一、实验背景1.1 实验目的本次实验基于前期已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表 student_attendance_stats专门针对 “纪律高危型” 群体进行深度画像分析。该群体存在高频违纪、多维度异常叠加等行为特征是校园考勤管理中风险最高、影响最大的群体。通过专项画像我们希望掌握使用助睿BI零代码可视化平台进行数据探索与图表制作的方法学会搭建综合仪表盘完成从数据到洞察的完整分析流程挖掘纪律高危型学生的性别、年级、校区、班级分布规律为精准干预提供数据支撑。1.2 实验环境平台助睿数智Uniplore一站式数据科学实验平台实验地址https://lab.guilian.cn/产品官网https://www.uniplore.com/主要模块助睿BI数据可视化探索平台用于制作图表、仪表盘MySQL数据库存放源表 student_attendance_stats数据源团队私有数据库中已建好的 student_attendance_stats 表包含聚类簇编号 cluster 和考勤群体分类 attendance_group实验设备普通计算机可访问互联网具有数据库连接权限1.3 整体处理流程二、实验步骤以下每个步骤均包含操作说明、关键截图以文字说明截图内容代替和配置要点。2.1 进入助睿BI操作说明登录助睿实验平台点击左侧菜单栏的 “助睿BI”进入可视化探索界面。配置要点无需特殊配置确认能正常访问即可。2.2 连接数据源操作说明由于上一个实验已创建团队私有数据库连接本次无需重复连接直接复用即可。配置要点确保 student_attendance_stats 表存在于 labs 目录下。2.3 构建数据集新建数据集点击左侧 “数据集” → 左上角 “” → “新建数据集”命名为 学生考勤主题数据集所属分组选择已有分组或新建“商业数据分析实验”备注写“用于纪律高危型画像分析”。选择数据源在弹出的提醒中点击“好的我知道了”。第一选项选“商业数据分析实验”第二选项选 labs 目录。拖入数据表将 student_attendance_stats 拖拽至画布中央。保存并发布点击画布左上角 “保存” → “保存并发布”。发布后的数据集方可被工作表引用。2.4 制作工作表核心分析2.4.1 整体概况指标卡1纪律高危型总人数新建工作表命名 纪律高危型总人数。选择数据集 学生考勤主题数据集图表类型选 “指标卡”。将 student_id 拖入 值聚合方式设为 去重计数。过滤器添加 attendance_group条件为 包含以下选项 → 纪律高危型。样式调整标题字体16、红色、顶部居中值的字体30、红色、粗体边距16。保存并发布。2纪律高危型男生/女生/未知人数复制上述工作表分别重命名为 纪律高危型男生人数、纪律高危型女生人数、纪律高危型未知性别人数。在过滤器额外增加 gender 字段男生包含“男”女生包含“女”未知包含“未知”样式可微调保持一致。2.4.2 性别特征分析饼图1纪律高危型学生男女人数占比新建工作表选择 饼图。值student_id去重计数分类gender。过滤器gender → 排除“未知”attendance_group → 包含“纪律高危型”样式标签显示形式勾选 百分比内环大小50%扇形圆角半径10主题色可自定义。2全校学生男女人数占比对比基准新建工作表相同饼图配置但不添加 attendance_group 过滤仅排除 gender 未知。结果示例纪律高危型男生44.88%女生55.12%全校男生53.03%女生46.97%3初步分析女生在高危群体中占比略高于其全校基数表明女生违纪风险真实更高并非性别基数差异导致。仅针对数据本身分析2.4.3 年级特征分析柱状图新建工作表图表类型 柱状图。X轴gradeY轴student_id去重计数。过滤器attendance_group 包含“纪律高危型”。样式主题色与饼图统一边框色设为无。观察高三人数最多约341人高一、高二较少。从年级分布柱状图可以看出纪律高危型学生在各年级的分布存在明显差异其中高三年级的高危学生人数最多高一和高二年级的高危学生人数相对较少。这可能与高三学生面临的升学压力、在校时间长度以及部分学生的课程安排调整有关例如备考节奏紧张、校外培训或特殊升学路径安排都可能导致考勤行为出现波动。2.4.4 校区×年级交叉特征堆叠柱状图沿用上一步柱状图增加 分组campus_type。过滤器不变。结果老校区各年级高危人数远高于新校区高三老校区达341人。2.4.5 不同校区各年级学生人数基数对比新建堆叠柱状图不加任何考勤群体过滤仅分组 campus_typeX轴 gradeY轴 student_id。得到全校新老校区各年级学生基数高一老214新14高二老260新27高三老341新0结合高危分布可知纪律高危型学生的校区分布差异显著• 老校区是高危学生的主要聚集地各年级高危人数均明显高于新校区高三年级高危人数达到峰值。• 新校区的高危学生整体规模较小高三年级无高危学生记录。仅从高危群体的分布来看老校区的违纪行为发生率远高于新校区且高危人数随年级升高呈明显增长态势。为进一步判断这一差异是否由校区本身的学生基数导致下一步将引入全校新、老校区的学生总人数数据进行交叉对比排除基数干扰分析校区管理模式、通勤条件、学风氛围等因素对学生考勤行为的真实影响。2.4.6 班级特征分析水平条图图表类型 水平条图。Y轴class_nameX轴student_id去重计数。过滤器attendance_group 包含“纪律高危型”。排序X轴按降序排列使高危人数多的班级排在上方分析 从班级水平条图可以清晰看到纪律高危型学生高度集中在少数班级其中高三 13 班高危人数最多37 人其次为高三 11 班、高三 08 班等多数班级高危人数极少呈现明显的班级聚集性。结合年级分布特征来看高危学生主要集中在高三年级的部分班级这既与高三学生升学备考节奏紧张、课程安排灵活有关也说明高危行为与班级管理强度、班风氛围、同伴影响密切相关。少数薄弱班级需要重点整治通过加强班主任监管、整顿班风阻断不良风气传染。2.5 搭建综合仪表盘新建仪表盘点击左侧 “仪表盘” → “” → “新建仪表盘”名称为 纪律高危型学生用户画像分析。添加标题组件拖拽 文本组件输入“纪律高危型学生用户画像分析”设置字体大小24、加粗、居中。拖入工作表切换到 “工作表” 选项卡将上述所有已发布的工作表依次拖拽到画布中。添加分析结论文本拖拽多个文本组件将各步骤的分析结论如性别对比、年级分布解读、校区交叉结论、班级聚集现象直接书写在仪表盘上关闭“超出隐藏”以支持换行。调整布局拖动组件右下角改变大小合理安排图表位置形成从左到右、从上到下的阅读流。发布与分享点击 “发布”然后点击 “预览” 查看全屏效果。最后点击 “分享”复制链接即可分享给他人。最终仪表盘效果截图包含指标卡、饼图、柱状图、堆叠图、水平条图以及对应的文字分析段落。三、实验结果4.1 整体概况纪律高危型学生存在高频迟到、早退、请假及校服违规行为多维度违纪叠加是校园考勤管理中最需重点关注的群体。该群体人数占比虽可控但行为影响大易引发不良风气需专项治理3.2 核心特征1. 性别特征女生为高危群体主体占比显著高于男生是高危行为的主要发生对象仅针对该数据2. 年级特征高度集中于高年级随年级升高高危学生占比明显上升高年级学生学业压力大、自主空间广、心态浮躁对考勤纪律重视度下降3. 校区特征在不同校区呈现明显分布差异高危学生高度集中在老校区新校区风险较低与校区通勤条件、管理模式、学风氛围密切相关4. 班级特征存在明显班级聚集性集中在少数管理薄弱、班风涣散的班级与班级管理强度、同伴效应直接相关3.3 管理建议1. 重点关注高年级女生群体针对性开展考勤纪律教育与时间管理培训强化规则意识减少违纪行为发生2. 加强老校区高年级管理针对老校区优化通勤管理、强化考勤监督营造严谨学风氛围降低学生违纪风险3. 整治高危学生集中班级加强班主任监管力度整顿班风建立班级考勤责任制阻断不良风气传染4. 建立高危学生台账一对一建档家校联动制定个性化矫正方案跟踪干预效果防止违纪行为固化四、问题与解决在实验过程中我遇到了以下几个典型问题记录如下问题1指标卡中“去重计数”默认不是去重现象将 student_id 拖入“值”后显示的数字远大于实际学生总数例如显示1.2万实际只有400多。原因默认聚合方式是“计数”包括重复值而 student_id 在数据集中可能存在重复每个学生多条考勤记录。解决方法点击字段下拉菜单将聚合方式改为 “去重计数”此时数值恢复正常。问题2饼图中性别“未知”未被过滤导致百分比异常现象纪律高危型性别占比饼图出现了“未知”类别且占比很大如80%以上失去分析意义。原因遗漏了对 gender 字段的过滤。解决方法在过滤器添加 gender选择 “排除以下选项” 并勾选“未知”。注意两个过滤器gender 和 attendance_group是“与”的关系。问题3仪表盘中的文本组件无法换行现象输入长段落分析结论时文本自动横向滚动不换行。原因文本组件默认开启了“超出隐藏”。解决方法在组件属性中 关闭“超出隐藏”然后手动输入换行或调整组件宽度即可自动换行。问题4保存工作表后在仪表盘中找不到新做的工作表现象仪表盘的“工作表”列表中没有刚保存的工作表。原因保存时未点击 “保存并发布”只点了“保存”导致工作表未发布。解决方法重新打开该工作表点击“保存”旁的下拉按钮选择 “保存并发布”。或者再次修改任意内容后发布。五、实验总结5.1 收获通过本次实验我全面掌握了助睿BI平台进行零代码数据分析与可视化的完整流程学会了从数据库表构建数据集并发布供工作表使用熟练使用指标卡、饼图、柱状图、堆叠柱状图、水平条图等多种图表组件掌握了过滤器、聚合方式、样式调整、分组等核心配置技巧能够搭建综合仪表盘将多个图表和分析文字有机整合形成一份可交互的数据报告学会了发布与分享仪表盘实现与团队或管理者的快速共享。更重要的是我深刻体会到数据驱动管理的价值仅凭直觉认为“高年级纪律差”是不够的通过对比全校基数、校区分布等数据可以精准定位问题所在——老校区高三年级、少数薄弱班级才是真正的“重灾区”。5.2 对助睿平台的评价助睿数智Uniplore作为一站式零代码数据科学平台在本次实验中表现出以下优势上手简单无需编写SQL或代码拖拽式操作对非技术用户非常友好。功能完整从数据接入、ETL虽本次未使用、可视化到仪表盘发布全链路覆盖。协作便捷发布后的仪表盘可一键分享链接接收方无需登录即可查看适合汇报场景。灵活性强过滤器、聚合、分组、样式自定义等自由度较高能满足常见分析需求。建议改进有时“保存”与“保存并发布”容易混淆新手可能忘记发布导致图表找不到希望后续版本在保存时增加“是否发布”提示。
保姆级教程！零代码搞定学生考勤高危群体画像分析（指标卡 + 饼图 + 仪表盘，附完整操作步骤）
一、实验背景1.1 实验目的本次实验基于前期已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表 student_attendance_stats专门针对 “纪律高危型” 群体进行深度画像分析。该群体存在高频违纪、多维度异常叠加等行为特征是校园考勤管理中风险最高、影响最大的群体。通过专项画像我们希望掌握使用助睿BI零代码可视化平台进行数据探索与图表制作的方法学会搭建综合仪表盘完成从数据到洞察的完整分析流程挖掘纪律高危型学生的性别、年级、校区、班级分布规律为精准干预提供数据支撑。1.2 实验环境平台助睿数智Uniplore一站式数据科学实验平台实验地址https://lab.guilian.cn/产品官网https://www.uniplore.com/主要模块助睿BI数据可视化探索平台用于制作图表、仪表盘MySQL数据库存放源表 student_attendance_stats数据源团队私有数据库中已建好的 student_attendance_stats 表包含聚类簇编号 cluster 和考勤群体分类 attendance_group实验设备普通计算机可访问互联网具有数据库连接权限1.3 整体处理流程二、实验步骤以下每个步骤均包含操作说明、关键截图以文字说明截图内容代替和配置要点。2.1 进入助睿BI操作说明登录助睿实验平台点击左侧菜单栏的 “助睿BI”进入可视化探索界面。配置要点无需特殊配置确认能正常访问即可。2.2 连接数据源操作说明由于上一个实验已创建团队私有数据库连接本次无需重复连接直接复用即可。配置要点确保 student_attendance_stats 表存在于 labs 目录下。2.3 构建数据集新建数据集点击左侧 “数据集” → 左上角 “” → “新建数据集”命名为 学生考勤主题数据集所属分组选择已有分组或新建“商业数据分析实验”备注写“用于纪律高危型画像分析”。选择数据源在弹出的提醒中点击“好的我知道了”。第一选项选“商业数据分析实验”第二选项选 labs 目录。拖入数据表将 student_attendance_stats 拖拽至画布中央。保存并发布点击画布左上角 “保存” → “保存并发布”。发布后的数据集方可被工作表引用。2.4 制作工作表核心分析2.4.1 整体概况指标卡1纪律高危型总人数新建工作表命名 纪律高危型总人数。选择数据集 学生考勤主题数据集图表类型选 “指标卡”。将 student_id 拖入 值聚合方式设为 去重计数。过滤器添加 attendance_group条件为 包含以下选项 → 纪律高危型。样式调整标题字体16、红色、顶部居中值的字体30、红色、粗体边距16。保存并发布。2纪律高危型男生/女生/未知人数复制上述工作表分别重命名为 纪律高危型男生人数、纪律高危型女生人数、纪律高危型未知性别人数。在过滤器额外增加 gender 字段男生包含“男”女生包含“女”未知包含“未知”样式可微调保持一致。2.4.2 性别特征分析饼图1纪律高危型学生男女人数占比新建工作表选择 饼图。值student_id去重计数分类gender。过滤器gender → 排除“未知”attendance_group → 包含“纪律高危型”样式标签显示形式勾选 百分比内环大小50%扇形圆角半径10主题色可自定义。2全校学生男女人数占比对比基准新建工作表相同饼图配置但不添加 attendance_group 过滤仅排除 gender 未知。结果示例纪律高危型男生44.88%女生55.12%全校男生53.03%女生46.97%3初步分析女生在高危群体中占比略高于其全校基数表明女生违纪风险真实更高并非性别基数差异导致。仅针对数据本身分析2.4.3 年级特征分析柱状图新建工作表图表类型 柱状图。X轴gradeY轴student_id去重计数。过滤器attendance_group 包含“纪律高危型”。样式主题色与饼图统一边框色设为无。观察高三人数最多约341人高一、高二较少。从年级分布柱状图可以看出纪律高危型学生在各年级的分布存在明显差异其中高三年级的高危学生人数最多高一和高二年级的高危学生人数相对较少。这可能与高三学生面临的升学压力、在校时间长度以及部分学生的课程安排调整有关例如备考节奏紧张、校外培训或特殊升学路径安排都可能导致考勤行为出现波动。2.4.4 校区×年级交叉特征堆叠柱状图沿用上一步柱状图增加 分组campus_type。过滤器不变。结果老校区各年级高危人数远高于新校区高三老校区达341人。2.4.5 不同校区各年级学生人数基数对比新建堆叠柱状图不加任何考勤群体过滤仅分组 campus_typeX轴 gradeY轴 student_id。得到全校新老校区各年级学生基数高一老214新14高二老260新27高三老341新0结合高危分布可知纪律高危型学生的校区分布差异显著• 老校区是高危学生的主要聚集地各年级高危人数均明显高于新校区高三年级高危人数达到峰值。• 新校区的高危学生整体规模较小高三年级无高危学生记录。仅从高危群体的分布来看老校区的违纪行为发生率远高于新校区且高危人数随年级升高呈明显增长态势。为进一步判断这一差异是否由校区本身的学生基数导致下一步将引入全校新、老校区的学生总人数数据进行交叉对比排除基数干扰分析校区管理模式、通勤条件、学风氛围等因素对学生考勤行为的真实影响。2.4.6 班级特征分析水平条图图表类型 水平条图。Y轴class_nameX轴student_id去重计数。过滤器attendance_group 包含“纪律高危型”。排序X轴按降序排列使高危人数多的班级排在上方分析 从班级水平条图可以清晰看到纪律高危型学生高度集中在少数班级其中高三 13 班高危人数最多37 人其次为高三 11 班、高三 08 班等多数班级高危人数极少呈现明显的班级聚集性。结合年级分布特征来看高危学生主要集中在高三年级的部分班级这既与高三学生升学备考节奏紧张、课程安排灵活有关也说明高危行为与班级管理强度、班风氛围、同伴影响密切相关。少数薄弱班级需要重点整治通过加强班主任监管、整顿班风阻断不良风气传染。2.5 搭建综合仪表盘新建仪表盘点击左侧 “仪表盘” → “” → “新建仪表盘”名称为 纪律高危型学生用户画像分析。添加标题组件拖拽 文本组件输入“纪律高危型学生用户画像分析”设置字体大小24、加粗、居中。拖入工作表切换到 “工作表” 选项卡将上述所有已发布的工作表依次拖拽到画布中。添加分析结论文本拖拽多个文本组件将各步骤的分析结论如性别对比、年级分布解读、校区交叉结论、班级聚集现象直接书写在仪表盘上关闭“超出隐藏”以支持换行。调整布局拖动组件右下角改变大小合理安排图表位置形成从左到右、从上到下的阅读流。发布与分享点击 “发布”然后点击 “预览” 查看全屏效果。最后点击 “分享”复制链接即可分享给他人。最终仪表盘效果截图包含指标卡、饼图、柱状图、堆叠图、水平条图以及对应的文字分析段落。三、实验结果4.1 整体概况纪律高危型学生存在高频迟到、早退、请假及校服违规行为多维度违纪叠加是校园考勤管理中最需重点关注的群体。该群体人数占比虽可控但行为影响大易引发不良风气需专项治理3.2 核心特征1. 性别特征女生为高危群体主体占比显著高于男生是高危行为的主要发生对象仅针对该数据2. 年级特征高度集中于高年级随年级升高高危学生占比明显上升高年级学生学业压力大、自主空间广、心态浮躁对考勤纪律重视度下降3. 校区特征在不同校区呈现明显分布差异高危学生高度集中在老校区新校区风险较低与校区通勤条件、管理模式、学风氛围密切相关4. 班级特征存在明显班级聚集性集中在少数管理薄弱、班风涣散的班级与班级管理强度、同伴效应直接相关3.3 管理建议1. 重点关注高年级女生群体针对性开展考勤纪律教育与时间管理培训强化规则意识减少违纪行为发生2. 加强老校区高年级管理针对老校区优化通勤管理、强化考勤监督营造严谨学风氛围降低学生违纪风险3. 整治高危学生集中班级加强班主任监管力度整顿班风建立班级考勤责任制阻断不良风气传染4. 建立高危学生台账一对一建档家校联动制定个性化矫正方案跟踪干预效果防止违纪行为固化四、问题与解决在实验过程中我遇到了以下几个典型问题记录如下问题1指标卡中“去重计数”默认不是去重现象将 student_id 拖入“值”后显示的数字远大于实际学生总数例如显示1.2万实际只有400多。原因默认聚合方式是“计数”包括重复值而 student_id 在数据集中可能存在重复每个学生多条考勤记录。解决方法点击字段下拉菜单将聚合方式改为 “去重计数”此时数值恢复正常。问题2饼图中性别“未知”未被过滤导致百分比异常现象纪律高危型性别占比饼图出现了“未知”类别且占比很大如80%以上失去分析意义。原因遗漏了对 gender 字段的过滤。解决方法在过滤器添加 gender选择 “排除以下选项” 并勾选“未知”。注意两个过滤器gender 和 attendance_group是“与”的关系。问题3仪表盘中的文本组件无法换行现象输入长段落分析结论时文本自动横向滚动不换行。原因文本组件默认开启了“超出隐藏”。解决方法在组件属性中 关闭“超出隐藏”然后手动输入换行或调整组件宽度即可自动换行。问题4保存工作表后在仪表盘中找不到新做的工作表现象仪表盘的“工作表”列表中没有刚保存的工作表。原因保存时未点击 “保存并发布”只点了“保存”导致工作表未发布。解决方法重新打开该工作表点击“保存”旁的下拉按钮选择 “保存并发布”。或者再次修改任意内容后发布。五、实验总结5.1 收获通过本次实验我全面掌握了助睿BI平台进行零代码数据分析与可视化的完整流程学会了从数据库表构建数据集并发布供工作表使用熟练使用指标卡、饼图、柱状图、堆叠柱状图、水平条图等多种图表组件掌握了过滤器、聚合方式、样式调整、分组等核心配置技巧能够搭建综合仪表盘将多个图表和分析文字有机整合形成一份可交互的数据报告学会了发布与分享仪表盘实现与团队或管理者的快速共享。更重要的是我深刻体会到数据驱动管理的价值仅凭直觉认为“高年级纪律差”是不够的通过对比全校基数、校区分布等数据可以精准定位问题所在——老校区高三年级、少数薄弱班级才是真正的“重灾区”。5.2 对助睿平台的评价助睿数智Uniplore作为一站式零代码数据科学平台在本次实验中表现出以下优势上手简单无需编写SQL或代码拖拽式操作对非技术用户非常友好。功能完整从数据接入、ETL虽本次未使用、可视化到仪表盘发布全链路覆盖。协作便捷发布后的仪表盘可一键分享链接接收方无需登录即可查看适合汇报场景。灵活性强过滤器、聚合、分组、样式自定义等自由度较高能满足常见分析需求。建议改进有时“保存”与“保存并发布”容易混淆新手可能忘记发布导致图表找不到希望后续版本在保存时增加“是否发布”提示。
