改,或根据用户需要进行后续升级。
系统结构图:校园一卡通系统总体架构图功能特点:1、发卡中心功能是对卡片进行印制、发放和控制管理。
包括卡注册(发卡)、注销(回收卡)、挂失(使卡不合法)、解挂(使卡合法)、换卡等操作。
并将学生注册信息与学杂费收费管理系统相结合,进行学生信息统一管理。
学院一卡通系统配置了2个发卡中心,分别部署在学校教务处两个办公室内,以在发卡量大时起到分散发卡压力的作用。
在其中一间办公室内还安装有证卡打印机,可将采集的学生信息打印到卡片上,作为学生证使用。
2、结算管理中心结算中心的主要功能分为前台财务服务和后台结算清分服务。
前台结算中心负责管理除消费外的各类持卡人账务操作,如:存/取款、补贴/扣除、余额清零等功能。
后台的结算清分服务,主要是针对一卡通系统所包含的各类结算应用子系统所产生的消费流水,进行统一清分、统一资金结算,实现一卡通系统内各个应用管理部门之间的财务转账。
学院结算中心分别设置在财务处和大学生活动中心,方便持卡人充值。
智慧校园建设方案!高校统一数据中心解决方案

智慧校园建设方案!高校统一数据中心解决方案1.项目背景随着办学规模的扩大,高校对信息化建设的要求越来越高,各种管理系统先后建成并投入使用。
在工作效率提高的同时,问题也逐渐显现:由于受系统使用或开发时间、经费、目的等限制,各部门之间的业务系统处于相互独立的状态,彼此之间不能实现数据交换,从而导致部门间形成“信息孤岛”,造成数据无法有效共享、应用缺乏有效集成以及冗余数据无法处理的现象,同时,高校信息化过程当中由于缺少行之有效的顶层设计,以及没有统一的信息化建设标准,导致各种业务系统数据不标准、不统一、质量差、冗余化。
且同样的数据在不同部门的使用过程当中产生越来越大的分歧。
因此,学校专属的信息化建设标准、可持续迭代的数据交换、共享、治理平台、可靠的本地化服务团队显得尤其关键。
因此,构建数字化校园,将全校范围内的各个业务系统进行高效整合,以实现管理的一体化和资源共享,已成为高校信息化的建设重点。
2.统一数据平台概述统一数据平台基于高校管理信息标准体系,结合考虑学校的管理业务域,构建学校的数据中心,提供数据交换平台、共享数据管理及数据服务平台,支持第三方应用系统数据集成,实现信息的顺畅交换和共享;提供基于主题的综合查询服务,并可按照学校的具体需求扩展业务主题及查询服务;提供基于共享数据的灵活报表,利用现代的数据可视化工具,可以灵活生成各类报表,为学校各级用户提供便利、多样的数据使用服务。
统一数据平台适合于各种规模、各种性质的高等院校以及其他教育管理机构。
3.技术核心ETL(Extraction-Transformtion-Loading),即数据的抽取、转换与加载,是将分散、零乱、标准不统一、码制不一致的数据整合到目标数据库中的技术。
它从各种原始的业务系统中提取数据,按照一定规则进行数据转换,最后将转换的数据按计划导入目标数据库中。
4.统一数据平台内容4.1统一数据平台架构如上图所示,各层次之间在逻辑上相对独立。
智慧校园大数据平台技术解决方案

智慧校园大数据平台技术解决方案xx年xx月xx日•引言•智慧校园大数据平台架构设计•关键技术•系统功能模块•系统优势与价值•系统实施与维护•结论与展望目录01引言智慧校园是指借助信息技术和智能化设备,将校园管理、教育、生活等各个领域进行深度融合,形成高效、便捷、安全的校园生态系统。
智慧校园具有以下几个特点:智能化、网络化、信息化、自动化等。
智慧校园的定义与特点为什么要建设智慧校园通过智能化设备和大数据技术,实现校园各项业务的自动化管理,减轻了管理负担,提高了工作效率。
提高校园管理效率提升教学质量促进科研创新增强校园安全智慧校园能够为教师和学生提供丰富的教学资源和工具,有助于提高教学质量和效果。
智慧校园能够为科研人员提供更好的数据支持和资源共享,有助于推动科研创新。
智慧校园通过智能化设备和视频监控等技术,能够更好地监控校园安全状况,及时发现安全隐患。
智慧校园的发展趋势通过对大数据的挖掘和分析,将数据可视化呈现,有助于更好地了解校园运行情况和发现问题。
数据分析与可视化通过人脸识别技术,实现智能化门禁管理,提高了校园安全性和管理效率。
人脸识别与智能化门禁通过推广电子化办公和数字化文件管理,减少纸张使用和资源浪费,有助于环保和节能。
无纸化办公与环保通过移动设备和社交平台,促进师生之间的交流和协作,增强校园社交氛围。
移动化与社交化02智慧校园大数据平台架构设计智慧校园大数据平台采用多层架构设计,包括数据层、平台层和应用层。
数据层负责数据的存储、清洗、整合和管理工作,平台层提供数据挖掘、分析、可视化等能力,应用层则面向校园各类用户提供个性化的应用服务。
架构概述数据层设计主要考虑数据来源、数据存储、数据处理和数据安全等方面的问题。
数据存储采用分布式存储技术,如Hadoop、HBase等,可实现数据的快速存储和查询。
针对数据处理,采用MapReduce等大数据处理技术,实现数据的批量处理和实时处理。
数据来源多样化,包括校园内各类业务系统的数据、校园卡消费数据、传感器数据等,需进行数据清洗和整合。
高校智慧校园大数据建设整体解决方案

汇报人: 日期:
目录
• 高校智慧校园大数据建设概述 • 智慧校园大数据平台建设方案 • 智慧校园大数据应用场景与案例 • 智慧校园大数据安全与隐私保护 • 智慧校园大数据建设实施步骤与建议 • 智慧校园大数据未来发展趋势与展望
01
高校智慧校园大数据建设概述
高校智慧校园定义
06
智慧校园大数据未来发展趋势 与展望
技术发展对智慧校园大数据的影响
01
云计算技术的普及
随着云计算技术的不断发展,智慧校园大数据将更多地依赖云计算平台
进行数据存储、处理和分析,提高数据处理效率和可扩展性。
02
大数据挖掘和分析技术的进步
数据挖掘和分析技术将不断进步,为智慧校园大数据的深度挖掘和分析
数据销毁
对不再使用的数据进行销 毁,确保数据不会泄露。
数据备份与恢复方案
实时备份
采用实时备份技术,确保数据在任何时候都可以 快速恢复。
备份策略
制定合理的备份策略,包括备份频率、备份时间 、备份存储位置等,以确保数据可以及时恢复。
恢复测试
定期进行数据恢复测试,以确保备份的数据可以 成功恢复。
数据访问控制与权限管理方案
02
大数据技术有助于实现个性化教学和科研服务,提高教学质量
和科研水平。
大数据技术能够挖掘学生和教师的行为和需求,为校园文化建
03
设提供支持,促进校园和谐发展。
智慧校园大数据建设现状与挑战
一些高校在数据采集、处理和分析方面存在瓶颈,无法 充分发挥大数据技术的优势。
一些高校在推进智慧校园建设过程中存在体制和机制障 碍,需要加强顶层设计和统筹协调。
3. 数据分析
高校智慧校园解决方案

高校智慧校园解决方案随着科技的不断发展和城市的数字化进程,高校智慧校园已经成为现代化教育管理的重要组成部分。
智慧校园以信息化技术为基础,通过物联网、云计算、大数据等技术手段,为高校提供全方位、智能化的教育管理解决方案。
本文将介绍高校智慧校园的解决方案和其所带来的益处。
1. 教务管理高校智慧校园解决方案可以有效地提高教务管理的效率和质量。
通过电子化的教务管理系统,学校可以实现课程安排、学生选课、成绩录入、考务管理等一系列教务事务的自动化处理。
这不仅大大减轻了教务人员的工作压力,还可以提高教务工作的准确性和效率。
同时,学生和家长也可以通过网络平台查询和了解各种课程信息,方便选课和学习安排。
2. 学生管理高校智慧校园解决方案可以帮助学校更好地管理学生信息和学生发展。
学校可以通过学生信息管理系统,及时掌握学生的个人信息、学业情况和出勤状况。
这有助于学校及时发现学生的问题和困惑,并提供相应的帮助和支持。
此外,智慧校园还可以提供学生评价和辅导反馈的平台,促进学生的全面成长和发展。
3. 教学质量高校智慧校园解决方案可以提高教学质量的评估和监控。
学校可以通过在线教学平台进行课堂记录和课程评价,准确地了解教学情况和学生反馈。
教师可以通过系统的评估和反馈,及时调整教学方法和内容,提高教学效果。
同时,学校还可以通过大数据分析,对教学质量和学生学习情况进行全面分析和评估,为未来教学改进提供依据。
4. 校园安全高校智慧校园解决方案可以加强校园安全管理。
通过视频监控系统和智能门禁系统,学校可以实时监控校园内的各类活动和安全状况。
一旦发现异常情况,可以及时采取措施进行处理和防范。
此外,学生个人安全防护设备的智能化管理也是智慧校园的一项重要内容。
学校可以通过设备管理系统,及时了解学生的位置和安全状态,提供及时的援助和保护。
5. 校园服务高校智慧校园解决方案可以提供更加便捷和高效的校园服务。
学校可以通过智能化的校园卡管理系统,实现校园卡的多功能化使用,如打卡、门禁、消费等。
高校智慧校园大数据建设整体解决方案

高校智慧校园大数据建设整体解决方案xx年xx月xx日contents •引言•大数据建设方案概述•高校智慧校园大数据应用场景•大数据建设面临的挑战与对策•大数据建设实施步骤及规划•案例分析•总结与展望目录01引言背景与意义信息化建设的加速随着高校信息化的不断推进,各种业务数据和交互数据急速增长,给数据处理和存储带来了挑战。
数据驱动决策的需求高校需要利用大数据技术,进行数据分析和挖掘,为学校决策提供科学依据。
智慧校园的需求智慧校园是高校未来发展的重要方向,需要大数据支持进行智能化管理和服务。
大数据与智慧校园的关联数据采集与整合通过数据采集和整合,实现全校数据的一体化,为大数据分析提供基础。
要点一要点二数据分析与挖掘利用大数据分析技术,对全校数据进行深入分析和挖掘,为学校决策提供科学依据。
数据驱动服务与管理通过数据驱动的服务和管理,提升校园的智能化水平,提高师生满意度。
要点三大数据建设目标与价值增强学校的综合竞争力。
提升校园管理和服务水平。
提高学校决策的科学性和有效性。
建设目标:构建全校范围内的大数据平台,实现数据的集中存储、整合、共享和分析,为学校决策提供科学依据。
价值体现02大数据建设方案概述采用分布式存储架构,如Hadoop HDFS或Ceph等,可实现数据的集中管理和分布式存储,提高数据可靠性和访问效率。
分布式存储架构建立完善的数据备份和恢复机制,确保数据安全可靠,可在灾难情况下快速恢复数据。
数据备份与恢复数据存储与管理数据清洗对数据进行清洗和预处理,去除重复、无效或错误的数据,保证数据质量。
数据整合通过ETL(抽取、转换、加载)等技术,将多源数据进行整合,实现数据的统一管理和访问。
数据整合与处理利用机器学习算法对数据进行分析,发现数据背后的规律和趋势,为决策提供支持。
数据挖掘通过关联规则、聚类分析等方法,从大量数据中提取有价值的信息和知识。
机器学习算法数据挖掘与分析VS利用图表、图形等可视化手段,将数据以直观、易懂的方式呈现,便于理解和分析。
高校智慧校园大数据建设整体解决方案

促进高校教育信息化发展
提高教育管理效率:通过大数据技术,实现教育管理的智能化和自动化, 提高管理效率。
促进教育教学创新:利用大数据分析,为教育教学提供个性化、精准化的 服务,推动教育教学创新。
加强学生综合素质培养:通过大数据分析,全面了解学生的兴趣、特长和 需求,为学生的综合素质培养提供科学依据。
添加标题
添加标题
科研水平提高:利用大数据技术, 提高科研数据收集、处理和分析能 力,推动科研创新
效益评估:对高校智慧校园大数据 建设在提升教学质量和科研水平方 面的效益进行评估和总结
增强高校社会服务能力与影响力
提升高校社会服务水平:通过大数据技术,高校可以更好地了解社会需求, 提供更加精准、高效的社会服务。
高校智慧校园大数据 建设整体解决方案
小无名,a click to unlimited possibilities
汇报人:小无名
目录 /目录
01
点击此处添加 目录标题
04
高校智慧校园 大数据建设方 案
02
高校智慧校园 大数据建设背 景
05
高校智慧校园 大数据建设实 施步骤
03
高校智慧校园 大数据建设目 标
06
高校智慧校园大数据建 设成果与效益
提高高校管理效率与决策水平
高校管理效率提升:通过大数据技 术,实现数据共享和流程优化,提 高管理效率
资源优化配置:通过数据分析,合 理分配教学、科研、行政等资源, 提高资源利用效率
添加标题
添加标题
添加标题
添加标题
决策水平提高:基于大数据分析, 为高校决策者提供更加准确、全面 的数据支持,提高决策水平
社会化服务:通过大数据技术,将 高校资源与社会需求进行对接,提 供社会化服务,促进社会与高校的 互动与合作。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
高校大数据平台解决方案、高校智慧校园解决方案1.项目概况近年来,随着信息技术产业的蓬勃发展,高校的信息化建设工作也受到了广泛关注。
推进高校信息化建设,打造数字化校园已成为各高等院校的普遍共识。
由于信息化建设初期缺乏统一规划,数据标准各异,业务系统各自为政,导致数据非集成化并形成了许多的信息孤岛,这使得大量数据无法共享和利用,获得更大价值。
数据共享交换平台是整个数字化校园建设的重要组成部分,利用平台对校园内散乱分布的数据进行集成化整合,同时将原来分散、利用率低下的信息资源进行数据挖掘,对于学校的发展战略和决策支持具有重要意义。
另外,数据共享交换平台的建设是高校信息化建设下一阶段——智慧校园建设的工作基础。
完成对学校内大数据有机的整合和继承管理,掌握学校各项活动中发生的庞大、海量数据,并利用大数据处理技术对这些信息资源进行挖掘、整理、分析,为学校的发展提供决策支持,是大数据时代下支撑学校改革、发展的重要手段。
2.智慧校园建设方案!高校统一数据中心解决方案平台设计目标及思路大数据时代的教育带有“大教育”的特性,具有全员(从全日制学生到全民,面向所有人)、全程(从学前教育到终身教育,服务各个教育阶段)、全方位(家庭、学校、社会三位一体教育,无所不在的教育,虚实结合的教育)等特点。
随着在线平台的推广和普及,越来越多的老师将自己的授课视频放上网。
互联网上的眼睛将使所有错误无所遁形,在无数人的编辑之下,知识传播的形式将不断优化、效率会不断提高。
在数据的不断累积当中,视频将会沉淀下来,成为经典的学习材料。
目前,建设以全局数据为基础的数据共享交换平台已成为各高校信息化建设的核心内容。
通过其建设可以有效消除信息孤岛,节约人力、物力、财力成本,提高工作效率。
各职能部处可以通过该平台获取其他业务部门的数据信息,通过对数据的交换、共享、分析、挖掘,为广大师生提供更加完善的服务,为高校建设以及科学管理提供重要的依据。
3.需求分析及概述3.1产品架构3.1.1概述教学大数据平台包含4个部分:第一部分是运维管理,包括:安装部署、配置管理、主机管理、用户管理、服务管理、监控告警和安全管理等。
第二部分是数据ETL,即获取、转换、加载,包括:关系数据库连接Sqoop、日志采集Flume、ETL工具Kettle。
第三部分是数据计算。
MPP采用分析型分布式数据库,存储高价值密度的结构化数据;Hadoop存储非结构化/半结构化数据和低价值密度结构化数据。
计算结果都存到数据仓库,数据仓库中的数据可直接用于分析和展示。
数据仓库是面向主题的、集成的、稳定的且随时间不断变化的数据集合,用以支持经营管理中的决策制定过程。
第四部分数据服务,包括:机器学习、数据挖掘、数据检索、数据可视化、即席分析、SQL和API,为应用层提供服务和中间件调用。
3.1.2数据处理对于大数据管理平台,应该建立一套标准化、规范化的数据处理流程,例如:如何采集内部和外部数据、结构化和非结构化数据;如何清洗采集来的脏数据和无效数据;如何对不同来源的数据进行打通;如何对非结构化的数据进行结构化加工;如何在结构化数据的基础上进行商业建模和数据挖掘等等。
大数据管理层在一条数据总线上构建了一条完整的大数据处理流水线。
这条流水线从数据的采集、清洗到加工处理,把原始杂乱无章的数据加工成结构化的数据组件,供上层的大数据应用来拼装调用,让企业拥有创造数据资产的能力。
3.1.3数据分层(1)ODS层:数据来源于各生产系统,通过ETL工具对接口文件数据进行编码替换和数据清洗转换,不做关联操作。
未来也可用于准实时数据查询。
(2)轻度汇总层:主题域内部基于明细层数据,进行多维度的、用户级的汇总。
(3)明细数据层:主题域内部进行拆分、关联。
是对ODS操作型数据按照主题域划分规则进行的拆分及合并。
(4)信息子层:报表数据、多维数据、指标库等数据来源于汇总层。
汇总层:主题域之间进行关联、汇总计算。
汇总数据服务于信息子层,目的是为了节约信息子层数据计算成本和计算时间。
(5)应用层:应用系统的私有数据,应用的业务数据。
精细化营销做为大数据平台的一个上层应用,由大数据平台提供数据支撑。
3.1.4数据交换没有集成后台的内容就没有所谓的一站式、个性化服务,因此后台系统的集成和互连是建立公共技术支持服务平台的重中之重。
由于公共技术支持服务平台各类应用系统在应用范围、构建方式、系统结构、数据资源等方面存在一定的差异,因此也需要建立统一的数据交换平台,采用Web Services和SOA技术,实现各业务系统之间、数据中心和开发域之间的数据交换、数据整合。
数据整合平台,可提供应用之间的信息交换,提供数据格式定义、数据转换、数据路游、业务规则定义和业务流程编辑等具体业务服务。
数据交换平台需要解决的是系统整合问题,要求系统间的异构接口、异构数据、和系统间的流程调度。
3.2数据服务与使用3.2.1ashboard-数据大展应用大数据平台Dashboard依靠不同样式的图例报表来可视化收集到的大量数据,良好的仪表板设计可以提供数据的相关性,用于帮助决策。
Dashboard需确保仪表板显示的数据相关和简洁,并且在显示方式上经过深思熟虑后用于数据大展应用。
下图是我们为东北财经大学制作的教学大数据分析平台的Dashboard页面。
3.2.2数据展现3.2.2.1学生基础分析将学生基础信息有关的数据整合并通过合理的图例进行展示,便于相关教师及学生查看和分析。
当前我们完成了近40个关于学生基础信息的图例,分别是:民族分布情况、性别分布统计、年龄段分布统计、政治面貌分布统计、违纪处分统计、户口性质比例统计、来源统计、学制统计、学历分布统计、奖学金统计、学习形式统计、状态分布、学籍状态统计、生源地统计、助学金统计、科类统计、入学年级统计、招生类别统计、招生批次统计、勤工俭学统计、入学方式统计、欠费分析/横向对比、来源学校分析、贷款统计、历年各学科学生数量、数分布统计、历年学生年龄分布、历年生源地分布、历年学生民族分布、学费减免统计、历年录取分数分析、招生计划完成情况分析、历年各专业学生数量和就业分析等。
下图将展示大数据分析平台中的部分学生基础信息图例。
3.2.2.2科研基础分析将科研基础信息有关的数据整合并通过合理的图例进行展示,便于进行整个学校科研水平的分析和研究。
当前我们完成了近30个关于科研基础信息的图例,分别是:科研机构概况统计、科研人员性别组成、科研人员年龄分布、科研人员学历组成、科研人员职称组成、科研人员民族组成、科研人员政治面貌、科研人员学位组成、科研人员类别组成、科研人员变化趋势、各机构科研成果统计、各机构成果获奖统计、经费使用分布、科研经费使用趋势、各机构排名统计、个人排名统计、进行项目预警、近两年获得省级以上的科研项目成果情况、高级人才近五年科研产出、各机构科研人员比对、各机构下项目情况和各机构人员对比等。
下图将展示大数据分析平台中的部分科研基础信息图例。
3.2.2.3教学基础分析将教学基础信息有关的数据整合并通过合理的图例进行展示,便于进行整个学校学生水平以及毕业情况的分析和研究。
当前我们完成了近40个关于教学基础信息的图例,分别是:成绩详细统计分析、各学院学霸统计分析、各学院学年总学时变化趋势、各专业中不同科目成绩排名及趋势分析、学校开设课程情况统计、网络学习统计分析、按教学课时量对教学部门排名、各专业中科目成绩排名及历年趋势、教职工教学任务统计、各院系成绩情况对比、教师数据与结构统计、各专业中不同科目挂科率排名及趋势、学生就业情况分布、学生考研情况分布、全校领导年龄分布、各专业中不同科目挂科率排名及趋势、校领导在职年限分析、教师培养培训统计、教职工教学任务统计、学生获论文奖统计分析、实践教学统计分析、专业建设统计分析、教学管理队伍统计分析、新生录取变化规律分析、学风建设统计、新生录取情况统计、不同学历的入党率分析、经费的投入与利用情况统计、教学基本设施统计、课程与教学统计分析、教育教学水平统计分析、学生就业率及其变化趋势分析、质量监控统计分析和各类学生监控报告分析等。
3.2.2.4人事基础分析将人事基础信息有关的数据整合并通过合理的图例进行展示,便于进行整个教职工基本情况的分析和研究。
当前我们完成了近20个关于人事基础信息的图例,分别是:教职工专业及科类统计、教职工人员类别统计、教职工年龄段统计、教职工职称统计、教职工民族统计、教职工性别统计、教职工政治面貌统计、教职工学历统计、教职工学位统计、教职工来源统计、教职工总量情况分析、教职工职称详细分析、教职工人事调动统计、教职工考核结果统计、教职工奖励结果统计、教职工地缘关系分析、各院系师资建设水平和教职工学院结果分析等。
3.2.2.5一卡通消费分析将校园一卡通消费信息有关的数据整合并通过合理的图例进行展示,便于进行学生消费和其他动态情况的分析和研究。
当前我们完成了近20个关于一卡通消费信息的图例,分别是:学生消费习惯分析、学生低消费预警分析、消费点统计分析、就餐学生人数统计、学生消费趋势分析、学生每餐消费额分析、学生月消费分析、学生消费按购物点排序、餐厅学生月消费分析、各购物点学生人数统计、学生就餐时间段分析、学生人均消费额分析、各卡机消费情况分析、学生消费按餐厅排序和学生一卡通充值分析等。
3.2.2.6资产基础分析将学校资产信息有关的数据整合并通过合理的图例进行展示,便于进行学校资产信息查看和管理分析。
当前我们完成了近15个关于资产基础信息的图例,分别是:资产总体基本情况、设备来源统计分析、设备类型统计、设备情况全方位统计分析、设备仪器维修统计、5W,10W,40W以上大型仪器清单、5W,10W,40W以上贵重仪器清单、对比统计全校设备价值生均投入比、分院系持有大型仪器价值横向对比、对比统计各院系设备价值生均投入比、分院系持有大型仪器数量横向分析、5W,10W,40W以上大型仪器清使用单位信息、设备购置统计和5W,10W,40W以上贵重仪器使用信息等。
3.2.2.7图书馆基础分析将图书馆基础信息有关的数据整合并通过合理的图例进行展示,便于进行图书馆藏书借书等信息查看和管理分析。
当前我们完成了近15个关于图书馆基础信息的图例,分别是:生均图书册数、按书类统计图书利用率、按借书量对各院排名、各院系专业图书馆借阅对比排名、对藏书按照图书分类进行分类统计、历年书资金投入统计分析、对藏书按照馆藏类别进行分类统计、借阅频次高的书进行排名、按书类统计图书流通率、借书高峰时借书多的书类分析、借书高峰分析、借阅人员排名、每月借阅TOP10、图书资产投入及各藏书类别占比和图书馆出入高峰期分析等。
3.2.2.8宿舍基础分析将宿舍基础信息有关的数据整合并通过合理的图例进行展示,便于进行宿舍管理分析。