随着社会的不断进步,信息技术得到了快速发展,数字化时代悄然而至,计算机科学技术及互联网技术的高速发展,不断产生着海量数据,这些数据既蕴藏着无数财富,同时也不断挑战传统认知。学校各业务系统产生大量与学生相关的数据,形成了校园大数据环境。主要体现在学生的数据大规模、多类型、高速度、低密度价值几个特点,如何对大量的学生学习、生活等数据进行分析,成为提升学生工作信息化管理水平的重要内容。通过对学生行为数据的分析挖掘,既可以提高学校对学生管理工作的水平,做到提前预警,加强学校的安全工作,同时也可以用真实的数据刻画学生的行为,为奖助评优提供定量的数据支撑。本课题首先对目前学校的学生管理及奖助工作的现状及现有业务了解,分析其功能需求,在需求分析的基础上设计开发学生行为分析系统,在学校现有的技术架构条件下及需求基础上完成技术路线选择。本课题选取Hadoop大数据(Big Data)平台作为数据收集及分布式存储平台,java语言作为服务器端的主要开发语言,前端开发框架采用React,后端开发框架采用Mysql Cluster,学生的预警预测使用数据挖掘里面的分类算法和关联算法,学生成绩数据分析用到标准成绩变换算法和作息指数分析模型,贫困生认定和检测则用到随机森林分类模型和模糊评价算法。本课题对学生行为分析系统里面的综合学生行为画像模块、学生综合预警模块、学生行为轨迹模块、学生大数据分析报告模块、学生预警规则进行详细的分析设计,系统编码实现时还采用了轻量级的JavaEE开发框架Spring MVC、MyBatis等,以减少编码实现过程中的一些重复的工作,提升开发效率。本课题设计开发完成后,对系统进行了充分的功能测试与性能测试,发现了部分系统模块实现时的漏洞并及时完成修改。学生行为分析系统在测试通过以后,已进入正式环境运行,根据运行情况来看,系统运行正常,极大的提高了学校对学生管理工作的效率,对学生管理过程中的奖助学金的评定也可以实现很好的数据支撑,节约了大量的人力成本,提高了工作效率,降低了经济成本。为学生管理工作的科学决策提供了定量的数据支持。