校园一卡通系统决策支持实例分析

金培莉， 王晓震

（北京联合大学信息网络中心，北京 100101）

0 引 言

随着高校信息化建设的不断深入，校园一卡通系统已在各大院校广泛使用，几乎已与校内的各种业务接轨，涉及到消费、身份识别等师生在校学习生活的方方面面．经过多年的应用，一卡通系统积累了千万级乃至上亿级海量数据，这些数据怎么为各个部门提供决策依据，在哪些方面可以使学校的日常管理更加科学有序，使决策的制定更加合理有效，成为值得我们探讨的课题．

1 现 状

从2009年至2014年7月，在CNKI中以“校园一卡通”为关键字检索题目，共找到656篇论文，其中针对一卡通数据分析或决策支持研究的论文仅有十余篇，其余论文大部分是针对一卡通系统建设、应用或财务管理等方面，可见在一卡通数据支撑决策方面还需开展更广泛、更深入的工作．

在这十余篇论文中：张兵兵（2009）提出了用SQLserver2005分析工具分析一卡通系统学生丢失校园卡的数据，寻找规律；黄志成（2009）提出了以数据仓库技术为核心、以联机分析处理技术和数据挖掘技术为手段，分析并挖掘数据隐藏关系，提取有用信息，供管理决策的思路；华中师范大学罗华群（2009）提出结合各单位的申请和一卡通系统的消费数据来审核助学金和贷款发放工作，比单纯由各院系收集学生们写的申请会更加合理和高效，也会更客观；电子科技大学陈建兵（2012）利用一卡通系统数据辅助辨别贫困生等．

这些研究成果为后续的研究提供了方法、路线等宝贵经验．然而一卡通系统对学校决策的支持应该拓展到更加宽泛的领域，分析内容应不仅以消费数据为主，还应和各部门业务需求联动起来，才能发挥其更大的作用．本文从学校需求出发，以三组分析结果为实例，阐述一卡通系统数据如何支撑学校决策．

2 一卡通数据的组织利用

2．1 数据分析模型的建立

在一卡通系统中存在几十甚至上百张表，一般包含如下几类．

（1）普通持卡人帐户类：比如普通持卡人帐务表，普通持卡人帐户信息表等．

（2）商户和管理帐户类：比如商户帐户表，折扣率表等．

（3）流水数据类：比如交易流水表，补助发放流水表，操作流水表等．

（4）全局设置类：比如操作费用设定表，押金设置表，身份类型控制表，卡类型控制表等．

（5）系统管理和运行环境类：民族表，国籍表，职位代码表，组织部门表，系统控制表，操作员表等．

（6）报表类：总帐表，商户日结表，清算报表等．

（7）身份类：持卡人身份表，照片表，指纹表等．

（8）应用类：考勤流水表，门禁流水表等．

其中重要的数据表包括：帐务表，帐户信息表，交易流水表，身份信息表等．这些表关联分析，可挖据出对学校决策有力的支撑数据．特别是交易流水表，一般存放的是每笔交易的明细，累计数据量大，分析价值高．以北京联合大学为例，学校自2007年起建设并投入使用校园一卡通系统，至今流水数据超过4千万条．该流水表中账号、流水发生时间、消费金额、POS机代码等数据记录了“谁，在什么时间，在哪里，花了多少钱，钱给谁了”等重要信息．

针对这些数据，建立数据分析模型的步骤如下．

第一步，分析需求及数据准备．这一步骤即理解学校需求，把学校的需求转化为数据需求，圈定数据范围．为比如学校在食堂建设方面需要数据支持，食堂建设面积是否够用，食堂窗口是否够用等．这就需要分析食堂就餐人数与打饭窗口以及餐桌的关系．对于一卡通系统需要分析一年甚至几年内某个食堂就餐时段人数的情况．转化为数据需求即需要知道：消费时间、消费地点，要用到交易流水表、系统代码表．

第二步，对数据进行预处理，包括清洗和转换两个子过程．该过程是对数据进行规范化操作，将其转化为可操作信息，并缩至特定的范围内．比如，在交易流水表中，选取消费时间为2011年3月1日至2013年3月1日，消费时段为中午11：30－13：00，消费地点在“南院食堂”；并去掉重复数据，也就是某个同学在不同窗口打了米饭和菜，消费次数是2次，应该是1个人就餐．经过多重条件过滤之后，得到目标数据集．

第三步，使用分析工具，将目标数据集分析、汇总，以可视化技术将分析结果展示给学校决策层．

3．2 分析工具的选取

传统的数据分析软件厂商有：金蝶、用友华表、久其、IBM Cognos、Informatica、Power－BI、ORACLE（甲骨文）、SAP Business Objects、Microstrategy（微策略）、SAS、Sybase、Analyzer、思迈特Smartbi、思达商业智能平台Style Intelligence、微软、菲奈特、和勤、上海泽信（医院BI）、毕盛商业智能（BizSmart BI）、润乾、GrapeCity等．

新一代数据分析厂商以QlikTechQlikView、tableau、FineBI、永洪Yonghong Z－Suite等为代表．

根据学校的特点，我们对分析工具的要求是：可以快速处理大量数据，开发和使用简单，数据分析结果直观，快速分析结果，快速实施，可以免费试用，并能由学校独立完成分析工作．基于这几点，我们最终选取了QlikTech的产品QlikView作为分析工具，这是一款近几年全球增长率较快的数据分析产品，可以满足学校的要求．

3 实例分析

3．1实例一：就餐人数与排课时间的分析

由于学校食堂午餐时间人多、拥挤，学校在考虑食堂建设方面需要数据支持．同时可以根据数据分析结果在排课时间上适当调整，让学生们错峰就餐．

我们建立的分析模型是：以校本部南院食堂2011年至2014年中午高峰时段就餐人数进行统计．中午就餐分为三个时段：11：30－12：00，12：00－12：30，12：30－13：00．

经过建模、数据抽取、数据清洗、统计分析后，形成的图表如图1所示：横坐标为时间，纵坐标为就餐人数．

图1 校本部南院食堂2011年至2014年中午高峰时段就餐人数统计图

图1中三种颜色分别表示三个时间段，数值累加．数据显示，三个时段消费总人数合计最高值2558人，大部分时间餐厅中午接待师生数量在2000人左右．校本部师生8000人左右，南院食堂是主要就餐食堂，应该承担大部分就餐人数．但根据目前2000人左右的就餐人数，说明很多师生因为排队等问题在校外吃饭，学校需要扩建食堂，提高就餐服务能力．

几乎每天11：30－12：00为就餐人数最高峰时段，学生们上午第四节课的下课时间是11：30，下课后大多数选择直接去食堂就餐．为了缓解就餐压力，学校上午安排了五节课，部分学生在12：20下课，分流了就餐高峰人数．

3．2 实例二：教师消费情况与就餐补助金额分析

根据校领导和人事处需求，希望了解教职工消费情况，探讨每月餐补是否够用，如果不够用增加多少合适．

我们建立的分析模型是统计近一年来在职教工月均消费情况，以及目前教工卡内余额情况．

经过对数据抽取、统计后，形成的图表的如图2所示：横坐标为教工月均消费额，每20元为一刻度，纵坐标为汇总人数．

图2 2013年4月1日至2014年3月31日教工月均消费统计图

图2显示：2013年4月1日至2014年3月31日，教工月均消费320元至340元的人数最多，为404人．月均消费大余260元的教工总数为2368人，占参与统计总数（3452人）的68．6%．2014年4月之前学校月餐补300元，大部分教工补助金额所剩无几．因此，在近年物价上涨较快的情况下，学校以此数据为依据，为教工们涨发了补助．

在建立这个分析模型之前，我们先统计了教职工卡内余额的情况，统计结果显示三分之一教工卡内余额上两千．如果按照这个结果做决策，应该不补发饭补，因为相当数量老师的卡里余额较多，花不完．但深入分析会考虑到，这些卡内余额为几年来发放补助积攒下来的金额，如果平均至每月，补助也所剩无几了．因此，我们重新建立了分析模型，选用月均消费金额作为目标，得出图2结果，我们认为这个结果具有说服力和参考价值，更有助于决策．

3．3 实例三：洗浴情况分析

学校校本部扩建浴室，选用多大容量的锅炉，烧水量多少等成为后勤服务公司面临的问题．我们建立的分析模型是选取最近两周学生洗澡刷卡数据进行分析，得出每日男女生浴室洗澡人数，绘制曲线图，如图3所示．

分析结果表明，日高峰洗澡人数大约在650人左右，女生洗澡人数几乎是男生人数的2倍，每周二、周三为洗澡人数高峰日．这些数据为后勤服务公司提供的决策支持是：锅炉容量根据洗澡人数定制，并留有一定扩展量；女浴室喷头数量应该为男浴室数量的2倍左右；每周二、周三加大供水量，其余时间酌情减少，避免浪费．

图3 近两周校本部浴室洗浴情况分析图

4 总 结

以上三个实例，从不同角度分析和利用了校园一卡通系统数据，对学校后勤管理、教务管理、人事管理乃至基础设施建设管理均起到了决策支持的作用，收到了良好的效果．其经验在于数据分析的要求源起自学校的决策层，分析工作的视野开阔，几个部门的需求联动起来，分析结果发挥更大的作用；数据分析的过程反复和业务部门交流，分析结果符合实际工作需要；分析模型建设合理，分析结果快速而准确．

同时我们也意识到，一卡通系统数据涵盖的信息量依然具有局限性，诸如借阅、上机、门禁等系统的刷卡流水并不在一卡通核心数据库中存储．如何将这些数据整合，联动分析，获得更有价值的结果是今后工作的方向．

［1］ 张兵兵，王建，张建威．数据挖掘在校园一卡通系统中的应用初探［J］．数理医药学杂志，2009，22（5）：572－574．

［2］ 黄志成．基于数据挖掘的校园一卡通决策支持系统设计与开发［J］．现代计算机，2009（321）：175－177．

［3］ 罗华群．校园一卡通数据的挖掘与应用［D］．上海：华东师范大学，2009．

［4］ 许华虎，孙柏林，高珏．基于校园一卡通的学生体育锻炼数据挖掘的研究［C］／／CSSE，2010．

［5］ 李珊娜．基于校园一卡通平台的数据挖掘应用研究［J］．计算机辅助设计，2010，55（6）．

［6］ 罗华群，易国平．校园一卡通数据的挖掘与应用［J］．科技信息，2010（41）．

［7］ 徐剑．基于一卡通数据的消费行为与成绩的关联性研究分析［D］．南昌：南昌大学，2011．

［8］ 陈建兵．利用校园一卡通数据优化高校贫困生认定系统［D］．成都：电子科技大学，2012．

［9］ 张佳．数据挖掘技术在校园一卡通系统中的应用研究［J］．信息与电脑，2012，90（5）．