上海市公共數據開放平臺用戶畫像構建與分析

陸敬筠 呂海艷

（南京工業大學經濟與管理學院，南京 211816）

大數據時代的到來使各類數據應用的領域越發廣泛，如經濟、政治、社會、醫療、教育等，引發了社會公眾對數據開放的強烈需求。政府部門作為社會數據資源的主要掌握者，將不涉及國家安全、商業機密和個人隱私的政府數據開放出來，可以滿足社會各領域對政府數據的使用需求，這不僅能提高政務透明度與公眾滿意度，還能通過數據利用者的挖掘、再利用充分發揮數據價值從而服務于社會公眾，為社會進步注入新的活力。

我國政府數據開放的研究起步較晚，政府數據開放平臺還存在不少亟待完善的問題，如數據質量不高、數據覆蓋的領域不完善，對用戶需求的滿足還存在不足。國內學者也從多個角度對政府數據開放平臺的建設進行了探討，但已有研究大多從指標確定[1-3]、模型構建[4-5]、實證分析[6-7]等角度出發，探討我國政府數據開放平臺的發展現狀并根據分析結果提出相應的優化策略，以提高我國政府數據開放水平。從用戶視角出發的研究大多從用戶質量感知[8-9]、用戶體驗[10-11]與用戶服務評價[12]的視角進行相關探討，基本沒有從用戶訪問行為入手分析政府數據開放平臺的用戶需求。

用戶是政府數據開放平臺的實際體驗者和數據使用者，用戶在訪問政府數據開放平臺的過程中會發生檢索、查詢、申請等行為，通過對用戶行為進行分析，能夠發現用戶更加關注的數據領域、用戶對其他數據的需求等，從而讓政府數據開放平臺的數據開放更有針對性。由于上海市公共數據開放平臺發展較早且較為成熟，用戶訪問行為數據量大且較容易獲取，所以對該平臺的用戶訪問數據進行挖掘和分析具有一定的可行性與代表性。

本文基于上海市公共數據開放平臺的用戶訪問數據構建用戶畫像。用戶畫像一般被定義為一組描述用戶屬性的結構化數據集[13]，即信息標簽化，從不同維度的用戶屬性中獲取有價值的用戶信息，提取用戶標簽，進行用戶特征表示[14-15]。用戶畫像在挖掘用戶真實需求[16]、預測用戶興趣[17]方面具有極大優勢，可以為決策者提供決策建議。通過構建上海市公共數據開放平臺用戶畫像，可以直觀反映用戶對政府數據開放平臺的真實需求，并以此對政府數據開放平臺的優化提出建議。

1 研究方法

1.1 數據來源

本研究使用網絡爬蟲獲取用戶訪問上海市公共數據開放平臺[18]的行為數據。上海市公共數據開放平臺主要分為九大板塊，分別是首頁、數據資源、數據圖譜、地圖服務、典型應用、開放生態、互動社區、安全沙箱以及行業應用。數據資源板塊下分為不同的數據領域，包括經濟建設、民生服務、城市建設、資源環境、其他等13類，用戶在該板塊下可以進行數據檢索、瀏覽和下載，同時還可以對數據集進行評分；典型應用板塊下有用戶注冊的典型應用（如“長三角供應鏈平臺”等）以及每個典型應用的預覽量；用戶檢索的高頻關鍵詞一般會以熱圖形式呈現在網站右上角，用戶對數據的使用申請公示一般公布在網頁的右側邊欄。爬蟲獲取的數據主要分為三類：第一類為檢索行為數據，即用戶對不同檢索關鍵詞的檢索詞頻；第二類為操作行為數據，主要包括用戶在數據資源板塊下對屬于不同數據領域數據集的瀏覽量及下載量、對數據集的綜合評分和典型應用板塊下用戶注冊典型應用情況以及典型應用預覽量；第三類為選擇行為數據，即網站右側邊欄公布的用戶使用申請公示等。

1.2 用戶畫像構建步驟

本研究分4個步驟構建用戶行為畫像。①數據處理階段主要包括數據獲取、數據預處理以及數據集構建3個子步驟，其目的是將原始數據中有價值的數據分離出來并將數據轉換成合適的數據結構，方便后續的挖掘分析。②數據-標簽映射階段主要包括數據挖掘及信息標簽化兩個步驟，首先利用文本分析、描述性統計等方法對經過處理的數據集進行深入挖掘，再將挖掘結果進一步標簽化。③標簽體系構建階段形成3個維度，即檢索行為偏好、操作行為偏好、選擇行為偏好。④用戶畫像構建階段包括利用構建的標簽體系進行用戶畫像建模和結果分析。

2 用戶標簽分析

經過數據處理和數據-標簽映射后的標簽化處理，可以獲得用戶訪問上海市公共數據開放平臺的標簽，包括用戶的檢索行為偏好、操作行為偏好和選擇行為偏好。

2.1 用戶檢索行為偏好分析

用戶檢索行為偏好的直觀體現是用戶在數據資源板塊下檢索關鍵詞的詞頻，上海市公共數據開放平臺網站數據資源頁面右上角有根據用戶檢索詞頻繪制的用戶熱搜關鍵詞云圖（見圖1）。

圖1 上海市公共數據開放平臺用戶熱搜關鍵詞云圖

用戶檢索頻率較高的分別是服務、高新技術、醫療機構等，其中服務的檢索詞頻為3 167次、高新技術的檢索詞頻為2 263次、醫療機構的檢索詞頻為2 153次，這反映了用戶對上海市公共數據開放平臺的數據需求集中在民生服務、經濟建設、衛生健康等領域。

2.2 用戶操作行為偏好分析

2.2.1 數據集瀏覽量及下載量分析

對上海市公共數據開放平臺各種類數據集的瀏覽、下載情況進行統計分析（見圖2），可以發現用戶對政府數據開放平臺資源的領域偏好。

圖2 上海市公共數據開放平臺數據瀏覽及下載情況

用戶對不同數據領域的數據集瀏覽情況存在顯著差異，經濟建設領域數據的瀏覽量遠高于其他數據領域，高達1 336 136次。瀏覽量相對較高的是城市建設、道路交通、資源環境等數據領域。下載量和瀏覽量總體呈正相關的關系，瀏覽量越多，則下載量越多。

對各數據領域下數據集的相關字段，如“標題”“關鍵字”等進行深入分析，可以發現，經濟建設領域中，企業、經營情況、納稅、進出口額、公共預算等是用戶重點瀏覽與下載的內容；城市建設領域中，建筑面積、公積金、綠化、建筑垃圾等更受用戶關注；道路交通領域中，用戶更多瀏覽和下載與城市道路信息、航班信息、天氣預警信息、駕培學員信息相關的數據集；資源環境領域中，瀏覽量與下載量排名靠前的數據集主要是供水、用電、能源消耗、排污、噪聲檢測等。

2.2.2 典型應用注冊情況分析

對用戶注冊典型應用的行為進行分析，可以得知用戶使用數據做了什么，用戶更傾向于使用哪個領域的數據進行應用開發以挖掘其潛在價值。

用戶在上海市公共數據開放平臺注冊的典型應用共有50個，比如“長三角綠色供應鏈平臺”“智行浦東”等，根據上海市公共數據開放平臺典型應用注冊情況（見圖3）可知，其中大多屬于服務型應用，即通過應用開發服務群眾，方便群眾在各個方面的生活。利用經濟建設、民生服務、衛生健康、道路交通領域的數據注冊的典型應用數量占總注冊應用數量的80%，而經濟建設領域的應用數量占比高達44%，說明經濟建設領域的數據既是用戶需求的重點，也是用戶挖掘的重點。

圖3 上海市公共數據開放平臺典型應用注冊情況

2.2.3 典型應用預覽量分析

典型應用的使用效果可以通過用戶對典型應用的預覽量進行體現。

根據上海市公共數據開放平臺典型應用預覽量（見圖4）可知，經濟建設領域的典型應用預覽量最多，其次是民生服務、衛生健康。顯然，這與典型應用的注冊數量呈正相關關系。由于注冊典型應用的用戶通常為企業用戶，預覽典型應用的用戶通常為普通用戶，由此可知，企業用戶的需求與普通用戶的需求在某些方面是一致的。

圖4 上海市公共數據開放平臺典型應用預覽量

2.2.4 數據集評分分析

獲取用戶對上海市公共數據開放平臺數據集的綜合評分情況，對不同數據領域的數據集根據綜合評分進行排序，匯總得到表1。高達3 750個數據集的用戶評分為0分，數據集為0分的原因可能有：①用戶對數據集的質量不滿意，數據不能滿足用戶的基本需要；②用戶沒有對數據集進行評分，參與度不高，這也是政府數據開放平臺需要提升的重點，即提高用戶使用的參與度。另外，綜合評分為5分的數據集數量為714個，其中經濟建設領域數據集203個，資源環境領域數據集179個，公共安全領域數據集72個，3個領域的數據集數量占綜合評分為5分的數據集數量的60%以上。綜合評分為2分、1分的數據集數量分別為26個、39個。即在不考慮用戶評分為0分的異常情況下，參與評分的用戶大多對數據質量比較滿意，只有少部分用戶不滿意獲取的數據，而且用戶更滿意的數據集主要集中在經濟建設、資源環境以及公共安全領域。

表1 上海市公共數據開放平臺發布數據集的用戶綜合評分 個

2.3 用戶選擇行為偏好分析

用戶選擇行為體現在用戶可對未公布在政府數據開放平臺上的數據以及有條件開放類數據的申請。對于未公布在政府數據開放平臺上的數據，用戶可以通過發郵件的方式進行申請；對于有條件開放類數據，用戶在完成身份認證后可以申請。政府數據開放平臺會定期公示用戶的使用申請。采用K-Means算法對獲取到的使用申請公示進行文本聚類。K-Means算法是一種探索性的實證研究方法，該算法必須事先指定聚類數。經過嘗試，當K=4，即類別數為4時，聚類效果最好。通過對聚類簇的主題詞的收集，繪制出詞云圖（見圖5），可以看到軌道交通、客流情況、生活垃圾、停車場、綠化市容等出現次數較多，這些數據與用戶的切身生活息息相關。

圖5 上海市公共數據開放平臺申請公示主題詞詞云圖

3 用戶畫像呈現及結果分析

將提取的用戶訪問行為特征進行可視化，形成上海市公共數據開放平臺用戶畫像（見圖6）。

圖6 上海市公共數據開放平臺用戶畫像

根據上海市公共數據開放平臺用戶訪問行為畫像的結果，總結出上海市公共數據開放平臺用戶需求主要集中在以下3方面。

（1）經濟建設、衛生健康、資源環境等數據領域的數據集需求量更高，且很多典型應用是基于經濟建設領域的數據集進行開發的，所以經濟建設領域的數據集要求有更高的數據質量。

（2）政府數據開放平臺上的數據評分出現較多0分的異常情況，這說明用戶對很多數據的質量不滿意或者沒有參與到數據評分中，所以用戶需要政府采取措施提高數據質量并定期更新數據評分，以更加全面真實地向用戶顯示開放數據的質量。

（3）用戶對諸如停車場、交通狀況、垃圾處理情況等與切身生活密切相關的數據更加關注，也更希望政府及時開放相關數據。

4 政府數據開放平臺的優化策略

用戶畫像技術在政府數據開放平臺訪問領域的應用能夠為平臺實現更精準的數據服務。根據用戶訪問行為構建用戶畫像，可使政府數據開放平臺掌握用戶訪問的行為數據，對深入研究用戶行為，了解用戶需求，優化網站服務，實現數據更有針對性的開放，提高數據開放的質量，具有一定的實踐意義。針對上海市公共數據開放平臺用戶訪問數據構建的用戶畫像，本文提出以下政府數據開放平臺優化策略。

（1）加強經濟建設領域的數據開放力度。由于經濟建設與每個人息息相關且關系到每個人的利益，所以不管是企業用戶還是普通用戶，對經濟建設領域的數據需求都是最大的。加大經濟建設領域的數據開放力度可以更好地滿足用戶的數據需求。加大經濟建設領域的數據開放力度包括：增加經濟建設領域數據集開放量；提高經濟建設領域數據集質量；提升經濟建設領域數據集更新頻度等。

（2）定期評估政府數據開放效果。滿足用戶對政府開放數據的需求和提高政府數據開放的水平需要定期評估。由于政府開放的數據集存在大部分評分為0分的數據集，這部分數據集除了數據質量不高的原因外，還有很大可能是因為用戶沒有參與評分，用戶的反饋沒有及時反映到政府數據開放平臺，這在一定程度上造成政府對用戶的數據需求了解不全面、不真實。為了解決這個問題，政府可以定期向主要的平臺用戶展開調研，讓用戶參與到數據的評分以及對平臺的評價中，以保證數據開放平臺的持續有效運行。

（3）提高數據開放的覆蓋性。用戶產生數據申請的行為是由于政府數據開放平臺沒有公布相關的數據集，即目前政府數據開放的數據覆蓋性具有局限性，用戶的數據需求未能得到全面滿足。針對用戶申請行為，平臺應加快審批速度，盡快公開符合開放要求的相關數據，并根據用戶的申請，開放其他相關的數據，以更好地滿足用戶需求。

本研究使用用戶畫像方法對上海市公共數據開放平臺的用戶訪問行為進行分析，反映了上海市公共數據開放平臺的用戶需求，不僅有利于政府數據開放平臺更好地滿足用戶需求，也為其他地方政府數據開放平臺的用戶畫像研究提供了參考。