基于机器学习的优衣库销售预测与决策系统

项目简介

本系统是一个面向优衣库零售场景的销售数据分析与决策支持平台，基于真实优衣库门店销售数据集（22,292条记录），使用 Flask + SQLite + Bootstrap + scikit-learn 技术栈，实现销售数据分析、机器学习预测和智能决策建议。

---

功能模块

模块	功能说明
用户管理	登录/注册/登出，管理员与分析师角色区分
销售概览	KPI指标展示（总销售额、总利润、顾客数、利润率等），城市/产品/渠道/门店可视化图表
数据分析	产品利润分析、利润率对比、城市利润对比、产品×渠道交叉分析、性别×年龄段营收分布、产品类别明细表格
销售预测	基于ML模型（线性回归/随机森林/梯度提升）预测销售额，置信度仪表盘、预测vs历史均值对比图、批量场景预测排名图、KPI指标卡片
决策支持	决策优先级分布饼图、决策类型分布饼图、库存补货TOP10图、产品策略/渠道策略/区域扩张/促销时机/客群定位/库存分配/ML预测决策等智能建议卡片，库存补货明细表
数据管理	多条件筛选（城市/产品/渠道）、分页浏览销售记录
模型管理	模型性能对比、特征重要性、训练历史记录、重新训练模型（管理员权限）

---

数据来源

数据集	文件	记录数	说明
优衣库十城市销售数据	data/uniqlo.csv	~22,292 条	优衣库在中国十座城市的门店销售数据，含城市、渠道、客群、产品、成本等字段

---

数据库初始化机制

首次启动应用时，系统自动执行以下初始化（仅在数据库为空时触发，后续启动不会重置数据）：

1. 创建 SQLite 数据库及表结构（CREATE TABLE IF NOT EXISTS）
2. 导入 CSV 数据到 sales_records 表
3. 创建默认用户（admin/analyst），使用 INSERT OR IGNORE 避免重复
4. 检测模型文件是否存在，若不存在则自动训练
5. 生成初始决策建议

数据库文件位置：data/uniqlo.db

---

标准版目录结构

python-youyiku-sale-yuce-juece/
├── app.py                    # Flask 应用主入口，路由定义与 API 接口
├── config.py                 # 应用配置模块（数据库路径、密钥、枚举常量）
├── database.py               # SQLite 连接管理与数据库初始化
├── services.py               # 业务逻辑层（分析服务、预测服务、决策服务）
├── requirements.txt          # Python 依赖包清单
├── data/
│   ├── uniqlo.csv            # 原始销售数据集
│   └── uniqlo.db             # SQLite 数据库文件（首次启动自动生成）
├── models/
│   ├── best_model.pkl        # 最佳模型文件（自动生成）
│   ├── linear_regression.pkl # 线性回归模型（自动生成）
│   ├── random_forest.pkl     # 随机森林模型（自动生成）
│   ├── gradient_boosting.pkl # 梯度提升模型（自动生成）
│   └── model_meta.json       # 模型元信息（自动生成）
├── scripts/
│   ├── import_data.py        # CSV 数据导入与默认用户初始化
│   ├── train_model.py        # 模型训练脚本
│   ├── audit_review.py       # 数据审计与验证脚本
│   └── test_e2e.py           # 端到端 API 测试脚本
├── static/
│   ├── css/
│   │   └── style.css         # 自定义样式
│   └── js/
│       └── app.js            # 全局工具函数与 ECharts 图表工具
├── templates/
│   ├── base.html             # 基础模板（导航栏、CDN引用）
│   ├── login.html            # 登录页
│   ├── register.html         # 注册页
│   ├── dashboard.html        # 销售概览仪表盘
│   ├── analysis.html         # 数据分析页
│   ├── prediction.html       # 销售预测页
│   ├── decision.html         # 决策支持页
│   ├── data.html             # 数据管理页
│   └── model.html            # 模型管理页
├── 运行步骤必看/
│   └── window.md             # Windows 运行步骤说明
├── mac_run.sh                # macOS/Linux 一键启动脚本
├── window_run.bat            # Windows 一键启动脚本
├── 训练手册.md                # 模型训练手册
├── 项目说明.md                # 本文档
└── README.md                 # 项目简介

---

技术栈

类别	技术
后端	Python 3.12 + Flask 3.0
数据库	SQLite 3
前端	HTML5 + Bootstrap 5.3 + ECharts 5.5
机器学习	scikit-learn 1.5（线性回归 / 随机森林 / 梯度提升）
数据处理	pandas 2.2 + numpy 1.26
模型持久化	joblib 1.4
密码安全	Werkzeug pbkdf2:sha256

---

环境要求

项目	要求
Python	3.12
操作系统	Windows / macOS / Linux
内存	建议 2GB 以上（模型训练时使用）
磁盘	约 300MB（含依赖和数据库）
浏览器	Chrome / Firefox / Safari / Edge 现代版本

---

账号信息

角色	用户名	密码
管理员	admin	admin123
分析师	analyst	analyst123

管理员拥有模型重新训练权限。新注册用户默认为分析师角色。

---

ECharts 图表清单

系统共使用 14 个 ECharts 可视化图表，覆盖销售概览、数据分析、预测与决策全流程：

页面	图表	类型	说明
销售概览	各城市销售额	柱状图	按城市对比销售额
销售概览	各产品类别销售额	柱状图	按产品类别对比销售额
销售概览	销售渠道对比	环形饼图	线上/线下销售额占比
销售概览	工作日 vs 周末	柱状图	工作日与周末销售对比
销售概览	Top 10 门店	柱状图	营收最高的10家门店
数据分析	产品类别利润分析	分组柱状图	销售额与利润双柱对比
数据分析	产品利润率	柱状图	各产品利润率对比
数据分析	城市利润对比	分组柱状图	各城市销售额与利润对比
数据分析	产品×渠道销售分析	分组柱状图	产品与渠道交叉分析
数据分析	性别×年龄段营收分布	柱状图	Top 15 客群营收分布
销售预测	预测置信度仪表盘	仪表盘	直观展示模型预测置信度（高/中/低）
销售预测	预测值 vs 历史均值对比	柱状图	模型预测值与历史实际值对比
销售预测	批量场景预测排名	横向柱状图	多场景批量预测排名可视化
决策支持	决策优先级分布	环形饼图	高/中/低优先级决策数量占比
决策支持	决策类型分布	环形饼图	各类型决策（产品/渠道/区域等）占比
决策支持	库存补货 TOP 10	横向柱状图	建议订货量最高的10个产品-城市组合
模型管理	模型性能对比	分组柱状图	MAE/RMSE/R² 三指标对比
模型管理	特征重要性	横向柱状图	最佳模型 Top 15 特征