數據也是一種資產，尤其是有關高校方面數據是一種非常重要的資產。隨著大數據的快速發展，人們越來越意識到數據的重要性。所以現在國內各大高校也在加快數據治理方面的工作。然而在數據治理解決方案的過程中，各大高校普遍面臨著一些難題。
高校數據治理解決方案存在哪些難題
一是數據源頭不明確，造成數據唯一性、準確性問題。這個問題的原因一方面可能是管理職能有所重疊，一方面也可能是常用的信息在多個業務環節都進行了重復采集，例如師生的聯系方式信息。同一個字段，可能不同的系統中都存在，但是存在出入，那么以哪個為準呢？
二是數據采集后，格式不統一，不完整，造成數據完整性、語法問題。這是由于不同部門，甚至不同操作員之間對同一數據的使用習慣和方式不一致造成的，可能仍有部分數據并不完整。
三是數據不及時，造成時效性、準確性等問題。由于采集周期或同步推送周期的影響，各應用端使用的數據可能并不是最新的。
四是數據共享問題，有些數據仍不能方便地獲得，或不能保障周期性地獲得準確實時的數據。
五是對歷史數據和冗余數據尚無統一完善的處理辦法。
如何解決以上這些難題，有關專業人士各處以下幾點建議：
1、建設積極的數據質量管理環境
首先管理層要認識到數據質量對于高校各項業務及信息化各項工作的重要性，推動數據質量的改進工作。加強信息人員隊伍的建設，提高數據管理人員的數據質量管理意識。梳理建立完善的制度管理，確定數據質量管理的流程，建設本校數據標準、數據質量的標準。
2、集中力量進行一次數據清洗與整合
在理論上建立了數據標準和數據質量管理制度之后，需要花較大的時間和精力對全校的各業務系統進行一次清洗，并以此次清洗后的數據為基礎，開展數據質量管理工作。
3、數據質量定時核查
除了建設數據質量管理制度，還應當建設數據質量的監控系統。數據一旦產生問題，管理上有人員核驗、整理、匯報，技術上可追溯、清查、修正。將數據質量的核查作為日常工作，才能全面地、持續地維持數據質量。
事實上，一款好用的數據治理系統可以讓高校數據治理工作進行得更加順暢高效。畢竟數據治理是一項十分繁雜且龐大的工作。比如強智數據治理平臺以用戶為中心，以元數據為基礎，貫穿信息標準、數據采集、數據標準化、數據質量、主數據管理、數據共享等從源端到數據中心，再到應用端的全過程管理，并通過大數據治理，使用戶可以更便捷、更靈活、更準確地獲得大數據資產的能力。
