【助睿实战】大作业三-实验7-3：可视化探索-拓冰建站

实验7-3：可视化探索

（1）创建数据集

操作目的：在助睿BI中创建三个数据集，分别对接三张数据表，为后续图表制作提供数据源。

操作说明：进入助睿BI，新建三个数据集，分别命名为“全平台概况数据集”、“重点平台深度分析数据集”、“标签关键词互动数据集”。右上角选择“商业数据分析实验”，选择`cs_group_4`。分别拖入三张表：`summary_all_platforms`、`content_analysis`、`title_feature_analysis`。配置好后点击保存并发布。

关键截图：

图3-21 三个数据集的创建与配置

配置要点：数据集名称需清晰标识其数据来源和用途；确保数据集与正确的分组（`cs_group_4`）关联。

（2）制作核心指标卡

操作目的：将最关键的几个数字突出显示，让读者在几秒钟内建立起对数据的整体认知。

操作说明：共制作8张指标卡。第一行4张展示全平台概况：全平台作品总数（所有平台的作品数量求和）、分发平台数（不同平台去重计数）、全平台总浏览数（所有平台的浏览数量求和）、全平台总互动数（所有平台的互动数量求和，使用计算字段）。第二行4张聚焦重点平台：B站作品数、CSDN作品数、B站总播放量、CSDN总阅读量。

以“全平台作品总数”为例：新建工作表，数据集选择“全平台概况数据集”，指标选择`content_count`的求和。设置背景色为蓝色、字体颜色为白色、标题白色居中。保存并发布。其余7张指标卡按同样方法创建。

关键截图：

图3-22 全平台作品总数指标卡配置

图3-23 分发平台数指标卡

图3-24 全平台总浏览数指标卡

图3-25 全平台总互动数指标卡

图3-26 B站作品数指标卡

图3-27 CSDN作品数指标卡

图3-28 B站总播放量指标卡

图3-29 CSDN总阅读量指标卡

配置要点：指标卡的数值格式需统一（如千位分隔符）；全平台互动总数需使用计算字段（`total_likes + total_favorites + total_shares + total_coins + total_recommend + total_likes_zhihu + total_approvals`）。

（3）制作排名图表

操作目的：通过排名发现表现优秀的学生和作品，识别可复制的成功经验。

操作说明：共制作4张排名图表。“B站学生平均播放量排名TOP10”：筛选平台=B站，维度=作者名称，指标=平均值(浏览数量)，降序排序，限额10。“B站作品播放量排名TOP10”：筛选平台=B站，维度=作品名称，指标=浏览数量，降序排序，限额10。“CSDN学生平均阅读量排名TOP10”：筛选平台=CSDN，维度=作者名称，指标=平均值(浏览数量)，降序排序，限额10。“CSDN作品阅读量排名TOP10”：筛选平台=CSDN，维度=作品名称，指标=浏览数量，降序排序，限额10。

关键截图：

图3-30 B站学生平均播放量排名TOP10

图3-31 B站作品播放量排名TOP10

图3-32 CSDN学生平均阅读量排名TOP10

图3-33 CSDN作品阅读量排名TOP10

配置要点：学生排名使用“平均值”而非“总和”，避免因发布作品数量不同造成的偏差；排名图表建议使用条形图，便于直观对比数值差异。

（4）制作标题特征分析图表

操作目的：量化标题中特定关键词对作品互动效果的影响。

操作说明：制作“B站标题特征提升倍率分析”——基于`title_feature_analysis`表，计算含各关键词的作品平均互动总数相对于整体平均值的提升倍率。制作“B站标题特征对比”——将含各关键词与不含各关键词的作品平均互动总数进行对比。CSDN平台同样制作对应的两张图表。

关键截图：

图3-34 B站标题特征提升倍率分析

图3-35 B站标题特征对比

图3-36 CSDN标题特征提升倍率

图3-37 CSDN标签特征对比

配置要点：提升倍率 = 含关键词平均值 ÷ 整体平均值；对比图表使用柱状图并排展示。

（5）制作趋势图表

操作目的：观察播放量/阅读量随时间的变化规律。

操作说明：制作“B站每日播放量趋势图”——维度=采集日期，指标=浏览数量求和，筛选平台=B站。制作“CSDN每日阅读量趋势图”——维度=采集日期，指标=浏览数量求和，筛选平台=CSDN。

关键截图：

图3-38 B站每日播放量趋势图

图3-39 CSDN每日阅读量趋势图

配置要点：趋势图使用折线图，关注曲线的走向（上升/下降/平稳）和拐点；日期维度需确保按时间顺序排列。

（6）搭建综合仪表盘

操作目的：将所有图表整合到一个仪表盘中，形成“先总后分、左右对照”的完整分析视图。

操作说明：新建仪表盘命名“自媒体运营分析”。顶部放置8张指标卡（分两行：第一行全平台概况，第二行B站和CSDN聚焦）。中部左右两栏：左栏展示B站所有分析图表（排名→标题分析→趋势），右栏展示CSDN所有分析图表（排名→标题分析→趋势）。调整各图表尺寸和位置，确保布局整齐美观。保存并发布。

关键截图：

图3-40 自媒体运营分析综合仪表盘

配置要点：指标卡放在最顶部，让读者首先建立整体认知；左右两栏的图表顺序保持一致，便于平台间对比；每个图表添加清晰标题说明其回答的业务问题。

3.4 实验结果及分析

3.4.1 实验结果

（1）全平台概况表（`summary_all_platforms`）

该表包含所有平台按日期分组的汇总数据，字段涵盖作品数量、总浏览数、总点赞数、总收藏数、总分享数及各平台特色指标。从验证结果来看，数据覆盖了B站、CSDN、微信、知乎、小红书等多个平台，各平台的特色指标（B站的投币、微信的推荐、知乎的喜欢/赞同）均独立保留。

（2）内容分析表（`content_analysis`）

该表仅包含B站和CSDN两个平台中浏览数量大于0的有效记录。从验证结果来看，数据已成功完成过滤，`source_file`字段已被剔除，空值已替换为“未知”，各数值字段均有有效值。该表作为实验7-2的输入，已包含标题特征标志字段和互动总数。

（3）标题特征汇总表（`title_feature_analysis`）

该表包含5个关键词（保姆级、零代码、实战、教程/指南、踩坑）各自对应的作品平均互动总数。从验证结果来看，数据已成功写入，每个关键词对应一条记录，包含关键词名称和平均互动总数两个核心字段。

（4）可视化仪表盘

最终搭建的“自媒体运营分析”仪表盘包含以下模块：

顶部指标卡（8张）：全平台作品总数、分发平台数、全平台总浏览数、全平台总互动数、B站作品数、CSDN作品数、B站总播放量、CSDN总阅读量

排名分析（4张）：B站学生平均播放量排名TOP10、B站作品播放量排名TOP10、CSDN学生平均阅读量排名TOP10、CSDN作品阅读量排名TOP10

标题特征分析（4张）：B站标题特征提升倍率分析、B站标题特征对比、CSDN标题特征提升倍率、CSDN标签特征对比

趋势分析（2张）：B站每日播放量趋势图、CSDN每日阅读量趋势图

3.4.2 实验结果分析

（1）全平台概况分析

从指标卡数据可以看出，全班作品覆盖了多个平台，其中B站和CSDN是内容发布的主要阵地。全平台总浏览数和总互动数反映了整体内容传播效果的基础水平。分发平台数的统计揭示了内容分发的广度——平台覆盖越广，潜在受众群体越大。

（2）排名分析

学生平均播放量排名揭示的是一个人的整体运营水平——排名靠前的学生说明其内容在持续获得较好的流量。作品播放量排名揭示的是单篇爆款的特征——这些作品的标题、封面、发布时间等要素值得总结。两者结合使用：先看学生排名找到表现好的同学，再看他具体做了哪些内容，这样就能总结出可复制的经验。左右两栏分别展示B站和CSDN的排名，可以对比同一个学生在两个平台的表现差异。

（3）标题特征影响分析

这是本次实验最核心的分析维度。由于全班发布的作品内容主题高度一致（本学期的实验作业），标题是作品之间最主要的差异来源。通过对比含特定关键词与不含该关键词的作品平均互动总数，可以量化这些标题特征对互动效果的实际影响。

提升倍率大于1说明该关键词对互动有正向促进作用，值得在后续内容创作中优先使用；提升倍率小于1则说明该关键词可能并未带来预期的效果提升，甚至可能有负面影响。这种量化分析为内容创作者提供了数据驱动的标题优化依据，而非依赖直觉或经验。

（4）趋势分析

每日播放量/阅读量趋势图反映了内容热度随时间的变化规律。关注曲线的走向（上升/下降/平稳）和拐点，可以识别出哪些时间节点的内容表现异常突出，进而分析背后的原因。例如，某个日期的播放量突然升高，可能是因为当天发布了爆款内容，也可能是因为外部因素（如节假日、热点事件）带动了流量。

3.5 实验总结

3.5.1 实验收获

理论知识方面：深入理解了数据清洗在数据分析流程中的基础性与必要性——原始数据往往存在平台冗余、无效记录、字段缺失等问题，必须经过系统的清洗才能支撑有意义的分析。掌握了特征工程的核心思想——将非结构化的文本信息转化为结构化的数值特征（0/1标志字段），使后续量化分析成为可能。理解了分支处理的设计模式——同一数据源经过不同处理逻辑后分别输出到不同目标，适用于“同一份数据、不同分析需求”的场景。

实操技能方面：熟练掌握了助睿ETL的各项核心组件操作——CSV文件输入、排序记录、分组、过滤记录、空值替换、字段选择、表输出、JavaScript代码、计算器、插入/更新、记录集连接、增加常量等。掌握了助睿BI的可视化图表制作方法——指标卡、排名图表（条形图）、对比图表（柱状图）、趋势图表（折线图）的配置与美化。掌握了从ETL数据加工到BI可视化的完整数据链路操作。

数据分析思维方面：建立了“从图表到洞察”的分析思维方式——每个图表都应回答一个具体的业务问题。理解了仪表盘“先总后分、左右对照”的布局逻辑——顶部指标卡建立整体认知，中部排名图表发现问题，标题分析定位原因，趋势图表观察规律。掌握了排名类图表“关注头部和尾部”的解读方法——头部代表优秀实践，尾部代表常见问题。理解了对比类图表“关注差距大小”的解读方法——差距大说明因素影响显著，值得深入分析。