原始数据清洗→多维度聚合 ETL→指标体系搭建→可视化大屏落地，理解提前聚合明细数据、避免大屏实时查海量原始数据的工程意义；熟练使用 Uniplore 零代码 ETL：分组聚合、值映射、JS 条件判断、表关联、单位换算等常用数据处理逻辑；掌握数据大屏设计规范：遵循「总览 - 细分 - 细节」叙事逻辑、不同指标匹配合适图表类型；理解 Max 蓝图编辑器数据源、触发器、数据分发的运行逻辑。

本次实验通过零代码 K-Means 聚类完成学生考勤行为分群，成功构建考勤主题扩展标签。实现了从数据建模、可视化解读到标签回写的全流程操作，输出可直接用于校园管理的学生考勤画像。验证了助睿数智平台在教育场景数据挖掘、用户画像构建中的实用性与便捷性。考勤画像可视化分析完成纪律高危型学生全维度可视化分析，清晰揭示群体分布规律与行为特征。依托助睿 BI 实现指标卡、饼图、柱状图、水平条图、综合仪表盘全场