大数据模型交易平台---学生校园消费行为分析模型

业务问题
大部分高校均基于校园一卡通系统进行“智慧校园”的相关建设。
当前，学生作为一个特殊的群体，其饮食消费内容在社会大背景影响下日益多样化，而且在没有其他任何收入来源的时候，对消费的正确认识就显得尤为重要。校园一卡通就是体现学生消费行为的主要工具之一。校园一卡通是集身份认证、金融消费、数据共享等多项功能于一体的信息集成系统。在为师生提供优质、高效信息化服务的同时，系统自身也积累了大量的历史记录，其中蕴含着学生的消费行为以及学校食堂等各部门的运行状况等信息。通过对一卡通系统数据进行分析，在一定程度上能够了解学生在校园内的数字轨迹，能更好地为学校管理与决策提供有力的依据，同时对建设“智慧校园”起到重要作用。

解决方案
根据国内某高校校园一卡通系统某个月的运行数据，使用数据分析和建模方式，挖掘数据中所蕴含的信息，分析学生在校园内的学习生活行为、消费行为和食堂的运营状况，为改进学校服务并为相关部门的决策提供信息支持。

模型概览
某学校提供2019年4月1日~4月30日一个月的校园一卡通数据，数据包括学生ID表（
data1.csv）和消费记录表（data2.csv）。其中学生ID表，总共4341条记录，主要包含序号、校园卡号、性别等5个特征。消费记录表，总共519361条记录，主要包含流水号、校园卡号、校园卡编号、消费时间、消费金额等12个特征。

通过收集到校园一卡通数据，对数据进行可视化分析，包括学校各食堂、不同性别、不同专业的学生用餐情况。同时，采用Kmeans聚类算法，针对学生的消费行为对学生进行分类，最终得到不同特征的学生群体。

 

 

 根据标准化处理后的特征数据，做出轮廊系数走势图，使用轮廊系数法寻找聚类分类簇的最优数目。

由轮廊系数走势图可以看出，当聚类数目为3时，其平均畸变程度最大，因此可以确定聚类的数目为3，与学生群体分类结果一样，说明可以运用该模型对学生消费行为进行分类。除此之外，还可以将该模型应用到电商用户分群中，以查看用户喜好、用户特征等信息，从而根据不同的用户群体特征，推荐适合的产品。