小明：最近我在研究数据中台系统，感觉它对职校的数据管理特别有帮助。你了解这方面的内容吗？
小李：是的，数据中台可以统一整合职校的教务、学生、课程等多源数据，形成一个统一的数据资源池。你觉得这个框架有什么具体的应用场景吗？
小明：比如，我们可以用数据中台来分析学生的出勤率和成绩之间的关系，从而为教学改进提供依据。
小李：没错，而且我们可以通过搭建一个基于Python的轻量级数据处理框架来实现这一点。我可以给你一段示例代码。
小明：太好了，我正需要这样的例子。
小李：这段代码使用Pandas进行数据清洗，并利用简单的统计方法计算平均成绩和出勤率的关系。
import pandas as pd
# 读取数据
df = pd.read_csv('student_data.csv')
# 计算平均成绩
avg_score = df['score'].mean()
# 计算出勤率
attendance_rate = df['attendance'].mean() / 100
print(f"平均成绩：{avg_score}, 出勤率：{attendance_rate:.2f}")
小明：这真是个不错的开始！那这个框架还能扩展吗？
小李：当然可以，我们可以进一步引入ETL流程、数据仓库设计，甚至AI模型预测，让数据中台真正成为职校智能决策的核心。
小明：明白了，看来数据中台不仅是技术问题，更是教育管理的升级。
小李：没错，框架的设计决定了系统的灵活性和可扩展性，这也是我们在职校项目中重点关注的部分。