# smart bigdata user behavior analysis

**Repository Path**: donglab-zzu/smart-bigdata-user-behavior-analysis

## Basic Information

- **Project Name**: smart bigdata user behavior analysis
- **Description**: 本系统是面向企业的智能大数据用户行为分析平台，提供账号登录、核心指标看板、行为分析、留存分析、漏斗转化、热力图等功能，支持实时指标监控、多维度筛选、明细溯源与数据导出。可快速洞察用户活跃、新增、留存、转化全链路数据，助力运营定位瓶颈、优化策略，提升业务效率与用户价值。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-09
- **Last Updated**: 2026-04-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能大数据用户行为分析系统

## 项目简介
智能大数据用户行为分析系统（UBA）是一个基于Python + Flask + Pandas + Matplotlib的用户行为分析平台，用于帮助企业分析用户行为数据，提供核心指标看板、行为分析、事件分析、留存分析等功能。

## 技术栈
- **后端**：Python 3.8+, Flask
- **数据分析**：Pandas, NumPy
- **数据可视化**：Matplotlib, Seaborn
- **其他**：JSON, datetime

## 功能特性
- 📊 **核心指标看板**：DAU、MAU、新用户、留存率、转化率等
- 👤 **行为分析**：用户活动趋势、转化率趋势、漏斗分析
- 🎯 **事件分析**：事件指标、事件触发趋势、事件分布
- 🔄 **留存分析**：多日留存率、留存趋势
- 💾 **数据导出**：支持CSV、Excel格式
- 📈 **数据可视化**：热力图、折线图、柱状图、饼图
- 🌐 **RESTful API**：标准化接口设计
- 🧪 **模拟数据**：内置模拟数据生成功能

## 快速开始

### 1. 环境要求
- Python 3.8 或更高版本
- pip 包管理器

### 2. 安装依赖
```bash
# 克隆项目后进入目录
cd 智能大数据

# 安装依赖
pip install -r requirements.txt
```


### 3. 启动服务
```bash
# 方法1：直接运行
python src/app.py

# 方法2：使用启动脚本（Linux/Mac）
chmod +x run.sh
./run.sh
```

### 4. 访问系统
服务启动后，可通过以下地址访问：
- **首页**：http://localhost:5000/ - 系统概览和API端点列表
- **健康检查**：http://localhost:5000/health - 服务状态检查

## API接口

### 核心指标
- `GET /api/metrics` - 获取核心指标
- `GET /api/core_metrics` - 获取详细核心指标

### 行为分析
- `GET /api/behavior/analysis` - 获取用户行为分析
- `GET /api/behavior/funnel` - 获取漏斗分析

### 事件分析
- `GET /api/event/metrics` - 获取事件指标
- `GET /api/event/trend` - 获取事件触发趋势
- `GET /api/event/distribution` - 获取事件分布

### 留存分析
- `GET /api/retention` - 获取留存率
- `GET /api/retention/details` - 获取留存详细数据

## 项目结构
```
智能大数据/
├── src/                   # 主源码目录
│   ├── __init__.py
│   ├── analyzer.py        # 用户行为分析器（主类）
│   ├── app.py             # Flask入口、启动文件
│   ├── behavior.py        # 行为分析接口
│   ├── calculator.py      # DAU/MAU/留存/转化率计算
│   ├── config.py          # 项目配置
│   ├── event.py           # 事件分析接口
│   ├── metrics.py         # 核心指标接口
│   ├── mock_data.py       # 模拟数据生成
│   └── retention.py       # 留存分析接口
├── docs/                  # 文档
│   └── user_manual.md     # 操作手册精简版
├── tests/                 # 测试（简单示例）
│   └── test_metrics.py
├── utils/                 # 工具类
│   ├── __init__.py
│   ├── export.py          # Excel/CSV导出
│   └── visual.py          # 绘图与图表工具
├── .gitignore             # Git忽略文件
├── README.md              # 项目说明（必须完整）
├── requirements.txt       # 依赖清单
└── run.sh                 # 启动脚本（可选）
```

## 核心模块说明

### 1. 核心分析器 (`src/analyzer.py`)
- `UserBehaviorAnalyzer` 类：用户行为分析的核心类，包含用户行为数据的管理和基础指标计算
- 提供用户数量、活跃用户、事件数量、平均会话时长等基础指标

### 2. 指标计算器 (`src/calculator.py`)
- `MetricsCalculator` 类：负责计算DAU、MAU、留存率、转化率、漏斗分析等高级指标
- 提供详细的用户行为分析功能

### 3. 模拟数据生成 (`src/mock_data.py`)
- 生成模拟的用户行为数据，用于系统演示和测试
- 可调整用户数量、时间范围等参数

### 4. 接口模块
- `src/metrics.py`：核心指标接口
- `src/behavior.py`：行为分析接口
- `src/event.py`：事件分析接口
- `src/retention.py`：留存分析接口

### 5. 工具类
- `utils/export.py`：提供数据导出功能，支持CSV和Excel格式
- `utils/visual.py`：提供数据可视化功能，生成各种图表

## 配置管理
- `src/config.py`：项目配置文件，包含Flask配置、上传文件配置、数据配置等
- 支持开发环境和生产环境的配置切换

## 测试
- `tests/test_metrics.py`：核心指标计算的单元测试
- 运行测试：`python -m unittest tests/test_metrics.py`

## 数据说明
- 系统使用内置的模拟数据进行演示
- 数据存储在内存中，重启服务后会重新生成
- 可扩展为从数据库、日志文件等读取真实数据

## 扩展与定制
1. **数据源扩展**：修改 `src/analyzer.py` 中的 `UserBehaviorAnalyzer` 类，从数据库或文件读取真实数据
2. **指标扩展**：在 `src/calculator.py` 中的 `MetricsCalculator` 类中添加新的指标计算方法
3. **API扩展**：在 `src` 目录中添加新的接口模块文件
4. **可视化扩展**：在 `utils/visual.py` 中添加新的图表类型

## 部署建议
- **开发环境**：直接运行 `python src/app.py`
- **生产环境**：建议使用 Gunicorn 或 uWSGI 作为WSGI服务器，并配置 Nginx 作为反向代理

## 依赖清单
- Flask：Web框架
- pandas：数据处理
- numpy：数值计算
- matplotlib：数据可视化
- seaborn：高级数据可视化
- openpyxl：Excel文件处理

## 许可证
MIT License

## 贡献
欢迎提交Issue和Pull Request！

## 联系方式
- 项目主页：https://gitee.com/your-username/智能大数据
- 作者：智能大数据团队