在数字化经营与商业数据分析场景中，企业每天会产生大量分散、多源的业务数据，这些原始数据往往存在字段冗余、结构不统一、无法直接用于分析等问题。

要实现精准的经营决策、利润分析与亏损溯源，必须先对数据进行标准化的抽取、转换、加载（ETL） 处理，形成可直接使用的高质量数据集。

传统 ETL 依赖代码编写，不易上手。本次实验采用助睿零代码 ETL 平台，以订单利润分流为真实业务场景，通过可视化拖拽方式完成多表关联、字段清洗、数据过滤与结果输出

一、实验背景

1.1 实验目的

1、熟练掌握助睿零代码数据集成平台的新建项目、同步数据源、新建转换流、添加组件、配置参数、执行转换、查看结果等完整操作流程。

2、深入理解并掌握表输入、记录集连接、字段选择、过滤记录、Excel 输出五大核心组件的功能与配置方法。

3、掌握ETL 数据加工的典型思路：多表关联、字段清洗、数据过滤、结果分流、文件输出。

4、能够独立完成企业级订单数据的关联计算与分类存储，为后续经营分析、利润分析提供标准化数据。

1.2 实验环境

1、零代码实验平台：助睿数智（Uniplore）一站式数据科学平台

2、平台访问地址：https://lab.guilian.cn/

3、产品官网：

https：//www.uniplore.com/

4、数据库环境：MySQL（只读公共数据源）

5、实验数据表：订单明细表：business_anaylsis.order_detail

产品信息表：business_anaylsis.product

1.3 业务场景

在企业日常经营分析中，需要将订单数据与产品数据关联，计算每笔订单的利润，并按照盈利/ 亏损对订单进行分类存储，便于分别开展高盈利产品分析与亏损订单原因排查。本实验基于真实业务逻辑，使用零代码 ETL 工具完成全流程数据处理。

1.4 数据加工流程

订单明细表→ 左外连接产品信息表 → 移除重复字段 → 按利润≥0 过滤分流 → 分别输出盈利订单、亏损订单到两个 Excel 文件

二、实验步骤

2.1 登录实验平台

打开贵兰在线课程页面，随后点击右上角头像，进入我的学习。

在课程实训区点击大数据实训平台，跳转至实验登录页。

输入账号、密码、验证码

完成登录并进入平台首页

2.2 基本概念了解

是什么：助睿一站式大数据平台中的数据集成平台，通过可视化方式做数据ETL（抽取、转换、加载）

概念	说明
Pipeline（转换）	面向数据流，处理数据的一个功能单元，由多个Transform组成
Workflow（作业）	面向任务，完成一件完整的事，由多个Action组成，必须包含开始项
Transform（步骤）	转换内的最小单元，如"Excel输入"、"字段选择"，每个步骤独立线程运行
Action（任务项）	作业的执行单位，如"启动"、"发送邮件"
Hops（节点连接）	数据传输通道，连接步骤或任务项

转换工作流与作业工作流

2.3 团队管理（小组协作）

进入数据集成/ ETL模块，打开团队管理。

组长点击新增团队

填写团队名称、团队描述，完成创建

点击添加成员，进入团队详情

输入组员手机号，勾选并确认添加。

2.4 创建实验项目

在数据集成页面选择所属团队（个人/ 小组）。

点击新建项目

输入项目名称（如：助睿ETL 入门实验），点击确定

确认创建后，在项目列表中可查看新建项目。

2.5 同步实验数据源

点击项目右上角“…”→ 打开项目，进入项目编辑空间。

菜单名称	核心用途	主要功能	本次实验使用情况
资源库	工作流统一管理	新建 / 删除 / 修改 / 查看转换流与作业流信息；工作空间导入导出；任务调度管理	主要使用：新建转换流、编辑转换流、保存流程
文件库	实验文件存储与管理	存放流程所需文件；保存转换执行后生成的输出文件；支持文件下载 / 删除	主要使用：查看并下载盈利订单、亏损订单 Excel 文件
元数据	数据集成配置定义	定义运行配置、数据库连接、Flink 集群、密钥等底层环境配置	辅助使用：同步数据库数据源

在项目内切换到元数据面板

右键关系数据库→ 同步数据源，获取平台公共实验数据。

切换到文件库再返回元数据，确认出现线上公共数据源(Readonly)。

2.6 新建转换流

本次实验将创建“订单利润分流处理”的转换流，，根据利润正负将数据分流为盈利订单和亏损订单，实现订单数据与产品信息的关联，分别输出到两个Excel文件中。

整体逻辑：订单明细表→ 左外连接产品信息表 → 移除重复ID字段 → 按利润≥0分流 → 盈利订单/亏损订单分别输出

各组件作用：

1、表输入（订单 / 产品）：读取数据库中的订单表与产品表原始数据

2、记录集连接：按照产品 ID 将两张表进行左外连接，实现多表数据合并

3、字段选择：移除两表连接后重复的产品 ID 字段，完成数据清洗

4、过滤记录：根据利润字段正负，将数据分为盈利与亏损两类进行分流

5、Excel 输出：将分流后的结果分别导出为盈利订单、亏损订单 Excel 文件

切换到资源库，右键根目录→ 新建转换流。

输入转换流名称：订单利润分流处理，点击确定。

进入转换流画布，点击锁图标解锁编辑权限。

2.7 添加并连接组件

按业务逻辑依次添加并连接以下组件：表输入

分别命名为订单_详细订单、订单_产品信息。

记录集连接：用于两表关联，连接两个表输入组件。

在建立连接线时，会出现“排序需要”的提示。这是由于记录集连接组件是按接收数据的顺序进行记录关联的，如果接收的数据是无序的，可能会造成记录连接结果出错。

创建两个表输入组件到记录集连接组件的连接线，如下图：

字段选择：命名为“移除产品ID_1”字段，用于去重。

创建记录集连接组件到字段选择组件的连接线，如下图：

过滤记录：按利润条件将数据分为两路。

创建字段选择组件到过滤记录组件的连接线，如下图：

在选择连接线的弹窗中点击“主输出步骤”。由于在进行字段选择操作时，可能有记录不满足要求，导致记录被标记为错误。主输出步骤表示满足要求的记录通过该连接线传输数据。

添加Excel 输出（2 个）

分别命名为盈利订单、亏损订单。

连接规则：

过滤记录→ 盈利订单（True 输出）

过滤记录→ 亏损订单（False 输出）

2.8组件详细配置

2.8.1 表输入组件配置

数据库连接选择：线上公共数据源(Readonly)。

点击获取SQL 查询语句，分别选择订单数据（business_anaylsis.

order_detail）和产品信息数据（business_anaylsis.product）

确认自动生成SQL，保留全部字段，完成订单与产品数据读取。

2.8.2 记录集连接配置

按照配置信息配置，删除多余字段，只保留关联键，确保连接准确。

配置信息：

​​​​​​​第一个 Transform：订单_详细订单

第二个 Transform：订单_产品信息

连接类型：LEFT OUTER（左外连接）

连接字段：订单表product_id ↔ 产品表id

2.8.3 字段选择配置

切换到移除模式，点击获取字段。

只保留重复字段id，删除其余所有字段。

确认配置，完成重复字段清理。

2.8.4 过滤记录配置

设置匹配输出：盈利订单；不匹配输出：亏损订单。

字段选择profit(Number)，运算符>=，值为0。

确保配置正确，然后点击确认

2.8.5 Excel 输出配置

文件名分别设为：盈利订单、亏损订单。

文件格式：xlsx（Excel 2007 及以上）（亏损订单同理）。

点击输出字段→ 获取字段，自动加载全部字段（亏损订单同理）。

确认字段无误，保存配置（亏损订单同理）。

2.9 执行转换与查看日志

点击画布上方启动按钮，选择local运行配置。

等待转换执行完成，查看日志面板与步骤度量。

确认所有组件状态为已完成，无报错、无拒绝数据。

2.10 查看与下载结果文件

切换到文件库，右键刷新目录。

查看生成的盈利订单.xlsx和亏损订单.xlsx。

右键文件，选择下载到本地查看数据内容。

三、实验结果

本次实验成功完成订单数据ETL 全流程处理，输出结果如下：

输出文件	数据筛选规则	数据量	用途说明
盈利订单.xlsx	profit ≥ 0	7977 条	用于高利润订单分析、爆款产品挖掘
亏损订单.xlsx	profit < 0	2023 条	用于亏损原因排查、定价策略优化

实验完全实现业务目标：多表关联、字段清洗、条件分流、文件输出，数据处理流程正确，输出结果规范可用。

四、实验遇到的问题及解决方法

问题1：Excel 输出组件无法获取字段

现象：配置Excel 输出时点击 “获取字段” 无响应，字段列表为空。

原因：过滤记录到Excel 输出的连接线类型错误，未选择 True/False 输出。

解决方法：删除原有连接线，重新连接并分别选择True 输出（盈利）、False 输出（亏损），再次获取字段成功。

问题2：记录集连接提示“排序需要”

现象：连接表输入与记录集连接时弹出警告。

原因：组件要求输入数据有序，避免关联错误。

解决方法：保持默认配置，平台自动处理排序，不影响结果。

五 、实验总结

    通过本次助睿零代码ETL 平台实验，我掌握了从平台登录、项目创建、数据源同步，到转换流设计、组件配置、执行调试、结果导出的全过程操作。熟练地掌握了表输入、记录集连接、字段选择、过滤记录、Excel 输出五大组件的使用方法，理解了多表关联、数据清洗、条件分流的 ETL 核心设计思路。

    对比传统代码式数据处理，零代码ETL 工具更直观、高效、易维护，非常适合数据分析初学者快速上手。本次实验为后续更复杂的数据集成、数据治理、机器学习建模打下了坚实基础，也提升了我运用工具解决实际商业数据分析问题的能力。