论文部分内容阅读
摘 要：大数据技术作为一种信息技术，已经融入到高校管理的各个方面，并对高校信息管理工作产生了直接且深刻的影响，基于大数据背景下的高校信息管理创新势在必行。本文梳理了大数据的有关概念、主要特征，并分析了大数据技术对高校管理的现实意义和风险挑战。提出了通过加强高校信息管理人才队伍的专业化建设，加强高校内部数据资源的整合与优化，加快高校管理与决策支持的信息管理系统构建，加大对于大数据问题的研究等途径实现高校信息管理创新。
关键词：大数据;高校;信息管理;创新
一、引言
当今社会已经进入了数字时代，2010年全球数据量跨入了ZB时代，在2019年便突破了40ZB，人类社会的数据规模正在呈指数级扩大。与此同时，“5G”、“物联网”、“云计算”等新兴技术迅猛发展，并与大数据相结合，对人类的社会生产及生活产生了重大且深远的影响，例如2012年，美国政府宣布启动“大数据研究和开发计划”，把大数据视作“未来的石油”，将大数据技术提升至国家意志、国家安全的战略高度【1】，数据技术已经成为改变未来生产和生活方式的重要因素，是人类社会发展的重要研究课题。
二、大数据概念
2.1 大数据定义
不同的研究机构及学者对“大数据”一词的定义不尽相同。研究机构Gartner Group给出的定义是：大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产【2】。维基百科将大数据定义为：所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到获取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯【3】。麦肯锡认为：大数据指的是大小超出常规的数据库工具获取、储存、管理和分析能力的数据集【4】。Informatica大中国区首席产品顾问但彬指出：大数据意味着包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术，按照合理的成本和时限捕捉、管理及处理这些数据集的能力。由此可见，对于大数据的定义，目前没有权威性的统一解释，但可以从以上定义中归纳出大数据的共同要素，一是海量数据、超常规处理技术以及大价值，二是无法用现有的常规技术对其进行获取、储存、管理、分析的，三是对人类社会生活、生产具有极大价值和创新意义。
2.2 大数据特征
同大数据的定义一样，不同的机构及学者对于大数据特征的观点并不相同。总结不同的研究结论，可以将大数据的特征归纳为“4V”，即“Volume”、“Variety”、“Velocity”和“Value”【5】。
Volume是指数据体量巨大且具有较强的完整性。海量数据既是大数据变革的诱因，也是大数据技术的重要特征之一，例如，2016年智利的大型视场全景巡天望远镜投入使用，其在5天之内搜集到的信息量将相当于前者10年的信息档案。此外，大数据的“大”还体现在其具有的完整性。大数据并非单点单维度的海量数据，而是多维度下的具有极强关联性的数据集合，并可以依托此数据集合实现更高精度的行为预测与分析，且这种海量数据无法使用现有的常规技术进行分析。
Variety是指数据类别多样化。随着人类社会科技的不断进步，大量的原始、半结构化和非结构化数据产生。同时，数据的格式也涵盖文本、音频、图片、视频、模拟信号等不同的类型。不仅如此，科学研究、物联网以及网络信息的发展，还使种类繁多的数据之间具备更强的关联性，进一步增加了数据的多样性。
Velocity可以理解为处理速度快，能够高速获取、储存数据并挖掘其中的有效信息。“1秒定律”指出，数据处理要在秒级时间范围内给出结果，超出这个时间，数据就失去了价值。大数据技术可以第一时间抓取到用户的搜索信息，并实时向用户推荐类似产品。因此，Velocity也可以簡单地理解为大数据能够更快地满足用户对于实时性的需求以及在海量数据交换过程中表现出的低时延特性。
Value译为“价值”。大数据的价值特征主要体现在“价值密度”与“价值大小”两个维度，即低价值密度与高绝对价值。通常而言，能够达到ZB、PB量级的数据集才会被称作为大数据，而在如此庞大的数据集中，只有少量数据才是真正有价值的，价值密度低。但是，运用云计算、智能化开源实现平台等关联技术对大数据进行筛选、整理、分析、对比，从中提取到真正有价值的信息，这一部分被提取出的信息所蕴含的绝对价值是十分巨大的，体现出高绝对价值。
三、大数据技术对高校管理的现实意义
3.1 全面提升高校信息管理工作水平
大数据技术从本质上来讲是一种信息技术，其在数据储存、集成、分析等方面带来的变革对当代高校信息管理工作有着直接且深刻的影响，具体表现在以下几方面：一是帮助高校信息管理实现智能化。大数据技术能够实现数据在更大范围内的联通与共享，凭借大数据技术，高校可以实现师生基础信息、行政数据、教学数据、生活数据、研究数据之间的互联互通，提升学校信息管理智能化水平，为师生提供更加高效、精准的管理与服务。二是增强高校信息管理响应能力。大数据技术能够高速获取、储存数据并挖掘其中的有效信息，帮助高校建立快速、有效的信息预警及响应机制，切实提升高校现代化管理水平。三是帮助高校信息管理完成从“收集者”到“分析者”的转变。在大数据时代，高校信息管理可以依托大数据技术，实现对人才培养、教学科研、师生需求等关键环节与重要领域本质特征及规律的全面探知，为学校科学决策提供有力的数据支撑。
3.2为智慧校园建设提供技术支撑
从线下的校园基础设施建设与改造，到线上的教学管理、资产管理、财务管理、就业管理等各类管理系统，都可以通过大数据技术实现互通互联。以大数据技术与云计算作为支撑，能够有效地将物理意义上的高校校园与虚拟校园相融合，建成智慧校园。因此，大数据技术是高校建成智慧校园的重要支撑，对高校的现代化治理意义重大。 3.3 提升高校管理工作整体效能
大数据作为一种技術手段，已经深入到高校管理工作的方方面面，并与高校日常管理工作紧密相连。一方面，大数据作为一种互联网技术，将许多传统管理工作中需要线下办理的业务搬移至线上，降低了时间成本，提升管理效率;另一方面，大数据技术可以有效地整合了各类管理信息平台，使海量数据互通互享，提高信息利用效率。如此，在学生排课、学生选课、绩点计算、学生综合评价等工作领域，可以用“智能计算”代替“人工运算”，促使管理工作部分领域的工作效率大大提高。
四、应用大数据管理技术面临的挑战
4.1整体规划不统一
当前，各高校普遍形成了运用大数据信息系统处理工作的意识，但客观上还存在各个部门系统相对独立，且缺少数据的流通共享，整体建设统筹欠佳。还有些系统是纯粹为了满足某些特殊需要设立，设立前、设立中、设立后都没有通盘考虑过系统与各个部门数据的接口整合问题，导致有些数据冗余，有些数据又不足，等等。总之，高校内各个系统的数据虽然庞大，但分散凌乱，数据信息的整体性不够，对于学校整体的支撑决策能力显得动力不足。
4.2 信息管理难度大
首先，在设计大数据管理系统之初就可能存在定义模糊等情况，造成数据冗余、参照错误等问题，导致后期系统使用过程中的数据不精确、维护困难等问题。其次，大数据时代的信息发布具有明显的及时性及多元性，任何人都能成为传播信息和发布信息的主体，高校不再是唯一的信息发布主体，所有机构、个人、学生都可以传递或真或假信息，更有甚者，违法人员亦可借助现代化信息传播方式散步虚假信息、负面消息，无疑为高校信息管理提出了巨大挑战。
4.3 数据利用效能低
各高校虽然已有意识将现代化信息技术应用于教育管理中，但各数据资源平台是一座座信息孤岛的现象仍较为普遍，学校的重要数据资源处于相互孤立、分散的状态，数据重复、前后矛盾等现象比比皆是;工作时未及时处理的冗余数据使数据分析变得复杂，在需要数据支撑时，调动出来的数据客观上可能存在的过期、冗余、片面等不准确因素，导致数据能提供的价值大大降低，降低了数据利用率。
4.4信息管理人才少
高校大数据真正理想的状态是将教育管理与信息使用相结合，高校的大数据信息管理人员除具备极强的数据分析能力外，还需对教学业务有一定的认识。目前，部分高校的教学管理人员对信息处理还较为生疏，有的对大数据的认识理解停留在非常基础的阶段，甚至部分人员对系统的操作使用都存在问题。高校引入的信息人员虽然懂技术、能分析提炼，但对学生选课、评奖评优等教育教学业务理解不深，在系统开发维护过程中存在短板。此外，高校信息管理是一项系统工程，还要与学校日常管理相结合。因此，从事信息管理的人员是集教育教学、专业技术和行政管理为一体的复合型人才，对高校而言较为匮乏。
4.5 信息安全体系弱
信息化管理系统以互联网为基础，保证数据安全是系统及其管理者必须具备的能力之一。实践中，部分高校因安全手段和相关措施不够到位，已经出现了信息泄露或信息被篡改的情况，信息体系面临的安全危机是各高校信息工作中的重点之一，也成为了影响与制约大数据信息管理在高校进一步应用的原因之一。
五、大数据时代高校信息管理的创新
5.1 加强高校信息管理人才队伍的专业化建设
构建高校信息管理人才队伍的路径主要有校内选聘、校外引进与教育培训。一是依托相关学科，在校内选拔优秀教师、顶尖研究人员成立专家团队。高校要加强同信息、通信、智能化等相关学科教学科研团队的沟通与联系，选拔优秀的科研工作者与教师担任学校信息管理工作专家，成立专家团队，为大数据时代下高校信息管理创新提供技术支持。二是注重人才引进，聘请校外专家组建团队。高校应当坚持“校内选拔”、“校外引进”两条腿走路，确保能够快速有效地组建一支专家化的人才队伍。三是加强教育培训。对学校信息管理专家、技术人员、行政工作人员按其工作性质与能力水平实行分类指导、分层培训;定期组织云计算、数据挖掘、数理统计等理论业务培训，不断提升高校信息管理队伍的数据意识与能力水平。
5.2 加强高校内部数据资源的整合与优化
数据资源共享与融合是大数据技术应用的重要环节，高校应当打破内部不同数据资源平台之间的壁垒，实现数据资料在更大范围内的互联互通，尤其是要整合重要领域的数据资源平台，比如学生档案系统、人事系统、教务系统、科研系统、资产管理系统、财务管理系统等。高校应当尽快实现各平台之间的数据融合，提升数据资源利用效率。
5.3 加快高校管理与决策支持的信息管理系统构建
BI系统全称为“Business Intelligence”，即商业智能，高校可以运用大数据技术，构建BI系统，以实现高校信息管理工作的创新。高校的BI系统的主要功能在于能够抓取学校内部数据资源库中的有效信息，通过大数据技术的集成与转化，最终以可视化的方式将学校师资管理、招生就业、教学资源等各方面的办学数据进行呈现，形成一个同时具备智能化、信息化的特点服务平台。同时，运用商业智能技术，对BI系统中的数据资源进行多维度、多角度、智能化分析，从而全方位了解学校的教学现状与动态，进而达到决策支持的目的。
5.4 加大对大数据问题的研究
面对数据来源的多样性导致数据的不完备性，不同组织间信息数据难以找到有效的整合方式等问题，高校应发挥在科学研究方面的优势，将学校信息管理创新中遇到的实际困难同大数据技术当前面临的问题有机结合起来，开展科研攻关，并把研究结果积极地应用到学校的信息管理创新中来，实现理论创新与实践创新协同推进。
六、结语
大数据技术在当前高校信息管理中的应用虽然面临着不少挑战与问题，但其仍是高校现代化治理体系建设与信息管理创新的重要推动力。高校应当持续深化对于大数据技术的认识与研究，致力于大数据技术重点、难点问题的科研攻关，并充分运用大数据技术实现高校信息管理创新。
参考文献
[1] 朱孔村. 大数据发展现状与未来分析[J]. 大众科技，2019（1）：116.
[2] 陶雪娇，胡晓峰，刘洋. 大数据研究综述[J]. 系统仿真学报，2013（s1）：142-146.
[3] 刘智慧，张泉灵. 大数据技术研究综述[J]. 浙江大学学报：工学版，2014，48（6）：957-972.
[4] 方巍，郑玉，徐江. 大数据：概念、技术及应用研究综述[J]. 南京信息工程大学学报：自然科学版，2014（6）：419.
[5] 曹逸知. 大数据的发展与技术应用 [J]. 通信设计与应用，2019（1）：52.
作者简介：张洁（1983—），四川成都人，电子科技大学学校办公室综合科科长，研究领域：高教管理、会计学。
宋俊宏（1991—），四川泸州人，西南交通大学党政办公室，研究领域：思想政治教育、高教管理。
基金项目：本文系电子科技大学中央高校基本科研业务费基础研究项目：基于大数据时代的高校信息管理机制创新研究（项目编号：A03018023801160）成果。
关键词：大数据;高校;信息管理;创新
一、引言
当今社会已经进入了数字时代，2010年全球数据量跨入了ZB时代，在2019年便突破了40ZB，人类社会的数据规模正在呈指数级扩大。与此同时，“5G”、“物联网”、“云计算”等新兴技术迅猛发展，并与大数据相结合，对人类的社会生产及生活产生了重大且深远的影响，例如2012年，美国政府宣布启动“大数据研究和开发计划”，把大数据视作“未来的石油”，将大数据技术提升至国家意志、国家安全的战略高度【1】，数据技术已经成为改变未来生产和生活方式的重要因素，是人类社会发展的重要研究课题。
二、大数据概念
2.1 大数据定义
不同的研究机构及学者对“大数据”一词的定义不尽相同。研究机构Gartner Group给出的定义是：大数据是指需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产【2】。维基百科将大数据定义为：所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到获取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯【3】。麦肯锡认为：大数据指的是大小超出常规的数据库工具获取、储存、管理和分析能力的数据集【4】。Informatica大中国区首席产品顾问但彬指出：大数据意味着包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术，按照合理的成本和时限捕捉、管理及处理这些数据集的能力。由此可见，对于大数据的定义，目前没有权威性的统一解释，但可以从以上定义中归纳出大数据的共同要素，一是海量数据、超常规处理技术以及大价值，二是无法用现有的常规技术对其进行获取、储存、管理、分析的，三是对人类社会生活、生产具有极大价值和创新意义。
2.2 大数据特征
同大数据的定义一样，不同的机构及学者对于大数据特征的观点并不相同。总结不同的研究结论，可以将大数据的特征归纳为“4V”，即“Volume”、“Variety”、“Velocity”和“Value”【5】。
Volume是指数据体量巨大且具有较强的完整性。海量数据既是大数据变革的诱因，也是大数据技术的重要特征之一，例如，2016年智利的大型视场全景巡天望远镜投入使用，其在5天之内搜集到的信息量将相当于前者10年的信息档案。此外，大数据的“大”还体现在其具有的完整性。大数据并非单点单维度的海量数据，而是多维度下的具有极强关联性的数据集合，并可以依托此数据集合实现更高精度的行为预测与分析，且这种海量数据无法使用现有的常规技术进行分析。
Variety是指数据类别多样化。随着人类社会科技的不断进步，大量的原始、半结构化和非结构化数据产生。同时，数据的格式也涵盖文本、音频、图片、视频、模拟信号等不同的类型。不仅如此，科学研究、物联网以及网络信息的发展，还使种类繁多的数据之间具备更强的关联性，进一步增加了数据的多样性。
Velocity可以理解为处理速度快，能够高速获取、储存数据并挖掘其中的有效信息。“1秒定律”指出，数据处理要在秒级时间范围内给出结果，超出这个时间，数据就失去了价值。大数据技术可以第一时间抓取到用户的搜索信息，并实时向用户推荐类似产品。因此，Velocity也可以簡单地理解为大数据能够更快地满足用户对于实时性的需求以及在海量数据交换过程中表现出的低时延特性。
Value译为“价值”。大数据的价值特征主要体现在“价值密度”与“价值大小”两个维度，即低价值密度与高绝对价值。通常而言，能够达到ZB、PB量级的数据集才会被称作为大数据，而在如此庞大的数据集中，只有少量数据才是真正有价值的，价值密度低。但是，运用云计算、智能化开源实现平台等关联技术对大数据进行筛选、整理、分析、对比，从中提取到真正有价值的信息，这一部分被提取出的信息所蕴含的绝对价值是十分巨大的，体现出高绝对价值。
三、大数据技术对高校管理的现实意义
3.1 全面提升高校信息管理工作水平
大数据技术从本质上来讲是一种信息技术，其在数据储存、集成、分析等方面带来的变革对当代高校信息管理工作有着直接且深刻的影响，具体表现在以下几方面：一是帮助高校信息管理实现智能化。大数据技术能够实现数据在更大范围内的联通与共享，凭借大数据技术，高校可以实现师生基础信息、行政数据、教学数据、生活数据、研究数据之间的互联互通，提升学校信息管理智能化水平，为师生提供更加高效、精准的管理与服务。二是增强高校信息管理响应能力。大数据技术能够高速获取、储存数据并挖掘其中的有效信息，帮助高校建立快速、有效的信息预警及响应机制，切实提升高校现代化管理水平。三是帮助高校信息管理完成从“收集者”到“分析者”的转变。在大数据时代，高校信息管理可以依托大数据技术，实现对人才培养、教学科研、师生需求等关键环节与重要领域本质特征及规律的全面探知，为学校科学决策提供有力的数据支撑。
3.2为智慧校园建设提供技术支撑
从线下的校园基础设施建设与改造，到线上的教学管理、资产管理、财务管理、就业管理等各类管理系统，都可以通过大数据技术实现互通互联。以大数据技术与云计算作为支撑，能够有效地将物理意义上的高校校园与虚拟校园相融合，建成智慧校园。因此，大数据技术是高校建成智慧校园的重要支撑，对高校的现代化治理意义重大。 3.3 提升高校管理工作整体效能
大数据作为一种技術手段，已经深入到高校管理工作的方方面面，并与高校日常管理工作紧密相连。一方面，大数据作为一种互联网技术，将许多传统管理工作中需要线下办理的业务搬移至线上，降低了时间成本，提升管理效率;另一方面，大数据技术可以有效地整合了各类管理信息平台，使海量数据互通互享，提高信息利用效率。如此，在学生排课、学生选课、绩点计算、学生综合评价等工作领域，可以用“智能计算”代替“人工运算”，促使管理工作部分领域的工作效率大大提高。
四、应用大数据管理技术面临的挑战
4.1整体规划不统一
当前，各高校普遍形成了运用大数据信息系统处理工作的意识，但客观上还存在各个部门系统相对独立，且缺少数据的流通共享，整体建设统筹欠佳。还有些系统是纯粹为了满足某些特殊需要设立，设立前、设立中、设立后都没有通盘考虑过系统与各个部门数据的接口整合问题，导致有些数据冗余，有些数据又不足，等等。总之，高校内各个系统的数据虽然庞大，但分散凌乱，数据信息的整体性不够，对于学校整体的支撑决策能力显得动力不足。
4.2 信息管理难度大
首先，在设计大数据管理系统之初就可能存在定义模糊等情况，造成数据冗余、参照错误等问题，导致后期系统使用过程中的数据不精确、维护困难等问题。其次，大数据时代的信息发布具有明显的及时性及多元性，任何人都能成为传播信息和发布信息的主体，高校不再是唯一的信息发布主体，所有机构、个人、学生都可以传递或真或假信息，更有甚者，违法人员亦可借助现代化信息传播方式散步虚假信息、负面消息，无疑为高校信息管理提出了巨大挑战。
4.3 数据利用效能低
各高校虽然已有意识将现代化信息技术应用于教育管理中，但各数据资源平台是一座座信息孤岛的现象仍较为普遍，学校的重要数据资源处于相互孤立、分散的状态，数据重复、前后矛盾等现象比比皆是;工作时未及时处理的冗余数据使数据分析变得复杂，在需要数据支撑时，调动出来的数据客观上可能存在的过期、冗余、片面等不准确因素，导致数据能提供的价值大大降低，降低了数据利用率。
4.4信息管理人才少
高校大数据真正理想的状态是将教育管理与信息使用相结合，高校的大数据信息管理人员除具备极强的数据分析能力外，还需对教学业务有一定的认识。目前，部分高校的教学管理人员对信息处理还较为生疏，有的对大数据的认识理解停留在非常基础的阶段，甚至部分人员对系统的操作使用都存在问题。高校引入的信息人员虽然懂技术、能分析提炼，但对学生选课、评奖评优等教育教学业务理解不深，在系统开发维护过程中存在短板。此外，高校信息管理是一项系统工程，还要与学校日常管理相结合。因此，从事信息管理的人员是集教育教学、专业技术和行政管理为一体的复合型人才，对高校而言较为匮乏。
4.5 信息安全体系弱
信息化管理系统以互联网为基础，保证数据安全是系统及其管理者必须具备的能力之一。实践中，部分高校因安全手段和相关措施不够到位，已经出现了信息泄露或信息被篡改的情况，信息体系面临的安全危机是各高校信息工作中的重点之一，也成为了影响与制约大数据信息管理在高校进一步应用的原因之一。
五、大数据时代高校信息管理的创新
5.1 加强高校信息管理人才队伍的专业化建设
构建高校信息管理人才队伍的路径主要有校内选聘、校外引进与教育培训。一是依托相关学科，在校内选拔优秀教师、顶尖研究人员成立专家团队。高校要加强同信息、通信、智能化等相关学科教学科研团队的沟通与联系，选拔优秀的科研工作者与教师担任学校信息管理工作专家，成立专家团队，为大数据时代下高校信息管理创新提供技术支持。二是注重人才引进，聘请校外专家组建团队。高校应当坚持“校内选拔”、“校外引进”两条腿走路，确保能够快速有效地组建一支专家化的人才队伍。三是加强教育培训。对学校信息管理专家、技术人员、行政工作人员按其工作性质与能力水平实行分类指导、分层培训;定期组织云计算、数据挖掘、数理统计等理论业务培训，不断提升高校信息管理队伍的数据意识与能力水平。
5.2 加强高校内部数据资源的整合与优化
数据资源共享与融合是大数据技术应用的重要环节，高校应当打破内部不同数据资源平台之间的壁垒，实现数据资料在更大范围内的互联互通，尤其是要整合重要领域的数据资源平台，比如学生档案系统、人事系统、教务系统、科研系统、资产管理系统、财务管理系统等。高校应当尽快实现各平台之间的数据融合，提升数据资源利用效率。
5.3 加快高校管理与决策支持的信息管理系统构建
BI系统全称为“Business Intelligence”，即商业智能，高校可以运用大数据技术，构建BI系统，以实现高校信息管理工作的创新。高校的BI系统的主要功能在于能够抓取学校内部数据资源库中的有效信息，通过大数据技术的集成与转化，最终以可视化的方式将学校师资管理、招生就业、教学资源等各方面的办学数据进行呈现，形成一个同时具备智能化、信息化的特点服务平台。同时，运用商业智能技术，对BI系统中的数据资源进行多维度、多角度、智能化分析，从而全方位了解学校的教学现状与动态，进而达到决策支持的目的。
5.4 加大对大数据问题的研究
面对数据来源的多样性导致数据的不完备性，不同组织间信息数据难以找到有效的整合方式等问题，高校应发挥在科学研究方面的优势，将学校信息管理创新中遇到的实际困难同大数据技术当前面临的问题有机结合起来，开展科研攻关，并把研究结果积极地应用到学校的信息管理创新中来，实现理论创新与实践创新协同推进。
六、结语
大数据技术在当前高校信息管理中的应用虽然面临着不少挑战与问题，但其仍是高校现代化治理体系建设与信息管理创新的重要推动力。高校应当持续深化对于大数据技术的认识与研究，致力于大数据技术重点、难点问题的科研攻关，并充分运用大数据技术实现高校信息管理创新。
参考文献
[1] 朱孔村. 大数据发展现状与未来分析[J]. 大众科技，2019（1）：116.
[2] 陶雪娇，胡晓峰，刘洋. 大数据研究综述[J]. 系统仿真学报，2013（s1）：142-146.
[3] 刘智慧，张泉灵. 大数据技术研究综述[J]. 浙江大学学报：工学版，2014，48（6）：957-972.
[4] 方巍，郑玉，徐江. 大数据：概念、技术及应用研究综述[J]. 南京信息工程大学学报：自然科学版，2014（6）：419.
[5] 曹逸知. 大数据的发展与技术应用 [J]. 通信设计与应用，2019（1）：52.
作者简介：张洁（1983—），四川成都人，电子科技大学学校办公室综合科科长，研究领域：高教管理、会计学。
宋俊宏（1991—），四川泸州人，西南交通大学党政办公室，研究领域：思想政治教育、高教管理。
基金项目：本文系电子科技大学中央高校基本科研业务费基础研究项目：基于大数据时代的高校信息管理机制创新研究（项目编号：A03018023801160）成果。