本实验基于学生考勤数据，使用K-Means聚类算法实现自动分群。通过AIStudio平台零代码完成数据加载、聚类建模和结果入库，将学生划分为三类群体：自律模范型（C1）、轻微波动型（C2）和纪律高危型（C3）。借助助睿BI平台进行可视化分析，制作6组散点图展示考勤指标关系，并通过仪表盘集中呈现。最后将聚类结果回写到考勤表，新增cluster和attendance_group字段，形成完整的数据闭环

本系列实验基于多平台自媒体作品数据，利用助睿数智平台完成数据分析全流程。实验7-1通过ETL工具进行数据清洗与预处理，采用分支处理设计输出全平台概况表与重点平台分析表；实验7-2构建标题特征（如"保姆级"等关键词）并计算互动指标；实验7-3通过BI工具制作包含核心指标卡、排名图表、标题影响分析等可视化仪表盘。实验验证了标题关键词对互动量的显著影响，展示了零代码工具实现完整数据分

本实验基于800多万条用户行为日志，通过ETL流程加工了浏览器市场分析所需的6类统计表。实验从daily_browser_detail明细表出发，依次完成了周活跃趋势、使用频率分级、浏览器使用数量分布、工作日/周末对比等维度统计，并通过关联用户属性表生成了完整的用户画像分析数据。关键操作包括：分组聚合前的字段排序校验、记录集连接的预处理、浏览器名称统一映射、中间字段清理等。实验共使用10余种ETL

本实验基于学生考勤数据，使用K-Means聚类算法实现自动分群。通过AIStudio平台零代码完成数据加载、聚类建模和结果入库，将学生划分为三类群体：自律模范型（C1）、轻微波动型（C2）和纪律高危型（C3）。借助助睿BI平台进行可视化分析，制作6组散点图展示考勤指标关系，并通过仪表盘集中呈现。最后将聚类结果回写到考勤表，新增cluster和attendance_group字段，形成完整的数据闭环