polaris-dxz/analytics-dashboard

概述

业务数据看板生成器。自动搭建KPI监控看板、实时指标追踪、定期自动报告推送 适用于搭建业务数据看板等场景。

适用范围

适用场景：

• 搭建业务数据看板
• 设置KPI监控告警
• 自动生成周报月报

不适用场景：

• 需要实时硬件控制或低延迟响应的场景
• 涉及敏感个人隐私数据的未授权处理

触发关键词: 数据看板, dashboard, KPI监控, 业务分析

前置条件

pip install plotly dash pandas

⚠️ 首次使用前请确认依赖已安装，否则脚本将无法运行。

核心能力

能力1：看板搭建——拖拽式KPI卡片/图表/表格

看板搭建——拖拽式KPI卡片/图表/表格

能力2：实时监控——指标阈值告警与趋势预测

实时监控——指标阈值告警与趋势预测

能力3：自动报告——日报/周报/月报自动生成推送

自动报告——日报/周报/月报自动生成推送

命令列表

| 命令 | 说明 | 用法 | |------|------|------| | create | 创建看板 | python3 scripts/analytics_dashboard_tool.py create [参数] | | monitor | 指标监控 | python3 scripts/analytics_dashboard_tool.py monitor [参数] | | report | 自动报告 | python3 scripts/analytics_dashboard_tool.py report [参数] |

处理步骤

Step 1：创建看板

目标：创建销售看板

为什么这一步重要：这是整个工作流的数据采集/初始化阶段，确保后续步骤基于准确的输入。

执行：

python3 scripts/analytics_dashboard_tool.py create --data sales.csv --kpis 'revenue,orders,aov'

检查点：确认输出包含预期数据，无报错信息。

Step 2：指标监控

目标：设置指标告警

为什么这一步重要：核心处理阶段，将原始数据转化为有价值的输出。

执行：

python3 scripts/analytics_dashboard_tool.py monitor --kpi revenue --threshold-min 10000 --notify email

检查点：确认生成结果格式正确，内容完整。

Step 3：自动报告

目标：生成周报

为什么这一步重要：最终输出阶段，将处理结果以可用的形式呈现。

执行：

python3 scripts/analytics_dashboard_tool.py report --period week --compare-prev --format html

检查点：确认最终输出符合预期格式和质量标准。

验证清单

• [ ] 依赖已安装：pip install plotly dash pandas
• [ ] Step 1 执行无报错，输出数据完整
• [ ] Step 2 处理结果符合预期格式
• [ ] Step 3 最终输出质量达标
• [ ] 无敏感信息泄露（API Key、密码等）

输出格式

# 📊 数据看板报告

**生成时间**: YYYY-MM-DD HH:MM

## 核心发现
1. [关键发现1]
2. [关键发现2]
3. [关键发现3]

## 数据概览
| 指标 | 数值 | 趋势 | 评级 |
|------|------|------|------|
| 指标A | XXX | ↑ | ⭐⭐⭐⭐ |
| 指标B | YYY | → | ⭐⭐⭐ |

## 详细分析
[基于实际数据的多维度分析内容]

## 行动建议
| 优先级 | 建议 | 预期效果 |
|--------|------|----------|
| 🔴 高 | [具体建议] | [量化预期] |
| 🟡 中 | [具体建议] | [量化预期] |

参考资料

原有链接

• Plotly Dash框架

GitHub

• dashboard-tools

小红书

• 数据看板设计

注意事项

• 所有分析基于脚本获取的实际数据，不编造数据
• 数据缺失字段标注"数据不可用"而非猜测
• 建议结合人工判断使用，AI分析仅供参考
• 首次使用请先安装依赖：pip install plotly dash pandas
• 如遇到API限流，请适当增加请求间隔