在移动互联时代，数据获取方式发生了革命性的改变，数据的积累给规律探究和决策制定提供了第一手资料。呈几何级数增长的数据已成为新的资源，其价值将逐步被发掘，我们进入了大数据时代。大数据技术为校园信息化的发展带来了新的动力，从数字校园到智慧校园，以人为本的服务理念被提到了新的高度。以大数据技术为背景，从基础平台建设，业务、数据整合，数据挖掘应用三个方面，展望高校信息化建设前景。
引言：从互联网时代到移动互联时代，信息获取和交流的主要方式从PC端过渡到智能移动终端；信息架构从传统的C/S和B/S模式，蜕变成智能移动终端/云计算服务端。新的数据采集方式和共享模式，使数据的产生量以几何级数剧增，数据的价值得到了前所未有的发掘，大数据开启了一次重大的时代转型。
在教育信息化领域，随着“以人为本”服务理念的深入人心，数字化校园正逐步过渡到智慧校园，校园信息化正从传统的管理型向服务型转变。数字化是智慧化的前提和基础，而智慧化必须介入智能的数据处理和分析工具。大数据技术的发展，给智慧决策和知识挖掘提供了新的工具。全面的校园数据，正需要大数据这一强有力的工具，优化分析校园服务的各个环节。
在智慧校园建设的新阶段，校园信息化将以无线网和物联网为主要载体，计算和存储从服务器端向云端过渡。使各类信息服务高度整合和共享，一站式体验更为流畅。在大数据分析的技术框架下，整合校园业务，积累业务数据，开发数据应用。使大数据技术和智慧校园建设充分融合，建立人性化的校园信息服务体系。
智慧校园基础平台建设
2008年IBM提出以新一代信息技术应用为基础的“智慧地球”概念，而其应用在高校信息化领域，便形成了“智慧校园”的雏形。关于智慧校园，并未形成统一的定义，一般认为智慧校园是高校信息化发展的新阶段，是数字化校园的扩展和提升。它基于移动互联、大数据、云计算、物联网等新兴技术，以提供一站式、个性化的校园服务为目标，使校园的数字空间和物理空间有机融合，如图1所示，形成高效、共享、灵活、易用的智慧化服务和管理新体系。
图1 智慧校园示意图
由此可见，“智慧”的目标是“持续地改进服务”。智慧校园相对数字校园，在教、学、研和管理等校园生活的方方面面更强调服务的个性化、精细化和动态性。而智慧是建立在一套有效的数据收集和分析机制之上的。因此，智慧校园的标志性模块有：以智能移动终端、无线网、物联网为代表的数据采集系统，校园三大平台和非结构化数据(日志、监控、社交等)相结合的数据交换和分析系统。智慧校园建设主要有如下几个方面：
(1)完善无线网络构架，提高无线网络的稳定性和安全性。
拓展校园WLAN覆盖范围，提高网络的承载能力，加强认证和安全管理，为数据的采集和交换提供安全、稳定的网络基础。
(2)完善三大平台，打通数据孤岛，建成结构化数据的采集和交换中心。
应用统一的校园数据标准，加强各业务系统的数据集成；建立完善的数据采集和维护管理机制；从多业务系统的单点登录过渡到数字身份的高度集成。保障校园数据采集的便捷性、有效性和及时性。
(3)规划数据获取终端，整合现有的系统监控和日志资源，构建有特色的校园社交生态。
优化“一卡通”系统，在实现“多卡统一”的基础上，使“一卡通”成为物理人员和数字空间的重要桥梁；规划电控、水控、门禁、环境检测等数据采集终端的接口标准和空间分布；整合现有的网管系统、网络流控系统、安防系统和标准化考场监控系统等数据和日志资源，并结合微信、微博、帖吧等公共社交平台，和校园app平台，打造数据中心之外的半结构化和非结构化数据交换中心。
以数据为核心的校园服务碎片化
“智慧校园”以提高“服务”质量为目标，而好的服务体验往往与个性化、便捷、高效相联系。以数据为核心的校园服务碎片化理念，将很好地解决传统校园业务系统在提升服务上的问题。所谓“服务碎片化”，就是对现有的校园业务流程和数据流进行梳理，对原有业务系统进行横向整合，在业务逻辑上呈松耦合，强调一个应用(称之为app)只完成一件事务。如职称评审app，(见图2)呈现给教职员工的是完成一次职称评审的完整流程，包含相关表格填写、资料上传以及评审进展查询等，教师只要按照引导逐步完成即可。而其后台可能涉及人事、教务、科研等业务系统的数据更新和审核。碎片化服务对用户了业务系统，只有事务的概念，大大提升了信息系统的用户体验和使用效率。
图2 碎片化服务app示意图
数据是信息化建设的核心资源，是信息服务得以推行的基础。碎片化的前提是灵活、标准化的数据接口，因其把传统的校园业务系统透明化处理，而前端app直接和后台数据接口相联系。这就需要在数据定义时，规范每个数据项的UC矩阵，并尽可能消除冗余数据项。碎片化服务具有快速开发的特性，有利于校园数据质量的持续改进。在灵活数据接口的基础上，校园的数据填报和采集将变得非常容易。例如教学工作量采集，根据教务、科研、学工、产学研等部门的数据接口，可以快速生成数据采集app。基于数据中心的可靠性，很多数据段可以自动生成，而用户只需更新部分内容就可以完成一次大规模的数据采集，这无论在输入端和审核端都大大降低了教职员工的工作量，其数据流示意图如图3所示。
图3 App数据流示意图
改进校园数据交换中心设计，使之适应碎片化数据服务接口，是数据层的工作重点。在数据接口的设计中，引入三层设计原则：①个人查询。使个人用户在权限范围内，便捷地查询和修改相关信息，及时获取校园资讯；②院系部门统计。院系部门能对各自关心的数据进行收集、统计与分析，便于了解本部门运作情况，及时制定合理措施；③校级辅助决策。校级范围内更强调整体数据的报表呈现和信息挖掘，为校级决策提供依据。
校园数据应用
数据应用是“智慧校园”的有机组成部分，也是“智慧”的重要体现。随着校园数据的积累，通过大数据分析获取事物规律改进校园服务的能力也进一步提升。无论在个人、院系以及校级层面，大量信息模式的获取，可用来指导具体工作和决策。常规的校园数据应用有如下几个方面：
1.生源数据分析
根据各地区新生的报到率和在校的学习表现，调整生源地分布和招生策略。在分析过程中针对省内生源，可以把生源地分析粒度缩小到县、镇甚至校级；外省生源可以把分析粒度扩大到省甚至大地区。并根据分析结果指导招生部门开展考前宣讲、优惠政策制定等，以提高学校的生源质量。
2.就业数据分析
通过对学生专业分布和就业数据的分析，了解各专业在校学生的结构分布以及毕业生的就业动态，并探索建立合理的信息共享模式，使用人单位和我校有更流畅的信息交流。也可以建立毕业生的职业数据跟踪，更好地引导在校学生的就业分流，发挥优秀毕业生对在校学生的职业指导作用。使学校制定的就业政策能及时反映就业市场需求，提高毕业生的社会竞争力。
3.校园分析
根据WLAN接入分布、信息流量分布的空间特征，结合安保系统的监控信息，对全校范围内的热点区域和热点事件进行实时跟踪和预警。也可以根据信息点接入数量和流量的实时数据，调整局部网络结构和流控策略，以提高用户的网络使用体验，充分利用有限的网络资源。
4.一卡通数据分析
通过对一卡通消费数据的分析，分析学生的日常用餐和生活消费模式，为勤工俭学、贫困生资助、奖学金和助学金发放等提供数据依据，确保各项补助尽可能合理地发放。可以对学生的消费模式(消费时间、消费内容)进行分类。和健康数据相结合，为师生提供个性化的健康饮食建议；和教学数据结合，探索生活模式和学业成绩的相关度。
5.教学数据分析
在教学数据中，通过教室安排和排课系统，对全校的教室和实验室资源进行统计分析，为今后教务处的排课优化提供参考；通过对教务和学工系统数据的集成，对学生到课率和选课信息进行跟踪统计，建立起缺课预警通知系统，为部分经常旷课、迟到、早退的学生，及时提供告警或其他信息反馈，引导学生顺利完成学业。也可以对学习表现(到课率、课堂表现等)和学业成绩进行相关度分析，以帮助各专业识别关键课程甚至关键课时，及时改革课程设置，提高教学的有效性。
6.上网行为分析
通过对网络流控数据和访问数据的分析，追踪不同用户的上网习惯、访问内容、软件使用等。协助发现校园流行趋势、技术动态和热点事件，以及对可能存在的病毒和舆论事件进行控制和预警。也可以和学业成绩、健康数据进行相关度分析，以便学校开展适时的培训和指导，引导学生形成健康的网络使用习惯。
7.图书借阅数据分析
通过对图书借阅和电子阅览室使用数据的分析，了解学生的阅读模式和阅读频率，以及对数字资源的内容需求，为调整图书的类型和改进阅读服务提供依据。可以对学生阅读内容、阅读数量、借阅习惯和学业状况、能力表现进行相关性分析，以便更好地引导学生的书籍阅读和书籍推荐。
结束语
智慧校园围绕着数据的采集、数据分析和数据应用展开。在大数据应用的过程中，也存在着众多问题。①数据的采集和管理机制问题。对于源数据的录入和审核是保证数据有效性的前提，而数据安全和隐私保护也需要合理的管理机制。②数据源问题。数据应用需要较大规模的数据基数，否则会造成模式挖掘的偶然性。数据的完整性不够，或者错误数据的存在，可能造成无效的模式挖掘。③挖掘模式的验证问题。通过数据挖掘的模式不一定都是有价值的，有的甚至是错误的，这需要加以严格的理论分析和实践论证，唯数据论并不可取。
总之，目前大数据的研究和应用还处于初步阶段，但很多专家学者都对“大数据技术”寄予厚望，甚至认为这将拉开“数据技术”时代的帷幕。“智慧校园”是校园信息化建设的新方向，大数据分析作为“智慧校园”的关键技术，将对提升校园服务、改进校园管理产生深远的影响。
