基于校园卡消费数据的大学生消费行为的研究.docxVIP

基于校园卡消费数据的大学生消费行为的研究 　　摘 要 随着校园一卡通的普及，它可以对学生的数据进行一个数据的整合和优化，能够帮助学校对学生的消费行为有一个有效的了解和监督。利用大数据，学校对学生的消费信息做一个全面的研究，采用K-means聚类算法对学生消费行为进行消费习惯聚类分析，学校对一些异常的消费行为进行消费观念的指导，有利用学生树立一个良好的消费行为观念。　　【关键词】大数据 校园一卡通 消费行为　　1 引言　　随着数字化和信息化的深入发展，“校园一卡通系统”得到了广泛的应用和发展，不断地被各大高校引进，同时也得到了广大师生的认可。“校园一卡通系统”可以用于消费结算和身份识别，实现了多卡合一、一卡多用，同时也提高了学校的运行效率，通过提取“校园一卡通”中相关学生的数据来进行分析，来挖掘其潜在的信息，对学生起到一个良性的管理。　　近几年来，越来越多的问题通过大数据来解决。大数据最核心的价值就是从海量的数据中，提取隐含在其中的、人们事先无法预知的、又是潜在有用的信息和知识的过程。　　2 校园卡数据与消费行为　　 校园卡数据结构　　“校园一卡通”用于储存学生的一些消费记录、出入记录、图书馆轨迹等数据，保证而本次研究内容主要研究大学生的消费行为，对汇总的消费数据进行研究和分类。“校园一卡通”数据结构如表1所示。　　 消费行为　　根??“校园一卡通”数据结构，可知大学生的消费类型由餐饮、水果、零食、学习、生活用品、娱乐这六大类组成。每个人的消费观念不同，对于每种消费类型的支出也有不同的分配方式。根据消费方式的不同，我们可以把消费行为定义为以下几类：　　“普通型”：各方面消费比较合理均匀，生活习惯较为正常，既保障了正常生活又不铺张浪费；　　“学习型”：在保障基本生活的情况下，学习方面购买的资料用品比较突出；　　“美食型”：顾名思义，这类人对美食有一定的追求，因此在水果和零食方面的支出会略高；　　“娱乐型”：与其他类型的人相比，这类人的消费金额娱乐支出偏高。　　我们将大学生的消费数据进行汇总，根据每个人的人均类型的支出，利用大数据分析，可以将其进行归类管理。　　3 基于K-means算法的消费行为的研究　　K-means算法是在1967年提出的，是聚类方法中一个最基本的划分方法。长期存储以来，大数据库中往往会存在很多噪音，空值等，不适合直接使用原数据，则需要对原始数据进行选择、清洗等预处理，来保证数据的完整性和准确性。　　首先在大学生的消费数据库中随机地选择K个对象，对每个对象的消费数据处理汇总，得出每个对象的月均类型消费支出，每个对象初始地代表了一个簇的平均值或中心；计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇；然后重新计算每个簇的平均值。这个过程不断重复，直到准则函数收敛。　　以上K-means算法可以把学生聚为4类，根据4类消费数据的均值，对应不同的消费行为，可以直接得出每个学生的消费类型。　　4 实验模拟　　从数据库中随机选取650名女生和350名男生，把所有数据处理汇总，根据K-means算法，得出以下结果：　　 男女生消费行为分析　　结果如图1、图2所示。　　由上述聚类结果得到四类学生的各项消费状况如表2所示。　　类型1女生占总数的39%，男生占总数的41%，类学生的各种类型消费水平较为正常，没有出现某类消费过度或过少的行为，这类学生的消费类型为“普通型”；　　类型2女生占总数的25%，男生占总数的24%，类学生在餐饮、水果、零食、生活、娱乐这五方面与“普通型”相差不大，但在学习这一方面的消费支出比较大，该类学生对学习方面的资料购买需求较高，消费类型为“学习型”；　　类型3女生占总数的21%，男生占总数的16%，类学生与“普通型”相比，水果和零食方面的消费过多，比较偏爱美食这一类，这类学生的消费类型为“美食型”；　　类型4女生占总数的15%，男生占总数的19%，显可以看出该类女生较追求娱乐性的生活，娱乐方面支出会较多，因此该类学生消费类型为“娱乐型；　　男女生聚类结果比较：男生对餐饮方面的消费较大，占的比重也多，女生更偏爱在水果、零食方面消费，对于男生来说只有小部分人对零食的要求较大，经对比发现男女生在消费方面有较大的差异。　　5 结语　　本文通过校园卡的大量消费数据，借助K-means算法对大学生的消费状况进行了分析和总结，从分析结果中得到一些可以作为指导大学生理性消费依据的 信息，达到了数据挖掘的效果。学生管理人员可以实现对学生的轻松分类，同时有利于后勤管理部门提高服务水平，方便了学校对学生的管理。