【助睿实验指导】实验3-2：学生用户画像 - 考勤画像可视化分析

Uniplore官方 · 2026 年5 月 18 日 03:06

1 实验说明

1.1 实验目的

基于已完成 K-Means 聚类并标注考勤群体的学生考勤主题标签表，本实验聚焦“纪律高危型”群体，分析其行为特征。相比其他群体，该群体存在高频违纪、多维度异常叠加等行为特征，是校园考勤管理中风险最高、影响最大的群体。通过专项画像分析，可为精准干预和重点整治提供数据支撑，助力校园精细化管理。

1.2 实验环境

- 实验平台：助睿在线实验平台 https://lab.guilian.cn/

本次实验使用助睿数智（Uniplore）作为一站式数据科学平台。该
平台覆盖从数据接入、ETL处理、机器学习建模到可视化展示的全链路零代码功能，适用于数据分析教学与企业数据加工场景。助睿数智官网为：https://www.uniplore.com/
本次实验主要用到 助睿BI （数据可视化探索平台）、MySQL数据库

数据源：student_attendance_stats 学生考勤主题标签表
实验设备：计算机（支持助睿平台运行，具备数据库连接权限）

2 实验数据

数据结构

student_attendance_stats 学生考勤主题标签表的数据结构如下：

字段名	字段类型
id	int
student_id	int
student_name	varchar(50)
class_id	int
class_name	varcharr(50)
grade	varcharr(10)
gender	varchar(10)
birth_date	varchar(10)
political_status	varchar(20)
is_boarder	varchar(10)
campus_type	varchar(10)
late_count	int
early_leave_count	int
leave_count	int
uniform_violate_count	int
create_time	datetime
cluster	varchar(10)
attendance_group	varchar(30)
自增主键	10331
学生ID	13012
学生姓名	张某某
班级ID	794
班级名称	高一(IB)
年级	高一
性别	女
出生日期	未知
政治面貌	共青团员
是否住校	否
校区类型	老校区
迟到次数	1
早退次数	0
请假次数	0
没穿校服次数	0
统计入库时间	2026/5/6 17:31:42
聚类簇编号	C1
考勤群体分类	轻微波动型

样例数据

id	student_id	student_name	class_id	class_name	grade	gender	birth_date	political_status	is_boarder	campus_type	late_count	leave_count	create_time	cluster	attendance_group
1	10842	马某某	672	高三(09)	高三	未知	未知	未知	否	老校区	1	3	2026/5/14 16:00	C3	纪律高危型
2	10844	叶某某	672	高三(09)	高三	未知	未知	未知	否	老校区	0	5	2026/5/14 16:00	C3	纪律高危型
3	10845	孙某某	672	高三(09)	高三	未知	未知	未知	否	老校区	3	0	2026/5/14 16:00	C3	纪律高危型

3 实验步骤

3.1 进入助睿BI

进入实验平台后，点击左边菜单的“助睿BI”，进入助睿BI可视化探索平台

进入助睿BI 平台的首页，可以看到该账户下的数据情况、数据分析处理流程、支持的数据源有哪些

3.2 连接数据源

student_attendance_stats 存放于我们的团队私有数据库中，而上一个实验在“分析聚类簇编号对应的考勤群体分类”时已经创建了团队私有数据库的连接，因此，我们可以直接使用这个数据源，无需再连接数据源。

3.3 构建数据集

接下来，我们使用 student_attendance_stats 构建数据集，用于后续分析

点击左边菜单中的“数据集”

点击左上角“+” - “新建数据集”

在弹窗中输入数据集名称、所属分组、备注信息后点击“确认”

数据集创建成功后，会自动跳到该数据集的配置页面，第一步需要先选择数据源，助睿BI 平台为防止这个步骤遗漏，做了强提醒，点击“好的，我知道了”可关闭提醒

数据源的第一个选项选择我们刚刚新建的数据源“商业数据分析实验” ，第二个选项则选择student_attendance_stats 所在的目录“labs”

数据源选择完成后，labs目录下的数据表自动出现在画布左边，将student_attendance_stats拖拽至画布中

查看数据的表结构及数据，由于我们之前实验中的建表语句中已经包含了字段的中文备注，因此，这里我们不需要设置字段备注，直接点击画布左上角“保存”按钮

在保存提示中点击“保存并发布”，只有发布后的数据集才能在工作表中引用

3.4 制作工作表

工作表是承载可视化图表、开展数据分析的基础单元

点击左边菜单中的“工作表”，进入工作表模块

为方便管理，相同主题分析的工作表最好都放置在一个目录下，点击左上角的“+” - “新建分组”

在弹窗中输入分组名称、选择所属分组、填写备注信息后点击“确认”

3.4.1 整体概况指标卡

指标卡是助睿BI 平台中用于直观展示核心统计数值的基础组件，能够快速呈现关键指标，便于整体把控高危群体概况。

3.4.1.1 纪律高危型总人数

右键或者点击学生考勤主题分析分组的“…”

在操作列表中点击“新建工作表”

在弹窗中输入工作表名称为“纪律高危型人数”、选择所属分组、填写备注信息后点击“确认”

自动跳转到工作表设计页面，点击右上角“好的，我知道了”来关闭提醒

在数据集下拉框中选择广告构建的数据集“学生考勤主题数据集”

纪律高危型人数=纪律高危型中的所有学生ID去重计数

在左边基础图表中点击“指标卡”

将字段“student_id（学生ID）”拖拽到值

点开字段“student_id”的聚合类型，点击“去重计数”

点击图形设置图标打开设置面板

点击过滤器中的“+”，在下拉框中选择“attendance_group（考勤群体分类）”，并点击“确认”

点击过滤器中“attendance_group”后的“···” - “编辑”

在过滤器配置中点击“包含以下选项”，并勾选“纪律高危型”，在点击“确认”

指标卡即显示纪律高危型人数

接下来，我们可以点击“样式设置”，对指标卡样式进行调整

点开基础设置，将4个边距都改为最大值16

点开标题设置，将标题字体大小改色16，字体颜色改为红色，显示位置改为顶部居中

点开值设置，将字体大小改为30，字体颜色改为红色，粗体开关保持打开，显示位置保持水平居中

点击“保存”按钮

在保存提示中点击“保存并发布”

点击“显示分组”按钮，即可看到学生总人数指标卡已经发布成功

3.4.1.2 纪律高危型男生人数

参考“3.4.1.1 纪律高危型总人数”步骤，重新新建工作表“纪律高危型男生人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“男”

再调整一下样式即可

3.4.1.2 纪律高危型女生人数

参考“3.4.1.1 纪律高危型人数”步骤，重新新建工作表“纪律高危型女生人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“女”

再调整一下样式即可

3.4.1.4 纪律高危型未知性别人数

参考“3.4.1.1 纪律高危型人数”步骤，重新新建工作表“高危型未知性别人数”，完成指标卡的制作，只需要多一步操作：在筛选器中添加“gender（性别）”字段，并设置为包含“未知”

再调整一下样式即可

3.4.1.5 整体指标分析

从整体指标卡可以清晰看到，纪律高危型学生总人数为 421 人，其中男生 45 人、女生 38 人、未知性别 338 人。高危群体整体规模清晰，其中男生人数多于女生，说明高危群体存在明显的性别分布特点，需要从性别角度进一步深入分析。

3.4.2 纪律高危型学生性别特征分析

在该环节，我们制作纪律高危型学生性别占比饼图，同时结合全校性别基数数据，分析高危群体的性别倾向

3.4.2.1 纪律高危型学生男女人数占比

新建工作表“纪律高危型学生男女人数占比”

数据集选择“学生考勤主题数据集”，图表类型选择“饼图”

将字段“student_id”拖拽到值，“gender”拖拽到分类，并将“student_id”的聚合方式设置为“去重计数”

可以看到存在性别“未知”数据，需要将“未知”数据过滤掉，点击图像设置，并点击过滤器中的“+”，在下拉列表中选择“gender”，最后点击“确认”

点击过滤器中的“gender”后的“···”，并点击“编辑”

在过滤器设置中点击“排除以下选项”，勾选“未知”，点击“确认”

并点击过滤器中的“+”，在下拉列表中选择“attendance_group”，最后点击“确认”

点击过滤器中的“attendance_group”后的“···”，并点击“编辑”

在过滤器设置中点击“包含以下选项”，勾选“纪律高危型”，点击“确认”

系统默认的饼图没有百分比标签数据，我们可以点击“样式设置” - “图表元素设置” - “标签显示形式” - “勾选百分比”

其他样式可根据自身需求设置，例如图表元素设置中的内环大小设置为“50%”，扇形设置中的扇形圆角半径设置为“10”

还可以修改主题色

样式调整完毕后，点击“保存”按钮，“保存并发布”工作表

3.4.2.2 全校学生男女人数占比

为了排除性别基数差异带来的误判，我们需要分析全校学生男女人数占比

新建工作表“全校学生男女人数占比”

参考“3.4.2.1 纪律高危型学生男女人数占比”步骤，完成饼图制作，过滤器中只需要过滤掉性别“未知”的数据，考勤群体分类“attendance_group”无需做过滤

3.4.2.3 性别特征分析

排除性别未知数据的情况下：

从全校性别分布来看，男生本身基数略高于女生，占比为 53.03%，女生占比为 46.97%
在纪律高危型学生群体中，男生占比进一步上升至 54.22%，女生占比则下降至 45.78%
对比两组数据可以发现，男生在高危群体中的占比（54.22%），略高于其在全校的基数占比（53.03%）；而女生在高危群体中的占比（45.78%），则低于其在全校的基数占比（46.97%）
这一结果表明，纪律高危型学生中男生占比偏高，并非由全校性别基数差异导致，而是男生在考勤违纪行为上的真实风险更高。男生规则意识、时间观念相对薄弱，更易出现高频违纪行为，因此是高危群体的主要构成对象，后续管理需针对性加强男生考勤纪律引导

3.4.3 纪律高危型学生年级特征分析

在该环节，我们制作纪律高危型学生年级分布堆叠条形图，观察不同年级高危学生的情况

新建工作表“纪律高危型学生年级特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“柱状图”

将字段“grade”拖拽到X轴，“student_id”拖拽到Y轴，并将“student_id”的聚合方式设置为“去重计数”

点击图像设置按钮，在过滤器中添加字段“attendance_group”

点击“attendance_group”后的“···” - “编辑”

在过滤器配置窗口中点击“包含以下选项”，勾选“纪律高危型”，最后点击“确认”

分析：

从年级分布柱状图可以看出，纪律高危型学生在各年级的分布存在明显差异，其中高三年级的高危学生人数最多，高一和高二年级的高危学生人数相对较少。这可能与高三学生面临的升学压力、在校时间长度以及部分学生的课程安排调整有关，例如备考节奏紧张、校外培训或特殊升学路径安排，都可能导致考勤行为出现波动。

点击“样式设置”，将主题色设置为与上一个饼图的主题色一样，并点击“图表元素设置”，将边框色设置为无边框色

点击“保存”按钮，“保存并发布”工作表

3.4.4 纪律高危型学生校区类型 + 年级交叉特征分析

在该环节，为进一步探究高危学生在不同校区、不同年级的分布规律，我们制作纪律高危型学生校区类型 + 年级交堆叠状图，直观呈现各年级下新、老校区高危学生的人数分布情况，精准定位高危行为的高发区域

新建工作表“纪律高危型学生校区类型与年级交叉特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“柱状图”

参考“3.4.3 纪律高危型学生年级特征分析”的步骤，先完成纪律高危型学生年级分布柱状图

接下来，将字段“campus_type”拖拽至“分组”

将主题色设置成与上一个图表的主题色，并取消边框色

分析：

从校区类型 + 年级交叉柱状图可以看出，纪律高危型学生的校区分布差异显著：

老校区是高危学生的主要聚集地，各年级高危人数均明显高于新校区，其中高一 80 人、高二 130 人、高三 261 人，高三年级高危人数达到峰值。
新校区的高危学生整体规模较小，仅高一 10 人、高二 19 人有少量分布，高三年级无高危学生记录。

仅从高危群体的分布来看，老校区的违纪行为发生率远高于新校区，且高危人数随年级升高呈明显增长态势。为进一步判断这一差异是否由校区本身的学生基数导致，下一步将引入全校新、老校区的学生总人数数据进行交叉对比，排除基数干扰，分析校区管理模式、通勤条件、学风氛围等因素对学生考勤行为的真实影响。

先点击“保存”按钮，“保存并发布”工作表

3.4.5 不同校区类型各年级学生人数

新建工作表“不同校区类型各年级学生人数”

参考“纪律高危型学生校区类型 + 年级交叉特征分析”步骤，完成不同校区类型各年级学生人数堆叠柱状图，过滤器不添加任何字段

分析：

高一：老校区 1021 人，新校区 148 人

高二：老校区 1079 人，新校区 295 人

高三：老校区 1883 人，新校区无学生分布

结合纪律高危型学生校区类型 + 年级交叉特征分析可以发现：

高三老校区是高危行为的绝对高发区：高三年级学生全部集中在老校区，且高危学生人数达到 261 人，是所有校区和年级中的最高值，这一结果与高危群体年级分布特征高度吻合。
新校区整体风险可控：新校区学生基数较小，高危学生人数也相应较少，且高三年级无学生分布，因此不存在高三高危学生，整体考勤纪律表现优于老校区。

综合来看，老校区，尤其是高三年级，是纪律高危型学生的核心聚集区，后续管理需重点聚焦老校区高年级学生群体，结合校区通勤条件、管理模式、学风氛围等因素，制定针对性的考勤管理措施。

3.4.6 纪律高危型学生班级特征分析

接下来我们分析纪律高危型学生的班级特征，定位高危学生集中的班级

新建工作表“纪律高危型学生班级特征分析”

数据集选择“学生考勤主题数据集”，图表类型选择“水平条图”

将字段“class_name”拖拽至Y轴，“student_id”拖拽至X轴，并将“student_id”的聚合方式设置为“去重计数”

过滤器中添加字段“attendance_group”

点击“attendance_group”后的“···” - “编辑”

过滤器设置中点击“包含以下选项”。勾选“纪律高危型”，最后点击“确认”

为了方便观察高危型学生的集中班级，我们可以将“student_id”按降序排序，这样人数多的班级就排在前面

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 09 班高危人数最多（38 人），其次为高三 08 班、高三 02 班等，多数班级高危人数极少，呈现明显的班级聚集性。结合年级分布特征来看，高危学生主要集中在高三年级的部分班级，这既与高三学生升学备考节奏紧张、课程安排灵活有关，也说明高危行为与班级管理强度、班风氛围、同伴影响密切相关。少数薄弱班级需要重点整治，通过加强班主任监管、整顿班风，阻断不良风气传染。

点击样式设置，将主题色设置为同之前的图表的主题色一样

点击“保存”按钮，“保存并发布”工作表

3.5 搭建综合仪表盘

点击左边菜单栏中的“仪表盘”

点击左上角“+” - “新建仪表盘”

仪表盘名字输入“纪律高危型学生用户画像分析”，备注信息输入“纪律高危型学生用户画像分析”，点击“确认”

在右边组件与工作表区域，点击“基础组件”

拖拽一个文本组件到画布中

文本内容输入“纪律高危型学生用户画像分析”，并设置字体颜色、字体大小、加粗、居中

关闭组件窗口

组件右下角可以拖动跳转组件大小

参考下图调整

点击图表组件显示按钮

切换到“工作表”，将3.4节中制作的工作表都拖拽至画布中

拖入完毕后，使用鼠标对图表大小和布局进行调整，同时将以上的分析使用“文本”组件呈现在仪表盘中，形成完成的分析仪表盘，“文本”组件可通过关闭“超出隐藏”开关来实现换行

预期效果如下：

设计完毕后，点击“发布”，保存并发布仪表盘

点击“预览”即可全屏查看仪表盘

发布成功后，可以点击“分享”，并选择不同的分享方式将仪表盘分享给其他人查看

将分享的信息复制发送给其他人，其他人即可点击仪表盘的分享链接进行查看

复制结果如下，其他人可以点击连接查看仪表盘

来自undefined分享的资源

访问地址：http://47.109.153.89/#/share/dashboard/2055584400292319232

4 纪律高危型学生画像分析总结

4.1 整体概况

纪律高危型学生存在高频迟到、早退、请假及校服违规行为，多维度违纪叠加，是校园考勤管理中最需重点关注的群体。该群体人数占比虽可控，但行为影响大，易引发不良风气，需专项治理

4.2 核心特征

性别特征：男生为高危群体主体，占比显著高于女生，是高危行为的主要发生对象，与男生规则意识薄弱、时间观念不足相关
年级特征：高度集中于高年级，随年级升高，高危学生占比明显上升，高年级学生学业压力大、自主空间广、心态浮躁，对考勤纪律重视度下降
校区特征：在不同校区呈现明显分布差异，高危学生高度集中在老校区，新校区风险较低，与校区通勤条件、管理模式、学风氛围密切相关
班级特征：存在明显班级聚集性，集中在少数管理薄弱、班风涣散的班级，与班级管理强度、同伴效应直接相关

4.3 管理建议

重点关注高年级男生群体：针对性开展考勤纪律教育与时间管理培训，强化规则意识，减少违纪行为发生
加强老校区高年级管理：针对老校区优化通勤管理、强化考勤监督，营造严谨学风氛围，降低学生违纪风险
整治高危学生集中班级：加强班主任监管力度，整顿班风，建立班级考勤责任制，阻断不良风气传染
建立高危学生台账：一对一建档，家校联动，制定个性化矫正方案，跟踪干预效果，防止违纪行为固化

以上分析总结可以添加在仪表盘后面：