四种大数据处理技术在战略规划中的应用各有千秋。第一，数据的可视化表达是一种有效的分享创意和体验的方法。在大学战略规划中，通过对数据进行可视化操作，规划者不仅可以将复杂的数据分析结果以更加直观、更易理解的方式呈现学校领导、管理人员以及教师等人员，还可以在有限的规划文本中浓缩更多的信息。在对大数据进行可视化分析过程中，除了应用传统的二维图表，还可以使用知识图谱、社会网络分析等新兴的可视化工具。第二，预测性分析是大数据在大学战略规划中的核心应用。在战略规划中，预测模型从学校的历史数据中探索规律，从而识别潜在的威胁和可能的机会，为战略目标的确定提供科学参考。预测模型可以捕捉到各个因素之间的联系，并根据联系发现潜在的制约或促进学校发展的条件，为战略决策提供指导。第三，数据挖掘算法可以为战略规划“省时省力”，并满足其一些高级诉求。数据挖掘算法产生的一个重要原因就是为了减少重复劳动，节省时间，大学战略规划是一项需要处理大量教育资料的复杂工作，利用合适的数据挖掘算法不难取得事半功倍的效果。另外，数据挖掘算法不仅可以深入招生、就业、设备管理等数据内部，还可以通过学生登记信息、日志文件、学习痕迹等信息挖掘公认价值。目前，比较典型的大数据挖掘算法主要有决策树算法、聚类算法、关联规则算法等。第四，语义引擎重点处理战略规划中非结构化数据。除了数字化管理系统和专门收集的数据外，战略规划中涉及的大部分数据都是半结构化或非结构化的数据，这为数据的分析带来了不小的挑战。语义引擎的应用对人工智能的要求非常高，目前尚未在教育领域广泛使用。但是由于这部分数据多为文本性质的资料，所以规划者可以利用结合数据挖掘算法对文本进行挖掘以促进战略规划的科学制定。

结语

战略规划是一种重要的现代大学管理手段，是大学发展的内在需要。[5]如何保障大学战略规划的客观性、科学性对大学的发展有着重大的意义。传统的战略规划往往是基于经验、理念的思维结果，在规划制定的过程中很容易或主动或被动的忽略一些本应该重视的方面。将大数据应用于大学战略规划的制定并不是要刻意夸大数据的作用，而是通过对多元化的数据进行全方位的发现、全覆盖的收集、全方位的分析，获得尽可能全面的大学发展信息，为大学战略规划的制定提供新的视野和路径。

当然，教育大数据在发展过程中也面临着诸多现实的挑战。例如，数据兼容性的挑战、人才缺乏的挑战、隐私和伦理道德的挑战等。如何将其恰切地应用到大学战略规划中也是困难重重，但是这不应该成为阻碍学术研究前进的理由。面对大数据的挑战，研究者应积极付出精力、贡献智慧。本研究从大数据对大学战略规划的意义、数据的来源、数据的使用策略三个方面对大数据在大学战略规划中的应用进行了探讨。希望本研究可以为关注大数据、关注大学战略规划、关注大数据在大学战略规划中应用的相关研究人员提供一些有益的参考。

参考文献

[1]杨江水，陈昌蓉，吴家胤. 高校战略规划决策评价的多维度探析[J]. 高校教育管理，2017，(2):9-16.

[2]别敦荣. 大学发展战略规划的制定与实施--青岛大学案例研究[J]. 高等工程教育研究，2010，(1):91-95.

[3][4]方海光.教育大数据:迈向共建、共享、开放、个性的未来教育[M].北京:机械工业出版社，2016:102-138

[5]别敦荣. 论大学发展战略规划[J]. 教育研究，2010，(8):36-39.

本文原载于《现代教育管理》2018年第9期

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2020/0714/393.html