首先，在左侧导航栏选择深度分析，进入深度分析模块。根据页面提示信息点击左侧顶部的
图标，进入实验页面。在页面的右侧可以看到新建Auto Model模型图标。
点击图标，进入创建Auto Model模型界面，可以看到创建过程共分为六步。
1)第一步，选择数据集。
点击下拉框，在下拉列表中选择需要进行分析的数据集，包含的数据集与数据集列表中一致。（如第一次学习使用功能，也可以使用产品自带的案例数据集，这里我们选择咖啡中国市场销售数据。）
选择数据集后，会显示数据集的元数据和探索数据。可以查看和编辑数据集数据，如显示总行数，添加过滤。在元数据tab下，可以编辑要使用的数据集，如去空格、新建计算列、缺失值填充等。在探索数据tab下，可以搜索字段、排序、查看字段统计数据、可视化图等，方便用户了解和治理数据。
2)第二步，选择任务。
完成数据选择后，点击下一步，进入选择任务页面。选择任务包括选择场景和选择数据列，其中场景分为两个：预测和聚类。预测场景主要应用于预测数据的未来发展趋势，包含分类、回归算法，常用于垃圾邮件识别、信用卡反欺诈等，产品中提供的案例分析-信用卡交易欺诈检测就是其典型应用场景。聚类场景是将对象的集合分成由类似的对象组成的多个类，常用于员工离职分析、营销策略、用户画像等，可以参考产品中提供的案例分析-员工离职。在这步，用户可以根据需要选择场景，当选择预测场景时需要选择数据列，这个数据列将是你要预测的值，之后产品将基于你选择的数据列生成预测模型。这里我们选择预测场景并选择“销售额”数据列，选择的数据列会高亮显示。
➢说明：
如果是选择聚类场景，则不需要选择数据列。
3)第三步，选择目标。
点击下一步，进入到选择目标页面，用户可以预览目标字段，按选择的数据类型展示可视化图表，当有两个数值时，可以选择期望值，否则置灰不可用。
4)第四步，选择输入数据。
点击下一步，进入到选择输入数据页面，可以看到每个字段都有一个状态标识。绿色为强相关列，黄色为较相关列，灰色为不相关列。系统会默认选择绿色和黄色，灰色一般不选择，因为与预测的数据关系不大。列表中会显示每个字段的关联度、不同率、相同率和缺省率，用户也可以参考这些值选择针对目标列需要输入的数据，建议选择关联度高的数据。如果缺省率太高，说明没有数据的行太多，不建议选择。对于小白用户，可以使用默认选择。
5)第五步，选择模型。
点击下一步，进入到选择模型页面，产品会根据用户的选择，列出与目标和任务匹配的模型。每个模型有两种设置参数的方法，一种是自动参数，即产品为模型自动匹配参数，另一种是自定义参数，用户根据需要设置模型的参数。对于参数不熟悉的建议选择自动参数。
➢注意：
选择模型较多时运行时间也会长。
6)第六步，结果展示。
点击运行，进入到结果展示页面，可以查看模型运行的结果并保存。默认显示比较页面，展示所有模型的对比数据，包括对比图和表格，表格包括运行时间、执行状态和指标对比，指标会根据模型的不同而变化。如果你不知道选择哪个模型，通过对比指标值，可以帮助你选择一个最优的模型，这也是自动建模的优势之一。选择右下角的保存，可以将整个Auto Model创建流程保存到实验列表。
选择任一模型，还可以查看此模型的实验结果，包括表格视图、图片视图、文本视图、数据集视图和实验，视图会根据实验不同显示不同。选择实验，产品自动构建了实验模型，点击保存实验，可以将当前模型单独保存到实验列表中，之后在实验列表中直接打开查看并使用。
➢注意：
每一步操作页面都可以返回上一步重新设置，不过当运行实验后再返回上一步，实验需要重新运行。