论文部分内容阅读
摘要：数据挖掘是从大量信息中发现有用的知识，利用已有的数据进行数据处理和分析。高校后勤信息系统的广泛应用产生了大量的师生消费、客户关系和员工管理等数据库，本文介绍了数据挖掘的流程和功能，对高校后勤信息系统导入数据挖掘系统的设计目标、功能要求、开发模式和系统结构进行分析与设计，探讨了数据挖掘在公寓管理、饮食管理、人力资源管理和客户关系管理模块的应用，基于数据挖掘的信息系统具有较强的信息处理能力和分析功能，并获得有效的决策支持信息，提高后勤服务质量和保障能力。
关键词：数据挖掘 高校后勤 信息系统
中图分类号：TP311.13 文献标识码：A 文章编号：1673-8454（2009）11-0075-03
一、引言
后勤是高校教学科研的保障部门。学校基础设施不断完善，校园扩大或多校区办学，对我国高校后勤信息系统提出了更高的要求。我国高校后勤信息系统一般是基于客户端/服务器（Client/Server，简称C/S）和浏览器/服务器（Ｂｒｏｗｓｅｒ／Ｓｅrｖｅｒ，简称Ｂ／Ｓ）模式的管理系统，具有易维护、易扩展、开发效率高、运行环境要求不高、安全稳定等优点。
高校后勤信息系统的应用使数据库的规模不断扩大，产生了巨大的数据流，管理部门很难对这些数据进行准确、高效的处理，为经营服务管理者提供快速、准确的决策帮助，实现为师生提供个性化的服务，降低经营服务成本。数据挖掘（Data Mining，简称DM）是从大量数据中提取或“挖掘”知识。[1] 数据挖掘核心是利用已有的数据进行数据处理和分析，发现重要的数据模式，提取“有趣”的知识、规律或高层信息，为科学决策及措施的实施做出贡献。[2] 随着信息技术的不断发展，数据挖掘将为高校后勤经营服务提供越来越强大的支持功能，减轻低层次信息处理和分析的负担，提高管理与决策水平。
二、数据挖掘
1.数据挖掘流程
数据挖掘一般要经过数据采集、预处理、数据分析、结果分析、知识的同化等过程，主要常用关联规则、决策树方法、人工神经网络、遗传算法、粗糙集方法、模糊论方法、贝叶斯模式等方法。数据挖掘的知识是以概念、规则、规律、模式、可视化等形式提供给管理决策者，以辅助决策过程。[3] 数据挖掘流程如图1所示。
2.数据挖掘功能
数据挖掘功能是在大型数据库中挖掘预测性的信息并得出结论。关联分析找出数据库中隐藏的关联规则，这些规则揭示属性与属性值在数据集中一起出现的条件，可分为简单、时序、因果等关联。聚类是在数据库中的记录，聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。概念描述就是对某类对象的内涵进行描述，并概括这类对象的有关特征。概念描述分为特征性描述和区别性描述。
四、高校后勤信息系统的数据挖掘
高校后勤信息系统主要包括系统管理、商店管理、公寓管理、饮食管理、水电管理、财务管理、采购管理、人力资源管理、客户关系管理等几大功能，系统模块如图3所示。本文主要就公寓管理、饮食管理、人力资源管理和客户关系管理CRM模块的数据挖掘进行探讨。
1.公寓管理
学生公寓管理主要有住宿管理、学生教育、学生服务、宿舍资源、服务人员、门禁系统等功能。学生教育是寝室卫生成绩、学生个人记实考评、奖惩情况等管理；学生服务是实现对计算机、有线电视申请、大功率电器使用以及其他可能新增服务的信息管理。公寓管理的学生教育与服务过程中积累了大量学生日常行为信息，公寓管理人员可以采用关联规则了解学生行为之间的关联关系，测算相关学生行为信息频繁出现数据库，预测学生行为之间关系和可能会发生的行为，做出合理的管理决策。
管理者可以通过公寓管理模块预测学生未来的可能发生的行为，当知道学生有A、B表现时，公寓管理者想知道学生可能会发生C行为，采用关联分析的数据挖掘。利用学生教育数据库，运用Apriori等算法进行信息处理，然后利用关联规则产生行为关联规则。假设公寓管理人员采集的学生在校期间发生行为的信息记录形成事务数据库运用关联规则进行分析，可以通过信息系统导出相应的关联规则，如：学生如果道德素质好，且遵守纪律好，则该学生工作能力强等。[5] 数据挖掘技术的应用能促进公寓管理模式的创新。
2.饮食管理
生源地的不同使得师生的饮食习惯有所不同，信息系统中的饮食管理模块可以提取师生的特征属性，在数据挖掘中通过对已知类别的个体进行归类，找出各类饮食客户的特征属性，饮食客户分类包括师生饮食消费的分类、属性和特征分析、师生满意度分析、饮食喜好及消费需求预测等，食堂可以对师生按照年级、专业、生源地等因素进行分类，细分消费群体。
此外，信息系统还可以利用饮食消费的历史数据预测未来趋势，将线性回归方法应用于饮食客户需求分析，结合数据挖掘技术，饮食管理者利用数据仓库的信息进行分析，并根据分析结果找出客户需求中出现的经营管理不善、观念滞后、品种单调、原料缺失、色香味等内部因素引起服务质量与食堂生存构成威胁的问题，以便及时做出准确的决策，调整策略，满足不断变化的客户需求。
食堂的服务时间和菜肴摆放通常是按照食堂的规定与工作人员的工作习惯进行的。信息系统可以与教务管理数据库中学生信息对接，进行学生客户分类，结果对学生进行关联规则的预测。利用关联规则找出没有上课学生就餐以及不同就餐时间段的关系，可以推测这些学生的就餐高峰期，以便有针对性地提供饭菜、安排工作人员，做到人员的合理配置。菜肴的摆放同样可采用关联规则进行数据挖掘，如学生购买荤菜的同时一般再购买素菜，分析哪些菜肴是学生最有可能一起购买来预测学生的购买行为，调整菜肴摆放位置，减少每个学生的服务时间，提高服务人员的工作效率。
3.人力资源管理
高校后勤人力资源管理涉及员工招聘、培训发展、绩效考评、薪酬福利、劳动关系、考勤奖惩、职务变迁等，近些年后勤的发展使得员工结构发生了变化，人力资源数据库信息越积越多，信息系统利用该数据库信息进行员工聚类。聚类是根据聚类参数把数据划分到不同的组中，组内区别尽可能小、组之间的尽可能大。首先把员工的性格特征进行分类，并输入数据库，通过数据挖掘，得到彼此之间的关联关系，将关联关系中共同点较多的部分归成一个类，并建立类库。分组完成后，管理者就知道哪些员工属于同一类型，这类员工最大的特点是什么，再根据这些特点制定相应的管理手段以刺激其工作积极性。
高校后勤的可持续发展需要建立一支年轻有为、素质较高、相对稳定的员工队伍，管理者可以从人力资源管理数据库中提取信息对现有员工进行聚类分析，发现各种人员的类型与特征，决定招聘怎样的人才，如何实施招聘计划。同时通过建立专门的人才招聘数据库，记录招聘的情况，包括招聘的渠道、面试的方法等，设立专门的面试题库，为这些题库建立分析模型，通过对应聘者的考试可以知道哪些人适合哪些岗位，进而制定出员工发展策略。
人力资源管理模块记录了每个员工从招聘开始的所有信息，随着时间的推移而不断地增加。管理者利用数据挖掘技术，对该员工的技术工种、技术等级、工作经历、工作能力、个人奖惩记录等信息进行综合的考核和分析，对每一项设置不同的分数和权重，结合其他员工的情况进行综合评价并进行分类，决定对该员工是否提供培训的机会，确定哪些技术工种的人才可以通过内部培训产生，引进什么样的技术人才来满足高校后勤发展的需要。
4.客户关系管理
后勤部门与师生之间的服务关系是一种持续的不断发展的客户关系，作为高校重要组成部分之一的后勤，要充分利用自身的优势建立良好的客户关系，通过相互间接触和交流，师生得到了更好更贴切的服务，后勤部门则因为增加了销售和服务范围而获利更大效益，这是高校后勤生存的关键和实现使命的体现。高校后勤客户关系管理是将现代管理理论与高校后勤信息化建设相结合，树立以高等教育服务为中心的可持续发展策略，并在此基础上对学校的师生信息、消费、需求等过程的管理。随着后勤社会化工作的不断深入和大学城的建设，市场竞争不断加剧，师生的消费有不断流向社会市场的趋势。高校后勤如何利用数据挖掘技术来分析保持现有师生消费、挖掘潜在的消费需求、防止师生消费的外流是建立客户关系管理的关键。例如：随着物质生活水平的提高，加之师生本身的文化素养较高，消费行为相对前卫，消费层次趋于上升。运用数据挖掘技术可以在原有的师生消费记录中发现他们潜在的交叉购买需求，建立一个“师生反应”预测模型，利用这个模型找出那些对所提供的服务感兴趣的师生，达到防止师生消费流失的目的。因此，高校后勤一方面要满足师生的既有需求，另一方面要发掘其潜在需求，并开发合理产品和服务来满足其潜在需求。此外，高校后勤客户关系管理还可以利用数据挖掘技术建立已经消费流失的师生建模，找出当前师生消费流失的因素，采取相应的措施防止这些师生的消费流失。
数据挖掘还可以帮助后勤管理部门分析出最优营销组合，根据现有客户的购买行为和消费习惯建立预测模型，用建立的预测模型对客户将来的消费行为进行预测，建立营销组合分析模型，利用建立的分析模型对新的客户数据进行分析，以决定向客户提供最佳的交叉销售方式。关联分析能够发现客户倾向于关联购买哪些商品。聚类分析能够发现对特定产品感兴趣的用户群，序列模式分析能够预测顾客购买该新产品的可能性。高校后勤优质服务是吸引师生消费、保持师生消费、提高师生满意度的关键。师生满意度是师生对高校后勤提供的服务产品的消费经验的总体评价，是衡量高校后勤服务质量和经营水平的一种方式。由于高校师生消费观念不断更新、层次不断提高、结构不断优化，已不仅限于物质需求的满足、身心的健康、精神的愉悦，还追求消费的个性化。高校后勤客户关系管理利用数据挖掘分析师生对高校后勤服务产品的满意度，可以帮助了解师生的个人偏好、需求特征，提供“一对一”的个性化服务，发现经营、服务和管理上的不足，为改善经营策略、提高师生满意度指明方向。
五、结束语
基于数据挖掘的信息系统既具有传统的信息处理功能，又能通过数据挖掘对信息系统中的信息进行分析，得到有效的决策支持信息，充分发挥信息系统的作用。高校后勤信息系统处理信息详实准确，从高校后勤信息系统中的数据库中挖掘可以为高校后勤管理者作为决策的信息，从而提高后勤服务质量，更好地为教学科研提供强有力的保障。
参考文献：
[1]Han，J W，Kamber，M．数据挖掘观念与技术[M].范明，孟小峰译.北京：机械工业出版社，2007．
[2]孙毅，盛海英.基于KDD的教学质量评价系统研究[J]．浙江师范大学学报（自然科学版），2005，28(1)．
[3]王欣.基于数据挖掘的高校学生培养及就业指导研究[D].成都:西南交通大学,2006．
[4]白菲,孟超英.数据挖掘技术在高校人事信息建设中的应用[J].教育信息化,2005(8)．
[5]刘雨露.数据挖掘在高校学生管理决策中的应用模式分析[J].成都信息工程学院学报，2006,21(3)．
[6]赵闪.数据挖掘在客户关系管理中的应用研究[D].广州:广东工业大学,2007．
关键词：数据挖掘 高校后勤 信息系统
中图分类号：TP311.13 文献标识码：A 文章编号：1673-8454（2009）11-0075-03
一、引言
后勤是高校教学科研的保障部门。学校基础设施不断完善，校园扩大或多校区办学，对我国高校后勤信息系统提出了更高的要求。我国高校后勤信息系统一般是基于客户端/服务器（Client/Server，简称C/S）和浏览器/服务器（Ｂｒｏｗｓｅｒ／Ｓｅrｖｅｒ，简称Ｂ／Ｓ）模式的管理系统，具有易维护、易扩展、开发效率高、运行环境要求不高、安全稳定等优点。
高校后勤信息系统的应用使数据库的规模不断扩大，产生了巨大的数据流，管理部门很难对这些数据进行准确、高效的处理，为经营服务管理者提供快速、准确的决策帮助，实现为师生提供个性化的服务，降低经营服务成本。数据挖掘（Data Mining，简称DM）是从大量数据中提取或“挖掘”知识。[1] 数据挖掘核心是利用已有的数据进行数据处理和分析，发现重要的数据模式，提取“有趣”的知识、规律或高层信息，为科学决策及措施的实施做出贡献。[2] 随着信息技术的不断发展，数据挖掘将为高校后勤经营服务提供越来越强大的支持功能，减轻低层次信息处理和分析的负担，提高管理与决策水平。
二、数据挖掘
1.数据挖掘流程
数据挖掘一般要经过数据采集、预处理、数据分析、结果分析、知识的同化等过程，主要常用关联规则、决策树方法、人工神经网络、遗传算法、粗糙集方法、模糊论方法、贝叶斯模式等方法。数据挖掘的知识是以概念、规则、规律、模式、可视化等形式提供给管理决策者，以辅助决策过程。[3] 数据挖掘流程如图1所示。
2.数据挖掘功能
数据挖掘功能是在大型数据库中挖掘预测性的信息并得出结论。关联分析找出数据库中隐藏的关联规则，这些规则揭示属性与属性值在数据集中一起出现的条件，可分为简单、时序、因果等关联。聚类是在数据库中的记录，聚类增强了人们对客观现实的认识，是概念描述和偏差分析的先决条件。聚类技术主要包括传统的模式识别方法和数学分类学。概念描述就是对某类对象的内涵进行描述，并概括这类对象的有关特征。概念描述分为特征性描述和区别性描述。
四、高校后勤信息系统的数据挖掘
高校后勤信息系统主要包括系统管理、商店管理、公寓管理、饮食管理、水电管理、财务管理、采购管理、人力资源管理、客户关系管理等几大功能，系统模块如图3所示。本文主要就公寓管理、饮食管理、人力资源管理和客户关系管理CRM模块的数据挖掘进行探讨。
1.公寓管理
学生公寓管理主要有住宿管理、学生教育、学生服务、宿舍资源、服务人员、门禁系统等功能。学生教育是寝室卫生成绩、学生个人记实考评、奖惩情况等管理；学生服务是实现对计算机、有线电视申请、大功率电器使用以及其他可能新增服务的信息管理。公寓管理的学生教育与服务过程中积累了大量学生日常行为信息，公寓管理人员可以采用关联规则了解学生行为之间的关联关系，测算相关学生行为信息频繁出现数据库，预测学生行为之间关系和可能会发生的行为，做出合理的管理决策。
管理者可以通过公寓管理模块预测学生未来的可能发生的行为，当知道学生有A、B表现时，公寓管理者想知道学生可能会发生C行为，采用关联分析的数据挖掘。利用学生教育数据库，运用Apriori等算法进行信息处理，然后利用关联规则产生行为关联规则。假设公寓管理人员采集的学生在校期间发生行为的信息记录形成事务数据库运用关联规则进行分析，可以通过信息系统导出相应的关联规则，如：学生如果道德素质好，且遵守纪律好，则该学生工作能力强等。[5] 数据挖掘技术的应用能促进公寓管理模式的创新。
2.饮食管理
生源地的不同使得师生的饮食习惯有所不同，信息系统中的饮食管理模块可以提取师生的特征属性，在数据挖掘中通过对已知类别的个体进行归类，找出各类饮食客户的特征属性，饮食客户分类包括师生饮食消费的分类、属性和特征分析、师生满意度分析、饮食喜好及消费需求预测等，食堂可以对师生按照年级、专业、生源地等因素进行分类，细分消费群体。
此外，信息系统还可以利用饮食消费的历史数据预测未来趋势，将线性回归方法应用于饮食客户需求分析，结合数据挖掘技术，饮食管理者利用数据仓库的信息进行分析，并根据分析结果找出客户需求中出现的经营管理不善、观念滞后、品种单调、原料缺失、色香味等内部因素引起服务质量与食堂生存构成威胁的问题，以便及时做出准确的决策，调整策略，满足不断变化的客户需求。
食堂的服务时间和菜肴摆放通常是按照食堂的规定与工作人员的工作习惯进行的。信息系统可以与教务管理数据库中学生信息对接，进行学生客户分类，结果对学生进行关联规则的预测。利用关联规则找出没有上课学生就餐以及不同就餐时间段的关系，可以推测这些学生的就餐高峰期，以便有针对性地提供饭菜、安排工作人员，做到人员的合理配置。菜肴的摆放同样可采用关联规则进行数据挖掘，如学生购买荤菜的同时一般再购买素菜，分析哪些菜肴是学生最有可能一起购买来预测学生的购买行为，调整菜肴摆放位置，减少每个学生的服务时间，提高服务人员的工作效率。
3.人力资源管理
高校后勤人力资源管理涉及员工招聘、培训发展、绩效考评、薪酬福利、劳动关系、考勤奖惩、职务变迁等，近些年后勤的发展使得员工结构发生了变化，人力资源数据库信息越积越多，信息系统利用该数据库信息进行员工聚类。聚类是根据聚类参数把数据划分到不同的组中，组内区别尽可能小、组之间的尽可能大。首先把员工的性格特征进行分类，并输入数据库，通过数据挖掘，得到彼此之间的关联关系，将关联关系中共同点较多的部分归成一个类，并建立类库。分组完成后，管理者就知道哪些员工属于同一类型，这类员工最大的特点是什么，再根据这些特点制定相应的管理手段以刺激其工作积极性。
高校后勤的可持续发展需要建立一支年轻有为、素质较高、相对稳定的员工队伍，管理者可以从人力资源管理数据库中提取信息对现有员工进行聚类分析，发现各种人员的类型与特征，决定招聘怎样的人才，如何实施招聘计划。同时通过建立专门的人才招聘数据库，记录招聘的情况，包括招聘的渠道、面试的方法等，设立专门的面试题库，为这些题库建立分析模型，通过对应聘者的考试可以知道哪些人适合哪些岗位，进而制定出员工发展策略。
人力资源管理模块记录了每个员工从招聘开始的所有信息，随着时间的推移而不断地增加。管理者利用数据挖掘技术，对该员工的技术工种、技术等级、工作经历、工作能力、个人奖惩记录等信息进行综合的考核和分析，对每一项设置不同的分数和权重，结合其他员工的情况进行综合评价并进行分类，决定对该员工是否提供培训的机会，确定哪些技术工种的人才可以通过内部培训产生，引进什么样的技术人才来满足高校后勤发展的需要。
4.客户关系管理
后勤部门与师生之间的服务关系是一种持续的不断发展的客户关系，作为高校重要组成部分之一的后勤，要充分利用自身的优势建立良好的客户关系，通过相互间接触和交流，师生得到了更好更贴切的服务，后勤部门则因为增加了销售和服务范围而获利更大效益，这是高校后勤生存的关键和实现使命的体现。高校后勤客户关系管理是将现代管理理论与高校后勤信息化建设相结合，树立以高等教育服务为中心的可持续发展策略，并在此基础上对学校的师生信息、消费、需求等过程的管理。随着后勤社会化工作的不断深入和大学城的建设，市场竞争不断加剧，师生的消费有不断流向社会市场的趋势。高校后勤如何利用数据挖掘技术来分析保持现有师生消费、挖掘潜在的消费需求、防止师生消费的外流是建立客户关系管理的关键。例如：随着物质生活水平的提高，加之师生本身的文化素养较高，消费行为相对前卫，消费层次趋于上升。运用数据挖掘技术可以在原有的师生消费记录中发现他们潜在的交叉购买需求，建立一个“师生反应”预测模型，利用这个模型找出那些对所提供的服务感兴趣的师生，达到防止师生消费流失的目的。因此，高校后勤一方面要满足师生的既有需求，另一方面要发掘其潜在需求，并开发合理产品和服务来满足其潜在需求。此外，高校后勤客户关系管理还可以利用数据挖掘技术建立已经消费流失的师生建模，找出当前师生消费流失的因素，采取相应的措施防止这些师生的消费流失。
数据挖掘还可以帮助后勤管理部门分析出最优营销组合，根据现有客户的购买行为和消费习惯建立预测模型，用建立的预测模型对客户将来的消费行为进行预测，建立营销组合分析模型，利用建立的分析模型对新的客户数据进行分析，以决定向客户提供最佳的交叉销售方式。关联分析能够发现客户倾向于关联购买哪些商品。聚类分析能够发现对特定产品感兴趣的用户群，序列模式分析能够预测顾客购买该新产品的可能性。高校后勤优质服务是吸引师生消费、保持师生消费、提高师生满意度的关键。师生满意度是师生对高校后勤提供的服务产品的消费经验的总体评价，是衡量高校后勤服务质量和经营水平的一种方式。由于高校师生消费观念不断更新、层次不断提高、结构不断优化，已不仅限于物质需求的满足、身心的健康、精神的愉悦，还追求消费的个性化。高校后勤客户关系管理利用数据挖掘分析师生对高校后勤服务产品的满意度，可以帮助了解师生的个人偏好、需求特征，提供“一对一”的个性化服务，发现经营、服务和管理上的不足，为改善经营策略、提高师生满意度指明方向。
五、结束语
基于数据挖掘的信息系统既具有传统的信息处理功能，又能通过数据挖掘对信息系统中的信息进行分析，得到有效的决策支持信息，充分发挥信息系统的作用。高校后勤信息系统处理信息详实准确，从高校后勤信息系统中的数据库中挖掘可以为高校后勤管理者作为决策的信息，从而提高后勤服务质量，更好地为教学科研提供强有力的保障。
参考文献：
[1]Han，J W，Kamber，M．数据挖掘观念与技术[M].范明，孟小峰译.北京：机械工业出版社，2007．
[2]孙毅，盛海英.基于KDD的教学质量评价系统研究[J]．浙江师范大学学报（自然科学版），2005，28(1)．
[3]王欣.基于数据挖掘的高校学生培养及就业指导研究[D].成都:西南交通大学,2006．
[4]白菲,孟超英.数据挖掘技术在高校人事信息建设中的应用[J].教育信息化,2005(8)．
[5]刘雨露.数据挖掘在高校学生管理决策中的应用模式分析[J].成都信息工程学院学报，2006,21(3)．
[6]赵闪.数据挖掘在客户关系管理中的应用研究[D].广州:广东工业大学,2007．