一卡通消费分析辅助决策系统设计分析

导语：一卡通消费分析辅助决策系统设计分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：困难生资助工作是高校学生工作和人才培养的重要部分，不仅关乎着高校教学育人，还关系着学校的稳定与发展，更联系着社会的公平与可持续发展。国家通过并实行了多种学生资助方案，建立起了高校贫困生资助体系。以一卡通消费数据作为一种辅助认定条件，运用商业智能FineBI大数据分析平台和手段对学生的消费行为进行分析，快速挖掘一卡通消费数据中具有丰富价值的数据信息，构建学生消费画像，给高校资助工作提供决策建议和帮助。

关键词：一卡通；FineBI平台；MySQL数据库；疑似困难生；精准扶困

1概述

高校智慧化管理越来越受到重视[2]，为了提高困难生评定的工作效率和评判的准确率，提供困难生认定辅助决策依据，运用大数据分析手段，挖掘学生一卡通消费数据中海量信息中的数据价值，快速构建学生消费行为画像，通过大数据分析平台，结合实际高校情况，制作基于一卡通消费数据的精准扶困辅助决策系统，能够更好地给相关工作单位提供决策辅助信息，可以更直观、全面、高效地了解一卡通系统运行及用户用卡状况[5]，使得高校资助工作更科学、更精准。

2需求分析

2.1功能需求

系统主要有以下功能需求：（1）基础信息：用户可以查看全校学生、各二级学院、各班级人数、困难生人数等大体信息、以及每个学生的基本信息和资助信息。方便相关部门对学校大数据统计信息有比较全面的了解。（2）消费画像：用户可以查看全校学生消费的总体画像，比如平均消费金额、总消费金额、消费地点分布；可以查看学生总体餐饮消费画像，比如每日餐饮消费人数、早中晚餐平均消费额，以便了解学生的总体消费水平；还可以查看学生个人的消费画像，包括总体消费画像和餐饮消费画像等描绘学生消费行为的可视化图表。（3）消费异常：用户可以查看消费行为异常的学生，如不常用卡消费和不常在食堂消费的学生列表。（4）疑似困难生：用户可以查看辅助认定贫困生的几个指标数值，如低消费、低充值等，以及最终根据指标筛选得出的疑似困难生列表。如图1所示。

2.2性能需求

开发与设计一个应用程序时，也应该要考虑系统运行的性能需求，系统性能需求分析如下：（1）快速响应：系统数据量巨大，应设计为在用户容忍时间限度内快速响应用户的请求。（2）安全性：由于系统设计到学生的隐私信息，要求系统必须在安全的环境下部署运行，同时增加权限认证等安全功能，保证数据安全性。（3）可维护性：困难生的认定标准可能会随着时间和政策的改变而发生改变，数据集的制作应简洁、便于维护人员理解。（4）可扩展性：系统功能需求可能会发生改变或增加，数据集不应过度耦合，尽量保证一个数据集只做一件事。

3数据库设计

系统主要是对全校学生一卡通的消费、充值等描述学生消费行为的数据进行处理，要求数据库可以存储大量数据记录和拥有较高的查询性能，数据库逻辑结构设计也要简明清晰，必须保证较低的冗余度且容易维护。系统使用MySQL数据库对数据进行持久化存储。系统的数据表包括consume表、poor_student_info表、recharge表、student_info表。（1）consume（学生一卡通消费记录表）：主要包括学号、交易时间、交易地点、交易类型、交易金额等信息。表设计如表1所示。（2）poor_student_info（困难生基本信息表）：主要包括学号、姓名、性别、二级学院、班级等基本信息。表设计如表2所示。（3）recharge（学生一卡通充值记录表）：主要包括学号、姓名、充值交易时间、充值金额等信息。表设计如表3所示。（4）student_info（全校学生基本信息表）：主要包括学号、姓名、性别、家庭住址、二级学院等信息。表设计如表4所示。

4数据分析

4.1数据分析依据

高校贫困生精准扶贫工作的核心和基础是高校贫困生的评价和贫困的等级的认定[1]。系统是对学生一卡通的消费数据进行分析，为困难生认定提供辅助决策，挖掘一卡通消费中有价值的信息，构建学生的消费行为画像，所以系统主要对学生的消费数据、充值数据进行分析处理。系统筛选困难生主要有以下3个指标。第1个指标为低消费，使用FineBI大数据分析平台计算出全校平均消费金额和学生个人平均消费金额，两者进行比较，学生个人月平均消费金额低于全校学生平均消费时即为低消费学生。第2个指标为低充值，学生个人月平均充值金额小于全校学生平均充值时即为低充值学生。第3个指标为高餐饮消费占比，这项指标参考了恩格尔系数。恩格尔系数———食品支出占个人总消费支出总额的比重，当一个人的恩格尔系数越高，则代表着此人生活比较拮据，同理，当学生餐饮消费在学生消费总额中占比越高时，就代表此学生可能生活较为拮据，为困难生的认定提供了一卡通消费上的参考依据，在系统分析指标中称为高餐饮消费占比。

4.2数据分析过程

先将数据导入FineBI大数据分析平台中，根据需求分析和以上数据分析依据抽取数据并创建需要的自助数据集。（1）筛选低消费学生：将所有的消费记录按学号分组，计算出学生个人的在校消费月数、消费总金额、月平均消费金额，与全校月平均消费金额进行比较，筛选出出符合低消费指标的学生，并创建自助数据集。（2）筛选低充值学生：将所有的充值记录按学号分组，计算出学生个人的在校充值月数、充值总金额、月平均充值金额，与全校平均月充值金额进行比较，筛选出出符合低充值指标的学生，并创建自助数据集。（3）筛选高餐饮消费占比学生：将所有的消费记录按学号分组，过滤并计算出学生个人消费类型为“餐费支出”的消费记录，计算出学生个人餐饮消费金额和学生个人消费总金额，再根据这两个数值计算得出餐饮消费占比，与全校平均餐饮消费占比进行比较，筛选出高餐饮消费占比学生，并创建自助数据集。制作好3个自助数据集后，将3个指标进行合并，即得出一个符合3个判断指标的自助数据集，也就是潜在困难生列表。除以上3个指标外，还要排除不常用卡消费的学生，避免不常用卡消费的学生对分析指标造成影响，保证筛选和分析结果的合理性。筛选步骤如图2所示。

4.3数据分析结果

通过分析指标低消费、低充值、高餐饮消费占比对一卡通数据筛选和分析，得到疑似困难生自助数据集，再经过去除异常消费学生的处理，排除不经常一卡通消费的学生和不经常使用一卡通到食堂消费的学生，最后筛选掉已经认定为困难生的学生，则最后剩下的即为潜在的疑似困难生。高校相关部门可以结合系统提供的学生的个人一卡通消费画像、疑似困难生列表，进行困难生认定工作，完善困难生的认定流程，这样可以大大提高判定困难生的精确度，更好地协助相关部门实施精准扶困。

5可视化展示

根据创建好的自助数据集，将数据分析结果使用FineBI自助大数据分析工具，创建出仪表板或驾驶舱，将数据变为可视化图表展示给用户，便于用户了解到全校学生一卡通消费情况，为困难生的认定和决策提供一卡通消费数据上的数据支持。如图3所示。

6结语

高校开展精准扶困工作的首要前提是困难生评价和困难等级的判定工作顺利精准的推进。此次基于一卡通消费数据的精准扶困辅助决策系统的设计与实现系统开发，通过将数据挖掘技术应用于系统中[4]，此技术在当前大数据时代已应用到各个领域，且获得了很多成功的案例。系统使用商业FineBI自主大数据分析工具对全校学生一卡通消费数据进行数据挖掘，摸索出可以提高各大高校困难生精准扶困工作的科学性和高效性的方法，对各大高校在困难生评定工作起到了辅助作用，同时弥补了在困难生评定过程中存在着繁琐且需要耗费大量人力物力的缺点，提高了工作效率，为困难生的认定提供了大数据分析辅助决策支持。针对在校大学生主题消费行为数据，在未来的研究中还隐藏的价值有着重要的意义[3]。

参考文献

[1]伍智鑫.基于一卡通数据挖掘的高校贫困生精准扶贫应用研究[D].安徽:安徽农业大学,2019.

[2]冉彪.基于校园一卡通数据的大学生行为分析与预测研究[D].四川:西华大学,2019.

[3]冯拥武.基于数据挖掘技术的大学生消费行为分析系统的设计研究[D].甘肃:西北民族大学,2020.

[4]段玉婷.基于校园卡的学生消费信息数据挖掘与应用研究[D].四川:西南科技大学,2018.

[5]姚莉娟.基于校园一卡通的数据挖掘及可视化设计[J].电脑知识与技术,2021,17(31):100-101,106.

作者：谭可久 林芳 徐金珂 邓家威 李俏 单位：河池学院大数据计算机学院