基于SAS的校园一卡通数据分析

摘 要：基于SAS软件，文章针对校园一卡通消费数据进行了数据挖掘。文章首先对于此问题的总体目标及设计方案进行了统筹规划；对于原始数据进行了初步处理；采用k均值算法对消费数据进行聚类分析，对学生消费情况进行分类，从而掌握学生消费情况，了解学生的消费趋势。

关键词：数据挖掘；SAS；k均值算法；校园一卡通；消费分析

数据挖掘使用一定的算法从实际应用数据中挖掘出未知、有价值的模式或规律等知识，整个过程由数据准备、数据挖掘、模式评估、结果分析和运用知识等步骤组成[1]。随着信息化技术发展，校园一卡通系统中使用过程中产生了大量数据，但系统缺少相应的分析工具，无法从海量数据中获取有用的知识。因此，使用数据挖掘技术对数据进行分析，可以了解学生消费情况和消费行为，了解学生之间消费的差异性，为学校制定各种奖励政策提供依据。

1 目标与设计方案

1.1 设计目标

文章以山东某高校2014年4月校园一卡通消费数据为基础，利用SAS软件，采用聚类分析，对学生消费情况进行分析。

文章目标为通过对消费数据的聚类分析，学习学生的月消费金额、消费次数，掌握学生消费规律，了解学生之间消费的共性和差异性，总结学生的高、中、低消费情况，为学校制定各类政策提供依据。

1.2 k均值算法

根据给定的n个对象或者元组的数据集，构建k个划分聚类的方法。每个划分即为一个聚簇。该方法将数据划分为k个组，每个组至少包括一个对象，每个对象必须属于且只属于一个组[2]。

k均值算法[2]如下：

（1）将所有对象随机分配到 k个非空的簇中。

（2）计算每个簇的平均值，并用该平均值代表相应的值。

（3）根据每个对象与各个簇中心的距离，分配给最近的簇。

（4）转到2，重新计算每个簇的平均值。

这个过程不断重复直到满足某个准则函数或者终止条件。终止条件可以是以下任何一个：没有（或者最小数目）数据点被重新分配给不同的聚类；没有（或者最小数目）聚类中心再发生变化；误差平方和（SSE）局部最小。

1.3 方案设计

文章设计方案分为数据处理、数据挖掘、结果分析三部分。其中数据处理包括数据获取、数据探索、数据填缺。

2 数据处理

数据获取：

原始数据来自于校园一卡通2014年4月份数据。定义10：30之前为早餐时间，10：30-14：30为午餐时间，14：30以后为晚餐时间，在以上时间段内的消费行为视为1次消费，文章共获取35196条数据。数据属性包括：姓名、性别、学生所在院系、月消费总额、月消费次数、月消费平均额度、早餐消费总额、早餐消费次数、早餐平均消费额、午餐消费总额、午餐消费次数、午餐平均消费额、晚餐消费总额、晚餐消费次数、晚餐平均消费额，如表1所示。

3 数据探索

文章中用于聚类分析的消费属性包括：月消费总额、月消费次数、月消费平均额度、早餐消费总额、早餐消费次数、早餐平均消费额、午餐消费总额、午餐消费次数、午餐平均消费额、晚餐消费总额、晚餐消费次数、晚餐平均消费额，以上属性均属于连续变量。数据探索包括变量压缩、数据标准化。变量压缩是通过主成分分析法解决变量的共线性问题，数据标准化将花费等属性进行标准化，从而保证聚类过程的准确性。

3.1 变量压缩

变量压缩是通过主成分分析法解决变量的共线性问题，变量压缩结果如图1所示。

经过分析后，系统最终将变量分为5类，在每组中，我们使用1-R？鄢？鄢2Ration属性最小的值所对应的变量，所以最终决定使用午餐消费次数、午餐平均消费额、晚餐消费总额、早餐平均消费额、午餐平均消费额变量作为聚类属性。

3.2 数据标准化

数据标准化是解决变量之间不同单位、不同变异程度的问题，在文章中午餐消费次数单位为次数，午餐平均消费额、晚餐消费总额、早餐平均消费额、午餐平均消费额单位为元，所以在SAS软件中采用极差方法对午餐消费次数、午餐平均消费额、晚餐消费总额、早餐平均消费额、午餐平均消费额进行标准化。

4 聚类

采用SAS中两步聚类过程，首先采用快速聚类将数据聚类成50类，然后对50类进行聚类分析。根据业务分析，最终确定取聚类个数为5类。

5 结果分析

聚类结果后共将分为5类，图2为聚类后的各项数据指标，包括各个聚类的人数、均值花费、最大花费、最小花费等。从聚类中分析，人员主要集中在两类中，可以看到以下结论：

第一类聚类包括18650人，早餐、午餐、晚餐平均消费16、22、22次，平均消费5-6元。此聚类中人数占总人数的53%，消费情况适中，此类人员多在校内就餐，因此食堂在日常运营中保持目前的操作情况即可，另外可以推出5-6元套餐用来提高销售额；

第二类聚类包括512人，早餐、午餐、晚餐平均消费19、15、11次，平均消费7-8元。由于此类人员午餐晚餐消费次数较低，但平均消费额度较高，因此可以判断此类人员多数在校外就餐，因此食堂在日常运营中可以推出7-8元的套餐，提高食物质量，以吸引这部分学生；

第三类聚类包括16029人，早餐、午餐、晚餐平均消费7、10、7次，平均消费6-7元。此聚类中人员占45.5%，由于此类人员午餐晚餐消费次数较低，但平均消费额度较高，因此可以判断此类人员多数在校外就餐，因此食堂在日常运营中可以推出6-7元的套餐，提高食物质量，以吸引这部分学生；

第二、三类人员多在校外就餐，但第三类人数占有率较高，因此应针对这部分学生制定相关策略，提高校园内就餐率。

通过聚类发现学生的平均消费额度在5-7元之间，消费低于此额度的学生可视为低消费人员，学校可以针对此情况制定补助政策。

6 结束语

通过对学生的月消费信息进行聚类分析，我们可以了解学生的消费习惯、消费行为以及学生之间的消费差异，商户可以针对学生的消费额度制定相应的消费策略，为学校制定各种政策提供相应依据。

参考文献

[1]张佳.数据挖掘技术在校园一卡通系统中的应用研究[D].苏州大学，2013.

[2]黄雯.数据挖掘算法及其应用研究[D].南京邮电大学，2013.

[3]欧阳烽.基于SAS的Web使用日志用户聚类分析[J].电脑知识与技术，2013.

[4]王哲.数据挖掘技术在高校图书馆个性化服务中的应用研究[D].重庆大学，2012.

[5]乌文波.应用Apriori关联规则算法的数据挖掘技术挖掘电子商务潜在客户[D].浙江工业大学，2012.

作者简介：仲晓芳（1984-），女，山东省济南市，山东女子学院，助教，硕士研究生，数据挖掘研究与应用。

张义（1983-），女，山东省淄博市，山东理工大学，在校研究生，数据管理与数据安全。

庞胜楠（1987-），女，山东省济南市，山东女子学院，助教，硕士研究生，电视媒体与社交媒体互动研究。

韩士元（1985-），男，山东省济南市，济南大学，讲师，博士研究生，智能计算理论与应用。

王栋（1983-），男，山东省济南市，济南大学，讲师，博士研究生，智能计算理论与应用。