饮品销量数据分析可视化平台

霸王茶姬饮品销量数据分析平台项目报告

一、项目概述

本项目是霸王茶姬饮品销量数据分析平台，基于 Flask 后端 + ECharts 前端构建的数据可视化 Web 应用。平台通过读取霸王茶姬全国多城市、多产品、多时间维度的销售数据，提供 KPI 总览、月度趋势、产品/城市排名、季节/天气/营销影响等十余种分析维度，帮助业务人员快速洞察销售表现与关键影响因素。

主要目标

自动将 CSV 数据导入 SQLite 数据库，实现高效查询
提供 RESTful API 接口，供前端获取聚合数据
使用 ECharts 渲染交互式图表，直观展示各类分析结果
以卡片形式展示核心 KPI（总销量、总营收、记录条数、会员占比）

适用场景

饮品连锁品牌经营数据分析
市场活动效果评估（节假日、促销、限定活动）
产品结构与区域市场表现监测
教学演示或数据可视化案例展示

二、技术架构

层级	技术选型	说明
后端框架	Flask（Python）	提供路由、API 和静态文件服务
数据库	SQLite	轻量级嵌入式数据库，无需单独部署
数据导入	csv + sqlite3	读取 CSV 并建表、插数据
前端可视化	ECharts 5.5.0	丰富的图表类型，交互式渲染
前端样式	原生 CSS + 自定义变量	响应式布局，适配移动端
数据源	bawangchaji_sales.csv	包含 2025 年全年多维度销售记录

核心设计模式：后端仅提供数据接口（API），前端完全静态，通过 AJAX 获取数据并渲染图表，实现了前后端分离。

三、功能模块详解

3.1 数据导入与初始化模块（init_db）

在应用首次启动时执行
删除已存在的 sales 表，重新创建符合数据结构的表
读取 CSV 文件，逐行插入数据库
字段映射：日期、城市、门店编号、产品名称、产品类别、单价、销量、折扣、实付金额、会员占比、天气、季节、是否节假日、营销活动

3.2 数据库查询模块（query）

封装 SQLite 查询，返回字典列表
自动处理连接和关闭，简化业务代码
所有 API 均基于此函数实现数据聚合

3.3 后端 API 接口（Flask 路由）

接口	功能	返回数据
/	首页，渲染 index.html	嵌入 KPI 数值
/api/summary	总览 KPI	总销量、总营收、记录数、平均会员占比
/api/monthly	月度趋势	每月销量、营收
/api/product_rank	产品销量排名	各产品销量、营收
/api/city_rank	城市销量排名	各城市销量、营收
/api/season	季节对比	四季销量、营收
/api/category_pie	产品类别占比	各类别销量
/api/weather	天气影响	各天气条件下的平均销量、总销量
/api/campaign	营销活动效果	各活动平均销量、总营收、天数
/api/holiday	节假日对比	节假日/非节假日的平均销量、营收
/api/discount	折扣分析	不同折扣下的平均销量
/api/city_product	城市×产品热力图	矩阵数据及坐标标签

3.4 前端可视化模块（ECharts）

前端由 index.html（结构）、style.css（样式）、charts.js（图表逻辑）组成：

KPI 卡片：通过 /api/summary 动态更新数值
图表类型：
- 折线图 + 柱状图组合（月度趋势）
- 横向柱状图（产品排名）
- 饼图（类别占比）
- 纵向柱状图（城市排名、季节、天气、活动、折扣）
- 热力图（城市×产品）
交互性：所有图表支持缩放、悬停提示、自适应窗口大小
响应式：CSS Grid 布局，移动端自动折叠为单列

四、数据流程与工作流程

启动应用：执行 app.py，检查数据库是否存在；若不存在则调用 init_db()：
- 读取 CSV 文件（位于 ../data/bawangchaji_sales.csv）
- 创建 SQLite 表 sales
- 逐行解析并插入数据
用户访问首页：浏览器请求 /，Flask 渲染 index.html，同时将四个 KPI 数值嵌入模板。
前端加载后自动请求 API：
- charts.js 在页面加载完成后，依次调用所有 /api/* 接口（通过 fetch）
- 收到 JSON 数据后，使用 ECharts 渲染对应的图表容器
图表渲染与交互：每个图表独立配置，包括坐标轴、颜色、提示框等，最终呈现完整的分析看板。
用户交互：可悬停查看数据点、缩放时间轴、调整窗口大小后图表自动重绘。

五、项目特色

全自动数据初始化：无需手动建表，启动即自动完成数据迁移。
丰富的分析维度：涵盖时间、产品、城市、季节、天气、营销、节假日、折扣共 8 个视角，共 10 余个图表。
前后端分离：后端只提供数据 API，前端完全独立渲染，易于扩展和二次开发。
轻量级部署：仅需 Python 环境 + 依赖库，无需配置复杂数据库。
视觉风格统一：采用品牌色调（紫色+橙色），卡片式布局清晰美观，响应式适配移动端。

六、部署与运行

环境准备

Python 3.7+

安装依赖

pip install flask

文件结构

项目根目录/
├── backend/
│   ├── app.py                     # Flask 主程序
│   └── bawangchaji_sales.db       # 自动生成的 SQLite 数据库
├── data/
│   └── bawangchaji_sales.csv      # 原始数据（需存在）
├── frontend/
│   ├── index.html                 # 首页模板
│   ├── css/
│   │   └── style.css              # 样式文件
│   └── js/
│       └── charts.js              # 图表逻辑

运行方式

python app.py

成果展示

七、总结

本项目以极简的代码实现了一个功能完整的数据分析看板，体现了 Flask 与 ECharts 的高效组合。其数据导入、API 设计、前端渲染流程清晰，适合作为中小型企业或团队内部数据监控的快速原型。

后续可扩展方向

增加时间筛选器：允许用户自定义时间范围，动态刷新图表。
增加同比/环比分析：计算增长率，更直观反映变化趋势。
导出报表：支持将当前图表导出为图片或 PDF。
接入更多数据源：支持 Excel、数据库等，替换 CSV。
引入权限管理：区分不同角色（管理员、普通用户）的访问权限。
部署至云服务器：使用 Gunicorn + Nginx 实现生产环境部署。

posted @ 2026-08-18 15:42 Hsibo 阅读(16) 评论(0) 收藏举报

刷新页面返回顶部