案例简介：2014年开始，华中科技大学研究生资助中心依托大数据技术，打造了流程化、数据化的资助管理系统，从为系统各级人员提供前端培训、中端依据用户和业务实践需要对系统动态升级、后端依托积累的数据资源拓展业务深度，已经基本形成一整套完整的体系。至今，分工明确、流程精简、温暖人心的学生信息和精准资助横纵结合、奖助贷三位一体的资助管理系统基本形成;资助服务实现了实时动态化、精准定制化、公开透明化。信息化系统的建设丰富了资助育人工作的实践，为广大师生提供了优质而周到的服务，提升了资助育人的效果与深度。
案例关键词：流程化;动态化;精准化;数据分析
第一部分?建设背景
自2006年开始，华中科技大学启动培养机制改革，2009年华中科技大学研究生资助管理中心(以下简称“中心”)自主研发筹建资助系统，依托学籍管理系统，在学籍信息系统中设置三助管理项目，学院依托学籍信息，在系统中上报助学金，中心审核并交付财务处完成发放。限于当时技术手段，存在着周期长、反馈慢、信息更新时效性差等缺点。具体而言，海量学生数据散落在堆积成山的Excel文件中，文件与文件的字段常常高度重复而无法被相互关联;数据变动牵一发而动全身，然而中心同其他部门、院系及学生之间缺乏业务协同，遑论数据的及时更新;少量人手掣肘于数据的手工梳理，无法抽象工作逻辑，使数据的分析囿于平面，后续业务的拓展成为天方夜谭。
第二部分?建设方案
2014年开始，中心依托大数据技术，基于前期资助服务工作存在问题开始重新探索资助系统建设。在学校信息中心、研究生院、财务处共同努力下，中心将资助系统嵌入智慧华中大财务平台中，建设了立体化、多元化的资助管理系统，实现了“三个100%”和“三个零误差”的目标。
在中心的不断努力下，资助管理系统已实现培训——维护——数据分析一体化的功能。
一、前端培训
每年9月中旬，中心为提高广大师生在资助平台上的操作效率，着力为全校师生提供各级用户培训。通过实时的前端操作，详尽地向师生展示和演练奖助贷三个系统的具体操作流程，通过反馈，同时对系统的改进和完善做进一步探索。
二、中端维护
在日常工作中，中心针对不同学生遇到的不同问题，致力将人工处理的特殊情况流程化、数据化、代码化，逐渐从自动化向智能化升级。根据前端反馈的需求和建议完善字段设计、功能模块，梳理业务流程，使整个系统呈现不断动态升级的状态，以期为广大师生提供更优质更周到的服务。
三、后端数据分析
学校已构建基于后端收集的大数据的资助工作考核机制，建立了资助项目数据档案(如奖助贷等项目的经费投入、资助规模、应发金额、实发金额、资助群体、资助主要去向、资助成效)、资助工作者数据档案(如资助工作者的工号，姓名，工作单位，联系方式等)，加大对于资助政策执行过程的监督力度，致力将监督常态化于资助工作。
一个比较成功的案例是，中心在学业奖学金的院系间分配上，依据校招生办数据，将各院系生源质量加权赋分，在得到呈正态分布的人均加权分后，引入了“Z-Score”标准化模型，解决了各年级间情况各异、人为赋值的权重得分不可比较的问题。使得院系得分能够反映其生源与整体生源比较的状况，并随着每年招生情况动态分布;其次，在国家奖学金系统数据积累情况下，中心已经连续数年展开“国奖大数据分析”项目，通过对国家奖学金获得者数据的回归分析与可视化呈现，向学生推送“国奖是怎样炼成的”攻略;前文所述大数据精准扶贫项目，同样是对累积数据的分析和运用。这些项目丰富了中心资助育人的实践，提升了服务学生质量和资助育人效果。
第三部分?建设成效
一、构建了学生信息和精准资助横纵结合、奖助贷三位一体的资助管理系统
(一)系统分工，各司其职
资助工作系统分为三个系统，分别涉及奖学金、助学金、困难学生认定，这三个主系统共同构建为一张资助网，其下还有若干子系统，由主系统主导，子系统纵横交错，相互关联、渗透为广大师生提供了最精准、最全面、最立体的资助服务。
图1?资助工作系统架构
(二)流程精简，事半功倍
从校招生办获取学生录取信息并同步到信息申报系统中，学生从入校开始，填报迎新系统，申报奖助学金、校园贷款的申请表，都纳入系统管理的整个过程。中心能通过学校基础数据库直接获取学生的个人详细资料与信息，经过四级审核后，奖助学金依托财务系统会自动生成流水单号，流水单号发送到财务部门后，学生当天便能收到奖助学金。这样，学生的奖助学金及各类资助金额的发放简单便捷，准确精准，丝毫不会出错。
(三)精准发放，温暖人心
资助系统中的困难认定系统还结合校园一卡通平台，收集在校学生生活数据，包括缴费、就餐、生活场所消费、图书馆借阅、进出校园等数据。通过对这些数据的有效计算和评估，建立消费数据模型，能深入了解学生消费水平和生活状态，精准发现家庭经济困难学生的问题及等级，为学校精准认定提供了重要参考依据，较以往仅依靠辅导员或周边同学反馈、推荐相比，大数据更加直观、准确，能够精准认定家庭经济困难学生情况。
图2?精准认定家庭经济困难学生流程
此外，在大数据信息平台支持下，还打造了资助的“暖心工程”。如疫情期间对经济困难学生进行摸排和发放临时困难补助，提供上网课流量补贴;2020年9月初严格进行困难学生认定，学期末利用大数据进行困难学生校园卡消费情况、进出校门等数据结合进行精准摸排，对3362名困难学生进行隐形帮扶，其中约有400多人属于之前未申请困难认定的学生。学校这一举措被人民网、人民日报、新华社等多家媒体报道，产生较好社会声誉。
二、提供了实时动态化、精准定制化、公开透明化的资助服务
(一)实行动态化的资助信息管理
系统借助大数据的技术特点实行实时、动态化的精准资助信息管理。精准扶贫资助、助学贷款、特殊困难学生认定等信息均及时地录入到资助系统，奖助学金均由学生本人在线申请，逐级审核，做到学生档案信息数据化，实施动态管理。在学生个人或家庭信息出现变动情况时，三个资助系统能自动识别并更新学生个人信息的原始数据，满足了数据的即时性。
例如：校困难认定系统对困难学生进行建档立卡，以保持动态持续的追踪。家庭经济困难学生的建档也有利于对其进行有针对性、时效性、补救性的奖助评定以做到有限资助资源最大化利用，并为建立合理的评定模式提供决策支撑。
通过对家庭经济困难学生档案的梳理、分析，不仅能够体现学生在校期间接受资助育人工作的成效，也能通过评价资助工作在受助学生身上的价值呈现，衡量高校的资助工作水平。以受助学生经济条件改善、综合素质提升等个人发展为落脚点的绩效考核方式，能够准确反映高校资助育人工作的价值，彰显促进教育公平、社会公正的认同，体现效能精准的要求。
(二)为学生全面发展精准定制
系统有效地解决了学生个人信息碎片化和孤岛化等问题。在数据库的支持下，系统提供了数据采集、存储、分析、报告和指导等功能。系统中的奖助平台以综合测评为切入点，囊括了学生在校期间的学业成绩、论文成果、创新实践活动、社会实践活动和获奖经历等五个方面，以实现精准奖助。
通过运用大数据的处理、挖掘、分析技术，多维度画像，实现对家庭经济困难学生的精确认定，即在确定资助对象后，系统可以从多个维度客观分析资助对象的个人详细情况，对不同信息特征的学生采取不同形式的资助方式。采用“三助一辅”(助教、助研、助管)、德育助理和助学岗等形式基本解决学生经济困难，并使其能力得到全方面锻炼。