基于SAS的校園一卡通數據分析

摘 要：基于SAS軟件，文章針對校園一卡通消費數據進行了數據挖掘。文章首先對于此問題的總體目標及設計方案進行了統籌規劃；對于原始數據進行了初步處理；采用k均值算法對消費數據進行聚類分析，對學生消費情況進行分類，從而掌握學生消費情況，了解學生的消費趨勢。

關鍵詞：數據挖掘；SAS；k均值算法；校園一卡通；消費分析

數據挖掘使用一定的算法從實際應用數據中挖掘出未知、有價值的模式或規律等知識，整個過程由數據準備、數據挖掘、模式評估、結果分析和運用知識等步驟組成[1]。隨著信息化技術發展，校園一卡通系統中使用過程中產生了大量數據，但系統缺少相應的分析工具，無法從海量數據中獲取有用的知識。因此，使用數據挖掘技術對數據進行分析，可以了解學生消費情況和消費行為，了解學生之間消費的差異性，為學校制定各種獎勵政策提供依據。

1 目標與設計方案

1.1 設計目標

文章以山東某高校2014年4月校園一卡通消費數據為基礎，利用SAS軟件，采用聚類分析，對學生消費情況進行分析。

文章目標為通過對消費數據的聚類分析，學習學生的月消費金額、消費次數，掌握學生消費規律，了解學生之間消費的共性和差異性，總結學生的高、中、低消費情況，為學校制定各類政策提供依據。

1.2 k均值算法

根據給定的n個對象或者元組的數據集，構建k個劃分聚類的方法。每個劃分即為一個聚簇。該方法將數據劃分為k個組，每個組至少包括一個對象，每個對象必須屬于且只屬于一個組[2]。

k均值算法[2]如下：

（1）將所有對象隨機分配到 k個非空的簇中。

（2）計算每個簇的平均值，并用該平均值代表相應的值。

（3）根據每個對象與各個簇中心的距離，分配給最近的簇。

（4）轉到2，重新計算每個簇的平均值。

這個過程不斷重復直到滿足某個準則函數或者終止條件。終止條件可以是以下任何一個：沒有（或者最小數目）數據點被重新分配給不同的聚類；沒有（或者最小數目）聚類中心再發生變化；誤差平方和（SSE）局部最小。

1.3 方案設計

文章設計方案分為數據處理、數據挖掘、結果分析三部分。其中數據處理包括數據獲取、數據探索、數據填缺。

2 數據處理

數據獲取：

原始數據來自于校園一卡通2014年4月份數據。定義10：30之前為早餐時間，10：30-14：30為午餐時間，14：30以后為晚餐時間，在以上時間段內的消費行為視為1次消費，文章共獲取35196條數據。數據屬性包括：姓名、性別、學生所在院系、月消費總額、月消費次數、月消費平均額度、早餐消費總額、早餐消費次數、早餐平均消費額、午餐消費總額、午餐消費次數、午餐平均消費額、晚餐消費總額、晚餐消費次數、晚餐平均消費額，如表1所示。

3 數據探索

文章中用于聚類分析的消費屬性包括：月消費總額、月消費次數、月消費平均額度、早餐消費總額、早餐消費次數、早餐平均消費額、午餐消費總額、午餐消費次數、午餐平均消費額、晚餐消費總額、晚餐消費次數、晚餐平均消費額，以上屬性均屬于連續變量。數據探索包括變量壓縮、數據標準化。變量壓縮是通過主成分分析法解決變量的共線性問題，數據標準化將花費等屬性進行標準化，從而保證聚類過程的準確性。

3.1 變量壓縮

變量壓縮是通過主成分分析法解決變量的共線性問題，變量壓縮結果如圖1所示。

經過分析后，系統最終將變量分為5類，在每組中，我們使用1-R？鄢？鄢2Ration屬性最小的值所對應的變量，所以最終決定使用午餐消費次數、午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額變量作為聚類屬性。

3.2 數據標準化

數據標準化是解決變量之間不同單位、不同變異程度的問題，在文章中午餐消費次數單位為次數，午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額單位為元，所以在SAS軟件中采用極差方法對午餐消費次數、午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額進行標準化。

4 聚類

采用SAS中兩步聚類過程，首先采用快速聚類將數據聚類成50類，然后對50類進行聚類分析。根據業務分析，最終確定取聚類個數為5類。

5 結果分析

聚類結果后共將分為5類，圖2為聚類后的各項數據指標，包括各個聚類的人數、均值花費、最大花費、最小花費等。從聚類中分析，人員主要集中在兩類中，可以看到以下結論：

第一類聚類包括18650人，早餐、午餐、晚餐平均消費16、22、22次，平均消費5-6元。此聚類中人數占總人數的53%，消費情況適中，此類人員多在校內就餐，因此食堂在日常運營中保持目前的操作情況即可，另外可以推出5-6元套餐用來提高銷售額；

第二類聚類包括512人，早餐、午餐、晚餐平均消費19、15、11次，平均消費7-8元。由于此類人員午餐晚餐消費次數較低，但平均消費額度較高，因此可以判斷此類人員多數在校外就餐，因此食堂在日常運營中可以推出7-8元的套餐，提高食物質量，以吸引這部分學生；

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

第二、三類人員多在校外就餐，但第三類人數占有率較高，因此應針對這部分學生制定相關策略，提高校園內就餐率。

通過聚類發現學生的平均消費額度在5-7元之間，消費低于此額度的學生可視為低消費人員，學校可以針對此情況制定補助政策。

6 結束語

通過對學生的月消費信息進行聚類分析，我們可以了解學生的消費習慣、消費行為以及學生之間的消費差異，商戶可以針對學生的消費額度制定相應的消費策略，為學校制定各種政策提供相應依據。

參考文獻

[1]張佳.數據挖掘技術在校園一卡通系統中的應用研究[D].蘇州大學，2013.

[2]黃雯.數據挖掘算法及其應用研究[D].南京郵電大學，2013.

[3]歐陽烽.基于SAS的Web使用日志用戶聚類分析[J].電腦知識與技術，2013.

[4]王哲.數據挖掘技術在高校圖書館個性化服務中的應用研究[D].重慶大學，2012.

[5]烏文波.應用Apriori關聯規則算法的數據挖掘技術挖掘電子商務潛在客戶[D].浙江工業大學，2012.

作者簡介：仲曉芳（1984-），女，山東省濟南市，山東女子學院，助教，碩士研究生，數據挖掘研究與應用。

張義（1983-），女，山東省淄博市，山東理工大學，在校研究生，數據管理與數據安全。

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

韓士元（1985-），男，山東省濟南市，濟南大學，講師，博士研究生，智能計算理論與應用。

王棟（1983-），男，山東省濟南市，濟南大學，講師，博士研究生，智能計算理論與應用。