很多人羡慕上海财经大学在信息化、数据分析工作上取得的成效，但你是否了解他们背后的付出，经历的坎坷和应对的秘诀呢？也许这篇文章能给你答案。
以下内容节选自上海财经大学高亮老师在“高校数据治理与应用分析”特训营分享的部分核心观点。
各位老师下午好，很高兴我们相约在线下训练营分享近些年我对于数据治理和应用分析层面的认识和经验。可能有些具体情况与各高校不太相符，有问题欢迎提出来一起交流、探讨。
谈数据治理必须从数据质量、数据存储、治理结构三个层面展开：
必须优先解决数据质量的问题
首先要解决数据质量的问题，如果数据有缺失或不准确，即使做了数据呈现也是不准确的。数据质量本身是数据治理的一个技术专题，数据治理可以协同流程规范、技术手段一起做好。
数据质量提升需要管理与技术齐头并进，共同打造绿色数据生态环境。
虽然大家普遍已经认识到数据是宝贵资产，说重视但更多还停留在口头层面，数据治理想做好必须全校全员行动，重点需要把控以下环节：
第一，数据质量量化评估的纬度需要明确，可以参照以下几类：
第二，设立专人做数据治理工作，明确各部门职责边界、分工流程；
第三，在系统初期就应该制定好数据标准体系，以从源头规避数据质量问题；
第四，做好数据质量管控规范，包括：明确相关人员在数据产生、存储、使用周期中应该完成的工作，以及工作流程；辅以数据质量监控平台，检测数据质量，通过借助人工和技术手段共同完成数据整改工作。
最后，是数据安全管理，必须重视且做好安全管理和日常维护工作，保证日常维护工作的可持续性。
我们的数据可以追溯到近十年，很多数据分析靠单个业务系统满足不了需求，必须要通过交叉整合才能达到我们想要的效果，如：科研论文与职称数据的交叉分析，单纯靠人事系统或科研系统很难做到，所以这时候做好数据存储工作就显得尤为重要。
金字塔治理结构让数据治理如虎添翼
1、战略：等同于高校发展战略规划，是一个宏观性指导。
2、机制：是治理的基础保障，通过制度、流程的建设和执行得以落实；
3、专题：是数据治理的工作内容，包括数据标准、数据质量、元数据、主数据、数据生命周期等。
4、实施：数据治理是借助技术手段和管理手段来完成的。
在这里，讲几点个人体会：
1、数据质量是无底洞，够用就好。没必要追求完美，追求完美是要付出代价；
2、多使用系统、多利用数据，通过闭环来改善数据质量。我们有很多业务部门说系统不好用，数据有问题，其实系统只有越用才会越好；
3、数据质量监控只是补充手段，最好从业务系统功能层面去解决本质问题。
最后，大家如果对我们学校做了哪些数据分析有兴趣，可以大概了解下。
在应用方面我们主要分两个方向做了尝试：传统数据查询和数据挖掘分析。
（说明：以下分析展示相关数据经过脱敏处理，为演示数据，供参考）
1、教学质量分析，旨在不断提升教学质量。
2、就业分析，旨在提高学生的就业率。
3、师资分析，旨在不断优化师资结构。
4、资产分析，旨在提高资产利用率。
5、学科分析，旨在是优化学科、导师结构。
6、一卡通，主要做了卡务状况分析，后期会重点做消费情况分析。
如果你是数据分析技术发烧友，那就一定不能错过后续连载报道，敬请期待~~
