信息技术在高校资产管理领域的应用研究-以数据挖掘技术为研究对象_1

1、    信息技术在高校资产管理领域的应用研究以数据挖掘技术为研究对象    摘要：利用数据挖掘技术设计高校资产管理系统是很好的应用趋势，能够为高校资产管理者提供有效的决策支持。本文对数据挖掘技术的研究现状进行了梳理，分析了高校资产管理特点及存在的问题，设计了高校资产管理系统，并对管理系统决策模块的实现进行研究。资产管理系统的实际应用过程中，要注重归纳与总结，不断改进完善数据挖掘算法，找出数据背后蕴藏的关联规则，以便挖掘结果更科学化，为管理者提供决策支持。关键词：数据挖掘，高校资产，资产管理，决策支持基金项目：吉林大学廉政建设专项研究课题(项目编号：201

2、53121)。当前，我们正处在一个网络化、信息化高速发展的时代，数据挖掘技术正在迅速地改变着整个社会的发展进程。计算机技术与internet技术的迅猛发展，大大提高了数据挖掘(data mining)、收集与整理加工的能力，当今社会数据资源变得日益丰富，各行各业充斥着大量的数据源。正当此时新的问题应运而生，如何挖掘出数据源中蕴含的知识与信息并加以利用，怎样处理不断涌现出的信息源噪声问题，已迫在眉睫。新兴技术即数据挖掘技术与知识发现(data mining and knowledge discovery in databases)顺势而生，并展现出旺盛的生命力，学者们汇聚了数据库技术、数据统计学

3、、人工智能以及管理信息系统等学科，致力于这一边缘科学的蓬勃发展，解决当前数据源噪声问题。自此，数据挖掘技术在各行各业得到了极大应用，为资产管理、生产运营以及信息处理提供了新的理论指导。于此同时，高校是特殊的事业单位群体，其资产管理效率直接关乎于高校的整体运行。当今，高校的资产管理已经普遍实现了信息化管理，并针对其数据的存取与检索配备了相应的设备。但当前高校资产信息化管理的过程中存在一个致命性问题，即数据源未得到充分应用，蕴藏在其中的信息未得到有效挖掘与开发。高校资产信息化处理系统在运行过程中会收集大量数据信息，而在实际操作中系统管理员仅具有简单的统计评估与分析功能，而隐藏在数据背后的价值却不能

4、进行深度挖掘与应用。资产管理者需要采用一种有效的方法自动的发现与分析隐藏在各数据之间的关联性与动态的发展趋势，从而为管理者的决策提供有效的数据支撑，以此来发挥信息系统收集的当前与历史数据的价值。依前文所述，数据挖掘技术与知识发现能够有效地将信息系统收集的大量数据源进行整合，提高高校资产管理效率。为此，本文会引入数据挖掘技术与知识发现对高校资产的需求与使用情况，以及资产的损耗情况进行深层的剖析，以为决策者的资产管理提供有力的支撑，从而合理有效地利用高校有限的资源创造出更优越的教学育人环境，进而提高其整体的教学质量。一、数据挖掘技术的国内外研究现状上世纪八十年代末，国际上召开了第11届国际联合人工

5、智能的学术性会议，首次提出了数据挖掘。此后，上世纪九十年代中期，美国的计算机年会(acm)召开之际，首次确定了数据挖掘技术的概念，指出集来的大量且不完全的有噪声的随机数据中，提取出蕴藏在其中的有价值的信息与知识即为数据挖掘，通过这种数据挖掘技术能够有利于数据分析与决策支持。自此，学者们汇聚了数据库技术、数据统计学、人工智能以及管理信息系统等学科，致力于这一边缘科学的蓬勃发展。到了二十一世纪初，数据挖掘技术已经渗入到了各个学科领域，并在企事业单位的生产经营过程中发挥了巨大作用。于2002年中，在加拿大举行了第八届关于数据挖掘与知识发现(kdd)的acm. sigkdd国际性大会，将数据挖掘与知识

6、发现技术这一边缘学科推向了新的研究进程。美国电气与电子工程师协会(ieee)出版的会刊中从上世纪90年代开始多次出版关于kdd技术的专刊，专门对数据挖掘与知识发现技术进行专项研究。除此之外，其他领域的专业技术学会也出版了专刊，计算机网络与信息工程技术方面纷纷展开了对数据挖掘技术的探讨，kdd技术的发展受到了越来越多领域学者的重视，如在半月刊中发表了关于kdd的诸多研究成果。时至今日，美国人工智能协会关于数据挖掘与知识发现技术方面的国际性研讨会已经举办了数十次，涉及范围越来越广。有关kdd技术的学术成果越来越多，研究领域也逐渐扩大，逐渐由原来的方法发现扩大到了系统应用，从而扩大到了大规模的综合系

7、统的应用与开发。于此同时，学术界还注重了对多种技术的集成，以及交叉学科之间的相互渗透。在实践方面，诸多数据挖掘软件在国际范围内得到了广泛的应用，早在二十一世纪初期，美国ibm公司就研发了智能开矿工(intelligent miner)软件，而美国硅图公司则开发了spss软件(统计产品与服务解决方案)。当前，kdd技术已经成为了数据库与信息应用方面最前沿的研究领域，kdd技术已然成为世界计算机领域最大的研究热点。相对来说，国内关于数据挖掘技术的研究起步较晚，且研究的进程相对缓慢。直到上世纪就是九十年代中期，才逐渐引入数据挖掘技术。在研究的进程中，计算机学报与软件学报纷纷刊载了一些该领域的研究成果

8、，这些研究成果多借鉴于国外先进的学术成果，其重点也是从发现方法到系统的应用问题，但在实践方面的研究十分匮乏。国家自然科学基金首次出资支持kdd研究项目是在1993年，经过几年到二十一世纪初才形成kdd研究的基本框架，自此以后研究的重点逐渐侧重于如何将知识发现与数据挖掘技术应用到企事业单位生产经营当中。当今，清华大学、华中科技大学以及华中理工大学等高等院校及科研单位正致力于数据挖掘技术理论及其应用的研究。而复旦大学与吉林大学则对关联规则挖掘算法的优化进行了大量的研究；而北京大学对数据立方体代数领域的探索成为推动数据挖掘技术发展的重要推动力。于此同时，随着数据挖掘技术理论研究的发展，国内学者开始了

9、对数据挖掘技术应用方面的探讨，尤其是金融与商品营销领域。随着数据挖掘技术的发展，其应用范围越来越广泛，既包括了证券银行等金融行业，又包括了制造业和批发零售业，kdd技术的应用已经渗透到人们生活中的方方面面，成为了基金与企业投资的热点。学者们普遍认为数据挖掘技术拥有者广阔的应用空间和无限的发展潜力。但纵观已有的研究成果来看，众多学者的研究重点仍是理论方面，在实践方面的研究成果匮乏。与此同时，已有的数据挖掘方面应用的研究多是金融行业或生产零售业等商业领域，鲜有对高校等事业单位方面应用的研究。当前对数据挖掘领域的研究涉及到高校资产的研究更是凤毛麟角。有关于高校资产管理的研究多侧重于资产采购环节，而利

10、用数据挖掘技术设计高校资产管理系统方面的研究才刚刚起步，其研究的深度与广度十分有限。如何提高日趋庞杂的高校资产管理的效率，是数据挖掘技术应用方面的一个新的课题。本文旨在引入数据挖掘技术与知识发现对高校资产的需求与使用情况，以及资产的损耗情况进行深层的剖析，以提高高校资产管理的效率。二、高校资产管理的现状和问题分析随着高校扩招扩建，其办学规模得到了跨越式的扩大，其国有资产得到了突飞猛进增长，但随之而来的是高校资产管理问题的凸显：高校不同部门间资产雷同，且长期搁置，资产利用率低下；资产购置价格过高，使用期限短，性价比低下；资产浪费严重。高校长期的教学管理过程中，积累了大量的设备、仪器以及耗材等账目

11、问题，形成了庞杂的历史数据记录。高校资产管理人员无法理清各种资产账目，资产购置、报废、外借等无法得到有效及时的动态化管理，数据源混乱。具体来说高校资产管理的问题体现在以下四个方面：(1)现有的资产管理系统相对落后，无法满足日益庞杂的资产账目问题。当前，高校扩招扩建严重，国有资产规模日益扩张，形成了庞杂的历史数据记录，而高校采用的资产管理系统多为简单化办公软件，在处置资产时多采取的是简单的计算机信息录入功能，对于资产流转无法进行动态化管理。高校资产管理人员在进行资产数据处理过程中，仅以数据统计为主，缺乏自动化管理和数据分析功能，无法为决策提供有力支撑。(2)资产管理体制不完善，缺乏合理有效的分工

12、制度。高校是特殊的事业单位，其经费多由国家或省级财政予以拨款，受到计划经济体制的影响，且官僚风气严重，多年来资产管理体制混乱，管理人员权责分配不对等，造成高校资产账目不清，统计数据存在偏差，资产流失严重。很多高校资产管理体制不健全，政策模糊、分工混乱，教学设备流转混乱，责任落实不到位，出现资产重复采购与提前报废等现象。分工不明，权责不清，资产责任人与使用人分离，约束不足，长此以往造成高校账目混乱、资产流失严重。(3)资产管理缺乏规划。在资产的流转过程中需要进行预先规划，而在高校的资产管理过程中，管理者仅凭经验进行采买与使用，缺乏理性分析和事前规划。在进行图书、仪器设备的采购前资产管理人员收集到

13、各部门上报的数据后仅进行简单的统计就凭经验进行购买。缺乏理性的判断和合理的规划，往往造成了相同资产的重复购买和资源的浪费。而在集体采购过程中，管理者根据个人利益与经验选择供应商，事前并不对供应商提供的产品性价比进行综合性分析比较。这种采购方式形成了主观臆断的决策，随意性强，给高校资源造成极大浪费。而在购置后的使用管理过程中，缺乏合力有效的规划，资产使用与报废仅凭经验处置，缺乏长期性规划，造成高校资产大量流失。(4)信息传递存在障碍。信息的顺畅传递是高校资产高效率使用的保障。而就当前高校资产管理的形势来看，仅有管理部门才拥有高校资产的全部信息，而各部门之间的信息是闭塞的。每个部门仅拥有本单位资产

14、的信息情况，而部门之间信息与资源不能共享，造成资源的重复购买与闲置。与此同时，不仅部门之间的信息传递存在障碍，管理部门与各资产使用部门之间的信息传递也存在障碍，为保障高校资产的完备性，管理者要在每年进行清查工作，但在资产盘点过程中，资产管理处仅为各使用单位提供账目清单，各单位根据清单进行实物盘点，然后管理处再根据账实情况对设备保管情况进行调整。这种资产盘点方法的信息传递效率低下，无法满足当前高校日益庞杂的资产账目管理的需要。综上所述，高校资产存在着重复购买与资产流失的问题，亟待科学化与准确化管理。随着高校建校规模的扩大，积累了庞杂的资产，若仍像过去那样无纪律、无规划地进行管理，必然会造成高校资

15、产管理效率的低下。而解决当前问题之关键在于充分利用购置资产过去与现在的数据，利用计算机技术与数据挖掘技术，构建高校资产管理信息化系统，运用自动化办公系统从海量数据中挖掘出各部门资产需求度与资产采购匹配度，并深度分析资产购置价格、使用期限与频率之间的动态关联关系，挖掘出蕴藏在高校资产内部的发展趋势与规律，从而提高高校资产使用率，降低资产购置经费，为高校资产管理提供决策支持。三、利用数据挖掘技术设计高校资产管理系统当前，数据挖掘方法主要有关联分析、聚类分析、分类以及时序模式等，综合上述方法能够合理有效地构建高校资产管理系统，能够挖掘出蕴藏在海量的数据源中有价值的信息，从而提高高校资产管理效率。1.

16、以资产为中心的设计主题在设计高校资产管理系统的过程中，首先要确定系统中最有价值的决策主题域以及各个主题域的维度。根据对高校资产管理系统的需求分析，明确了数据库系统的主题域包含资产、部门(即系统用户)以及资金这三个主题域。而这三个主题域之间关系是，资产是管理系统主体设计之核心，通过对这一主题域数据分析，能够获得相应的主题域分析结果，从而为决策支持提供信息库。而部门与资金这两个主题域在系统管理过程中起辅助作用，反映一些需要关注的备用信息。具体来说利用数据挖掘技术设计的资产管理系统拥有以下三个主题域：(1)资产主题，即用来分析各单位的资产运行情况。各部门的资产数据信息均会录入到资产管理系统中，资产主

17、体会通过对各单位过去与当前的资产运行情况数据进行分析，获取资产更新或升级数据，从而对资产进行全面管理与调配。该数据域不仅录入过去与当前资产信息，还需囊括各部门下一年度的资产购置与更新的财务预算，以为决策者提供完备的信息库。(2)部门主题，即对高校各部门(系统用户)状况的分析。不同部门之间的职能不同，使得其购置的资产性质存在一定的差异性。而不同部门之间的工作内容又存在一定的关联性，为避免资产的重复购置有必要了解不同部门之间的关联关系，从而促进部门间资源共享。而部门主题域的设计用途是容纳各部门性质与工作职能等数据信息，从而根据不同部门的特点制定资产管理与购置计划，以在制定下一年度的财务预算时有所侧重。与此同时，