目前高校数据治理面临以下严峻问题：
1.业务系统过于分散
孤立的业务系统数据标准不一致、代码标准不一致、数据不完整，客观上造成了数据的孤岛，加大了数据清洗、整合的难度。
2．数据管理混乱
业务系统使用与Excel管理并举，很多管理人员习惯于Excel管理，导致数据录入系统不及时。数据从生产到使用的流程不清晰，导致业务系统中的数据不准确、更新不及时。
3.数据质量问题严重
数据源头上的数据质量参差不齐、数据质量不高是普遍事实。
此外，高校还存在数据之间不能有效交换、数据难以开放共享、数据融合困难等问题。针对高校的难点、痛点，通过盘活现有的数据资产，打破信息孤岛壁垒，信息化快速推进，能更早、更快地把数据有效地利用起来，充分发挥数据资产的作用，从而提供全面的信息化服务，真正地掌握数据，赢得竞争力。因此，数据治理势在必行。
数据治理的目标是在保证数据质量的基础上把数据管起来、用起来，这些目标的实现离不开各种技术的支持。
使用自研的ETL工具，对数据进行多线程抽取，突破对传统ETL工具的依赖，并采用可插拔的适配器方式实现元数据的采集。提供不同数据源的支持，如SQL、文本、DB、自定义ETL等，实现不同数据源纳入管理。
学校数据标准包括两个部分，一部分是学校制定的公共编码标准规范和业务编码标准规范，简称为校标，一部分是学校引用的相关国家标准、教育部教育管理信息化标准以及其他相关行业标准，简称为国标、部标和行标，统一的标准和规范能很好地解决通用性和扩展性。在数据标准上，先基于国家规范标准，再基于校标标准，通过对源数据进行抽取、转换、比对，将数据加载、整合到目标库，实现数据编码管理、数据字典管理。
将数据质量配置相应的监控规则（如完整性、一致性、有效性等），通过平台自动化数据校验机制保证数据质量，精准定位到每一条脏数据，明确脏数据的来源，形成数据质量报告。报告会指明数据缺失、数据异常、数据错误等各类问题，便于协同不同的部门或人员对有问题的数据进一步治理。同时，支持对数据进行定时同步更新备份。
提供数据属性标签并进行详细描述，便于用户了解数据内容，提供全局检索功能便于快速定位元数据。
通过数据治理，形成数据治理体系，并持续运行，提升、挖掘数据的应用价值，可避免部门间互相推脱责任、决策依据不准确、数据质量低、数据管理落实不利等一些列问题，为数据的集成和挖掘应用提供有力的保障。
针对本方案我司配套的产品是教育智能大数据综合管理平台，简称EI（Educational Intelligence，教育智能）。该系统提供了数据采集、数据治理、数据建仓、数据挖掘、算法建模、可视化数据分析等一站式服务。通过该平台的数据管理功能，用户可以定制化采集清洗数据、管理元数据、导出异常数据报告等，对数据进行持续治理和改进。
通过可视化、简洁清爽的图形界面进行数据关联，帮助学校快速完成多数据整合与数据清洗（ETL），提供灵活、可视化、探索式、自助式、易用且高效的即席分析能力，支持对数据进行钻取切片等操作，并对数据或数据分析结果进行实时可视化展示，具有实时监测指标预警功能。