【2024中国数据生产力大赛】智慧引领 数据赋能--助力后勤服务高质量发展
标题
智慧引领 数据赋能--助力后勤服务高质量发展
企业简介
中国矿业大学是教育部直属的全国重点高校，是教育部、应急管理部与江苏省人民政府共建高校，先后进入国家“211工程”“985优势学科创新平台项目”和国家“双一流”建设高校行列。学校为全国首批具有博士和硕士授予权的高校之一，设有国家批准的研究生院。学校现坐落于素有“五省通衢”之称的国家历史文化名城——江苏省徐州市，有文昌和南湖两个校区，占地4200余亩，校舍建筑面积156万平方米，现拥有教职工3450余人，学生3万8000余名。设有72个本科专业，有8个学科进入ESI全球前1%，其中工程学进入前1‰。
中国矿业大学总务部是为学校教学、科研、师生提供后勤保障服务的职能部门。目前总务部下设管理机关部门5个，专业管理部门8个，联系和代管单位3个，逐渐由管理、服务、经营等职能向单一的“监管”职能转变，加快后勤社会化改革步伐，在饮食、运输、商贸等领域引进社会优质企业进驻学校，构建学校后勤事业的新发展格局。
校徽
校园风景
1 业务需求/挑战
在当今数字化时代的浪潮中，高校的发展面临着诸多新的机遇与挑战。教育数字化已然成为国家战略的关键构成，而高校后勤领域作为高校运行的重要支撑部分，其重要性不言而喻。同时，高校后勤的服务对象逐渐转变为对数字化有着天然亲和力的00后学生群体，他们对生活水平的要求越来越高，传统的学习与生活模式已无法满足他们的需求，00后们需要更便捷的学习与生活方式。因此我们需要将先进的理念和技术应用到我们后勤管理工作中，通过数据分析的应用，提前预判，精准分析师生生活需求，为师生提供更加符合师生期待的服务模式，改变师生对后勤的传统看法。
进一步结合工作实际，总务部目前已初步完成后勤社会化改革，根据学校第十四次党代会提出的“推进后勤社会化改革，构建高质量的服务保障体系”总要求，总务部不断推进后勤社会化改革步伐，在饮食、运输、商贸等领域引进社会优质企业进驻学校，构建学校后勤事业的新发展格局。后勤社会化改革也会给后勤管理带来了新的问题：管理人员减少，需要先进的高效管理手段进行支撑；“望闻问切”的传统监管方式下，管理维度不精细，定位问题不精准，已逐步不能适应后勤高质量发展的需求；后勤相关职能转移至社会企业，导致监管难度加大，需要信息化手段进行实时监控和数据分析，通过数据分析弥补管理人员减少带来的管理问题，提升管理效率，提高服务质量。比如在能源管理方面，借助数据分析能力，能够及时发现用异常，实现配电室无人运行，提升能源管理效率。
从信息化建设角度看，目前我校后勤信息化建设已取得初步成效，已建成涵盖公寓管理、门禁通行管理、能源管理、线上报修等20余个业务系统，以及智慧后勤服务保障中心IOC展示平台，将总务部已有各业务系统数据在三维场景中进行直观展示，但平台采取直接与各业务系统对接的形式，缺乏统一的数据采集与治理，各业务系统数据质量残次不齐，数据标准无法统一，例如对于校园中的同一栋公寓楼中宿舍名称宿舍管理平台和节能管理平台采用了不同命名规则，导致展示平台中无法将住宿信息宿舍用能信息进行有效关联，影响数据展示；平台缺乏有力数据分析工具，导致数据资源利用大多停留在表面，只能进行简单运算，无法将业务数据加工成业务指标，业务服务不够、应用领域相对较窄、数据与场景融合不够，使得数据之“沙”难以汇聚成“塔”，海量数据资源无法盘活，数据潜力没有释放，数据价值得不到充分发挥，不能够满足平台对于数据分析的需求，缺乏关键业务指标支撑数据决策，诸如电表数据、通行记录、消费流水等业务明细数据只能浮于表面，无法深挖数据应用价值，满足建筑异常用能告警、公寓异常考勤告警、商家淘汰预警等实际应用场景需要；同时，平台缺乏事件预警及对于事件的处理能力，不能够在平台上完成任务分配等操作，对于各类传感器告警、异常指标告警无法及时通知到业务管理人员，无法满足日常管理使用需求，因此需要建设一个集业务系统数据处理，业态数据综合展示，预警事件推送通知的数据集成治理及业务数据分析平台。
建设需求：
数据集成治理及业务数据分析平台需要能够集业务系统数据处理、业态数据综合展示，预警事件推送通知，任务工单按需分发多功能于一体，通过将大量业务数据集成至数仓，搭建起牢固的数据基座，将各种业务数据拆解组合成业务指标，制定出可对比、可分析的关键指标，分解到能抓落实的最小责任主体和最小统计单位，通过各种业务指标的汇集全方位展示业态运行，精准发现、补齐短板，建立起“用数据说话、用数据决策、用数据管理、用数据创新”的数据驱动机制，从而提升管理水平，在“十四五”数字经济发展规划下为高校高质量发展提供科学理论指导和行动指南。平台需要包含以下功能：
多源数据集成：
系统支持多种数据库类型的数据获取能力，能够适配总务部各应用系统的数据库类型，实现多源数据类型的整合工作。
数据应用开发：
系统支持数据清洗、过滤、转换、关联等处理工作，可以通过脚本的方式对数据进行整合处理快速应对总务部多种数据源的各种数据处理场景。
数据定时调度：
系统支持数据按照配置进行定时同步更新和自我监控，对异常数据和失败的任务进行邮件、短信、微信等方式进行报警推送。
数据分析应用：
针对总务部不同场景下的需求，可以通过基本运算、逻辑运算、数学函数等方式将数据转化成业务关键指标并通过不同形式对业务指标进行分析进而快速开发相应的数据分析应用场景看板，可根据业变动务系统中数据的变动同步更新分析看板中。
异常事件预警：
系统支持通过图表样式呈现异常事件的预警信息，并对高等级预警事件进行消息、短信、邮件等方式推送提醒。
业务数据开放：
可以通过API接口、数据库、消息队列等形式将产生的业务数据进行部门间开放共享，同时可以对共享的数据进行权限控制，保障数据安全。
2 解决方案
2.1建设思路
平台遵循数据驱动业务发展的建设目标，按照“数据整合、功能定制、应用落地”的建设路径，将项目建设划分成三部分，数据资产梳理与整合、数据主题域构建与具体实现、数据应用落地。
在数据资产梳理与整合阶段，对总务管理范围内涉及的能源、饮食、公寓、物业（公房）、服务监管、设备报修等主题域的20余个业务系统的数据资产进行了统一梳理，建立数据资产目录，在对业务系统数据采集时根据业务实际去除异常数据，统一进行存储。再根据不同业务实际管理需求将原始数据按照不同维度拆分组合成不同业务指标进行持久化保存供下一步使用需要。
数据主题域构建实现阶段，将数仓中的业务数据和指标按照实际使用需求进行组合，形成可供业务人员分析使用的数据表，业务人员根据自身需要将数据表进行再次处理，得到可以直观了解业务现状，判定问题的数据分析表，将分析结果汇总形成直观展示业务实际的数据分析看板。
数据应用落地阶段主要注重将数据运用到实际工作，根据不同业务部门工作实际，按照不同维度对业务指标进行分析，得到针对不同指标的预警规则，并可以将告警通知通过微信公众号消息的形式推送给业务负责人，及时发现异常。同时，将如总用能，总消费额等学校总体业务指标，业务关键指标分析图表，业务告警数据等管理者关心的重点数据进行汇总，形成业务管理工作台，使管理人员可以“一屏揽全局”，直观了解业务运行总体态势。
2.2项目设计
2.2.1架构设计
基于总务部整体项目规划，构建起了数据接入存储、数据填报应用、数据指标分析的自底向上的三层架构,自底向上打通数据应用，完成了从业务数据接入到数据分析应用的全流程规范化建设。整体架构如下图所示：
项目架构
数据架构
（1）统一数据仓库设计
数据仓库架构
平台按照“全面覆盖，全量提供，深度挖掘”的思路，搭建统一的数据仓库，实现对不同源头、标准的业务数据进行集中的管控与处理，打通数据壁垒，结合中国矿业大学总务部核心业务以及信息化建设现状，以原有数据指标为基础，对部门级数据管控体系持续开展数据资产化梳理工作，形成数据资产，搭建集数据输入、 数据存储、数据模型建设及数据应用为一体的数据中心，为部门数据数据资产沉 淀、管理分析提供平台和数据等能力支撑进一步保证数据的质量与安全。早前通过其他建设方进行过数据建设，但是底层数据来源过于复杂，且之前并没有做完备的数据梳理，数据质量较差，因此这次项目主要的目的就是将各业务系统的数据进行治理汇总至项目新建数据库，再进行输出，用于工作台和驾驶舱看板的展现
将数据仓库具体划分为ODS层-DW层-DM层三层，分别对应数据处理的数据采集-数据清洗与加工-数据应用与指标构建阶段。数据仓库建设基于FineDataLink工具完成，通过FDL工具完成对Excel等本地文档、业务系统数据库、数据接口等不同形式的数据源的数据采集，并在FDL中将原始数据进行处理加工，划分业务域，形成业务指标，最后分层存储。通过数据资产梳理，数据指标重构，实现主业务数据建设从起步阶段向成熟阶段迈进，为“总务数据化管理”提供有力的数据支撑。
数据资产评估
数据资产梳理：系统性的对总务部管理范围内的能源、公寓、饮食、监管等业务系统产生的数据进行梳理盘点，按照数据来源，数据存储形式，数据量对数据进行划分，形成数据资产台账，同时根据业务数据情况对不同业务数据采取不同的数据同步方式和数据采集频率，为数据采集对接打下基础。
ODS层：目前，总务部已建设的各个业务系统中，数据较为分散，结构不能统一，不同的业务系统可能采用不同的数据定义和使用方式。因此，在构建数据仓库时，需要将各个业务系统的数据进行整合，消除数据歧义和数据冲突，合并成一个统一的数据源。ODS层作为一个中间过渡层，通过可视化配置的方式对结构化数据、非结构化数据接入到大数据平台，将原始数据经过一系列处理后转换成更干净、更准确、更易用的数据格式，供上层应用使用。依照数据管理标准，通过 FineDataLink可视化构建数据采集流程，向数据仓库接入能源，餐饮，公寓， 服务反馈，报修等数据，保障数据的一致性、真实性。 累计开发数据处理流程 超过400项 ETL 流程，数据仓库累计开发300余张数据表。
DW层：从 ODS 层中抽取数据，然后去除异常值、缺失值等不良数据，将业务系统的数据转换为适合数据分析的形式，再进行整合，将分散的数据整合为完整的数据。
数据表关系图
DM层：根据不同业务主题需求，将DW层中的数据进行分类汇总，通过根据时间、地点、人物等不同维度将DW层数据进行划分和聚合，形成基于不同主题域的业务指标，并通过业务指标之间关系将不同数据表进行关联，通过数据挖掘和分析，发现数据中的规律和趋势，将其应用于BI自主分析以及驾驶舱看板的呈现。
（2）数据分析看板设计
通过部门领导统筹指挥，各部门积极配合平台建设，根据自身实际工作内容，对数据分析看板建设内容提出针对性意见和想法。按照业务划分，为各职能部门制作了，用电、用水、公寓管理、餐饮消费四个业务主题看板，按照“数据全面覆盖，信息精准呈现，决策科学有效”的设计理念，对于每个看板进行整体布局规划，划分不同的功能区域和模块，保证界面简洁明了且具有良好的逻辑性。在不同展示区域内，将同类指标聚集展示，并根据指标特点选择针对性图表类型，确保能够快速传达关键信息。
用电看板
用水看板
餐饮看板
公寓看板
3 典型应用场景
3.1 智慧后勤——总务部数字工作台
3.1.1 场景背景
智慧校园服务保障调度中心已初步建成IOC展示平台，将总务部已有各业务系统数据采集后，在三维场景中进行直观展示，但平台缺乏事件预警及对于事件的处理能力，不能够在平台上完成任务分配等操作，无法满足日常管理使用需求，缺乏支撑业务的分析型数据展现，并且对于各业务端的数据缺乏一个整合的平台进行全方位展示。
3.1.2 场景痛点
监控视频繁多杂乱，无法按照区域分类查询
为提升后勤管理水平，在食堂、宿舍、场馆、快递站等地布置了安全监控摄像头，将监控通过专网集成至平台，在监控系统平台进行视频监控的查看，但是因为缺乏主数据系统，监控视频无法按照各区域进行分类展示，无法通过建筑名称和区域进行定位相关的摄像监控，影响日常安全管理的工作效率。
预警逻辑灵活变动，无法高效实现模型优化
为实现灵活监控管理，可以快速优化视频监控模型，对重点事项可以进行手工优化和调整，现阶段通过代码开发的形式进行优化，每次变更的维护成本较高。
多个平台预警流程，无法实现预警闭环流程
在食堂、宿舍、能源等业务建设了相应的业务系统，对于异常事件的管理措施通过人为的数据校验和检查，无法实现多平台的数据对接，打通数据预警的流程链路，形成闭环管理。
3.1.3 场景内容
建设了总务部数字工作台，包含了大数据概览，地图概览，监控列表，风险列表和日程信息等模块，汇总了各个业务平台的核心指标，如能源统计，实时监控，服务反馈，餐饮运营等。其中针对用水、用电、交易流水、公寓考勤、舆情等风险业务做了数据监控预警，通过异常标记和消息推送的方式及时跟进异常风险。
3.1.3.1 监控视频动态解密，监控统一汇总管理
通过FDL实现视频监控系统的接入，对于视频监控系统的动态加密，通过【数据转换】获取视频监控系统的access-token，以此获取HLS视频流，通过与建筑信息表关联实现视频流和楼宇信息管理信息匹配，再通过FDL传输到FVS视频流插件，可以通过FVS页面按照不同楼宇建筑的名称进行监控视频的汇总查看。
3.1.3.2 监控模型手动维护，重点视频突出显示
对监控视频按照区域和建筑进行的划分，可以通过FVS的页面中进行筛选各建筑下的监控设备的情况，并且通过FR填报的监控视频维护的页面可以对需要轮播的视频进行标记，标记为1的视频会在FVS中重点区域进行轮播播放，对于老师而言减少了视频的更换和维护的成本，只需要通过FR填报录入、FDL的数据打通和FVS的过滤筛选实现视频的更替和维护的工作。
制作了专门的监控视频专题驾驶舱，可以按照区域划分选取关注的监控点位进行查看，方便进行管理，减少安全隐患。
3.1.3.3 虚拟校园总揽全局，楼宇建筑明细查看
在2.5D地图中按照建筑对地图进行了划分，在地图上点击建筑即可查看该栋建筑相关业务数据，直观了解校园中每栋建筑实时态势，是管理者能够动态调整运行策略。
3.1.3.3 风险预警链路打通，待办事项形成闭环
通过治理后的数据进行告警通知，设置包括隐形贫困（五元套餐消费次数）、用电超功率、用电量异常、官网漏损、无人寝室、公寓异常考勤等系列预警模型，不同预警模型可以根据权限配置自定义预警通知相关管理人员，通过FDL直接通过微信公众号进行推送提醒，同时集成至简道云中进行预警闭环处理。
用电量异常告警、用电功率告警
用水异常告警
餐厅档口涨价告警
餐厅档口淘汰（人流量）告警
安全监管告警
舆情预警
列表点击查看告警详情
平台可以自动或者手动将指定告警通知通过微信公众号（CUMT微生活）以模板消息的形式推送给指定管理人员，提醒负责人尽快对异常或故障进行处理。
告警通知发送
公众号告警推送提醒
3.1.4 场景价值
（1）实现业务全方位管理，在平台上线前，用水、用电、公寓、餐厅等平台之间数据独立在各系统当中，解决多系统数据的整合，实现一屏总览后勤业态，实现总务综合管理数据分析。
（2）实现业务风险预警管理，在平台上线前，对于用水用电的情况只能通过在能耗系统中进行全量的数据查询，并且无法按照各区域或建筑进行划分能耗的使用情况，通过FDL+FVS的组合应用，实现对每小时的用水用电情况监控，并且对于触发的预警情况可以设置相应的代办流程推送到微信公众号，实现管理上的闭环。
（3）以往监控视频的查看只能通过在监控系统平台中进行汇总查看，没有办法按照区域或者建筑进行监控模块的划分，无法做区域或建筑的定向监控，通过FDL模型构建+FR填报维护+FVS终端展示实现监控视频灵活展示的应用。
3.2能源管理
3.2.1场景背景：
中国矿业大学南湖校区能源管理自2014年节能监管平台建成以来，目前已全面实现水电一体化、智能化管理，借助节能监管平台，可以完成水电智能化控制、配电室无人值守、水平衡实时监测、空调远程控制等功能，在提高工作效率的同时节能减排，始终贯彻新发展理念，助力实现“双碳”目标。目前，平台已经接入超过8000台物联网设备，包含水电表、传感器、网关、视频监控等多种类型，其中大部分设备每10分钟采集一条数据，每天平台会采集近百万级数据量级的各种类型的用能数据，为保障在FR和BI中的用水用电的告警分析应用的数据准确性和及时性，通过FDL对能源平台中间库分区分表进行取数，得到用水用电使用数据，支撑对水电数据分析的数据底座，此外，能源预警等场景对数据的时效性要求较高，因此采取对比更新增量同步保障数据的更新频次。
3.2.2场景痛点
能耗数据量庞大，难以支持数据分析应用
针对校园内各建筑和各宿舍的用水用电能耗数据使用情况进行跟踪定位，能耗系统中包含8000个设备，平台10分钟同步一条数据记录至数据仓库，每天会产生近百万级的数据量，数仓中积累大量用能数据明细，但平台无法进行数据处理，难以支持数据分析应用。
缺乏主数据管理，难以定位建筑能耗数据
由于能源系统只有单个设备的能耗数据，无法在系统中按照区域和建筑进行划分和关联，在能耗管理角度上无法从区域或者建筑的角度看到能耗使用数据，无法直接满足日常管理使用需求，需要手工进行大量数据的维护和处理。
缺乏分析性平台，能耗数据统计分析繁琐
能耗数据只能通过在能源系统中进行查看，每次查询会从19年开始到当前的全量数据进行查询，查询性能很慢。并且在能源系统中包含了1000+能源设备，但是没有对设备进行按照区域和建筑拆分，只能看到单个设备的数据，无法监控区域用电的情况。
3.2.3场景内容：
3.2.3.1能源数据打通，构建水电数据底座
（1）通过FDL同步历史水电设备数据，基于日、月、年、区域、建筑等不同事实表进行汇总得出汇总数据，该汇总数据可支撑用电阈值的设置逻辑的参考，并且可以纵向对比同一区域、建筑历史用水用电情况。
能源ETL任务
（2）通过FDL先获取近30天的明细数据，然后通过FDL的【循环容器】自动同步近7天的用水用电数据，避免水电数据会存在在第二天或者第三天产生变动的误差，并且通过【SQL脚本】删除掉30天前的数据，以获取每小时的用水用电趋势。由于目前水表采用的事
用水量循环同步
用水量历史数据删除
（3）由于部分水电表使用非智能远传表，表记数值识别可能产生巨大误差，需要人工进行修正，通过FDL的SQL脚本替代以前传统人工修正，根据同环比数据，判断数据是否异常，并将其修正
用水量数据异常识别
（4）同步温度、湿度、烟感传感器的报警信息，与区域和建筑数据关联，推送到工作台当中进行预警通知。
传感器数据对接
3.2.3.2能源数据维护，实现设备数据管理
由于节能监管平台只有单个设备的能耗数据，无法在系统中按照区域和建筑进行划分，但每个建筑和区域的用能计算涉及大量设备，且计算用到的设备经常更换，计算公式也需要调整，因此通过FR的填报页面开发的建筑用能计算维护表，可以在每个建筑的数据下进行维护用能算公式。
加法公式：计算相应的设备的能耗数据总和
减法公式：减去影响的设备的能耗数据总和
需要加法和减法计算的原因在于，多个设备之间会存在数据的交叉，多个设备设备之间的数据会存在二次计算，或者存在两栋建筑之间的用电交叉的情况，因此需要减去重复计算的设备的能耗数据，确保数据的准确性。
计算公式管理
3.2.3.3实现数据预警，构建预警阈值模型
通过FDL同步历史水电设备数据，基于日、月、年、区域、建筑等不同事实表进行汇总得出汇总数据，该汇总数据可支撑用电阈值的设置逻辑的参考，并且可以纵向对比同一区域、建筑历史用水用电情况。基于历史用水用电的情况，通过（去年今日的前后30天能耗数据+前年今日的前后30天能耗数据）的平均值*1.5该公式计算得出每栋建筑的每个季度用水用电阈值，并且可以通过手动维护阈值数值，调整预警的逻辑，应对开学、放假等特殊时间节点的能耗异常的情况。同时根据其他不同业务场景，设立了包括设备离线、管网漏损等告警模型。
用电阈值管理
用电_功率阈值：近7日最大功率的1.5倍为功率阈值
用电_当日区域用电占比：后勤服务区包含公寓区，餐厅区，场馆区和后勤服务区
用电_告警列表：设备超30天未传输数据记为超30日不传输，设备超30天未更新数据记为超30日不更新
用水_建筑漏水预判:建筑0-5点间小时用水超过2m³的累计值
3.2.3.4能源数据分析，实现全面数据管控
通过BI自助式数据分析应用，支撑对于学校内用水用电的能耗数据情况的可视化分析，从用电的核心指标出发，展示今日用电量，南湖实时功率，当日最小功率/当日最大功率，当日最大负荷建筑，今日用电量告警数量等关切数据，再到各项汇总统计数据，通过多维分析图表样式，全方位展现诸如学校用电量趋势，当日学校用电功率趋势，当前楼宇负荷排名前五名，各区今日用电量，当日区域用电量，楼宇用电功率，告警列表，各区用电量趋势，南湖校区当月最大最小功率趋势，当日分区用电功率告警数量等数据。
用电看板包含指标卡、折线图、柱形图、饼图、列表多种形式，指标卡重点展示业务人员关心的统计数据，包括总用电量，实时功率，峰值功率，用电告警统计等，折线图则对用电量和功率趋势进行了展示；列表展示了楼宇用电、表记数据、传感器数据等明细数据。
供电看板
3.2.4场景价值：
数据平台建设完成前，能耗数据只能通过在能源系统中进行查看，每次查询会从2019年开始到当前的全量数据进行查询，查询时间长、效率低。并且在能源监管平台中包含了大量设备数据，但是没有对设备进行按照区域和建筑拆分，只能看到单个设备的数据，无法监控区域用水用电的情况。平台建成后，通过与节能管理平台对接，实时抽取设备数据，并根据时间、地点、部门等不同维度将设备数据分类汇总，形成能够满足日常能源管理需求的业务指标。
数据平台建设完成前，无法对管网漏水、宿舍停水等事件进行信息化手段监控，只能通过巡检和学生反馈，无法第一时间对故障进行处理，造成资源浪费及师生不满，影响后勤服务质量的提高，平台建成后，通过FDL采集个楼宇、区域同时间维度用水量数据进行每小时的用水趋势分析和历史用水量比对，及时发现异常用水情况，规避用水浪费，节约水资源。
数据平台建设完成前，建筑的用电功率安全一直无法进行安全管控，只能进行事后处理，通过每小时的用电趋势分析和功率预警，可以实现用电安全的在线管控，提高校园的用电安全。
3.2.5建设成效：
通过数据看板将建筑、区域、校区用能进行汇总展示，并将最大功率，实时功率，异常告警各区域、建筑用水等重点指标重点展示，解决了以前无法按照区域和建筑拆分，只能看到单个设备的数据，无法监控区域用电的情况通过多维度多图表的形式集中展示了学校当前用能情况的问题，通过每小时的用能趋势分析和预警，可以实现用能安全的在线管控，提高校园的用能安全。同时管理人员可以通过图表中不同维度数据对比直观地发现当前用能趋势和异常情况，及时发现管网漏损，帮助管理人员调整用能策略，辅助进行决策，降低整体用能负荷，助力绿色校园建设。
3.3 ......
3.3饮食管理
3.3.1场景背景：
学校共有14个餐厅，其中南湖校区7个，文昌校区7个，目前已全部实现社会化改革，学生可以通过校园一卡通、微信、支付宝扫码，刷脸支付等多种支付方式消费，大大地方便了师生的日常消费，但是一卡通系统和在线支付之间存在数据壁垒，无法将食堂的流水数据进行汇总分析，因此通过FDL打通在线支付系统和一卡通系统数据，可以针对性汇总出整体流水情况，并且可以根据不同渠道的销售情况进行定位分析。
3.3.2场景内容：
3.3.2.1多源数据整合，汇总商铺经营数据
目前食堂支付主要有校园卡、网络支付、小程序下单三种渠道，其中校园卡的数据汇总到一卡通系统当中，网络支付和小程序下单数据汇总到在线支付POS系统当中，但是在在线支付POS系统中会区分两种渠道的下单数据，因此通过FDL汇总POS和saas两个渠道的数据，将多渠道的数据进行整合打通得出每个档口的经营销售额和人流量等数据。
网络支付数据同步
一卡通交易数据同步
3.3.2.2商户信息维护，校准档口数据关系
一卡通系统和POS系统中的消费数据从卡机终端进行获取，每个档口会存在多个卡机的情况，因此在做档口的销售额信息统计的时候需要结合该档口的多个卡机的信息的情况进行数据的整合和汇总，同时一卡通和网络支付平台对于同一档口可能名称不统一，需要建立统一名称标准进行维护，并且档口还会存在变动和调整的情况，因此通过该填报页面可进行卡机和档口之间的信息维护，通过在FR填报中绑定每个档口对应的卡机端号，汇总数据到FDL中，最终可以通过BI呈现出来每个档口的一卡通的销售额数据。
一卡通卡机信息填报
网络支付卡机信息填报
3.3.2.2档口消费分析，实现餐饮经营管控
从餐饮的核心指标出发，展示餐厅档口数量，近30日服务总人次，当日人流量，当日消费额，当月人流量，当月消费额，明星档口等关切数据，再到各项汇总统计数据，通过多维分析图表样式，全方位展现诸如近30天明星商户，餐厅三餐对比，违规涨价预警，近30日淘汰预判，餐厅经营趋势，各餐厅近7日消费金额，近30日学生五元套餐消费情况，近30日支付方式分析等数据。餐饮看板通过涨价告警，淘汰预判等经营分析辅助业务人员了解餐厅经营状况，及时发现异常处理问题；同时，通过五元套餐消费情况可以帮助学工部门了解学生生活状况，助力学生管理工作提升。
餐饮看板
3.3.3场景价值：
（1）根据每个档口的销售额进行按月为维度综合对比，对营业额排名倒数的档口进行淘汰预警，通过FDL解决了以往只能通过Excel人工汇总一卡通、富有POS、富有saas三个支付渠道平台的数据，进行手动的核算和对比的痛点问题，可以实现多平台的数据打通，在BI中进行档口之间的经营情况对比，提高管理上的效率。
（2）通过将一卡通消费数据与学校中台人员信息数据通过FDL进行汇总分析，可以得到管理部门较为关注的5元套餐档口人员消费具体情况，包含学员信息等学生基本数据，实现了通过消费数据辅助学工管理人员进行精准补助。
（3）对食堂档口的价格进行严格的把控，对于档口对进行涨价预警的分析，实现校园食堂的精细化管理。
3.3公寓管理
3.3.1场景背景：
公寓管理是一个复杂的业务场景，涵盖公寓考勤、住宿管理、服务报修、设备管理等多个应用场景，目前通过引入通行管理系统、住宿管理系统、CUMT微生活系统等多个在线系统以及人脸识别门禁、智能门锁、视频监控等物联网设备，通过数字化、信息化手段，实现了公寓考勤、住宿管理、服务报修等业务的线上服务，实现“一体化、智能化”管理，提升公寓安全管理效率和管理水平，同时也为学生提供了更加高质量的服务。但目前，公寓各业务系统之间数据相互隔离，业务存在壁垒，通行系统每日采集通行数据约15万条通行记录，大量数据因为数据孤岛无法有效应用，挖掘其潜在数据价值，因此，通过FDL将宿管系统和门禁系统进行打通，每天通过获取门禁系统中学生的归寝信息数据和宿管系统中各宿舍楼的住宿情况，将数据汇总到总务数仓中，通过汇总的数据支撑老师对学生的夜不归宿的情况进行定位和监控，对异常考勤进行及时预警，辅助公寓管理人员进行决策。
3.3.2 场景痛点
宿舍资源合理分配周期长：
为解决学校住宿公寓资源的合理分配问题，最大限度保障住宿资源的不被浪费和学生对住宿分配的满意度，以往每年开学季通过大量的线下Excel数据汇总和纸质表单汇总住宿情况和空房情况，数据核对周期较长，无法保障数据时效性。
学生住宿安全管理难度大：
为解决跟踪学生的夜不归宿情况，以往只能通过人工去做归寝情况的检查，不仅执行效率低下，还会存在核对漏洞的情况，无法监控查寝之后学生是否再离开宿舍的情况。
3.3.3场景内容：
3.3.3.1 多系统打通，实现宿管自动化
公寓ETL任务
（1）通过接口获取宿管系统静态接口汇总数据，其中包含了各校区的男生数量、女生数量、满房数量、空房数量、入住数量、入住率等数据。
宿管系统数据获取任务
通过【Spark SQL】计算生成密钥，进行获取门禁系统token接口，通过接口获取门禁数据，一个人出入一次会产生三条数据（刷卡/刷脸、开门、关门），一天会产生数十万条数据，同时通常情况下通行数据不会选取较长时间跨度进行分析因此只进行三天的门禁数据的存储，降低数据库存储负载，提升数据库查询效率。
通行记录数据获取任务
3.3.3.2系统数据融合，助力公寓考勤管理
通过公寓数据和门禁数据的打通，从公寓的核心指标出发，展示当前在校住宿人数/在校总人数，男生数量/女生数量，空房间数/总房间数，当前无人寝室数量，在线设备数量和低电量房间数量等关切数据，再到各项汇总统计数据，通过多维分析图表样式，全方位展现诸如学院宿舍统计，公寓房间统计，公寓月人流量趋势，低电量房间列表，当前无人寝室列表，学院异常归寝排名，异常考勤记录明细等数据。
公寓看板
公寓_当前无人宿舍:寝室最后一人离寝为无人宿舍
公寓_低电量房间:规定房间剩余电量小于20度为低电量房间
公寓_考勤异常记录
3.3.4场景价值：
公寓考勤管理涉及学生安全，是后勤管理的重点，是提升后勤服务质量的关键，以往只能通过宿管阿姨或者辅导员进行人工的核对人员的归寝情况，现阶段通过门禁系统和宿管系统的打通，可以快速设别出每位学生的归寝情况，及时发现异常考勤，同时在每天早晚两次会通过微信公众号的形式推送给辅导员和学院的副书记助力教师的学生管理工作。
4 总结与展望
总务部数据分析与治理平台自2023年上线以来，平台日数据增量超过80万条。依托海量业务数据支撑，构建起了数据接入存储、数据填报应用、数据指标分析的自底向上的三层架构，通过数据采集、清洗和分析，将设备、环境、资源、平台信息数据化，实现对能源、公寓、饮食、快递、物联设备、舆情等监管，助力后勤管理决策从经验走向精准。
智慧后勤建设是一个不断适应时代发展、不断解决需求的过程，智慧总务建设办公室将继续完善智慧总务建设，整合资源，把后勤建设由分散型向集中型、智慧型发展。未来将针对以下方向进行针对性建设与发展。
1.加强数字总务内涵建设
提升数字总务治理效力。增强总务数据的完备性，进一步整合数据资源，加强数据质量控制，打破业务数据隔离，挖掘数据联系，提升数据应用价值，建立健全数据保障机制，实现业务全过程数字化，形成专业性更强的数据看板，实现数据辅助决策的目的。进一步完善信息预警等功能的有效推送。保障数据的实时性和信息的及时性。建立统一的消息推送业务平台。从确定目标受众、选择合适推送方式、优化信息内容等几方面努力实现全流程管理好预警信息推送。
2.提升员工数据分析修养
平台建成后为提升管理人员数字素养，提升业务人员数据分析能力，开展了数据分析线下培训，通过对BI工具的使用教学，业务人员基本掌握了数据分析能力，通过BI初级认证人员30余位，后勤数字化水平得到提升。下一步，将加大力度普及数字分析培训，将线下培训和线上培训相结合，培训课程和实际工作相结合，以学促干，培养员工主动将数据分析应用于工作的意识和能力，进一步提升后勤数字化整体水平，推进后勤服务高质量发展。
培训现场
3.积极探索AI在后勤信息化领域应用
借助LLM，RAG，AI agent等新兴人工智能技术，构建后勤知识库、智能数据分析助手、智慧问答机器人等智能应用，助力后勤管理工作向智慧化、智能化转变。
