大数据在高校信息化建设中面临哪些问题？

大数据在高校信息化建设中面临哪些问题？高校信息化建设是一项涉及面广、业务技术性强、建设周期跨度较大的系统性工程，必须按照顶层设计的思想，树立全局思维，尤其强调整体层面的统筹协调，注重多部门协同联动，才能构建一套科学性和可行性俱佳的有效路径。大数据技术是高校信息化建设中重要的一项技术，但是在实际的运用中经常遇到一些难题，导致高校信息化建设速度变缓。

大数据在高校信息化建设中面临哪些问题？
 

大数据在高校信息化建设中面临的主要问题：
1、数据融合的可行性
大家都知道，数据不融合就发挥不出数据的潜在价值，高校大数据面临的一个重要问题就是数据融合。作为高等院校，大数据的融合应该走在前列，必须彻底打通数据孤岛，将各个业务充分整合。然而，由于传统的业务系统缺乏长期规划，采用的技术包罗万象。据调研发现，目前高校所采用的数据库包括Oracle、Sybase、Microsoft SQL Server、Mysql、Visual FoxProd等。有些学校或部门甚至没有数据库，而是采用Excel管理数据。在这种基础上实现数据的有效融合，形成高质量的大数据，对于融合技术是一个重要的挑战。
2、数据源的可用性
关于大数据的一个普遍观点是，数据自己可以说明一切，数据自身就是事实。但实际情况是，若是不仔细甄别，数据也会欺骗，就像人们有时会被自己的双眼欺骗一样。高质量数据的获取是确保信息可用性的重要前提。高校数据的来源多种多样，包括各职能部门的基本业务数据、教学资源的多媒体数据、使用网络的行为数据、无线网络感知的位置数据等。数据模态千差万别，如关系数据、标量数据、图数据、流数据、XML数据、矢量数据等。既有重复性数据，又有冗余性数据，质量参次不齐，加工整理困难。这些校园化数据是否可用给大数据在高校中的推进带来极大的挑战。
3、数据挖掘的复杂性　
大数据分析无疑是整个大数据时代的核心所在，因为大数据的价值就产生于数据分析过程中。在高校大数据的应用中，无论是做个性分析还是舆情预测，都需要构建特定的挖掘模型。教育行业因为其特殊性，传统的分析技术如数据挖掘、机器学习、统计分析等并不能完全满足高校大数据分析的需求，因此，需要在数据预处理、算法模型、评价指标等方面做出调整。当然，数据挖掘的复杂性，不仅是高校大数据所面临的挑战，也是整个大数据领域的巨大挑战。
4、数据分析的持续性
教育的规律有时很难理清，成功的个体也未必能够简单复制，评价教育本身的指标都有一定程度的缺陷，需要几年甚至更长期的监测和不断的更正。因此，高校中的大数据分析，不仅仅是横向的对比，如职能部门间、兄弟院校间，更需要纵向历史数据的对比。无论是数据收集、数据清洗还是数据挖掘的模型，都需要随着每天产生的大量详实而琐碎的数据信息进行调整和修正，这也是一个不小的挑战。

上述关于大数据在高校信息化建设中面临的难题，是很多高校正在经历的。所以政府鼓励校企合作，早日解决这些问题，早日实现校园信息化，方便学校的管理。