隨著越來越多的大學將數據視為負責任的戰略規劃和計劃的關鍵，許多人都意識到：有些數據比其他數據更好 - 糟糕的數據可能比沒有數據更糟糕。
根據最近的一份白皮書，超過6個高等教育機構正在考慮啟動校園數據分析計劃或已經有這樣的計劃。
大多數人認為他們可以從數據中獲得的見解對提高運營效率至關重要，但越來越多的人也使用數據和分析來幫助推動學生的成功。在所有這些舉措中，參與數據管理和利用的人員都依賴于相關性和可靠性。
但是，數據治理的這一部分 - 數據質量的保證 - 對于任何機構來說都是一個困難的命題。鑒于可用數據的數量和種類繁多，如何才能知道什么是好的，什么不是？
專家說，答案涉及多管齊下的方法，包括部署專門工具以簡化數據收集，并通過專業支持和培訓致力于最佳實踐。
在2018年關于高等教育數據治理的研究中，Cary Jim和Hsia-Ching Chang寫道，數據質量是“數據驅動決策過程的基礎”。
作者指出，數據必須是“真實和值得信賴的”，或者“輸出會產生誤導和無效。”這里概述了許多大學在轉向分析時所面臨的數據質量問題，并仔細研究了它們的可能性。解決。
高等教育中的數據質量問題
也許機構反復面臨的最大數據質量挑戰與大量潛在數據源有關。
無論他們是否正在運行數據分析計劃，大學都會收集有關任何事物和數據的數據，從學生人口統計到校內和校外住房，再到影響整體績效的各種業務變量。
正如圣母大學的
商業智能經理Chris Frederick 在2018年與EdTech的問答中解釋的那樣，“如果你問我們有多少學生，不同的小組可能會給你五個不同的答案。”
弗雷德里克說，這些團體都必須“在同一頁面上”，以確保他們“ 從我們都信任并同意的來源工作 ” ?！?
說明類似的觀點，教育咨詢公司EAB描述了它認為僅在學術方面的主要數據質量挑戰。
其中，該公司報告說，個別教師的責任，教授和部門代碼過時或混亂，以及機構記錄課程部分最大容量的方式不一致，是不準確的表格。
例如，最后一個問題可能導致課程部分填寫率的錯誤計算。EAB表示，這反過來可能導致盈余部分，導致“資源浪費”。
更多來自EDTECH：了解大學如何解決數據分析程序的復雜性。
高等教育數據治理可以解決數據質量困境
據IBM稱，高質量數據包括四個“ 關鍵屬性 ”：
完整性：必須從所有可能的來源鏈接相關數據。
準確性：數據必須正確且一致，例如沒有拼寫錯誤。
可用性：數據必須按需提供。
及時性：當前數據必須可用。?
由于大學和大學處理如此多的數據，大多數人選擇實施數據質量工具 - 參見Gartner的2019年頂級供應商魔力象限 - 通過數據清理，匹配，監控和其他方式實現大部分質量保證流程的自動化。
除了可用的IT解決方案之外，最可靠的數據質量保證途徑通常還包括教育和協作的結合。
例如，在普渡大學，其機構研究，評估和有效性辦公室建立了幾個致力于高等教育標準和數據治理的委員會，甚至還設立了一個數據質量小組委員會，專注于尋找數據質量問題的解決方案。
在Vanderbilt大學，他們依賴“自動數據質量流程”，包括識別數據輸入錯誤的IT系統，所有數據問題最終都由其機構數據治理團隊解決。
據該大學稱，該團隊的使命是“ 建立數據治理政策，程序，標準和指南 ”，以最大限度地提高范德比爾特數據的價值。
就其本身而言，EAB 建議 IT專業人員和教師共同制定政策和流程，推動大學實現更好的數據管理。
該公司表示，數據治理應屬于兩個主要群體的范圍：高管的“優先級委員會”，以及代表該機構各部門的“以定義和訪問為重點的技術專家和數據保管委員會”。
要求所有利益相關方在數據治理中發揮作用，它和業內其他人建議，很快那些嘮叨“數據質量問題”的人將成為機構發展的機會。
（部分內容來源網絡，如有侵權請聯系刪除）
