logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

助睿实验作业6:从零搭建浏览器用户画像大屏——静态布局+数据联动+交互下钻全流程

从业务到设计:学会了如何根据用户画像分析的业务问题,选择合适的图表类型,并合理布局大屏的信息层级。理解了不同图表(地图、饼图、柱状图、条形图、指标卡)的适用场景。零代码数据接入:掌握了蓝图编辑器的核心概念(数据源、SQL请求、并行数据处理、全局变量)。通过拖拽节点和编写少量JavaScript代码,就能实现复杂的参数传递、数据查询与分发,大大降低了开发门槛。交互联动配置:学会了使用Tab列表控制图

浏览器市场行为分析大屏全流程(数据加工+静态布局+蓝图数据接入,基于助睿数智平台)

数据加工:使用助睿ETL的“表输入”、“分组”、“值映射”、“JavaScript代码”、“记录集连接”等组件,高效完成多张聚合表的加工,理解了数据仓库“分层加工”的思想。大屏布局设计:从业务问题出发,设计合理的图表选型和布局,利用成组、背景图片、标题装饰等提升大屏美观度。蓝图编辑器:理解了数据源、触发器、动作、并行数据处理等核心概念,能够为不同图表配置SQL查询,并通过数据处理节点灵活转换数据格

#数据分析
补充实验:考勤画像可视化分析

通过本次实验,我完整实践了从数据集构建到仪表盘发布的零代码可视化分析流程。掌握了助睿BI中多种图表(指标卡、饼图、柱状图、水平条图、分组柱状图)的配置方法,学会了利用过滤器进行数据切片、利用排序突出关键信息。更重要的是,我理解了如何结合业务背景(学生考勤管理)进行多维度交叉验证(如引入全校基数对比,排除基数干扰),使分析结论更科学可靠。

助睿实验作业2-学生考勤行为K-Means聚类分群与画像分析

通过本次实验,我完整掌握了以下技能:在助睿AI Studio中零代码完成K-Means聚类建模,包括数据加载、参数配置、结果保存。使用助睿BI进行多维度散点图分析,通过颜色映射和交互探索,为聚类结果赋予实际业务含义。利用数据集成平台(ETL)的字段选择、值映射、更新等组件,将机器学习结果回写至原始业务表,形成闭环的数据加工流程。

#kmeans#聚类#算法
助睿实验作业2-学生考勤行为K-Means聚类分群与画像分析

通过本次实验,我完整掌握了以下技能:在助睿AI Studio中零代码完成K-Means聚类建模,包括数据加载、参数配置、结果保存。使用助睿BI进行多维度散点图分析,通过颜色映射和交互探索,为聚类结果赋予实际业务含义。利用数据集成平台(ETL)的字段选择、值映射、更新等组件,将机器学习结果回写至原始业务表,形成闭环的数据加工流程。

#kmeans#聚类#算法
(学校要求发的,请自行忽略)

这次实验让我直观感受到了零代码平台做数据集成的便利。以前要在代码里写一堆SQL和连接逻辑,现在只需要拖拖拽拽、点点选选,就能快速搭建出一个逻辑清晰的数据处理流水线。我对ETL中“抽取、转换、加载”的理解不再是抽象概念,而是变成了一个个看得见的组件和连线。

#数据分析
到底了