本次实验依托助睿 Uniplore一站式数据科学平台，基于已有的学生考勤主题标签表，以迟到、早退、请假、未穿校服次数作为核心特征，使用K-Means 无监督聚类算法完成学生考勤行为自动分群。结合数据可视化解读聚类结果，为不同聚类簇赋予业务含义，划分出多类考勤群体；最后通过 ETL 工具将聚类编号、群体标签回写至原始数据表，完成考勤扩展标签构建，为校园学生行为分析、精细化管理与精准干预提供数据支撑。

通过本次互联网用户行为日志数据加工实验，我熟练掌握了半结构化日志ETL全流程处理方法，突破了纯零代码组件的使用局限，学会了零代码组件+Java代码混合开发的数据处理模式，能够独立完成TXT文本日志解析、字段拆分、结构化入库的完整操作。

校园考勤数据分散在多张表中，传统人工 Excel 统计效率低、口径不统一、难深度分析。本次实验基于 “数智教育” 大赛数据集，用助睿零代码 ETL 平台，完成学生考勤多维度标签构建，替代人工流程、固化统计口径，输出标准化考勤统计台账。本次实验基于助睿零代码 ETL 平台，完成学生考勤主题标签全流程构建，从 3 张原始数据表中，加工出含15 个字段的标准化考勤标签表，实现 4 类异常考勤自动统计、3