一种基于大数据的智慧校园用教学系统的制作方法

本发明属于大数据应用领域，具体涉及一种基于大数据的智慧校园用教学系统。

背景技术：

培养大数据人才、利用高校大数据深化高校管理促进高校改革发展、使用大数据平台提高高校科研水平和效率，既是高校面临的重要任务，也是高校发展的战略机遇。大数据正在逐渐成为社会基础设施，成为每一家组织机构的标配。“大数据”之“大”，更多的意义在于：人类可以“分析和利用”的数据在大量增加，通过这些数据的交换、整合和分析，人类可以发现新的知识，创造新的价值，并让很多常态化的认知、判断、思维定式、产品形态、服务模式，形成全新的面貌和演进方向。

大数据已经引起国际社会的高度重视，世界各国都在加快推进大数据战略布局。大数据产业已上升至国家战略高度，正日益渗透到经济发展和社会生活的方方面面。国务院发布《促进大数据发展行动纲要》，文件指出“数据已经成为国家基础性战略资源”，并在启动的十大工程之一“公共服务大数据工程”中明确提出要建设教育文化大数据。

高校大数据已经上升到国家战略层面，引起社会各界的广泛关注和高度重视。教育大数据将首先破解传统教育面临的六大难题（发展不均衡难题、方式单调化难题、信息隐形化难题、决策粗放化难题、择校感性化难题、就业盲目化难题），助推教育的全方位变革与创新发展。确立高校大数据在我国教育事业发展与改革中的战略地位已是国家教育现代化建设的必然要求。教育大数据是重要的国家战略资产、教育领域综合改革的科学力量与发展智慧教育的基石。

培养大数据人才、利用高校大数据深化高校管理促进高校改革发展、使用大数据平台提高高校科研水平和效率，既是高校面临的重要任务，也是高校发展的战略机遇。高校作为高科技人才以及创新技术的摇篮，承载着科研攻关和人才培养的双重使命。在新的科技浪潮中，高校应瞄准时代最前沿，将教学科研创新、专业人才培养与大数据紧密融合在一起，在更高起点上推动学校在大数据教学、科研以及创新方面再上新台阶。

技术实现要素：

本发明的目的在于提供一种基于大数据的智慧校园用教学系统，本发明通过结果导向思维用社会就业需求使学员有目标的强化自己，提高自己的短板，全面均衡的发展自身的知识眼界，有利于提高校园整体的教学质量和就业竞争力。

本发明主要通过以下技术方案实现：一种基于大数据的智慧校园用教学系统，包括课程推荐模块，所述课程推荐模块包括就业技能课程推荐子模块、待加强课程推荐子模块，所述就业技能课程推荐子模块通过历年就业岗位分布得到必备就业技能，并关联得到就业技能课程；所述待加强课程推荐子模块通过学员历史课程分布得到学员选修较少的待加强课程主题，然后根据推荐教师的评分排序得到待加强课程；或者所述待加强课程推荐子模块通过学员历史课程的成绩排布得到学员成绩较低的课程主题，然后根据推荐教师的评分得到待加强课程。

本发明在使用过程中，所述课程推荐模块包括必修课程推荐模块，所述必修课程推荐模块由学校统一设定。所述就业技能课程推荐子模块根据统计的历年就业岗位分布提取得到就业技能分布，从而得到排名靠前的就业技能，然后将就业技能关联相应的课程、教学老师；所述就业技能课程推荐子模块可以根据就业技能排序进行推荐或者根据教学老师的历史评分进行推荐；而且在教学的整个时期内轮流推荐不同就业技能的课程，一旦学员本学期选择了其中之一的就业技能课程，则就业技能课程推荐子模块则将该就业技能课程的顺序调到最后。通过就业结果反向加强教学，实现有目的的加强学员学习能力、社会能力，实现毕业与就业的良好衔接，不至于出现毕业就失业的局面，而且使学员的校园生活更加的具有明确性。

所述待加强课程推荐子模块通过分析学员历年选修课程的主题的分布提取未涉及的主题课程，关联得到对应的教学老师，然后根据教学老师的评分排序进行推荐课程；或者通过分析学员所有课程的成绩排布得到学员掌握知识最薄弱的课题主题，然后关联得到该主题对应的课程，之后关联得到对应的教学老师，然后根据教学老师的评分排序进行推荐课程。本发明通过不同主题课程的均衡教学实现学员的全面发展，打开学员的眼界，更加符合当代教育理念。本发明通过明星教师教学的模式提高教学质量，带动学员的学习积极性。当学员首次用该系统时，则待加强课程推荐子模块不推荐课程，因为此时没有历史数据可供分析。

为了更好地实现本发明，进一步的，所述课程推荐模块还包括兴趣课程推荐子模块，所述兴趣课程推荐子模块通过分析学员历史选课方向分布或者学员历史成绩分布得到兴趣课程主题，然后根据历史兴趣课程成绩分布得到兴趣课程主题，然后根据推荐教师的评分得到兴趣课程。

当学员首次用该系统时，所述兴趣课程推荐子模块通过分析历年学校学员选课方向分布或者学校学员历年选课成绩分布的课程主题进行推荐兴趣课程主题，所述兴趣课程主题关联相应的课程，根据课程关联到教师，确定课程主题后，则关联得到多门课程，然后按照教师评分的高低排序进行推荐具体的兴趣课程。当学员不是首次使用系统时，则所述兴趣课程推荐子模块通过分析该学员历史选课方向分布或者该学员历史选课成绩分布得到感兴趣的课程主题，关联得到多门课程，然后按照教师评分的高低排序进行推荐具体的兴趣课程。

为了更好地实现本发明，进一步的，还包括心理生活指导模块，所述心理生活指导模块包括测试模块、数据报警模块、信息推送模块，所述系统的数据采集模块采集学员的日常生活轨迹数据、上网轨迹数据、消费轨迹数据；所述测试模块包括心理测试子模块、教学评价子模块，所述教学评价子模块用于季度评估教师、校园管理职工对学生课堂、生活表现的表现分值，所述心理测试子模块用于季度评估学员的心理分值，所述测试模块的综合分值为表现分值与心理分值的总和；当测试模块的综合分值低于阈值，且日常生活轨迹数据、上网轨迹数据、消费轨迹数据任一超出历史阈值时，所述数据报警模块发送警报信息给教务管理中心。

当代教学需要培养学员德智体美全面发展，因此学员的心理生活教育也是尤其重要。所述心理测试子模块中存储有多类型的心理测试版本，可以根据学员性别、年龄、血型等因素推荐对应的心理测试版本给学员进行测试，根据测试结果得到心理分值。所述教学评价子模块包括课堂教师对学员课堂表现的打分和校园管理职工对学生平时表现的打分。所述校园管理职工包括食堂、宿管、门卫、教务管理中心的教育职工。所有分值的总和即为测试综合分值，若出现低于阈值的情况，且该季度中出现日常生活轨迹数据、上网轨迹数据、消费轨迹数据任一项超出历史阈值时，则发送报警信息给教务管理中心对应的校园管理职工，由校园管理职工针对性的找学员了解情况并根据最终的结果反馈到年度评估模块。

为了更好地实现本发明，进一步的，所述日常生活轨迹数据包括学员在校内教学区、生活区、图书馆区、运动区出现的次数与时间的统计；所述上网轨迹数据包括上网次数、上网时间段、总流量；所述消费轨迹数据包括消费时间、单次消费金额、每天消费金额总和。所述日常生活轨迹数据的分析采用深度学习方法分析得到该学员规律的周期性活动规律，分析提取得到学员一周内的生活轨迹规律，精确得到学员正式上课期间的活动区域的规律，上课期间一般是指周一至周五的在校时间。采用爬虫技术得到学员在校期间的上网特征。通过对消费轨迹数据的分析得到学员消费习惯与消费水平，并根据全校的消费水平指定消费水平阈值，并通过分析该学员自身的消费历史数据得到消费习惯。

为了更好地实现本发明，进一步的，还包括实际课程选修模块，所述实际课程选修模块包括自动子模块和手动子模块，所述自动子模块中的课程表为课程推荐模块的推荐结果；所述手动子模块包括必须课程和学员手动选择的课程。为了实现学员的学习能动性，本发明通过实际课程选修模块实现学员根据自身情况定制课表，或者学员根据课程推荐模块的推荐自动的或有选择的改动的定制课表。

为了更好地实现本发明，进一步的，还包括年度评估模块，所述年度评估模块包括课程评估模块、科研评估模块、心理生活评估模块；所述课程评估模块包括必修课程成绩等级评分、实际课程选修模块中的课程类型与课程推荐模块中的课程类型的重合度等级评分；所述科研评估模块分析学员获取科研成果的类型、数量以及科研成果的等级得到科研评估分数，不同类型的科研成果设置对应的评分，且同一类型的科研成果下根据不同的等级设置不同的评分；所述心理生活评估模块的评估分值等于测试模块的分值与教务管理中心反馈等级的矫正因子的乘积；所述年度评估模块的评分等于课程评估模块、科研评估模块、心理生活评估模块分别与权重乘积的和。

教学的过程很重要，但是结果是检验过程的重要标准。在学员评优过程中需要考虑各方面的因素，而不能以偏概全。所述课程评估模块根据必修课程、选修课程以及学员课程选择情况设置不同的考核比重。文化课的考核比重是我们首要要考虑的，其次，所述必修课程是最基础的，因此必修课程的考核比重最大。所述课程推荐模块中推荐的课表是经过科学计算多因素计算得到的，因此推荐课表中的选修课程类型是判断一个学员是否全面发展的重要指标。通过对比实际课程选修模块中选修课程主题类型与课程推荐模块中推荐的课程主题类型得到重合度，并根据重合度得到对应的等级评分。所述课程评估模块的评分最终等于所述课程评估模块根据必修课程、选修课程以及学员课程选择情况评分分别与比重的乘积的总和。

所述科研评估模块通过分析学员获得科研成果类型、数量、等级数据得到科研评估分数，每个类型的科研成果设置有对应的最低基础评分，根据每类科研成果设置不同的等级进行调整最终的评分值。所述心理生活评估模块包括教务管理中心每次处理之后的反馈等级对应的矫正因子。当教务管理中心发现学员情况与报警情况相符合，则矫正因子为1；若发现学员情况比报警情况还要恶劣，则矫正因子小于1，否则矫正因子大于1。分别对学员的课程评估模块、科研评估模块、心理生活评估模块设定不同的比重，然后课程评估模块、科研评估模块、心理生活评估模块的评分分别与比重相乘，然后求和得到年度评估模块的评分，可以关联对应的评价等级。所述系统可以显示课程评估模块、科研评估模块、心理生活评估模块的各自的分布情况，使学员直观了解自己的弱项，从而进一步的加强自我提升。

为了更好地实现本发明，进一步的，以构建基础硬件层为底层支撑，利用云计算、大数据的数据集成、数据安全、服务器集群、数据计算与挖掘分析技术，遵循大数据标准体系，通过hive和hbase构建大数据数据中心，并通过可视化平台展示给用户；可视化分析平台是基于纯js代码开发的ide，可以在各种浏览器下实现报表制作。

为了更好地实现本发明，进一步的，包括大数据分析模块，所述大数据分析模块包括数据准备组件、信息资源目录动态管理组件、数据质量管理组件、数据处理与分析组件、数据分析服务配置组件，所述系统支持主流关系型数据库rdbms、excel/cvs文本数据源、基于hadoop的大数据平台数据源以及其他多种jdbc数据源的连接。

为了更好地实现本发明，进一步的，数据源建好之后，支持对数据表进行数据建模，构建bi分析需要的维度、指标；可视化分析平台支持星型模型，拖拽式可视化建模；模型创建后，系统自动生成cube，供可视化分析使用。

本发明的有益效果：

（1）本发明通过结果导向思维用社会就业需求使学员有目标的强化自己，提高自己的短板，全面均衡的发展自身的知识眼界，有利于提高校园整体的教学质量和就业竞争力；

（2）所述课程推荐模块通过就业结果反向加强教学，实现有目的的加强学员学习能力、社会能力，实现毕业与就业的良好衔接，不至于出现毕业就失业的局面，而且使学员的校园生活更加的具有明确性；

（3）所述待加强课程推荐子模块通过不同主题课程的均衡教学实现学员的全面发展，打开学员的眼界，更加符合当代教育理念。本发明通过明星教师教学的模式提高教学质量，带动学员的学习积极性。当学员首次用该系统时，则待加强课程推荐子模块不推荐课程，因为此时没有历史数据可供分析；

（4）所述心理生活指导模块发送报警信息给教务管理中心对应的校园管理职工，由校园管理职工针对性的找学员了解情况并根据最终的结果反馈到年度评估模块。本发明实现综合评估、人员监督保底的方案防止测评系统故障以及其他误会的产生，同时有利于及时发现问题、处理问题，正确疏导学员心理和生活方面的问题；

（5）为了实现学员的学习能动性，本发明通过实际课程选修模块实现学员根据自身情况定制课表，或者学员根据课程推荐模块的推荐自动的或有选择的改动的定制课表；

（6）所述课程推荐模块中推荐的课表是经过科学计算多因素计算得到的，因此推荐课表中的选修课程类型是判断一个学员是否全面发展的重要指标。所述课程评估模块通过该指标较好的指引学员自我矫正；

（7）本发明集成教育数据挖掘与学习分析技术，持续采集学习行为数据，智能分析，推送适合的学习资源并进行个性化学习建议；

（8）采集教与学的全过程数据，全面客观记录学生成长轨迹，引导学生培养模式和教育质量管理方式科学健康发展；

（9）教学数据分析与预测，改变教学模式，实现个性化教育，调整教学方案，优化教学方法，提高教学质量；

（10）注重相关关系识别，强调因果关系的确定，发现隐藏的、有用的信息，做好教育管理和决策工作的数据支持；

（11）本发明可以将应用以可视化界面展示给用户，为领导决策提供数据依据。

附图说明

图1为基于大数据的智慧校园用教学系统的原理架构图。

图2为基于大数据的智慧校园用教学系统的业务开发架构图。

具体实施方式

实施例1：

一种基于大数据的智慧校园用教学系统，包括课程推荐模块，所述课程推荐模块包括必修课程推荐模块、就业技能课程推荐子模块、待加强课程推荐子模块、兴趣课程推荐子模块。

所述必修课程推荐模块由学校统一设定。

所述就业技能课程推荐子模块根据统计的历年就业岗位分布提取得到就业技能分布，从而得到排名靠前的就业技能，然后将就业技能关联相应的课程、教学老师；所述就业技能课程推荐子模块可以根据就业技能排序进行推荐或者根据教学老师的历史评分进行推荐；而且在教学的整个时期内轮流推荐不同就业技能的课程，一旦学员本学期选择了其中之一的就业技能课程，则就业技能课程推荐子模块则将该就业技能课程的顺序调到最后。通过就业结果反向加强教学，实现有目的的加强学员学习能力、社会能力，实现毕业与就业的良好衔接，不至于出现毕业就失业的局面，而且使学员的校园生活更加的具有明确性。

所述待加强课程推荐子模块通过分析学员历年选修课程的主题的分布提取未涉及的主题课程，关联得到对应的教学老师，然后根据教学老师的评分排序进行推荐课程；或者通过分析学员所有课程的成绩排布得到学员掌握知识最薄弱的课题主题，然后关联得到该主题对应的课程，之后关联得到对应的教学老师，然后根据教学老师的评分排序进行推荐课程。本发明通过不同主题课程的均衡教学实现学员的全面发展，打开学员的眼界，更加符合当代教育理念。本发明通过明星教师教学的模式提高教学质量，带动学员的学习积极性。当学员首次用该系统时，则待加强课程推荐子模块不推荐课程，因为此时没有历史数据可供分析。

当学员首次用该系统时，所述兴趣课程推荐子模块通过分析历年学校学员选课方向分布或者学校学员历年选课成绩分布的课程主题进行推荐兴趣课程主题，所述兴趣课程主题关联相应的课程，根据课程关联到教师，确定课程主题后，则关联得到多门课程，然后按照教师评分的高低排序进行推荐具体的兴趣课程。当学员不是首次使用系统时，则所述兴趣课程推荐子模块通过分析该学员历史选课方向分布或者该学员历史选课成绩分布得到感兴趣的课程主题，关联得到多门课程，然后按照教师评分的高低排序进行推荐具体的兴趣课程。

本发明通过结果导向思维用社会就业需求使学员有目标的强化自己，提高自己的短板，全面均衡的发展自身的知识眼界，有利于提高校园整体的教学质量和就业竞争力。

实施例2：

本实施例是在实施例1的基础上进行优化，还包括心理生活指导模块，所述心理生活指导模块包括测试模块、数据报警模块、信息推送模块，所述系统的数据采集模块采集学员的日常生活轨迹数据、上网轨迹数据、消费轨迹数据；所述测试模块包括心理测试子模块、教学评价子模块，所述教学评价子模块用于季度评估教师、校园管理职工对学生课堂、生活表现的表现分值，所述心理测试子模块用于季度评估学员的心理分值，所述测试模块的综合分值为表现分值与心理分值的总和；当测试模块的综合分值低于阈值，且日常生活轨迹数据、上网轨迹数据、消费轨迹数据任一超出历史阈值时，所述数据报警模块发送警报信息给教务管理中心。

当代教学需要培养学员德智体美全面发展，因此学员的心理生活教育也是尤其重要。所述心理测试子模块中存储有多类型的心理测试版本，可以根据学员性别、年龄、血型等因素推荐对应的心理测试版本给学员进行测试，根据测试结果得到心理分值。所述教学评价子模块包括课堂教师对学员课堂表现的打分和校园管理职工对学生平时表现的打分。所述校园管理职工包括食堂、宿管、门卫、教务管理中心的教育职工。所有分值的总和即为测试综合分值，若出现低于阈值的情况，且该季度中出现日常生活轨迹数据、上网轨迹数据、消费轨迹数据任一项超出历史阈值时，则发送报警信息给教务管理中心对应的校园管理职工，由校园管理职工针对性的找学员了解情况并根据最终的结果反馈到年度评估模块。

所述日常生活轨迹数据包括学员在校内教学区、生活区、图书馆区、运动区出现的次数与时间的统计；所述上网轨迹数据包括上网次数、上网时间段、总流量；所述消费轨迹数据包括消费时间、单次消费金额、每天消费金额总和。所述日常生活轨迹数据的分析采用深度学习方法分析得到该学员规律的周期性活动规律，分析提取得到学员一周内的生活轨迹规律，精确得到学员正式上课期间的活动区域的规律，上课期间一般是指周一至周五的在校时间。采用爬虫技术得到学员在校期间的上网特征。通过对消费轨迹数据的分析得到学员消费习惯与消费水平，并根据全校的消费水平指定消费水平阈值，并通过分析该学员自身的消费历史数据得到消费习惯。

本实施例的其他部分与实施例1相同，故不再赘述。

实施例3：

本实施例是在实施例1或2的基础上进行优化，还包括实际课程选修模块，所述实际课程选修模块包括自动子模块和手动子模块，所述自动子模块中的课程表为课程推荐模块的推荐结果；所述手动子模块包括必须课程和学员手动选择的课程。为了实现学员的学习能动性，本发明通过实际课程选修模块实现学员根据自身情况定制课表，或者学员根据课程推荐模块的推荐自动的或有选择的改动的定制课表。

本实施例的其他部分与上述实施例1或2相同，故不再赘述。

实施例4：

本实施例是在实施例3的基础上进行优化，还包括年度评估模块，所述年度评估模块包括课程评估模块、科研评估模块、心理生活评估模块；所述课程评估模块包括必修课程成绩等级评分、实际课程选修模块中的课程类型与课程推荐模块中的课程类型的重合度等级评分；所述科研评估模块分析学员获取科研成果的类型、数量以及科研成果的等级得到科研评估分数，不同类型的科研成果设置对应的评分，且同一类型的科研成果下根据不同的等级设置不同的评分；所述心理生活评估模块的评估分值等于测试模块的分值与教务管理中心反馈等级的矫正因子的乘积；所述年度评估模块的评分等于课程评估模块、科研评估模块、心理生活评估模块分别与权重乘积的和。

教学的过程很重要，但是结果是检验过程的重要标准。在学员评优过程中需要考虑各方面的因素，而不能以偏概全。所述课程评估模块根据必修课程、选修课程以及学员课程选择情况设置不同的考核比重。文化课的考核比重是我们首要要考虑的，其次，所述必修课程是最基础的，因此必修课程的考核比重最大。所述课程推荐模块中推荐的课表是经过科学计算多因素计算得到的，因此推荐课表中的选修课程类型是判断一个学员是否全面发展的重要指标。通过对比实际课程选修模块中选修课程主题类型与课程推荐模块中推荐的课程主题类型得到重合度，并根据重合度得到对应的等级评分。所述课程评估模块的评分最终等于所述课程评估模块根据必修课程、选修课程以及学员课程选择情况评分分别与比重的乘积的总和。

所述科研评估模块通过分析学员获得科研成果类型、数量、等级数据得到科研评估分数，每个类型的科研成果设置有对应的最低基础评分，根据每类科研成果设置不同的等级进行调整最终的评分值。所述心理生活评估模块包括教务管理中心每次处理之后的反馈等级对应的矫正因子。当教务管理中心发现学员情况与报警情况相符合，则矫正因子为1；若发现学员情况比报警情况还要恶劣，则矫正因子小于1，否则矫正因子大于1。分别对学员的课程评估模块、科研评估模块、心理生活评估模块设定不同的比重，然后课程评估模块、科研评估模块、心理生活评估模块的评分分别与比重相乘，然后求和得到年度评估模块的评分，可以关联对应的评价等级。所述系统可以显示课程评估模块、科研评估模块、心理生活评估模块的各自的分布情况，使学员直观了解自己的弱项，从而进一步的加强自我提升。

本实施例的其他部分与上述实施例3相同，故不再赘述。

实施例5：

本实施例是在实施例1-4任一个的基础上进行优化，如图1所示，以构建基础硬件层为底层支撑，利用云计算、大数据的数据集成、数据安全、服务器集群、数据计算与挖掘分析技术，遵循大数据标准体系，通过hive和hbase构建大数据数据中心，并通过可视化平台展示给用户；可视化分析平台是基于纯js代码开发的ide，可以在各种浏览器下实现报表制作。

包括大数据分析模块，所述大数据分析模块包括数据准备组件、信息资源目录动态管理组件、数据质量管理组件、数据处理与分析组件、数据分析服务配置组件，所述系统支持主流关系型数据库rdbms、excel/cvs文本数据源、基于hadoop的大数据平台数据源以及其他多种jdbc数据源的连接。

如图2所示，数据源建好之后，支持对数据表进行数据建模，构建bi分析需要的维度、指标；可视化分析平台支持星型模型，拖拽式可视化建模；模型创建后，系统自动生成cube，供可视化分析使用。

分析服务能够从海量的数据中分析出能够有助于城市民生改善、经济促进的信息，通过数据说话方式引导数据决策，使城市全方位发展、提高广大群众的获得感与幸福感。

分析技术意味着对海量数据进行分析以实时得出答案，由于大数据的特殊性，大数据分析技术还处于发展阶段，老技术会日趋完善，新技术会更多出现。大数据分析技术涵盖了以下的五个方面:

数据可视化无论对于普通用户或是数据分析专家，都是最基本的功能。数据图像化可以让数据自己说话，让用户直观的感受到结果。

图像化是将机器语言翻译给人看，而数据挖掘就是机器的母语。分割、集群、孤立点分析还有各种各样五花八门的算法让我们精炼数据，挖掘价值。这些算法一定要能够应付大数据的量，同时还具有很高的处理速度。

数据挖掘可以让分析师对数据承载信息更快更好地消化理解，进而提升判断的准确性，而预测性分析可以让分析师根据图像化分析和数据挖掘的结果做出一些前瞻性判断。

大数据可视化平台：

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

利用相关办理资源数据，针对不同的用户对象和不同的业务需求，提供专题的数据可视化服务。数据可视化需适应大屏、电视、电脑、手机、平板电脑等不同终端的适配。

面向学生、家长、教职员工和学校管理者，展示高校服务相关数据。数据也便于学生、家长、教职员工和学校管理者了解学校多个方面的情况。

面向业务部门，展示高校服务办理的相关数据，如实时学校运营情况，教学质量评估，保障供应等，为部门协调办理人员，评估办理效能提供参考。

面向中心领导，提供专门的数据展示界面，有针对性的展示关键数据，如办件总量曲线图、办事事项热度排行、办件趋势图等。中心领导可实时和自定义事件进行查看，为中心业务工作的科学决策提供参考。

该模块主要包括但不限于：

丰富简单的数据建模

主流关系型数据库（rdbms）

excel/cvs文本数据源

基于类hadoop的大数据平台、数据仓库、数据集市

其他jdbs/odbc数据源

灵活数据建模功能，让零基础用户轻松驾驭多源数据

自由式轻松编排

全拖拽式图形化编排，只需要动动鼠标

自由布局，自动排版

多种样式主题，一键切换，一键整体换肤，无需单个配色

多种排版工具栏、快捷操作，具备microsoftppt一样的编排体验

惊艳的组件

多达50个以上的图表组件

gis地图模块

支持矢量地图（分布图、迁移图、标注图、热力图）

多维度智能分析

支持多维分析：多层钻取、切片/切块、旋转、排序

支持并行计算，内存计算，秒级刷新

支持动态绘制、动态刷新、动态维度切换

强大的编排能力

支持一键式、傻瓜式、自动式编排和分析

全称无需编码也能轻松设计输出报表

支持复杂的web系统级设计

支持复杂多样的组件事件配置、事件响应动作、参数传递

支持采用javascript、json等脚本语言进行自定义编程

安全可依赖

提供地区、部门管理，支持集团式、分区式用户权限管理

提供用户、角色、权限三级管理

url集成具备免登陆式和权限认证式

支持数据级别访问安全控制

该模块主要功能包括但不限于以下特征。

1、多数据源管理

支持多种数据源的连接，包括：主流关系型数据库rdbms、excel/cvs文本数据源、基于hadoop的大数据平台数据源以及其他多种jdbc数据源。

2、数据建模

数据源建好之后，支持对数据表进行数据建模，构建bi分析需要的维度、指标。可视化分析平台支持星型模型，拖拽式可视化建模。模型创建后，系统自动生成cube，供可视化分析使用。

3、可视化编排

可视化分析平台是基于纯js代码开发的ide，可以在各种浏览器下实现报表制作。通过所见即所得拖拽方式实现灵活的可视化布局，极致的用户体验。您只需要通过拖拽，无需编程能力，在设计器上任意发挥创意，即可创造出专业的bi报表和可视化数据展现web页面。

4、多维bi分析

可视化分析平台提供了各种常见的olap分析操作，除基本的分组聚合外，还可以进任意多维度分析，包含：钻取、切片、切块、旋转、排序、过滤等分析功能。

5、实时分析/计算引擎

实时分析/实时计算引擎将会帮助可视化分析平台相比传统的bi系统得到十倍以上的提升。针对tb级、pb级的数据量的所有分析请求能根据不同请求对象自动进行负载均衡，保障结果能在一秒之内返回结果。这一架构的好处及技术显而易见的。

本实施例的其他部分与上述实施例1-4任一个相同，故不再赘述。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。