中国是一个自然资源总量大国，又是一个人均资源小国，各类主要资源的人均占有量远低于世界平均水平。虽然中国经济发展迅速，但“粗犷型”的经济增长方式导致资源的利用率低，浪费破坏现象严重，环境逐步恶化，资源的供需矛盾不断加剧，为了有效缓解这种矛盾，中央在“十一五”规划建议中将构建“节约型社会”列为一项重要任务。高等学校作为社会构成中的重要组成部分，既是社会资源占有和能源消耗大户，又是传播节约能源先进理念，创造节约节能技术的重要基地，因此节约型校园的建设对整个国家的经济、环境和社会健康和和谐发展都具有非常重要的意义。
2008年国家住房和城乡建设部、教育部相继出台了《高等学校节约型校园建设管理与技术导则（试行）》和《关于推进高等学校节约型校园建设进一步加强高等学校节能节水工作意见》。我们结合学院的实际情况，运用最新的科学技术手段，既“大数据技术”，对学院用水的历史数据进行收集、整理、统计和分析，摸清了学院水能消耗情况，找出存在的问题，掌握其规律，发现节水潜力，更加有针对性的、深入的推进节水工作，取得了较好的效果，有力的促进了节约型校园建设。
一、大数据技术产生背景
随着计算机、Internet的普及，以及数据库（DB）技术的迅速发展和数据库管理系统（DBMS）的广泛应用，许多领域积累了海量数据，如从普通的超市业务数据、信用卡记录数据、电话呼叫清单、政府统计数据到不太普通的天体图像、分子数据库和医疗记录等。现有的数据库技术大多可高效地实现数据查询、统计和维护等管理功能，但却无法发现数据中存在的关联和规则，无法根据现有的数据预测未来的发展趋势。数据库中存在着大量数据，却缺乏从这些数据中自动、高效地获取知识的手段，出现了“数据丰富，知识贫乏”的现象。针对庞大的数据库及其中的海量数据信息源，仅依靠传统的数据检索机制和统计分析方法已远不能满足需要，“大数据技术”应运而生，它的出现为自动和智能地把海量数据转化成有用的信息和知识提供了技术手段。
苏州工艺美术职业技术学院在2005年新校区建设时安装了水控信息管理系统，此系统可以对学院的用水进行管理，查询学院水资源的使用情况。该系统运行九年来，积累了大量的历史数据，这些看似过期的、无用的数据中，其实隐藏着许多平时我们未留意或者未发现的问题和信息，综合运用大数据技术对这些数据进行收集、整理、挖掘和分析，找出其中隐含的规律，可以更加清晰的了解学院的用水量和损耗规律以及用水习惯，为全校的用水及热水供应调配提供事实依据，提高后勤科学化管理水平。
二、大数据技术在数据分析方面的优势
大数据技术主要包括：数据仓库技术、OLAP联机分析处理技术和数据挖掘技术，三种技术有机的结合，就构成了当今新型辅助决策系统，它在金融、电信、军事、气象等众多行业中都发挥着非常巨大的作用。其中OLAP联机分析技术是大数据技术中的关键一环，它对数据仓库的建立有着指导作用。计算机数据处理技术可以分为两大类：联机事务处理OLTP（On-line Transaction Processing）和联机分析处理OLAP（On-line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理。而OLAP则是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。OLTP与OLAP比较如表2-1：
表2-1 OLTP和OLAP比较
因此，将联机事务处理数据库中的数据进行抽取、清理、转化和加载建立面向分析主题的数据仓库，再综合运用联机分析处理和数据挖掘技术，发现隐藏在历史数据中的信息，为领导层的辅助决策提供事实依据。
三、大数据技术在我院节约型校园建设中的具体应用
针对学院节水工作，我们首先确定水能使用情况的分析主题，根据分析主题设计数据仓库。数据仓库建立的合理与否直接影响数据分析的效率与结果的准确性，因此建立一个合理有效的数据仓库是得出正确分析结果的保证。
第二步是进行数据预处理，因为现实世界中数据大体上都是不完整，不一致的“脏数据”（例如由于刷卡错误导致出现的异常数据），这些噪声数据会使分析结果不准确，因此为了提高数据分析结果的准确性，首先要对历史数据进行清理，数据集成，数据变换，数据归约等处理，这样不仅可以提高数据的质量和数据分析结果的准确性，并且降低实际所需要的时间。数据预处理又称为ETL：Extraction Transformation Loading的缩写，中文名称为数据提取、转换和加载。如图3-1所示：
图3-1数据处理步骤
最后，根据将数据导入建立的数据仓库，我们使用的是微软公司的Microsoft SQL SERVER 2005 BI软件，该软件商业智能方面有着非常强大的功能。在Microsoft SQL SERVER 2005 BI开发环境中建立多维数据结构，并使用OLAP联机分析处理技术和数据挖掘技术对用水情况进行分析，并在Excel透析表中进行前端展示。以下就是我们通过OLAP对数据进行切片、切块、钻取、旋转等操作所发现的“秘密”。
（一）对学生洗浴用水情况分析
我们通过对学生洗浴情况进行查询分析，结果如下表3-2：
表3-2.每月浴室水量使用情况
由上图可明显看出3月、4月、5月、6月都是热水使用的高峰期，除12月外热水用量则非常少。经分析，产生此原因是因为上半年天气由冷转热，学生洗浴次数不断增多，下半年由热转冷，学生洗澡人数开始下降，而12月份苏州温度已经降为10度以下，因此在洗浴时，虽然洗浴次数少，但对热水的需求量加大，因此12月相对较高。1月份和8月份基本跨寒暑假，因此热水使用量也是相对偏低。
我们运用大数据技术科学的分析了学院用水的规律和习惯，指导后勤调整锅炉的供应量，在用水时节多的时间，增大热水供应量，在用水时节少的时间，减少热水的供应量。通过资源的优化配置达到了既保证了热水充足供热，又防止了盲目供热，浪费能源的目标，最大限度的节约了学院水能和燃气的损耗。
（二）对男、女生热水使用情况进行分析
我们通过多维查询对男、女生的浴室热水使用量和刷卡次数进行了查询分析，如表3-3所示：
表3-3.男、女生浴室水量使用情况
在该表中，我们发现女生每月消费的水量基本都高于男生，因此我们又对男、女生的刷卡次数进行了查询，如表3-4所示：
表3-4.男、女生浴室刷卡次数统计
从以上两图中，我们可以发现男生和女生在洗浴方面使用情况的不同点。显然女生在洗浴的金额和洗浴用卡的频次上均超过男生，这就为我们的浴室设计提供了事实依据，通过资源的合理配置，解决了女生洗澡排长队、男生浴室淋浴闲置的情况。
（三）异常设备发现
通过简单分析，我们可以非常方便的发现有故障的设备。这些故障设备大多是由于自身损坏，导致用水不收费，不断出水或漏水等等，学生碰到此种情况往往会有占便宜的心理，不去报修，而以往后勤管理部门只能在学生报修后，才能知道设备的损坏，而现在我们可以将有问题的设备进行罗列并安排维修，变被动维修为主动，这样就更加能够有效的减少跑、冒、滴、漏以及长流水，用水不收费等浪费。
四、结论和展望
节约型校园建设是高校落实科学发展观、建设生态文明的一项重要举措。高校节约型校园建设对全社会都具有良好的现实意义和示范意义。本文通过运用大数据技术对水控信息管理系统的历史数据进行分析处理，发现平时我们未留意或未发现的有益信息，帮助高校后勤提高了服务质量，在满足了学院发展要求和广大师生日益增长的物质文化需求的基础上，更科学、更有效的统筹利用办学资源，更好的服务于学校的发展和广大师生员工的需求，切实的将校园节能工作落实到实处，推进节约型校园的建设。
本文从水能方面为样本应用了大数据分析技术，该技术对学院的各种信息管理系统同样适用，届时可以对学院的所有建筑、各种使用人群、各种类型的能源消耗进行详细分类，统一分析。同时，大数据技术也为学院筹建节约型校园节能监管体系提供技术支撑，该技术将高校后勤的科学化管理水平提升到一个新的台阶，使高校的节约型校园建设工作落到实处。
参考文献：
［1］ 中华人民共和国住房和城乡建设部、教育部关于推进高等学校节约型校园建设进一步加强高等学校节能节水工作的意见，建科［2008］90号
［2］ 张福麟.高校节约型校园建设示范进展及工作要求
［3］ 许立冬，王艳.节约型校园与一流高校后勤建设［J］.现代管理科学，2012，4
［4］ 中华人民共和国住房和城乡建设部、教育部.高等学校节约型校园建设管理与技术导则（试行），2008
［5］张佳.数据挖掘技术在校园一卡通系统中的应用研究，信息与电脑，2012，5
