【助睿实验指导】学生用户画像 - 考勤画像可视化分析

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

工具：助睿数智（Uniplore）在线实验平台：httpslab.guilan.cn， 助睿数智（Uniplore）是AI驱动的一站式数据科学平台，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，产品官网为 httpswww.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	202656 173142
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

early_leave_count

leave_count

uniform_violate_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

0

3

0

2026514 1600

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

0

5

0

2026514 1600

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

0

0

2026514 1600

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“se_group_20”

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

从整体指标卡可以看到，纪律高危型学生总人数为 715 人，其中男生 534 人、女生 473 人。需要指出的是，男生与女生人数合计（1007 人）超出总人数（715 人），推测部分指标卡在过滤器配置或去重计数设置上存在差异，后续性别分析以饼图数据为准。此外，未知性别指标卡显示数值为 165,706,933，该数值为明显的异常数据，推测为系统测试占位符或数据录入错误，在后续分析中予以剔除。总体来看，高危群体总规模为 715 人，在全校学生中占一定比例，需要从性别、年级、校区、班级等多个维度进一步深入分析。

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，男生基数明显高于女生，占比为 65.13%，女生占比为 34.87%。

在纪律高危型学生群体中，女生占比为 55.12%，男生占比为 44.88%。

对比两组数据可以发现一个值得关注的现象：男生在全校基数中占比高达 65.13%，但在高危群体中占比反而降至 44.88%；而女生在全校基数中仅占 34.87%，在高危群体中占比却上升至 55.12%。这一反转表明，高危群体中的性别分布并非由全校性别基数差异驱动。

这一结果表明，尽管男生在全校基数中占绝对多数，但在纪律高危型群体中女生的相对风险更高。女生在考勤违纪行为上的高占比，可能与校服穿着规范、迟到早退等行为特征、以及女生群体中的同伴效应等因素有关。值得特别关注的是，女生在全校基数中仅占约三分之一，但在高危群体中却超过半数，说明女生群体的考勤纪律问题不容忽视。后续管理需针对女生群体制定差异化的考勤纪律引导策略，同时也不能放松对男生群体的关注。

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呈现明显的递增趋势：高一 228 人、高二 290 人、高三 340 人。高三年级高危学生人数最多，是高一高危人数的约 1.5 倍。随年级升高，高危学生规模持续扩大。这可能与高年级学生学业压力增大、在校时间更长、心态浮躁、对考勤纪律重视度下降有关，同时高年级备考阶段部分学生课程安排灵活、校外培训增多等因素也对考勤行为产生了影响。这一趋势提示学校应在低年级阶段就加强考勤纪律教育，避免违纪行为随年级升高而积累和恶化。

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。具体来看，高一老校区 214 人、高二老校区 263 人、高三老校区 340 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，高一仅 14 人、高三仅 27 人，高二年级新校区高危人数极少（个位数级别）。

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：新校区 148 人，老校区 1169 人，合计 1317 人。

高三：新校区 295 人，老校区 1883 人，合计 2178 人。

高二：新校区 1374 人，老校区 1374 人，合计 2748 人。

结合纪律高危型学生校区类型 + 年级交叉特征分析，可以计算出各校区各年级的高危比例：

高危比例分析：高一老校区高危率约为 18.3%（214/1169），高一新校区约为 9.5%（14/148）；高二老校区高危率约为 19.1%（263/1374），高二新校区极少；高三老校区高危率约为 18.1%（340/1883），高三新校区约为 9.2%（27/295）。可以看出，老校区各年级的高危比例均显著高于新校区（约为新校区的 2 倍），且各年级老校区的高危比例维持在 18%-19% 左右，较为稳定。这说明新老校区之间的高危比例差异并非由年级分布差异导致，而更可能与校区管理模式、通勤条件、学风氛围等校区固有因素密切相关。

新校区整体风险可控：新校区学生基数相对较小，高危学生人数也相应较少，且高危比例不足老校区的一半，整体考勤纪律表现优于老校区。

综合来看，老校区是纪律高危型学生的核心聚集区，各年级高危比例均维持在较高水平。后续管理需重点聚焦老校区，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，尤其关注老校区高年级学生群体。

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（36 人），其次为高三(13)班（33 人）、高二(13)班（27 人）、高三(07)班（27 人）、高二(08)班（26 人）、高三(04)班（26 人）等。高三(11)班、高二(10)班、高二(07)班、高二(02)班等班级高危人数均在 24 人左右。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。排名前六的高危班级中，高三班级占 3 个，高二占 3 个，说明高危班级的集中现象并非高三年级独有。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

访问地址：来自undefined分享的资源

访问地址：http://47.109.153.89/#/share/dashboard/2058877364846333952

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。本次分析数据显示，该群体共计 715 人，在全校学生中占有一定比例。该群体行为影响大，易引发不良风气，需专项治理。值得注意的是，数据分析过程中发现部分指标卡数据存在逻辑冲突（如分项人数合计超出总人数、未知性别字段出现异常极大值 165,706,933），提示在数据采集和指标计算环节需加强数据质量管控。

4.2 核心特征

性别特征：与常规认知不同，本次分析显示女生在高危群体中占比（55.12%）高于男生（44.88%）。考虑到女生在全校基数中仅占 34.87%，女生在考勤违纪方面的相对风险反而更高，提示需关注女生群体的考勤纪律问题。但鉴于指标卡数据存在总分项不一致的问题，该结论需结合更精确的数据进一步验证。

年级特征：高危学生高度集中于高年级，随年级升高，高危学生规模明显上升。高一 228 人、高二 290 人、高三 340 人，呈逐级递增态势。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，是违纪行为的高发阶段。

校区特征：高危学生在不同校区呈现明显分布差异。老校区是高危学生的主要聚集地，各年级高危比例（约 18%-19%）约为新校区（约 9%-10%）的两倍。这一差异在排除学生基数因素后依然显著，说明校区管理模式、通勤条件、学风氛围等因素对学生考勤行为有重要影响。

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。排名前六的高危班级（高三 09 班 36 人、高三 13 班 33 人、高二 13 班 27 人、高三 07 班 27 人、高二 08 班 26 人、高三 04 班 26 人）合计占高危总人数的约 24.5%，呈现出与班级管理强度、同伴效应直接相关的特征。

4.3 管理建议

重点关注高年级女生群体：本次分析发现女生在高危群体中的相对风险显著高于男生，应针对性开展女生考勤纪律教育与时间管理培训，关注女生群体的行为特征和同伴影响，同时继续保持对男生群体的纪律引导，减少违纪行为发生。

加强老校区高年级管理：老校区各年级高危比例约为新校区的 2 倍，应针对老校区优化通勤管理、强化考勤监督机制，营造严谨学风氛围。尤其关注高三老校区（高危 340 人，占全部高危学生的 47.6%），将有限的管理资源优先配置到风险最高的区域。

整治高危学生集中班级：排名前六的高危班级合计约 175 人，建议对这些班级加强班主任监管力度，建立班级考勤责任制，整顿班风学风，通过重点关注少数班级实现精准治理，阻断不良风气传染。

建立高危学生台账：对 715 名高危学生建立一对一台账，家校联动，根据性别、年级、班级等特征制定个性化矫正方案，跟踪干预效果，防止违纪行为固化。同时建立数据质量核查机制，确保各维度统计指标的一致性和准确性。

以上分析总结可以添加在仪表盘后面：