像许多高等院校一样，印第安纳大学(Indiana University：IU)多年来一直在使用商业智能。但是，即使拥有大量数据，该大学的业务部门也很难将这些数据转化为能够推动决策的见解。但是，一个实施多年的决策支持计划( DSI )改变了这一切。
该大学的首席信息官兼IT副总裁Brad Wheeler说:“尽管我们拥有的数据非常丰富，但实际能够从中获取的信息却非常贫乏，尤其是在决策方面”。“我们不需要更多的报告。我们需要更好的决策。我们需要加快印第安纳大学在大学各级获得决策工具的能力。”
IU在全州有8个校区，大约1.9万名员工服务着超过11.4万名学生。在拥有DSI之前，该大学的数据和业务逻辑分散在多个孤立的系统中。Wheeler解释说，由于收集和合并相关信息需要付出较大的努力，使得预算会议的准备工作非常费力。Wheeler说，语义也是一个问题，因为即使是一些看似具体的术语在数据存储中也可能有不同的含义。
该大学的数据集成工具集是主要围绕ETL来构建的，这需要大量技能和资源来部署、维护和管理。由于这些因素，被检索出的数据往往与决策无关。
从2015年开始，作为该校首席财务官和首席信息官的合作项目，IU启动了DSI。在学费上涨和公共资金减少扰乱了教育市场的背景下，我们的目标是通过增强数据、模型和流程来改善决策——并确保得到的数据是及时、相关和准确的。
变革的引擎
确保学生的准时毕业对任何大学来说都是一个巨大的挑战。一个关键因素是能否提供适当数量的必修课程。提供的课程太少，一些学生可能需要等待一年才能再次获取课程。而提供太多，则又会导致运营费用的暴增。
“所有东西都被挤压得更厉害了。我们必须对大学的运营效率和有效性做出更好的，更明智的决定。”Wheeler说。“将数据放在部门主席的手中才能让他们做出更好地决策。”
为此,DSI团队首先创建了一个逻辑数据仓库( LDW )，将它的记录系统与大学的数据消费应用程序连接起来。LDW使用Denodo平台的数据虚拟化技术将包括Oracle、MSSQL、Amazon Redshift、web服务和Box.com在内的数据源连接到Tableau和Excel等应用程序上面。
IU首席数据架构师Dan Young解释说，DSI已经实现了可视化、自助数据发现和基层数据治理的创建，这极大地改善了决策过程。这所大学的所有校区现在都可以衡量和评估财政和学术单位的健康状况了。人力资源利用DSI来确定员工指标的趋势，以支持人员编制计划。
主要成果包括：
•全职员工报告:大学管理者可以使用与员工相关的数据可视化来研究推动员工增长或下降的趋势，研究员工的多样性，并根据员工属性或其他分类策略性地规划员工的继任计划。
•学术指标360:用来帮助检查学术单位的财务状况。一系列的标准化仪表板让学术部门可以查看他们的财政能力、可持续性和增长预测，并提供基准信息的访问，如按主要科目划分的学分分配和每门课程的教学成本，以帮助实现部门间的比较分析。
•数据治理:通过简化用户和开发人员与主要DSI元数据存储库之间的交互，Young表示，在多平台上的web服务有助于支持整个大学的数据治理。整个大学的数据管理员已经建立了400到450个被认可的大学属性。
伙伴关系的力量
IU企业软件总监Aaron Neal表示，业务领域的收购一直是DSI持续成功的关键因素。虽然IU的BI传统上是在瀑布模型下运行的，但是Neal和他的团队在开发DSI项目时转向了敏捷方法，确保了持续不断的报告，仪表板和决策支持工具的交付流程，从而推动了整个进程。
这种成功方法的一个重要组成部分是一个获得特许的过程，在这个过程中，大学里的任何人都可以提交一份特许申请，概述需要支持的决定。
Neal说:“我们把那些特许申请拿到一个审查委员会进行审查，以确定我们的工作的优先级:小、中、大” 。“我们把它们放在一个‘工厂’里面。在此,我们致力于实现敏捷BI;我们试着把每个申请都拆成小块，以确保短时间内就可以交付。”
Young补充道:“一旦特许申请被选定，它就不仅仅是一个IT项目了。”它是一种伙伴关系。提交申请的业务单位作为项目所有者贡献了资源。这就意味着你的交付目标要更有针对性。你不需要进行猜测。”
Neal说，在这个过程中也出现了一些小问题。
“我们需要业务部门的完整的支持。而不是一种兼职，”Neal解释道。“当我们没有得到业务部门100 %的支持时，就很难成功。”
他说，一些业务部门只是想快速获取及时、准确、经过验证的数据;他们想要一条通向数据的管道，仅此而已。在这种情况下，Neal的团队并没有与之抗争，他们只是提供了通道，然后继续前进。但他说，那些与他的团队就他们需要用数据来支持的决策进行沟通的业务部门通常会得到更显著的结果。
“我们必须让人们相信，如果他们和我们一起做这个项目，他们可以更好地利用他们的信息，”Wheeler补充道。“这需要人们以不同的方式进行思考。”
尽管该大学求助于数据虚拟化专家Denodo来帮助其平台，Wheeler说，但该团队选择了自己来做大部分的集成工作，认为这将使其能够以更快的速度和更大的灵活性运行。
Wheeler说:“许多大学花了相当多的钱来与各种合作伙伴一起实施这些计划”。“该项目的预算运行时间约为2.5年。我们真的很想跑得更快，并取得更多的成就。最终在2.5年后，我们仍然有资金再运行两年。”
“这真的是一个持续的成熟过程，”Young补充道。在过去的3.5年中，我们提高了效率，优化了我们的运营。能够听到人们开始支持2.5年前他们不愿意实施或不理解的许多敏捷想法是非常令人欣慰的。
京公网安备 11010502049343号