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。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”。新建堆叠柱状

【实验摘要】基于学生考勤数据，本研究通过助睿数智平台实现无监督学习与业务画像转化闭环。采用K-Means算法将学生分为三类群体：C1（自律模范型）异常行为极少，C2（轻微波动型）偶发违规需提醒，C3（纪律高危型）高频多维度违纪需重点干预。实验创新性结合AIStudio建模、BI可视化解读与ETL标签固化，解决了聚类结果解释性差（通过散点图分析赋予业务含义）和数据回写类型错误（字段类型强制转换）等关

【实验摘要】基于学生考勤数据，本研究通过助睿数智平台实现无监督学习与业务画像转化闭环。采用K-Means算法将学生分为三类群体：C1（自律模范型）异常行为极少，C2（轻微波动型）偶发违规需提醒，C3（纪律高危型）高频多维度违纪需重点干预。实验创新性结合AIStudio建模、BI可视化解读与ETL标签固化，解决了聚类结果解释性差（通过散点图分析赋予业务含义）和数据回写类型错误（字段类型强制转换）等关

​ 使用记录集连接组件，将考勤主表与考勤类型码表关联——因为考勤记录表只有考勤类型ID（attendance_type_id）和考勤任务顺序ID（control_task_order_id ），缺少具体的考勤行为名称，而通过记录集连接组件进行连接，即可为每条考勤记录补充“正常考勤”“没穿校服”“迟到”“请假”等具体行为信息，确保后续能准确识别各类考勤行为。双击“分组”组件，设置分组字段为“stu_

通过本次实验，我们掌握了助睿零代码ETL平台的基本使用流程，包括如何创建项目、同步数据源、新建转换流、添加并配置组件、执行转换以及查看运行结果。同时，也学会了表输入、记录集连接、字段选择、过滤记录、Excel输出等常用组件的配置方法，进一步理解了多表关联和条件分流在实际数据处理中的应用。与传统依赖编写SQL和脚本的方式相比，助睿平台采用拖拽式、零代码的操作方式，更加直观。各个组件之间的数据传递路径