CN112100258A - 终身教育大数据中台 - Google Patents
终身教育大数据中台 Download PDFInfo
- Publication number
- CN112100258A CN112100258A CN202010897083.4A CN202010897083A CN112100258A CN 112100258 A CN112100258 A CN 112100258A CN 202010897083 A CN202010897083 A CN 202010897083A CN 112100258 A CN112100258 A CN 112100258A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- management
- integration
- modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000013523 data management Methods 0.000 claims abstract description 22
- 230000010354 integration Effects 0.000 claims abstract description 22
- 239000012141 concentrate Substances 0.000 claims abstract description 4
- 238000013499 data model Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及终身教育附属装置的技术领域,特别是涉及一种终身教育大数据中台,包括数据整合模块、数据治理模块、数据建模模块和数据应用模块模块,数据治理模块通过API总线、数据共享或数据开放形式数据建模模块电连接;数据整合模块用于将所有数据进行整合合集;数据治理模块统一调用数据整合模块中的数据,把不同来源、格式以及特点性质的数据在逻辑上或物理上有机的集中,通过应用间的数据有效流通和流通的管理从而达到集成,融合关联所有数据,实现数据治理,并为数据建模模块提供数据服务;数据建模模块用于可视化构建数据模型,洞察数据,打通数据治理、标签体系和业务建模的通路;数据应用模块模块:对数据建模模块中数据进行对应应用。
Description
技术领域
本发明涉及终身教育附属装置的技术领域,特别是涉及一种终身教育大数据中台。
背景技术
2015年阿里提出了“大中台,小前台”的概念,即将业务数据化,数据业务化,真正实现数据和业务进行打通,数据中台是一个思维,一个概念,更是一种趋势,简单来说,数据中台连接数据前台和后台,突破数据局限,为企业提供更灵活、高效、低成本的数据分析挖掘服务,避免企业为满足具体某部门某种数据分析需求而投放大量高成本、重复性的数据开发成本,适用教育厅或终身教育服务中心统筹管理数据及辅助决策;
目前的数据中台无论是数据仓库还是大数据平台,里面包含了接口层数据、存储层数据、轻度汇总层数据、重度汇总层数据、模型层数据以及报表层数据等,各种各样的表有成千上万,这些表有的是中间处理过程中的,有些是一次性的报表,不同表之间的数据一致性和口径也会不同,而且不同的表不同的字段对数据安全要求级别也不同;
首先,目前的数据中台解决业务越向前越不明确,数据被业务模块割裂的问题,其次,存在数据口径不统一、数据定义不清晰、数据视角不一致以及数据对不上等问题,再次,无法满足每个岗位或应用的数据支撑,最后,数据业务价值无法全面体现。
发明内容
为解决上述技术问题,本发明提供一种终身教育大数据中台。
本发明的终身教育大数据中台,包括数据整合模块、数据治理模块、数据建模模块和数据应用模块模块,数据整合模块和数据治理模块电连接,数据治理模块通过API总线、数据共享或数据开放形式数据建模模块电连接,数据建模模块和数据应用模块模块电连接;
数据整合模块用于将所有数据进行整合合集;
数据治理模块统一调用数据整合模块中的数据,把不同来源、格式以及特点性质的数据在逻辑上或物理上有机的集中,通过应用间的数据有效流通和流通的管理从而达到集成,融合关联所有数据,实现数据治理,并为数据建模模块提供数据服务;
数据建模模块用于可视化构建数据模型,洞察数据,打通数据治理、标签体系和业务建模的通路;
数据应用模块模块:对数据建模模块中数据进行对应应用。
优选的,数据治理模块包括指标体系管理模块、计算模型管理模块、自助交互式分析模块、算法库、标签体系管理模块、全景洞察模块、精准营销模块和规则配置模块;
指标体系管理模块用于指标体系和指标的定义以及增删改查等;
计算模型管理模块用于计算模型定义和调度等配置管理等;
自助交互式分析模块用于智能报表和整合分析等;
算法库用于数据预处理、分类、聚类、关联和预测等;
标签体系管理模块用于静态标签、动态标签(算法标签)以及标签生命周期管理等;
全景洞察模块用于用户画像、商品画像和商圈画像等;
精准营销模块用于人群筛选、智能推荐和广告投放等;
规则配置模块用于业务规则配置和预警监控等。
与现有技术相比本发明的有益效果为:底层数据进行聚合后,数据仍然出于零散的状态,数据是无法直接为上层智能算法和DI应用提供对应数据的,此时需要对数据进行汇聚加工,实现数据业务化;
数据中台为数据使用者提供一站式的集成开发环境,可满足数据智能平台下,数据开发者进行ETL开发、数据挖掘算法开发、数据主题库建设等需求,数据中台作为企业数据的基础平台,面向对象从公司老板到具体一线业务人员,其数据统计、分析需求区别较大,如果每一个都定制开发,基本上是一个不可完成的任务,使用者可以通过平台选择需要的数据域和数据表,选择需要的指标、维度、过滤条件以此为基础进行统计分析;
数据治理模块通过API总线、数据共享或数据开放形式数据建模模块电连接,方便实现数据可用不可见,数据治理模块主要解决数据的分布性、异构性、有效性和及时性的问题,是个长期不断持续的过程,需要有易用的工具、长期可靠的运行环境和全面有效的监控管理共同支撑,而非可以一次性解决的,数据分析承担了数据字段和数据指标的衍生计算任务,提供可视化或者可编码的环境进行加工规则的管理和实施,将数据资产化,达到应用先行,以用带存、由存而通、因通促用的理念,实现企业数据运营,驱动业务创新,通过数据标准体系建设方法论+数据指标系统,统一数据指标口径,消除数据二义性,通过不断提升数据面向业务价值,积累沉淀业务模型,能够向上层应用提供更加智能的数据,达到能够赋予数据以业务价值,让各级用户直观的理解数据,并以此为基础向应用输出数据服务。
附图说明
图1是本发明的结构示意图;
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明的终身教育大数据中台,包括数据整合模块、数据治理模块、数据建模模块和数据应用模块模块,数据整合模块和数据治理模块电连接,数据治理模块通过API总线、数据共享或数据开放形式数据建模模块电连接,数据建模模块和数据应用模块模块电连接;
数据整合模块用于将所有数据进行整合合集;
数据治理模块统一调用数据整合模块中的数据,把不同来源、格式以及特点性质的数据在逻辑上或物理上有机的集中,通过应用间的数据有效流通和流通的管理从而达到集成,融合关联所有数据,实现数据治理,并为数据建模模块提供数据服务;
数据建模模块用于可视化构建数据模型,洞察数据,打通数据治理、标签体系和业务建模的通路;
数据应用模块模块:对数据建模模块中数据进行对应应用。
优选的,数据治理模块包括指标体系管理模块、计算模型管理模块、自助交互式分析模块、算法库、标签体系管理模块、全景洞察模块、精准营销模块和规则配置模块;
指标体系管理模块用于指标体系和指标的定义以及增删改查等;
计算模型管理模块用于计算模型定义和调度等配置管理等;
自助交互式分析模块用于智能报表和整合分析等;
算法库用于数据预处理、分类、聚类、关联和预测等;
标签体系管理模块用于静态标签、动态标签(算法标签)以及标签生命周期管理等;
全景洞察模块用于用户画像、商品画像和商圈画像等;
精准营销模块用于人群筛选、智能推荐和广告投放等;
规则配置模块用于业务规则配置和预警监控等。
本发明的终身教育大数据中台,数据资产更清晰:从宏观到微观助力、管理者全面盘点数据资产,理清战略数据资源,做到让管理者心理有数;
数据运营更高效:遵循应用先行,以用带存、由存而通、因通促用的理念,实现企业数据运营,驱动业务创新;
数据应用更智能:通过不断提升数据面向业务价值,积累沉淀业务模型,能够向上层应用提供更加智能的数据;
数据开放更简单:中台提供的各种工具产品能够极大的简化数据开放过程,缩短数据治理周期,降低数据治理成本;
数据开放更便捷:能够赋予数据以业务价值,让各级用户直观的理解数据,并以此为基础向应用输出数据服务;
本发明拟从队伍配备、经费保障、机构与平台建设、社会参与、活动开展等5个方面构建终身教育地区发展评价指标,为提升该指标精度,将上述5个方面细化并量化为12个影响因子,如表1所示;
表1终身教育地区发展评价指标影响因子及其计算方法
构建影响因子集合S如下:
S={s1,s2,…,s11,s12}
式中s1…s12为表1所示的12个影响因子,它们均可按表1所示的计算方法获得。表1所得影响因子为绝对值,不能体现不同地区之间的相对情况,因此需对其进行归一化,如下式(以s1的归一化为例):
式中wi为第i个影响因子的加权系数,它们暂取经验值{0.1,0.1,0.1,0.1,0.05,0.1,0.05,0.05,0.05,0.1,0.1,0.1}。
综上,终身教育地区发展评价指标的计算流程如下:
根据表1所示方法计算影响因子s1…s12;
根据式(1)计算各影响因子的归一化值;
根据式(2)计算评价指标。
本发明的终身教育大数据中台,在未作相反说明的情况下,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (2)
1.一种终身教育大数据中台,其特征在于,包括数据整合模块、数据治理模块、数据建模模块和数据应用模块模块,数据整合模块和数据治理模块电连接,数据治理模块通过API总线、数据共享或数据开放形式数据建模模块电连接,数据建模模块和数据应用模块模块电连接;
数据整合模块用于将所有数据进行整合合集;
数据治理模块统一调用数据整合模块中的数据,把不同来源、格式以及特点性质的数据在逻辑上或物理上有机的集中,通过应用间的数据有效流通和流通的管理从而达到集成,融合关联所有数据,实现数据治理,并为数据建模模块提供数据服务;
数据建模模块用于可视化构建数据模型,洞察数据,打通数据治理、标签体系和业务建模的通路;
数据应用模块模块:对数据建模模块中数据进行对应应用。
2.如权利要求1所述的终身教育大数据中台,其特征在于,数据治理模块包括指标体系管理模块、计算模型管理模块、自助交互式分析模块、算法库、标签体系管理模块、全景洞察模块、精准营销模块和规则配置模块;
指标体系管理模块用于指标体系和指标的定义以及增删改查等;
计算模型管理模块用于计算模型定义和调度等配置管理等;
自助交互式分析模块用于智能报表和整合分析等;
算法库用于数据预处理、分类、聚类、关联和预测等;
标签体系管理模块用于静态标签、动态标签(算法标签)以及标签生命周期管理等;
全景洞察模块用于用户画像、商品画像和商圈画像等;
精准营销模块用于人群筛选、智能推荐和广告投放等;
规则配置模块用于业务规则配置和预警监控等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897083.4A CN112100258A (zh) | 2020-08-31 | 2020-08-31 | 终身教育大数据中台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897083.4A CN112100258A (zh) | 2020-08-31 | 2020-08-31 | 终身教育大数据中台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112100258A true CN112100258A (zh) | 2020-12-18 |
Family
ID=73756988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897083.4A Pending CN112100258A (zh) | 2020-08-31 | 2020-08-31 | 终身教育大数据中台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100258A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108462888A (zh) * | 2018-03-14 | 2018-08-28 | 江苏有线数据网络有限责任公司 | 用户电视及上网行为的智能关联分析方法及系统 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
-
2020
- 2020-08-31 CN CN202010897083.4A patent/CN112100258A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108462888A (zh) * | 2018-03-14 | 2018-08-28 | 江苏有线数据网络有限责任公司 | 用户电视及上网行为的智能关联分析方法及系统 |
CN109767255A (zh) * | 2018-12-06 | 2019-05-17 | 东莞团贷网互联网科技服务有限公司 | 一种通过大数据建模实现智能运营及精准营销的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Ruithe et al. | A systematic literature review of data governance and cloud data governance | |
Zhao et al. | Risk analysis of the agri-food supply chain: A multi-method approach | |
US11461677B2 (en) | Systems and methods for data correlation and artifact matching in identity management artificial intelligence systems | |
Martinez | Beyond disciplinary enclosures: Management control in the society of control | |
CN110704572A (zh) | 疑似非法集资风险的预警方法、装置、设备和存储介质 | |
Pal | Usefulness and applications of data mining in extracting information from different perspectives | |
Martin et al. | An information delivery model for banking business | |
US11151486B1 (en) | System and method for managing routing of leads | |
Falatoonitoosi et al. | Casual strategy mapping using integrated BSC and MCDM-DEMATEL | |
CN107977855B (zh) | 一种管理用户信息的方法及装置 | |
Haldar et al. | Gender diversity in large listed Indian companies | |
CN113722433A (zh) | 一种信息推送方法、装置、电子设备及计算机可读介质 | |
US20100030596A1 (en) | Business Process Intelligence | |
Broad et al. | Understanding the marketisation of the probation service through an interpretative policy framework | |
Smith | Business and e-government intelligence for strategically leveraging information retrieval | |
CN112100258A (zh) | 终身教育大数据中台 | |
CN116821106A (zh) | 一种企业数据数字治理系统及方法 | |
Ochara-Muganda et al. | The link between the conceptualization of egovernment and its perceived impacts: An exploratory empirical study in Kenya | |
Soner et al. | Predictive Deep Learning approach of employee attrition for imbalance datasets using SVMSMOTE algorithm with Bias Initializer | |
Yang | Data visualization and prediction for telecom customer churn | |
Rao et al. | Evolving robotic process automation (RPA) & artificial intelligence (AI) in response to Covid-19 and its future | |
Vaish et al. | Business intelligence: Escalation of data warehousing and data mining for effective decision making | |
Xu | Small and medium enterprises innovation management system based on clustering algorithm | |
Varadarajan et al. | Evaluation of risk level assessment strategies in life Insurance: A review of the literature | |
Zhu et al. | Determinates of employee voluntary turnover and forecasting in R&D departments: a case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |