基于大数据的O2O平台改进设计与实现

王敏 戴磊

摘  要： 采用射频技术设计的O2O平台由于平台框架设计过于单一，对用户数据挖掘时缺乏数据预处理，存在平台功能完善度差、功能不健全等缺点，因此设计新的基于大数据的O2O平台。从平台概念框架、平台建设框架和平台设计框架几方面设计该平台，平台概念框架负责平台功能的实现;平台建设框架对开发程序进行模块化、平台化处理;平台设计框架实现将平台与各网站接口对接以及信息交换和管理工作。通过数据采集、数据预处理、数据挖掘完成基于大数据的O2O平台用户数据挖掘流程。采用基于Map Reduce软件架构的聚类挖掘优化算法实现基于大数据的O2O平台用户数据挖掘。实验结果表明，所设计的平台具有良好的兼容性、稳定性和安全性，平台功能健全，用户体验良好。

关键词： 大数据; O2O平台; 改进设计; 平台框架; 数据预处理; 数据挖掘

中图分类号： TN919?34; TP311                 文献标识码： A                    文章编号： 1004?373X（2019）02?0054?04

Improved design and implementation of O2O platform based on big data

WANG Min1， DAI Lei2

（1. School of Network Security and Informatization， Weinan Normal University， Weinan 714099， China;

2. School of Mathematics and Physics， Weinan Normal University， Weinan 714099， China）

Abstract： The traditional O2O platform designed by using the radio frequency technology has a too single platform framework design and lacks data preprocessing during user data mining， which causes the disadvantages of poor function competence and unsound functions. Therefore， a new O2O platform based on big data is designed. The platform is designed from the aspects of the platform concept framework， platform construction framework and platform design framework. The platform concept framework is responsible for realization of platform functions. The platform construction framework is used for modularization and platformization processings of the development program. The platform design framework implements interworking between the platform and various website interfaces， information exchange and management work. The user data mining process of the O2O platform based on big data is completed by means of data acquisition， data preprocessing and data mining. The cluster mining optimization algorithm based on the Map Reduce software architecture is adopted to realize user data mining of the O2O platform based on big data. The experimental results show that the designed platform has good compatibility， stability， security， complete functions and good user experience.

Keywords： big data; O2O platform; improved design; platform framework; data preprocessing; data mining

0  引  言 

電子商务流行的今天，消费数据经过解析，商家能够有目标性地把更多商品提供给消费者[1]。这就是最简单的O2O平台大数据解析，其根据需要进行匹配，深层次剖析消费者的消费习惯、消费能力，提供私人化的商品服务成为商家增加商品价值增加收入的有效方式[2]。

O2O平台即线上网店线下消费，商家通过网店将产品信息、店铺信息等提供给消费者，消费者在线上选择购买并支付，线下进行消费体验[3]。这种模式使得商家与消费者通过基于大数据的O2O平台满足了双方需要。传统通过射频技术设计的O2O平台框架不够完整，未对数据进行预处理，功能实现差，无法满足市场需求，因此本文进行基于大数据O2O平台的改进设计与实现。

1  基于大数据的O2O平台改进设计与实现

1.1  平台概念框架设计

基于大数据的O2O平台由用户模块、线上平台、支付系统、网上银行接口时部分组成，业务数据通过店铺数据作为支撑，待构建完善运营之后采集线上线下消费者的购买信息及习惯数据进行大数据解析[4]。设计的基于大数据的O2O平台概念框架如图1所示。

1） 用户模块：用户由互联网登录淘宝等电商平台店铺，对商品进行选择、购买、支付等操作。

2） 电商平台管理系统：各电商平台通过接口完成商品的上架、下架操作，以及查看订单信息、款项管理、修改库存等[5]。

3） ERP业务系统：即后台管理系统，包括商品进出管理、线下店铺管理、物流管理等业务模块。

4） 支付接口：第三方支付平台，确保安全支付。

5） 网上银行：由第三方平台实现用户支付功能。

1.2  平台建设框架设计

1） 为了确保系统的各种功能，基于大数据的O2O平台开发时需要进行模块化、平台化处理，以满足持续开发的需要[6]。

2） 在设计数据库时，需要制定正规的商业数据标准，以便进行大数据标准化交换。在编码时也要依据代码规则，以规范各种代码[7]。

3） 基于大数据的O2O平台运行环境运用Windows+Tomcat+Oracle+Java设置。

1.3  平台设计框架

本文设计的平台设计框架主要包括电子商务平台、店铺管理系统、后台业务系统以及实体店铺4个模块，各模块的详细内容为：

1） 电子商务平台：淘宝、唯品会、阿里巴巴等线上店铺，大数据通过API接口跟EPR系统进行交换，完成业务系统内线上店铺的订单、库存、物流管理。

2） 店铺管理系统：API接口和电商平台对接，完成店铺的信息查看、商品呈现、款项操作、库存管理等，并且和后台系统进行连接[8]。

3） 后台业务系统：包括采购管理、销售管理、仓库管理、财务管理等，同时和OA、用户、物流系统相连，完成大数据信息同步和统一管理[9]。

4） 实体店铺：实体店铺完成商品展现和用户评价，消费者选择商品后通过客户端在线支付，完成O2O的最后步骤。

1.4  基于大数据的O2O平台用户数据挖掘流程

基于大数据的O2O平台用户数据挖掘流程包含数据采集、数据抽取、数据转换、数据挖掘、数据应用[10]。

1） 数据采集。O2O數据源包含基于大数据的O2O平台的用户数据、社交网络的用户数据等。当用户在O2O平台进行购物时，采用Needlebase软件对其相关数据进行采集。

2） 数据预处理。数据预处理包含数据抽取和数据转换。因为原数据中存在噪声、冗余数据，数据在准备时需对数据进行分析、重组以确保挖掘数据的质量。数据整合是把相关数据联系在一起实现另外的商业用途。

3） 数据挖掘和应用。在对数据进行挖掘时，依照不同的应用要求选取不一样的挖掘模型，对数据展开深度挖掘。获得数据挖掘结果后，再对它展开解释应用，挖掘应用通常包含排名、私人化推荐、问题检查、大数据可视化运算和分析等。

数据挖掘对将来行为趋势进行预测，做出基于知识的策略。本文运用基于Map Reduce软件架构的聚类挖掘优化算法进行基于大数据的O2O平台用户数据挖掘。

1.5  基于Map Reduce软件架构的聚类挖掘优化算法流程

本文设计的基于大数据的O2O平台采用基于Map Reduce软件架构的聚类挖掘优化算法。在对数据进行聚类挖掘之前，需要先对数据进行数据初始化预处理。针对数据中心进行初始化，对数据对象进行分配，并对其中心位置进行更新，判断更新是否完成。如果完成则数据初始化结束;如果没有完成，则继续对数据对象进行分配，直至所有数据分配完成。进而实现数据中心的完全更新，以此实现大数据的优化挖掘。

2  实验分析

实验进行平台测试时首先对测试环境进行设置，再进行功能测试、稳定性测试等。测试环境是为了实现基于大数据的O2O平台各项测试所必须的硬件环境与软件工具。本文平台的测试环境配置如表1所示。

2.1  平台功能测试

平台功能测试是为了测试本文平台功能的完成情况，是否能够实现全部需求。因为本文平台包括数个功能模块，以下只给出主要功能模块的测试情况。本文平台功能测试结果如表2所示。

由表2可以看出，本文平台的主要功能全部测试通过，且没有逻辑错误，本文平台运作稳定，综合来看本文平台功能实现能够满足基于大数据的O2O平台要求。

2.2  实例分析

为验证本文平台的实用性，在进行大量测试后，将本文平台应用于某社区，实施效果采用对合作社区进行问卷调查的方法获得实施效果反馈。以下根据调查问卷进行数据分析。

2.2.1  调查内容及结果

本次调查在北京某社区进行，以调查问卷为主要方式，社区居民为主要对象，共进行了3 000份调查。

1） 平台下载普及率

本文平台的使用情况就是基于本文平台的相关APP的普及情况。基于大数据的O2O平台能否受到大众的认可，能够从平台APP在用户中的下载量来判断。调查结果显示，有82%的居民下载了本文平台APP。很明显，本文平台在该社区的下载普及率是较高的。

2） 平台使用情况及感受

平台使用情况调查是为了了解本文平台能否提升人们的生活效率，从根源上使人们的生活更加便捷，该结果能够促进基于大数据的O2O平台更加深入的发展。调查结果显示，本文平台的使用人群中，男性为52.6%，女性为47.4%。男女比例接近1∶1，由此可知本文平台在男女使用比例上比较均衡。

2.2.2  调查结果分析

表3为本文平台实施前后的数据对比，从该表中可以明显看出，本文平台实施后，给社区居民的生活带来了很大程度的便捷，使他们的生活模式也有所改变，节省了很多时间，也丰富了业余生活。

2.3  平台数据统计分析

实验运用本文平台后台系统的统计功能，统计分析本文平台与美邻平台和中润平台的用户活跃度对比，如图2所示。可以看出，本文平台的社区用户活跃人数明显高于美邻平台和中润平台的用户活跃人数，充分说明本文平台在用户中有较高的使用率，具有较强的实用性。而且本文平台在11：00—12：00和19：00—20：00的用户活跃度最高，即人们午餐和晚餐时的用户活跃度最高，代表此时使用频率最高。

图3为三个平台的功能使用情况对比，由图可以看出，本文平台各功能的用户使用次数明显高于其他两个平台，这充分说明，本文平台功能健全实现度高、用户体验度良好。

3  结  论

本文对基于大数据的O2O平台现状进行分析，为了满足目前线上线下经济模式的需求，本文进行基于大数据的O2O平台改进设计与实现，将平台框架分为三个层次进行具体设计，对基于大数据的O2O平台数据挖掘过程进行详细描述，采用基于Map Reduce软件架构的聚类挖掘优化算法对平台用户数据进行挖掘。经过测试，基于大数据的O2O平台具有良好的稳定性和安全性，达到了目前市场对基于大数据的O2O平台的要求。

参考文献

[1] 邱媛媛.基于大数据的O2O平台精准营销策略研究[J].齐齐哈尔大学学报（哲学社会科学版），2016（12）：60?62.

QIU Yuanyuan. Research on precision marketing strategy of O2O platform based on big data [J]. Journal of Qiqihar University （Philosophy and social science edition）， 2016（12）： 60?62.

[2] 张文瑾，唐于渝，洪梅，等.基于O2O模式的大型科学仪器资源共享平台运行机制创新：以重庆大型科学仪器资源共享平台为例[J].科技管理研究，2016，36（11）：72?78.

ZHANG Wenjin， TANG Yuyu， HONG Mei， et al. Innovation on the operation mechanism of large scientific instruments resource sharing platform based on the O2O model： taking Chongqing large scientific instruments resource sharing platform as an example [J]. Science and technology management research， 2016， 36（11）： 72?78.

[3] 唐涛.基于大数据的网络舆情分析方法研究[J].现代情报，2014，34（3）：3?6.

TANG Tao. Research on method of Internet public opinion analysis based on big data [J]. Journal of modern Information， 2014， 34（3）： 3?6.

[4] 闫晓宇.O2O模式下基于大数据的物流企业变革策略研究[J].物流技术，2016，35（3）：159?163.

YAN Xiaoyu. Study on big data based transformation strategy of logistics enterprises under O2O mode [J]. Logistics technology， 2016， 35（3）： 159?163.

[5] 冯铭月，章永龙，浦宏艺.基于B/S模式的O2O汽车服务平台的设计与实现[J].计算机应用与软件，2017，34（6）：57?61.

FENG Mingyue， ZHANG Yonglong， PU Hongyi. Design and implementation of O2O vehicle service platform based on B/S mode [J]. Computer applications and software， 2017， 34（6）： 57?61.

[6] 孙志伟.大数据时代物流行业的O2O应对策略[J].物流科技，2014，37（9）：70?73.

SUN Zhiwei. O2O coping strategies in the age of big data logistics industry [J]. Logistics sci?tech， 2014， 37（9）： 70?73.

[7] 贾书磊，方小群，冯琼，等.社区残疾康复服务O2O平台的设计及应用效果研究[J].中国全科医学，2016，19（31）：3866?3869.

JIA Shulei， FANG Xiaoqun， Feng Qiong， et al. Design of O2O platform of community disability rehabilitation services and its application effect [J]. Chinese general practice， 2016， 19（31）： 3866?3869.

[8] 宋钰.引入社团发现算法O2O服务等级数据交换协议[J].科学技术与工程，2016，16（17）：246?250.

SONG Yu. Introduction of community discovery algorithm O2O service level data exchange protocol [J]. Science technology and engineering， 2016， 16（17）： 246?250.

[9] 郑根，叶少珍.基于O2O闽台名特优产品销售服务系统的设计与实现[J].工业控制计算机，2016，29（10）：83?84.

ZHENG Gen， YE Shaozhen. Fujian and Taiwan products sales and service system based on O2O [J]. Industrial control computer， 2016， 29（10）： 83?84.

[10] 王逸飞，张行，何迪，等.基于大数据平台的电网防灾调度系统功能设计与系统架构[J].电网技术，2016，40（10）：3213?3219.

WANG Yifei， ZHANG Hang， HE Di， et al. Function design and system architecture of disaster prevention and dispatch system in power system based on big data platform [J]. Power system technology， 2016， 40（10）： 3213?3219.