大数据在智慧校园建设中的应用研究

张国梁 金成 李敏

摘要：大数据作为数据管理的一项新技术，对建设智慧校园起着重要作用。智慧校园是一个整合开放、创新、协作、智能的信息服务平台，其主要功能就是智慧，包括智能感知、自定义配置、双向互动、任意访问、支持大数据和开放的学习环境等等。分析了大数据在智慧校园应用中遇到的问题，提出了解决方案。

关键词：数据管理；智慧校园；大数据

0 引言

随着信息技术的发展，互联网数据高速增长。数据的快速增长不能说明已经进入了大数据时代，处理大数据应该对有价值的数据存储和网络容量集中考虑。原数据密度的价值很小，技术人员必须从大量数据中将有价值的信息剥离出来。

目前大数据技术还处于发展阶段，但潜在应用前景广阔。麦肯锡全球研究院报告“Big data：The next frontier for innovation， competition， and productivity”[1]，对大数据的应用领域和关键技术作了详细分析。大数据技术是建设智慧校园的重要技术，智慧建设元素的一个重要组成部分就是大数据。

1 大数据技术

1.1 大数据来源

近年来数据已达到50%的年增长率。传统的关系型数据管理模式因数据的大体量和过多的非结构化形态数据，无法满足日新月异的需求。大数据的IT技术作为下一代技术，将有利于研究者获得高质量、高价值的数据。

1.2 大数据概念

维基百科对大数据定义是：大数据是指无法在一定时间内使用传统的软件工具，进行收集管理和数据处理抓取其内容。数据（Data）通常指用于技术设计、科学研究、决策、查证的数据，主要是通过科学实验、测试、统计和其它方式获得的统计信息。通过完整地、系统地、精确地测量，采集、记录、分类、存储数据，再对其进行严格地统计、检验、分析，得出有说服力的结论。经过大规模、长时间测量、存储、记录、分析、统计这些数据，接收到的海量数据就是大数据（Big data）。

1.3 大数据特征

大数据有3个特性，即数据类型的多样性（Variety）、数据体量的规模性（Volume）和数据处理速度的高速性（Velocity）。在这3个属性的基础上，相关权威人士增加了数据的时效性（Vitality）、真实性（Veracity）、复杂性（Complexity）以及价值性（Value）等几个特性。

2 需求分析

2.1 技术需求

①可放置在各种不同的操作系统，并支持集群；②智慧校园以大量非结构化数据分析的知识形成，从而得到复杂数据，实现更多数据处理和数据分析的严格要求；③支持多种已知的数据库；④跨越常规报表的时间序列分析、路径分析、What-if分析、图分析等；⑤基于云计算的应用模式、常见的数据集成、交叉循环利用资源等应用服务；⑥支持各种终端，包括计算机、传送装置、移动终端等；⑦能够识别终端的类型，自动调整显示内容；⑧具有内容管理和发布能力；⑨支持虚拟门户；⑩搜索引擎的内容、文档、图片及其它信息网站检索；B11整合有线网络、无线网络，上网统一认证，统一的网络管理和监控，增加学校出口带宽，满足师生上网需求；B12数据存储结构：符合标准的信息集以及业务接口平台和操作系统的不同运行要求，存储设备实现定时备份和远程备份。

2.2 智慧校园平台建设需求

（1）建立一个统一的数据标准：智慧校园首先要符合国家标准要求，建设、经营和管理统一信息系统标准，规范智慧校园建设。

（2）构建统一的数据平台：创建统一的数据传输标准和数据交换规则，不同部门、不同应用系统之间规范数据交换，规范各部门、学校之间数据传输和通讯，学校专注于业务部门数据，实现大数据分析和远程备份。

（3）身份认证及接口统一平台建设：集中认证，提供统一应用界面的系统管理服务，集中认证接口规范，提升智慧校园安全系统的各种应用。

3 大数据在智慧校园建设中存在的问题

（1）数据错误。智能校园结构化数据和非结构化数据不断增长，使数据采集和测量方式不断改变，数据分析犹如在“干草堆”里寻找有价值的数据。数据记录错误日益增长，数据质量问题堪忧。

（2）技术不成熟。目前许多大数据技术（如Map Reduce、Hadoop）从开源社区（如谷歌和雅虎）开始，对比传统的数据库和数据管理套件，在技术、安全和可访问等方面都不成熟。因此，实时数据处理、创新的设计和其它技术问题设计需要适应环境的动态变化。

（3）人才短缺。学校应该广纳精通数据统计并能创建高层次分析模型的专家，因为传统的管理人员和数据分析人员都不具有预测、开发、分析应用程序的能力，更多的数据都还是原来的形式。大数据分析主要是基于建模或未来趋势的分析预测，应探究大数据的发展趋势。

4 智慧校园数据挖掘平台设计

4.1 智慧校园系统结构

系统结构如图1所示，包括显示层、中间层、数据层这3个层次结构，其中数据层和中间层主要集中在Server（服务器）端，显示层集中在Brower（客户端浏览器）。

（1）显示层是界面层，是用户和系统之间交互的引线，提供访问用户界面。可视化数据挖掘的结果在显示层展示。

（2）中间层是核心业务系统，包括数据处理、运行算法、数据转换，用于处理客户端浏览器请求并返回结果。当服务器接收到客户请求时进行数据处理，运行相应算法，结果在浏览器客户端转换成相应的数据信息，最终回到客户端浏览器。

（3）数据层即中间层数据源，用户读取的数据存储在数据库中，该数据可以被预处理以更好地挖掘数据。

4.2 系统数据库设计

数据表设计包括消费信息、成绩信息、出勤信息、图书借阅信息、上网信息和门禁信息，这些数据是流水数据，可分别为这些数据设计一个表，通过学号将这些数据表关联起来，见图2。

4.3 智慧校园数据平台功能设计

为满足数据安全和数据挖掘功能需求，系统分为数据管理、用户管理和数据挖掘3大模块，如图3所示。

用户管理包括用户登录、用户注册和权限管理模块。主要提供用户注册入口、用户登录入口，用户权限问题由权限管理模块负责，管理员可以处理不合法的用户。数据管理主要包括数据处理和数据读入。数据处理模块在算法运行前就开始处理数据，主要有数据集成、数据清洗、数据转换及数据归约。数据读取主要是从其它数据库或者数据文件读取数据到本系统数据库中。

5 大数据应用

校园信息化在该阶段的主要目标是整合各种资源的开发和利用，提高资源利用率。将集成硬件和软件资源整合，实现统一的数据管理及维护。

智慧校园突出了数据层处理以及平台能力，可以说，大数据处理是智慧校园的特征之一。

智慧校园需要具备较强的数据层处理能力：建立数据收集的基础设施和存储设备，建立一个统一的标准数据、建立交换公共数据系统的平台、建设智能数据分析系统、建立数据仓库系统、建设智能化决策系统等。大数据技术将学校管理由粗放式管理转向精细化管理，由经验管理转向数据管理。

智慧校园架构分为数据架构、应用架构和技术架构。数据架构由主平台的数据管理、大数据处理平台组成。应用架构由校园门户网站、校园智能BI平台、教学和科研、服务支持、信息管理平台、学院资源管理平台、部分校企平台组成。技术架构分为校园共享服务SOA平台、校园云桌面、校园宽带网络、校园模块化数据中心等部分。

6 结语

建设智慧校园，只有在记录数据中才能体现它的价值，有价值的数据被用户关注才会为决策、分析提供支持。可通过正确使用大数据技术，提高分析能力，为智慧校园建设及管理打下了扎实的基础。

参考文献：

[1]靳玉萍.数字化校园的资源配置方案及其关键技术[D].西安：西安科技大学，2005.

[2]陈志坤.网络安全监测数据集成关键技术的研究与实现[D].长沙：国防科学技术大学，2009.

[3]张昕.异构就业数据集成服务的设计与实现[D].北京：北京邮电大学，2015.

[4]翁硕.数据挖掘在个性化学习系统中的应用研究[D].北京：首都经济贸易大学，2015.

[5]冯升波，高麟鹏，周伏秋.我国数据中心节能现状和面临的挑战分析[J].中国能源，2015（11）：23-26.

[6]张永华，李天一.基于大数据技术开展电子文件开发利用模式研究[J].低碳世界，2015（31）：155-156.

[7]何凤娇.基于云计算及大数据技术构建区域医疗影像服务平台[J].信息通信，2015（12）：99-100.

（责任编辑：杜能钢）