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):
- 创建 SQLite 数据库及表结构(
CREATE TABLE IF NOT EXISTS) - 导入 CSV 数据到
sales_records表 - 创建默认用户(admin/analyst),使用
INSERT OR IGNORE避免重复 - 检测模型文件是否存在,若不存在则自动训练
- 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 |