大數(shù)據(jù)背景下學(xué)生消費(fèi)水平分析模型的建立

范媛 蔡敏

摘要：該研究以中國石油大學(xué)（北京）的校園卡系統(tǒng)消費(fèi)數(shù)據(jù)為數(shù)據(jù)源，建立數(shù)據(jù)倉庫，通過數(shù)據(jù)清洗和數(shù)據(jù)挖掘得到學(xué)生在食堂的消費(fèi)數(shù)據(jù)。通過使用聚類算法對學(xué)生消費(fèi)數(shù)據(jù)進(jìn)行分類，進(jìn)而將學(xué)生的消費(fèi)水平分為四類。以馬氏距離作為判別距離建立學(xué)生消費(fèi)水平判別分析模型，利用該模型判斷學(xué)生的消費(fèi)水平，通過對學(xué)生消費(fèi)水平的分析研究，可以在學(xué)校有關(guān)部門進(jìn)行決策時(shí)提供有效依據(jù)。

關(guān)鍵詞：校園卡系統(tǒng);大數(shù)據(jù);聚類算法;判別分析;消費(fèi)模型

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2020）08-0005-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

校園卡系統(tǒng)具有身份識別和電子錢包等功能，實(shí)現(xiàn)了校內(nèi)統(tǒng)一身份認(rèn)證和消費(fèi)統(tǒng)一管理，校園卡使用數(shù)據(jù)完全記錄了使用者在校內(nèi)的消費(fèi)情況和行為軌跡，通過對校園卡數(shù)據(jù)的挖掘分析，對高校數(shù)據(jù)決策具有十分重要的意義。目前各大高校均展開了對校園卡大數(shù)據(jù)的挖掘分析，來為有關(guān)部門進(jìn)行學(xué)生管理提供真實(shí)、有效的數(shù)據(jù)支撐[1]。校園卡系統(tǒng)內(nèi)積累的大量消費(fèi)數(shù)據(jù)，對其進(jìn)行挖掘分析可以掌握學(xué)生在校消費(fèi)的偏好和規(guī)律，將對學(xué)校優(yōu)化資源配置、數(shù)據(jù)化決策等提供重要參考。該研究通過建立學(xué)生消費(fèi)水平判別模型，將學(xué)生消費(fèi)水平分為4類，可為貧困生認(rèn)定提供判定依據(jù)[2]，為深入研究學(xué)生消費(fèi)水平提供有效方法。

1 數(shù)據(jù)倉庫建立

該研究用于進(jìn)行分析的數(shù)據(jù)是以中國石油大學(xué)（北京）2018級本科生消費(fèi)數(shù)據(jù)作為數(shù)據(jù)源，抽取學(xué)生就餐率較高的2018年11月、12月和2019年3月份的消費(fèi)數(shù)據(jù)共計(jì)32萬多條進(jìn)行分析，由于數(shù)據(jù)量龐大，為了不增加數(shù)據(jù)庫的壓力并且滿足數(shù)據(jù)分析和數(shù)據(jù)挖掘的需求，數(shù)據(jù)分析過程不與校園卡系統(tǒng)數(shù)據(jù)庫直接建立關(guān)系，而是通過soL數(shù)據(jù)庫建立數(shù)據(jù)倉庫[3]進(jìn)行分析。

1.1 數(shù)據(jù)源確認(rèn)

通過采集校園卡系統(tǒng)內(nèi)學(xué)生消費(fèi)數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行分析，進(jìn)而可以掌握學(xué)生的消費(fèi)習(xí)慣，消費(fèi)水平等情況，在不增加校園卡系統(tǒng)數(shù)據(jù)庫壓力的前提下將學(xué)生的消費(fèi)流水?dāng)?shù)據(jù)提取到指定數(shù)據(jù)庫中，把數(shù)據(jù)處理成可用的數(shù)據(jù)。

1.2數(shù)據(jù)預(yù)處理

校園卡消費(fèi)數(shù)據(jù)中包含了大量信息，包括時(shí)間、地點(diǎn)、商戶、消費(fèi)金額、人賬信息等，根據(jù)分析需求對消費(fèi)數(shù)據(jù)進(jìn)行清洗，去除包含噪聲的無意義數(shù)據(jù)以及無用的字段，并對清洗后的數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換[4]。

1.3 建立數(shù)據(jù)倉庫概念模型

對校園卡系統(tǒng)內(nèi)學(xué)生消費(fèi)數(shù)據(jù)進(jìn)行分析，一般按照消費(fèi)次數(shù)、消費(fèi)金額、消費(fèi)時(shí)間、消費(fèi)地點(diǎn)等字段進(jìn)行分析，建立的數(shù)據(jù)倉庫所需要的數(shù)據(jù)包括：學(xué)生基本信息、消費(fèi)信息、校園卡系統(tǒng)終端數(shù)據(jù)，數(shù)據(jù)挖掘的關(guān)鍵性能指標(biāo)是學(xué)生校園卡消費(fèi)流水信息。

1.4 建立邏輯模型

邏輯模型的建立主要用于劃分?jǐn)?shù)據(jù)維度，對學(xué)生基本信息、消費(fèi)流水、消費(fèi)終端信息等數(shù)據(jù)進(jìn)行分類儲存、數(shù)據(jù)簡化、同屬類別歸并。邏輯模型如圖1所示。

1.5 建立物理模型

建立物理模型的目的是構(gòu)建合理的數(shù)據(jù)庫物理結(jié)構(gòu)，通過合理規(guī)劃數(shù)據(jù)庫的結(jié)構(gòu)、字段、索引、存儲等，來實(shí)現(xiàn)模型的建立，從而可以清楚地對學(xué)生消費(fèi)數(shù)據(jù)進(jìn)行分析。物理模型如表1所示。

2 數(shù)據(jù)挖掘

在此次學(xué)生消費(fèi)水平分析中，通過對校園卡消費(fèi)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，抽取出分析所需的字段，再通過數(shù)據(jù)清洗與轉(zhuǎn)換將抽取出的數(shù)據(jù)進(jìn)行處理轉(zhuǎn)換為用于數(shù)據(jù)挖掘的形式[5]。

數(shù)據(jù)來源于校園卡系統(tǒng)學(xué)生消費(fèi)數(shù)據(jù)，將數(shù)據(jù)中可壓縮的、可合并的、含噪聲的以及可刪除的字段進(jìn)行數(shù)據(jù)清洗與數(shù)據(jù)合并，通過約減相關(guān)性保持?jǐn)?shù)據(jù)原貌，達(dá)到盡可能地減少數(shù)據(jù)量的目標(biāo)[6j。在不同的應(yīng)用場景中，按照不同的關(guān)鍵詞進(jìn)行數(shù)據(jù)合并，在分析學(xué)生的消費(fèi)水平時(shí)，選取學(xué)號作為關(guān)鍵詞進(jìn)行數(shù)據(jù)合并。該研究利用MATLAB對消費(fèi)數(shù)據(jù)進(jìn)行處理，得到了學(xué)生在3個(gè)月的月消費(fèi)數(shù)據(jù)。

3 建立學(xué)生消費(fèi)水平模型

3.1 聚類分析

K-means聚類算法是聚類分析中應(yīng)用最廣泛的聚類算法之一，是一種發(fā)現(xiàn)給定數(shù)據(jù)集k個(gè)簇的算法[7-8]。

針對學(xué)生消費(fèi)水平的研究中，取學(xué)生平均單筆消費(fèi)額和總消費(fèi)次數(shù)為評價(jià)指標(biāo)如表2所示。由于這兩項(xiàng)指標(biāo)的量綱和數(shù)量級不同，為了便于決策評價(jià)，故對原始數(shù)據(jù)進(jìn)行極差規(guī)格化變換處理。

極差規(guī)格化變換是從數(shù)據(jù)矩陣的每一個(gè)變量中找出其最大值和最小值，這兩者之差稱為極差，然后從每個(gè)變量的每個(gè)原始數(shù)據(jù)中減去該變量中的最小值，再除以極差，就得到規(guī)格化數(shù)據(jù)。即：

經(jīng)過規(guī)格化變換后，數(shù)據(jù)矩陣中的每列即每個(gè)變量的最大數(shù)值為1，最小值為0，其余數(shù)值取值均在0-1之間;并且變換后的數(shù)據(jù)都不再具有量綱。根據(jù)上述公式變換后的評價(jià)指標(biāo)數(shù)據(jù)如表3所示。

通過聚類算法對極差規(guī)格化變換后評價(jià)指標(biāo)進(jìn)行聚類。確實(shí)聚類數(shù)目為4，得到各類的中心結(jié)果以及各類的類內(nèi)元素與中心的距離和（如表4所示）學(xué)生消費(fèi)水平的分類結(jié)果（如表5所示），聚類結(jié)果示意圖如圖2所示。

通過聚類分析結(jié)果可得類別A的學(xué)生消費(fèi)水平特點(diǎn)為：消費(fèi)次數(shù)低于均值，但平均消費(fèi)金額高于均值;B類的學(xué)生消費(fèi)水平特點(diǎn)為：消費(fèi)次數(shù)處于均值水平，平均消費(fèi)金額低于均值;C類的學(xué)生消費(fèi)水平特點(diǎn)為：消費(fèi)次數(shù)高于均值，平均消費(fèi)金額低于均值水平;D類的學(xué)生消費(fèi)水平特點(diǎn)為：消費(fèi)次數(shù)高于均值，平均消費(fèi)金額高于均值水平。由此可推斷出學(xué)生家庭經(jīng)濟(jì)狀況，A類消費(fèi)水平的學(xué)生很少在食堂吃飯，并且單筆消費(fèi)金額高，可認(rèn)定為家庭條件良好，B類消費(fèi)水平的學(xué)生經(jīng)常在食堂吃飯，但單筆消費(fèi)金額較低，認(rèn)定為家庭條件一般貧困，C類消費(fèi)水平的學(xué)生基本在食堂消費(fèi)，單筆消費(fèi)金額低于平均水平，認(rèn)定為家庭條件貧困，D類消費(fèi)水平的學(xué)生在食堂消費(fèi)次數(shù)高于均值，且單筆消費(fèi)金額較高，認(rèn)定為家庭條件較好。

3.2 判別分析模型

根據(jù)距離判別分析原理，選用馬氏距離作為判別距離[9]，針對學(xué)生在校食堂消費(fèi)水平建立了學(xué)生消費(fèi)水平距離判別的分析模型，利用該模型判別學(xué)生的消費(fèi)水平。

式（8）即是學(xué)生消費(fèi)水平判別分析模型，通過該模型可對學(xué)生消費(fèi)情況進(jìn)行判別。將學(xué)生消費(fèi)水平數(shù)據(jù)代入式（8）中，即可判斷其所屬類別。將訓(xùn)練樣本數(shù)據(jù)回代判斷結(jié)果如表6中所示。選取10組學(xué)生消費(fèi)數(shù)據(jù)作為待判樣本，以此模型對待判樣本進(jìn)行判別，得到結(jié)果如表7所示。

（5）判別準(zhǔn)則評價(jià)

通過3.2.4中訓(xùn)練樣本回代，樣本總量為80組，正確判別數(shù)為78，誤判數(shù)為2，計(jì)算得到誤判概率為2.5%，可見此模型合理，達(dá)到了對學(xué)生消費(fèi)水平進(jìn)行有效分類的效果。

4 結(jié)論

該研究通過構(gòu)建數(shù)據(jù)倉庫，得到有效的學(xué)生校園卡消費(fèi)數(shù)據(jù)。通過聚類算法將學(xué)生的消費(fèi)水平分為四類，可根據(jù)消費(fèi)水平判定學(xué)生家庭經(jīng)濟(jì)情況.為貧困生資助提供數(shù)據(jù)支持;利用以馬氏距離作為判別距離的判別算法建立學(xué)生學(xué)費(fèi)水平判別模型，用以判別學(xué)生消費(fèi)水平的分類是否有效。

參考文獻(xiàn)：

[1]張艷分，盧小清，劉禹等.基于大數(shù)據(jù)平臺的大學(xué)生校園行為探析[J].中國教育信息化，2019（1）：39-42，46.

[2]張林.基于差分隱私保護(hù)技術(shù)的高校貧困生認(rèn)定系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)技術(shù)與自動(dòng)化，2017（3）：151-156.

[3]田雨露.基于校園一卡通系統(tǒng)的決策支持和數(shù)據(jù)分析研究[D].北京化工大學(xué)，2018.

[4]萬曉燕.基于聚類劃分的大數(shù)據(jù)處理方法研究[J].智庫時(shí)代，2019（39）：280，283.

[5] Nguyen T V，Zhou L，Loong A Y，et al-Predicting customerdemand for remanufactured products：A data-mining approach[J]. European Journal of Operational Research， 2019（8）： InPress.

[6]潘曉英，趙倩，趙普.時(shí)空屬性關(guān)系標(biāo)簽的頻繁軌跡模式挖掘[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（10）：83-89.

[7]陸近，郭躍近.一種含噪聲處理的K-means聚類算法[J].計(jì)算機(jī)應(yīng)用于軟件，2015，32（10）：265-268.

[8]鄒晨紅，袁滿.模糊綜合評判的系統(tǒng)聚類算法研究[J].吉林大學(xué)學(xué)報(bào)：信息科學(xué)版，2018，36（5）：441-448

[9]張華平.常用判別分析方法的綜合比較[J].統(tǒng)計(jì)與決策，2015（22）：77-78.

[10] Wang B X，Zou H.A Multicategory Kernel Distance Weight-ed Discrimination Method for Multiclass Classification[J].Technometrics，2019，61（3）.

[11] LIN T，Chen G，Ouyang W L.et al-Hyper-spherical dis-tance discrimination： A novel data description method foraero-engme rolling bearing fault detection[J].Mechanical Sys-tems and Signal Processing，2018，109（9）.

[12]相詩堯，邢會(huì)敏，徐東晶.空間點(diǎn)所屬空間體的距離判別法分析[J].測繪科學(xué)，2016，41（6）：40-43，112.

【通聯(lián)編輯：王力】

作者簡介：范媛（1980-），女，河北南和人，碩士，工程師，主要從事高校一卡通和信息化建設(shè);蔡敏（1995-），女，甘肅慶陽人，碩士在讀，化工過程機(jī)械專業(yè)。