用Excel对edX在线课堂进行数据分析
edX是麻省理工（MIT）和哈佛大学（Harvard）共同于2012年4月创建的开发在线课堂平台。用户在平台可以免费获取大学教育水平的在线课程，内容涵盖计算机科学、数学和社会等各种领域。为了对edX平台及用户使用情况进行研究，本文选取了《2012年edX平台上线后4年间290个在线课程和450万参与者的数据》，使用Excel对平台数据进行分析。
一、数据分析步骤
针对本次分析梳理的具体步骤如下图所示：
二、提出问题
1.最受欢迎的前十门课程和主题分别是什么？
2.Harvard和MIT的课程谁更受欢迎?
3.课程的完成情况如何？效果如何？
4.edX的用户在年龄、性别和学历上的构成是怎样的？
三、理解数据
（1）数据集：选择的数据是edX在线课程数据，数据来源于阿里云天池《2012年edX平台上线后4年间290个在线课程和450万参与者的数据》，附上链接https://tianchi.aliyun.com
（2）数据集大小：数据集共包括290个在线课堂数据，23个栏位信息。
（3）数据集各个栏位的业务含义见下图：
四、数据清洗
数据清洗的主要内容如下所示，按照步骤对已选取的数据集进行清洗。
1.选择字集：将Year课程持续时间、Total course hours总课程时长小时数两个对接下来分析没有作用的栏位列隐藏，保留其他栏位名所在列。
2.列名重命名：将英文栏位名更改为中文，方便进行操作。
3.删除重复值：经过查看发现，课程编号ID可作为唯一标识符，进行重复值的删除；发现有102个重复值，但是经确认重复课程的讲师或上线日期不同，故不算做重复课程，均予以保留。
4.缺失值处理：对各栏位数据量进行查看，发现讲师栏位所在列存在一个缺失值。对该课程ID进行筛选查看，发现此课程在近三年均有开设，故推断讲师为David malan。
5.一致化处理：数据中无异常格式，无须做一致化处理。
6.数据排序：按学生数进行降序排序
7.异常值处理：数据中无异常值，不做异常值处理。
五、构建模型
1.最受欢迎的前十门课程和主题分别是什么？
（1）课程情况：对课程名称、学生数进行透视分析，并进行条形图构建。
由条形图可以看出，Introduction to Computer Science是edX平台最受欢迎的课程，有69万用户曾参与过该课程的学习，用户参与量远超其他课程；另外，有关计算机科学的相关课程在受欢迎的课程中占据前四，总计参与者达到135万人以上，进一步说明计算机科学类课程受欢迎程度较高。
（2）主题情况：对课程主题、学生数进行透视分析，并进行环形图构建。
结果显示，edX平台共有四个类型的课程主题。四个主题用户的参与度相对较为均匀，Computer Science主题课程的用户参与度最高，占比为34.32%，而Humanities, History, Design, Religion, and Education主题类课程的用户参与度相对较低，占比为18.48%。
2.Harvard和MIT的课程谁更受欢迎?
分别对Harvard和MIT两所机构与开设的课程主题进行透视，构建柱形图如下：
由图12可知， MIT开设的课程最多，共有161门，其中「科学、技术、工程和数学」类的课程最多，开设了83门；而Harvard共开设129门课程，其中「人文、历史、设计、宗教和教育」类的课程最多，开设了80门。
进一步看各类课程学生数占比，选择MIT课程的人数最多，占用户总数的52.78%，高出Harvard用户5.56个百分点；就具体课程主题来看，「科学、技术、工程和数学」是选择MIT课程用户最喜爱的，而「计算机科学」则是Harvard用户最受欢迎的课程。
3.课程的完成情况如何？效果如何？
分别对「完成50%课程人数占比」和「认证人数占比」两列栏位数据进行描述性统计分析，获得结果如下。「完成50%课程人数占比」在2.63%~83.96%之间浮动，均值为24.92%，中位数为20.43%，说明仅有少部分人能够完成一半课程；「认证人数占比」在0%~33.98%之间波动，均值为7.78%，中位数为5.95%，说明只有非常少的用户能够完成认证，大多数学习效果不佳。
4.Edx的用户在年龄、性别和学历上的构成是怎样的？
（1）年龄构成：由「用户年龄中位数」描述性统计结果可知，用户年龄在22~53岁之间，均值为29.30岁，中位数为29岁，众数为27岁。说明edX平台使用者以青年人群为主，用户构成较为年轻化。
（2）性别分布：对两所课程持有机构男女用户人数占比进行透视分析，并进行数据可视化如图所示。edX总体用户男女性别比为1：0.49，男性人数显著高于女性；此外，选择MIT课程的男性占比平均值与女性占比平均值占比的差距更大，说明选择MIT课程的男性用户更多，平台可考虑提供一些女性用户更感兴趣的课程，以此来增加女性用户的数量。
（3）学历情况：对用户学士学历或以上占比进行描述性分析，同时根据所属机构进行透视，如图所示。edX各课程用户学士学历或以上占比在44.95%~98.11%之间浮动，占比均值为72.08%，中位数为73.06%，众数为64.59%，说明学士学历或以上用户占较大多数；另外，由图可以看到，选择Harvard课程的学士及以上学历用户平均值占比更高，高出MIT用户平均值占比7.10个百分点。edX平台可以考虑保持或适当增加学士及以上人群的课程，同时推出适合学士学历以下人群的课程，丰富该部分人群的课程选择性，从而达到优化平台课程多样性的目的。
六、结论及建议
1.edX在线课堂最受欢迎的课程主题为计算机科学，且在排名前十的课程中占据前四，用户量达到135万人以上。平台可以在未来继续提供更多的计算机科学相关课程，以满足该部分人群的学习兴趣。
2.edX在线课堂用户相对更喜欢MIT提供的课程，选择MIT课程的人数占用户总数的52.78%，高出Harvard用户量5.56个百分点。就具体课程而言，MIT用户最喜爱「科学、技术、工程和数学」类课程，Harvard用户则最喜爱「计算机科学」类课程。课程持有机构可以根据自己的优势课程主题相应调整对应的课程，从而体现各自的特色性。
3.参与课程学习的用户最终能够完成50%课程的人数不到三成，而最终获得认证的不到10%,说明用户课程完成度较低，效果不佳。针对该情况，平台可以考虑通过实际调研来确定具体原因，改善相关问题。
4.edX在线课程学员以青年人群为主，男性用户占比更多，且学士学历或以上用户占较大多数。针对这一用户构成情况，平台可以在未来增加适合青年人群的课程，同时提供更多满足女性、学士学历以下人群学习需求的课程，丰富用户学习的选择性，优化平台课程多样性。
推荐阅读：
