您当前位置:best365体育官网登录入口 >> 信息技术中心 >> 网络安全 >> 浏览文章 |
大数据时代高等学校资产管理信息系统建设研究 【网络安全】 加入时间:2017年12月18日 信息来源:不详 作者:admin 访问量: |
摘要:大数据时代正处于不断发展之中。对大数据时代的数据理念进行理性分析,把握大数据时代思维方式变革,已成为当前高校资产管理工作需要深入思考并切实贯彻的重要战略课题。本文以吉林大学资产管理为例,探讨如何以新的策略来应对大数据时代对高校资产管理工作所提出的挑战。 “大数据”一词的直接来源非常新,一般都追溯到2012年2月13日The New York Times网站上所刊出的一篇题为“the Age of Big Data”(作者是Steve Lohr)的专栏文章。Steve Lohr在文中称:大数据时代已经降临,在商业、经济及其他领域中,决策将不再基于经验和直觉,而是日益基于数据和分析。[2]所谓大数据,是指数据规模巨大、类型繁多、更新速度极快的数据库。[3]大数据的基本要义有二:一是数据为大量数据集合,其规模已达到无法在一定时间内用常规软件工具对其内容进行提取、管理、分析、处理和应用;二是提取、管理、分析、处理和应用这些数据有赖于新的技术体系。[4] 维基百科也对大数据做出了一个描述性定义:“巨量资料(Big Data),或者大数据,指的是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撷取、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。”[5]大数据是一个宽泛的概念,但所有定义毫无异议地均突出了“大”这一重要特征。这种“大”不仅体现为数量上的“大规模”,更体现为数据应用的“大价值”。大数据一般来说有“4V”特征,即Volume(容量)、Variety(种类)、Velocity(速度)和Value(价值)。 1.数据总量增长迅速(Volume) 数据量大是大数据的基本属性。根据IDC的定义,大数据的数据量至少要有超过100TB的可供分析数据。数据规模激增的根本原因是当下的用户已经习惯于通过网络来获取和共享大量数据,从而导致存储数据的总量持续增长;其次是人们获取数据的能力不断强化,对数据的精度和维度的要求也大大提高,这使网络所提供的数据更接近事物的本来面目、更接近真实的纷繁世界,但这必然同时强化了数据的复杂性和多样性,从而令数据总量大大增加。另一个导致数据量增长的主观原因是人们处理数据的方法和理念已发生根本改变。随着技术的发展,在许多应用领域,单一维度的取样已经满足不了不同人群不断提出的多样化、细致化需求,为使处于使用状态的数据总量可以带来更高的精确性,从而能够全方位、多角度地解释事物的复杂属性来满足人们的要求,纳入处理范围的数据总量势必显著增多,这就在客观上导致样本数目的总存量持续逼近原始的总体数据。[6] 2.数据类型多样(Variety) 大数据关注包含大量细节信息的非结构化数据。数据类型繁多、复杂多变是大数据的重要特性,这与从前的结构化信息时代存在着显著的差异。结构化信息所强调的是大众化、标准化的属性,这使结构化数据的复杂程度多呈线性增长,新增的数据可以通过常规技术手段进行处理。因此,事先定义好的结构化数据尽管数量庞大,但却可以不考虑其中的细节,仅仅抽取其中的有用信息即可满足多方的基本需求。然而,非结构化数据却并不存在统一的结构属性,因此在记录数据数值的同时,还必须做好数据结构的存储工作,这就在根本上大大增加了数据存储、处理的难度。在大数据时代,工作、生活中的各种半结构化、非结构化数据已渐成主流数据。据不完全统计,非结构化数据量已占到数据总量的75%以上,其增长速度比结构化数据平均要快十到五十倍。[7] 3.数据处理速度迅速(Velocity) 数据动态采集技术的飞跃实现了海量数据的实时采集、传输,同时还实现了按不同主体的需要提供交互式、实时或准实时数据分析的任务,主体因此可以迅速了解变化的环境,获得所需的知识和信息,从而基于相应的处理结果做出准确而合理的应对策略。这就要求大数据平台必须能够在1秒钟内乃至更短的时间内形成主体所要的数据处理结果,否则所形成的处理结果就是过时和无效的。可见,大数据要求数据的快速、持续的实时处理,同时这种要求还呈现出不断增强和多样化的态势,这一点构成了与传统的数据动态处理技术的本质不同。 4.数据价值密度低(Value) 数据价值密度低是大数据时代非结构化数据的重要属性,也是大数据的数据呈现方式所导致的严重问题之一。在常规情况下,为了获取未经对事物进行抽象、归纳等处理的全部细节,从而保证为新产生的应用提供足够的有效信息,大数据所提供的数据引入策略允许直接采用全部原始数据,然后再从这些数据中可以分析更多的信息。然而,这种引入方式却会导致大量冗余信息和错误信息的引入,因此相对于结构化信息时代,大数据价值密度偏低。这就造成一方面数据的绝对数量激增,一方面数据包含有效信息量的比例不断减少。主体如何发挥主观能动性,采用合理方式有效地从低密度的数据中寻找有价值的数据,是当前必须着手解决的重要问题。 大数据时代是高校资产管理工作的宏观时代背景,但深入探讨如何转变工作方式,积极应对大数据时代的挑战,从而做好资产管理的优化工作,还必须密切结合当前高校资产管理的实际建设需求与新型建设目标,更有针对性地采用全新的信息系统架构与技术手段来采集、存储并分析数量巨大的数据。 二、高校资产管理系统的常规建制及大数据时代的新型建设目标 1.高校资产管理系统的常规三级单位管理建制及其具体分工 高校资产管理系统一般实行三级单位管理建制,不同层级单位的具体分工不同,从而实现有效的分工协调。现以吉林大学资产管理系统的基本构架为例来说明。 一级管理单位为资产管理与后勤处。该级管理单位主管全面工作,具体负责资产的全面综合管理、公文(合同)的全面综合管理以及总体的经营效益分析管理等宏观层面的工作。 二级、三级管理单位为控股公司(经营公司)和控股公司下的三级单位。该级管理单位负责与资产经营有关的监控和管理工作,所负责的基本任务为本级单位的资产管理、本级单位经营效益分析管理、相关公文(合同)管理和三级单位上报企业报表(包括资产负债表、利润表、现金流量表)等事项。 2.大数据时代高校资产管理系统的新型建设目标 在大数据时代,高校资产管理系统的常规建制及其具体工作任务变得更为繁杂,因此,如何处理好来源分散、格式多样的总数据,从而更好地实现及时、高效的管理工作,便是新时期高校资产管理系统的建设目标。具体来说,要力争借助大数据支撑技术,通过对一级单位、二级单位、三级单位资产信息系统等网络载体的管理,做到全面掌控高校各部门相关的资产管理情况,实现对高校各部门资产管理最新动态的及时把握,进而做好应对各方事件的准备。 要想实现这样的目标,高校资产管理系统必须能够对已获取的海量网络信息中那些与高校各部门资产相关的信息进行动态分类采集、智能化分析,从而实现对资产流失、突发事件和重大公共事件信息的发现乃至预期。为此,必须利用新技术手段,打造起高校资产管理系统“云平台”。 三、高校资产管理系统“云平台”架构 1.高校资产管理系统总体架构 高校资产管理系统“云平台”是通过虚拟化技术[8],在物理服务器的基础上搭建若干虚拟机,部署相应的应用服务器、数据库服务器,并基于NAS[9]、IP SAN[10]、FC SAN[11]等技术构建其虚拟化存储体系,在云端存储所有的应用数据。通过云平台的管理套件与虚拟服务器可以实现存储资源的定制化、可计数、动态分配和使用,并在此基础上搭建网络资产管理系统应用。吉林大学高校资产管理系统“云平台”的总体架构分为四层,具体情况如图l所示。 四层架构的设计能够保证资产管理与后勤处对其运营全程监控,与此同时,通过各个架构独立运行与平台系统整合,还可以把所有资产管理使用单位链接为一个有机整体,不同层级的架构既可以遵照权限运行属于自身的模块,也可以利用部分共享模块。但各层架构之间又具有相对独立性,从而保证了有关信息不会随意跨越层级流通。 2.“云平台”的四层架构的具体内容 (1)第一层为校资产管理与后勤处。 资产处所安装的各种数据设备如图1所示。该层的资产管理平台包含所有分校区和子公司的全部模块,赋予资产处统筹全局的权限,相关负责人可以查看并享有处置分校和旗下公司资产的完整权限,还可通过设定管理权限来管理下属子公司和部门。简言之,资产处既可以自行完成资产的分类、编码、建库、盘点以及清查等工作,也可以通过管理平台来完成资产的管理。此外,这一层级还配备了独立于所有模块的资产信息交互平台,该平台用于完成校区内资产与各项资源的信息交互、资产上报以及校内资产交易等重要事宜。 (2)第二层为数据服务器、应用服务器、内网交换机、外网交换机以及局域防火墙等。 该层结构通过防火墙和权限设置来完成安全工作。其中,数据服务器完成数据的存储、调用、更新等工作,它采用集群配置,但存储则采用阵列配置,因此可以满足数据安全要求;应用服务器能够脱网工作,整个系统则既可以在网络上运行也可以在校园网上运行;应用服务器的内部安装有吉林大学资产管理数字平台软件组,里面包含资源交互网站。 (3)第三层为经营性单位和控股公司服务器。 该层服务器安装有完整的平台软件组,但仅享有部分软件界面的应用权限和资产录入盘点权限,以及有限的访问和部分资源交互权限。上述权限可以满足相关使用者完成资产的日常管理需要和上报工作。 (4)第四层为配有服务器的吉林大学各分校区系统。 本层级的服务器也安装了完整的平台软件,可以满足独立运行,但与第三层级的服务器一样,处于这一层中的系统同样仅享有被赋予的相关权限。 可见,四层架构的构成方式能够保证资产管理与后勤处对其运营全程监管,并有效实现了各个层级之间的分工协作。但四层之间的分工协作则必须在“云平台”所搭建的软件架构中才能实现。 3.吉林大学高校资产管理系统“云平台”软件架构 该“云平台”的主要构成有:资产数据库、资产信息交互平台、各校区固定资产管理、各流动资产管理、经营机构资产管理、控股公司资产管理、无形资产评估立项、资产核算报表管理以及资产安全管控等9个门类,另外还配有独立的平台系统维护界面。 4.高校资产管理系统数据库的日常功能 (1)用多样性的分类法灵活地实现对资产盘点与管理。 具体有按校区划分库资源、按类别划分库资源、按时间划分库资源、按科系划分库资源以及按管理划分库资源等分类方式。不同的分类方式意味着对不同资源流动渠道的掌控方式不同。 (2)采用智能输入与快捷查询并举的措施来扩大资产日常管理。 采用二维码输入、智能填写基本信息、批量填写同类资产等智能输入方式,联合采用关键字查询、区位查询、二维码扫描查询等支持用户进行快速查询,同时还建立新型平台以支持无线查询。这些措施使不同层级的管理者更为便捷地将资源录入系统,缩短数据处理时长。 (3)重视输入查询权限的设置,强化保密安全。 采用多种新技术来保证数据交互稳定、数据交互速度以及数据安全,并建立退出数据自动恢复功能,从而更好地支持校园网络平台资产数据信息交互工作。同时,系统还支持数据的自动更新和大数据长期保存,以确保重要信息长久保存、存储过程中不丢失。 (4)强化多样存储能力。 建立专业的存储系统,从而支持多格式图片的存储,同时还支持合同、票据、账单的存储。多样存储能力是有效利用云平台强大的信息存储能力的重要途径。 (5)建立起庞大的信息交互平台。 建立强大的资产信息交互平台,为各种资产的交互与各类型新资产的供需信息和查询提供便捷的渠道。庞大信息交互平台的建立是发挥主体能动性的关键,也是真正将云平台利用起来的关键。 (6)完善固定资产的日常管理功能。 “云平台”可以实现对资产进行快速清查,准确率高而劳动强度低。根据实际工作流程,我们利用已有的固定资产数据资源和网络资源来管理各级采购部门(或使用部门)对于固定资产的录入、验收、审核、记账等工作,完成固定资产报增手续,还实现了定时定点的以账对物、以物对账式的资产清查。此外,在云平台上还可以方便地生成各类查询表格,其工作流程简单、直观而个性化。 (7)不断更新流动资产管理功能。 针对流动性资产的特点,建立专门的管理平台进行单独管理与监控,与此同时,还在实际工作中不断实现平台及其功能的升级换代。唯有如此,才能紧跟技术发展,充分发挥整个系统对资源的管理。 (8)日常经营机构资产管理。 实现对经营管理机构的资产清查、重大资产实时监控管理和其他经营性资产的预算管理、实时运营监控、重大事项监管等重要职能。 (9)单独的大控股公司资产管理。 大控股公司是高校经营性资产的重要组成部分,必须设立独立的资产管理平台。除比照一般性经营资产的管理方式进行常规的清查、管理与运营监控外,在该云平台上,我们还针对大控股公司资产的特点,专门去强化风险提示项,如项目风险、大额支出、重大事项以及危险资产报警等等。 (10)专门的无形资产评估立项。 针对无形资产的特点,设定专门的评估平台,对科研成果、专利技术、师资队伍软实力、科研实验室整体能力等进行评估与推广,同时还用新技术支持实验资源和教学资源的共享与计价。 (11)各种资产核算报表管理。 专门管理各级企业的资产负债表、利润表、现金流量表,以及相关的折旧表和采购单等等。 (12)全面资产安全管控。 实现对固定资产、流动资产以及投资公司的全面安全管控,对下属公司及控股公司的资产抵押、担保、处置等情况进行控制,并根据情况的变化增设相应的审批查询流程,设定重要资产进行定期风险评估与提示功能,从而实现资产投资的风险评估控制。 (13)生成各种统计报表与多样的自定义报表。 根据设定条件,生成资产管理所常见的各种统计表,从而为固定资产日常管理和领导决策提供全面而准确的依据。 四、结语 在不同的时代,人类对数据的采集处理、统计分析、使用方法不同,而且系统性管理所要应对的数据繁杂程度亦有着巨大的差异。大数据时代有着鲜明的特点,并对各项工作提出了新要求:“大数据通过数据整合分析和深度挖掘,发现规律、创造价值,进而建立起从物理世界到数字世界和网络世界的无缝链接。”[12]为更好地回应时代要求,高校管理工作者必须及时更新思维方式,改进工作模式,使资产管理工作能够顺应时代发展,发挥其应有的价值。因应这个新局面,吉林大学资产管理与后勤处做出了扎扎实实的转变,并取得了一定的工作效果。 参考文献: [1]赵国栋,易欢欢,糜万军.大数据时代的历史机遇[M].北京:清华大学出版社, 2013.6. [2]http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-world.html?src=mv&ref=general. [3]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展, 2013(1). [4]宋海龙.大数据时代思维方式变革的哲学意蕴[J].科技与教育2014(5). [5]http://wc.yooooo.us/d2lraS8lRTUlQTQlQTclRTYlOTUlQjAlRTYlOEQlQUUhemg. [6]Obama Administration Unveils “BigData”Initative: Announces $ 200 Million in New R&D Investments[Z]. Office of Science and Technology Policy Executive Office of the President. 2012.5. [7]David Reinsel,John Gantz. The Digital Universe in 2020: Big Data,Bigger Digital Shadows, and Biggest Growth in the Far East. 2012, 12. [8]虚拟化技术[DB/OL].http://baike.baidu.com/view/13605.htm. [9]NAS[DB/OL].http://baike.baidu.com/subview/56335/7913803.htm. [10]IP SAN[DB/OL].http://baike.baidu.com/view/1810605.htm. [11]FC SAN[DB/OL].http://baike.baidu.com/view/1810601.htm. [12]苗圩.大数据,变革世界的关键资源[N].人民日报,2015-10-13(07). |