本文数据来源为学校数字化校园各业务系统、数据中心及数据综合服务平台，包括学校一卡通午餐刷卡数据、人事数据、教务数据、多媒体教学系统数据等。基于以上背景，主要实现以下几个目标：分析就餐人员类型，为今后各单位财务统筹提供数据支持；分析不同时段的就餐人数，为食堂供餐分时管理提供决策依据；分析教工食堂开放后，在校就餐教工人数及平均餐费的对比，为业务部门的业务管理、创新发展提供了数据支持。
数据清洗与统计
1.一卡通数据
（1）原始一卡通数据
一卡通原始消费记录数据如图1所示。
图1一卡通原始消费记录数据其中各字段意义如下：
ZGH:职工号；
XM:姓名；
PRICE:金额；
ARISES_TIME:时间；
IDENTITY_CARD:身份证号码；
WNDPS_ID:设备编号；
PROP_DESCRIPTION:地点。
（2）一卡通数据清洗
数据清洗过程如图2所示。
（3）就餐流量的统计
图2一卡通原始消费记录清洗过程新建存储过程按分钟计算就餐人数形成就餐流量统计。
其中各字段意义如下：
RS:就餐人数；
SJ:时间；
RQ:日期。
2.教务数据
（1）原始教务数据
教务数据来自学校教务系统，每日上课的课程表集成了本科教务数据和研究生教务数据。
其中各字段意义如下：
ZGH:职工号；
XM:姓名；
KCMC:课程名称；
JIAOSHI:上课教室；
SKSJ:上课时间；
BZ:备注。
（2）教务数据清洗
由于研究生与本科生上课时间数据格式并不相同，需要将上课时间字段进行清洗和整理。由于数据清洗过程较为复杂，需分别对研究生和本科生教务数据按照其自有格式进行清洗整理、整合。以2017年4月11日为例，我们整理了当日上课的所有教师数据，共有408条记录。
整理后的数据中存在同一位教师在一天有多节课的情况，进行二次整理后我们得到了当天有课的所有教师的职工号，2017年4月11日当天有课的教师人数为305人。
3.多媒体教学数据
（1）多媒体教学数据的获取
要筛选某个时间段上课的教师信息，首先在多媒体系统的设备使用信息表中筛选出上课教师的卡信息，再结合人事系统及一卡通系统进行数据分析。
以2017年4月11日的设备使用信息为例，表DeviceUseInfo部分字段含义如下：
USEID:设备编号；
ROOMID:教室号；
DEVICENO:设备号（电脑或投影仪）；
CARDNO:多媒体系统识别的一卡通号；
BEGINTIME:刷卡开始时间；
ENDTIME:刷卡结束时间。
多媒体系统中一卡通编码表CardInfo部分字段含义如下：
CARDNO:多媒体系统识别的一卡通号；
USERNAME:姓名；
EMPLOYEEID:职工号。
（2）多媒体教学数据的清洗
将DeviceUseInfo表及CardInfo表以字段CardNo为关键字进行连接，筛选出使用多媒体设备开始时间在上午10:00~12:00的教师数据（以2017年4月11日为例），即筛选出4月11日上第二大节课的教师信息（如图3所示）。
其中前三行数据为未刷个人一卡通，而是到管理员处借公用卡插卡上课的教师，他们的信息无法统计，因此这三条信息为无效信息。
4.人事数据
人事数据来自学校人事系统，是所有业务系统相关数据的核心。人事数据以职工号字段作为识别系统的数据表。
人事基本信息数据其中各字段意义如下：
ZGH:职工号；
XM:姓名；
DEPART_ID:部门id；
ID:人事系统id
人事系统与其他业务系统关联结构如图4所示。
图34月11日第二大节课的教师信息数据分析与呈现
1.就餐人数整体趋势分析
（1）按照周次分析就餐整体趋势
分析了一学期之内的就餐人次整体趋势。周次与就餐人次关系的整体分析趋势图如图5所示。
2017年上学期，平均每周在教工食堂就餐的教职工人次为2079，教工食堂刚开始营业的两周内人数较多，后逐渐趋于平稳，系统数据结构在5、6月主要教学周内，平均每周就餐人数为2114人，考试周期间平均人数为1780人。
图4人事系统与其他业务系统关联结构
图52017年上学期周次与就餐人次的关系（2）按照日期分析就餐整体趋势
主要分析每周从周一至周五的五天内，就餐人数的变化情况。统计时，排除了节假日在内的周次，避免出现较大误差。统计结果如图6所示。
图6每月周一至周五平均每日就餐人数从图中可以清晰地看到，由于周三下午很多单位会召开每周例会，周三的就餐人数最多，比其他四天的日就餐人数增加13.8%；而周五由于临近周末，就餐人数最少，比其他四天的日就餐人数减少15.5%。
2.就餐人员类型分析
按照教职工岗位类别，分别对其在教工食堂吃午餐的情况进行分类统计。岗位类别及其具体人数统计可参考表1。
统计不同类别的教职工5月就餐情况如图7所示。从图7中可以看出，所有类别中除教师类外，其他人员就餐人数较为稳定，总计平均每天为188人；教师就餐人数浮动最大，由于5月28~30日是端午节假期，教师曲线趋势骤然下降。
图7按教职工岗位类别统计就餐人数趋势3.就餐时段分析
（1）就餐时段整体分析
首先，将就餐区间划分为5个时段，从11点20分至13点，每20分钟划分为1个时段；然后，按照教师刷卡时间统计不同时间段内的就餐人数；最后，以周为单位得出每天的统计结果的均值，并划分出就餐高低峰时段。
2017年上学期的分析如表2所示。从表格中我们可以得出以下结论：
每天11:20~11:40时间段内就餐人数最多，12:40~13:00时间段内就餐人数最少，就餐最高峰期平均进入食堂人数为8人次/分钟；
每日11:20~12:20可视作就餐高峰期，就餐人数占总人数的90%；
在高峰时段内就餐的人数大体上随着周数的增加递减，在16周之后基本均小于平均人数，我们可以结合就餐人员类型分析的结果进行推测，人数递减是由于考试周临近，上课教师人数的减少导致的；
在低峰时段用餐的人数变化较小，但在最后两周人数均超过平均人数。说明临近假期，考试及会议安排较多，教职工行为模式较以往不具备普遍规律性。
（2）不同类别教职工就餐时段分析
按照教职工岗位类别对其就餐时段进行分析，分析结果可以帮助我们预测不同类别教职工就餐习惯。
从图8可以得出以下结论：
专业技术人员、行政管理人员及工勤人员每天集中就餐时间段为：11:20~12:00,平均人数为54人/天，占比为87.3%；
教师科研人员每天集中就餐时间段为11:20~12:20，平均人数为201人/天，占比为86%，与其他教工不同的是，教师科研人员中平均每天有81人在12:00~12:20时间段内就餐，是其就餐人数最多的时段；就餐时段最少的为每天12:40~13:00，平均就餐人数为7人/天。除11:20~11:40时间段内，其他时段教师科研类职工就餐占比均超过50%，就餐人员以其为主要人群。
图8按教职工岗位类别统计就餐流量
图94月10日至4月14日上午有课教师就餐人数及占比
图105月15日至5月19日上午有课教师就餐人数及占比4.特殊就餐分析
（1）特殊就餐者分析
特殊就餐者指的是上午有课的教师,分析他们的就餐比例有助于了解授课教师的实际需求，并为食堂流量预测提供数据参考。
学校2017年上学期有本科或研究生授课任务的教师共626人，我们随机分析了4月10~14日即第7周及5月15~19日即第12周的数据，汇总如图9、10所示。
通过上述统计，我们可以看出，平均每天上午有课教师人数为141人，其中有33.1%的教师选择中午在教工食堂吃午餐，其余将近67%的教师不在学校就餐，就餐人数比例偏低，同时比例在33.1%左右变化很小，其中周三的就餐人数最多，在60人左右。周五就餐人数最少，在30人左右。
数据挖掘与应用
1.教工餐厅使用前后数据分析比较
首先要进行数据清洗，清洗条件为：一卡通交易时间为2016年4~6月，工作日，中午11:20~13：00；刷卡机编号为消费；人员为人事系统中在职状态字段为“在职人员”的教职工。
（1）就餐人数比较
我们比较了教工食堂开业前后同期在校吃午餐的教职工人数。教工食堂开业后，就餐人数有15%左右的提升，在学校吃午餐的教职工人数增多了150人左右。
（2）平均餐费比较
通过比较教工食堂开业前后同期在校吃午餐的教职工平均每人每天午餐消费金额，我们发现，教工食堂开业后，平均每位教职工每天消费下降了40%左右，说明教工食堂的开设确实为教职工提供了很大福利。但同时，2017年4月~6月，午餐消费从6.06元上升至6.32元，说明在学校吃饭但选择教工食堂的教职工比例有所减少。如何保持并吸引教职工选择在教工食堂用餐，这对食堂的管理者也提出了更高的挑战和要求。
2.基于多维数据的就餐流量预测
（1）从整个学期的角度按照教学周次判断就餐人数的变化。根据就餐人数整体趋势的分析，在1~12周整体就餐人数将保持在一个较高水平，平均每周就餐人次预计会有2200人左右。在13~17周，就餐人数有所下降，平均每周预计在1900左右。最后18~20周考试周期间，平均每周预计在1700左右。
（2）按照类别估算，除教师外其他人员每日变化不大，平均每天就餐人数在190人左右，而教师类人员就餐人数在200人/天左右浮动。所以，平均每日就餐人员预计为390人，高峰时将会达到500人左右。
（3）按照日期估算，前半学期周三就餐人数最多，预计500人/天，周五就餐人数最少，预计400人/天，其他日期预计450人/天；后半学期，周一至周四预计400人/天，周五人数最少，预计300人/天。
（4）按照就餐时段估算，每天高峰时段为11:20~12:00，在1~15周在此时段内平均就餐人数为320人/天，15~20周平均270人/天。
通过上文的数据分析与挖掘，我们可以清晰地看到隐藏在每日简单的刷卡就餐数据背后更为深层的数据意义。管理部门可以此为依据，更理性客观地为学校提供管理决策。
同时，可以看出任何一次有效的数据挖掘必须建立在学校各个系统有效连接、数据高度互联互通的基础之上。智慧校园需为学校各部门、院系开展教学、科研提供人、财、物管理的整合统一、深入广泛的信息化支撑和协同的校务管理支持。
（责编：杨洁）
（作者单位为东北财经大学网络信息管理中心）