高校数据治理和全量数据中心建设 严选

服务亮点：

1    标准化数据：实现全校数据一数一源，标准统一，并推行标准落地执行措施

2    高质量数据：范围全量覆盖，来源权威可信，质量清洗提升，内容高度整合，

3    全场景支持：中间库交换，API接口调用，数据库直连，数据离线下载

4    全业务支持：共享交换，一站式服务，移动校园，统计分析可视化，数据填报，报表生成，决策支持等

服务内容

数据治理包含如下10项工作内容：

1     校级标准制定       遵守国家强制标准、参考教育部推荐标准和其他学校数据标准，引入学校已有事实标准（含元数据模型和代码集），兼顾各个标准之间的兼容性、一致性以及标准的可扩展性，并匹配学校的管理特性，确定数据子集的分类方式，建设和完善校级数据标准。制定学校自定义的编码规范并给出数据分类编码规格说明书。

2     数据调研       对学校的部门组织架构、管理机制、数据管理现状进行调研了解。对各管理部门的业务内容、组织机构、管理信息系统、后台数据库信息、数据内容和形态、供需关系、交换共享要求、数据质量问题、现有标准资源等进行调研了解并输出数据现状报告。

3     数据识别       根据数据调研的结果，梳理可用数据的来源和分布，查看实际的数据内容和质量情况。根据数据治理范围，识别出目标数据所在的库、表、字段、格式等。

4     部署软件工具       数据建模工具：基于制定的校级数据标准形成物理模型，并批量建库建表，用于后期存储治理后的成果数据。

DLF：数据湖工厂。对数据进行采集、传输、转换、处理的软件工具。

ROMA：数据开放平台，用于承载和管理治理后的成果数据，并对其进行封装、授权、管理、监控和发布。

DLG：数据湖治理。数据湖治理，提供元数据管理、数据质量管理、数据资产管理等功能，对治理成果数据进行在线化、可视化、可继承化、可管理化的运维监控。

RDS：关系型数据库平台，提供结构化数据库存储和计算引擎。

MRS：数据仓库平台，提供海量数据存储和计算架构，及流处理、机器学习、消息订阅等组件。

5     数据采集       全量数据采集，包括数据库数据、线下表格、互联网数据、日志类数据。

6     质量检查       制定数据质量规则（如非空、唯一性、长度、取值范围、枚举范围、关联一致性等）。按业务规则将质量规则绑定到字段上执行质量检查，输出数据质量报告和不合格数据，以便评估数据质量状况、定位有问题的数据进行修正处理。

7     清洗转换和质量提升    对结构性问题，如代码不一致、格式单位不一致等问题，通过批量的、规则化的转换处理，实现质量提升。

对内容性问题：如数据缺失、内容错误等问题，将问题数据和质量报告提交到数据对应的负责部门，由管理部门或数据所有者进行核实、补充、修正后，再次采集入库为有效数据。

8     成果数据生成       将各种清洗转换完成、符合质量标准的数据导入到之前已经建模完成的表格中，即形成了符合校标的、质量达标的成果数据。这是数据治理项目最重要的成果之一。

9     数据封装发布       合格的成果数据有数据开放平台进行封装、发布，通过ETL传输、API调用、数据库连接、离线文件下载等方式向各个应用系统、数据使用单位提供数据调用服务和数据共享交换服务。

交付成果：

1－校级数据标准：数据子集和元数据模型、标准代码集。

2－成果数据：学校基础数据集、学生管理数据集、教职工管理数据集、教学管理数据集、资产管理数据集、科研管理数据集、财务管理数据集、日志数据集等。

3－软件体系：PowerDesigner（数据模型管理）、华为RDS（结构化数据容器）、华为DLI、CDM（数据集成迁移）、华为DWS（数据仓库存储计算）、华为DLG（元数据、质量等）、华为ROMA（数据封装发布）。 

4－管理知识库：数据现状报告、数据UC矩阵、数据资产目录、元数据库、数据流向关系、数据质量规则库、数据质量绑定关系、数据质量报告、ETL接口映射（转换）信息等。

5－制度规范：数据标准更新发布规范、数据标准遵从规范、权威数据管理责任、数据质量保障职责、数据安全保障职责、数据开发调用规范、数据共享交换规范、数据管理考核体系等。