教育大数据分析解决方案---优秀案例_数据挖掘作业-高等教育的案例数据

​1. 主要客户及问题分析

省教育厅缺乏教学状态数据沉淀，无法利用数据来满足监管；高校上报的多份报告数据存在交叉引用，数据不准确风险。

Ø 数据沉淀不足：教育部对于高等教育基本状态数据采用高校直报方式，省厅无法获取。

Ø 手工报送：各高校数据多头填报，重复劳动，主要包括：高基表、教学基本状态、教学质量报告，牵涉协调20+业务部门和40+人参与；

Ø 信息流不清晰：多份报告数据存在交叉人工引用，例如教质量报告和教育年鉴引用高基表和教学基本状态数据。

2. 项目需求理解

省教育厅在驱动领导决策的科学化，驱动教育评价体系重构，实现提升教学水平和管理水平的新趋势下，开展省级数据中心建设，采用大数据采集分析挖掘平台，对省厅及下属学校的教育资源数据进行采集、处理、分析和管理，通过技术手段生成数据分析报告和上报状态数据到教育部，解决各高校手工填报、数据不准确等问题，并建设了全面的业务分析主题，为全省教育厅教学评估、决策支持、预警监测提供全面支撑。

3. 实施内容

项目实施以业务需求为驱动逐步建设数据中心，数据范围从高校内部数据、省厅教育基础数据库到行业数据、和互联网数据等。数据应用从数据上报到学校评估、省厅管理驾驶舱、数据挖掘和公众服务。实施内容概括为一个数据中心，两个集成（权限门户集成、上级部门系统集成），三大接口（高校系统前置接口、上级和同级职能部门数据服务接口、公共信息服务接口），四大系统（采集系统、大数据服务系统、指标管理系统、任务调度系统）。

4. 技术架构及关键技术

本项目采用我司自主研发产品进行数据的采集、建模、分析、挖掘、和应用。

数据接入引擎：支持标准的数据库规范，通过JDBC、XMLA、JAPI与底层数据库交互，支持各种关系数据库、多维数据库超快查询性能。

数据处理引擎：包含查询引擎、语义模型、跨源查询引擎、高速缓存引擎、元数据引擎等。主要负责数据加工，把原始的数据，加工成面向主题分析的业务模型；

数据分析挖掘引擎：包括报表平台、多维分析、即席查询、自助分析、自助仪表盘，数据挖掘平台。

图1：技术架构

5. 实施效果

(1) 领导驾驶舱主题

领导可以清楚掌握全省学校分布情况，学生情况，教师情况等。通过区域、国家办学指标对比来科学决策。并可点击下钻到各个区域，分析对比各个区域的学生入学情况、师资配备情况等，精准定位困难区域、困难学校，合理的资源分配，解决教育区域发展不均衡的难题。

图2：移动驾驶舱主题

(2) 财务主题分析

通过财务主题app 各级领导能够随时掌握 全省经费收入、支出情况，监控经费主要投入在哪些教育事业上，并可下钻到关注地区、和学校的了解经费支出情况。同时也能监控到关注地区、贫困单位资金拨款下达情况，做到及时资助。

图3：财务主题分析

(3) 教学质量监测主题

据全省54所学校近四年的状态数据，将对四年的状态数据进行横向，纵向对比分析，提供全省的整体概况，支撑省各高校应用，使各个高校了解自身所处的位置，进行差异化办学。

图4：教学质量监测主题

(4) 学校数据分析报告与指标解读：提供各个高校的教学质量报告和状态数据报告与解读，全面减小各高校多部门分稿带来的数据失真，利用格式化报告技术减少每年的重复劳动。通过报告解读来解读学校各项指标是否达到国家标准，省厅标准，并下钻明细数据，解读存在的问题，监管各高校合理整改。

图5：学校数据分析报告与指标解读

6. 企业简介

思迈特是国家认定的“高新技术企业”、广东省认定的“大数据培育企业”，专注于商业智能（BI）与大数据分析软件产品与服务，2017年获得“大数据百强企业”和“中国十佳商业智能方案商”称号，入选“2018中国IT生态新生力量100榜单” 、“2018中国科技创新企业100强”。思迈特软件致力于为企业客户提供一站式商业智能解决方案，通过Smartbi为客户提供报表、数据可视化、数据挖掘等成熟功能；通过Smartbi应用商店为客户提供场景化、行业化数据分析应用。欢迎有兴趣的小伙伴免费试用体验。