# 电商后台业务数据可视化软件

**Repository Path**: Hanbao_xys/data-visible

## Basic Information

- **Project Name**: 电商后台业务数据可视化软件
- **Description**: 电商后台业务数据可视化项目
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-12-04
- **Last Updated**: 2025-11-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 电商后台业务数据可视化软件

## 项目成员

项目负责人：**萧颖诗**

项目成员：**吴俊杰** | **吴肖浪** | **施荣** | **宋鑫** | **方珍珍**


## 进度

| 序号 |           内容           | 完成情况 |
| :--: | :----------------------: | :------: |
|  1   |     前端开发环境配置     |  进行中  |
|  2   |     实现用户登录页面     |  进行中  |
|  3   | 实时月度销售额统计数据图 |  进行中  |
|  4   |     月销量统计数据图     |  进行中  |
|  5   | 产品类别销售额占比数据图 |  进行中  |
|  6   |     月新增用户数据图     |  进行中  |
|  7   |   月度活跃用户表数据图   |  进行中  |
|  8   |   用户活跃时间段分布图   |  进行中  |

## 项目背景

随着互联网技术的飞速发展和消费者购物习惯的变化，电子商务已成为现代商业不可或缺的一部分。在这一背景下，某知名电商平台面临着日益增长的数据分析需求。为了更好地理解用户行为，优化商品推荐算法，提升客户满意度，降低运营成本，并最终实现利润最大化，该平台决定构建一套高效、直观的业务数据分析大屏系统。

## 项目需求

- **愿景目标：**
本项目的愿景目标是通过构建一套高效、智能的数据分析大屏系统，推动公司在数据驱动决策和业务优化方面取得显著进展，最终实现平台在激烈的市场竞争中脱颖而出，成为行业领先者。具体目标如下：
    - 实现数据驱动的决策文化
    - 提升业务运营的透明度和效率
    - 深度挖掘用户价值，提供个性化体验
    - 降低运营成本，优化资源配置
    - 增强平台的风险管理能力
    - 提升市场竞争力，拓展市场份额
    - 促进跨部门协作与知识共享
- **核心目标：**
    - 提供实时、精准的数据洞察。
    - 优化业务决策支持系统。
    - 增强运营效率与成本控制。
    - 实现长期业务增长与市场竞争力提升。
- **功能需求：**
    - 数据集成与管理。
    - 历史数据回溯与趋势分析。
    - 数据分析与挖掘
    - 数据可视化与展示。
- **性能需求：**
    - 数据延迟小于 2 秒。
    - 报表和图表生成小于 5 秒。
- **用户体验：**
    - 界面简洁直观，提供新手教程。
    - 图表渲染流畅。
    - 适配多种平台与屏幕分辨率
- **运行约束：**
    - 平台支持：Windows10、Windows11、macOS、Linux。
    - 硬件限制：普通硬件环境（Intel i5/8GB RAM）下流畅运行。
    - 数据源依赖：确保行情 API 的稳定性与可靠性
- **开发限制：**
    - 时间：开发周期四周。

## 技术选型

本项目采用深圳点宽公司自研的量化业务开发框架进行开发。
- 框架优势：
点宽的业务开发框架，已经有成熟上线的商业案例。该框架运行稳定，性能优越，学习成本低，开发成本低。
- 技术方案:
    - 后端： `Python` 
`Python` 学习成本低，开发效率高。基于点宽公司的业务框架，`Python`可以用于客户端的逻辑开发

    - 前端：`Tauri` + `Vue3` + `Typescript` + `Element-Plus`
`Tauri` 结合 `Web` 技术提供轻量化的跨平台解决方案
`Tauri` 应用体积小、资源占用低，适合桌面端部署。
`ECharts` 支持高性能数据可视化，满足柱状图、折线图需求


## 任务

### 第一周

- **任务内容：**
    1. 配置开发环境
    2. 搭建 Hadoop 开发环境
    3. 创建 Gitee 仓库
    4. 编写用户管理服务
    5. 编写模拟数据推送服务
- **任务要求：**
    1. 用户注册功能 
    2. 后端实现用户登录、登出功能
    3. 数据推送服务，在 HDFS 获取文件，解析出数据，输出数据推送
    4. 编写的代码推送到 gitee 仓库
- **实验步骤：**
    1. 在windows上配置后端框架的开发环境
    2. 在linux上配置HDFS 的环境
    3. 使用后端框架开发出用户服务
    4. 使用后端框架开发出数据推送服务

### 第二周

- **任务内容：**
    1. 接收从数据推送服务过来商品数据、商品销售数据、用户注册数据、用户登录数据，进行分析合成并持久化
    2. 提供查询月度销售额统计数据、月销量统计数据、产品类别销售额占比数据、月新增用户数据、月度活跃用户表数据、用户活跃时间段分布
- **任务要求：**
    1. 从数据推送服务接收数据
    2. 实现月度销售额统计数据、月销量统计数据、产品类别销售额占比数据、月新增用户数据、月度活跃用户表数据、用户活跃时间段分布查询功能
- **实验步骤：**
    1. 编写实时数据接收服务
    2. 在实时数据接收服务中，将用户注册信息、登录信息、商品销售信息，分析出：月度销售额统计数据、月销量统计数据、产品类别销售额占比数据、月新增用户数据、月度活跃用户表数据、用户活跃时间段分布等数据

### 第三周

- **任务内容：**
	1. 实现用户登录页面
	2. 实时月度销售额统计数据图
	3. 月销量统计数据图
	4. 产品类别销售额占比数据图
	5. 月新增用户数据图
	6. 月度活跃用户表数据图
	7. 用户活跃时间段分布图
- **任务要求：**
	1. 实现用户登录页面
	2. 实时月度销售额统计数据图
	3. 月销量统计数据图
	4. 产品类别销售额占比数据图
	5. 月新增用户数据图
	6. 月度活跃用户表数据图
	7. 用户活跃时间段分布图
	8. 编写的代码推送到 gitee 仓库
- **实验步骤：**
	1. 实现用户登录、注册功能页面
	2. 实现实时月度销售额统计数据图、月销量统计数据图、产品类别销售额占比数据图、月新增用户数据图、月度活跃用户表数据图、用户活跃时间段分布图