《大数据存储技术与应用》 课件 项目七_任务二 高校大数据决策分析系统项目实战.pptx

《大数据存储技术与应用》

大数据存储技术与应用

项目七高校大数据决策分析系统

任务二项目实战

回顾

高校大数据决策分析系统数据存储？

Greenplum基于什么语言实现？

高校大数据决策分析系统的背景？

高校大数据决策分析系统的业务功能？

任务引入-智慧校园总体框架

2010年，在信息化“十二五”规划中，浙江大学

提出建设一个“令人激动”的“智慧校园”。这幅蓝图

描绘的是：无处不在的网络学习、融合创新的网络科研、

透明高效的校务治理、丰富多彩的校园文化、方便周到

的校园生活。简而言之，“要做一个安全、稳定、环保、

节能的校园。”2018年6月7日，国家标准《智慧校园

总体框架》（Smartcampusoverallframework）

发布。

任务概要

任务描述:

本任务对主要的技术要点进行了剖析，大家可以根据实际情况进行拓展。

任务教学目标：

1.了解大数据分析应用项目开发流程。

2.熟悉大数据分析应用开发。

教

学

内一项目准备

容二应用需求

三分析计算

四数据可视化应用

知识点一

项目准备

数据模型

字段名字段类型是否允许空字段描述

SNOCHAR(10)否学号

T1CHAR(10)是第1题原始成绩

T2CHAR(10)是第2题原始成绩

T3CHAR(10)是第3题原始成绩

T4CHAR(10)是第4题原始成绩

T5CHAR(10)是第5题原始成绩

数据连接

pip3installpsycopg2

importpsycopg2

#数据库连接参数，数据库名称、用户密码、IP地址和端口根据实际环境配置。

conn=

psycopg2.connect(database=bigdata,user=postgres,password=postgr

es,host=127.0.0.1,port=5432)

conn.close()

数据导入

数据清洗

知识点二

应用需求

应用需求

（一）课程成绩分布

•分析计算《计算机网络》课程成绩人数分布，即分析计算“60分以下、60~69、

70~79、80~89、90~100”各组总成绩的人数分布。

•通过成绩人数分布了解学生对该门课程的掌握情况。

（二）成绩分析

•分析计算《计算机网络》选择题、填空题、判断题、简答题、应用题的平均成

绩、最高成绩、最低成绩。

知识点三

分析计算

分析计算

知识点四

数据可视化应用

数据可视化应用

任务小结

本节介绍了高校大数据决策分析系统的项目实战，系统开发可以基

于PostgreSQL、Python、ApacheECharts展开。

项目准备阶段对成绩数据建模、数据连接、数据导入、数据分析检

索进行了讲解。应用需求部分针对课程成绩分析、选择题成绩分析进行

了讲解。分析计算部分讲解了关键分析指标的计算方式，并以选择题成

绩分析为例进行分析计算，最后，以pyecharts组件实现数据可视化分

析应用。

扩展训练

独立学习信息标准

数据模型遵循教育部颁发的《教育管理信息化标准》和相关