基于大數(shù)據(jù)分析技術(shù)的校友工作創(chuàng)新研究

譚保華，任志鵬，趙建平，王鵬

（1.長春理工大學(xué) 校友（基金會）工作辦公室，長春 130022；2.長春理工大學(xué) 計算機科學(xué)技術(shù)學(xué)院，長春 130022）

校友資源是學(xué)校最寶貴的人才資源，近年來，各高校不斷加強和重視校友工作，智能信息系統(tǒng)、微信公眾平臺、APP等現(xiàn)代化的系統(tǒng)相繼應(yīng)用到校友的管理工作中，有效地提高了校友工作的管理層次，高校對校友資源的管理更加科學(xué)化、智能化［1］。

隨著校友信息數(shù)據(jù)進入大數(shù)據(jù)時代，如何將大數(shù)據(jù)分析技術(shù)更好地應(yīng)用到校友信息的管理和維護中，實現(xiàn)智能化、科學(xué)化管理，使校友工作更具創(chuàng)新思路和工作方法，將給高校校友工作者一個機遇和挑戰(zhàn)，也將為今后的高校校友工作提供一個有用的參考。

1 大數(shù)據(jù)分析校友信息的重要意義

大數(shù)據(jù)作為時下最火熱的IT行業(yè)詞匯，隨之而來的數(shù)據(jù)倉庫、數(shù)據(jù)安全、數(shù)據(jù)分析、數(shù)據(jù)挖掘等圍繞大數(shù)據(jù)的商業(yè)價值的利用逐漸成為行業(yè)人士爭相追捧的利潤焦點。隨著大數(shù)據(jù)時代的來臨，大數(shù)據(jù)分析也應(yīng)運而生。

大數(shù)據(jù)分析在體育、經(jīng)濟、教育、文化等多方面領(lǐng)域進行應(yīng)用，促進了人類社會科技、文明的飛速發(fā)展?；诖髷?shù)據(jù)分析技術(shù)的高校校友工作同樣具有非常重要的意義。

1.1 對學(xué)校產(chǎn)學(xué)研合作方面意義重大

通過對校友信息的分析，智能提取校友企業(yè)產(chǎn)品與重點研究方向，結(jié)合學(xué)校具體專業(yè)，給出科學(xué)的合作方案和重點合作研究方向，助推高校與校友企業(yè)開展產(chǎn)學(xué)研深度合作。從而建立與校友企業(yè)的產(chǎn)學(xué)研合作長效機制，不斷增強學(xué)校培養(yǎng)人才能力，科研能力，為祖國建設(shè)可持續(xù)性輸送人才。

1.2 對校友組織的平臺建設(shè)意義重大

系統(tǒng)將校友按從事行業(yè)、工作地域、興趣愛好等數(shù)據(jù)信息智能的分析和提取出來，使學(xué)校有針對性地與校友進行雙向的溝通交流，使各地校友隨時掌握了解母校發(fā)展動態(tài)，為母校建設(shè)提供各種幫助。使學(xué)校能夠及時聯(lián)絡(luò)并成立相應(yīng)的地區(qū)校友組織，為校友搭建資源共享，合作共贏的平臺。實時動態(tài)信息交互聯(lián)絡(luò)圖如圖1所示。

圖1 實時動態(tài)信息交互聯(lián)絡(luò)圖

1.3 對開展利國益?；顒悠鸬酱龠M作用

根據(jù)信息智能提取出相同行業(yè)、相同興趣愛好的校友，使同行業(yè)及共同興趣愛好的校友們能夠快速有效地實現(xiàn)跨區(qū)域精準(zhǔn)互聯(lián)，從而能夠經(jīng)常組織起形式多樣的利國益校活動。

1.4 有利于年輕校友的快速成長

根據(jù)學(xué)校每年的就業(yè)數(shù)據(jù)，將畢業(yè)生分地區(qū)推薦給當(dāng)?shù)氐男Ｓ呀M織，地區(qū)校友組織聯(lián)絡(luò)人可以準(zhǔn)確獲取信息內(nèi)容，及時與新校友取得聯(lián)絡(luò)，安排接送站以及迎新服務(wù)，不斷充實壯大校友組織。使年輕校友能夠盡早的得到校友組織的關(guān)懷和幫助，有利于他們的快速成長。

1.5 有利于增加校友對學(xué)校的捐贈支持

通過對捐贈校友的信息分析，充分挖掘校友對母校的情感聯(lián)系，能夠最大限度地發(fā)揮校友對母校的捐款及奉獻(xiàn)，以及帶動校友邀請同學(xué)以班級為單位捐款捐物，形成校友與學(xué)校可持續(xù)共同發(fā)展。按組團捐贈統(tǒng)計分析數(shù)據(jù)圖如圖2和圖3所示。

圖2 按組團捐贈統(tǒng)計分析數(shù)據(jù)圖

圖3 按捐贈次數(shù)分類統(tǒng)計數(shù)據(jù)圖

2 搭建校友互動信息平臺

設(shè)計思想旨在為校友建立一個在大數(shù)據(jù)技術(shù)基礎(chǔ)上的信息整合分析平臺，為校友信息收集、信息管理、信息交流等提供一體化服務(wù)［2］。

平臺主要包括校友基本信息、校友行為需求預(yù)測、校友行為大數(shù)據(jù)關(guān)聯(lián)、校友行為大數(shù)據(jù)交互等模塊?；緮?shù)據(jù)模塊示意圖如圖4所示。

圖4 基本數(shù)據(jù)模塊示意圖

2.1 校友基本信息

校友的信息從入學(xué)時即建立起來，包括招生、學(xué)籍、培養(yǎng)、畢業(yè)論文及就業(yè)等信息智能動態(tài)的搜集整理好，最后與就業(yè)當(dāng)?shù)匦Ｓ褧?shù)據(jù)進行整合匹配，形成完整的校友信息數(shù)據(jù)庫。校友在校期間與工作期間的重要活動、經(jīng)典瞬間及各種獲獎證書等均可分類存儲到校友信息庫中，隨時進行智能的檢索及分析。

2.2 校友行為需求預(yù)測

通過大數(shù)據(jù)分析技術(shù)，分析校友的專業(yè)、從事行業(yè)及興趣愛好等，構(gòu)建出符合校友需求的行為模式方法，預(yù)測校友需要從事的工作及活動，將校友企業(yè)的人事信息、產(chǎn)品信息及校友活動信息及時推送，為校友開展事業(yè)助力［3］。

2.3 校友行為大數(shù)據(jù)關(guān)聯(lián)

將各地具有相關(guān)行業(yè)及興趣愛好的校友信息關(guān)聯(lián)提取，研究校友行為模式與業(yè)績的關(guān)聯(lián)性，智能提醒和指導(dǎo)校友加入同行業(yè)校友商業(yè)圈，形成資源共享，合作共贏的良好行為模式。

2.4 校友行為大數(shù)據(jù)交互

利用大數(shù)據(jù)技術(shù)融合校友數(shù)據(jù)，實現(xiàn)校友跨地區(qū)跨行業(yè)數(shù)據(jù)互聯(lián)，對校友信息共享平臺的數(shù)據(jù)檢索、更新和數(shù)據(jù)庫智能分類存儲進行科學(xué)管理,完善校友檔案信息嵌入式交互。

3 平臺信息的關(guān)鍵技術(shù)處理

3.1 校友智能信息搜集

智能信息搜索以對象為中心，通過用戶循環(huán)搜索完善對象描述模型，從而獲取到關(guān)聯(lián)對象信息來提高校友信息獲取的全面性與準(zhǔn)確性。根據(jù)校友登錄系統(tǒng)后產(chǎn)生的數(shù)據(jù)信息，利用知識圖譜與邏輯推導(dǎo)技術(shù)，對已有的校友信息進行相似度匹配，并通過機器學(xué)習(xí)、容錯檢測及分析量化，將數(shù)據(jù)庫中的校友信息不斷完善，對重復(fù)的校友信息給出合并提示并刪除冗余信息［5］。

圖5 智能搜集結(jié)構(gòu)圖

3.2 校友信息智能挖掘

校友信息智能挖掘技術(shù)以基于Web挖掘技術(shù)為平臺，為了應(yīng)對校友數(shù)據(jù)海量與動態(tài)的特點，采用動態(tài)數(shù)據(jù)挖掘技術(shù)，將來自動態(tài)數(shù)據(jù)庫與實時數(shù)據(jù)庫的數(shù)據(jù)進行采集、預(yù)處理、挖掘、結(jié)果評估與應(yīng)用解釋，構(gòu)建出一個科學(xué)完善且長期的數(shù)據(jù)采集模式［4］。基于web挖掘技術(shù)的校友信息資源智能分析模型如圖6所示。

圖6 基于Web挖掘技術(shù)的校友信息資源智能分析模型

在數(shù)據(jù)層中，從動態(tài)數(shù)據(jù)庫與實時數(shù)據(jù)庫中獲取校友信息的初始化信息；在挖掘?qū)又?，對初始化校友信息資源庫中的素材進行Web的內(nèi)容、結(jié)構(gòu)、應(yīng)用挖掘；在分析層中，將挖掘的校友信息處理后進行知識化信息描述，以此來識別與聚類；在應(yīng)用層中，用戶通過軟件平臺來查看校友信息挖掘分析結(jié)果。

3.3 精準(zhǔn)信息推送服務(wù)

通過對校友相關(guān)信息行為的挖掘與需求分析，將校友的各個特征屬性信息進行聚合，同時進行相關(guān)信息的精準(zhǔn)推薦。首先利用聚合方法對校友多源信息特征進行主要特征提取，對其主要特征進行深層次、多屬性的挖掘與聚合，將校友信息構(gòu)建成校友關(guān)系網(wǎng)，對特征關(guān)聯(lián)進行挖掘是聚合的優(yōu)勢體現(xiàn)，這為校友關(guān)系網(wǎng)的構(gòu)建創(chuàng)造既可橫向拓展又可進行縱向深入分析的有利條件，從而實現(xiàn)校友特征多角度的個性化推薦，完成特定主題的相關(guān)信息推送。精準(zhǔn)信息推送服務(wù)如圖7所示。

圖7 精準(zhǔn)信息推送服務(wù)

3.4 多數(shù)據(jù)分析技術(shù)

融合多種校友信息數(shù)據(jù)，建設(shè)統(tǒng)一的數(shù)據(jù)模型，其復(fù)雜數(shù)據(jù)涉及一些數(shù)據(jù)的清洗與建模，其中對數(shù)據(jù)進行清洗，能夠保證數(shù)據(jù)質(zhì)量，同時根據(jù)時間的推移不斷的進行數(shù)據(jù)更新，以完善其數(shù)據(jù)實體間的關(guān)聯(lián)。在信息積累的基礎(chǔ)上利用數(shù)據(jù)分析技術(shù)，建立預(yù)測與決策支持平臺，該平臺依據(jù)積累的大量校友數(shù)據(jù)，對校友特征進行數(shù)據(jù)挖掘，發(fā)現(xiàn)關(guān)聯(lián)信息，從而構(gòu)建校友關(guān)系網(wǎng)，挖掘潛在的價值信息，為校友關(guān)系網(wǎng)建設(shè)與學(xué)校的可持續(xù)建設(shè)挖掘更富有價值的決策信息。多數(shù)據(jù)分析技術(shù)模型如圖8所示。

圖8 多數(shù)據(jù)分析模型

3.5 數(shù)據(jù)的整合與調(diào)度

隨著數(shù)據(jù)獲取方式的不斷發(fā)展，所能獲得的校友數(shù)據(jù)信息量也越來越大，所涉及數(shù)據(jù)的整合、調(diào)度也有了更高的要求。通過一種并行化正向最大匹配去冗余過濾處理方法，利用Map對多數(shù)據(jù)進行掃描將屬性特征暫存，根據(jù)數(shù)據(jù)特征的相似度進行數(shù)據(jù)關(guān)系判斷，將提取的特征進行向量化表示，利用Reduce實現(xiàn)冗余去除操作，從而進行數(shù)據(jù)處理、整合以及修復(fù)，并且使用多連接查詢優(yōu)化算法，解決多數(shù)據(jù)的查詢優(yōu)化問題，進而完善多數(shù)據(jù)調(diào)度問題。數(shù)據(jù)整合與調(diào)度流程圖如圖9所示。

圖9 數(shù)據(jù)整合與調(diào)度流程圖

4 結(jié)論

高校校友資源是學(xué)校的寶貴資產(chǎn)，大數(shù)據(jù)分析技術(shù)為校友工作創(chuàng)新提供了科學(xué)的支撐，從關(guān)聯(lián)數(shù)據(jù)中獲取校友的重要信息，充分挖掘校友的潛在信息，制定科學(xué)合理的方案，不斷創(chuàng)新校友工作思路和方法，對促進校友與學(xué)校共同可持續(xù)發(fā)展具有非常重要的意義。