前言转自知乎本人账号本文基于助睿数智(Uniplore)在线实验平台使用已完成K-Means聚类并标注考勤群体的student_attendance_stats学生考勤主题标签表聚焦纪律高危型这一重点群体通过助睿BI可视化探索平台逐步完成指标卡、饼图、柱状图、水平条图等多种图表的制作并最终搭建出可交互的综合仪表盘。全程无需编写代码所有操作均通过拖拽和点击完成。实验环境为助睿零代码实验平台产品官网为https://www.uniplore.com/。一、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)在线实验平台是一个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。本次实验主要用到**助睿BI(数据可视化探索平台)**以及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二、实验数据student_attendance_stats学生考勤主题标签表的数据结构包含18个字段id(自增主键)、student_id(学生ID)、student_name(学生姓名)、class_id(班级ID)、class_name(班级名称)、grade(年级)、gender(性别)、birth_date(出生日期)、political_status(政治面貌)、is_boarder(是否住校)、campus_type(校区类型)、late_count(迟到次数)、early_leave_count(早退次数)、leave_count(请假次数)、uniform_violate_count(没穿校服次数)、create_time(统计入库时间)、cluster(聚类簇编号)、attendance_group(考勤群体分类)。其中attendance_group字段已通过K-Means聚类结果标注了考勤群体分类标签包含轻微波动型偶尔异常型纪律高危型等多个群体。表中样例数据如下学生马某某(ID10842)属于高三(09)班迟到1次、请假3次聚类簇编号为C3考勤群体分类为纪律高危型学生叶某某(ID10844)同样属于高三(09)班请假5次也被归类为纪律高危型。三、实验步骤3.1 进入助睿BI进入实验平台后点击左边菜单栏中的助睿BI即可进入助睿BI可视化探索平台。进入助睿BI平台的首页后可以看到该账户下的数据概况信息、数据分析处理流程以及平台支持的数据源类型(如MySQL、Excel、CSV等)。首页布局清晰左侧为功能导航菜单中央区域展示当前数据统计与分析流程概览。3.2 连接数据源student_attendance_stats存放于我们的团队私有MySQL数据库中。上一个实验在分析聚类簇编号对应的考勤群体分类环节中已经完成了团队私有数据库的连接配置(包括主机地址、端口3306、数据库名、用户名密码等)因此本实验可以直接复用该数据源无需再次创建数据库连接。如果是在全新环境中操作则需要先在元数据管理模块中新建MySQL数据源连接填写数据库连接信息并通过测试验证后方可使用。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的可视化分析。数据集是助睿BI中连接原始数据与可视化图表之间的桥梁。点击左边菜单中的数据集进入数据集管理模块。该模块展示了当前账户下所有已创建的数据集列表支持分组管理、搜索和筛选。点击左上角的按钮然后选择新建数据集。在弹出的窗口中输入数据集名称选择所属分组并在备注信息中填简要说明。填写完毕后点击确认按钮。数据集创建成功后页面会自动跳转到该数据集的配置页面。此时平台会弹出一个强提醒窗口提示第一步需要先选择数据源——这是助睿BI为防止关键步骤遗漏而设计的引导机制。点击好的我知道了关闭这个提示窗口。接下来配置数据源。页面上方有两个下拉框第一个下拉框用于选择数据库连接这里选择我们之前已经建好的数据源商业数据分析实验第二个下拉框则选择数据表所在的目录(Schema)这里选择student_attendance_stats所在的目录。两个下拉框都选择完毕后此目录下的所有数据表会自动展示在画布左侧的列表中。在左侧数据表列表中找到student_attendance_stats按住鼠标将其拖拽至中央的画布区域。拖入成功后画布中会出现该表的节点点击表节点可以在右侧面板中查看该表的字段结构(包括字段名、类型和中文备注)以及数据预览(前若干行样例数据)。由于上一个实验在建表语句中已经为每个字段添加了中文备注(例如student_id的备注为学生IDlate_count的备注为迟到次数)因此此处不需要再手动设置字段别名直接进入下一步即可。确认表格数据无误后点击画布左上角的保存按钮。平台会弹出保存确认对话框其中有两个选项保存和保存并发布。这里需要选择保存并发布——只有发布后的数据集才能在后续的工作表模块中被引用和使用。如果仅点击保存而未发布后续在工作表中将无法找到该数据集。3.4 制作工作表工作表是助睿BI中承载可视化图表、开展数据分析的基础单元。每个工作表可以包含一种或多种图表本章节将逐步制作多种图表类型覆盖指标卡、饼图、柱状图和水平条图。3.4.1 创建工作表分组与工作表为了便于管理同一主题下的多个工作表建议先创建一个分组来集中存放。点击左边菜单中的工作表进入工作表模块。该页面列出了当前所有的工作表和工作表分组。点击左上角的按钮在下拉菜单中选择新建分组。在弹出的窗口中输入分组名称选择所属分组填写简要的备注信息然后点击确认。分组创建成功后在左侧列表中会新增一个以该名称命名的文件夹节点。接下来在该分组下创建第一个工作表。右键点击刚刚创建的分组名称(或者点击分组名称右侧的…按钮)在弹出的操作菜单中选择新建工作表。系统弹出新建工作表对话框在工作表名称中输入自律模范型人数选择所属分组为刚才创建的学生考勤主题分析填写备注后点击确认。3.4.2 纪律高危型总人数指标卡工作表创建成功后页面自动跳转到工作表设计页面。如果是首次进入该页面右上角会弹出一个操作引导提示弹窗可以点击好的我知道了来关闭它。进入设计页面后首先需要为工作表绑定数据源。在页面顶部的数据集下拉框中点击展开从列表中选择我们在3.3节中构建并发布的学生考勤主题数据集。选择后该数据集包含的所有字段(如student_id、student_name、class_name、grade、gender、late_count、attendance_group等)会展示在左下角的字段列表面板中。在左侧中间区域有一个基础图表面板列出了助睿BI支持的各种图表类型(指标卡、表格、柱状图、饼图、折线图、水平条图等)。点击指标卡画布中央会新增一个空白的指标卡组件。指标卡是助睿BI中用于直观展示单个核心统计数值的基础组件特别适合呈现总人数、平均值、最大值等汇总指标。接下来为指标卡绑定数据。从左侧字段列表中找到student_id(学生ID)字段按住鼠标将其拖拽到右侧配置面板的值区域。拖入后指标卡会默认使用该字段的求和聚合方式计算数值。我们需要改变聚合方式点击student_id字段旁边的聚合类型下拉按钮在弹出的选项中选择去重计数。去重计数的含义是统计该字段不同取值的个数即每个学生ID只计为1人从而得到准确的不重复学生人数。此时指标卡显示的是student_attendance_stats表中全部学生的去重人数涵盖了所有考勤群体。我们需要将其筛选为仅展示纪律高危型群体的人数这就需要用到过滤器的功能。点击图形工具栏中的图形设置图标(通常是一个齿轮或设置按钮)打开右侧的设置面板。在设置面板中找到过滤器区域点击该区域中的按钮。系统弹出一个下拉列表列出了数据集中所有可用于过滤的字段。在列表中找到并选择attendance_group(考勤群体分类)字段然后点击确认按钮。此时过滤器列表中新增了一条attendance_group的过滤条件但该条件还没有配置具体的过滤规则。点击过滤器列表中attendance_group条目右侧的···按钮在弹出的操作菜单中选择编辑。系统打开过滤器编辑面板在过滤方式中选择包含以下选项然后在下方出现的可选值列表中勾选纪律高危型最后点击确认按钮。过滤器生效后指标卡会立即刷新显示的数值将变为纪律高危型学生的去重总人数。这一步完成了指标卡最核心的数据配置。数据到位后可以对指标卡的外观样式进行调整使其视觉效果更加醒目。点击设置面板上方的样式设置标签进入样式配置界面。首先点开基础设置折叠区域将上下左右四个边距的滑块全部拖到最大值16这样可以增加指标卡内部的内边距让内容不会贴边显示。然后点开标题设置折叠区域将标题字体大小调整为16字体颜色选择红色标题显示位置选择顶部居中这样指标卡的标题文字会显示在数值的正上方。接着点开值设置折叠区域将数值的字体大小调整为30并加粗显示字体颜色同样选择蓝色粗体开关保持打开状态数值的显示位置选择水平居中。样式调整完毕后点击页面右上角的保存按钮。在弹出的保存提示对话框中选择保存并发布将工作表正式发布。发布成功后点击显示分组按钮可以回到工作表分组列表页面此时能看到纪律高危型总人数工作表已经出现在学生考勤主题分析分组下并且显示为已发布状态。3.4.3 纪律高危型男生人数、女生人数与未知性别人数指标卡在完成了总人数指标卡后同样方法可以快速制作按性别拆分的指标卡。每一个指标卡的制作流程与3.4.2节完全一致唯一的区别在于过滤器的配置——需要在原有attendance_group纪律高危型的基础上再叠加一个gender(性别)字段的过滤条件。新建工作表纪律高危型男生人数。重复3.4.2节的全部步骤选择数据集、添加指标卡、将student_id拖入值区域并设为去重计数、添加attendance_group过滤器并配置为包含纪律高危型。然后多一步操作再次点击过滤器区域的按钮在下拉列表中选择gender(性别)字段并确认然后点击该过滤条件右侧的···选择编辑在过滤器配置中选择包含以下选项并勾选男确认。此时两个过滤条件同时生效——attendance_group等于纪律高危型且gender等于男指标卡显示的就是纪律高危型男生的人数。调整样式后保存并发布。用完全相同的流程分别新建纪律高危型女生人数(gender过滤条件勾选女)和纪律高危型未知性别人数(gender过滤条件勾选未知)两个工作表调整样式后各自保存发布。最终获得四个指标卡分别展示纪律高危型总人数、男生人数、女生人数和未知性别人数。从这四个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人数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。3.5 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。仅仅知道男生比女生多还不够因为男生本身在全年级的基数就可能更大必须排除基数干扰才能得出真实的风险差异。3.5.1 纪律高危型学生男女人数占比新建工作表命名为纪律高危型学生男女人数占比。在顶部数据集下拉框中选择学生考勤主题数据集。在左侧基础图表中选择饼图类型的图表(而非之前的指标卡)。将左侧字段列表中的student_id(学生ID)拖拽到右侧配置面板的值区域并将其聚合方式设置为去重计数。再将gender(性别)字段拖拽到分类区域——饼图会根据分类字段的取值自动将圆饼切分为多个扇形每个扇形的大小对应其人数占比。此时直接生成的饼图会同时包含男女和未知三个扇区。由于未知性别数据无法提供有效的性别特征分析价值需要将其从饼图中排除。点击图形设置图标打开设置面板在过滤器区域点击选择gender字段并确认然后点击该过滤条件右侧的···选择编辑在过滤器配置中选择排除以下选项勾选未知点击确认。这样饼图中就只剩下男和女两个扇区。接下来还需要限定只看纪律高危型群体。再次点击过滤器区域的按钮选择attendance_group字段并确认编辑该过滤条件选择包含以下选项并勾选纪律高危型确认。此时两个过滤条件——gender排除未知且attendance_group包含纪律高危型——同时作用于饼图数据。系统默认的饼图不显示百分比标签。点击样式设置标签展开图表元素设置在标签显示形式的下拉选项中勾选百分比饼图的每个扇区上即会显示对应的百分比数字。可以根据美观需求进一步调整样式例如在图表元素设置中将内环大小设置为50%使饼图变为环形图在扇形设置中将扇形圆角半径设置为10使扇区边缘变得柔和也可以在主题色中选择一套色彩方案使图表整体配色统一、专业。样式调整完毕后点击保存按钮选择保存并发布。3.5.2 全校学生男女人数占比(对照组)为了排除性别基数差异带来的误判需要制作一张全校学生男女人数占比的对照饼图。新建工作表全校学生男女人数占比图表类型选择饼图。将student_id拖入值区域并设为去重计数将gender拖入分类区域。过滤器仅添加gender字段设置为排除未知数据——注意此处不添加attendance_group过滤条件因为要展示的是全校所有学生的性别分布而非仅纪律高危型群体。样式调整与上一小节一致保存并发布。对比两张饼图的数据可以发现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%。但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%。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。3.6 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柱状图观察不同年级高危学生的分布情况。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在左侧基础图表中选择柱状图。将字段grade(年级)拖拽到右侧配置面板的X轴(维度)区域将student_id(学生ID)拖拽到Y轴(度量)区域并将student_id的聚合方式设置为去重计数。点击图形设置图标在过滤器区域添加attendance_group字段编辑过滤条件为包含纪律高危型。从生成的柱状图可以清晰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大、在校时间更长、备考节奏紧张导致部分学生有校外培训或特殊升学路径安排等因素有关这些情况都可能导致考勤行为出现更频繁的波动。点击样式设置将主题色设置为一套统一风格的颜色方案。展开图表元素设置将边框色设置为无边框去除柱子之间的分隔线使图表更加简洁。调整完毕后点击保存按钮选择保存并发布。3.7 纪律高危型学生校区类型与年级交叉特征分析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校区类型与年级交叉堆叠柱状图直观呈现各年级下新、老校区高危学生的人数分布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3.6节的步骤先将grade拖入X轴student_id拖入Y轴并设为去重计数在过滤器中添加attendance_group并过滤为纪律高危型。到此为止得到的是与3.6节相同的年级分布柱状图。接下来将字段campus_type(校区类型)从左侧字段列表中拖拽到右侧配置面板的分组区域。图表会自动从普通柱状图变为堆叠柱状图每个年级的柱子上会按新校区和老校区拆分为不同颜色的堆叠段从而可以直观对比同一级别内部不同校区的高危人数构成。从堆叠柱状图中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人高三年级的高危人数达到峰值。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在新校区无任何高危学生记录。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的增长态势。为了判断这一差异是否由校区本身的学生总基数差异导致需要补充制作一张对照图。新建工作表不同校区类型各年级学生人数步骤与上述完全相同唯一区别是过滤器不添加任何字段(即展示全校所有学生的校区与年级分布)得出对照数据高一老校区1021人、新校区148人高二老校区1079人、新校区295人高三全部集中在老校区为1883人新校区无高三年级学生。交叉对比可以得出以下结论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。将两张图表调整主题色一致并取消边框色后分别保存发布。3.8 纪律高危型学生班级特征分析接下来分析纪律高危型学生的班级特征定位高危学生集中的重点班级。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——水平条图的一个优势是Y轴为文本标签(班级名称)当班级数量较多时水平方向展示比垂直柱状图更容易阅读也方便按数值大小排序。将字段class_name(班级名称)拖拽到右侧配置面板的Y轴(维度)区域将student_id(学生ID)拖拽到X轴(度量)区域并将student_id的聚合方式设为去重计数。在过滤器区域添加attendance_group字段并编辑为包含纪律高危型。此时生成的是一条按班级名默认顺序排列的水平条图不便于看出哪个班级高危人数最多。需要点击student_id字段旁边的排序按钮选择按降序排列——这样人数最多的班级会排在最上方人数少的班级排在下方一目了然。从水平条图中可以清晰看到纪律高危型学生高度集中在少数几个班级。其中高三09班的高危人数最多达到38人显著高于其他班级其次为高三08班、高三02班等。多数班级的高危人数极少甚至为零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、班风氛围以及同伴影响密切相关。少数薄弱班级需要重点整治通过加强班主任监管力度、整顿班风、建立班级考勤责任制来阻断不良风气的传染。调整主题色与前面的图表保持一致取消边框色然后点击保存按钮选择保存并发布。3.9 搭建综合仪表盘以上所有独立的工作表制作完成后可以将它们汇集到一个综合仪表盘中形成全局视角的可视化看板。点击左边菜单栏中的仪表盘进入仪表盘管理模块。点击左上角的按钮选择新建仪表盘。在弹出的创建窗口中输入仪表盘名称纪律高危型学生用户画像分析在备注信息中也可填写同样的描述然后点击确认按钮。仪表盘创建完成后进入编辑页面。页面右侧有一个基础组件面板其中包含文本等辅助组件。首先拖拽一个文本组件到仪表盘画布中双击该文本组件进入编辑状态输入标题文字纪律高危型学生用户画像分析然后在组件右侧的属性面板中设置字体大小、加粗样式并将文本对齐方式设为居中。调整完毕后关闭组件编辑窗口可以通过拖动组件右下角来调整文本组件的宽高尺寸使其处于画布顶部居中位置作为整个仪表盘的标题栏。接下来点击右侧组件面板的标签切换按钮从基础组件切换到工作表标签页。该标签页列出了当前账户下所有已发布的工作表及分组。在学生考勤主题分析分组下逐一将前面制作的所有工作表拖拽至仪表盘画布中包括纪律高危型总人数、男生人数、女生人数、未知性别人数(四个指标卡)、纪律高危型学生男女人数占比(饼图)、全校学生男女人数占比(饼图)、纪律高危型学生年级特征分析(柱状图)、纪律高危型学生校区类型与年级交叉特征分析(堆叠柱状图)、不同校区类型各年级学生人数(对照柱状图)、纪律高危型学生班级特征分析(水平条图)。所有图表拖入后使用鼠标拖动每个图表的边角来调整大小移动图表位置来规划布局。通常将四个指标卡并排放在顶部标题下方中间区域放置饼图和柱状图的组合底部放置水平条图形成自上而下的信息层次。为了在仪表盘中呈现分析结论可以再次从基础组件中拖入多个文本组件将各维度的分析结论以文字形式展示在对应图表的旁边或下方。文本组件默认是固定高度的单行显示如果输入的分析文字较长需要在文本组件的属性设置中关闭超出隐藏开关这样文字会自动换行显示全文。全部布局调整完毕后点击页面右上角的发布按钮保存并正式发布仪表盘。发布成功后点击预览按钮可以在全屏模式下查看仪表盘的最终展示效果。发布后还可以使用分享功能点击仪表盘页面的分享按钮在弹出的分享设置中选择合适的分享方式(如生成分享链接)将链接复制发送给其他人。其他人点击分享链接后即可在自己的浏览器中查看到该仪表盘但无法编辑。四、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。该群体总人数为421人规模整体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的主要构成对象。排除性别基数差异后男生在高危群体中的占比(54.22%)高于其全校基数占比(53.03%)说明男生的真实违纪风险更高与男生规则意识薄弱、时间观念不足密切相关。年级特征高危学生高度集中于高三年级。随年级升高高危学生人数明显上升。高三年级学生面临升学压力大、自主空间广、心态相对浮躁对考勤纪律的重视度下降同时校外培训、特殊升学路径安排等也可能导致考勤行为出现波动。校区特征高危学生在不同校区呈现明显的分布差异。老校区是高危学生的绝对高发区域尤其高三老校区高危人数达到261人新校区整体风险较低这既与校区学生基数相关也与各校区的通勤条件、管理模式和学风氛围密切相关。班级特征高危学生存在明显的班级聚集性高度集中在少数管理和班风相对薄弱的班级。高三09班高危人数最多(38人)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。以上分析总结内容可以直接以文本组件的形式添加到仪表盘末尾形成从数据展示到分析结论、再到管理建议的完整闭环。五、实验总结本次实验以已完成K-Means聚类标注的学生考勤主题标签表为基础借助助睿BI可视化探索平台从零完成了一套纪律高危型学生群体画像分析的全流程操作。在数据准备阶段我们通过数据集模块将student_attendance_stats表接入平台利用已有的数据库连接和中文字段备注无需额外配置即可快速完成数据绑定。在图表制作阶段先后使用指标卡、饼图、柱状图、堆叠柱状图和水平条图五种图表类型配合过滤器组件灵活筛选数据维度分别从性别、年级、校区和班级四个角度完成了纪律高危型群体的多维度特征分析。在整个过程中关键操作技巧总结如下第一去重计数是统计人数的核心聚合方式直接用student_id字段的去重计数即可得到准确的群体人数第二过滤器的叠加能力很强可以同时设置多个条件(如attendance_group纪律高危型且gender男)来实现精细化筛选第三制作对照图表是排除基数干扰的有效方法例如在性别分析和校区分析中分别制作了高危群体和全校整体的对照图表通过交叉对比得出排除了基数偏差后的真实结论第四样式设置的统一性很重要同一仪表盘中的所有图表应使用相同的主题色、去除冗余的边框元素这样最终的仪表盘才协调美观。在仪表盘搭建阶段将分散的独立图表汇集到一个画布中通过文本组件补充分析结论形成了从原始数据到可视化看板的完整交付物。整体来看助睿BI在校园考勤数据处理场景中的操作门槛低、学习成本小只需掌握数据集构建、图表配置和样式调整三个核心环节即可独立完成从数据到洞察的全流程分析任务适合教育管理场景中的日常数据工作。