1 实验目的

依托之前的预处理与特征工程数据表，使用助睿 BI 搭建可视化仪表盘，完成多维度自助数据分析，输出数据驱动的运营优化报告。

学习目标：

掌握助睿 BI 计数、求和、均值、分组等聚合操作，快速搭建各类分析图表；

完成整体概况、学生排名、标题关键词、平台对比、时间趋势五大维度可视化；

建立图表解读逻辑，从数据中提炼可落地的业务优化结论。

2 实验环境

实验平台：助睿在线实验平台 https://lab.guilian.cn/

工具：Uniplore 一站式数据科学平台，可视化模块为助睿 BI

助睿 BI 核心优势：工作表独立建模、拖拽自助分析、多类型图表、可自由编排交互式仪表盘。

数据源：实验产出三张数据表 summary_all_platforms、content_analysis、title_feature_analysis

3 核心设计思路

3.1 数据与分析框架

数据特征：全班作业主题统一，有效平台仅 B 站、CSDN，作品数量接近；核心变量为标题关键词，流量差异主要由标题写法导致。

五大分析维度：整体指标概况、学生 / 作品排名、标题关键词效果、平台横向对比、流量时间趋势。

3.2 仪表盘布局规则

先总后分、左右对照：

顶部两行指标卡：全平台总览、B 站 / CSDN 分项指标；

主体分左右栏，左 B 站、右 CSDN；

单栏内顺序：排名分析→标题特征分析→时间趋势分析。

3.3 图表通用解读逻辑

排名图：重点观察头部标杆与尾部短板；

对比柱状图：差值越大代表对应因素影响越强；

分布图表：判断流量集中区间与异常爆款；

趋势折线：根据升降、拐点判断流量增长规律；

关键词倍率图：数值越高代表该标题引流效果越好。

4 实验操作步骤

步骤 1 确认数据源连接

团队私有数据库已预配置，无需重新关联。

 

步骤 2 新建 BI 数据集

分别基于三张业务表创建独立数据集，供图表调用。

 

步骤 3 分模块制作工作表图表

（1）指标卡（全局概况）

全平台作品总数、覆盖平台数、总浏览、总互动；B 站 / CSDN 作品量、总播放 / 阅读量，直观展示大盘基线。

选择数据集和指标卡制作8个工作表，数据集全部选择全平台概况数据集：

 

（2）排名图表

按平台分别制作学生平均流量 TOP10、单作品流量 TOP10，区分个人长期运营水平与单篇爆款内容。

制作B站作品播放量排名TOP10图表：

现在对应的数据集和图表

数据集：重点平台深度分析数据集

配置

CSDN作品阅读量排名TOP10图表：

其它图表制作方法一样

（3）标题特征分析

计算各关键词平均互动提升倍率，用条形图对比效果；搭配分组柱状图直观对比有无关键词的流量差距，区分两平台最优标题词汇。

图表名称	数据集	配置方法	解读要点
B 站标题特征提升倍率条形图	标题关键词互动数据集	筛选平台 = B 站，计算「含对应关键词作品平均播放量 ÷ 全站整体平均播放量」	定位 B 站引流效果最优的标题关键词
B 站标题特征对比柱状图	标题关键词互动数据集	筛选平台 = B 站，展示各关键词对应作品平均互动量，叠加全站均值基准线	直观查看各关键词作品平均互动水平，对比整体基准
CSDN 标题特征提升倍率条形图	标题关键词互动数据集	筛选平台 = CSDN，计算「含对应关键词作品平均阅读量 ÷ 全站整体平均阅读量」	定位 CSDN 引流效果最优的标题关键词
CSDN 标题特征对比柱状图	标题关键词互动数据集	筛选平台 = CSDN，展示各关键词对应作品平均互动量，叠加全站均值基准线	直观查看各关键词作品平均互动水平，对比整体基准

先计算标题特征提升倍率：含对应关键词作品平均播放量 ÷ 全站整体平均播放量

（4）时间趋势图

以采集日期为维度，绘制每日累计浏览折线，分析整体流量走势；可单独筛选早期作品，观测老内容长尾传播效果。

图表名称	数据源	配置方法	解读要点
B 站每日播放量趋势折线图	重点平台深度分析数据集	筛选平台 = B 站，维度字段选择日期，聚合指标设置为浏览数量求和	查看 B 站每日累计播放流量整体变化走势
CSDN 每日阅读量趋势折线图	重点平台深度分析数据集	筛选平台 = CSDN，维度字段选择日期，聚合指标设置为浏览数量求和	查看 CSDN 每日累计阅读流量整体变化走势

选择数据集和折线图：

步骤 4 整合综合仪表盘

按照「顶部指标卡 — 左侧 B 站分析 — 右侧 CSDN 分析」逻辑拖拽排布所有图表，完整仪表盘如下：

5 实验故障与解决方案

问题 1：数据集无法读取完整字段

现象：BI 预览缺少 total_interaction、has_系列标题特征字段。

解决：返回 ETL 核对插入更新组件配置，确认字段成功写入 content_analysis 表，重新刷新 BI 数据集元数据。

问题 2：关键词提升倍率计算结果异常

现象：部分关键词倍率出现 0 或极大值。

解决：过滤样本量过少的关键词，聚合时统一保留两位小数，增加整体均值基准线便于对照。

问题 3：趋势折线流量持续暴涨无法区分新旧内容

现象：每日总量持续上升，分不清是新增作品还是老作品持续涨流量。

解决：新建筛选分支，仅保留首日已发布作品单独做趋势图，分离新增内容与长尾流量。

6 实验总结

本次实验基于前期 ETL 清洗与特征数据，借助助睿 BI 完成零代码多维度可视化建模，搭建完整自媒体运营仪表盘。通过指标卡、排名、关键词对比、时间趋势等图表，量化标题对作品流量的影响，实现两平台横向对比与长期数据规律观测。

实操过程中解决了数据集字段缺失、指标计算异常、图表布局等常见可视化问题，掌握了自助 BI 分析流程与数据洞察方法，能够依据图表输出可落地的标题创作、内容发布优化建议，形成完整的数据采集 — 处理 — 可视化 — 业务分析闭环。