用户画像和精准化平台

第一篇：用户画像和精准化平台

谈论用户画像的价值

用户画像是标签化的用户行为特征

交互设计之父Alan

Cooper最早提出用户画像(persona)

的概念:“Personas

area

concrete

representation

of

target

users.”用户画像是从真实的用户行为中抽象出来的的典型用户模型，企业通过收集与分析消费者的社会属性、生活习惯、消费行为的主要信息之后，完整描述产品(或服务)的目标用户特征，为企业中所有与用户有关的决策过程提供信息基础，指导企业的产品服务研发和市场营销。

用户画像的核心在于给用户“打标签”，每一个标签通常是人为规定的特征标识，用高度精炼的特征描述一类人，例如年龄、性别、兴趣偏好等，不同的标签通过结构化的数据体系整合，就可与组合出不同的用户画像。

用户画像源于企业对用户认知的渴求

所谓用户画像的提出，根本上是源于企业对用户认知的渴求，在营销决策的过程中，企业关注的重心不外乎两类，“如何做出用户更喜欢的产品”，“如何把产品卖给对的人”，解决这两个问题离不开对用户需求的洞察，因此决策者不可避免的要考虑两类人：

现有用户-

我的现存用户是谁?为什么买我的产品?他们有什么偏好?哪些用户价值最高?

潜在客户-

我的潜在用户在哪儿?他们喜欢什么?哪些渠道能找到他们?获客成本是多少?

为了回答这些问题，企业必须通过各种方式不断的收集用户信息，最初可能只是通过问卷调查、用户访谈等少量、定性分析的方式进行，当样本的数量逐步提升，这些用户的信息将会以更加标准化、更简单的方式描述出来，形成一个一个“标签”，这也就形成了用户画像的雏形。因此，用户画像并不是大数据时代的“专利”，大数据技术的应用，拓展了企业获取数据的来源和处理数据的方法，让企业有机会得到更多的用户样本，从海量数据中找到那些真正对自己有价值的数据，从更多维度描述自己的用户画像。

对内指导完善产品

对外推动精细营销

用户画像作为企业目标用户的真实写照，在企业的不同决策环节中都将发挥作用，归纳起来主要是以下两个方面。

1对内完善产品，优化用户体验

指导产品研发：改变闭门造车的生产模式，生产逻辑从“造什么用户买什么”逐渐转变为“用户需要什么就造什么”。通过用户需求的调研，设计制造更加适合用户的产品，提升用户体验。产品研发初期没有销售数据的时候，用户画像将直接反应企业对用户的了解程度，决定产品定位。

完善产品运营：产品(或服务)的销售过程中，用户画像将帮助企业改善产品运营，优化与用户交互的流程与体验，提升已有用户的平台粘性和交易转化率。

2对外促进销售，拓展商业模式

精细化营销：根据产品特点，更加精准地找到目标用户，在用户偏好的渠道上进行内容投放，适时交互促成购买行为，实现精准获客。

数据服务：平台的用户信息和用户行为将成为重要的数据源，指导新业务的拓展或为他所用。

数据是构建用户画像的核心

1三类基础数据整合

1、用户数据

静态信息数据：用户相对稳定的信息，主要包括人口属性、商业属性等方面数据。这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗的工作。

动态信息数据：用户不断变化的行为信息，用户搜索了什么商品，浏览了哪个页面，赞了哪条微博消息，发布了积极或消极的评论……这些都是互联网上的用户行为，将成为用户画像中偏好特征和消费行为特征的主要依据。

2、商品数据

客观商品属性：商品的功能、颜色、能耗、价格等事实数据。

主观商品定位：商品的风格、定位人群等。

商品数据可以认为是商品的标签，需要和用户标签进行关联和匹配。

3、渠道数据

信息渠道：用户在信息渠道上获得资讯，如、微博等社交网络。

购买渠道：用户在购买渠道上进行商品采购，例如商品官网、电商平台等。

不同类型的用户对渠道有不同的偏好，精准的选择对应的渠道才能提高效率和收益。

2数据建模方法

有了上述三类数据之后，需要根据用户行为构建相应的数据模型产出标签和权重。每一次的用户行为，可以详细描述为：什么用户，在什么时间，什么地点，发生了什么事。

什么用户：即用户识别，其目的是为了区分用户。互联网主要的用户识别的方式包括Cookie，注册ID，微博，手机号等，获取方式由易到难，不同企业的客户信息数据化程度有所不同，用户识别的方式也可按需选取。

什么时间：在用户行为中，普遍认为近期发生的行为将更反映用户当下的特征，因此过往行为将表现为在标签权重上的衰减。

什么地点：即用户的接触点，包含了两个潜在信息：网址和内容。内容决定标签，网址决定权重。例如，一瓶矿泉水，超市卖1元，景区卖3元，酒店卖5元，商品的售卖价值，不在于成本，而在于售卖地点，这里的权重可以理解为用户对矿泉水的需求程度不同，相应的也有不同的支付意愿。类似的反映到互联网，用户在天猫浏览了iPhone6的信息和在苹果官网浏览也将存在权重的差异，因此，网址的内容反映了标签信息，网址本身则表征了标签的权重。

做了什么：用户的行为类型，例如浏览、搜索、评论、点赞、收藏等，同样反映的是标签的权重。

从上述建模方法中，我们可以简单勾画出一个用户行为的标签权重公式：

标签权重=时间衰减(何时)×网址权重(何地)×行为权重(做什么)

举个直观的例子，“B用户今天在苹果官网购买了iPhone6”反映出的用户标签可能是“果粉1”;而“A用户三天前在天猫收藏了iPhone6”反映出的标签可能只是“果粉0.448”，这些不同用户的标签及相应的权重将在后续的营销决策中发挥指导作用。

3算法输出

通过数据建模，企业可以有效地为能覆盖到的用户打上标签，之后结合渠道信息和商品信息，企业可根据需求定向地选择数据挖掘的方法输出结果，在营销决策中，可能得到的结论例如“具有标签a的人集中购买了商品A”、“购买商品B的用户同样会对商品A感兴趣”、“商品A的购买人群主要集中于渠道c”等等，这些信息将直接指导企业完成营销决策。在这个过程中常用的算法包括聚类和关联规则等，本文不深入展开，这些算法的核心逻辑可以认为是利用现有事实对未来进行预测的过程。

通过上述介绍，本文简单阐释了用户画像及其构建逻辑。但归根到底，技术只是载体，其最终还是为了服务于企业基于用户的营销决策。在市场的迷雾中，用户画像像是一座桥梁，跨越企业与用户之间的信息鸿沟，大数据的手段把用户错综复杂的消费行为和难以捉摸心理状态通过更加理性的方式为企业呈现出来，让未来企业营销决策真正做到“有理有据”。

第二篇：信用卡的用户画像与场景分析

曾设想过一个问题：如果让我做一个信用卡有关的APP，我会怎么做?先调研市场，重点研究数据，得出用户画像，从而进行场景分析，这将是我的步骤。根据《中国银行卡产业发展蓝皮书(2016)》相关的信用卡报告，持卡用户的用户画像内容涵盖了以下三部分： 第一部分：信用卡持卡用户特征分析第二部分：信用卡用户消费行为分析第三部分：用户信用卡管理行为分析第一部分：信用卡持卡用户特征分析

1、“80后”为持卡主力，占比接近四成目前的持卡人群以“80后”和“90后”为主，“80后”持卡用户占比高达42.15 %，堪称主力;“90后”持卡用户紧随其后，占比为28.04%。“70后”持卡用户占比为21.63 %，70后与80后一共接近七成多的比例。

2、男性持卡用户占绝对优势男性持卡用户占比高达86.06%，女性持卡用户仅占13.94%，男女比例约6：1。

3、城市持卡用户占比近90%目前，信用卡持卡用户主要集中在城市地区，市郊及乡镇地区由于办卡业务不普及、满足办卡条件的人群较少等客观原因，持卡用户占比较低，仅为11.06%。从地域分布情况看，南方的持卡用户要多于北方持卡用户。

4、月收入万元以下的持卡用户占比高持卡人群中，近八成用户月收入在万元以下，其中，月收入5000-10000元(含)的用户占比最高，为49.04%;月收入5000元以下(含)的用户，占比为27.88%;月收入在10000元以上的用户仅占22.59%。以上数据得出结论：80后为主，70、90后为辅，大部分为男性，年龄在27-37之间，有房贷车贷，小孩年龄0-15岁，消费偏理性(1)金融理财场景 用户场景一：办理信用卡本质是借款，借款额度无法满足需求，继续借款，借款场景搭建。用户场景二：拥有一定财富积累的男性，身价的升值，理财保险购买的场景搭建。(2)购买商品场景 用户场景三：男性爱车，与汽车厂商合作，推出分期购买车以及车的周边设备购买。用户场景四：90后使用信用卡趋势越发明显，大热的王者荣耀游戏，除了推出王者荣耀信用卡，也可与腾讯举办信用卡打折购买皮肤等活动。用户场景五：信用卡的用户男性为主，意味着商品分期的品类、积分兑换商品的品类等等商品，在选品上，建议更多地以男性为主，而不是女性(女性更多的购物场景为淘宝支付宝)第二部分：信用卡用户消费行为分析

1、66%的用户持有三张以下信用卡“玩转”多张信用卡的用户占比不高，66%的用户持有三张以下信用卡;45.83%的用户持有信用卡的时间在一年以内。

2、败家指数：七成用户月均消费金额在收入金额50%(含)以内70.52%的用户平均每月消费金额不超过月收入金额的50%，“每月消费占总收入的比例” 最多为30%-50%，达到37.98%。根据相关性分析，收入越高的用户，每月消费占收入比越高。月收入2万-3万的持卡用户每月花销比例最高，当中有67.6%的人每月花掉收入的50%以上。

3、月刷万元以上的用户占比最高超五成用户平均每月刷卡消费次数在10次以下。55.40%的持卡用户平均每月刷卡金额在5000元以上，月均刷卡以达5505.80元。平均每月信用卡账单金额(所有卡账单总和)在10000元以上的用户占比最多，达到23.56%，其次为1000元-3000元，占比为21.79%。

4、信用卡里的钱花费渠道在信用卡日常消费类型中，占大头的是超市购物、网络购物和美食餐饮这三项。85.26%的用户预期明年“刷卡消费”会提高，对“消费能力”具有较强信心。

5、用户日常消费支付方式以刷信用卡为主用日常消费支付方式采用“信用卡刷卡支付”的占比最高，达到75.48%;其次为通过第三方绑定信用卡支付，占比超过50%。数据可见，当前信用卡支付的渗透，无论从线下消费，还是线上消费角度，都处于第一位。以上数据得出结论：大部分用户手持三张以下信用卡，且时间较短，消费额度在50%以内，偏理性，但在高收入群体中，收入与消费比例成正比，花费渠道最多的是超市购物，使用场景最多的是日常消费支付。 用户场景一：收入越高，消费占比越高，以此证明高端客户使用信用卡的频次越高，借款的需求越大，所以可以针对信用卡额度较高的这部分客户，推送推荐办卡的高额奖励，通过推荐办卡，获取高质量的信用卡客户。用户场景二：招行可与沃尔玛等超市进行合作推出活动，首页推荐超市活动，场景结合。第三部分：用户信用卡管理行为分析

1、超过六成用户信用卡总额度在5万元以下75.28%的持卡用户信用卡总额度不超过5万元;信用卡总额度1万-5万的持卡用户占比45，35%，总额度5万-10万的用户占比15.22%，信用卡总额度10万以上的“富人”仅占9.5%。43.43%的持卡用户未申请信用卡提额，对现有额度表示满意，而31.57%的用户会主动向银行申请提升信用卡额度，其中，27.24%的用户通过网上、手机银行、银行微信等渠道申请提额，用户更倾向于选择网络渠道办理业务。

2、八成用户使用支付宝、微信进行账单管理用户普遍会对信用卡账单进行管理，不做管理的用户占比仅为2.67%;其中，最常用的账单管理方式是通过支付宝、微信进行管理，占比达82.05%。

3、用户最常用支付宝、微信进行信用卡还款通过线上渠道为信用卡还款简单快捷，成为大部分持卡用户的选择。75.48%的持卡用户使用支付宝、微信进行信用卡还款，其次为绑定银行储蓄卡自动还款和使用网上银行、银行手机APP等方式还款;通过银行柜台或ATM机等线下方式还款的占比仅为9.94%。

4、近三成用户有过逾期还款行为2016年，27.72%的持卡用户有过信用卡逾期还款行为，逾期次数多在1-3次。其中，58.93%的用户是因为粗心大意、忘记还款导致信用卡逾期，34.52%的用户是因为还款渠道导致未能及时到账导致信用卡逾期。以上数据得出结论：约80%的客户的信用卡额度在5万以下，对额度不满意占比为60%，八成用户使用微信和支付宝进行账单管理以及信用卡还款，且近三次用户有逾期还款行为。(1)大数据风控用户场景一：用户对额度不满占比为60%，说明有市场，银行不提升额度，担心风控问题，导致损失。 常规的调查薪资证明，获取该客户在招商以及其他行的资金数据，算法分析风控与支付宝的芝麻信用体系合作，获取接口，对用户消费数据进行算法分析，评估风控等等通过以上方式，获取用户数据，保证资金安全，同时保证银行利益最大化。(2)消息提示用户场景二：三成用户逾期还款，且粗心大意、忘记还款的比例很高，另外一部分由于还款渠道太慢导致。逾期还款比例越高，银行获利越高，但从长远来看，用户体验不好，没有一个明显的消息提示，容易让用户丧失忠诚度。在还款日当天发一条短信到手机，以及在信用卡个人中心中新建消息中心功能，进行通知。通过分析信用卡的用户画像，剥离出用户画像，最后搭建场景，通过场景的梳理，衍生出需求，最终需求实现，形成产品。可分为四个模块：首页、推荐、金融、我的 首页为banner活动以及电影、商城、积分商城等场景的搭建推荐为招行每个月主推的一些活动，以及用户购买商品、积分兑换的排行榜等信息金融为借款、理财、保险等场景我的为个人借款、额度、个人账号、消息通知等等场景当前市场，有关信用卡的APP，大多做得十分复杂，非常臃肿，各行体验吐槽。#专栏作家#不羁，人人都是产品经理专栏作家，对于电商以及社交领域产品有深入了解，重业务逻辑，喜深入思考，欢迎与我交流~题图来自 Pixabay，基于 CC0 协议

第三篇：易观智库：大数据下的用户分析及用户画像(18页PPT附下载)

大数据下，用户分析的核心是什么? ——解决实际问题

确定用户分析目的，具体是为了降低成本?增加收入?优化用户体验?提升营销效果?用户针对性管理?

确定目的后开始选择合适的数据，然后搭建模型，最后得出结果，并用数据可视化解读。 大数据时代，用户数据使用成为企业发展的重中之重 数据基础平台：

1、用户唯一+ 用户行为ID + 用户画像 + 用户兴趣

2、数据接入系统计算任务调度系统+ 元数 完善产品运营，提升用户体验：

1、业务运营监控 异动智能分析 金字塔体系 用户路径分析 数据体系

2、用户/客户体验优化 产品体验分析 口碑监测

用户/客户体验研究 对外服务，提升盈利

3、对外服务，提升盈利 精细化营销 个性化推荐

用户生命周期管理 活动效果提升

自助提取和分析工具

4、数据服务 数据分析产品化 分析结果可视化 分析结果实时化 战略分析 业务经营分析 收入分析 竞争分析 用户维护

用户数据的构成——用户画像基础数据

1、网络行为数据指标 活跃人数

访问/启动次数 页面浏览量 访问时长 装机量 激活率 渗透率 外部触点

2、网站内行为数据指标 唯一页面浏览次数 页面停留时间 直接跳出访问数 访问深度

进入或离开页面 浏览路径

评论次数与内容

3、用户内容偏好数据指标 使用APP/登陆网站 时间/频次 浏览/收藏内容 评论内容 互动内容

用户生活形态偏好 用户品牌偏好 用户地理位置

4、用户交易数据指标 贡献率

客单件/客单价 连带率 回头率 流失率

促销活动转化率 唤醒率

下面是详细的PPT，最后附下载：

文档下载：大数据下的用户分析.pdf

第四篇：数据服务 电子科技大学：一体化大数据提供师生精准画像

数据服务

电子科技大学：一体化大数据提供师生精准画像

近年来，有部分国内高校开始了数据挖掘的探索。比如，浙江大学通过对资产的归纳、整理，最终形成权威、全面的资产数据，并提供数据查询和分析服务。这些数据分析的结果能够提高教室、实验室等资源的利用率。复旦大学对特定群体的学生进行数据分析，发现了来自不同区域、不同背景学生成绩的显著差异性。清华大学开展了对优秀学生成长追踪，观察成长路径的研究。以上可以看出，虽然这些高校已经开始通过简单统计和相关分析进行数据挖掘，但是这些数据没有完全打通并协同分析，而且分析缺乏深度性和广度性。

针对这些智慧校园建设的不足，电子科技大学利用大数据技术，研究设计了统一的校园大数据分析决策平台，并首次提出教育大数据一体化平台的概念。

该平台不仅可以自动化地接入来自于校内的业务系统数据、资源使用数据、网络日志数据，而且能够接入来自于校外的互联网数据。在数据治理和隐私保护之后，进行数据的标准化，存放在数据中心，同时通过应用程序接口的方式，进行数据认证式的共享，成功地解决了全校各个管理服务系统分割独立，数据共享困难的问题。

更突出的是一体化平台中的计算中心周期性地调用数据接口，进行包括挂科预警、贫困生挖掘等的大数据分析与预测，将分析与预测的结果提供给最上层的各类应用服务。电子科技大学运用教育大数据一体化平台提升高校管理服务水平和质量，既是一个集成不同部门、层次信息数据的系统性工程，又是一个面向世界一流大学创新管理服务体系。 教育大数据一体化平台体系架构教育大数据一体化平台是数据整合、清洗与分析挖掘的开放平台。教育大数据一体化平台的架构如图1所示，它由三大中心组成，分别为数据中心、应用中心和运维中心。

数据中心旨在打破数据孤岛，以80%的通用性对接现有的校园业务系统，整合教务处、学生处、图书馆等部门的业务数据，同时对整合后的数据进行清洗、管理与隐私保护，形成标准化的校园数据。

应用中心不仅提供隐私化的数据认证接口与大数据算法服务，而且整合如学生画像、教师画像等多样化的校园管理应用，并不断横向扩展，形成“一平台、多应用”的服务体系。 运维中心采集系统应用日志以及机器数据并为其建立索引，构建强有力的搜索、分析和可视化能力，以提供日常运维支持。

通过三大中心的协同工作，一体化平台打破了学校各职能部门的数据孤岛，不仅可以为校园师生提供便捷、高效、精准的个性化引导和服务，而且能为学校开展精准化、智能化师生服务提供总体解决方案。

基于该平台，电子科技大学已开发了多项成熟的应用服务，如学生画像、精准资助、失联告警、教师画像、科研探索、财务评估等系统。本文将以“学生画像”系统和“教师画像”系统为例介绍教育大数据一体化平台的应用创新。 学生画像：让学生得到精准的帮助学生画像利用数据中心提供的标准化行为与内容数据，包括课程成绩、图书馆借阅、一卡通消费等，运用大数据分析手段，量化学生在规律性、努力程度、学习技能、经济状况、社交关系等多维度的特性，揭示学生成长轨迹，基于预测模型对学生的学业成绩、就业倾向、心理状况等进行预测，从而可以为学校对学生进行个性化与精准化的教育管理与引导提供重要依据。下面针对以下几个方面进行进一步阐述。1学业成绩预测成绩特别好、特别差和成绩突变的学生是教育者最关心的人群。直观地说，学生成绩和他们的基础知识掌握情况有密切关系。特别地，基础知识的掌握好坏可以影响到学生在相关课程中的成绩。

为此，借助以往课程成绩信息，基于矩阵分解的降维技术，分析学生对具体基础知识的掌握程度，并获得每门课程所含有的知识体系。基于这些信息，该系统不仅可以预测出每个学生在其他课程的得分，也可以预测出这个学生在其他课程的挂科可能性。 这个算法背后的思想是通过分析课程之间在知识体系上的相关性来进行成绩预测或者挂科预测。比如某学生在以往课程中曾修过微积分Ⅰ但成绩不好而且挂科了，那么当他在修读微积分Ⅱ的时候，预警系统就会预警该学生的挂科可能性比较大，提示教育者及早发现问题并进行干预，尽可能避免挂科问题。因而，挂科预警实现了从后置性应急管理转变为前置性预警引导。

由于课程成绩数据更新频率低，挂科预警无法实时更新预测结果。然而，根据我们研究发现，学生成绩也和自身的学习以及生活行为习惯特性密切相关。学生在校园内的行为习惯的变化是可以实时监测的，对于预测成绩的变化特别有价值，所以为实时地预测学生成绩提供可能。该学业成绩预测系统借助了两个影响成绩最显著的行为特性：努力程度和生活规律性对学生进行刻画。用学生去教学楼打水、出入图书馆的次数度量其努力程度。该次数可以反映学生上自习或者上课的频率，间接反映了学生花在学习上的时间。 因而，去教学楼打水次数高的学生、频繁去图书馆的同学成绩较好。用学生出入宿舍、吃早饭、洗澡等行为习惯数据衡量其生活规律性。生活规律性与心理学中大五人格中的尽责性密切相关，而心理学的研究表明，尽责性高的学生，表现为自律、细心、有条理性，有更好的学习成绩。因而为研究行为规律性和成绩的相关性提供了理论支持。在实证研究中，我们发现，按时吃早餐的学生往往会显出更好的成绩。这背后的原因可能是早饭进餐这个事件在个体层面具有很强的随意性，因而对个体的自律与自控能力有较高的要求。 除了努力程度和生活规律性这两个指标外，学生的图书借阅历史也和成绩密切相关。因为借阅的图书可以反映出学生的兴趣爱好，不同的兴趣爱好会对成绩有不同的影响。研究发现成绩好的学生借阅专业方向的进阶读物，而成绩差的同学喜欢借阅诸如小说的各类课外读物。此外，量化了每本书和成绩的相关性，使得可以更加精准地进行图书推荐。 最后，基于努力程度、生活规律性、基础知识以及兴趣爱好这些特性，设计多任务迁移学习算法来进行未来成绩的预测。该算法不仅通过多任务特性考虑了特征相关性在学院之间的差异性，而且还通过迁移学习特点考虑了不同学期之间相关性的变化。得出学生的成绩预测分析，能很好地反映出学生成绩的未来走势。

2职业倾向预测数据分析发现学生家庭经济状况、技能掌握情况、兴趣爱好是影响学生就业去向的关键因子。家庭经济状况主要通过分析学生消费数据，建立起消费数据时间序列，度量消费的波动性、周期性与冲动性等。通过分析学生的课程成绩，判断出学生所掌握的专业技能来预测职业选择。

最后，不同职业倾向的人的图书借阅偏好会表现出较大差别，如考研的学生往往倾向于数学等考研科目的书，出国的学生则对外国文学和历史、雅思和托福类书籍情有独钟。通过对以上三类数据的收集、分析和挖掘，就能很好地对学生未来就业倾向进行精准的预测，有利于就业指导教师为毕业生提供个性化的就业引导。

3社交网络构建与挖掘社交网络的构建是通过分析学生之间校园行为轨迹相似性来实现的，特别是统计学生在地点共现(短时间内出现在同一地点)的频率，分析共现的显著性。同时通过大数据的挖掘与分析，给不同个体赋上独特属性标签，如专业、性别、民族等，并以此分析出其个性化的社交需求，对其社交圈进行刻画。以此为其定制与之适应的社交网络推荐与信息推送服务，并将个体数据分析结果展现给学校学生管理工作者为其提供更好的管理工作参考。 系统为学生匹配有相同行为习惯及兴趣爱好的个体与其建立社交关系，以此构建具有共同文化认可的社交群体，更好地服务于学生个体的社会交往需要，对学生成长起到良性正面的促进作用。

4精准资助认定准确定位扶助对象是实施“精准扶贫”管理服务的前提，客观、动态和多维度大数据整合库，是实施“精准扶贫”的基础。对贫困生判定的影响因子主要有以下几类： (1)学生家庭信息，包括学生家庭成员组成、家庭成员就职单位、成员学历、家庭年收入、负债金额等基本家庭信息。(2)历史资助信息，收集学生以往获得的资助信息，为其建立基础的数据库，以便于查询学生是否获得资助、资助金额以及经济困难情况。(3)在校一卡通消费数据特征，包括一卡通平均单次消费金额、单次充值金额及充值间隔、月消费总额、逐月消费变化趋势、消费时间段规律等。国内某大学就是利用这方面数据判别贫困生，将1个月消费次数在60次以上，月消费金额在200元以下的学生认定为贫困生。这种单一的判别方式误差会很大，影响判定贫困生的因素很多，应该综合考虑。(4)资助获得后消费习惯改变的数据信息，如在获得资助之后出现冲动消费及大额消费的数据信息。(5)他人的客观评价，收集来自于辅导员及周围同学日常评价并转换为量化数据。通过对以上数据的收集和处理分析，构建起家庭经济困难学生专项大数据库，在大数据分析的基础上，建立起经济困难学生精准识别系统如图2所示。它可以实现两个主要功能：一是识别虚假贫困生，能够有效识别家庭情况较好的学生申报贫困生冒领国家资助的现象，对于这类学生取消其资助资格并降低其信用评级;二是发现潜在贫困生，个别家庭贫困学生由于自尊心较强等因素，往往不主动申请资助，使得这类学生难以通过传统的方式来发现。现在通过精准资助识别系统，能迅速地发现此类学生，采取发放隐性补助的方式进行帮扶(如每月定时向其银行卡中转入一定数额资金)，以及实施动态补助等方式，很好地帮助困难资助管理工作者对学生资助信息实施动态管理。通过以上流程构建起数据收集、存储、分析和数据挖掘为一体的大数据精准筛选、甄别和定位系统，客观公正且及时、动态和准确地识别校园亟待资助和扶助对象。

同时建立学生网络诚信档案体系，坚持精准资助与诚信教育结合，核实学生资助申请材料并将其转化为大数据记录，将申请资助过程中的不诚信行为记入学生诚信档案并做好大数据标识，为管理者切实做好精准资助工作提供有力的技术支持。该精准奖助识别系统已经在电子科技大学等高校推广应用，取得了很好的应用效果。

教师画像：为教师学术发展提供信息“教师画像”系统是通过打通校园管理层面不同业务系统之间的数据孤岛，实现以教师为主体的数据挖掘，对教师个体及群体的人事信息、科研项目、学科成果及教学状况进行精准刻画，服务于高校人事、科研管理的数据支撑系统。

它具有三大优势，一，全面：建立各门类数据桥梁，全盘掌握学校的人事、科研、教学现状;二，高效：打通数据流通渠道，实现信息聚合，提高数据汇总效率;三，前瞻：挖掘数据相关性，发现数据潜在价值，为管理者提供决策依据。 “教师画像”系统应用方案如图3所示，它首先整合校内外数据，内部数据包括高校自身产生的项目、人员、经费、设备等数据信息;外部数据包括各大公开的科研成果数据库，以及各大知名高校的科研人才数据等。然后对这些数据进行清洗、转换、重构提取有效信息并将提取后的信息存入数据仓库;使用关联分析技术对科研管理系统、财务系统、人事系统以及基于互联网的大型科技文献数据库、专利库等数据资源进行关联分析，找出数据的相关性，提取有价值的信息。 将提取的信息应用在教师工作评估、教师成长轨迹分析、高质量人才引进建议、学科前沿研究方向探索、科技评价方法完善等服务上，为解决高校人事管理工作两大核心问题“外引”、“内培”提供建设性意见，为传统的专家定性决策管理提供广泛的、深入的数据支持。该画像系统的主要应用表现在以下几个方面： 1.教师工作绩效自动评估

教师工作绩效自动评估系统通过整合人事、科研、财务、教学等多门类数据信息，采用教师经费效益、经费使用情况、成果影响力、成果转化、同行意见等多维度的评价因素，并支持不同单位结合各单位的实际情况调整评价模型，全方面呈现教师在科研和教学工作的成绩，从而为教师的入职、晋升、聘任、培训和奖惩提供定量化决策依据。避免了传统教师绩效评估受到的人为因素影响，使得评估结果更加客观、准确。 2.工作轨迹评估

传统的教师发展研究主要停留在经验层面，传统的教师信息系统只能看到单一的信息，而“教师画像”是利用大数据刻画教师，基于教师基础信息数据(包括学习经历、海外经历、工作经历、岗位聘任经历、科研项目、学科成果等)，围绕教师职业素养、专业知识、专业能力、工作绩效等多方面构建教师成长轨迹，并分析影响教师的发展因素，从而制定个性化成长方案，如预测发表论文数量、能否入选人才计划、优秀青年教师等。寻求适合教师的个性化发展路线，引导教师可持续发展，实现教师个人与学校发展的“双赢”。 3.学术圈层研究

搜集学术、社交网络等多门类广泛的数据，如搜索每个文章的合作者，构建合作者网络，挖掘隐藏其中的人才关系。实现以人才为中心的数据整合，构建各学科的学术圈层网络。利用该网络一方面可以为校内教师寻找帮助自己提升的外部老师，另一方面挖掘有潜力的学术新星，帮助高校人事部门有针对性地获悉人才有效信息，成功猎取高质量人才。 4.科研热点

科研工作不能闭门造车，及时掌握时下国内外的科研热点及难点，结合自身能力与学科特点进行有效的科研工作对于科研工作者至关重要。而在海量数据中分析当下学科研究的热点及前沿，单凭人力是很难做到的，需要借助于大数据分析技术。科研热点分析首先收集国内外论文数据库、专利申报及项目审批等科研热点数据信息，再对过滤后的海量数据利用大数据算法进行挖掘分析，最后有效预测科研热点，并结合高校学科建设现状与特点，分析各学科前沿研究方向。为科研工作者的科研工作提供有力的科研数据支撑，为其选定符合自身学科特点的科研发展方向提供有效建议，帮助其有效定位自身科研工作努力方向及深度。

目前，一场以云计算、大数据、物联网、移动应用、智能控制技术为核心的“新IT”浪潮风起云涌。大数据技术在教育领域的广泛应用，必将催生教育领域的深刻变革。 对此，电子科技大学抓住机遇，迎接挑战，利用大数据技术开创性地构建了教育大数据一体化平台，基于此平台创新性地分别开发了服务于学生和教师的“学生画像”和“教师画像”系统。利用“学生画像”系统提供了精准预测学生成绩，就业倾向预测和指导，助力学生精准资助等个性化、精准化的管理服务;利用“教师画像”系统提供教师工作评估、教师成长轨迹分析、高质量人才引进建议、学科前沿研究方向探索、科技评价方法完善等服务。 作者：吕红胤 于晨阳 苏涵 连德富 颜凯

第五篇：平台用户使用测试报告

平台使用意见

平台是2014年建成，2015年1月开始面向在市气象台投入试运行，经过半年的在业务中试运行，员能充分利用气象材料管理平台检索和发布服务材料，并能再日常气象服务中得到帮助，及时查看本地信息，目前该平台已为日常使用的主要平台之一。

平台软件是一个完整的气象服务管理系统，可以发布气象服务信息、存储并管理所有气象服务信息。该平台采用了Web的方式对各类气象业务进行全面地管理，用户界面十分友好，操作起来非常简便。从气象服务的发布使用和管理的流程出发，平台的功能包括发布气象服务材料的管理，对各种气象服务材料的浏览和检索、气象自动资料的实时显示系统、系统后台管理、气象材料统计、用户管理等主要功能。

用户在使用各自的用户名登录界面进行气象材料的浏览时，可以按照观测、预报、气象材料类型等多种分类方式来分层浏览各类丰富的气象材料。左边以树形目录显示各类气象材料，在显示气象材料列表时也可以按照材料的时间、类型进行过滤显示，极大地方便了用户对材料的浏览，同时用户也可以查看每个气象材料的属性信息，并对所需气象材料进行播放和下载，也可以运用气象材料插入到Office软件中。支持多类型气象材料，支持多文件格式。气象材料检索平台使我们能够通过多种途径检索到所需的气象材料，方便实用，在功能上几乎涵盖了气象材料管理的各个方面，满足气象材料建设、管理和应用等需要，是建立分布式气象材料管理环境的有效工具。

希望分布式多媒体气象材料管理平台能够多提供一些最新的与新课改及素质教育紧密相关的气象材料，使其内容能得到不断的充实和丰富，真正实现及效用;同时希望多媒体气象材料的在线播放更流畅、多媒体插件的支持更强大，并能应用各种浏览器进行播放，平台的检索功能更智能化。