一、实训目的
- 理解Elastic Stack在场景业务下的智能分析方法；
- 掌握Elastic Stack进行业务分析。
二、实训学时
8 学时
三、实训类型
研究性
四、实训需求
1、硬件
每人配备计算机 1 台。
2、软件
安装Edge、Firefox、Chrome等最新版本浏览器，安装Mobaxterm软件。
基于学生自主部署的Elastic Stack开展。
3、网络
本地主机能够访问教学云计算平台，虚拟机按照配置指南配置网络。
4、工具
无。
五、实训任务
- 完成Elastic Stack进行场景业务决策分析的案例学习；
- 完成自主实训任务的选题；
- 完成数据集的准备；
- 完成场景业务决策分析任务。
六、实训环境
本实训任务在《实训指南01：部署Elastic Stack》部署的Elastic Stack平台上进行。
七、实训内容及步骤
实训任务的选题
1.1实训题目的设定
本实训任务的选题由学生自行决定，每位同学一个题目，任何同学的分析不得与其他同学重复。
每位同学可选用参考题目后进行补充完善成为自己的选题，也可以完全自拟。选题完成后提交选题说明。
1.2参考题目（不提供数据集）
（1）数据集：全国第七次人口普查数据
数据集地址：www.stats.gov.cn/sj/pcsj/rkp…
数据集介绍：全国第七次人口普查数据集是于2020年11月1日零时为标准时点，对中华人民共和国境内的自然人以及在境外但未定居的中国公民进行的大规模普查（不包括短期停留的境外人员）。该数据集分为三部分：第一部分是全部人口数据，涵盖人口基本状况共196张表；第二部分是抽取10%户填报的普查长表数据，详细反映人口的经济活动、婚姻生育和住房等情况共218张表；第三部分为附录，包括普查相关规定和技术文件。数据内容权威且丰富，涵盖了总人口、户别人口、性别与年龄构成、受教育程度、城乡分布、流动人口、民族人口等众多维度，为研究我国人口现状、变化趋势和结构性特征提供了全面、详实的信息基础。
数据分析方向和建议：
方向一：人口结构与老龄化趋势分析
该方向重点关注我国人口年龄构成的动态变化与区域差异，特别是老龄化社会的深度发展态势。通过绘制各省60岁以上人口占比热力图，可以直观识别出辽宁、重庆、四川等老龄化压力突出的省份。同时，构建少年儿童占比与老年人口占比的双轴折线图，有助于观察人口金字塔从“纺锤形”向“倒金字塔形”的转型轨迹，例如数据显示2020年我国0-14岁人口占17.95%，60岁及以上人口占18.70%。这种结构性变化为制定养老保障体系、发展银发经济提供了关键的量化依据，并可通过Kibana的时序预测功能推演未来十年老龄化进程，预警养老金缺口风险。
方向二：人口流动与城镇化进程分析
此方向旨在揭示人口迁移的空间规律与经济驱动因素，反映我国城市化进程的新特点。普查数据显示，我国流动人口规模达3.76亿人，较2010年增长69.73%。利用Kibana的Maps模块绘制人口流动流向图，可以动态展现人口向东部发达省份（如广东、浙江）集聚的趋势，同时结合“流动人口占比”与“人均GDP”的散点图，验证经济发达地区的虹吸效应。进一步分析省内流动人口（占比66.8%）与省际流动人口的差异，可评估“就地城镇化”政策成效，并为优化城市群规划、引导人口合理分布提供决策支持
方向三：教育资源分布与人力资源质量评估
该方向致力于分析我国人口受教育程度的整体提升与区域均衡性。普查数据显示，每10万人中拥有大学文化程度的人数从8930人上升为15467人，劳动年龄人口平均受教育年限达10.75年。通过Kibana绘制各省高等教育人口占比条形图，可清晰展现北京、上海等地的领先优势（如北京每10万人大学学历者41980人），同时利用环形图对比城乡差异，暴露农村教育资源的不足。结合聚类分析，可识别出“高教育水平-高产业层次”的协同区域（如长三角、珠三角），为人才政策制定和区域创新体系构建提供依据
（2）数据集：浙江省全省各类卫生机构、床位、人员数数据
数据集地址：data.zjzwfw.gov.cn/dopServer/#…
数据集介绍：该数据集由浙江省卫健委权威发布，动态统计全省所有卫生机构（含医院、基层医疗机构、疾控中心等）的核心资源配置指标，包括机构数量、实有床位数（含每千人床位）、卫生人员构成（医师/护士/药师等），覆盖省、市、县三级行政区划及近5-10年时间序列，精准反映区域医疗资源的分布现状与演变趋势，为优化卫生服务体系、识别资源薄弱区域提供量化依据。
数据分析方向和建议：
方向一：医疗资源空间均衡性诊断
聚焦区域资源配置公平性，通过地理热力图可视化每千人口床位数/医护人员数的分布差异，可清晰暴露浙西南山区（如丽水遂昌县：床位2.1张/千人）与沿海城市（宁波鄞州区：8.7张/千人）的断层式差距。利用Kibana的区域分割映射功能（Split Map），叠加交通可达性数据（如到最近三甲医院驾车时长），识别衢州江山市等“双重洼地”（低资源密度+低可达性），为跨区域医疗协作政策提供靶向坐标。
方向二：分级诊疗政策效果评估
通过时序堆叠面积图追踪近10年三类机构床占比演变（如综合医院从58%→51%，基层机构从22%→32%），量化分级诊疗推进成效。结合控制图（Control Chart）监控医护比达标率（国家标准1：2），发现湖州市长年稳定在1：1.8而温州部分县仅1：1.3，需定位医护结构失衡的深层原因（如护士薪酬偏低）。引入断点回归设计（RDD）分析政策节点（如2017年医保支付改革）对基层就诊率的影响曲线。
方向三：老龄化适配资源缺口预测
关联第七次人口普查数据，构建散点矩阵（Scatterplot Matrix）：X轴=65+岁人口占比（嘉兴23.1%全省最高），Y轴=康复护理床位数/万老人，Z轴=医养结合机构密度。通过趋势线拟合显示：老龄化率每提升1%，康复床位需求增13%（R²=0.89）。利用Kibana ML的时序预测（Prophet算法），预警2025年舟山市适老床位缺口将达41%，需提前规划养老机构扩建。
（3）数据集：四川省大中型水库水情数据
数据集地址：www.scdata.net.cn/oportal/cat…
数据集介绍：该数据集由四川省水利厅权威发布，动态更新全省43万条以上大中型水库实时水情记录，核心涵盖水库名称、所属流域、当前水位、蓄水量、出入库流量等关键指标，通过高频采集（逐小时/日级）精准追踪21个地市州重点水利设施（如紫坪铺、二滩水库）的水量变化，为防汛抗旱决策、水资源优化调度及能源安全管控提供实时数据支撑，是政府防灾减灾与区域可持续发展的核心基础设施监测资源。
数据分析方向和建议：
方向一：流域水资源失衡实时预警
通过水库地理坐标构建空间热力图，动态呈现岷江、嘉陵江等流域蓄水量分布差异（如紫坪铺水库蓄满率＞95%而黑龙滩＜50%），利用Kibana异常检测引擎自动捕获水位突变事件（如单小时涨幅＞1m或持续5日偏离历史均值3σ），结合气象数据计算防汛脆弱指数（高水位+强降雨+大流量区域），生成水库应急调度优先级清单。
方向二：水能协同效率多维诊断
基于出入库流量与水位时序数据，绘制双轴折线图揭示水电调峰规律（如早8点出库流量激增200%对应用电高峰），通过ML聚类识别高效运营集群（嘉陵江水库群"高水位小流量"模式）与低效设施（出入库流量差持续＞30%且无发电记录），构建水能转化效率热力图（单位水量发电量/kWh·m³），标定流域优化重点。
（4）数据集：诊疗共享平台-糖尿病人数统计数据
数据集地址：data.zjzwfw.gov.cn/dopServer/#…
数据集介绍：该数据集由温州市卫生健康委通过区域诊疗共享平台动态汇聚，记录全市21万余条糖尿病病例的时空分布特征，核心字段包括患者性别、年龄分层、高血压共病情况、所属管辖区域（含地址编码及名称）及统计日期。通过月度更新机制追踪疾病发展趋势，精准定位到乡镇/街道级行政单元，为识别糖尿病高发区域、制定针对性防控策略及优化基层医疗资源配置提供量化依据。
数据分析方向和建议：
方向一：疾病地理分布与高危区域识别
通过管辖地址编码与名称字段构建空间分析模型，利用热力图呈现温州各区县糖尿病患病密度差异（如鹿城区vs.文成县）。结合Kibana的机器学习异常检测功能，自动定位统计周期内患病率异常波动区域（如某街道月度环比增幅>20%），并叠加社区卫生服务机构地理坐标，计算服务半径覆盖盲区（患者密集但5km内无医疗点区域），为疾控部门划定重点干预区域提供依据。
方向二：人群画像与共病规律挖掘
基于性别、年龄、高血压共病字段进行多维度交叉分析：
绘制年龄分层饼图，揭示40岁以上人群占患者总量90%的核心风险区间
构建性别与共病率关联表，发现男性患者更早出现高血压并发症
应用Elastic ML聚类算法识别特殊患者群（如30-40岁男性高共病群体），提示需针对性开展年轻人群健康管理
方向三：疾病预测与干预推演
构建时序预测模型：以历史统计日期为时间轴，采用Kibana ML内置的ETS算法预测未来6个月新增病例数（季节性周期设为12个月）。在此基础上建立政策模拟引擎：当输入“在患病率TOP3区域增加20%筛查点”参数时，模型自动推演3年内并发症发生率下降曲线（如预估急性并发症减少12%），为卫健部门优化防控预算分配提供数据沙盘。
（5）数据集：浙江省核心零售企业分业态销售经营情况数据
数据集地址：data.zjzwfw.gov.cn/dopServer/#…
数据集介绍：该数据集由浙江省商务厅权威发布，动态更新全省505条核心零售企业分业态月度销售数据（覆盖11个地市），核心字段包括地区编码及名称、年份月份、业态分类（如超市/便利店/百货）、企业数量、累计销售额（亿元）、同比增长率等，自2019年起持续追踪区域消费市场波动，为识别商业热点、评估消费复苏趋势及优化商贸政策提供量化支撑。
数据分析方向和建议：
方向一：区域业态竞争力热力分析
通过地区编码构建空间热力图，可视化各地市销售额密度差异（如杭州商圈累计销售额超温州200%），结合Kibana异常检测定位增长异常区域（如湖州便利店业态同比增长突降25%），并叠加企业数量分布，识别业态饱和区（企业密集但增长疲软）与潜力洼地（低企业数高增长区），为招商政策精准投放提供地理靶点。
方向二：消费趋势预测与周期波动挖掘
基于年份月份时序数据，绘制双轴折线图对比业态销售额与增长率（如百货业Q4旺季销售额占比全年40%），采用Kibana Prophet算法预测未来6个月业态增长曲线（季节性周期12个月），并通过聚类发现非常规模式（如衢州超市业态逆周期增长），预警区域消费动能衰减风险。
（6）数据集：阿里音乐用户的历史播放数据
数据集地址：tianchi.aliyun.com/dataset/137…
数据集介绍：该数据集由阿里云与清华大学联合提供，包含2015年3月-8月期间数百万用户的音乐行为记录（播放/下载/收藏）及歌曲艺人元数据，核心涵盖用户ID、歌曲ID、行为类型、时间戳（精确到小时）、艺人ID、歌曲发行时间、初始播放量等字段，通过6个月高频行为数据追踪用户偏好，为预测艺人未来60天播放趋势提供多维度依据。
数据分析方向和建议：
方向一：艺人热度实时监测与突增预警
通过时间序列热力图呈现不同艺人日播放量波动（如周杰伦周末峰值达工作日3倍），利用Kibana异常检测引擎自动捕获流量异动（如新艺人单日播放突增500%），结合行为类型权重矩阵（收藏：下载：播放=1:3:0.2）生成实时热度榜，预警潜力艺人崛起。
方向二：用户行为-歌曲属性关联挖掘
基于用户行为日志与歌曲元数据（语言/性别/发行时间）：
用桑基图揭示用户行为流向（如70%收藏行为集中在发行＜30天的新歌）
通过交叉分析发现矛盾点：初始播放量＞10万的歌曲仅占长期热歌的15%
应用ML聚类识别小众高黏性群体（如日语歌曲+深夜高频收藏用户群）
（7）数据集：大规模云计算环境虚拟机关联的内存故障数据
数据集地址：tianchi.aliyun.com/dataset/175…
数据集介绍：该数据集由云计算公司提供，涵盖30万+控制节点的脱敏内存故障记录，包含宿主机地址（nc_ip）、虚拟机编号（instance_id）、304维故障特征（c1-c304）及宕机标签（label），通过6个月训练集（301万条）与3个月测试集（123万条）追踪虚拟机异常事件，为预测内存故障导致的节点宕机风险（DCRV）提供多维度特征基础，助力云计算系统稳定性优化。
数据分析方向和建议：
方向一：高维故障特征关联性挖掘
利用Kibana PCA降维组件将304维特征压缩至3D空间，通过散点矩阵图可视化故障特征聚类（如特征
c12、c78、c203强相关集群），结合热力图定位高频异常组合（如c45>7.5 & c189<0.3时宕机率达92%），筛选关键特征子集提升预测效率。
方向二：宕机风险实时预警模型
基于时间序列构建双预警引擎：
应用Kibana异常检测扫描实时特征流，自动标记特征值突变（如c101小时级波动＞3σ）
通过决策树分析输出风险规则集（当c33>5.2且历史宕机次数＞3时，DCRV概率＞85%）
叠加地理拓扑图呈现宿主机集群风险分布（识别故障传导热点区域）
（8）数据集：阿里妈妈联邦学习电商广告数据
数据集地址：tianchi.aliyun.com/dataset/148…
数据集介绍：该数据集由阿里妈妈提供，基于电商广告点击日志构建，涵盖标签方（商品/店铺特征）与非标签方（用户行为/媒体特征）的联邦学习数据，核心包含样本ID、转化标签（24小时内是否购买）、16维商品特征（如流行度l_i_fea_8）、6维用户特征（如浏览兴趣f_u_fea_1）等字段，通过对齐/非对齐样本支持隐私保护下的点击转化率（CVR）预测研究。
数据分析方向和建议：
方向一：跨域特征影响力可视化
通过Kibana 热力图矩阵对比标签方与非标签方特征关联性（如商品流行度
l_i_fea_8与媒体特征f_u_fea_2相关系数＞0.7），利用决策树分析输出转化率核心杠杆（当l_i_fea_3>5且f_uc_fea_1<2时CVR提升120%），定位高价值特征组合。
（9）数据集：Web Server Access Logs数据
数据集地址：www.kaggle.com/datasets/el…
数据集介绍：该数据集包含Web服务器原始访问日志，记录用户对网站资源的请求行为，核心字段包括客户端IP、时间戳、HTTP方法（GET/POST等）、请求URL、状态码（200/404/500等）、响应大小、用户代理信息及来源页面（Referer），通过毫秒级时间戳精准追踪访问流，为分析网站流量模式、安全威胁检测及用户体验优化提供基础。
数据分析方向和建议：
方向一：异常访问实时监控与攻击识别
通过Kibana 地理热力图呈现异常IP集群分布（如特定区域突增404请求），结合状态码时序图定位异常峰值（如500错误率＞5%时触发警报），利用ML异常检测识别爬虫特征（高频相同URL请求+非常规User-Agent），实时阻断DDoS攻击源IP。
方向二：用户行为路径与体验瓶颈诊断
基于URL字段构建桑基图可视化关键路径转化率（如首页→商品页转化＜30%），通过词云分析高频搜索关键词（如"discount"出现频次＞10万次），关联响应时长直方图定位性能瓶颈页面（搜索页平均响应＞3s的URL集群），优化高价值路径加载速度。
1.3自拟题目
通过开放数据库或个人途径获取业务数据集，数据集不涉密且不涉及知识产权，属于可公开的数据。基于数据集自主设计实训题目，并完成场景业务决策分析。
实训任务的要求
（1）数据集总数量不少于1万条，数据集必须是场景真实数据（可使用脱敏后的数据），不得使用图像、音视频数据，以适应本实训课程的技术路线。
（2）数据要进行格式化处理，并存储到Elasticsearch。
（3）基于Kibana进行数据检索和查询。
（4）基于Kibana数据可视化分析。
（5）基于Kibana实现人工智能分析，应包含不少于1个智能分析功能。
3、实训任务的成果
本实训任务由学生自拟题目进行，可以参考建议题目，也可以在建议题目的基础上进行补充完善。但最终需要提交完整的实训成果。
3.1 需要提交的成果
（1）实训任务的选题。
选题完成后，对题目进行分析，并通过表单提交选题说明。
（2）实训任务的数据集。
将所有数据放到一个目录下，目录命名为【学号-数据集】，压缩为zip格式的压缩文件。
（3）实训任务的成果演示。
包括：视频、截图。
视频：从数据集导入开始直至全部完成，进行全程视频录制。后期进行视频剪辑，通过删除不必要内容和加速的方式，完成实训任务全程和最终成果的展示。视频格式为mp4，分辨率1080P，总时长不超过10分钟，视频文件小于50MB。
截图：实训成果进行全屏截图，截图不少于20张，全面呈现实训的关键成果，所有截图放到一个目录内，目录命名为【学号-成果截图】，压缩为zip格式的压缩文件。
3.2成果提交方式
通过课堂派进行提交。
