教育行業-FineBI行業解決方案
時間：2019-06-28 訪問量：546
教育行業通用FineBI分析方案
教育行業大數據應用背景
2014年起，“大數據”概念首次被正式寫入《政府工作報告》。
2017年12月，中共中央政治局就實施國家大數據戰略進行第二次集體學習。
現如今，大多數高校的信息化建設已經得到全面發展。各類網絡、服務器、存儲、私有云、公共數據庫、統一身份認證、一卡通系統和內容管理系統等基礎設施都已經建設完成，大部分業務部門已經在使用信息化系統，在部門內實現信息化管理，并且產生了良好的效益。
但與此同時，教育領域的大數據應用現狀也出現了不少的問題：
1、各系統各自為政，分開建設，缺少統籌，水平參差不齊。更有部分部門信息化思維跟不上當今數據時代的發展，依舊用excel處理數據。
2、各業務系統積攢大量數據，未打通數據前數據安全難以保障。
3、各個業務系統的數據交換只能通過定制化的數據平臺進行，耗時耗力。
4、各系統平臺的數據，尤其是各個業務部門的業務數據，缺乏統一的平臺進行分析和管理，無法快速建模實現分析和展示。
教育行業大數據技術應用架構
基于教育行業目前面臨的信息化建設現狀，帆軟FineBI提供的一站式大數據分析產品及解決方案可以幫助用戶快速搭建大數據分析平臺，敏捷制作專屬分析報告，并為用戶提供靈活的交互式分析操作，在業務協作過程中快速釋放數據價值。
從源數據對接——>數據抽取轉化——>數據倉庫——>數據集市——>整合分析——>自助分析，完整的FineBI教育行業大數據技術應用架構如下圖所示：
源數據方面，整合教務系統、圖書館系統、后勤系統以及數據補錄相關的數據，然后進行數據抽取、數據轉換、數據加載的質量管理，之后將相關數據寫入數據倉庫，并且輸出到數據集市中進行數據建模，按照招生分析、教職工分析、學生成績分析、科研項目分析、圖書館分析等進行整合，通過FineBI實現基礎科目的數據可視化展示，以及各類靈活場景的數據探索式自助分析。
教育行業典型FineBI應用場景
1、高校招生數據分析
a.問題背景
在以往，教育行業如果想要對學校招生情況進行分析，在遇到一些需要進行探索式分析的場景時，會非常的麻煩：
1、為什么今年招的學生多了？去年招的學生少了？這些應如何分析？
2、某個地區的生源逐漸變少？是在哪一個環節出現了問題？是地區教育水平問題，還是地區招生名額限制導致的？
3、每年的計劃招生人數和實際錄取人數變化趨勢如何？某個學院出現相關錄取專業比例下降，問題出在哪里？
b.問題解決分析思路
針對以上問題，往往固定化報表很難完全回答全部問題，那么我們需要做的是：
1、整合以往招生相關數據，并在各流程進行數據收集，完成數據建模，通過業務包進行歸類整合。
2、通過FineBI自助數據集和分析型儀表板，對不同場景的問題進行多維探索式分析，靈活應對各類分析需求。
c.方案/指標體系
d.應用對象
高校各學院的相關招生部門。
e.成果展示和應用價值
1、通過分析對比不同區域的歷年招生情況，合理制定各個地區每年的招生名額。
2、分析相關學院專業的錄取情況，對錄取比例相對較低的專業適當提高宣傳力度，提高專業錄取比例。
3、分析相關專業的志愿等級錄取比例，不斷調整和優化招生策略，提升學校和專業吸引力度。
2、圖書館大數據分析
a.問題背景
在以往，高校管理者對公共場所的使用情況并不怎么了解，以圖書館為例：
1、圖書館借閱最多的書籍是什么？什么類型的圖書更加受到學生歡迎？會隨著時代的發展而演變嗎？
2、每個類別借閱最多的圖書分別是什么？圖書館是否有相關類別的圖書資源不足需要補充？
3、哪些學院的入館率最高？他們最愛看什么書？哪些學生入館率最高，他們最喜歡看什么書，這批學生有什么特征？
對于高校管理者而言，他們渴望了解更渴望分析，以便為優化高校公共場所的管理策略提供科學的數據決策依據，提高高校公共資源利用率，但卻無有效工具或者途徑能夠支撐。
b.問題解決分析思路
1、整合圖書館相關內部的數據，將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。
2、將數據進行合理的展示并進行分析，借助FineBI的聯動、鉆取等OLAP多維分析功能幫助回答更加深層次的問題。
c.方案/指標體系
d.應用對象
圖書館相關管理人員
e.成果展示和應用價值
1、分析不同類別、不同學院的圖書借閱情況，幫助圖書館管理人員針對性的調整書籍種類。
2、分析年度借閱量最高的學生/教師，輔助進行學生/教師評優（圖書館借閱之星）等事務作為數據決策支撐。
3、校園一卡通消費分析
a.問題背景
在以往，高校的消費數據分布極為分散，在引入一卡通之后卻沒有有效地進行高校的消費數據分析：
1、高校內各承包的食堂對師生的吸引力是否充足，每日來用餐的人數及金額究竟是多少？
2、師生在各個學校消費類別中，哪個類別消費金額最大？消費低的類別是什么，是否有什么問題導致？
3、師生的消費時間有什么規律，對應的消費類別的高峰期分別是什么時候，如何降低各個食堂窗口的排隊壓力？
以上的相關問題，在過去都無法直觀的看到并分析，更無談通過數據指引學校領導進行管理決策優化了。
b.問題解決分析思路
1、整合一卡通數據。將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。
2、通過部分指標：消費人次/金額窗口TOP10，食堂人均消費等來對食堂經營進行把控。
3、借助FineBI的聯動、鉆取等OLAP多維分析功能，幫助決策者回答更加深層次的問題。
c.方案/指標體系
d.應用對象
高校管理后勤部門
e.成果展示和應用價值
1、幫助食堂管理人員人員快速分析食堂數據，為決策優化提供依據。
2、整合并分析內外部數據，快速優化各個業務環節，提升食堂質量。
3、分析食堂各窗口在不同時間段的消費情況，通過優化相關窗口的開放時間，降低各個食堂窗口的排隊壓力。
4、高校教職工數據分析
a.問題背景
在以往，高校管理者對高校內部教職工具體情況無準確認識，即使有數據，但看表也較為頭痛：
1、高校每個月的入職、離職情況如何，什么時間是入職/離職的高峰期？
2、教職工的學歷和年齡分布如何，不同的學歷男女占比是否存在差異？
3、教職工的職級分布如何，人才引進類別是如何分布的？
b.問題解決分析思路
1、整合內部的數據。將不同系統、不同數據庫中數據整合，通過圖表加明細的方式統一展現。
2、根據不同數據的特征，將數據進行合理的圖表展示并進行分析。
c.方案/指標體系
d.應用對象
擁有權限的管理層
e.成果展示和應用價值
1、幫助高校管理人員快速獲取學校教師信息，結合FineBI的聯動、鉆取等OLAP多維分析功能以回答更加深層次的問題，提升業務數據分析效率。
2、整合并分析內外部數據，綜合分析高校的員工結構是否科學合理，對高校人事部門下一步方向有指導意義。
