校园考勤数据实战：ETL 全流程 + BI 可视化从 0 到 1 搭建

1 实验说明

1.1 实验目的

基于已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表，本实验聚焦“纪律高危型”群体，分析其行为特征。相比其他群体，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。通过专项画像分析，可为精准干预和重点整治提供数据支撑，助力校园精细化管理。

1.2 实验环境

• 工具：助睿数智（Uniplore）在线实验平台：https://lab.guilan.cn/， 助睿数智（Uniplore）是AI驱动的一站式数据科学平台，覆盖从数据接入、ETL处理、机器学习建模到可视化展示的全链路零代码功能，产品官网为 https://www.uniplore.com/，本次实验主要用到 助睿BI （数据可视化探索平台）、MySQL数据库

• 数据源：student_attendance_stats 学生考勤主题标签表

• 实验设备：计算机（支持助睿平台运行，具备数据库连接权限）

2 实验数据

数据结构 student_attendance_stats 学生考勤主题标签表的数据结构如下：

样例数据

3 实验步骤

3.1 进入助睿BI

进入实验平台后，点击左边菜单的“助睿BI”，进入助睿BI可视化探索平台

进入助睿BI 平台的首页，可以看到该账户下的数据情况、数据分析处理流程、支持的数据源有哪些

3.2 连接数据源

student_attendance_stats 存放于我们的团队私有数据库中，而上一个实验在“分析聚类簇编号对应的考勤群体分类”时已经创建了团队私有数据库的连接，因此，我们可以直接使用这个数据源，无需再连接数据源。

3.3 构建数据集

接下来，我们使用 student_attendance_stats 构建数据集，用于后续分析 点击左边菜单中的“数据集”

点击左上角“+” - “新建数据集”，在弹窗中输入数据集名称、所属分组、备注信息后点击“确认”

数据集创建成功后，会自动跳到该数据集的配置页面，第一步需要先选择数据源，助睿BI 平台为防止这个步骤遗漏，做了强提醒，点击“好的，我知道了”可关闭提醒

数据源的第一个选项选择我们刚刚新建的数据源“商业数据分析实验” ，第二个选项则选择student_attendance_stats 所在的目录se_group_15

数据源选择完成后，目录下的数据表自动出现在画布左边，将student_attendance_stats拖拽至画布中

查看数据的表结构及数据，由于我们之前实验中的建表语句中已经包含了字段的中文备注，因此，这里我们不需要设置字段备注，直接点击画布左上角“保存”按钮

在保存提示中点击“保存并发布”，只有发布后的数据集才能在工作表中引用

3.4 制作工作表

工作表是承载可视化图表、开展数据分析的基础单元 点击左边菜单中的“工作表”，进入工作表模块

为方便管理，相同主题分析的工作表最好都放置在一个目录下，点击左上角的“+” - “新建分组”，在弹窗中输入分组名称、选择所属分组、填写备注信息后点击“确认”

3.4.1 整体概况指标卡

指标卡是助睿BI 平台中用于直观展示核心统计数值的基础组件，能够快速呈现关键指标，便于整体把控高危群体概况。

3.4.1.1 纪律高危型总人数

右键或者点击学生考勤主题分析分组的“…”，在操作列表中点击“新建工作表

在弹窗中输入工作表名称为“自律模范型人数”、选择所属分组、填写备注信息后点击“确认”

自动跳转到工作表设计页面，点击右上角“好的，我知道了”来关闭提醒

在数据集下拉框中选择广告构建的数据集“学生考勤主题数据集”

自律模范型人数=自律模范型中的所有学生ID去重计数 在左边基础图表中点击“指标卡”

将字段“student_id（学生ID）”拖拽到值，点开字段“student_id”的聚合类型，点击“去重计数”

点击图形设置图标打开设置面板，点击过滤器中的“+”，在下拉框中选择“attendance_group（考勤群体分类）”，并点击“确认”

点击过滤器中“attendance_group”后的“···” - “编辑”，在过滤器配置中点击“包含以下选项”，并勾选“纪律高危型”，在点击“确认”

指标卡即显示纪律高危型人数

接下来，我们可以点击“样式设置”，对指标卡样式进行调整

点开基础设置，将4个边距都改为最大值16

点开标题设置，将标题字体大小改色16，字体颜色改为红色，显示位置改为顶部居中

点开值设置，将字体大小改为30，字体颜色改为红色，粗体开关保持打开，显示位置保持水平居中

点击“保存”按钮，在保存提示中点击“保存并发布”

点击“显示分组”按钮，即可看到学生总人数指标卡已经发布成功

3.4.1.2 纪律高危型男生人数

参考“3.4.1.1 纪律高危型总人数”步骤，重新新建工作表“纪律高危型男生人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“男”

再调整一下样式即可

3.4.1.3 纪律高危型女生人数

参考“3.4.1.1 自律模范型人数”步骤，重新新建工作表“纪律高危型女生人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“女”

再调整一下样式即可

3.4.1.4 纪律高危型未知性别人数

参考“3.4.1.1 自律模范型人数”步骤，重新新建工作表“高危型未知性别人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“未知”

再调整一下样式即可

3.4.1.5 整体指标分析

从整体指标卡可以清晰看到，纪律高危型学生总人数为 195 人，其中男生 13人、女生 11人、未知性别 171人。高危群体整体规模清晰，其中男生人数多于女生，说明高危群体存在明显的性别分布特点，需要从性别角度进一步深入分析。

3.4.2 纪律高危型学生性别特征分析

在该环节，我们制作纪律高危型学生性别占比饼图，同时结合全校性别基数数据，分析高危群体的性别倾向

3.4.2.1 纪律高危型学生男女人数占比

新建工作表“纪律高危型学生男女人数占比”

数据集选择“学生考勤主题数据集”，图表类型选择“饼图”

将字段“student_id”拖拽到值，“gender”拖拽到分类，并将“student_id”的聚合方式设置为“去重计数”

可以看到存在性别“未知”数据，需要将“未知”数据过滤掉，点击图像设置，并点击过滤器中的“+”，在下拉列表中选择“gender”，最后点击“确认”

点击过滤器中的“gender”后的“···”，并点击“编辑”，在过滤器设置中点击“排除以下选项”，勾选“未知”，点击“确认”

并点击过滤器中的“+”，在下拉列表中选择“attendance_group”，最后点击“确认”

点击过滤器中的“attendance_group”后的“···”，并点击“编辑”，在过滤器设置中点击“包含以下选项”，勾选“纪律高危型”，点击“确认”

系统默认的饼图没有百分比标签数据，我们可以点击“样式设置” - “图表元素设置” - “标签显示形式” - “勾选百分比”

其他样式可根据自身需求设置，例如图表元素设置中的内环大小设置为“50%”，扇形设置中的扇形圆角半径设置为“10”

还可以修改主题色

样式调整完毕后，点击“保存”按钮，“保存并发布”工作表

3.4.2.2 全校学生男女人数占比

为了排除性别基数差异带来的误判，我们需要分析全校学生男女人数占比 新建工作表“全校学生男女人数占比”

参考“3.4.2.1 纪律高危型学生男女人数占比”步骤，完成饼图制作，过滤器中只需要过滤掉性别“未知”的数据，考勤群体分类“attendance_group”无需做过滤

3.4.2.3 性别特征分析

排除性别未知数据的情况下：

从全校性别分布来看，男生本身基数略高于女生，占比为 53.03%，女生占比为 46.97%

在纪律高危型学生群体中，男生占比进一步上升至 54.17%，女生占比则下降至 45.83%

对比两组数据可以发现，男生在高危群体中的占比（54.22%），略高于其在全校的基数占比（53.03%）；而女生在高危群体中的占比（45.78%），则低于其在全校的基数占比（46.97%）

这一结果表明，纪律高危型学生中男生占比偏高，并非由全校性别基数差异导致，而是男生在考勤违纪行为上的真实风险更高。男生规则意识、时间观念相对薄弱，更易出现高频违纪行为，因此是高危群体的主要构成对象，后续管理需针对性加强男生考勤纪律引导

3.4.3 纪律高危型学生年级特征分析

在该环节，我们制作纪律高危型学生年级分布堆叠条形图，观察不同年级高危学生的情况 新建工作表“纪律高危型学生年级特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“柱状图”

将字段“grade”拖拽到X轴，“student_id”拖拽到Y轴，并将“student_id”的聚合方式设置为“去重计数”

点击图像设置按钮，在过滤器中添加字段“attendance_group”

点击“attendance_group”后的“···” - “编辑”，在过滤器配置窗口中点击“包含以下选项”，勾选“纪律高危型”，最后点击“确认”

分析： 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。 点击“样式设置”，将主题色设置为与上一个饼图的主题色一样，并点击“图表元素设置”，将边框色设置为无边框色

点击“保存”按钮，“保存并发布”工作表

3.4.4 纪律高危型学生校区类型 + 年级交叉特征分析

在该环节，为进一步探究高危学生在不同校区、不同年级的分布规律，我们制作纪律高危型学生校区类型 + 年级交堆叠状图，直观呈现各年级下新、老校区高危学生的人数分布情况，精准定位高危行为的高发区域 新建工作表“纪律高危型学生校区类型与年级交叉特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“柱状图”

参考“3.4.3 纪律高危型学生年级特征分析”的步骤，先完成纪律高危型学生年级分布柱状图

接下来，将字段“campus_type”拖拽至“分组”

将主题色设置成与上一个图表的主题色，并取消边框色

分析： 从校区类型 + 年级交叉柱状图可以看出，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，其中高一 28 人、高二 59 人、高三 117 人，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，仅高一 1人、高二 8 人有少量分布，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。

先点击“保存”按钮，“保存并发布”工作表

3.4.5 不同校区类型各年级学生人数

新建工作表“不同校区类型各年级学生人数”

参考“纪律高危型学生校区类型 + 年级交叉特征分析”步骤，完成不同校区类型各年级学生人数堆叠柱状图，过滤器不添加任何字段

分析： 高一：老校区 1169 人，新校区 148 人 高二：老校区 1374 人，新校区 295 人 高三：老校区 1883 人，新校区无学生分布 结合纪律高危型学生校区类型 + 年级交叉特征分析可以发现：

• 高三老校区是高危行为的绝对高发区：高三年级学生全部集中在老校区，且高危学生人数达到 261 人，是所有校区和年级中的最高值，这一结果与高危群体年级分布特征高度吻合。

• 新校区整体风险可控：新校区学生基数较小，高危学生人数也相应较少，且高三年级无学生分布，因此不存在高三高危学生，整体考勤纪律表现优于老校区。

综合来看，老校区，尤其是高三年级，是纪律高危型学生的核心聚集区，后续管理需重点聚焦老校区高年级学生群体，结合校区通勤条件、管理模式、学风氛围等因素，制定针对性的考勤管理措施。

3.4.6 纪律高危型学生班级特征分析

接下来我们分析纪律高危型学生的班级特征，定位高危学生集中的班级

新建工作表“纪律高危型学生班级特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“水平条图”

将字段“class_name”拖拽至Y轴，“student_id”拖拽至X轴，并将“student_id”的聚合方式设置为“去重计数”

过滤器中添加字段“attendance_group”

点击“attendance_group”后的“···” - “编辑”，过滤器设置中点击“包含以下选项”。勾选“纪律高危型”，最后点击“确认”

为了方便观察高危型学生的集中班级，我们可以将“student_id”按降序排序，这样人数多的班级就排在前面

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 09 班高危人数最多（19 人），其次为高三 08 班、高三 02 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。

点击样式设置，将主题色设置为同之前的图表的主题色一样

点击“保存”按钮，“保存并发布”工作表

3.5 搭建综合仪表盘

点击左边菜单栏中的“仪表盘”

点击左上角“+” - “新建仪表盘

仪表盘名字输入“纪律高危型学生用户画像分析”，备注信息输入“纪律高危型学生用户画像分析”，点击“确认”

在右边组件与工作表区域，点击“基础组件”

拖拽一个文本组件到画布中

文本内容输入“纪律高危型学生用户画像分析”，并设置字体颜色、字体大小、加粗、居中

关闭组件窗口，组件右下角可以拖动跳转组件大小，参考下图调整

点击图表组件显示按钮，切换到“工作表”，将3.4节中制作的工作表都拖拽至画布中

拖入完毕后，使用鼠标对图表大小和布局进行调整，同时将以上的分析使用“文本”组件呈现在仪表盘中，形成完成的分析仪表盘，“文本”组件可通过关闭“超出隐藏”开关来实现换行

预期效果如下：

设计完毕后，点击“发布”，保存并发布仪表盘

点击“预览”即可全屏查看仪表盘

发布成功后，可以点击“分享”，并选择不同的分享方式将仪表盘分享给其他人查看

将分享的信息复制发送给其他人，其他人即可点击仪表盘的分享链接进行查看

4 纪律高危型学生画像分析总结

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

4.2 核心特征

1. 性别特征：男生为高危群体主体，占比显著高于女生，是高危行为的主要发生对象，与男生规则意识薄弱、时间观念不足相关

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

4.3 管理建议

1. 重点关注高年级男生群体：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

以上分析总结可以添加在仪表盘后面：

5 实现过程问题与解决

问题1：数据库连接异常，无法加载考勤数据表

• 问题描述：在助睿BI平台连接团队私有MySQL数据库时，出现连接超时、无法找到labs目录及student_attendance_stats表，导致数据无法接入。

• 解决方案：核对数据库连接参数（地址、端口、账号、密码），确认网络权限正常；重新创建数据源，正确选择“商业数据分析实验”数据源与labs目录，刷新数据表列表后成功加载。

问题2：数据缺失与异常，影响分析结果准确性

• 问题描述：gender、birth_date存在大量“未知”值，部分违纪计数字段为空，造成指标统计失真、图表展示异常。

• 解决方案：在数据集配置阶段对数值型空值置0处理；在可视化分析时通过过滤器排除“未知”类别数据，保证维度分析有效；重新发布数据集后指标计算正常。

6 实验总结

本次实验以K-Means聚类标注后的学生考勤主题标签表为数据基础，依托助睿数智Uniplore平台完成数据ETL处理与纪律高危型学生群体专项画像分析。实验依次完成数据源连接、数据集构建与发布、工作表制作、多维度可视化分析及综合仪表盘搭建，从整体规模、性别、年级、校区、班级五个维度，精准识别纪律高危型学生的行为特征与分布规律。

通过实验，我熟练掌握了BI工具的数据接入、清洗、数据集管理、图表制作与仪表盘部署全流程操作，能够运用指标卡、饼图、柱状图等组件开展多维度数据探索，实现聚类分析结果在校园考勤管理中的落地应用。实验不仅提升了数据处理与可视化分析的实践能力，也深刻理解了数据驱动在学生精细化管理中的价值，为后续开展同类教育数据挖掘与分析工作奠定了扎实基础。