不会写代码也能挖数据：Orange 拖拽出客户流失的决策树

我做客户分析时，最怕的就是"写代码"。Python 没学好，SQL 也磕磕绊绊。后来同事给我推了 Orange，说"你拖拖组件就行"。试了一次，真把客户流失的关键特征找出来了，全程没写代码，连我这种半吊子都能上手。

一个坑：字段被识别成文本，分析结果全错

第一次导入客户数据做分析，出来的散点图一团乱，决策树也分不出东西。我以为是数据问题，折腾半天，才发现"消费金额"那列因为里面带逗号（比如"1,234"），Orange 把它当成了文本，根本没当数值算。解决办法：导入前把逗号去掉，或者在"文件"组件里把那一列的"类型"手动改成数值型。改完再跑，图和树一下就正常了。这个坑只要是带千分位逗号的数字都会踩，记住先清逗号。

功能一：数据导入（操作 → 得到）

操作：从左侧组件区拖一个"文件"组件到画布，双击选数据文件

得到：数据进了 Orange，点组件能预览前几行，确认列和类型对不对。这是第一步，也是我上面踩坑后要回来检查的地方。确认无误才往下接。

功能二：数据可视化（操作 → 得到）

操作：拖一个"散点图"或"箱线图"组件，用线连到数据源，在设置里选 X、Y 变量

得到：画布上直接出图，鼠标悬停看每个点。我看销售额和利润的关系，一眼就发现高销售额不一定高利润的那批客户，比看表格直观十倍。

用散点图查看销售额和利润的关系

功能三：决策树分析（操作 → 得到）

操作：拖一个"决策树"组件，连线到数据，设置"目标变量"为是否流失，点运行

得到：它输出一棵决策树，标出"什么条件下客户更容易流失"的分类规则。我看那棵树，发现"近三月登录小于 2 次且客单价低于 X"的客户流失率最高，直接拿去给运营做挽留名单。

用决策树分析客户流失的关键因素

真实场景：五分钟找到流失特征

做客户画像那次，我把清洗好的客户表导进 Orange，先确认金额列是数值型（上次踩的坑记着呢），拖散点图看销售额和利润关系，再拖决策树以"是否流失"为目标跑了一遍。五分钟，树出来了，流失的关键特征清清楚楚：低频低客单的那批最危险。运营拿着这个去做定向挽留，比之前拍脑袋准多了。全程没写一行代码，我这种半吊子也能交付。

你做数据分析是不是也被代码劝退过？Orange 这种拖组件的工具，真值得不会写代码的人试一把。你手头有没有一张"想挖点东西但不知道怎么下手"的表？