中国计量大学智慧思政平台

2018年9月10日中共中央总书记习近平在全国教育大会上指出，要把“立德树人”融入思想道德教育、文化知识教育、社会实践教育各环节，贯穿基础教育、职业教育、高等教育各领域，学科体系、教学体系、教材体系、管理体系要围绕这个目标来设计，教师要围绕这个目标来教，学生要围绕这个目标来学。凡是不利于实现这个目标的做法都要坚决改过来。

1.项目建设背景：

2020年4月28日教育部、中共中央组织部、中共中央宣传部、中共中央政法委员会、中央网络安全和信息化委员会办公室、财政部、人力资源社会保障部、 共青团中央 8部委联合发文“《关于加快构建高校思想政治工作体系的意见》”明确要求：

对提高管理服务水平、加强网络育人、完善精准资助育人、加强群团组织建设等，认真贯彻“三全育人”和“十大育人”的具体方针。

2020年12月中旬，浙江省政府办公厅印发《浙江省数字赋能促进新业态新模式发展行动计划（2020—2022年）》，深入实施数字经济“一号工程”，全面开展“数字赋能626”行动。到2022年，国家数字经济创新发展试验区建设取得明显成效，数字赋能新业态新模式快速发展。

计划明确支持互联网企业与教育机构深度合作，建设职业教育产教融合智慧云平台，提供数据驾驶舱、教学等可视化数据服务。

计划明确鼓励企业、行业协会、社会组织等开放自有数据资源，加快构建多源数据采集体系。支持农业、工业、交通、教育等数据资源开发利用，围绕智慧城市建设、经济社会仿真推演、公共卫生安全防控、自然灾害防治等重点领域，推动社会数据和公共数据的融合利用，拓展“城市大脑”场景化多业务协同应用。

随着互联网的快速发展，人们的观念在改变，越来越多的在校大学生的学习积极性和主动性变差，传统的管理办法要了解学生的情况变得越加困难；复杂的学生情况对学校学生工作造成了极大的阻碍，主要存在以下问题：

（1）大学生的日常管理和思想政治工作，是非常琐碎、细致而又十分重要的管理工作，渗透在学校各项工作和各部门之中，是学校制定计划、开展工作的出发点和落脚点。学生管理工作包含的内容较多，处理不好，会耗费教师很多的精力和时间，同时对学生管理工作增加麻烦和难度。学生管理不同于一般性基础性的管理工作，涉及到学业、心理、资助、安全等很多方面，复杂多变又彼此息息相关。

（2）由于学校学生管理工作分散在学校各部门，学生信息没有形成统一的管理标准及规范，学生信息收集困难，对学生管理工作造成极大的困难，学校掌握学生的日常学习、经济、心理等问题更加困难，对学校决策工作造成极大的困扰。

2.项目建设目标：

以习近平新时代中国特色社会主义思想为指导，围绕落实立德树人根本任务，建设全省高校智慧思政大数据应用。实现“数据集成、主动预警、精准服务、决策支持”四大核心功能，即通过对学生群体日常数据的感知、汇聚、分析，及时掌握学生思想状况、心理特点、行为变化，实现智能分析、主动预警；通过应用终端的预警内容，为学生提供精准服务；通过建立多维度的大数据集成、分析模型，为高校思政工作提供决策支持。

3.项目建设原则：

为了达到智慧思政大数据系统所应有的功能和目标，同时保持系统在国内有一定的领先性，系统的设计应充分考虑应用的合理性、先进性、实用性、可靠性、稳定性和可扩展性的原则。

3.1 可靠性原则

系统应采用成熟的技术和可靠的设备，关键设备应有备份或冗余措施，系统软件应有备份和维护保障能力，并有较强的容错和系统恢复能力。

为确保整个系统能够长期稳定工作，本系统应选用先进、可靠、成熟的技术。同时，在建设过程中考虑关键设备的冗余和容错能力。

3.2 先进性原则

系统中采用的设计方案和技术路线先进，软件的设计先进、灵活，便于升级以及与其它系统之间的互联、互控。同时，人机界面友好，易于操作和使用。

3.3 互通性原则

监控中心与系统前端设备／用户终端之间应均能有效地进行通信和共享数据，应能够实现不同厂商、不同规格的设备或系统间的兼容和互操作。

3.4 开放性原则

系统应基于开放式的 TCP/IP 网络平台及开放性的行业标准进行设计，支持多种当今流行的网络协议。为了保证各系统设备之间能够互联、互通、互控，设计，同时考虑系统核心技术的统一性，便于今后系统进行扩展。此外，遵循规范的通用接口标准，使全系统的硬件环境、通信环境、软件环境、操作平台之间的相互制约和影响减至最小。

随着系统以后的扩展，用户容量将会不断扩大，新的业务功能的要求将会层出不穷。要求系统具备良好的可扩展性，所以在系统建设的初期，首先立足于近期的应用需求进行系统配置，而以系统的可扩展性来保证今后5-10年内的发展需求。

系统的各个组成部件选用标准的硬件和软件，各个子系统的设计模块化，使系统可以通过模块堆叠的方式进行扩展；各部分、各小系统的接口规范化，从而使软、硬件能够平滑升级或更新，网络节点的增减对网络性能的影响不大。

3.5 经济性原则

系统及设备的选择结合其用途，综合考虑其功能、质量和价格等因素，将本项目构建成一个经济实用、功能强大、质量优异、操作方便、接口丰富的系统。

3.6 规范性原则

系统设计应符合防护对象风险等级与防护级别的要求。控制协议，传输协议、接口协议、视音频编解码、视音频文件格式等除符合相应国家标准、行业标准的规定。

3.7 易操作性原则

管理软件应提供清晰、简洁、友好的中文人机交换界面，操控应简便、灵活、易学易用，便于管理和维护。

3.8 安全性原则

由于本系统涉及到对于公共场所的日常实时监控、数据传输量大及使用人员多，故安全性和保密性就显得十分突出和重要。在考虑系统的安全性和保密性时，除应考虑各种外界干扰外，还需在各个环节提供安全、保密措施。系统的安全性和保密性可从以下方面加以保证。

3.9 网络的安全性

数字图像网络借助于校内网，因此不允许与其他非内部专网进行物理链接。

3.10 软件系统的安全性

操作系统级的安全规范必须满足国际 C2 级标准，可以保证不被身份不明的黑客所攻击。数据库的超级用户帐号即密码由服务器的系统管理员设定，数据库的一般用户帐号和权限由数据库超级用户（数据库管理员）设定。系统维护人员可随时方便地对数据进行备份和恢复。

3.11 应用程序级的安全性

所有的操作人员进入系统前均应登录自己的帐号和密码，并通过权限管理服务器认证，核对准确后方可进入系统。所有的操作人员均应规定相应的级别及权限，任何越权的操作必须被拒绝。所有的操作、错误均应有日志记录，并可以根据工号或操作查询。除了用户管理的基本资料外，工作人员不得对用户的其它资料和数据进行更改和操作，除非有用户指定授权人的授权。

3.12 可维护性原则

系统应具备自检、故障诊断及故障弱化功能，在出现故障时，应能快速地确定故障点，并及时恢复。

3.13 可管理性原则

系统内的设备、网络、用户、性能和安全应便于管理和配置。

4.项目建设需求：

4.1 总体要求

本次项目建设应以先进的大数据架构为基础构建大数据思政平台，实现“数据集成、主动预警、精准服务、决策支持”四大核心功能。采用Hadoop分布式数据库构建思政大数据中心。制定符合学校实际情况的校级思政大数据中心，全面建立统一的思政数据交换体系，规范信息从采集、处理、交换到综合利用的全过程，实现全校思政资源数据的有效存储与管理，完成全校范围思政数据的统一规范、集中存放和共享。

通过系统平台建设完成梳理我校思政数据需求、数据来源、数据格式、数据维护、数据更新、数据使用等关键问题，建立包括组织、制度、标准、流程、安全、技术等内容的思政数据资产管理长效机制，为学校思政工作提供全面、及时、准确、可用、安全的思政数据资产及服务。

决策支持系统的建立，为我校的思政工作发展提供科学依据和决策支持。通过对数据模型的处理和分析及数据全生命周期的管理，有效抓取历史数据和全系统关键指标的发展状态，并对抓取的数据进行多维度的分析，为高校制定工作规划和发展目标提供科学依据。

项目建设平台模块包含以下清单：

4.2 技术要求

4.2.1 大数据基础平台技术要求

（1）平台基础要求

大数据基础平台必须采用分布式架构，支持Hadoop、SPARK、主流MPP数据库架构。

（2）实时数据抽取引擎

基于Mysql binlog技术，实现数据的实时同步；

基于Oplog日志，实现Mongodb到ES数据库的实时数据同步；

基于Oplog日志，实现Mongodb到Hbase，Hive存储实时数据同步；

日志收集工具、数据收集引擎；

日志的结构化数据复制软件，GoldenGate 能够实现大量交易数据的实时捕捉、变换和投递，实现源数据库与目标数据库的数据同步，保持亚秒级的数据延迟。

（3）离线数据抽取引擎

离线数据同步工具；

ETL工具，用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递。

（4）网络数据采集

基于Python开发的快速、高层次的屏幕抓取和web抓取框架。

（5）实时流计算引擎

分布式、可靠、容错的实时流式数据处理的系统，并提供类SQL（StreamCQL）的查询语言。

Spark核心API的扩展,可以实现高吞吐量的、具备容错机制的实时流数据的处理。

分布式、高可用、保证Exactly Once语义的针对流数据和批数据的处理引擎。

分布式的、分区的、多副本的实时消息发布-订阅系统。提供可扩展、高吞吐、低延迟、高可靠的消息分发服务。

（6）内存数据库引擎

完全基于内存的并行计算，分布式SQL交互式查询引擎；

基于Hive的大数据实时分析查询引擎；

基于内存并进行计算的分布式计算框架；

Hadoop分布式文件系统（Hadoop Distributed File System) ,提供高吞吐重的数据访问，适合大规模数据集方面的应用。

（7）计算分析引擎

提供MapReduce、Spark、Storm等多种计算框架，离线计算、内存计算和流式计算并存，可基于交互式分析，并支持嵌入机器学习算法，进行实时、离线分析处理；支持大规模节点7*24不间断运行。

（8）消息引擎

基于Kafka标准的分布式消息发布和订阅服务，用于大规模数据集成，数据缓存。

（9）分布式任务调度引擎

大规模任务调度，流程调度，为ETL抽取、数据分析、定时任务提供调度服务。

（10）工具库

提供了对Hadoop组件的任务编排、执行的功能。以Jeva Web应用程序的形式运行在Jave servlet容器（如：Tomcat）中，并使用数据库来存储工作流定义、当前运行的工作流实例。

基于Lucene的全文检索服务器，Solr对Lucene进行了扩展，提供更为丰富的的查询语言，同时实现可配置、可扩展，并对查询性能进行优化。

（11）数据采集

1）需支持至少包含：单表采集、批量采集、实时采集、自定义采集等4种灵活自主的采集方式；采集策略需至少支持全量和增量抽取两种类型；支持任务上线时配置前置任务作为任务执行依赖条件。

2）数据源连接

支持十余种数据库连接类型，包括关系型数据库、MPP数据库和分布式数据库，涵盖且不限于Mysql、Oracle、DB2、SQL server、Postgres、Greenplum、Teryx、Hive、离线数据等多个版本的数据库类型（提供技术支持材料）。

支持对数据源的管理和运维日志、元数据同步日志进行查看和筛选。

支持一键同步运维日志和元数据同步日志。

3）数据源管理

支持对数据源的多级文件夹编目管理，支持对于数据源进行搜索、筛选、编辑和详情查看。

支持数据源下钻查看表和视图的元数据信息。

支持自动同步数据源的元数据信息，包括数据源自身的元数据和数据源内表和视图的元数据信息。

支持用户对每个数据源所包含的表和视图的信息进行查看，也支持对数据表详情、字段和历史版本进行查看和管理。

4）单表采集

支持多源异构数据源之间的传输，包括结构化、半结构化数据同步。

支持表、视图数据的全量、增量采集方式。

支持覆盖、追加的数据入库策略。

支持源端脏数据的处理策略。

支持按照分钟、小时、天、周、月及自定义cron表达式的灵活调度策略。

支持将向导式界面配置的采集任务转化为代码化的自定义任务，以满足更多样化的采集需求。

5）批量采集

支持界面化一次性配置实现整库或多表数据的同步。

支持检测存储源是否存在同名，提供忽略、覆盖、追加三个同名解决策略、支持批量设置。

6）实时采集

支持关系型数据库（Oracle、mysql、postgresql）数据的实时同步。

支持历史数仓（Hive）和实时数仓（Stork、Teryx）的配置。

支持适配DDP、CDH、华为、星环（TDC、TDH）等大数据平台。

7）自定义采集

提供多种数据源采集任务配置模板，支持开发人员代码化设置采集任务，实现多样的采集需求。

支持采集的数据库类型包括：Mysql、Oracle、Hive、Teradata、PostgreSQL、Stork、SQLSever、DB2、Greenplum、DRDS、FTP、Hbase、HDFS、MongoDB、Inceptor、ArgoDB、KunDB、ODPS、OSS、OTS、Stream、Txtfile、Teryx。

（12）数据资产服务

1）需支持以数据编目视角管理与查看数据资产，支持统一搜索功能快速搜索数据表，并通过编目进行筛选，获取的结果支持进行排序。支持输入表的元数据信息进行数据表的搜索，支持按照表名、表中文名、标签细化搜索内容。支持按照编目目录进行编目，数据表在编目目录中有唯一对应地址。

2）需支持默认内置汇聚层、开发层、主题层和服务层四个分层，可以根据业务需求增加多个分层，支持自由添加分层，进行更细化的数据分层管理。每个数据层可以自由选择不同类型的存储数据库作为存储引擎。

3）资产统计分析

支持多层次多角度的统计分析概览功能。用户可以按照不同的数据存储层以及不同层下的主题去查看数据情况，以概览平台数据的总量和增量的变化情况。

支持查看表数量、数据总量数据存储量和今日的新增情况。

支持查看近7天，近30天的数据量增量趋势图、存储量增量趋势图。

支持查看今日、近7天、近20天的主题数据量增量图和表数据量增量TOP10。

4）数据筛序查看

平台提供资产中心功能用来对数据资产进行筛选和查看。用户可以使用统一搜索功能快速搜索数据表，并通过编目进行筛选，获取的结果支持进行排序。

支持输入表的元数据信息进行数据表的搜索，支持按照表名、表中文名、标签细化搜索内容。

支持按照编目目录进行编目，数据表在编目目录中有唯一对应地址。

支持按照标签编目进行表的编目，数据表根据所打的标签对应到标签目录中，标签目录支持多维的编目，即一张数据表可归属于多个标签目录下。

支持按照表名、表中文名、数据量和更新时间对列表内容进行快速的排序，以方便找到对应的数据表。

5）基础信息浏览

支持查看表基本信息。包括表名、表中文名、标签、表描述等表概要信息，表存储量和更新情况等基础信息，表创建人、创建时间和表元数据更新时间等管理信息。

支持查看表结构，包括字段名、字段类型、是否主键、字段描述等字段信息，也支持对字段进行快速搜索。

6）数据检索

支持查看数据详情，预览表数据，支持使用普通检索的方式进行全表数据检索，提供sql专业检索的方式来编辑sql语句进行检索。

（13）治理工作流

1）需支持可视化的治理流程，支持清晰的治理模块划分，包括表输入、质量探查、标准化、基础加工、SQL加工、表输出等流程，支持可视化的数据处理，包括表关联、表字段的聚合、拆分等加工流程。

2）工作流管理

A.界面化管理

支持新建工作流文件夹目录，分目录存放和查看工作流

支持增、删、改、查、移动工作流，支持工作流任务选择任务标签、添加任务描述

支持工作流任务的整体信息视图，可查看上线状态、调度策略、任务修改时间等

支持可视化添加内置模组和脚本加工模组

支持工作流调用时，通过 API 传参以执行带参数的脚本

支持工作流试运行查看预览结果数据功能。

B.导入导出管理

支持一键导出工作流任务压缩包，无缝迁移到生产环境

支持查看工作流的导入/导出任务，详情中展示导入/导出工作流的结果和信息。

支持在用户行为日志中查看工作流的导入导出日志。

3）治理工作流开发

A.可视化的治理流程

支持清晰的治理模块划分，在界面区分数据接入、质量探查、标准化、数据加工、数据落地等组件

支持基于Hive引擎的可视化治理。

B.数据接入

支持用户查看和编辑数据输入的基本信息功能

支持根据用户设置的筛选器筛选数据。

C.质量探查

支持基础探查，按照空值率探查，类型探查，长度探查，数值范围探查和字段内容探查

支持深度探查，按照数据标准规则、业务规则和正则表达式探查

支持对探查到的数据问题进行强弱分级，支持在问题数据查看探查结果

支持用户查看和编辑质量探查的基本信息功能

支持输出基于探查配置的质量探查报告

D.标准化

支持字段名称标准化、代码值标准化、添加备注信息功能

支持为标准化后的字段名增加前/后缀，实现标准的重复利用

支持AI自动映射或手动拖拽映射的方式映射标准代码值

支持标准名称添加前、后缀区分不同的字段标准化结果

支持用户查看和编辑标准化的基本信息功能

E.数据加工

支持联表查询和可视化的数据处理，包括表字段的聚合、拆分等加工流程

支持用户查看和编辑数据加工的基本信息功能

F.数据落地

支持设置配置数据落地存储库

支持覆盖或追加的数据输出策略

支持用户查看和编辑数据落地的基础信息、字段信息和分区信息功能

支持为Hive类型存储源设置分区

4）脚本式开发

支持多种类型的脚本（Python、Shell、SQL）来应对不同的数据开发需求

支持增删改查和复制脚本，查看日志、分屏/全屏、切换风格等操作

支持脚本注入全局参数，包括常量参数、时间参数和动态参数

支持脚本调度执行时通过 API 传入参数

支持单个、批量脚本的导入/导出

支持一键复制脚本路径，方便脚本间的互相引用

支持工作流多级目录展示，界面可查看脚本描述

支持 DAG 工作流式开发

支持IDE开发环境

支持脚本的在线编辑、运行和调试

支持两种代码缩进方式（2格或4格）

支持用户查看和编辑脚本的基本信息功能

4.2.2 大数据分析可视化平台技术要求

（1）数据源对接

直连数据源:平台直接连接外部数据，支持索贝融合数据库(Vernox)，支持主流数据库Oracle、Mysql、Postgres；MPP数据库GreenPlum；

文件上传:上传本地文件进行分析，支持Excel与CSV，同时支持智能的数据类型判定。

（2）工作表(数据建模)

需支持拖拽的方式进行多表关联，智能匹配关联字段和关联方式。支持手动添加或修改关联字段，实时查看到关联后的表结构。合表关联提供包含不少于四种关联方式，左侧关联、右侧关联、内部关联、完全外侧关联。

支持工作表表基本的增、删、改、查，提供了便捷的复制、移动、导出功能。

提供SQL分析和多表关联两种创建方式。

支持原生SQL方式分析数据，创建工作表。

支持SQL 2003标准，支持 Select、From、Join 等标准SQL语法，以及Count、Sum、GroupBy 等分析函数。

支持SQL高亮、格式化及压缩。

支持数据源物理表快速创建为数据集。

支持同数据源下的联表查询。

支持SQL查询结果集的表格视图实时展示。

合表关联提供四种关联方式，分别为：

左侧关联:表示以左表为主表进行关联操作。显示左表中的所有记录,不管是否与关联条件相匹配,而右表中的数据只显示与关联条件相匹配的记录。

右侧关联:表示以右表为主表进行关联操作。显示右表中的所有记录,不管是否与关联件相匹配,而左表中的数据只显示与关联条件相匹配的记录。

内部关联:表示对两表取交集，只返回两个表中联结字段相等的记录。

完全外侧关联:表示对两表取并集。返回两表中所有数据，无需匹配字段。

在具体的业务场景中，当某个字段成员名称不符合预期时可以通过数据字典修改。产品支持对数据进行别名设置。

精确分组，用户可以通过拖拽操作快速生成组和解除组。

条件分组，用户面对复杂情况的分组时，允许根据自定义条件进行分组。

支持关键数据的筛选功能具体功能如下：

列表筛选，用户可以通过搜索和点击快速聚焦想查看的数据。

文本筛选，针对文本类型，用户可以调动更适合文本类型的筛选模式。

数值筛选，针对数值类型，用户可以调动更适合数值类型的筛选模式。

日期筛选，针对日期类型，用户可以调动更适合日期类型的筛选模式，且支持自定义参数筛选，便捷筛选最近N天等。

（3）可视化分析

智能推荐：支持拖拽选取展示字段后，智能匹配最佳的图表类型。图种支持：明细表、柱状图、堆积柱状图、象形柱图、条形图、堆积条形图、折线图、堆积折线图、面积图、双轴图、传统饼图、环形图、聚合散点图、大规模散点图、平面地图、指标卡、二维表、水滴图、矩形柱图、漏斗图等。

用户可以选择任意数据模型中任意维度、度量进行自主拖拽分析。

字段特征：支持自动识别工作表的字段特征，自动归类为度量和维度。

聚合：支持计数、求和、最大值、最小值、平均值等。

组合过滤：提供以多条件筛选的方式进行多维切片、切块分析。

排序：支持按照字符编码、中文数字、字母顺序排序。

智能推荐：支持拖拽选取展示字段后，智能匹配最佳的图表类型。

图种支持：明细表、柱状图、堆积柱状图、象形柱图、条形图、堆积条形图、折线图、堆积折线图、面积图、双轴图、传统饼图、环形图、聚合散点图、大规模散点图、平面地图、指标卡、二维表、水滴图、矩形柱图、漏斗图等。

多轴图表：支持柱状图与折线图集成展示，支持选择任意维度、度量配置柱状图和折线图。

支持指标卡展示单值指标，支持百分比格式、小数保留位数、颜色、字体等配置，首次加载自带数字滚动特效。

支持各级普通地理界限地图资源的嵌入，省份，区县等；

支持地图底色、主题，地理界限边框、映射值色域的设置；

支持地图文字属性的配置，包括字体大小、颜色、高亮等；

支持快速开启与关闭图例、X轴、Y轴、区域缩放、参考线等属性。

支持一键切换图种颜色主题。

字体设置支持:标题、纵轴(Y轴)、横轴(X轴)。

字体对齐支持:文本左对齐、文本居中对齐、文本右对齐。

图例对齐支持：水平排列，竖直排列，垂直对齐。

自定义配色支持:标题、画布背景、纵轴(Y轴)线/名称、横轴(X轴)线/名称，图形颜色。

渐变色支持：常规图表如柱状图、面积图等，支持条柱线渐变色配置。

组件对齐支持:左对齐，左右居中，右对齐，顶端对齐，上下居中，低端对齐。

坐标配置支持：长度、宽度直接设置。

参考线支持：极值、平均值或自定义参考线。

特殊配置支持：平滑曲线、散点大小、刻度缩显、区域缩放、图例不重叠、防标签溢出。

交互属性支持：部分图表筛选结果数据显示条目。

支持二维表表头高度配置、分页显示、内容自动换行。

（4）数据大屏应用

大屏画布大小选择，自定义设置。

画布颜色自定义设置，支持背景图片设置。

提供坐标显示、设置，长度、宽度直接设置。

当组件重叠时，支持设置组件层级，可以置顶或者置底。

多维组件伸缩按钮，可以从8个方向拖拽缩放组件。

自带数据缓存机制，保证管理和制作大屏页面切换间不会因为数据访问造成卡顿。

提供多种组件以满足更精美的数据呈现，支持文本组件、图片组件、音视频组件、边框组件等。

数字翻牌器：支持数字的跳动效果展示，清晰看到数据的变化的吸睛效果。

注释框：允许在任意图表的任意处加上鼠标触发才会展示的注释，方便用户查看时理解数据。

时间器：不可缺少的查看时间组件，支持配置所有走时方案，配合大屏展示的需求。

可链接文本：支持文本超链接，跳转到任意网站或大屏。

跑马灯：支持跑马灯展示单行文字的效果。

Tab组件：支持多页插件，可以单击切换同一区域内的展示内容，提升大屏的可看性。

跳转组件：支持新增文本，文本点击自动跳转到对应网页或大屏。

iframe组件：支持直接嵌入内部大屏或任意可访问的第三方内容。

支持将大屏快速嵌入到其他站点中，只需要将系统自动生产的代码嵌入第三方业务系统即可。

通过数据大屏，点击该大屏中图表内图形，会跳转到另外一张数据大屏跳转到指定的链接，例如门户网站或企业网站等。通过动态传参跳转到信息筛选过的另外一张数据大屏。

支持常用的图表进行关联设置，基于关联数据绘制成的图表，点击图表区域会响应对应的关联操作。

支持添加全局的自定义筛选，方便大屏展示时根据筛选内容切换图表显示数据，同时支持选择数值型或日期型字段的区间筛选数据。

支持自定义的数据定时刷新功能，可通过定时发送数据库数据请求，实时更新图表内容。

（5）仪表盘管理应用

仪表盘的结构由文件夹和仪表盘组成，通过文件夹和仪表盘构成了各个业务的分析框架。同时提供了仪表盘管理与预览一体化的界面，方便操作和管理。

采用了灵活的磁贴式布局，支持通过拖拽图表来进行位置调整和尺寸控制。

支持自定义的数据定时刷新功能，可通过定时发送数据库数据请求，实时更新图表内容。

支持全屏预览，自适应布局以满足不同设备的查看需求。

4.2.3 大数据预警要求

（1）预警规则

支持建立预警条件库，管理员可以根据学校实际要求建立预警条件，支持多个条件组合成新的条件，平台可根据管理员选择的条件自动生成预警名单。供应商需清楚了解学校现状，配合学校做好预警条件库。

（2）预警跟踪

对生成的预警名单，用户通可从学院、专业等维度来查询问题学生人数信息，并可配置通预警消息接收人，平台通过钉钉，微信等发送消息至对应接受人。提供下钻功能，具体到展示学生的基本信息、家庭信息、成绩信息，并能显示预警原因。可以查询历史反馈记录，支持批量导出预警学生名单。

4.2.4 数据上报要求

必须严格按照我校提供的数据表格式建立上报数据库，数据支持自定义上报时间规则；支持从大数据思政主题数据库自动汇总数据。支持历史数据存根。

4.2.5 自助填报要求

支持可视化建模，提供拖拽式的图形化表单设计能力，提供模板库满足快速制表需求，模板可开发定制；支持丰富的表单内置控件，以及丰富的表单数据验证、操作方式，支持快速配置各种表达式，支持表单字段间的自动关联，支持可配置的代码级联，支持条件样式；支持附件的上传、下载、图片预览，无需开发者通过程序开发。

支持可视化建模，提供拖拽式的图形化表单设计能力，提供模板库满足快速制表需求，模板可开发定制；

支持重复表、重复节等动态、二维表格功能的可视化定义，无需开发者通过程序开发；表单内置支持二维表数据行及重复节在用户填表时动态增、删及调整次序，无需开发者通过程序开发；

支持丰富的表单内置控件，以及丰富的表单数据验证、操作方式，支持快速配置各种表达式，支持表单字段间的自动关联，支持可配置的代码级联，支持条件样式；

支持附件的上传、下载、图片预览，无需开发者通过程序开发；

完善的权限管理功能：

支持字段级表单权限控制，基于用户、角色、组织结构可以分配用户入口访问、填报的权限，支持根据不同流程活动配置表单内部字段显示、编辑的权限；

数据支持：支持多种数据来源：支持Oracle ,SQL Server ,MySQL等主流关系型数据库，支持WebService、REST等各种数据接口。

4.2.6 学生画像要求

以学生个体为维度，基于学生个人成长全轨迹进行数字画像，完整记录每一名学生从招生、入校报到至毕业离校期间的数据信息。内容包含学生的基本信息、学习行为、助贷行为、奖惩情况、借阅行为、消费行为、缴费情况等多维度实时动态呈现出学生的基本情况，结合学生全方位的数据和数据分析的结果，形成学生个人画像。

4.3 功能要求

4.3.1 思政主题数据库

按照我校的实际业务场景数据需求将数据仓库中的数据封装成主题数据集，支持按照业务场景、按部门对数据封装、按大数据分析需求对数据封装。

建设业务场景主题数据集，至少包括：学业主题、心理主题、经济主题、学生生活主题。

4.3.2 数据分析

（1）学业数据分析

1）课堂考勤数据分析

统计各学院学生课堂平均到课率，统计各年级学生课堂到平均课率，统计各课程平均到课率，可下钻查看具体课程的签到情况。按照天统计学生的平均到课情况（详细统计项如下：应到人数，实到人数，旷课人数，请假人数，迟到人数）。

2）请销假数据分析

按天统计各学院请销假人数；按照请假类型统计学生请假情况；按照请假时长统计学生请假情况。

3）学生成绩情况分析

将学生成绩按照优秀，良好，及格，不及格，按照课程档次、分院统计学生成绩情况；按照课程档次、年级统计学生成绩情况。

4）课程不及格率分析

按照课程统计学生不及格率；按照学期统计各学院学生的不及格率；按照学院统计学生挂科总人数；按照年级统计学生挂科总人数。各统计情况可下钻查看具体挂科学生名单。

5）师生占比分析

功能说明:统计任课教师与学生的比率。

6）辅导员分配分析

统计辅导员与学生的比率。

7）学籍状态分析

按照学院统计各学籍状态下学生总人数，按照各学籍状态下学生总人数。

8）违纪情况分析

按照学院、违纪类型统计学生违纪情况。

9）学业分析大屏

学业分析大屏综合上述统计分析结果数据，对学校学生学业情况进行综合展示，支持自定义拖拽展示元素。

（2）经济数据分析

1）资助数据总览

统计学校在校生人数，资助总人数，资助总人次，资助总金额，资助人数占比，奖学金资助人数，助学金自主人数等情况。按照性别、学院统计学生资助情况。统计各学院不同资助类型的资助情况；按照年份统计资助情况。

2）困难生情况分析

按照困难生类别统计困难生情况，按照困难生困难原因统计困难生情况，按照学院、困难生类别统计困难生情况。按照统计困难生

3）奖励/资助简报

整合全部奖助工作中的数据，直接一键生成各年度奖励/资助工作年报，辅助管理者对奖助工作进行分析决策，使数据上报工作更加智能便捷。

A.奖励工作简报

为学校管理人员提供奖励工作简报配置的功能。管理人员可选择统计的奖学金范围、荣誉称号范围。选择了统计的奖学金种类和荣誉称号种类后，可选择需要展示的统计内容，包括奖励工作概述、近三年奖励变化趋势、奖金来源及奖种、困难生获奖统计、农村获奖生源统计、各院系获奖统计等。支持同时通过多维度的统计方式展示已发布的年度工作简报的详细信息。

B.资助工作简报

为学校管理人员提供资助工作简报配置的功能。管理人员可选择统计的奖学金范围、助学金范围。选择了统计的奖学金种类和助学金种类后，可选择需要展示的统计内容，包括资助工作概述、近三年奖励变化趋势、奖金来源及奖种、困难生等级院系分布统计、困难生城乡院系分布统计、困难补助概况、困难补助奖种情况。

4）经济分析大屏

经济分析大屏综合上述统计分析结果数据，对学校学生资助情况进行综合展示，支持自定义拖拽展示元素。

（3）心理数据分析

1）咨询统计

筛选条件：时间（按月份）、生源地、学院、本科生/研究生、年级、专业、班级、性别、姓名、学业、经济、咨询问题、医院诊断、咨询师

备注：根据相应的筛选条件可以生成咨询次数统计图以及可以导出具体的咨询人员的咨询次数。

2）月报表分析

筛选条件：生源地、学院、本科生/研究生、年级、专业、班级、性别、自残、自杀、服药、门诊、住院、普测A类/B类、危机事件。

备注：根据相应的筛选条件可以生成月报表中学生的统计图以及可以导出具体的学生情况。

3）心理危机情况分析

筛选条件：时间（按月份）、入库实践、出库时间、出库原因、目前状态、医院诊断、生源地、学院、本科生/研究生、年级、专业、班级、性别、预警等级、自残、自杀、服药、就诊、经济状况、是否单亲、学业、咨询情况。

备注：根据相应的筛选条件可以生成危机情况统计图以及可以导出具体的危机学生的情况。

4）心理分析大屏

心理分析大屏综合上述统计分析结果数据，对学校学生心理情况进行综合展示，支持自定义拖拽展示元素。

（4）宿舍数据分析

1）智能门锁数据分析

统计学生归寝情况；按天、归寝时间段、学院统计学生归寝情况。

5）晚签到情况分析

综合统计学生晚签到情况；按天，签到时间段，学院统计学生晚签到情况；按照性别统计晚签到情况，按照学院、签到分类（正常、请假等）统计学生晚签到情况。

4.3.3 大数据预警

（1）学业预警

1）规则管理

学业警诫：学生不及格课程学分累计达到12学分者。

退学警诫：学生不及格课程学分累计达到24学分者。

退学：学生不及格课程学分累计达到36学分者。

延长学习年限：未休完培养计划规定的课程；已修完培养计划规定的课程，但获得学分未达到培养计划规定的要求。

挂科规则：课程考勤旷课次数超过10次（阈值可自定义），同类型课程成绩趋于60分（阈值可自定义），该课程以往不及格率及同类型学习成绩排名均值。

教学过程预警规则： 旷课次数达到15次（阈值可自定义），迟到次数达到20次，请假超过5天判定为一级预警，以此类推设置三级预警、二级预警、一级预警规则。

其他规则：管理员可根据数据的实际情况设置规则名称，数据来源，数据分析结果，阈值制定不同的预警规则。

2）预警名单处理

根据不同的学业预警规则生成对应规则的学生预警名单。用户通过此功能可从学院、专业等维度来查询问题学生人数信息。提供下钻功能，具体到展示学生的基本信息、家庭信息、成绩信息，可以查询历史反馈记录，支持批量导出预警学生名单。

（2）经济预警

为学生管理部门提供学生消费数据分析服务，应用将校园一卡通等不同消费系统的详细消费信息与学生基本信息、资助情况等统一进行直观的整合呈现，为学生管理部门进行精准资助提供相应的辅助分析。

各级管理人员（学生处管理人员、院系学工负责人）可以对自己管辖范围内学生的困难生信息进行明细查询、表格统计、图形化统计、统计数据下钻等操作。以图表的形式将学生的消费趋势进行罗列展现，支持以时间段、名族、性别、困难生类型等字段为维度进行多条件组合筛选和查询，管理人员可基于筛选后的结果在线查看或导出。

1）规则管理

高消费预警：累计一周消费水平超过平均水平60%（阈值可自定义）的学生。

低消费预警：累计一周消费水平低于平均水平50%（阈值可自定义）的学生。

疑似困难生：属于受灾区学生，未申请零时补助的学生，累计一个月每周消费水平持续下降的学生。

疑似非困难生：存在于受助名单，累计一个月每周消费平均水平持续上升的学生。

其他规则：管理员可根据数据的实际情况设置规则名称，数据来源，数据分析结果，阈值制定不同的预警规则。

2）预警名单处理

根据不同的经济预警规则生成对应规则的学生预警名单。用户通过此功能可从学院、专业等维度来查询问题学生人数信息。提供下钻功能，具体到展示学生的基本信息、家庭信息、成绩信息，可以查询历史反馈记录，支持批量导出预警学生名单。

（3）心理预警

1）规则管理

疑似心理问题学生：学业（缓考、重修、作弊、警戒）、经济（校园卡消费、经济水平）、情感、家庭（家庭氛围、单亲、孤儿）、经常不回宿舍住、重大突发事件、自杀史、自残史、服药史、就诊（咨询）史、休学经历、酗酒

一级预警：事件当事人出现严重精神病性症状（严重妄想、幻觉、躁狂等情绪失控、严重缺乏自知能力、严重抑郁等），危机他人或自身的生命安全，出现伤害行为，且伤害行为尚未结束；或者出现群体性严重恐慌，以致威胁公共安全等。

二级预警：事件当事人存在严重心理障碍，表现出明显的心理行为异常、思维逻辑混乱，如抑郁症、双向情感障碍、精神分裂症、边缘型人格障碍等，或言语中流露出有自伤或攻击他人的倾向，且有一定的诱发事件和动机，但尚未有伤害行为的具体实施计划和出现伤害行为。

三级预警：事件当事人有明显的心理困扰，伴随一定程度的心理障碍症状，但尚有自知能力，在一定程度上愿意寻求帮助，或已在相关医院接受治理和辅导，并能坚持服药。

其他规则：管理员可根据数据的实际情况设置规则名称，数据来源，数据分析结果，阈值制定不同的预警规则。

2）预警名单处理

根据不同的经济预警规则生成对应规则的学生预警名单。用户通过此功能可从学院、专业等维度来查询问题学生人数信息。提供下钻功能，具体到展示学生的基本信息、家庭信息、成绩信息，可以查询历史反馈记录，支持批量导出预警学生名单。

（4）宿舍安全预警

1）规则管理

疑似失联名单：连续10次没有智能门锁进门数据，连续5次没有晚签到数据，连续旷课5节次判定为一级失联预警（阈值可自定义），以此类推类推定义各级别失联预警学生。

其他规则：管理员可根据数据的实际情况设置规则名称，数据来源，数据分析结果，阈值制定不同的预警规则。

2）预警名单处理

对智能门锁晚签到数据、开门记录数据、考勤数据、请销假数据等进行数据汇聚，建立宿舍安全预警模型，排查出疑似失联名单，并通过平台上报至辅导员，并记录跟踪处理结果。

晚归分析：结合智能门锁晚签到数据、开门记录数据，分析长期晚归的学生名单，并将学生名单内推送至相关辅导员，由辅导员记录跟踪处理结果。

未归分析：结合智能门锁晚签到数据、开门记录数据、请销假数据，平台主动分析出每天未归人员名单，并将学生名单内推送至相关辅导员，由辅导员记录跟踪处理结果。

4.3.4 领导驾驶舱

（1）学业驾驶舱

综合学业数据分析情况、学业预警情况，以图表的形式综合展示学校学生整体学业情况。

（2）经济驾驶舱

综合经济数据分析情况、经济预警情况，以图表的形式综合展示学校学生整体经济（资助）情况。

（3）心理驾驶舱

综合心理数据分析情况、心理预警情况，以图表的形式综合展示学校学生整体心理问题情况。

（4）宿舍安全驾驶舱

综合宿舍安全数据分析情况、宿舍安全预警情况，以图表的形式综合展示学校学生整体宿舍生活情况。

（5）综合驾驶舱

综合学业数据分析情况、学业预警情况、心理数据分析情况、心理预警情况、宿舍安全数据分析情况、宿舍安全预警情况、经济数据分析情况、经济预警情况，以图表的形式综合展示学校学生综合情况。

4.3.5 特色应用

（1）数据上报

根据教育厅思政数据上报要求，平台自动形成上报数据表，并根据学校数据中心设置的上传机制，定时将数据上传到学校数据中心已经建立的数据中。数据报表格式详见学校提供的数据上报格式。平台自动生成的上报数据支持新增、修改、删除、导出功能，并能支持管理员设置上报频率。支持导入补充及更新上报数据。系统需要将思政主题数据库中的代码标准按照教育厅下发的数据标准进行匹配，完全按照教育厅要求的数据标准结构推送数据到学校数据中心建立的上报数据库中。

（2）预警名单跟踪

平台根据心理中心管理员设置的相关预警条件，一键生成学生心理预警名单，同时预警名单中的学生分别推送至辅导员、学院、学生处相关负责人处。相关辅导员对推送的疑似心理问题的学生需要进行定期的信息反馈、跟踪，将相关的信息记录上传到系统中，系统会将这些记录长期保存。

学生预约情况分析呈现学生主动预约心理咨询师的次数（按照周趋势、月趋势、学期维度展现），同理也需要将心理咨询师主动发起学生邀约沟通弹性总次数归类呈现。

行为异常分析是一个多维度的条件判断，通过前期心理排查、跟踪筛选出的疑似问题学生，进一步获取学生的以下信息，对行为异常的可能性分析。

通过统计各个学院以及学院教师使用跟踪处理情况，可以对各个教师的工作情况进行跟踪分析，为领导实施教学管理决策提供数据支撑，同时也能更精确的掌握学生的各维度情况。

（3）自定义数据填报

提供可视化智能表单组件，能够通过图形界面快速构建出填表服务，在定义时能够指定哪些信息项来源于数据中心，无需用户填写。另外，填表服务在用户填写完数据以后，系统能够自动生成这些数据的相应的后台管理功能，如查询、修改、导出等。

支持可视化建模，提供拖拽式的图形化表单设计能力，提供模板库满足快速制表需求，模板可开发定制；

支持重复表、重复节等动态、二维表格功能的可视化定义，无需开发者通过程序开发；表单内置支持二维表数据行及重复节在用户填表时动态增、删及调整次序，无需开发者通过程序开发；

支持丰富的表单内置控件，以及丰富的表单数据验证、操作方式，支持快速配置各种表达式，支持表单字段间的自动关联，支持可配置的代码级联，支持条件样式；

支持附件的上传、下载、图片预览，无需开发者通过程序开发；

完善的权限管理功能：

支持字段级表单权限控制，基于用户、角色、组织结构可以分配用户入口访问、填报的权限，支持根据不同流程活动配置表单内部字段显示、编辑的权限；

数据支持：支持多种数据来源：支持Oracle ,SQL Server ,MySQL等主流关系型数据库，支持WebService、REST等各种数据接口。

（4）学生个体画像

以学生个体为维度，基于学生个人成长全轨迹进行数字画像，完整记录每一名学生从招生、入校报到至毕业离校期间的数据信息。内容包含学生的基本信息、学习行为、助贷行为、奖惩情况、借阅行为、消费行为、网络行为、住宿行为、运动行为、缴费情况等多维度实时动态呈现出学生的基本情况，结合学生全方位的数据和数据分析的结果，形成学生个人画像，辅助学校辅导员、院领导及相关业务部门对学生的精细化管理，主要包括如下：

学生综合画像：将学生的招生信息、学籍信息、奖惩信息、资助信息、日常一卡通消费 /图书借阅信息、心理信息等进行综合性的量化呈现。

学生教学信息：综合展示学生的招生录取数据，包括高考总分、全国排名、优势学科、劣势学科、生源地、录取信息、志愿信息；学业成绩数据，包括已修学分、已获绩点、学期平均分、不及格门数、专业排名、年级排名；培养情况，包括培养方案、培养方向必修课、选修课成绩及科目详情。

学生奖惩信息：综合展示学生历年评奖评优及违纪情况，包括所获奖种、等级、获奖时间、金额；惩处情况，包括处分次数，违纪类型、违纪时间等。

学生资助信息：综合展示学生资助相关信息。包括学生个人的困难生认定信息，认定时间、困难生等级、历年所获的资助项目明细及对应资助金额（包括助学金、勤工助学、困难补助、贷款）。

学生日常信息：综合展示学生的一卡通消费数据、图书借阅数据、上网时长数据、考勤数据等，辅助分析学生的三餐规律度、运动习惯、作息规律度等。

学生身心信息：综合展示学生的心理健康普测、心理咨询、体育锻炼时长等数据。

（5）手机端应用

1）学生信息查询

管理员定义学生查询字段，学校各管理员可通过不同的查询条件查询学生信息，并能查看学生详细信息。根据管理员设置的数据行级权限，不同角色查看到的学生数据范围不同。

2）预警名单跟踪

根据学生预警名单。用户通过此功能可从学院、专业等维度来查询问题学生人数信息。提供下钻功能，具体到展示学生的基本信息、家庭信息、成绩信息，可以查询历史反馈记录。用户可通过钉钉、微信等联系学生，并记录跟踪处理结果。

3）数据填报

根据管理员创建的填报任务，用户可在手机端上填报个人数据。