文/陈劳 张建华 周林志
数据“慧”说话∶用校园网数据绘制用户画像
文/陈劳 张建华 周林志
在网络普及广度和深度逐步增加的时代,校园网成为高校师生日常使用频次很高的一个接触点、聚集地,每天会由此产生大量的数据。想不想知道哪个星座哪个系的最爱上网呢?本文通过爱上网的互联网“原住民”在校园网登录日志数据的分析,对用户属性与上网时长相关性的探索,来了解和关注互联网“原住民”,并绘制出进一步清晰的互联网“原住民”画像。每一张画像,都是有价值的,能够为管理部门的管理决策支撑起到一定的参考作用。
用户画像是用户的标识,用来认识用户并确定如何对待这些用户——他们喜欢什么时候上网、在哪儿上网、买的哪个套餐最多、是夜猫子还是起得早。比如说一个用户:男,19 岁,大一,每个月上网消费200元,总喜欢晚上上网,总喜欢在宿舍上网,喜欢看电影。这样一串描述即为用户画像的典型案例。如果用一句话来描述,即:用户信息标签化。如果用一幅图来展现,即如图 1 所示。要的数据建立数据仓库,根据不通的标签主题建立相应的数据集市,通过每个数据集市分析出用户的一个或者多个标签项最后展现出来,本文通过将校园网6年记录的8000万条上网日志数据以及数据中心中用户的属性数据作为研究基础,针对此次画像建立一个数据仓库,按照用户生肖、用户星座、用户院系、用户部分上网时段、用户生源地等标签属性建立5个数据集市,利用ETL工具将指标数据化,最后利用数据挖掘算法中的概念对数据进行分析。
用户画像技术是指将用户标签化的标签内容进行拆解,利用数据挖掘技术针对用户画像标签内容进行处理,最后得出标签的数据模型并将数据进行语义翻译解释后描述用户特征的一种分析技术。
用户画像的核心工作是为用户打标签,这些标签也是用户数据分析的基础字段,按照展现这些标签指标,将所需
图1 用户画像图
图2 生肖人数分布统计图
图3 用户生肖上网排名
图4 生肖上网人数时段分析
图5 星座上网情况统计
图6 生肖星座二元组的时长排名前十
图7 生肖星座二元组的时长排名后十
图8 学院上网时长排名前十
图9 学院上网时长排名后十
疑问一:谁是上网时长生肖之王?
十二生肖作为春节的吉祥物,是中国传统文化的象征,同时也成为娱乐文化活动的象征。为了探求生肖对上网行为的影响,做出如下数据分析。
1,生肖与上网时长及流量分析
首先把全部样本按照用户生肖属性分类,统计出各个生肖对应的人均上网时长和流量,分析结果如图2所示:
由图2易知,属鼠(11%)和马(10%)总人数最多,分别居第一、二位,而属虎(6%)、猪(7%)、牛(7%)和狗(7%)的总人数相对少,但总体人数较为平均,每年招的人数差不多属于同一个生肖。
通过图2柱状图可以发现上网时长从高到低排名,前四名属相依次为狗、猪、鸡和猴,后四名为兔、龙、虎、蛇。从上网流量来看,属狗的用户明显高于其他属相,而属相为牛的用户最少。因此综合上网时长和流量来看,属相是狗的师生上网行为最活跃,而属兔的师生上网行为最不活跃。
2,生肖之王哪个时间段上的最多?
本小节将生肖之王的上网时间根据上课时间和休息时间,分成九个时间段如图3所示。
由图 4可知,一天24小时中,属狗的用户上网行为最活跃的师生们上网人数呈倒“U”型分布。8:00—10:00时间段上网人数突然增多,之后时间段不断增加,17:00时上网人数最多,然后缓慢减少。说明大部分的用户在早八点到晚十点上网比较集中。
疑问二:谁是网虫星座?
星座已经成为一种流行文化,占星学认为天象依“上行、下效”原则反映、支配着人类活动,十二星座代表了十二个基本人格型态或感情特质。
通过将学校用户星座与上网时长和流量进行分析,数据如下图。从数据看,所有人平均上网时长普遍分布在2000-2500小时。其中魔羯座时长最少(1665小时),从某种意义上可以表明稳重谨慎的性格与上网时长有关联。
从平均上网流量看,处女座显著高于其他星座(约400GB)八倍左右,达3500GB;金牛座排在第二位,人均流量1000GB。综合平均上网时长和流量来看,上网行为最活跃的是处女座、金牛座和双子座,最不活跃的是摩羯座。
“狮子狗”是上网时间最长么?
将12生肖与12星座排列组合,通过生肖和星座的二元组合统计出上网人数,来进行比较分析生肖和星座二元组上网时长前10和倒数10名的组合,如图6、图7所示:
由图6易看出属狗的处女座的平均上网时长居首位,远远多于其他属相。其原因可能有二:其一是从图2可知,属相为狗的师生上网时长和流量是全校个属相中做多的;其二是因为属狗的人群在我们统计时限中停留的上网时长最久;而在上网时长的生肖星座TOP10中,狗与各星座匹配的占1/2,显然,再一次证明了属相为狗的爱上网。
由图7易看出属鼠的摩羯座的平均上网时长最少,远远少于其他属相。其原因与其属相性格有着密切的联系。属鼠的人工作努力,生活节俭,这样就不会把太多的时间浪费在互联网中。并且摩羯座稳重谨慎,再一次证明了其上网时长短的原因。
表1
表2
表3
表4
表5
表6
疑问三:谁是上网时长院系之王?
哪个院系的上网时长最长?哪个院系的上网流量最多?图 8、图 9分别代表学院总体上网排名前十名和后十名的院系。从图表看,各个系的上网情况差异较大,大多院系时长分布在1000—1700小时。
作为一个工科学校,工科学生上网时间一定最长么?从图中可以看出文科的G系的平均上网时长最长,与计算机接触最多的R系人均上网时间最短。因此建议上网时长较长的院系寻找学生长时间上网的原因,若是学习需要,建议合理安排学习时间和节奏,减少电脑辐射危害等。若是沉迷网络,应采取措施加以限制,如强制下线、在某一时点断网等。
秉烛“网”游(00∶00-4∶00)和闻鸡起舞(4∶00-6:00)
互联网“原住民”睡得晚起得早,这些时间段内的用户有啥特征呢?本文将00点到4点上网的用户定义为秉烛“网”游型,4点到6点上网的用户定义为闻鸡起舞型,这两类用户有啥特征呢?
1.秉烛“网”游(00∶00-4∶00)
由表1看出,尽管现今学校男女比接近7:3,秉烛“网”游的男女比接近2.68:1,从表2、表3、图10说明工科学校男生还是熬夜主力,熬夜主力中属马的,生肖是天枰的比较多,EC系熬夜多。
2.闻鸡起舞型(4∶00-6:00)
由表4看出,尽管现今学校男女比接近7:3,秉烛“网”游的男女比接近2.68:1,从表5、表6、图11可以得出属猴的人喜欢早起上网,HG学院(工科)早起人数排名第一。
生源地与上网时长的关系
从图12中可以看出,深颜色表示上网时长比较长的,浅色的表示上网时长比较短的,来自北京的学生平均上网时间最短,究其原因有两个,一个是招生人数多,二是周末北京的学生一般都回家,所以时间短,非北京的生源中来自西藏的学生上网时间最长。
图10 0到4点在线用户院系前十
图11 4点到6点上网人数院系排名top10
图12 生源地和上网时长分布图
通过上述的数据分析方法,从生肖、星座、院系、时间段以及生肖星座二元组不同的维度,为互联网“原住民”进行数据画像,形成了较为生动、清晰的轮廓:从生肖来看,爱上网的互联网“原住民”大多是属狗、猪、鸡、猴;从星座来看,爱上网的互联网“原住民”大多是处女座;从生肖与星座二元组合来看,爱上网的互联网“原住民”大多是属狗的处女座与属狗的射手座;从上网熬夜来看,爱上网的互联网“原住民”大多是男生;从生源地来看,爱上网的互联网“原住民”大多是家离学校比较远的地区的大学生。
通过这些隐藏的秘密,有助于学校管理部门制定合理使用网络的规章制度,例如控制上网的时间,在某一时间段实行强制下线,或者在某一时间断网等。同时有助于老师辅导员通过强有力的数据来引导刚刚跨进大学校门的新生,正确使用网络,防止沉迷网络游戏中而无法自拔;最后有利于学生自身通过学长学姐的上网数据,制定出适合自己的上网时间,合理安排上网时间来促进学习成绩的提高。
(作者单位为北京航空航天大学网络信息中心)