大数据背景下高职院校学生消费行为探析和其正面引导策略.docVIP

大数据背景下高职院校学生消费行为分析及其正面引导策略 　　摘 要：在大数据的背景下，采用传统方法对当代高职院校学生的消费行为进行分析已经显得力不从心，并且不能很好、客观地反映学生的实际消费行为。本文针对学生“线下”、“线上”的实际消费情况，借助网络数据资源或者手机APP进行调查分析。经过分析可以构建消费模型并且发现高职院校学生消费行为中存在的问题，便于对高职院校学生消费行为给以正面引导，并为学校对学生的教育和生活管理提供依据 关键词：大数据；消费行为；高职院校 中图分类号：G525.5 文献标志码：A 文章编号：1673-8454（2016）21-0060-04 本次共计发放调查问卷960份，有效问卷936份，共涉及学院六个系部近1000人次。考虑到传统的调查方式已经不能够准确、客观反映高职院校学生实际的消费行为，所以我们采用线上和线下相结合的方式对学生的消费行为进行调查分析。调查内容分为两个主要部分：一是线下部分（即传统的调查方式）；二是线上部分，依托网络和手机APP等数据资源对学生的消费行为进行调查分析。调查主要包括两个阶段：第一个阶段调查高职院校学生2012-2015年在各电商平台的消费情况；第二个阶段调查高职院校学生最近一年在各线上平台的消费百分比、线下百分比、总体消费的百分比。目前教育行业在教育教学管理中对大数据的应用相对来说比较少。如图1所示的阿里数据经济研究中心表明，据IDC每年针对数字宇宙的研究，中国数据量在2014年达到909EB（1EB=1000PB），占全球比例的12%，到2020年这个数字将会达到8060EB，占全球比例将会达到18%。正是基于这样的背景，DT受到了各界广泛关注，已渗透到金融、医疗、消费、电力、制造等几乎各个行业。[1]因此将大数据引入教育教学管理势必会取得事半功倍的效果，这也是经济社会发展的趋势。根据图表和调查数据我们得出了高职院校学生消费的基本模型：T=Σn+f（x）+？滋。其中T代表消费总额；Σn是常数，代表高职院校学生的必需消费品（生活必需品）。通过图表可以很清晰地看到影响消费总额的因变量分别是X1、X2、X3，f（x）=X1+X2+X3，其中X1代表穿衣打扮交际的消费情况，X2代表外出游玩包括交通费用的消费情况，X3代表的是支付宝的消费情况；？滋是一个变量。但从图5可知通过对近1000份的问卷进行调查，其数值波动很小并且数额极小，所以它对高职院校学生消费总额影响呈现隐性的特征，另外高职院校学生在这些平台的消费基本上是同一水平并且占消费总额的比例非常小，不能作为因变量。所以T=Σn+f（x）+？滋模型是可以通过因变量来反映一个学生的基本消费情况是否科学合理，也就是变量占总消费的百分比P=f（x）/T来衡量高职院校学生的消费情况 一、利用大数据对高职院校学生消费行为特征进行分析 1.高职院校学生近四年“线上”消费行为分析 通过对高职院校学生的线上消费行为进行分析调查，我们发现消费的重点领域主要有天猫、支付宝、微信、微博、QQ、蘑菇街、唯品会等。如图2所示我们选取了几个主要的线上消费模块进行分析，时间段是2012-2015年。由于调查的对象主要是大一和大二的学生，即2014级和2015级的学生。通过图表可以发现2012-2013年他们线上的消费水平相当低。他们此时还处于高二和高三阶段，因为他们要努力学习为高考做准备，所以没时间进行网上消费，同时他们高中阶段也没有那么多钱可以支配。从2014年开始他们在网上的消费呈直线上升，尤其是支付宝、天猫、微信上涨尤为明显。说明高职院校学生在进入大学以后线上消费会迅速猛增并且成为其消费相当重要的一部分。所以说，了解和分析高职院校学生线上消费的特点对我们分析其消费行为和特点至关重要 2.高职院校学生线上消费行为综合分析 通过线上消费的图表我们可以看出高职院校学生线上消费主要是淘宝、天猫，占26%；支付宝、唯品会、社交软件分别占26%、10%、9%；其余是爱奇艺和蘑菇街，分别占1%和5%；另外还有京东商城和O2O模式的美团和糯米。值得注意是线上交通工具的使用增长速度不断加快，已经达到7%，他们分别是滴滴、快的和uber。通过对线上大学生消费行为的分析很容易发现其消费结构不平衡、不科学不合理――通过对调查数据分析得出用于娱乐、社交等占到线上消费总额的80%以上。用于购买学习用具的费用基本上是零，比如说亚马逊和当当网上的购买数据基本上是零。（见图3） 3.高职院校学生线下消费行为分析 由图4可以看出饭卡等餐饮支出占比将近49%，这也就是说高职院校学生的线下消费主要是餐饮支出。其中穿衣打扮和生活用品各占9%；排到第三位的是外出游玩；然后是人际交往和娱乐分别占比为6%和4%；而学习用具是0%。这充分说明高职