1引言基于大数据技术的用户行为数据分析，通常涉及网络数据信息收集、机器学习分析、数据可视化等的执行流程，要求学生具有软件编程基础，且能够熟练使用Python爬取软件工具、R统计应用软件。这一情况下，对于数据分析课程的教学改革与创新，也要引入有关大数据技术、Python用户数据抓取工具，进行现有课程教学情境、教学理论与实践内容、交互实践教学流程的革新，带领学生深入到某一用户行为文本挖掘、数据分析、可视化呈现的学习之中，进而提高学生的数据爬取、分析与展示呈现能力。2网络用户行为的表现形式及数据类型2.1用户行为表现形式大数据、云计算、互联网通信技术的迅猛发展，使得网络内部出现多种多样的用户行为数据信息，也为不同类型用户数据的深度挖掘、价值利用带来巨大机遇。当前对于用户行为数据的采集、整合与分析，通常围绕着与用户相关的网络平台展开，对电子商务、门户网站、社交媒介的用户行为数据，进行某一类别用户数据的爬取、筛选、整合与存储[1]。从多源化用户行为数据爬取的角度来看，用户对网络数据资源的获取、查询、交流、传播、加工和利用等行为，通常有两种表现形式：一是对网络资源的检索、查询、浏览行为，即用户根据自身的业务、服务需求，作为游客或登录至网络平台，在不同功能模块开展信息浏览、查找等操作行为；二是对网络平台资源的复制、粘贴、修改、下载行为，在外部用户获得访问或管理权限后，可下载自身需要的数据信息，或对网络平台的数据信息、功能服务资源，作出复制、粘贴、修改等操作行为。2.2网络用户行为数据类型基于Python语言编写的Scrapy网页应用程序框架，通常包括爬虫(Spiders)、爬虫引擎(ScrapyEngine)、调度器(Sched-uler)、下载器(Downloader)等组成结构，可针对海量化的网页数据、用户行为信息，进行用户任务请求处理、关键数据信息爬取[2]。在Scrapy框架、Redis数据库工具支持下，可在同一时间段内抓取任务请求数据，统计与提取丰富的数据类型，包括list、hash、string、sets、sortedsets等数据类型，支持不同数据集合或列表的交集、并集操作。当前对于网络用户行为的不同数据类型搜集与分析，存在着任务请求响应、数据流资源处理、网页或网址爬取、数据信息抓取、数据存储等执行流程。3当下网络用户行为数据分析课程教学存在的问题3.1缺乏以用户行为数据融合与利用为主的教学理念由于数据分析课程在整个专业教学中所占的比例较小，教师通常并未建构起系统化的数据分析教学理念，会忽...
