基于商业智能构建高校教育管理平台的实践探讨

高等教育机构正处于数据爆炸的信息时代,高校多年来积累的大量办学数据为学校的科学管理带来了挑战与机遇。现代大学的科学管理亟待加强数据的有效利用,从信息技术的利用与高等学校的管理效益出发,分析国内外高等教育机构应用商业智能技术进行教育管理和研究的状况,探索基于商业智能技术搭建高校教育管理平台的实践应用,对平台体系架构、数据挖掘技术在大学生学习成果预测的应用案例等方面进行探讨。     

面向主题的高校智能决策支持系统研究

在分析高校决策支持现实状况的基础上,确立了人、财物、活动的三大主题,进而综合运用数据挖掘、商业智能等工具提出了适用于高校决策支持服务的系统架构,最后给出了系统的工作路线图和部分结果展示.     

面向电信行业的商业智能系统设计和实现

就电信行业的商业智能实现,从技术方案,体系架构设计等方面进行了详细的论述。本文创新性地提出了四个适用于电信行业数据挖掘的基础模型：模型研究、方法论研究、业务规则研究和业务模式研究。同时就系统的体系架构和各个功能域的接口层次和功能进行了详细的论述。     

决策支持系统合理配置资源

基于数据仓库与商业智能技术的决策支持系统,把分散在各个业务系统中的数据集成到数据仓库系统中,利用在线分析技术和数据挖掘技术对数据进行加工,为决策者提供可用的知识,使管理者避免“数据丰富、信息匮乏”的尴尬局面,为资源的合理配置提供宏观指导。     

数据挖掘技术在美国院校研究中的应用

数据挖掘是一项新兴的技术,是商业智能的重要组成部分.近年来,随着教育决策对量化分析和研究结果的愈加依赖,这项技术在美国高校管理和院校研究中的应用越来越广泛.许多研究表明这项技术能帮助大学管理人员更好地分析数据,从而获取潜藏的、有用的信息和知识,最终提高决策效率.     

在数据中淘金

2002年,一位海外学子在中国数据挖掘市场貌似平静的湖面搅起阵阵波澜!他就是中关村国际孵化园中的吉贝克信息技术(北京)有限公司和他的创始人留美博士刘世平。商业智能精英从成都科技大学水利专业毕业后,带着闯世界的决心,刘世平来到了美国。中国人特有的聪明、勤奋使依阿华州立大学统计学硕士,北卡罗来纳州立大学经济学硕士及博     

浅析“商业智能”在课堂教学设计中的应用——以“职业道德与职业素养”课程为例

数字经济时代,以“商业智能”为代表的数据挖掘和分析的工具逐渐成为高校课堂教学设计中的重要辅助手段。以“职业道德与职业素养”课程为例,通过对课程现存问题的研究,提出了将商业智能技术融入课堂教学的课程设计模式,该模式包括数据获取、数据分析、数据应用三个阶段,通过问卷和课堂表现记录来获取课堂数据,使用Python等计算机软件工具加以辅助分析,分析结果应用于学习态度、学习内容和学习评估等多个方面,最终实现教学模式的改进。课堂实践验证的结果表明,通过引入数据分析的方式可以更好的调动学生的积极性。该模式以学生为中心,通过数据分析的结果反馈推动课程的进展,促进学生知识的建构,并且数据获取的方式简单易行,具备推广的价值。     

商业智能技术在高校信息化管理中的应用

长期以来,高校中的数据商业智能分析应用在广度和深度上都落后于其他社会行业,如传统的制造、零售、金融等领域。应用水平落后的本质原因在于高校数据相对不够集中,业务体现能力差,整体数据质量偏低。但是,随着高校业务系统和公共服务体系的逐步完善,高校社区服务的逐渐延展,大量的有价值的数据正在逐步积累和形成。在此前提下,提升数据价值的有效途径便是通过高质量的数据采集和严谨的数据质量管理,将数据合理、有序地进行重组,最终基于高校的实际业务需求,产生数据分析和数据挖掘的价值。本文通过详细阐述商业智能技术在高校中的实践步骤,介绍商务智能技术在高校中的实际作用。     

商业智能综述

介绍了商业智能在中国及世界发展的趋势，重点阐述了商业智能的处理过程、技术框架和实施过程。     

浅谈中小型企业如何实现商业智能

商业智能为大型企业带来了巨大利益,但中小型企业因现有产品价格过高、通用性差等而难以应用,而基于开放技术的商业智能模型具有扩展性强、价格低廉、维护方便等优点,适合中小型企业实现商业智能.     

智能化时代学科评价的工具探索

学科评价是高等教育评价的重要内容,是高校学科建设的重要组成部分。在智能化时代,利用人工智能、大数据技术对学科数据进行深度挖掘和科学分析,可以将学科评价从基于小样本或不完整信息的评价转化为基于整体信息的多元化科学化评价。本文通过应用聚类、神经网络分析、关联规则分析等数据挖掘方法对学科数据进行建模分析的思考,对智能化时代高校学科评价进行探索。     

ETL系统的设计及其研究

ETL(Extraction,Transformation,Load)即数据抽取、转换和加载,是构建数据仓库和数据集市的重要组成部分。ETL过程关系到数据仓库的质量,是基于数据仓库所有商业智能应用的基石。阐述了ETL设计中的各个基本步骤,并讨论分析了ETL工具的实现关键技术,对ETL设计人员提供强有力的支持。     

信息化应用的新热点--商业智能

就信息化应用领域的新热点商业智能的技术体系及应用前景展开分析,希望能对此问题的探讨提供一些帮助.     

学习分析:大学教学信息化研究与实践的新领域

随着大学教学信息化进程的不断深化与发展,如何测量、挖掘、分析与利用在学习平台中积累的大量数据,以更好地支持教学与学习,进而改善和提升教与学的质量与效能,已成为摆在大学教学信息化研究者与实践者面前的现实课题。学习分析的兴起则为解决这一难题,提供了一系列的方法、工具和手段。文章将基于国内外学者的已有研究,通过对学习分析的发展脉络的梳理,对学习分析的内涵、过程、工具和方法作较为深入的解读,并尝试从推动大学教学创新的视角,阐释学习分析对促进大学教学信息化深入发展的重要价值和深远影响。     

Application of learning analytics using clustering data Mining for Students’ disposition analysis

Learning Analytics (LA) is an emerging field in which sophisticated analytic tools are used to improve learning and education. It draws from, and is closely tied to, a series of other fields of study like business intelligence, web analytics, academic analytics, educational data mining, and action analytics. The main objective of this research work is to find meaningful indicators or metrics in a learning context and to study the inter-relationships between these metrics using the concepts of Learning Analytics and Educational Data Mining, thereby, analyzing the effects of different features on student’s performance using Disposition analysis. In this project, K-means clustering data mining technique is used to obtain clusters which are further mapped to find the important features of a learning context. Relationships between these features are identified to assess the student’s performance.     

数据挖掘在教育信息化中应用的难点分析

数据挖掘技术是管理者用来评估、改善内部运作和制定科学决策的工具,目前在众多领域已经取得了广泛应用.在高等教育领域中,数据挖掘不但能够挖掘出潜在的特征模式,而且能够有效指导管理、把握管理、规范管理,提高高校管理质量与效率,并促进教育体制的进一步完善和发展.该文阐述了数据挖掘的相关概念及挖掘过程,概括了数据挖掘在高校管理中的具体应用,深入分析了高校目前实施数据挖掘所面临的难点问题.     

数据挖掘技术在电信企业CRM中的应用

首先介绍了电信企业CRM的目标和功能,由其功能得出了数据挖掘在电信企业CRM中的应用模型;接着,介绍了数据挖掘的概念及在电信企业CRM中应用的数据挖掘技术,并详细的探讨了其在电信企业CRM中的应用和具体的应用过程。     

关联规则挖掘算法在货运管理中的应用

信息时代来临,企业普遍使用信息系统。想在激烈竞争中保持行业领先,就必须对业务数据进行深层次的分析和挖掘,提炼出其中有用的决策信息。文章设计CMM(Cargo Manage Miner)挖掘模型主要是针对物流领域中货运企业的业务进行数据挖掘的。     

数据挖掘技术在电子商务中的应用

电子商务是新兴的现代商业模式,数据挖掘是先进的信息处理技术.随着商业信息和数据的急剧增加,如何有效地分析和利用信息成为目前研究的热点问题.文中对电子商务和数据挖掘技术的发展进行了阐述,分析了数据挖掘的技术方法及其在电子商务中的应用流程.