基于高校數據中心的數據分析

楊眾 王旭東 叢玉正

摘要：隨著信息化技術的快速發展，高校的信息系統日趨完善，各種信息系統如學習平臺、教學和辦公應用系統都運行在數據中心，數據中心存儲了大量的業務信息。對高校數據中心存儲的各類應用數據進行抽取、轉化和處理，建立面向主題的數據倉庫。對系統數據進行挖掘和探索式分析，以可視化駕駛艙的方式直觀地展現學校的實際數據狀態，通過對數據的可視化分析可以為學校在辦學、人才培養和學生管理等方面提供數據支持和決策。

關鍵詞：數據中心；數據分析；數據倉庫；可視化；智慧校園

中圖分類號：TP393文獻標志碼：A文章編號：1008-1739（2021）17-65-4

0引言

自教育部發布《教育信息化十年發展規劃（2011—2020年）》以來，國內各高校對信息化建設大力投入，各類業務系統逐步建設完善，信息化服務水平不斷提高[1]。數據中心的建立有效地解決了各系統數據存儲分散、數據標準不一致和數據共享困難等信息孤島問題。下一步將圍繞如何發揮數據中心的數據價值進行研究，對數據中心存儲的大量業務數據進行有效挖掘，實現跨業務系統、高效的數據分析，讓數據“說話”，達到數據分析展現的統一歸口，實時展現學校各方面的數據狀態，為學校領導提供決策支撐。

教育數據挖掘（Educational Data Mining，EDM）是一門涉及計算機科學、教育學和統計學的交叉學科，它致力于分析學校教育環境下的獨特數據，目的是為了更好地了解學生及學校環境，從而提高學校教學成效[2]。

1技術路線

研究分析的數據來源于高校數據中心，數據中心通過與統一認證平臺、人事系統、科研系統、學生系統和一卡通等系統進行數據交換進而存儲大量的業務數據。通過對數據中心的數據源進行ETL（提取、轉化和裝載），將想要進行分析的主題數據進行高效的提取和處理，形成數據倉庫，進行建模分析。數據倉庫是專門為數據的統計分析和決策支持而設計的，存儲著需要進行分析的面向主題數據，數據具有穩定并隨時間變化等特點[3]。研究的技術路線情況如圖1所示。

1.1數據操作

采用的開發語言為Python 3，開發IDE為PyCharm 2020，數據庫為Oracle 12c。數據庫操作基本代碼如下：

1.2數據處理

由于數據中心的數據來源于不同系統，各個系統始建于不同時期，所用數據標準各不相同，導致數據質量參差不齊。要想對數據進行分析就需要對數據的質量問題進行處理。

Python中有著豐富的數據處理、分析和挖掘工具包。采用Numpy庫實現了多維數組與矩陣的高效運算，Pandas庫函數對數據的編碼問題、缺失值問題與異常值的問題進行有效處理，生成規整數據裝載進數據倉庫。比如用dropna函數對不規整數據進行刪除，fillna函數對空值進行替換等。

1.3數據展現

在數據展現方面，將對系統分析出來的數據通過Web可視化進行展現，這里采用Flask Web容器來部署pyechars技術。pyechars是Python語言中用于設計Echars圖表的類庫，對百度開源圖表庫Echars進行了封裝，實現了Java Script的圖表庫技術。相比于Matplotlib繪圖，pyechars有著可移植性強、展現直觀、生動、可交互、可高度個性化定制等特點[3]。下面采用pyechars繪制學生消費情況柱狀圖，代碼如下：

2數據分析設計實現

本研究對高校幾大核心業務系統數據進行整理和抽取，按照招生、教職工、學生消費和科研4個數據主題進行展示與分析。

2.1招生分析

招生作為高校人才培養的主要入口之一，生源質量的好壞和招生計劃是否合理都會影響學校的教學成果。本研究選取了學校近8年本科生招生數據進行研究分析，按照招生完成率、錄取情況、學生情況和地區招生情況進行了統計分析。各主題分析指標類型如表1所示。

通過調用Python機器學習第三方模塊Sklearn，對招生計劃數和實際錄取人數進行回歸分析。研究利用corr（）函數對計劃和實際錄取人數進行相關性評估計算，得出分數為0.97，非常接近于1，這說明二者有明顯的線性相關性，也就是說招生計劃越多，實際招生人數也越多，招生情況回歸分析如圖2所示[4]。

利用最小二乘法對歷年的招生數據建立數據模型，在LinearRegression中調用fit（）訓練方法進行數據模擬仿真[5]。采用score（）函數對訓練出的模型進行打分，為0.98分，模型效果比較理想，使用predict（）函數對未來招生的情況進行預測。預測結果為當招生計劃數增加至2 000人時，實際招生人數會達到1 957人。預測實現代碼如下所示：

2.2學生行為分析

隨著各應用系統及大數據中心的建設，學生在校內的學習和生活痕跡都會被系統記錄并存儲。通過抽取、整合學生數據和一卡通數據，按照以下幾個主題對學生日常行為數據進行分析展現，如表2所示。

圖書館和自習室是大學生主要的學習場所，對一年中30萬條學生進出圖書館和自習室的門禁記錄進行了統計分析，學生行為數據如圖3所示。

發現學生行為數據存在如下規律：

①在學習方面，學生進出圖書館的時間主要集中在每年的6月、7月、12月和1月，每年2月和8月圖書館的訪客最少，周末進出圖書館人數少于平時。從數據中可以分析出，學生在臨近1月和7月的期末考試前夕進入圖書館自習室學習的次數最多，側面反映出學生平時缺乏自主學習的能力。針對這種現象，建議學校增加學生階段性過程考試，培養在校學生養成良好的學習習慣。

②通過對學生在一天之中進出圖書館的時間進行分析，發現學校進圖書館的時間主要集中在7時、8時、12時和13時，離開圖書館的時間集中在18時，在6—7月時，學生離開圖書館的時間推遲至22時。從數據中可以分析出學生在一天之中學習集中的時段，由于期末學習任務較重，學生在圖書館自習的時間較晚，建議學校在期末前夕適當延長圖書館的閉館時間，為學生提供更多的學習時間。

在學生消費方面，統計出各年級和專業在校生的消費情況，包括平均消費和最低情況，為學校在評獎助學金和助學貸款方面提供消費數據支撐。

2.3教職工分析

教職工分析聯合人事、科研和教務業務系統數據進行分析。

教職工基本情況：展示教職工的年齡、工齡、學歷和戶籍信息，向學校展現教職工的基本情況信息。

教職工發展情況：教師的崗位、職務、職稱和編制類別等信息，分析各部門的崗位任職情況，為學校接下來的教師人才培養提供數據支撐。

博士教師情況：學校的博士教師情況和各部門博士人員數量，為學校申博和學科評估提供數據支撐。

人才引進/流失情況：學校每年招入和流出的人員信息，更有目的性地制定人才引進計劃。

2.4科研分析

各部門科研情況：學院各部門的科研成果情況，包括項目、論文、著作、專利和鑒定等。分析學院各職稱和各級別教師的科研成果情況：統計學校各專業科研成果，根據教職工的科研成果進行統計分析，按照專業和學科計算出科研分數，對科研分數進行統計分析，找出優勢學科[6]。

3結束語

通過對學校各方面的數據進行分析和挖掘，使原來數據中心和業務系統的數據重新發揮了巨大價值。將數據進行可視化分析可以發現數據中存在的問題和規律，對學校在教學或科研上出現的異常數據進行預警，使學校管理者在決策上由被動變為主動，大大提高了學校信息化的服務質量，向實現智慧校園邁進。

參考文獻

[1]王運武.中國教育信息化戰略規劃的世紀變遷[J].江蘇開放大學學報，2016，27（4）：37-46，89.

[2]黃連強.大數據背景下高校教學信息化研究[J].電腦編程技巧與維護，2018（4）：96-97，121.

[3]李蒙昭.數據可視化平臺圖表推薦系統的研究[D].武漢：華中科技大學，2019.

[4]王瑞昌.面向教職工的數據中心數據共享的研究與實現[D].成都：西南交通大學，2012.

[5]李天輝.基于python的數據分析可視化研究與實現[J].電子測試，2020（20）：78-79.

[6]劉少楠.基于B/S模式的高校科研管理系統設計與實現[D].沈陽：東北大學，2015.