大数据视域下高校校友资源管理和利用研究

伊文斌， 傅惠鹃,2， 康忠民

（1.江西理工大学，江西 赣州341000；2.武汉大学信息管理学院，武汉 430072）

校友工作对高校和校友的发展的重要性已经被真正认识到，校友数据是校友资源开发利用的基础，它作为一种重要的学校战略资源的作用日益凸显。随着校友理论和实践工作的开展，现阶段校友理念具有广泛性、长期性、动态性、情感性的特点，这对校友数据采集的广度和分析的深度有了更高要求。随着信息化、数字化校园的建设和应用，新媒体、新平台的兴起和普及产生了校友在校期间和毕业后的学习、生活、情感、就业、工作等方面庞大的数据。这些原始数据存在着数量大且增长速度迅猛、覆盖范围广而分布零碎的特点。数据无处不在，无时不有，哪所高校校友会对校友数据采集越完整越及时，数据分析能力越强，对学校和校友的贡献度会越高。因此，如何对这些数据进行综合管理和数据挖掘，发挥数据深层次价值服务校友和学校发展是现阶段高校校友工作的一个重要课题和开拓性机遇。

一、校友工作理念变化对数据的需求

20世纪80年代开始，国内高校逐步恢复开展校友工作，在这20多年来，校友工作的理念不断变化，主要体现在以下四个层面：

（一）校友工作服务对象由精英校友转向大众校友

校友工作在起步阶段，或者在相当长的一段时间内都只关注于功成名就的校友，因为他们对于学校发展的作用极为显性。2003年，清华大学校友总会在修改章程中增加了“服务广大校友”，并强调更多地关注年轻校友发展状况[1]，这一理念已经得到了高校校友会的普遍认同。目前高校校友数量少则十万，多则百万，服务范围扩大增加了校友数据采集和分析的体量。

（二）校友工作由结果导向转变为过程导向

重在校友对学校单向反哺的观念已经逐渐淡化，现在校友工作强调学校对校友情感培育。校友身份是从在校生转变过来的，毕业生在校经历直接影响毕业后对母校态度。因此，校友情感培育应该由毕业后转向入学时，重视校友历史活动轨迹，追踪校友成长的动态过程，打造全时间线的校友大数据。影响学生对学校满意度的重要指标是学生感知质量：主要包括校园环境、后勤管理、医疗服务、心理健康、师资水平、教学资源、教学管理、学生管理、个人发展、深造、就业情况[2]。这一转变增加了数据的采集时空跨度，通过对学工、教务、图书馆、后勤、学院等多部门数据的综合数据分析，预测校友的捐赠意愿。

（三）校友捐赠关注点由捐赠额度转向捐赠率

在国际大学排名评价体系中，校友捐赠是一项重要的评价指标，它不仅包括捐赠额还包括捐赠率。校友捐赠率（可称为校友参与率）以每年捐赠校友人数占校友总人数的百分比进行计算，捐赠率越高说明校友对学校的感恩度、认可度和热爱度越高，同时反应学校人才培养质量。《中国教育报》2016年11月8日载文，指出“校友捐赠率”是对大学更好的褒奖[3]。U.S.News&world report报道，2013—2015年，美国大学校友捐赠率平均为53%，普林斯顿大学达到63%[4]。国内高校校友捐赠率要低得多，但高校已经逐渐认识到校友捐赠率的重要性，清华大学提出要力争在清华大学建校百年时，校友捐赠率达到30%[1]。维持较高捐赠率是提升校友捐赠额度和持久度的核心[5]，这就需要对校友捐赠活动如“微捐赠”进行数据分析，从而更好地开发和推介特色捐赠项目，提高捐赠率。

（四）校友与母校的联系通道由线下转向社交媒体和平台

高校校友工作充分认识到了社交媒体的重要性，利用微信、微博、QQ、知乎、贴吧等校友使用频繁的新媒体平台与校友保持联系，维系情感交流。新媒体技术的快速发展使学校和校友沟通渠道多元化，同时给予了一个了解校友对学校发展和校友工作的关注度、态度、情感和行为倾向的机会[6]，但网络舆情具有广泛性、难辨性和隐蔽性，需要对数据如转发、互动等行为进行深度挖掘。每一次校友大规模捐赠活动成功开展是校友心理活动的使然，而且是可以通过大数据去预见的。

校友观念的转变，是一种从定性到定量，研判到预判的过程，校友数据不再是直接存在的数据，而是需要从海量数据中经过提炼并分析得来的结果，这样的获取方式体现了大数据的思想。校友数据的特征与大数据的4V特征基本相符：（1）数据体量大（Volume），校友从入校到毕业后，在网络上产生的数据量大并且与日俱增；（2）数据类型多样（Value），校友数据不仅包括结构化数据，更多的是半结构化和非结构化数据，文本、图片、视频、音频、地理位置信息等多类型的数据，其中个性化数据占绝对多数；（3）数据价值密度低（Value），从海量数据中发现有价值的数据难度大，犹如大海捞针；（4）数据处理速度快（velocity），需要对新产生的数据进行快速分析。

二、校友数据管理和利用存在的困难

（一）数据共享程度低，“数据孤岛”和“数据割裂”现象严重

数据共享问题是校友工作者现阶段面临的最大难题。这里的“数据孤岛”是指高校信息化建设过程中产生的在功能上不关联互助、数据不共享互换以及业务流程应用相互脱节的信息管理系统[7]。校园信息化是个逐步发展的过程，学校各个职能部门都建立了分散开发和引进应用系统，而这种系统并没有考虑数据标准和信息共享问题，这对校友资源的整合产生了很大障碍。这里的“数据割裂”是指高校内各部门因为利益、制度以及工作性质等因素而导致的数据不能互联互通的现象。学校层面没有统一的、强力的数据共享政策和管理模式，联动机制并未建立，各部门彼此独立性强，数据在纵向交换和共享工程中缺乏内在动力。校友系统无法与招生就业、学工、科研、图书馆、后勤、财务等系统进行数据集成，造成了校友身份信息不对称、校友档案不完整局面，阻碍了内在关联性、规律性的发现，数据价值无法实现。

（二）人员不足，结构不合理，数据人才缺失

以江西的15所院校为例，有2所院校仅有1名，5所院校有2名，5所院校有3名，3所院校有4名专职校友工作者。校友数量却在逐年以万增加，“一对多”的模式使大多数校友工作人员只能疲于完成事务性工作，随着对校友工作广度和深度的提高，工作人员倍感压力。***在实施国家大数据战略进行第二次集体学习中指出 “善于获取数据、分析数据、运用数据是领导干部做好工作的基本功”，但从调研中显示三分之二的领导不具有数据意识，九成以上的领导不具有数据能力。工作人员中具有数据学、统计学、计算机科学等学科背景的只有3位，对技术的不了解限制了工作人员的思维，无法从大数据角度改变校友数据管理和利用模式。

（三）社交群剧增，数据碎片化

校友社区名存实亡，校友参与度和活跃度低，难以达到联系校友，获取校友信息的目的。与之相反，微信普及率超过75%，用户粘性不断上升，重度用户显著增长，这催生了各种地域、行业、专业、班级、兴趣爱好等主题的校友群体，将传统的校友组织、校友群体拆分得零散、多变。通过微信群、朋友群和公众号的有效结合，可以及时地了解校友信息。社交媒体的去中心化，使校友与母校之间、校友之间沟通畅通了。校友工作者参与的校友群少则几十个，多则上百个，而且呈不断上升的趋势。随着沟通渠道的畅通，校友对于校友工作者的及时反馈和服务提出了更高的期待和要求。此外，保持校友群活跃度，以及网络数据的收集、整理和分析也是校友工作者面临的难题。

三、校友数据资源管理与利用的思考

随着大数据时代的到来，信息开放走向了数据开放，大数据分析技术不断涌现。虽然学者们对大数据概念没有一个系统、统一的定义和理论，但并不阻碍对它的研究，因为如何使用大数据才是关键问题[8]。大数据不仅意指数据体量，而且意指利用多维的、立体的数据获取信息，以数据为基础进行分析，并做出决策[9]。校友信息化是管理工作的一次飞跃，校友数据化将是又一次飞跃，要实现这个目标，需要管理方法、人员和技术有所改变。

（一）在学校战略层面对数据建立统一规划和管理，建设公共数据平台成

高校数据开放建设可以借鉴政府数据开放平台建设的模式，如贵州市政府的“聚通用”平台[10-11]，推动校园系统数据聚集融通。第一阶段，“聚”即打造学校数据“云上平台”。建设一个数据集聚、共享、开放的平台，各部门除非特殊情况，不再自建机房、不再购买服务器等硬件设备，学校数据统一存储到云上平台，在平台层面，考虑数据引导、数据获取、数据应用、互动交流、界面体验和安全设计。

第二阶段，“通”即统一数据开放的标准。开放数据是指可被机器读取，能够再次开发利用的原始数据，目的是为了增加价值[12]。根据政府开放元数据标准[13]，建立高校开放数据元数据的标准，分为核心字段和扩展扩充字段，见表1。

第三阶段，“用”即学校监督和激励各部门、学院和教师对数据共享和使用。从示例来看，一方面校友会可以直接从开放数据平台中直接获取本科生就业情况，而不需要向招就部门多次求取，校友会可以利用这些资源为区域、行业校友会年度招新工作服务，然后再结合区域、行业校友会的信息更新数据，从而了解校友所在区域、所属行业，工作变动等情况，预测校友捐赠能力。另一方面，校友会在招聘前期将更新的区域校友数据上传至平台，招就处可以根据这些数据运用于招生就业中，院系可以利用这些数据寻找科研合作机会、学生实践基地等工作。教师可以通过数据平台寻找企业合作对象，在校学生可以通过数据了解学长学姐，寻找实习和就业机会。只有立足数据开放，通过有效的机制不断强化数据开放驱动力，不断完善数据共享模式，才能实现数据资源开放利用的良性循环。

表1 高校开放数据集元数据标准

（二）配备数据人才，提高人员数据素养

数据加工和分析能力越来越重要，可以采取在编、返聘、借调、独立聘用的方式配备数据人才。数据能力应该作为校友工作人员考核的一项考核指标，江信昱和王栢第提出了面向层次的大数据分析分类框架，从统计、挖掘、发现、预测和集成5个层面归纳了17种大数据分析的方法[14]，校友工作者可以在工作实践中尝试运用相关技术以了解校友成长规律和校友行为模式，从而为校友工作和学校发展决策服务。此外，可以加强与专业数据公司的合作，如个推大数据中心通过浙江大学在120周年校庆上校友线上、线下行为分析了校友属性特点、生活形态和行为特征，并以可视化方式呈现[15]，这样的数据分析可以让学校领导直观了解校友对母校的关注度、在校活动时间、校友区域分布、校友兴趣偏好。数据分析是为了预测，这些数据将为以后的大型活动策划提供决策依据。

（三）运用传播理论，积极发挥校友组织建设、校友联络员和学校老师的作用

重视区域、行业校友组织的发展建设，发挥校友联络员作用收集校友网络平台和校友联络数据。了解APP采集范围和通讯机制，提取关键信息，对关键信息进行标准化自动回复，并对校友工作变动、需求等主动抓取。研究发现，影响校友群活跃度的因素有话题共识、社会结构和现实关系[16]，这就需要形成以校友、校友联络员、老师和校友工作者为核心的聊天结构，经常以共同校园生活、母校热点等增强群里人员的共同感知，保持活动度。数据开放平台可以通过社交网络插件，利用微博、微信、QQ空间等平台，实现隐性数据显性化的过程，不断地扩充和完善校友信息。如中南大学校友会通过嵌入微信的社汇平台开展线上活动，通过报名和活动参与信息采集数据。校友会还可以尝试直接发起校友信息收集活动，通过 “所有人面对所有人”的多元非线性结构转发链接，大范围收集数据，通过技术对接，数据自动汇集并更迭到校友数据库。

四、结 语

校友工作理念变化凸显了校友数据的重要性，从中分析内在关联和潜在价值，并预测校友行为成为校友工作的主要方向。高校校友工作面临的诸多困难，大数据可以帮助学校发现校友诉求和需求，进而开展精准的传播和服务，从而增强校友与母校的联系，实现双方的共同发展。整合的、连接的大数据才更具价值和意义，因此高校应该重视校内数据共享以及社交媒体数据获取，从而增加校友数据的完整性、多样性和及时性，最终为校友工作决策提供有效支持。校友会作为校友工作的主要部门，关乎校友工作的成败，校友工作人员就有应该具有强化数据的意识和应用数据的能力，促进数据分析技术在工作中的应用，通过数据去发现校友成长成才规律、捐赠率影响因素、校友需求、传播规律等，从而服务学校、服务校友。

高校针对校友工作理论和实践的研究由来已久，从“是什么”到“如何做”，从概念探讨，重要性论证到校友工作的信息化、数据化。相信随着校友工作人员对大数据技术的认识，将会有更多关于大数据方面的应用探讨和实践。

参考文献：

[1]王霞.我国知名高校校友工作特色调研报告——以清华大学、浙江大学、四川大学校友会为例[J].成都大学学报(社会科学版),2017(1):96-102.

[2]何源.大学生满意度测度模型及其实证研究[J].高教探索,2011(2):34-40.

[3]中国教育报.校友捐赠率是对大学更好的褒奖[EB/OL].(2016-11-08)[2017-12-02].http://paper.jyb.cn/zgjyb/html/2016-11/08/content_465782.htm?div=-1.

[4]U.S.News&world report.10 universities where the most alumni donate[EB/OL].(2016-10-18)[2017-12-02].https://www.usnews.com/education/best-colleges/the-short-list-college/articles/2016-10-18/10-universities-where-the-most-alumni-donate.

[5]莫蕾钰,洪成文.精英校友捐赠对大学财政支持的思考[J].高校教育管理,2016,10(4):57-65.

[6]黄小燕.网络舆情分析:面向政府的决策情报服务[J].现代情报,2012,32(3):42-45.

[7]郭晓明,张巍,刘化总.浅议高校数字校园中的信息集成[J].中国教育信息化,2015(7):62-64.

[8]涂新莉,刘波,林伟伟.大数据研究综述[J].计算机应用研究,2014,31(6):1612-1616，1623.

[9]祝智庭,沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究,2013,34(10):5-13.

[10]黄明峰,刘军,靖剑波.贵阳市政府数据开放平台设计与实现[J].电信科学,2017,33(9):136-147.

[11]闵捷.聚通用:让数据“活”起来[J].当代贵州,2016(50):36-37.

[12]张毅菁.从信息公开到数据开放的全球实践——兼对上海建设“政府数据服务网”的启示[J].情报杂志,2014(10):175-178.

[13]赵蓉英,梁志森,段培培.英国政府数据开放共享的元数据标准——对Data.gov.uk的调研与启示[J].图书情报工作,2016,60(19):31-39.

[14]江信昱,王柏弟.大数据分析的方法及其在情报研究中的适用性初探[J].图书与情报,2014(5):13-19.

[15]浙江大学.浙江大学120周年校庆校友画像[EB/OL].(2017-05-25)[2017-11-20].https://baijiahao.baidu.com/s?id=1568337950717568&wfr=spider&for=pc.

[16]禹卫华.微信群的传播分析:节点、文本与社交网络——以三个校园微信群为例[J].新闻记者,2016(10):61-65.