基于SAS的校園一卡通數(shù)據(jù)分析

摘 要：基于SAS軟件，文章針對(duì)校園一卡通消費(fèi)數(shù)據(jù)進(jìn)行了數(shù)據(jù)挖掘。文章首先對(duì)于此問(wèn)題的總體目標(biāo)及設(shè)計(jì)方案進(jìn)行了統(tǒng)籌規(guī)劃；對(duì)于原始數(shù)據(jù)進(jìn)行了初步處理；采用k均值算法對(duì)消費(fèi)數(shù)據(jù)進(jìn)行聚類分析，對(duì)學(xué)生消費(fèi)情況進(jìn)行分類，從而掌握學(xué)生消費(fèi)情況，了解學(xué)生的消費(fèi)趨勢(shì)。

關(guān)鍵詞：數(shù)據(jù)挖掘；SAS；k均值算法；校園一卡通；消費(fèi)分析

數(shù)據(jù)挖掘使用一定的算法從實(shí)際應(yīng)用數(shù)據(jù)中挖掘出未知、有價(jià)值的模式或規(guī)律等知識(shí)，整個(gè)過(guò)程由數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、模式評(píng)估、結(jié)果分析和運(yùn)用知識(shí)等步驟組成[1]。隨著信息化技術(shù)發(fā)展，校園一卡通系統(tǒng)中使用過(guò)程中產(chǎn)生了大量數(shù)據(jù)，但系統(tǒng)缺少相應(yīng)的分析工具，無(wú)法從海量數(shù)據(jù)中獲取有用的知識(shí)。因此，使用數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)進(jìn)行分析，可以了解學(xué)生消費(fèi)情況和消費(fèi)行為，了解學(xué)生之間消費(fèi)的差異性，為學(xué)校制定各種獎(jiǎng)勵(lì)政策提供依據(jù)。

1 目標(biāo)與設(shè)計(jì)方案

1.1 設(shè)計(jì)目標(biāo)

文章以山東某高校2014年4月校園一卡通消費(fèi)數(shù)據(jù)為基礎(chǔ)，利用SAS軟件，采用聚類分析，對(duì)學(xué)生消費(fèi)情況進(jìn)行分析。

文章目標(biāo)為通過(guò)對(duì)消費(fèi)數(shù)據(jù)的聚類分析，學(xué)習(xí)學(xué)生的月消費(fèi)金額、消費(fèi)次數(shù)，掌握學(xué)生消費(fèi)規(guī)律，了解學(xué)生之間消費(fèi)的共性和差異性，總結(jié)學(xué)生的高、中、低消費(fèi)情況，為學(xué)校制定各類政策提供依據(jù)。

1.2 k均值算法

根據(jù)給定的n個(gè)對(duì)象或者元組的數(shù)據(jù)集，構(gòu)建k個(gè)劃分聚類的方法。每個(gè)劃分即為一個(gè)聚簇。該方法將數(shù)據(jù)劃分為k個(gè)組，每個(gè)組至少包括一個(gè)對(duì)象，每個(gè)對(duì)象必須屬于且只屬于一個(gè)組[2]。

k均值算法[2]如下：

（1）將所有對(duì)象隨機(jī)分配到 k個(gè)非空的簇中。

（2）計(jì)算每個(gè)簇的平均值，并用該平均值代表相應(yīng)的值。

（3）根據(jù)每個(gè)對(duì)象與各個(gè)簇中心的距離，分配給最近的簇。

（4）轉(zhuǎn)到2，重新計(jì)算每個(gè)簇的平均值。

這個(gè)過(guò)程不斷重復(fù)直到滿足某個(gè)準(zhǔn)則函數(shù)或者終止條件。終止條件可以是以下任何一個(gè)：沒(méi)有（或者最小數(shù)目）數(shù)據(jù)點(diǎn)被重新分配給不同的聚類；沒(méi)有（或者最小數(shù)目）聚類中心再發(fā)生變化；誤差平方和（SSE）局部最小。

1.3 方案設(shè)計(jì)

文章設(shè)計(jì)方案分為數(shù)據(jù)處理、數(shù)據(jù)挖掘、結(jié)果分析三部分。其中數(shù)據(jù)處理包括數(shù)據(jù)獲取、數(shù)據(jù)探索、數(shù)據(jù)填缺。

2 數(shù)據(jù)處理

數(shù)據(jù)獲取：

原始數(shù)據(jù)來(lái)自于校園一卡通2014年4月份數(shù)據(jù)。定義10：30之前為早餐時(shí)間，10：30-14：30為午餐時(shí)間，14：30以后為晚餐時(shí)間，在以上時(shí)間段內(nèi)的消費(fèi)行為視為1次消費(fèi)，文章共獲取35196條數(shù)據(jù)。數(shù)據(jù)屬性包括：姓名、性別、學(xué)生所在院系、月消費(fèi)總額、月消費(fèi)次數(shù)、月消費(fèi)平均額度、早餐消費(fèi)總額、早餐消費(fèi)次數(shù)、早餐平均消費(fèi)額、午餐消費(fèi)總額、午餐消費(fèi)次數(shù)、午餐平均消費(fèi)額、晚餐消費(fèi)總額、晚餐消費(fèi)次數(shù)、晚餐平均消費(fèi)額，如表1所示。

3 數(shù)據(jù)探索

文章中用于聚類分析的消費(fèi)屬性包括：月消費(fèi)總額、月消費(fèi)次數(shù)、月消費(fèi)平均額度、早餐消費(fèi)總額、早餐消費(fèi)次數(shù)、早餐平均消費(fèi)額、午餐消費(fèi)總額、午餐消費(fèi)次數(shù)、午餐平均消費(fèi)額、晚餐消費(fèi)總額、晚餐消費(fèi)次數(shù)、晚餐平均消費(fèi)額，以上屬性均屬于連續(xù)變量。數(shù)據(jù)探索包括變量壓縮、數(shù)據(jù)標(biāo)準(zhǔn)化。變量壓縮是通過(guò)主成分分析法解決變量的共線性問(wèn)題，數(shù)據(jù)標(biāo)準(zhǔn)化將花費(fèi)等屬性進(jìn)行標(biāo)準(zhǔn)化，從而保證聚類過(guò)程的準(zhǔn)確性。

3.1 變量壓縮

變量壓縮是通過(guò)主成分分析法解決變量的共線性問(wèn)題，變量壓縮結(jié)果如圖1所示。

經(jīng)過(guò)分析后，系統(tǒng)最終將變量分為5類，在每組中，我們使用1-R？鄢？鄢2Ration屬性最小的值所對(duì)應(yīng)的變量，所以最終決定使用午餐消費(fèi)次數(shù)、午餐平均消費(fèi)額、晚餐消費(fèi)總額、早餐平均消費(fèi)額、午餐平均消費(fèi)額變量作為聚類屬性。

3.2 數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)標(biāo)準(zhǔn)化是解決變量之間不同單位、不同變異程度的問(wèn)題，在文章中午餐消費(fèi)次數(shù)單位為次數(shù)，午餐平均消費(fèi)額、晚餐消費(fèi)總額、早餐平均消費(fèi)額、午餐平均消費(fèi)額單位為元，所以在SAS軟件中采用極差方法對(duì)午餐消費(fèi)次數(shù)、午餐平均消費(fèi)額、晚餐消費(fèi)總額、早餐平均消費(fèi)額、午餐平均消費(fèi)額進(jìn)行標(biāo)準(zhǔn)化。

4 聚類

采用SAS中兩步聚類過(guò)程，首先采用快速聚類將數(shù)據(jù)聚類成50類，然后對(duì)50類進(jìn)行聚類分析。根據(jù)業(yè)務(wù)分析，最終確定取聚類個(gè)數(shù)為5類。

5 結(jié)果分析

聚類結(jié)果后共將分為5類，圖2為聚類后的各項(xiàng)數(shù)據(jù)指標(biāo)，包括各個(gè)聚類的人數(shù)、均值花費(fèi)、最大花費(fèi)、最小花費(fèi)等。從聚類中分析，人員主要集中在兩類中，可以看到以下結(jié)論：

第一類聚類包括18650人，早餐、午餐、晚餐平均消費(fèi)16、22、22次，平均消費(fèi)5-6元。此聚類中人數(shù)占總?cè)藬?shù)的53%，消費(fèi)情況適中，此類人員多在校內(nèi)就餐，因此食堂在日常運(yùn)營(yíng)中保持目前的操作情況即可，另外可以推出5-6元套餐用來(lái)提高銷售額；

第二類聚類包括512人，早餐、午餐、晚餐平均消費(fèi)19、15、11次，平均消費(fèi)7-8元。由于此類人員午餐晚餐消費(fèi)次數(shù)較低，但平均消費(fèi)額度較高，因此可以判斷此類人員多數(shù)在校外就餐，因此食堂在日常運(yùn)營(yíng)中可以推出7-8元的套餐，提高食物質(zhì)量，以吸引這部分學(xué)生；

第三類聚類包括16029人，早餐、午餐、晚餐平均消費(fèi)7、10、7次，平均消費(fèi)6-7元。此聚類中人員占45.5%，由于此類人員午餐晚餐消費(fèi)次數(shù)較低，但平均消費(fèi)額度較高，因此可以判斷此類人員多數(shù)在校外就餐，因此食堂在日常運(yùn)營(yíng)中可以推出6-7元的套餐，提高食物質(zhì)量，以吸引這部分學(xué)生；

第二、三類人員多在校外就餐，但第三類人數(shù)占有率較高，因此應(yīng)針對(duì)這部分學(xué)生制定相關(guān)策略，提高校園內(nèi)就餐率。

通過(guò)聚類發(fā)現(xiàn)學(xué)生的平均消費(fèi)額度在5-7元之間，消費(fèi)低于此額度的學(xué)生可視為低消費(fèi)人員，學(xué)?？梢葬槍?duì)此情況制定補(bǔ)助政策。

6 結(jié)束語(yǔ)

通過(guò)對(duì)學(xué)生的月消費(fèi)信息進(jìn)行聚類分析，我們可以了解學(xué)生的消費(fèi)習(xí)慣、消費(fèi)行為以及學(xué)生之間的消費(fèi)差異，商戶可以針對(duì)學(xué)生的消費(fèi)額度制定相應(yīng)的消費(fèi)策略，為學(xué)校制定各種政策提供相應(yīng)依據(jù)。

參考文獻(xiàn)

[1]張佳.數(shù)據(jù)挖掘技術(shù)在校園一卡通系統(tǒng)中的應(yīng)用研究[D].蘇州大學(xué)，2013.

[2]黃雯.數(shù)據(jù)挖掘算法及其應(yīng)用研究[D].南京郵電大學(xué)，2013.

[3]歐陽(yáng)烽.基于SAS的Web使用日志用戶聚類分析[J].電腦知識(shí)與技術(shù)，2013.

[4]王哲.數(shù)據(jù)挖掘技術(shù)在高校圖書館個(gè)性化服務(wù)中的應(yīng)用研究[D].重慶大學(xué)，2012.

[5]烏文波.應(yīng)用Apriori關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘技術(shù)挖掘電子商務(wù)潛在客戶[D].浙江工業(yè)大學(xué)，2012.

作者簡(jiǎn)介：仲曉芳（1984-），女，山東省濟(jì)南市，山東女子學(xué)院，助教，碩士研究生，數(shù)據(jù)挖掘研究與應(yīng)用。

張義（1983-），女，山東省淄博市，山東理工大學(xué)，在校研究生，數(shù)據(jù)管理與數(shù)據(jù)安全。

龐勝楠（1987-），女，山東省濟(jì)南市，山東女子學(xué)院，助教，碩士研究生，電視媒體與社交媒體互動(dòng)研究。

韓士元（1985-），男，山東省濟(jì)南市，濟(jì)南大學(xué)，講師，博士研究生，智能計(jì)算理論與應(yīng)用。

王棟（1983-），男，山東省濟(jì)南市，濟(jì)南大學(xué)，講師，博士研究生，智能計(jì)算理論與應(yīng)用。