一卡通消費分析輔助決策系統設計分析

導語：一卡通消費分析輔助決策系統設計分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：困難生資助工作是高校學生工作和人才培養的重要部分，不僅關乎著高校教學育人，還關系著學校的穩定與發展，更聯系著社會的公平與可持續發展。國家通過并實行了多種學生資助方案，建立起了高校貧困生資助體系。以一卡通消費數據作為一種輔助認定條件，運用商業智能FineBI大數據分析平臺和手段對學生的消費行為進行分析，快速挖掘一卡通消費數據中具有豐富價值的數據信息，構建學生消費畫像，給高校資助工作提供決策建議和幫助。

關鍵詞：一卡通；FineBI平臺；MySQL數據庫；疑似困難生；精準扶困

1概述

高校智慧化管理越來越受到重視[2]，為了提高困難生評定的工作效率和評判的準確率，提供困難生認定輔助決策依據，運用大數據分析手段，挖掘學生一卡通消費數據中海量信息中的數據價值，快速構建學生消費行為畫像，通過大數據分析平臺，結合實際高校情況，制作基于一卡通消費數據的精準扶困輔助決策系統，能夠更好地給相關工作單位提供決策輔助信息，可以更直觀、全面、高效地了解一卡通系統運行及用戶用卡狀況[5]，使得高校資助工作更科學、更精準。

2需求分析

2.1功能需求

系統主要有以下功能需求：（1）基礎信息：用戶可以查看全校學生、各二級學院、各班級人數、困難生人數等大體信息、以及每個學生的基本信息和資助信息。方便相關部門對學校大數據統計信息有比較全面的了解。（2）消費畫像：用戶可以查看全校學生消費的總體畫像，比如平均消費金額、總消費金額、消費地點分布；可以查看學生總體餐飲消費畫像，比如每日餐飲消費人數、早中晚餐平均消費額，以便了解學生的總體消費水平；還可以查看學生個人的消費畫像，包括總體消費畫像和餐飲消費畫像等描繪學生消費行為的可視化圖表。（3）消費異常：用戶可以查看消費行為異常的學生，如不常用卡消費和不常在食堂消費的學生列表。（4）疑似困難生：用戶可以查看輔助認定貧困生的幾個指標數值，如低消費、低充值等，以及最終根據指標篩選得出的疑似困難生列表。如圖1所示。

2.2性能需求

開發與設計一個應用程序時，也應該要考慮系統運行的性能需求，系統性能需求分析如下：（1）快速響應：系統數據量巨大，應設計為在用戶容忍時間限度內快速響應用戶的請求。（2）安全性：由于系統設計到學生的隱私信息，要求系統必須在安全的環境下部署運行，同時增加權限認證等安全功能，保證數據安全性。（3）可維護性：困難生的認定標準可能會隨著時間和政策的改變而發生改變，數據集的制作應簡潔、便于維護人員理解。（4）可擴展性：系統功能需求可能會發生改變或增加，數據集不應過度耦合，盡量保證一個數據集只做一件事。

3數據庫設計

系統主要是對全校學生一卡通的消費、充值等描述學生消費行為的數據進行處理，要求數據庫可以存儲大量數據記錄和擁有較高的查詢性能，數據庫邏輯結構設計也要簡明清晰，必須保證較低的冗余度且容易維護。系統使用MySQL數據庫對數據進行持久化存儲。系統的數據表包括consume表、poor_student_info表、recharge表、student_info表。（1）consume（學生一卡通消費記錄表）：主要包括學號、交易時間、交易地點、交易類型、交易金額等信息。表設計如表1所示。（2）poor_student_info（困難生基本信息表）：主要包括學號、姓名、性別、二級學院、班級等基本信息。表設計如表2所示。（3）recharge（學生一卡通充值記錄表）：主要包括學號、姓名、充值交易時間、充值金額等信息。表設計如表3所示。（4）student_info（全校學生基本信息表）：主要包括學號、姓名、性別、家庭住址、二級學院等信息。表設計如表4所示。

4數據分析

4.1數據分析依據

高校貧困生精準扶貧工作的核心和基礎是高校貧困生的評價和貧困的等級的認定[1]。系統是對學生一卡通的消費數據進行分析，為困難生認定提供輔助決策，挖掘一卡通消費中有價值的信息，構建學生的消費行為畫像，所以系統主要對學生的消費數據、充值數據進行分析處理。系統篩選困難生主要有以下3個指標。第1個指標為低消費，使用FineBI大數據分析平臺計算出全校平均消費金額和學生個人平均消費金額，兩者進行比較，學生個人月平均消費金額低于全校學生平均消費時即為低消費學生。第2個指標為低充值，學生個人月平均充值金額小于全校學生平均充值時即為低充值學生。第3個指標為高餐飲消費占比，這項指標參考了恩格爾系數。恩格爾系數———食品支出占個人總消費支出總額的比重，當一個人的恩格爾系數越高，則代表著此人生活比較拮據，同理，當學生餐飲消費在學生消費總額中占比越高時，就代表此學生可能生活較為拮據，為困難生的認定提供了一卡通消費上的參考依據，在系統分析指標中稱為高餐飲消費占比。

4.2數據分析過程

先將數據導入FineBI大數據分析平臺中，根據需求分析和以上數據分析依據抽取數據并創建需要的自助數據集。（1）篩選低消費學生：將所有的消費記錄按學號分組，計算出學生個人的在校消費月數、消費總金額、月平均消費金額，與全校月平均消費金額進行比較，篩選出出符合低消費指標的學生，并創建自助數據集。（2）篩選低充值學生：將所有的充值記錄按學號分組，計算出學生個人的在校充值月數、充值總金額、月平均充值金額，與全校平均月充值金額進行比較，篩選出出符合低充值指標的學生，并創建自助數據集。（3）篩選高餐飲消費占比學生：將所有的消費記錄按學號分組，過濾并計算出學生個人消費類型為“餐費支出”的消費記錄，計算出學生個人餐飲消費金額和學生個人消費總金額，再根據這兩個數值計算得出餐飲消費占比，與全校平均餐飲消費占比進行比較，篩選出高餐飲消費占比學生，并創建自助數據集。制作好3個自助數據集后，將3個指標進行合并，即得出一個符合3個判斷指標的自助數據集，也就是潛在困難生列表。除以上3個指標外，還要排除不常用卡消費的學生，避免不常用卡消費的學生對分析指標造成影響，保證篩選和分析結果的合理性。篩選步驟如圖2所示。

4.3數據分析結果

通過分析指標低消費、低充值、高餐飲消費占比對一卡通數據篩選和分析，得到疑似困難生自助數據集，再經過去除異常消費學生的處理，排除不經常一卡通消費的學生和不經常使用一卡通到食堂消費的學生，最后篩選掉已經認定為困難生的學生，則最后剩下的即為潛在的疑似困難生。高校相關部門可以結合系統提供的學生的個人一卡通消費畫像、疑似困難生列表，進行困難生認定工作，完善困難生的認定流程，這樣可以大大提高判定困難生的精確度，更好地協助相關部門實施精準扶困。

5可視化展示

根據創建好的自助數據集，將數據分析結果使用FineBI自助大數據分析工具，創建出儀表板或駕駛艙，將數據變為可視化圖表展示給用戶，便于用戶了解到全校學生一卡通消費情況，為困難生的認定和決策提供一卡通消費數據上的數據支持。如圖3所示。

6結語

高校開展精準扶困工作的首要前提是困難生評價和困難等級的判定工作順利精準的推進。此次基于一卡通消費數據的精準扶困輔助決策系統的設計與實現系統開發，通過將數據挖掘技術應用于系統中[4]，此技術在當前大數據時代已應用到各個領域，且獲得了很多成功的案例。系統使用商業FineBI自主大數據分析工具對全校學生一卡通消費數據進行數據挖掘，摸索出可以提高各大高校困難生精準扶困工作的科學性和高效性的方法，對各大高校在困難生評定工作起到了輔助作用，同時彌補了在困難生評定過程中存在著繁瑣且需要耗費大量人力物力的缺點，提高了工作效率，為困難生的認定提供了大數據分析輔助決策支持。針對在校大學生主題消費行為數據，在未來的研究中還隱藏的價值有著重要的意義[3]。

參考文獻

[1]伍智鑫.基于一卡通數據挖掘的高校貧困生精準扶貧應用研究[D].安徽:安徽農業大學,2019.

[2]冉彪.基于校園一卡通數據的大學生行為分析與預測研究[D].四川:西華大學,2019.

[3]馮擁武.基于數據挖掘技術的大學生消費行為分析系統的設計研究[D].甘肅:西北民族大學,2020.

[4]段玉婷.基于校園卡的學生消費信息數據挖掘與應用研究[D].四川:西南科技大學,2018.

[5]姚莉娟.基于校園一卡通的數據挖掘及可視化設計[J].電腦知識與技術,2021,17(31):100-101,106.

作者：譚可久 林芳 徐金珂 鄧家威 李俏 單位：河池學院大數據計算機學院