基于大數據的O2O平臺改進設計與實現

王敏 戴磊

摘 ?要： 采用射頻技術設計的O2O平臺由于平臺框架設計過于單一，對用戶數據挖掘時缺乏數據預處理，存在平臺功能完善度差、功能不健全等缺點，因此設計新的基于大數據的O2O平臺。從平臺概念框架、平臺建設框架和平臺設計框架幾方面設計該平臺，平臺概念框架負責平臺功能的實現;平臺建設框架對開發程序進行模塊化、平臺化處理;平臺設計框架實現將平臺與各網站接口對接以及信息交換和管理工作。通過數據采集、數據預處理、數據挖掘完成基于大數據的O2O平臺用戶數據挖掘流程。采用基于Map Reduce軟件架構的聚類挖掘優化算法實現基于大數據的O2O平臺用戶數據挖掘。實驗結果表明，所設計的平臺具有良好的兼容性、穩定性和安全性，平臺功能健全，用戶體驗良好。

關鍵詞： 大數據; O2O平臺; 改進設計; 平臺框架; 數據預處理; 數據挖掘

中圖分類號： TN919?34; TP311 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 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?

電子商務流行的今天，消費數據經過解析，商家能夠有目標性地把更多商品提供給消費者[1]。這就是最簡單的O2O平臺大數據解析，其根據需要進行匹配，深層次剖析消費者的消費習慣、消費能力，提供私人化的商品服務成為商家增加商品價值增加收入的有效方式[2]。

O2O平臺即線上網店線下消費，商家通過網店將產品信息、店鋪信息等提供給消費者，消費者在線上選擇購買并支付，線下進行消費體驗[3]。這種模式使得商家與消費者通過基于大數據的O2O平臺滿足了雙方需要。傳統通過射頻技術設計的O2O平臺框架不夠完整，未對數據進行預處理，功能實現差，無法滿足市場需求，因此本文進行基于大數據O2O平臺的改進設計與實現。

1 ?基于大數據的O2O平臺改進設計與實現

1.1 ?平臺概念框架設計

基于大數據的O2O平臺由用戶模塊、線上平臺、支付系統、網上銀行接口時部分組成，業務數據通過店鋪數據作為支撐，待構建完善運營之后采集線上線下消費者的購買信息及習慣數據進行大數據解析[4]。設計的基于大數據的O2O平臺概念框架如圖1所示。

1） 用戶模塊：用戶由互聯網登錄淘寶等電商平臺店鋪，對商品進行選擇、購買、支付等操作。

2） 電商平臺管理系統：各電商平臺通過接口完成商品的上架、下架操作，以及查看訂單信息、款項管理、修改庫存等[5]。

3） ERP業務系統：即后臺管理系統，包括商品進出管理、線下店鋪管理、物流管理等業務模塊。

4） 支付接口：第三方支付平臺，確保安全支付。

5） 網上銀行：由第三方平臺實現用戶支付功能。

1.2 ?平臺建設框架設計

1） 為了確保系統的各種功能，基于大數據的O2O平臺開發時需要進行模塊化、平臺化處理，以滿足持續開發的需要[6]。

2） 在設計數據庫時，需要制定正規的商業數據標準，以便進行大數據標準化交換。在編碼時也要依據代碼規則，以規范各種代碼[7]。

3） 基于大數據的O2O平臺運行環境運用Windows+Tomcat+Oracle+Java設置。

1.3 ?平臺設計框架

本文設計的平臺設計框架主要包括電子商務平臺、店鋪管理系統、后臺業務系統以及實體店鋪4個模塊，各模塊的詳細內容為：

1） 電子商務平臺：淘寶、唯品會、阿里巴巴等線上店鋪，大數據通過API接口跟EPR系統進行交換，完成業務系統內線上店鋪的訂單、庫存、物流管理。

2） 店鋪管理系統：API接口和電商平臺對接，完成店鋪的信息查看、商品呈現、款項操作、庫存管理等，并且和后臺系統進行連接[8]。

3） 后臺業務系統：包括采購管理、銷售管理、倉庫管理、財務管理等，同時和OA、用戶、物流系統相連，完成大數據信息同步和統一管理[9]。

4） 實體店鋪：實體店鋪完成商品展現和用戶評價，消費者選擇商品后通過客戶端在線支付，完成O2O的最后步驟。

1.4 ?基于大數據的O2O平臺用戶數據挖掘流程

基于大數據的O2O平臺用戶數據挖掘流程包含數據采集、數據抽取、數據轉換、數據挖掘、數據應用[10]。

1） 數據采集。O2O數據源包含基于大數據的O2O平臺的用戶數據、社交網絡的用戶數據等。當用戶在O2O平臺進行購物時，采用Needlebase軟件對其相關數據進行采集。

2） 數據預處理。數據預處理包含數據抽取和數據轉換。因為原數據中存在噪聲、冗余數據，數據在準備時需對數據進行分析、重組以確保挖掘數據的質量。數據整合是把相關數據聯系在一起實現另外的商業用途。

3） 數據挖掘和應用。在對數據進行挖掘時，依照不同的應用要求選取不一樣的挖掘模型，對數據展開深度挖掘。獲得數據挖掘結果后，再對它展開解釋應用，挖掘應用通常包含排名、私人化推薦、問題檢查、大數據可視化運算和分析等。

數據挖掘對將來行為趨勢進行預測，做出基于知識的策略。本文運用基于Map Reduce軟件架構的聚類挖掘優化算法進行基于大數據的O2O平臺用戶數據挖掘。

1.5 ?基于Map Reduce軟件架構的聚類挖掘優化算法流程

本文設計的基于大數據的O2O平臺采用基于Map Reduce軟件架構的聚類挖掘優化算法。在對數據進行聚類挖掘之前，需要先對數據進行數據初始化預處理。針對數據中心進行初始化，對數據對象進行分配，并對其中心位置進行更新，判斷更新是否完成。如果完成則數據初始化結束;如果沒有完成，則繼續對數據對象進行分配，直至所有數據分配完成。進而實現數據中心的完全更新，以此實現大數據的優化挖掘。

2 ?實驗分析

實驗進行平臺測試時首先對測試環境進行設置，再進行功能測試、穩定性測試等。測試環境是為了實現基于大數據的O2O平臺各項測試所必須的硬件環境與軟件工具。本文平臺的測試環境配置如表1所示。

2.1 ?平臺功能測試

平臺功能測試是為了測試本文平臺功能的完成情況，是否能夠實現全部需求。因為本文平臺包括數個功能模塊，以下只給出主要功能模塊的測試情況。本文平臺功能測試結果如表2所示。

由表2可以看出，本文平臺的主要功能全部測試通過，且沒有邏輯錯誤，本文平臺運作穩定，綜合來看本文平臺功能實現能夠滿足基于大數據的O2O平臺要求。

2.2 ?實例分析

為驗證本文平臺的實用性，在進行大量測試后，將本文平臺應用于某社區，實施效果采用對合作社區進行問卷調查的方法獲得實施效果反饋。以下根據調查問卷進行數據分析。

2.2.1 ?調查內容及結果

本次調查在北京某社區進行，以調查問卷為主要方式，社區居民為主要對象，共進行了3 000份調查。

1） 平臺下載普及率

本文平臺的使用情況就是基于本文平臺的相關APP的普及情況。基于大數據的O2O平臺能否受到大眾的認可，能夠從平臺APP在用戶中的下載量來判斷。調查結果顯示，有82%的居民下載了本文平臺APP。很明顯，本文平臺在該社區的下載普及率是較高的。

2） 平臺使用情況及感受

平臺使用情況調查是為了了解本文平臺能否提升人們的生活效率，從根源上使人們的生活更加便捷，該結果能夠促進基于大數據的O2O平臺更加深入的發展。調查結果顯示，本文平臺的使用人群中，男性為52.6%，女性為47.4%。男女比例接近1∶1，由此可知本文平臺在男女使用比例上比較均衡。

2.2.2 ?調查結果分析

表3為本文平臺實施前后的數據對比，從該表中可以明顯看出，本文平臺實施后，給社區居民的生活帶來了很大程度的便捷，使他們的生活模式也有所改變，節省了很多時間，也豐富了業余生活。

2.3 ?平臺數據統計分析

實驗運用本文平臺后臺系統的統計功能，統計分析本文平臺與美鄰平臺和中潤平臺的用戶活躍度對比，如圖2所示。可以看出，本文平臺的社區用戶活躍人數明顯高于美鄰平臺和中潤平臺的用戶活躍人數，充分說明本文平臺在用戶中有較高的使用率，具有較強的實用性。而且本文平臺在11：00—12：00和19：00—20：00的用戶活躍度最高，即人們午餐和晚餐時的用戶活躍度最高，代表此時使用頻率最高。

圖3為三個平臺的功能使用情況對比，由圖可以看出，本文平臺各功能的用戶使用次數明顯高于其他兩個平臺，這充分說明，本文平臺功能健全實現度高、用戶體驗度良好。

3 ?結 ?論

本文對基于大數據的O2O平臺現狀進行分析，為了滿足目前線上線下經濟模式的需求，本文進行基于大數據的O2O平臺改進設計與實現，將平臺框架分為三個層次進行具體設計，對基于大數據的O2O平臺數據挖掘過程進行詳細描述，采用基于Map Reduce軟件架構的聚類挖掘優化算法對平臺用戶數據進行挖掘。經過測試，基于大數據的O2O平臺具有良好的穩定性和安全性，達到了目前市場對基于大數據的O2O平臺的要求。

參考文獻

[1] 邱媛媛.基于大數據的O2O平臺精準營銷策略研究[J].齊齊哈爾大學學報（哲學社會科學版），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] 張文瑾，唐于渝，洪梅，等.基于O2O模式的大型科學儀器資源共享平臺運行機制創新：以重慶大型科學儀器資源共享平臺為例[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] 唐濤.基于大數據的網絡輿情分析方法研究[J].現代情報，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] 閆曉宇.O2O模式下基于大數據的物流企業變革策略研究[J].物流技術，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] 馮銘月，章永龍，浦宏藝.基于B/S模式的O2O汽車服務平臺的設計與實現[J].計算機應用與軟件，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] 孫志偉.大數據時代物流行業的O2O應對策略[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] 賈書磊，方小群，馮瓊，等.社區殘疾康復服務O2O平臺的設計及應用效果研究[J].中國全科醫學，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] 宋鈺.引入社團發現算法O2O服務等級數據交換協議[J].科學技術與工程，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] 鄭根，葉少珍.基于O2O閩臺名特優產品銷售服務系統的設計與實現[J].工業控制計算機，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] 王逸飛，張行，何迪，等.基于大數據平臺的電網防災調度系統功能設計與系統架構[J].電網技術，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.