摘 要：基于SAS軟件，文章針對校園一卡通消費數(shù)據(jù)進行了數(shù)據(jù)挖掘。文章首先對于此問題的總體目標(biāo)及設(shè)計方案進行了統(tǒng)籌規(guī)劃；對于原始數(shù)據(jù)進行了初步處理；采用k均值算法對消費數(shù)據(jù)進行聚類分析，對學(xué)生消費情況進行分類，從而掌握學(xué)生消費情況，了解學(xué)生的消費趨勢。

關(guān)鍵詞：數(shù)據(jù)挖掘；SAS；k均值算法；校園一卡通；消費分析

數(shù)據(jù)挖掘使用一定的算法從實際應(yīng)用數(shù)據(jù)中挖掘出未知、有價值的模式或規(guī)律等知識，整個過程由數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、模式評估、結(jié)果分析和運用知識等步驟組成[1]。隨著信息化技術(shù)發(fā)展，校園一卡通系統(tǒng)中使用過程中產(chǎn)生了大量數(shù)據(jù)，但系統(tǒng)缺少相應(yīng)的分析工具，無法從海量數(shù)據(jù)中獲取有用的知識。因此，使用數(shù)據(jù)挖掘技術(shù)對數(shù)據(jù)進行分析，可以了解學(xué)生消費情況和消費行為，了解學(xué)生之間消費的差異性，為學(xué)校制定各種獎勵政策提供依據(jù)。

1 目標(biāo)與設(shè)計方案

1.1 設(shè)計目標(biāo)

文章以山東某高校2014年4月校園一卡通消費數(shù)據(jù)為基礎(chǔ)，利用SAS軟件，采用聚類分析，對學(xué)生消費情況進行分析。

文章目標(biāo)為通過對消費數(shù)據(jù)的聚類分析，學(xué)習(xí)學(xué)生的月消費金額、消費次數(shù)，掌握學(xué)生消費規(guī)律，了解學(xué)生之間消費的共性和差異性，總結(jié)學(xué)生的高、中、低消費情況，為學(xué)校制定各類政策提供依據(jù)。

1.2 k均值算法

根據(jù)給定的n個對象或者元組的數(shù)據(jù)集，構(gòu)建k個劃分聚類的方法。每個劃分即為一個聚簇。該方法將數(shù)據(jù)劃分為k個組，每個組至少包括一個對象，每個對象必須屬于且只屬于一個組[2]。

k均值算法[2]如下：

（1）將所有對象隨機分配到 k個非空的簇中。

（2）計算每個簇的平均值，并用該平均值代表相應(yīng)的值。

（3）根據(jù)每個對象與各個簇中心的距離，分配給最近的簇。

（4）轉(zhuǎn)到2，重新計算每個簇的平均值。

這個過程不斷重復(fù)直到滿足某個準(zhǔn)則函數(shù)或者終止條件。終止條件可以是以下任何一個：沒有（或者最小數(shù)目）數(shù)據(jù)點被重新分配給不同的聚類；沒有（或者最小數(shù)目）聚類中心再發(fā)生變化；誤差平方和（SSE）局部最小。

1.3 方案設(shè)計

文章設(shè)計方案分為數(shù)據(jù)處理、數(shù)據(jù)挖掘、結(jié)果分析三部分。其中數(shù)據(jù)處理包括數(shù)據(jù)獲取、數(shù)據(jù)探索、數(shù)據(jù)填缺。

2 數(shù)據(jù)處理

數(shù)據(jù)獲?。?/p>

原始數(shù)據(jù)來自于校園一卡通2014年4月份數(shù)據(jù)。定義10：30之前為早餐時間，10：30-14：30為午餐時間，14：30以后為晚餐時間，在以上時間段內(nèi)的消費行為視為1次消費，文章共獲取35196條數(shù)據(jù)。數(shù)據(jù)屬性包括：姓名、性別、學(xué)生所在院系、月消費總額、月消費次數(shù)、月消費平均額度、早餐消費總額、早餐消費次數(shù)、早餐平均消費額、午餐消費總額、午餐消費次數(shù)、午餐平均消費額、晚餐消費總額、晚餐消費次數(shù)、晚餐平均消費額，如表1所示。

3 數(shù)據(jù)探索

文章中用于聚類分析的消費屬性包括：月消費總額、月消費次數(shù)、月消費平均額度、早餐消費總額、早餐消費次數(shù)、早餐平均消費額、午餐消費總額、午餐消費次數(shù)、午餐平均消費額、晚餐消費總額、晚餐消費次數(shù)、晚餐平均消費額，以上屬性均屬于連續(xù)變量。數(shù)據(jù)探索包括變量壓縮、數(shù)據(jù)標(biāo)準(zhǔn)化。變量壓縮是通過主成分分析法解決變量的共線性問題，數(shù)據(jù)標(biāo)準(zhǔn)化將花費等屬性進行標(biāo)準(zhǔn)化，從而保證聚類過程的準(zhǔn)確性。

3.1 變量壓縮

變量壓縮是通過主成分分析法解決變量的共線性問題，變量壓縮結(jié)果如圖1所示。

經(jīng)過分析后，系統(tǒng)最終將變量分為5類，在每組中，我們使用1-R？鄢？鄢2Ration屬性最小的值所對應(yīng)的變量，所以最終決定使用午餐消費次數(shù)、午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額變量作為聚類屬性。

3.2 數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)標(biāo)準(zhǔn)化是解決變量之間不同單位、不同變異程度的問題，在文章中午餐消費次數(shù)單位為次數(shù)，午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額單位為元，所以在SAS軟件中采用極差方法對午餐消費次數(shù)、午餐平均消費額、晚餐消費總額、早餐平均消費額、午餐平均消費額進行標(biāo)準(zhǔn)化。

4 聚類

采用SAS中兩步聚類過程，首先采用快速聚類將數(shù)據(jù)聚類成50類，然后對50類進行聚類分析。根據(jù)業(yè)務(wù)分析，最終確定取聚類個數(shù)為5類。

5 結(jié)果分析

聚類結(jié)果后共將分為5類，圖2為聚類后的各項數(shù)據(jù)指標(biāo)，包括各個聚類的人數(shù)、均值花費、最大花費、最小花費等。從聚類中分析，人員主要集中在兩類中，可以看到以下結(jié)論：

第一類聚類包括18650人，早餐、午餐、晚餐平均消費16、22、22次，平均消費5-6元。此聚類中人數(shù)占總?cè)藬?shù)的53%，消費情況適中，此類人員多在校內(nèi)就餐，因此食堂在日常運營中保持目前的操作情況即可，另外可以推出5-6元套餐用來提高銷售額；

第二類聚類包括512人，早餐、午餐、晚餐平均消費19、15、11次，平均消費7-8元。由于此類人員午餐晚餐消費次數(shù)較低，但平均消費額度較高，因此可以判斷此類人員多數(shù)在校外就餐，因此食堂在日常運營中可以推出7-8元的套餐，提高食物質(zhì)量，以吸引這部分學(xué)生；

第三類聚類包括16029人，早餐、午餐、晚餐平均消費7、10、7次，平均消費6-7元。此聚類中人員占45.5%，由于此類人員午餐晚餐消費次數(shù)較低，但平均消費額度較高，因此可以判斷此類人員多數(shù)在校外就餐，因此食堂在日常運營中可以推出6-7元的套餐，提高食物質(zhì)量，以吸引這部分學(xué)生；

第二、三類人員多在校外就餐，但第三類人數(shù)占有率較高，因此應(yīng)針對這部分學(xué)生制定相關(guān)策略，提高校園內(nèi)就餐率。

通過聚類發(fā)現(xiàn)學(xué)生的平均消費額度在5-7元之間，消費低于此額度的學(xué)生可視為低消費人員，學(xué)校可以針對此情況制定補助政策。

6 結(jié)束語

通過對學(xué)生的月消費信息進行聚類分析，我們可以了解學(xué)生的消費習(xí)慣、消費行為以及學(xué)生之間的消費差異，商戶可以針對學(xué)生的消費額度制定相應(yīng)的消費策略，為學(xué)校制定各種政策提供相應(yīng)依據(jù)。

參考文獻(xiàn)

[1]張佳.數(shù)據(jù)挖掘技術(shù)在校園一卡通系統(tǒng)中的應(yīng)用研究[D].蘇州大學(xué)，2013.

[2]黃雯.數(shù)據(jù)挖掘算法及其應(yīng)用研究[D].南京郵電大學(xué)，2013.

[3]歐陽烽.基于SAS的Web使用日志用戶聚類分析[J].電腦知識與技術(shù)，2013.

[4]王哲.數(shù)據(jù)挖掘技術(shù)在高校圖書館個性化服務(wù)中的應(yīng)用研究[D].重慶大學(xué)，2012.

[5]烏文波.應(yīng)用Apriori關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)挖掘技術(shù)挖掘電子商務(wù)潛在客戶[D].浙江工業(yè)大學(xué)，2012.

作者簡介：仲曉芳（1984-），女，山東省濟南市，山東女子學(xué)院，助教，碩士研究生，數(shù)據(jù)挖掘研究與應(yīng)用。

張義（1983-），女，山東省淄博市，山東理工大學(xué)，在校研究生，數(shù)據(jù)管理與數(shù)據(jù)安全。

龐勝楠（1987-），女，山東省濟南市，山東女子學(xué)院，助教，碩士研究生，電視媒體與社交媒體互動研究。

韓士元（1985-），男，山東省濟南市，濟南大學(xué)，講師，博士研究生，智能計算理論與應(yīng)用。

王棟（1983-），男，山東省濟南市，濟南大學(xué)，講師，博士研究生，智能計算理論與應(yīng)用。