上周，我們對高校信息化建設階段的3個要點進行了探討：

■第一，制定戰略目標

■第二，不要貪多

■第三，“將數據進行到底”

本周，本篇將繼續對“將數據進行到底”進行探討，并結合典型場景剖析，怎樣運用有效性要點構建高校場景化數據分析體系。

將數據進行到底
“將數據進行到底”，還意味著在數據應用中不斷迭代開發，深化應用。

對子主題橫向擴展：

結合高校業務信息平臺化建設系統，通過身份驗證的畢業生可在線進行畢業生成績打印，讓學生少跑腿，為其提供更好服務，這是從寬度上拓展數據應用。

對子主題縱向擴展：

對于學生成績管理這個主題，可以運用描述性分析看學生當期各科成績，運用趨勢分析看學生不同時期成績變化情況，運用對比分析看不同院系、班級及課程學生成績，還可以進一步進行績點預測等數據挖掘分析。

“將數據進行到底”是一個迭代循環的過程。在數據應用中結合業務情況還可以對前期定義的數據主題、數據模型及指標進行修正。

只有融入匠人般的執著精神，才能不斷深化數據應用。

從業務中來，回到業務中去：

每一個業務模型，每一項指標定義都需符合業務邏輯。找到一個異常指標點并不意味著問題的終結。我們需要讓問題回歸到業務本身，結合業務方法解決問題。

舉個例子，假設通過評教系統，我們發現某教師綜合得分低，主要是學生評教得分較低。但看到總評分甚至每一細項評分，都不意味著問題到此終結。

評分背后更深層次原因是什么？是教師教學能力退步還是其他原因？這些需要回歸至業務層面，通過進一步調研的方式才能深入了解并界定問題發生根本原因，從而制定有效的解決策略。

例：男生女生學習成績與早餐次數分布

舉例探討
下面我們以學生安全駕駛艙為例，剖析怎樣有效構建高校場景化數據分析體系。

學生安全管理無論在高教還是普教都非常值得關注。現階段主要痛點在于缺乏學生安全狀況及重點人員全面而準確的名單，難以實時監測、精準干預。

那么怎么通過數據分析來幫助解決這個問題呢？

一、制定戰略目標：

我們的目標就是要掌握一份準確而完整的學生安全名單，精準干預，減少學生實際安全問題發生。其次應用有效性要點“從業務中來”，進行學生安全問題類型定義：

我們需要預定義哪些問題是學生安全問題。結合近年學生安全事件，我們可以定義三類學生安全問題：疑似失聯、疑似心理預警及學業預警。

學生安全管理駕駛艙（永洪Z-Suite制作）

二、構建模型：

對于疑似失聯學生，可以通過學生的行為軌跡以及各方面的數據，印證構建疑似失聯學生狀態識別模型：

譬如校務系統特征M1、一卡通系統特征M2、校園監控系統特征M3、校園網絡系統特征M4，得出一個疑似失聯名單，每一個學生的疑似失聯天數，學院，輔導員及學生的聯系電話等信息。

對于疑似心理預警的學生名單，主要通過學生網絡行為如上網時長，上網網站類型來判斷；學業預警名單，通過學生的曠課行為、掛科、學分不足等情況綜合判斷。

橫向：

除了疑似失聯、疑似心理預警及學業預警三類學生安全問題，我們還可以拓展出學生“重點人群”監控，通過對他們訪問特殊網站，是否常不在校，是否辦理校外住宿等方面進行監控。

縱向：

對于疑似心理預警學生，我們還可以看學生現在成績排位和高考生源省內排位的偏離值，重點針對大一學生。

有的省份錄取分數低，原本的天子驕子進入高校后，發現自己和很多同學學業起點上實際存在較大差距，短期又難以縮短這種差距，心理上就可能出現落差甚至發生極端事件。

回到業務中去：

對于如何減少學生安全問題，在數據分析工具幫助掌握一份相對準確的名單后，還要開展細致的學生關懷工作。

譬如了解學生家庭背景、專業老師心理疏導、跟蹤學生變化情況等。結合數據分析有效性要點，構建學生安全管理駕駛艙，有助于減少學生安全事件實際發生。

數據是生產力，數據是新型生產力。從數據應用深度角度，讓數據不斷挖掘，越用越準。

查理.芒格曾言：“宏觀是我們必須接受的，微觀才是我們可以有所作為”。只有提升數據分析有效性，提升數據洞察業務精準性，數據才能為企事業單位創造更大生產力。

總結

以上是生活随笔為你收集整理的开学季，如何用数据保证学生安全？这套方案值得一看的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。