大數據在高校信息化建設中面臨哪些問題？高校信息化建設是一項涉及面廣、業務技術性強、建設周期跨度較大的系統性工程，必須按照頂層設計的思想，樹立全局思維，尤其強調整體層面的統籌協調，注重多部門協同聯動，才能構建一套科學性和可行性俱佳的有效路徑。大數據技術是高校信息化建設中重要的一項技術，但是在實際的運用中經常遇到一些難題，導致高校信息化建設速度變緩。

大數據在高校信息化建設中面臨哪些問題？
 

大數據在高校信息化建設中面臨的主要問題：
1、數據融合的可行性
大家都知道，數據不融合就發揮不出數據的潛在價值，高校大數據面臨的一個重要問題就是數據融合。作為高等院校，大數據的融合應該走在前列，必須徹底打通數據孤島，將各個業務充分整合。然而，由于傳統的業務系統缺乏長期規劃，采用的技術包羅萬象。據調研發現，目前高校所采用的數據庫包括Oracle、Sybase、Microsoft SQL Server、Mysql、Visual FoxProd等。有些學校或部門甚至沒有數據庫，而是采用Excel管理數據。在這種基礎上實現數據的有效融合，形成高質量的大數據，對于融合技術是一個重要的挑戰。
2、數據源的可用性
關于大數據的一個普遍觀點是，數據自己可以說明一切，數據自身就是事實。但實際情況是，若是不仔細甄別，數據也會欺騙，就像人們有時會被自己的雙眼欺騙一樣。高質量數據的獲取是確保信息可用性的重要前提。高校數據的來源多種多樣，包括各職能部門的基本業務數據、教學資源的多媒體數據、使用網絡的行為數據、無線網絡感知的位置數據等。數據模態千差萬別，如關系數據、標量數據、圖數據、流數據、XML數據、矢量數據等。既有重復性數據，又有冗余性數據，質量參次不齊，加工整理困難。這些校園化數據是否可用給大數據在高校中的推進帶來極大的挑戰。
3、數據挖掘的復雜性　
大數據分析無疑是整個大數據時代的核心所在，因為大數據的價值就產生于數據分析過程中。在高校大數據的應用中，無論是做個性分析還是輿情預測，都需要構建特定的挖掘模型。教育行業因為其特殊性，傳統的分析技術如數據挖掘、機器學習、統計分析等并不能完全滿足高校大數據分析的需求，因此，需要在數據預處理、算法模型、評價指標等方面做出調整。當然，數據挖掘的復雜性，不僅是高校大數據所面臨的挑戰，也是整個大數據領域的巨大挑戰。
4、數據分析的持續性
教育的規律有時很難理清，成功的個體也未必能夠簡單復制，評價教育本身的指標都有一定程度的缺陷，需要幾年甚至更長期的監測和不斷的更正。因此，高校中的大數據分析，不僅僅是橫向的對比，如職能部門間、兄弟院校間，更需要縱向歷史數據的對比。無論是數據收集、數據清洗還是數據挖掘的模型，都需要隨著每天產生的大量詳實而瑣碎的數據信息進行調整和修正，這也是一個不小的挑戰。

上述關于大數據在高校信息化建設中面臨的難題，是很多高校正在經歷的。所以政府鼓勵校企合作，早日解決這些問題，早日實現校園信息化，方便學校的管理。