教務管理系統中的數據倉庫和數據挖掘方法分析

劉 靜

（南京航空航天大學國際教育學院，江蘇南京,210016）

0 引言

近幾年來，隨著我國高等教育的迅速發展，各高校的辦學規模逐漸擴大，導致教務處承擔的工作量也是越來越大，傳統的管理手段適應不了新的要求，亟待提升教學教務管理手段，目前許多高校也開發了教務管理系統方面的軟件，并且這些管理軟件已應用于教務管理的各個流程，從而實現了成績管理、教學測評等方面的計算機自動化，這些都對教務管理信息化發展起到了積極的推動作用。由于目前的教務管理系統應用軟件在多年的使用過程中，逐漸積累了大量的有用的教學數據，如何將這些珍貴的并且又分散的數據變化為可分析的數據，并進行分析與發掘統計，為教學管理決策提供參考依據，對提高教學管理水平和能力，具有十分重要的意義，基于以上問題，本次研究提出了數據倉庫分析模型和數據挖掘的應用問題。

1 國內外數據挖掘技術的發展現狀

數據挖掘技術的功能主要是：通過開可靠的數據挖掘方法，故而期望從大量的數據中發現潛藏其中的規律和模式，一般來說，該種方法都面向特定領域，需要前提和約束條件。在國外，數據挖掘技術的研究得到了迅猛發展并且應用廣泛，近年來，隨著數據倉庫和新數據源的出現，使得人們所面臨的問題越來越容易，對于浩瀚的數據海洋，數據挖掘技術優勢更加明顯，顯示出更加強大的生命力。

在我國，隨著高等教育的快速發展，多年來積累了大量的數據，但是由于各個職能部門沒有統一規范，對數據的收集和整理并不合理，這樣，往往導致多年來積累的這些大量數據出現雜亂、無章等情況，并且共享率低，間接影響了高校管理部門的工作效率。目前，經過多年來的教學改革，許多高校已經開發了處理海量數據的軟件，對學校的各個方面的工作成效進行了分析，但是數據的利用率還比較偏低，所研究內容還比較單一。如北大、清華、中科院等單位都開展了數據挖掘算法的研究，但是與國外相比，教務管理中的數據挖掘理論和應用還是比較落后，綜合集成能力不高，數據挖掘技術和數據倉庫在教務管理中的關注度相對不夠，迫切需要進行深入研究。

2 教務數據倉庫的構建

2.1 數據倉庫定義

數據倉庫在計算機領域，它一種新型的數據管理技術，該系統往往以關系數據庫管理為基礎，既有數據在數據庫進入目標數據倉庫之前，其過程為清洗-集成-選擇-變換，將數據倉庫中的數據變換為集成、歷史化的功能數據，具備綜合性數據分析功能。

到目前為止，數據倉庫的定義有很多，但并未達到共識，最為接受的,比較公認的是1992 年W.H.Inmon 提出的概念：即數據倉庫是面向主題、集成在一起的、不易失去的、隨時間不斷變化的數據集合，作用是用于支持決策。

2.2 數據倉庫特點

由于數據倉庫與傳統的數據庫存在很多不同，其具有與一般數據庫不一樣的特點，具體來說有以下四個：

（1）面向主題

該特點是指用戶在使用數據倉庫進行各種決策分析時，所關心的重點方面，是將系統中的數據進行綜合歸類，數據倉庫中的數據依據一定的主題進行組織，是一個按主題進行決策的過程。

（2）集成

數據倉庫中的數據不是粗糙的數據，而是對原有分散的數據進行分析處理過的，經過系統的再加工，進行匯總和整理，保證數據倉庫內的信息統一和集成。

（3）非易失的

數據倉庫的數據在進入該系統之后，就不再變化，可以被看作一個虛擬的只讀數據庫系統，用戶使用時只能讀取而不能修改，保證了數據的安全和有效。

（4）隨時間變化的

數據倉庫中的數據是隨著時間而變化的，具有時序性和歷史性，通過這些信息進行分析和判斷，可以對數據未來的變化趨勢進行預測，在動態上更能反映實際。

2.3 教務數據倉庫構建思路

從功能上來看，教務數據倉庫主要來自于操作型數據源，其直接為學院領導、教務管理人員等服務，從而為使用者提供重要的數據信息，系統包括數據處理的各個階段，主要有從數據源獲取數據，以及輸出結果提供給決策者進行參考的數據處理階段，由于涉及到多個處理層次，其過程如下：數據的獲取-數據的轉換-數據的加載-數據的存儲-數據的綜合等。

2.4 教務數據倉庫體系模型

從目標上來看，建立教務管理系統的數據倉庫，主要目的是通過采集外部有用的信息，來通過某種方法分析教務情況的歷史數據，從中發現規律，故而實現教務工作預測，為制定教務管理工作服務。本次提出的數據倉庫模型如下：

圖1 數據倉庫的體系結構

可以看出，數據倉庫與數據庫的概念和作用是不同的，數據倉庫是在數據庫的基礎上發展而來，一般來說，數據倉庫包括三個部分，即:數據倉庫、聯機分析處理及數據挖掘。數據倉庫的主要工作是將數據庫中的數據進行歸納分析，聚集成一個可供更高層次使用的數據集合，從而方面數據查詢、分析和數據挖掘。

3 數據挖掘技術

3.1 數據挖掘技術基礎理論

數據挖掘是一種常用的數據分析技術，是一個獲取準確、具有潛在應用價值和最終可理解模式的非平凡的過程。數據挖掘的體系由三部分組成：數據源、挖掘層、用戶界面層。挖掘過程可分為四個階段：問題定義、數據準備、執行數據挖掘、解釋和評價。

數據挖掘常用算法主要是決策樹分析和關聯規則算法。決策樹算法一般來說，是通過輸入數據來建立分類模型的系統方法，首先，建立一個訓練集，往往由類標號已知的記錄組成，其次，使用訓練集建立分類模型，該模型隨后將運用于檢驗集合。關聯規則算法主要用于發現隱藏在大型數據集中的相互聯系，其所發現的結果可以用關聯規則或頻繁項集的形式表示出來。

3.2 系統分析與設計

到目前為止，在教務管理上還沒有一個成熟的、完整、合理的挖掘系統，通過對目前教務管理存在的問題分析，需要解決數據量龐大、數據不完整及挖掘方法不不合理等缺點。本數據挖掘系統包括三大模塊：教務數據采集、教務數據倉庫及教務多維數據集的創建及管理、數據挖掘和分析。

3.3 挖掘系統設計要求

由于數據挖掘要求較高，在系統設計過程中需考慮以下幾個問題：

（1）挖掘系統需具有多功能處理能力，比如關系數據庫處理、復雜的數據對象處理、具體事務數據等。數據挖掘系統應該能夠處理這些復雜數據類型。

（2）數據挖掘算法應具有有效性和可伸縮性，也就是說，在內存和磁盤空間等系統可資源規定的情況下，算法的運行時間應隨著數據庫大小線性而增加。

（3） 數據挖掘的最終結果應具有可用性和確定性，其挖掘出來的知識應該能準確地反映數據庫的內容，而不是有所歧義，并且對于用戶來說是有用的和可靠的。

3.4 本系統的功能

（1）連接數據倉庫，從而建立數據源，主要完成分析數據的轉換操作；

（2）對教務數據內容進行數據挖掘操作，其中的關聯分析模塊用于對課程安排先后順序流程進行分析，貝葉斯分類算法在實踐中，也同樣應用于課程安排方面，聚類分析方法主要應用于就業分析。

（3）通過存儲并展示挖掘分析結果，為決策者研究提供可靠依據。

3.5 數據挖掘模塊的實現

本模型的數據挖掘模塊，實現的過程中，通過連接SQL Server Analysis Services 服務器，達到對導入數據挖掘的目的；該服務分析器數據挖掘主要用于商業智能化管理，要在教務管理方面實現這一目標，需要執行兩個主要必須步驟：構建數據挖掘模型與構建應用程序。

具體步驟和方法是：首先將教務管理系統中的各業務數據導入服務器，經過一系列的加工處理，構成星型結構教務數據倉庫，為下一步進行數據挖掘準備；然后直接啟動分析系統，借助其中提供的挖掘模型向導，構建挖掘數據模型；最后利用有關的挖掘算法，對教務數據源進行挖掘，從而發現規律，獲取所需數據，支持教務的決策管理工作。

4 結論

本文將數據倉庫和數據挖掘技術應用于教務管理過程中，并建立了相應的分析模型，從而實現管理工作的智能化，為決策提供支持。由于數據倉庫的挖掘研究是一個嶄新的領域，將極大促進教務管理人員的積極性，提高工作效率。在未來的工作中，需要進一步深入研究，完善系統功能。

[1] 李素朵.數據挖掘技術在高職院校教務管理系統中的應用研究[D] .石家莊：河北科技大學碩士學位論文，2013.

[2] 姚志鴻.數據挖掘技術在教學管理中的應用與實現[J].電子測試，2014，(6):108-109.

[3] 吳天真，李文靜.數據挖掘技術在高校教務管理中的應用綜述[J].科協論壇，2013，(7):75-76.

[4] 魏韞怡.數據挖掘技術在電大教務管理中的應用[J].科技視界，2012.8(22)：98-100.