Data Documentation

2026产品上新记录

Mon, 01 Jan 0001 00:00:00 +0000

2026 产品上新记录#

2026 年各批次新品上市记录，按时间倒序排列。

产品资料：百度网盘

20260605 混合果汁系列#

百香冰茉莉
青桔柠檬气泡

20260529 西瓜系列#

西瓜冰椰
西瓜冰茉莉
西瓜马蹄爆爆珠
西瓜爽爽桶

20260515 泰奶系列#

冰淇淋泰奶
泰红冰淇淋
泰红柠檬茶

20260430 芭乐系列#

粉粉芭乐冰茉莉
粉粉芭乐冰淇淋
粉粉芭乐柠檬茶
粉粉芭乐青提

20260417 杨梅系列#

爆汁多肉杨梅
爆汁杨梅柠檬茶
爆汁梅梅气泡
多肉杨梅酪酪

20260403 龙井系列#

春日龙井冰菠萝
春日龙井鲜奶茶
春日龙井小青乳

20260327 抹茶系列#

抹茶冰淇淋
抹茶酪酪
抹茶芒芒
抹茶莓莓

20260306 蜂蜜系列#

蜂蜜水果莉
蜂蜜柠檬气泡
苹果茉莉气泡

20260204 芝士酪酪系列#

鲜打草莓酪酪
鲜打葡萄酪酪

20260130 鲜橙系列#

爆汁鲜橙百香
爆汁鲜橙茉莉

20260116 桂枣系列#

桂枣马蹄撞奶
桂枣珍珠撞奶

20260105 梨柚系列#

梨柚双柠茶
梨柚鲜奶茶

北森通讯录同步

Mon, 01 Jan 0001 00:00:00 +0000

北森通讯录同步#

从北森（italent.cn）通讯录接口抓取全员数据，以 SCD2 模式同步到本地 MySQL，保留部门版本历史。

项目仓库：https://e.coding.net/fuwenyue/tianlala/beiseng-users.git
相关项目：开机自动执行，由定时任务工作台调度

工作流程#

浏览器导出 Cookie JSON → 提取 italent.cn Cookie → 分页请求 staffV2 接口
→ 解析用户数据 → SCD2 对比同步（新增插首版 / 换部门锁旧插新 / 未变刷新 last_date）

运行方式#

python main.py

Cookie 失效（接口返回 401/403）时，需重新登录 italent.cn 并用浏览器插件导出最新 Cookie JSON 放到脚本目录，脚本自动选取文件名日期最新的一个。

数据表#

目标表 Tianlala.beiseng_users，首次运行自动建表：

一人多行，每行代表一个部门版本，is_current=1 为当前版本
新用户插入首版；部门未变仅刷新 last_date；换部门锁旧版插新版（幂等，可随时重跑）
运行结束输出变更汇总：新增 / 换部门 / 未出现

常用查询#

-- 全员当前部门
SELECT userId, name, department FROM beiseng_users WHERE is_current = 1;

-- 某人的部门履历
SELECT name, department, start_date, last_date
FROM beiseng_users WHERE userId = 628134528 ORDER BY start_date;

-- 疑似离职（长期未观测到）
SELECT userId, name, department, last_date FROM beiseng_users
WHERE is_current = 1 AND last_date < NOW() - INTERVAL 90 DAY;

常用术语

Mon, 01 Jan 0001 00:00:00 +0000

常用术语#

部门日常数据工作中高频术语的口径说明。

经营指标#

术语	含义	对应字段
GMV / 流水	订单商品原价总金额，未扣优惠	`amount` / `dp_total_amount`
实收	用户实际支付金额，流水 − 优惠	`income` / `dp_pay_amount`
优惠	平台与商家让利合计	`discount` / `dp_discount_amount`
订单数 / 订单量	支付订单笔数	`order_cnt` / `dp_order_count`
销量	商品销售件数	`dp_item_count`
营业天数	统计期内当日流水（或销量）大于 0 的天数，需用 `COUNT(DISTINCT CASE WHEN …)` 严格判断	—
动销门店	统计期内有流水（或某产品有销量）的门店	—
同比	本期与去年同期对比，如 2026 年 10 月对比 2025 年 10 月	—
渗透率	产品售卖天数 ÷ 门店营业天数（周边报表口径）	—

渠道#

术语	含义
大渠道	第一级渠道分类：pos小程序、线上团购、线上外卖
中渠道	第二级分类，如抖音团购、美团外卖
原始渠道	中台 `payment_channels` 字段的原始取值，如 `线上新增抖音团购`

三级渠道的完整对照见渠道分组。中台每月可能出现 线上新增xx团购 等新原始渠道，出报表前需先做渠道覆盖检测。

月度产品销售汇总

Mon, 01 Jan 0001 00:00:00 +0000

月度产品销售汇总#

读取各月产品销售明细，按产品映射表归并标准名称与类型，汇总 25/26 年同期对比并打标签，写入主数据湖。

数据依赖：
- 中台导出的月度产品销售明细（导出 SQL 见下文）
- 产品映射表，属标准菜品名称体系：日常核对见标准菜品名称核对，一次性清洗见标准菜品名称清洗

文件说明#

文件	作用
`产品汇总.py`	主程序：筛选月份 → 关联映射表 → 按标准名称+类型汇总同比 → 写库
`查找未收录产品.py`	找出销售明细中未被映射表收录的产品，输出 `未收录产品.csv`
`9月产品映射表.xlsx`	产品名称 → 标准名称/类型映射（每月更新）
`各月产品销售.csv`	中台导出的月度销售明细
`query.sql`	明细导出 SQL

输出表#

Tianlala.ads_product_monthly_summary（原 product_sales.product_summary，2026-10-13 迁入并更名），每次运行重建并补写中文列注释。

运行方式#

# 修改 产品汇总.py 顶部 START_MONTH / END_MONTH 后
python 产品汇总.py
python 查找未收录产品.py   # 检查映射表是否漏配

源表为 ads_dbs_trade_food_di，字段说明参见数据字典 ads_dbs_trade_food_di。

中台数据导出与本地校验#

JumpServer 有导出量限制，逐月查询导出后由本地同步脚本入库。导出 SQL：

SELECT
    business_date AS 日期,
    stat_shop_id AS 门店编号,
    channel_name AS 渠道,
    item_name AS 产品名称,
    SUM(dp_total_amount) AS 流水,
    SUM(dp_pay_amount) AS 实收,
    SUM(dp_item_count) AS 销量
FROM ads_dbs_trade_food_di
WHERE business_date BETWEEN '20260101' AND '20260401'
GROUP BY business_date, stat_shop_id, channel_name, item_name;

分别在中台与本地按月汇总流水进行校验：

渠道分组

Mon, 01 Jan 0001 00:00:00 +0000

渠道分组#

大渠道	中渠道	原始渠道
pos小程序	pos	pos收银
甜啦啦小程序	甜啦啦小程序甜啦啦小程序-储值业务微信小程序支付宝小程序
线上团购	抖音团购	抖音团购线上新增抖音团购抖音小程序（核销工具）
高德团购	高德团购
快手团购	快手团购线上新增快手团购
美团团购	美团/大众点评团购美团/大众点评小程序线上新增美团团购美团在线点
线上外卖	饿了么外卖	饿了么外卖淘宝闪购
京东外卖	京东外卖
美团外卖	美团外卖

门店日GMV查询

Mon, 01 Jan 0001 00:00:00 +0000

门店日GMV查询#

按日期范围统计全部门店每日 GMV（流水合计），数据来自门店渠道销售表。

数据表：ads_dbs_trade_shop_pay_channel_di
粒度：日期 × 全部门店（shop_id LIKE 'TLL%'，仅加盟门店）
指标：SUM(amount) 流水金额

SQL#

SELECT
    pt AS 日期,
    SUM(amount) AS 总流水
FROM ads_dbs_trade_shop_pay_channel_di
WHERE pt >= 20261001 AND pt <= 20261016
    AND shop_id LIKE 'TLL%'
GROUP BY pt
ORDER BY pt;

参数调整#

单日：起止日期改为同一天，如 pt >= 20261016 AND pt <= 20261016
单店：增加门店编号过滤 AND shop_id = 'TLL00001'
含直营店：放宽门店过滤为 AND (shop_id LIKE 'TLL%' OR shop_id LIKE 'ZYD%')

注意事项#

注意

pt 为整数类型，条件值不要加引号；中台会刷新前一个月的数据，跨月查询时当月与上月数字可能轻微变动。

门店营业执照管理

Mon, 01 Jan 0001 00:00:00 +0000

门店营业执照管理#

门店营业执照批量 OCR 识别、按统一社会信用代码走风鸟校验企业信息的 Web 管理系统（Flask），数据写入独立库 license_manage，含第三方 API 调用统计与后台任务历史。

相关项目：执照库 license_manage 被门店报送名称生成、小程序税务报送使用

核心功能#

执照图片本地化：下载到 data/licenses/{门店编号}，OCR 一律识别本地文件，不依赖图床与 OA cookie 时效
OCR 识别：腾讯云 / 百度智能云双平台、多账号，识别统一社会信用代码 / 执照名称 / 经营者
风鸟校验：按统一社会信用代码查询工商信息；风鸟返回的正确号码优先采信，可自动纠正 OCR 错号；限速约 5 秒/条，触发上限自动暂停约 1 小时后续跑
版本化管理：门店执照以版本行存储（is_latest 标记最新），更换链接就地改写不开新版本，换执照内容追加新版本
导出：按「生效值」（校验 > OCR，可手动指定）导出营业执照汇总 xlsx
调用统计 / 任务历史：接口 × 账号维度的费用监控，任务进度持久化在本地 SQLite

运行方式#

pip install -r requirements.txt
python app.py                # http://127.0.0.1:5000
python app.py --port 8000    # 自定义端口

注意事项#

OA cookie 只在下载执照图片时使用（data/cookies_oa.json，浏览器导出覆盖）；风鸟账号 cookie 有效期数月，新增账号需在 config/settings.py 的 CHECK_CONFIG 中登记
config/settings.py 含云密钥与数据库口令，仓库为私人仓库，不得公开
数据库备份：python db/backup_db.py（优先 mysqldump），恢复加 --restore

门店销售

Mon, 01 Jan 0001 00:00:00 +0000

门店销售#

门店渠道销售日表，粒度为门店 × 日期 × 支付原始渠道，表名 ads_dbs_trade_shop_pay_channel_di（库 tll_bi_dw）。

字段查询#

SELECT 
    COLUMN_NAME AS 字段名, 
    COLUMN_TYPE AS 字段类型, 
    COLUMN_COMMENT AS 字段注释 
FROM information_schema.COLUMNS 
WHERE TABLE_SCHEMA = 'tll_bi_dw' 
AND TABLE_NAME = 'ads_dbs_trade_shop_pay_channel_di';

字段说明#

列名	数据类型	注释
pt	varchar(20)	时间分区
shop_id	varchar(20)	门店编号
payment_channels	varchar(100)	结账方式名称
order_cnt	bigint(20)	订单量
income	decimalv3(16, 2)	收入金额
discount	decimalv3(16, 2)	优惠金额
amount	decimalv3(16, 2)	流水金额
total_order_cnt	bigint(20)	订单量
item_scrap_amount	decimalv3(16, 2)	报废金额

注意事项#

注意

检查当月渠道是否完整，是否有缺失的渠道（核对当月是否有 线上新增xx团购）。渠道口径见渠道分组。

产品销售

Mon, 01 Jan 0001 00:00:00 +0000

产品销售#

产品（商品）销售日表，粒度为门店 × 日期 × 渠道 × 商品，表名 ads_dbs_trade_food_di（库 tll_bi_dw）。

字段查询#

SELECT 
    COLUMN_NAME AS 字段名, 
    COLUMN_TYPE AS 字段类型, 
    COLUMN_COMMENT AS 字段注释 
FROM information_schema.COLUMNS 
WHERE TABLE_SCHEMA = 'tll_bi_dw' 
AND TABLE_NAME = 'ads_dbs_trade_food_di';

字段说明#

字段名	字段类型	字段注释
business_date	bigint(20)	日期
oper_center_name	varchar(255)	营运中心
prov_id	varchar(64)	省份编码
prov_name	varchar(255)	省份名称
city_id	varchar(64)	城市编码
city_name	varchar(255)	城市名称
city_level	varchar(64)	城市等级
district_id	varchar(64)	区县编码
district_name	varchar(255)	区县名称
busi_area_type	varchar(64)	商圈
bussiness_type	varchar(64)	业务类型
channel_name	varchar(255)	订单渠道
anal_type	varchar(64)	分析类型(到家、到店)
platform	varchar(64)	平台(到家：美团、饿了么、其它到店：POS、小程序、其它)
cust_type	varchar(64)	用户类型
time_name	varchar(255)	时段
food_category_name	varchar(255)	商品分类
food_oneid	varchar(128)
item_name	varchar(500)	商品名称
new_flag	varchar(64)	是否新品
cup_type	varchar(64)	杯型
ice_type	varchar(64)	温度
sugar_type	varchar(64)	甜度
dp_total_amount	decimalv3(16, 2)	商品流水金额
dp_total_amount_last_day	decimalv3(16, 2)	上一天商品流水金额
dp_total_amount_last_week	decimalv3(16, 2)	上一周商品流水金额
dp_total_amount_last_year	decimalv3(16, 2)	去年同期商品流水金额
dp_item_count	bigint(20)	商品销量
dp_item_count_last_day	bigint(20)	上一天商品销量
dp_item_count_last_week	bigint(20)	上一周商品销量
dp_item_count_last_year	bigint(20)	去年同期商品销量
dp_pay_amount	decimalv3(16, 2)	商品实收金额
dp_pay_amount_last_day	decimalv3(16, 2)	上一天商品实收金额
dp_pay_amount_last_week	decimalv3(16, 2)	上一周商品实收金额
dp_pay_amount_last_year	decimalv3(16, 2)	去年同期商品实收金额
dp_discount_amount	decimalv3(16, 2)	商品优惠金额
dp_discount_amount_last_day	decimalv3(16, 2)	上一天商品优惠金额
dp_discount_amount_last_week	decimalv3(16, 2)	上一周商品优惠金额
dp_discount_amount_last_year	decimalv3(16, 2)	去年同期商品优惠金额
dp_return_item_count	bigint(20)	商品退货量
dp_return_item_count_last_day	bigint(20)	上一天商品退货量
dp_return_item_count_last_week	bigint(20)	上一周商品退货量
dp_return_item_count_last_year	bigint(20)	去年同期商品退货量
dp_return_total_amount	decimalv3(16, 2)	商品退款金额
dp_return_total_amount_last_day	decimalv3(16, 2)	上一天商品退款金额
dp_return_total_amount_last_week	decimalv3(16, 2)	上一周商品退款金额
dp_return_total_amount_last_year	decimalv3(16, 2)	去年同期商品退款金额
xl_total_amount	decimalv3(16, 2)	小料流水金额
xl_total_amount_last_day	decimalv3(16, 2)	上一天小料流水金额
xl_total_amount_last_week	decimalv3(16, 2)	上一周小料流水金额
xl_total_amount_last_year	decimalv3(16, 2)	去年同期小料流水金额
xl_item_count	bigint(20)	小料销量
xl_item_count_last_day	bigint(20)	上一天小料销量
xl_item_count_last_week	bigint(20)	上一周小料销量
xl_item_count_last_year	bigint(20)	去年同期小料销量
xl_pay_amount	decimalv3(16, 2)	小料实收金额
xl_pay_amount_last_day	decimalv3(16, 2)	上一天小料实收金额
xl_pay_amount_last_week	decimalv3(16, 2)	上一周小料实收金额
xl_pay_amount_last_year	decimalv3(16, 2)	去年同期小料实收金额
tc_total_amount	decimalv3(16, 2)	套餐流水金额
tc_total_amount_last_day	decimalv3(16, 2)	上一天套餐流水金额
tc_total_amount_last_week	decimalv3(16, 2)	上一周套餐流水金额
tc_total_amount_last_year	decimalv3(16, 2)	去年同期套餐流水金额
tc_item_count	bigint(20)	套餐销量
tc_item_count_last_day	bigint(20)	上一天套餐销量
tc_item_count_last_week	bigint(20)	上一周套餐销量
tc_item_count_last_year	bigint(20)	去年同期套餐销量
tc_pay_amount	decimalv3(16, 2)	套餐实收金额
tc_pay_amount_last_day	decimalv3(16, 2)	上一天套餐实收金额
tc_pay_amount_last_week	decimalv3(16, 2)	上一周套餐实收金额
tc_pay_amount_last_year	decimalv3(16, 2)	去年同期套餐实收金额
tc_discount_amount	decimalv3(16, 2)	套餐优惠金额
tc_discount_amount_last_day	decimalv3(16, 2)	上一天套餐优惠金额
tc_discount_amount_last_week	decimalv3(16, 2)	上一周套餐优惠金额
tc_discount_amount_last_year	decimalv3(16, 2)	去年同期套餐优惠金额
zb_total_amount	decimalv3(16, 2)	周边流水金额
zb_total_amount_last_day	decimalv3(16, 2)	上一天周边流水金额
zb_total_amount_last_week	decimalv3(16, 2)	上一周周边流水金额
zb_total_amount_last_year	decimalv3(16, 2)	去年同期周边流水金额
zb_item_count	bigint(20)	周边销量
zb_item_count_last_day	bigint(20)	上一天周边销量
zb_item_count_last_week	bigint(20)	上一周周边销量
zb_item_count_last_year	bigint(20)	去年同期周边销量
zb_pay_amount	decimalv3(16, 2)	周边实收金额
zb_pay_amount_last_day	decimalv3(16, 2)	上一天周边实收金额
zb_pay_amount_last_week	decimalv3(16, 2)	上一周周边实收金额
zb_pay_amount_last_year	decimalv3(16, 2)	去年同期周边实收金额
load_time	varchar(64)	数据更新时间
item_type	varchar(64)	商品类型（单品、套餐、小料、周边、其它）
item_status	varchar(64)	饮品状态(在线饮品、不在线饮品)
up_type	varchar(64)	升级类型
food_series	varchar(64)	商品系列
release_date	varchar(64)	上新日期
dp_order_count	bigint(20)	商品订单量
xl_order_count	bigint(20)	小料订单量
item_name_list	varchar(255)	套餐下商品/小料明细
other_total_amount	decimalv3(16, 2)	其它饮品流水金额
other_total_amount_last_day	decimalv3(16, 2)	昨日其它饮品流水金额
other_total_amount_last_week	decimalv3(16, 2)	上周同期其它饮品流水金额
other_total_amount_last_year	decimalv3(16, 2)	去年同期其它饮品流水金额
stat_shop_id	varchar(64)	门店统计id
stat_shop_name	varchar(255)	门店统计名称
send_whse	varchar(64)	仓库

注意事项#

注意

产品销售汇总 < 门店销售汇总。
门店销售包含快递等非商品营业额，以及补录营业额。

多时段渠道同比分析

Mon, 01 Jan 0001 00:00:00 +0000

多时段渠道同比分析#

从 ads_dbs_trade_shop_pay_channel_di 读取门店渠道销售数据，按三级渠道体系清洗聚合，生成多时段同比分析报表并写入 MySQL。

项目仓库：https://e.coding.net/fuwenyue/tianlala/multi_period_channel_summary.git
数据依赖：
- 门店销售备份 Tianlala.ads_dbs_trade_shop_pay_channel_di，由门店销售数据同步维护
- 门店管理表 Tianlala.shop_current，由门店信息管理每日重建
下游使用：月度数据概览消费本项目的「全量数据 / 期数」表

输出表（库 `multi_period_channel_summary`，每次 DROP 重建）#

表名	内容
全量数据	全量门店同比（各渠道流水/实收/订单数/营业天数/动销门店 + 汇总同比）
存量数据	仅多年各月均有流水的存量门店
期数	查询时段对照表

配置#

config.yaml 中维护源库/输出库连接与时段列表：

periods:
  list: 20260101~20260131, 20270101~20270131   # 第一个=本期，第二个=同期，可追加

运行方式#

pip install pandas pymysql pyyaml
python main.py

渠道维护#

三级渠道（大渠道 / 中渠道 / 原始渠道）统一定义在 cleaning_module.py 的 CHANNEL_TREE，与站点渠道分组口径一致。新增原始渠道只需在树中加一条，大渠道分类与列排序自动推导。

运行时会做渠道覆盖检测：数据库出现未被 CHANNEL_TREE 覆盖的 payment_channels 值会立即告警，需先补渠道映射再出报表。

源表字段参见数据字典 ads_dbs_trade_shop_pay_channel_di。

赠茶数据查询

Mon, 01 Jan 0001 00:00:00 +0000

赠茶数据查询#

品牌管理部赠茶报表使用的查询：指定时段、指定城市内，实收为 0 的茶品销量明细。

数据源表：ads_dbs_trade_food_di
指标：销量 / 流水 / 实收
口径：实收金额为 0 的茶视为赠茶

SQL#

WITH day_periods AS (
    SELECT '20260327' AS start_date, '20260504' AS end_date
)
SELECT
    CONCAT(day_periods.start_date, '~', day_periods.end_date) AS 时段,
    business_date AS 日期,
    city_name AS 城市,
    item_name AS 产品名称,
    SUM(dp_item_count) AS 销量,
    SUM(dp_total_amount) AS 流水,
    SUM(dp_pay_amount) AS 实收
FROM
    ads_dbs_trade_food_di
CROSS JOIN day_periods
WHERE
    business_date BETWEEN day_periods.start_date AND day_periods.end_date
    AND city_name IN ('蚌埠市','阜阳市','淮南市')
GROUP BY
    时段,
    日期,
    城市,
    产品名称
HAVING
    SUM(dp_item_count) > 0
    AND SUM(dp_pay_amount) = 0;

参数调整#

修改 day_periods 中的起止日期切换时段
修改 city_name IN (...) 城市清单

注意事项#

注意

导出后筛选 青韵乌龙、茉莉初露、每日鲜泡好茶 相关产品；因可能新增不规范名称，不在 SQL 阶段过滤。

门店信息管理

Mon, 01 Jan 0001 00:00:00 +0000

门店信息管理#

门店信息 Excel 的数据清洗、SCD 历史追踪、组织架构自动推断、修复生成与格式化导出工具。

项目仓库：https://e.coding.net/fuwenyue/tianlala/store_info_format.git
相关项目：经定时任务工作台的 DailyMenu 手动触发；shop_current 被多时段渠道同比分析、周边数据分析、月度数据概览、小程序税务报送引用

数据表#

表名	作用	模式
`shop_info`	原始门店数据，完整历史	SCD
`shop_current`	修复后的当前门店状态	每日 replace 重建
`shop_org_hierarchy`	组织架构层级映射	每日 replace 重建
`shop_region_mapping`	省/市/区 → 经理映射	每日 replace 重建

处理流程#

门店-可导出.xlsx → 清洗 → 写入 shop_info（SCD）
→ 从在营门店推断组织架构（战区/一级/二级/三级经理，冲突按门店数多者为准）
→ 已解约门店按地区匹配经理、直营店 ZYD 特殊处理 → 层级归并
→ 写入 shop_current → 导出 增量门店管理表_YYYYMMDD_HHMM.xlsx

运行方式#

# 输入底表放入 Downloads/门店-可导出.xlsx，配置 config.ini 后执行
python main.py

企业微信机器人推送当前已暂停（代码中注释），检查通过后可手动启用。

注意事项#

每次运行都会更新 shop_info SCD 记录并重建 shop_current
经理命名内部统一为一级/二级/三级经理，对应业务口径大区/省区/区域经理（督导），输入输出自动映射
OA 门店管理表无历史记录，历史状态以本项目的 shop_info 为准

门店销售数据同步

Mon, 01 Jan 0001 00:00:00 +0000

门店销售数据同步#

读取本地门店销售 CSV，批量写入 MySQL 并归档已处理文件的同步工具。中台数据库只能通过 JumpServer 访问且有导出量限制，本地库同时承担数据备份，供 Python / Power Query 调用。

项目仓库：https://e.coding.net/fuwenyue/tianlala/shop_sales_sync.git
下游使用：本地备份表被多时段渠道同比分析、周边数据分析读取

功能#

扫描 门店销售/待同步/ 下全部 .csv，自动添加 录入时间 列
批量写入 Tianlala.ads_dbs_trade_shop_pay_channel_di（每批 500 行，追加写入）
表不存在时自动建表；CSV 出现新列时自动补齐
写入成功后移动到 门店销售/已同步/ 归档；失败文件保留在待同步目录，可重复重跑

运行方式#

pip install pymysql pandas
# 1. CSV 放入 门店销售/待同步/
# 2. 确认 config.py 数据库配置
python main.py

中台数据导出#

JumpServer 有导出量限制，逐月查询、导出后放入 门店销售/待同步/：

SELECT *
FROM ads_dbs_trade_shop_pay_channel_di
WHERE pt LIKE '202604%'

月度校验#

分别在中台与本地按月查询，比较各月流水是否一致：

SELECT
    SUBSTR(pt, 1, 6) AS month_pt,
    SUM(amount) AS total_amount
FROM ads_dbs_trade_shop_pay_channel_di
WHERE pt >= '20250101'
GROUP BY SUBSTR(pt, 1, 6)
ORDER BY month_pt;

2023–2024 历史数据#

历史数据取自中台旧表 ads_dbs_trade_shop_di，注意过滤全零记录：

周边数据分析

Mon, 01 Jan 0001 00:00:00 +0000

周边数据分析#

零食部门周边产品销售与报货数据分析：CSV 源数据经 Python 写入 MySQL，再由 Excel Power Query 经 ODBC 拉取生成报表。

项目仓库：https://e.coding.net/fuwenyue/tianlala/snacks_sales.git
数据依赖：
- 中台导出三份 CSV：周边产品销售 / 周边产品报货 / 门店流水（查询 SQL 见下文）
- 门店主数据 Tianlala.shop_current（门店信息管理每日重建）

数据流程#

周边产品销售/报货/门店流水 CSV → Python 汇总合并 → MySQL
→ Excel Power Query（ODBC）关联门店主数据 → 报表

数据表#

zhoubian_data 库（Python 写入，详表 replace 全量重建）：

表名	内容
周边销售详表	各门店各产品销售明细
周边报货详表	各门店报货明细
门店销售	门店流水/实收/订单数/营业天数
周边产品销量排名	按产品+月份汇总
汇总表	三表按门店+月份合并

运行方式#

三个源 CSV 放入 data/，执行 python main.py
打开当月 周边数据_YYYYMM.xlsx
首次使用需在 Excel 数据源设置中配置 ODBC 凭据（MySQL ODBC Unicode Driver，root/123456）
修改 .m 文件中 shared TargetMonth = YYYYMM; 后「全部刷新」

源数据查询#

周边产品销售#

结果保存为 周边产品销售查询.csv。营业天数：只有当日销量大于 0 时才计入。

标准菜品名称核对

Mon, 01 Jan 0001 00:00:00 +0000

标准菜品名称核对#

对比总部「菜品库」导出的菜品与「标准单品名称」库，找出两边不一致的菜品，输出含两个 sheet 的 Excel 核对结果，用于在 OA / 美团两侧补齐菜品名称。

项目仓库：https://e.coding.net/fuwenyue/tianlala/standard_food.git
相关项目：经定时任务工作台的 DailyMenu 触发；输入依赖 OA「标准单品名称」库与总部「菜品库」导出

输入文件#

两个文件均放在 SOURCE_DIR（默认 C:\Users\Administrator\OneDrive\Tianlala\temp）：

文件	sheet	说明
文件名含「菜品库」的 xlsx	总部菜品	匹配到多个时取修改时间最新的一个
`标准单品名称.xlsx`	标准单品名称	固定文件名

文件顶部的说明行由脚本按表头关键字自动定位，无需手工删行。

处理逻辑#

读取总部菜品，按「菜品名称」去重，过滤基础分类含 测试、下架、套餐 的行
读取标准单品名称，检测重复项
按菜品名称做双向集合对比：
- 总部菜品有、标准库没有 → OA缺失
- 标准库有、总部菜品没有 → 美团缺失

运行方式#

python main.py

结果 标准菜品名称核对结果.xlsx 输出到脚本所在目录，控制台打印各环节条数与输出路径。

一次性的产品名称标准化清洗见标准菜品名称清洗。

门店报货信息

Mon, 01 Jan 0001 00:00:00 +0000

门店报货信息#

门店报货订单明细日表，粒度为订单 × 商品明细，表名 dwd_rps_tll_order_details_di（库 tll_bi_dw）。

字段查询#

SELECT 
    COLUMN_NAME AS 字段名, 
    COLUMN_TYPE AS 字段类型, 
    COLUMN_COMMENT AS 字段注释 
FROM information_schema.COLUMNS 
WHERE TABLE_SCHEMA = 'tll_bi_dw' 
AND TABLE_NAME = 'dwd_rps_tll_order_details_di';

字段说明#

列名	数据类型	注释
pt	varchar(255)	天分区
id	varchar(255)	明细ID
order_id	varchar(255)	订单号
product_info	varchar(255)	商品信息
product_specification	varchar(255)	商品规格
product_id	varchar(255)	商品ID
sku_code	varchar(255)	SKU代码
supplier	varchar(255)	供应商
unit_price	decimalv3(10, 2)	单价
quantity	int(11)	购买数量
cancel_quantity	int(11)	取消数量
payable_amount	decimalv3(10, 2)	应付金额
discount_amount	decimalv3(10, 2)	优惠金额
actual_amount	decimalv3(10, 2)	实付金额
status	int(11)	状态
tenant_id	varchar(255)	租户ID
create_time	varchar(255)	创建时间
product_type	varchar(255)	商品类型
warehouse_id	int(11)	发货仓库
warehouse_batch_no	varchar(255)	仓库批次号
category_id	bigint(20)	类目id
tax_rate	decimalv3(10, 2)	税率
is_freebies	int(11)	是否为赠品：0：否 1：是
packaging_unit	varchar(255)	包装单位
unit_code	varchar(255)	单位编码
serial_no	varchar(255)	流水号
out_quantity	int(11)	出库数量
customer_discount_amount	decimalv3(10, 2)	客户优惠
rent_subsidy_amount	decimalv3(10, 2)	房租优惠
agent_amount	decimalv3(10, 2)	代理商代收代付款
bank_actual_amount	decimalv3(10, 2)	银行实付金额
pt_discount_amount	decimalv3(10, 2)	平台优惠金额
is_combination_children_product	int(11)	是否是组合子商品(1-是,2-否)
final_pay_amount	decimalv3(10, 2)	最终支付金额，包含银行和平台付款，折后单价乘以出库数量
cancel_order_num	string	退款单号
created_at	string	退款时间
warehouse_name	string	仓库名称
refund_fee	decimalv3(10, 2)	退单金额
modify_time	varchar(255)	更新时间
activity_id	varchar(255)	活动id
combination_code	varchar(255)	组合商品编码
logistic_fee_amount	decimalv3(10, 2)
has_logistic_fee	int(11)
delivery_method	int(11)	配送方式,1:物流,2:快递,3:上门自提
shipping_method	int(11)	送货方式,0:起订,1:包邮,2:送货上门
real_store_code	varchar(128)	真实门店code

注意事项#

注意

报货记录通常以财务部统计为准。

门店报送名称生成

Mon, 01 Jan 0001 00:00:00 +0000

门店报送名称生成#

依据 license_store_license 表的注册地址，调用 DeepSeek 大模型批量生成门店报送名称（如 安徽省宿州市灵璧县…颐高国际电商园… → 安徽宿州灵璧颐高国际电商园店），校验后回写 MySQL。

数据依赖：执照库 license_store_license（注册地址、报送名称），由门店营业执照管理维护

命名规范（沉淀自 9000+ 条真实记录）#

格式：省简称 + 市 + 区/县 + 显著地标/道路/乡镇 + 店，尽量 ≤ 25 个汉字，一律以「店」结尾
长区划用通称（新疆、内蒙古、北京、上海…），自治州/盟用通称（新疆伊犁、四川凉山…）
地标优先：商场/园区/学校/医院/车站/景区 > 道路/乡镇/街道
去冗余：门牌号、栋幢单元楼层、方位距离、括号注释
地址缺信息时不臆造，只保留地址中已出现的部分

运行方式#

pip install pymysql requests

# 预览（不写库）
python generate_report_name.py --dry-run --limit 50
# 全量处理并回写
python generate_report_name.py
# 只处理每店最新版本
python generate_report_name.py --last-vision
# 输出 TSV 人工复核后回写
python generate_report_name.py --out names.tsv --limit 200
python batch_runner.py apply

关键行为#

待处理行 = 报送名称为空且注册地址非空；skip.txt 中的 id 自动排除
模型输出统一清洗（以「店」结尾、去空白重复），校验长度与残留房号，不合格只告警不上库
批处理断点续做，写库失败整批放弃，重跑不重复

注意

config.ini 含数据库口令与 DeepSeek API Key，仅适用于私人仓库，请勿公开分享。

小程序税务报送

Mon, 01 Jan 0001 00:00:00 +0000

小程序税务报送#

面向税务机关的两张报送表生成工具：《平台内经营者和从业人员身份信息报送表》与《收入信息报送表》，生成 CSV 后自动用 7-Zip AES-256 加密压缩。

数据依赖：
- 执照库 license_manage（门店营业执照管理维护），提供报送名称与统一社会信用代码
- 门店信息 shop_info / shop_current（门店信息管理每日重建）
- 本期报税表 输入/小程序报税表_图表1.xlsx

数据链路#

输入/小程序报税表_图表1.xlsx
→ license_manage.platform_tax_report（replace 全量重建）
→ 匹配 license_store_license、shop_info/shop_current，剔除特殊门店
→ 输出 收入信息 / 人员身份信息 CSV → 同名加密 zip

运行方式#

python main.py upload     # 1. 导入本期报税表
python main.py person     # 2. 身份信息表（21 列，一店一行）
python main.py revenue    # 3. 收入信息表（27 列，同店多周期先汇总）
python main.py all        # 依次执行全部（默认）
python main.py revenue --no-zip   # 只出 CSV 不压缩

报送规则要点#

报送范围：当期有收入的门店；两张表均剔除 license_special_store 特殊门店（学校店/景区店/测试店）
名称/统一社会信用代码取执照表最新版本（is_latest=1）
唯一标识码 = {门店编号}_{version}，两张表保持一致
联系人/电话取 shop_info 最新记录；经营开始时间取最早记录
已解约门店状态填 03|退出，否则 01|新增

注意事项#

压缩密码在 config.ini [Archive].password，留空则只打包不加密
表头从 模板/ 官方文件动态读取，模板升级无需改代码
运行结束的 WARNING 汇总需人工核对：报送名称为空、未匹配执照、未匹配门店记录

门店管理表

Mon, 01 Jan 0001 00:00:00 +0000

门店管理表#

中台同步的 OA 门店主数据日表，粒度为门店，表名 dim_oas_formmain_0145_df（库 tll_bi_dw）。

字段查询#

SELECT 
    COLUMN_NAME AS 字段名, 
    COLUMN_TYPE AS 字段类型, 
    COLUMN_COMMENT AS 字段注释 
FROM information_schema.COLUMNS 
WHERE TABLE_SCHEMA = 'tll_bi_dw' 
AND TABLE_NAME = 'dim_oas_formmain_0145_df';

字段说明#

列名	数据类型	注释
shop_oneid	varchar(255)	门店唯一编码
shop_id	varchar(255)	门店id
shop_name	varchar(255)	门店名称
oa_shop_code	varchar(255)	OA门店编号
oa_shop_name	varchar(255)	OA门店名称
shop_type	varchar(255)	门店类型
shop_status	varchar(255)	门店状态
busi_status	varchar(255)	运营状态
open_date	varchar(255)	开业日期
shop_open_time	varchar(255)	营业时间
region_name	varchar(255)	所属大区
region_manager_name	varchar(255)	大区经理名称
prov_manager_name	varchar(255)	省经理名称
district_manager_name	varchar(255)	区域经理名称
supervisor_name	varchar(255)	督导
shop_addr	varchar(255)	门店地址
prov_name	varchar(255)	所属省份
prov_id	varchar(255)	所属省份id
city_name	varchar(255)	所属城市
city_id	varchar(255)	所属城市id
district_name	varchar(255)	所属区县
district_id	varchar(255)	所属区县id
area_division	varchar(255)	所属行政区划
busi_area_level	varchar(255)	商圈等级
send_whse	varchar(255)	发货仓库
cont_status	varchar(255)	合同状态(初签、过户、迁址等)
shop_area	varchar(255)	经营面积
license_name	varchar(255)	营业执照名称
license_person	varchar(255)	营业执照法人
license_phone	varchar(255)	法人号码
license_addr	varchar(255)	营业执照地址
u8c_cus_id	varchar(255)	U8C客商编码
regist_date	varchar(255)	登记日期
close_shop_date	varchar(255)	闭店日期
contract_sign_date	varchar(255)	签约日期
contract_id	varchar(255)	合同编号
contract_start_date	varchar(255)	合同开始日期
contract_end_date	varchar(255)	合同结束日期
load_time	varchar(255)	中台数据加工时间
pt	varchar(255)	天分区
shop_level	varchar(5)	门店等级
agent_code	varchar(10)	代理商编码
agent_name	varchar(255)	代理商名称
rebate_ratio	decimalv3(10, 2)	代理商返利系数
sap_shop_id	varchar(255)	sap门店编码
rps_discount	varchar(255)	报货等级
expand_personnel	varchar(200)
busi_district_type	varchar(255)	商圈类型
direct_store_manager	varchar(255)	直营店经理
street	varchar(255)	街道
city_level	varchar(255)	所属城市等级
registrant	varchar(128)	登记人
shop_rent	decimalv3(10, 2)	门店租金
if_subsidy	varchar(8)	是否补贴
if_agent_area	varchar(8)	是否属于代理区域
first_sign_date	varchar(128)	初签日期
first_sign_name	varchar(128)	初签人名称
shop_short_name	varchar(255)	门店简称

注意事项#

注意

通常使用自己维护的门店管理表（shop_current，见门店信息管理），不使用这张中台表。

月度数据概览

Mon, 01 Jan 0001 00:00:00 +0000

月度数据概览#

基于同比结果库与门店底表的 Excel Power Query 报表工作台，面向管理层提供月度经营概览。

数据来源#

Power Query 查询	数据源
期数 / 门店底表	`multi_period_channel_summary.期数` / `全量数据`（由多时段渠道同比分析生成）
门店信息	`Tianlala.shop_current`（由门店信息管理每日重建）

使用方式#

先运行多时段渠道同比项目，确保本期/同期数据已写入 MySQL
打开当月概览 xlsx，「数据 → 全部刷新」
本期_/同期_ 开头的指标列在 M 代码中强制转为 number，避免上游类型漂移

字段映射#

经理层级在查询中统一重命名：一级经理→省区经理、二级经理→区域经理、三级经理→督导，与各报表口径保持一致。

定时任务工作台

Mon, 01 Jan 0001 00:00:00 +0000

定时任务工作台#

本机通过 Windows 任务计划程序注册的开机延迟任务，以及统一的日常任务交互菜单。

开机任务时间线#

触发方式均为系统启动后延迟执行：

延迟	任务名	执行内容	角色
+1 min	`KeepMySQLAlive`	`wscript keep_mysql_alive.vbs`	后台拉起 WSL2 MySQL 容器常驻
+2 min	`ClearDownloads`	`clear_downloads.bat`	清空下载文件夹
+5 min	`DailyMenu`	`daily.bat`	弹出日常任务菜单，手动选择执行
+10 min	`BeisengUsersDaily`	`python main.py`	自动同步北森通讯录

XML 配置文件均保留在项目目录，重装系统后可用：

schtasks /Create /TN <任务名> /XML <文件.xml> /F

DailyMenu 菜单#

编号	任务	对应项目
01	同步门店信息表	门店信息管理
02	同步北森信息	北森通讯录同步（cookie 过期时手动保底）
21	校对标准菜品名称	标准菜品名称核对
31	清空下载文件夹	同 `ClearDownloads` 自动任务
99	测试	—

常用管理命令#

schtasks /Query /TN "BeisengUsersDaily" /V /FO LIST   # 查看任务
schtasks /Run   /TN "DailyMenu"                       # 立即运行
schtasks /Change /TN "KeepMySQLAlive" /Disable        # 禁用
schtasks /Delete /TN "KeepMySQLAlive" /F              # 删除（需管理员）
taskschd.msc                                          # 图形界面

彻底停止 MySQL：wsl --shutdown（WSL 虚拟机关闭，容器随之停止）。

标准菜品名称清洗

Mon, 01 Jan 0001 00:00:00 +0000

标准菜品名称清洗#

借助大模型将中台历史商品名称批量匹配到 OA 标准单品名称，生成名称映射表。属于一次性/不定期清洗，日常核对见标准菜品名称核对。

项目仓库：https://fuwenyue.coding.net/p/tianlala/d/standard_food_name/git

目录结构#

标准菜品名称
├─ main.py                       # 主程序
├─ README.md                     # 项目说明
├─ 所有产品名称.csv              # 输入：产品名称
├─ 标准单品名称.xlsx             # 输入：标准菜品名称
├─ 标准菜品名称映射.json         # 输出：匹配结果
└─ 标准菜品名称映射.xlsx         # 输出：匹配结果

数据获取#

待清洗产品名称#

文件名保存为 所有产品名称.csv：

SELECT DISTINCT
    item_name AS 商品名称
FROM
    ads_dbs_trade_food_di
WHERE
    business_date LIKE '202605%'
    AND dp_item_count > 0
ORDER BY
    item_name

标准菜品名称#

OA 导出的 标准单品名称.xlsx。

匹配规则#

通过大模型批量语义匹配，核心 prompt 构建如下：

def build_prompt(batch_products):
    """为一批商品名称构建匹配 prompt"""
    product_list = "\n".join([f"{i+1}. {name}" for i, name in enumerate(batch_products)])
    return f"""你是一个餐饮行业商品名称匹配专家。请将以下【待匹配商品名称】逐一匹配到最合适的【标准单品名称】。

规则：
1. 语义相似即可匹配，不需要完全一样。例如"一桶水果茶1000ml"可以匹配"一桶水果茶"。
2. 忽略容量、温度、赠品描述等修饰词。例如"蜂蜜冰茉莉（500ml）"匹配"蜂蜜冰茉莉"。
3. 如果一个待匹配名称包含多个独立商品（如一桶水果茶+一桶全家福），请分别评估每个子商品与标准库的匹配置信度，仅输出你最有把握、匹配度最高的那一个单品。
4. 如果找不到合适的匹配，标记为"无匹配"。
5. 只返回 JSON 数组，不要任何其他文字。

【标准单品名称列表】（共{len(standard_names)}个）：
{standard_list_text}

【待匹配商品名称】（共{len(batch_products)}个）：
{product_list}

请返回 JSON 对象，格式如下：
{{"matches": [{{"商品名称": "xxx", "匹配标准名称": "yyy"}}, ...]}}"""

CSV文件分割

Mon, 01 Jan 0001 00:00:00 +0000

CSV文件分割#

将过大的 CSV 按行数均分为多个带表头的小文件，解决部分系统无法上传 / 识别大文件的问题。

运行方式：PowerShell 脚本，修改参数后直接执行

处理代码#

param(
    [string]$CsvPath = "5月产品数据.csv",
    [int]$Parts = 5,
    [string]$OutputDir = $PSScriptRoot
)

$reader = [System.IO.StreamReader]::new((Join-Path $OutputDir $CsvPath))
$header = $reader.ReadLine()

# 统计总行数
$totalLines = 0
while ($reader.ReadLine() -ne $null) {
    $totalLines++
}
$reader.Close()

$linesPerPart = [math]::Ceiling($totalLines / $Parts)
Write-Host "总数据行: $totalLines, 每份: $linesPerPart 行"

# 重新读取，开始分割
$reader = [System.IO.StreamReader]::new((Join-Path $OutputDir $CsvPath))
$reader.ReadLine() | Out-Null  # 跳过表头

$baseName = [System.IO.Path]::GetFileNameWithoutExtension($CsvPath)

for ($i = 0; $i -lt $Parts; $i++) {
    $partNum = $i + 1
    $outFile = Join-Path $OutputDir "${baseName}_part${partNum}.csv"

    $writer = [System.IO.StreamWriter]::new($outFile, $false, [System.Text.Encoding]::UTF8)
    $writer.WriteLine($header)

    $lineCount = 0
    while ($lineCount -lt $linesPerPart -and ($line = $reader.ReadLine()) -ne $null) {
        $writer.WriteLine($line)
        $lineCount++
    }

    $writer.Close()
    Write-Host "已生成: ${baseName}_part${partNum}.csv ($lineCount 行数据)"
}

$reader.Close()
Write-Host "分割完成!"

参数说明#

参数	默认值	说明
`$CsvPath`	`5月产品数据.csv`	待分割文件名（与脚本同目录）
`$Parts`	`5`	分割份数
`$OutputDir`	脚本所在目录	输出目录

Data Documentation

2026产品上新记录

2026 产品上新记录#

20260605 混合果汁系列#

20260529 西瓜系列#

20260515 泰奶系列#

20260430 芭乐系列#

20260417 杨梅系列#

20260403 龙井系列#

20260327 抹茶系列#

20260306 蜂蜜系列#

20260204 芝士酪酪系列#

20260130 鲜橙系列#

20260116 桂枣系列#

20260105 梨柚系列#

北森通讯录同步

北森通讯录同步#

工作流程#

运行方式#

数据表#

常用查询#

常用术语

常用术语#

经营指标#

渠道#

月度产品销售汇总

月度产品销售汇总#

文件说明#

输出表#

运行方式#

中台数据导出与本地校验#

渠道分组

渠道分组#

门店日GMV查询

门店日GMV查询#

SQL#

参数调整#

注意事项#

门店营业执照管理

门店营业执照管理#

核心功能#

运行方式#

注意事项#

门店销售

门店销售#

字段查询#

字段说明#

注意事项#

产品销售

产品销售#

字段查询#

字段说明#

注意事项#

多时段渠道同比分析

多时段渠道同比分析#

输出表（库 multi_period_channel_summary，每次 DROP 重建）#

配置#

运行方式#

渠道维护#

赠茶数据查询

赠茶数据查询#

SQL#

参数调整#

注意事项#

门店信息管理

门店信息管理#

数据表#

处理流程#

运行方式#

注意事项#

门店销售数据同步

门店销售数据同步#

功能#

运行方式#

中台数据导出#

月度校验#

2023–2024 历史数据#

周边数据分析

周边数据分析#

数据流程#

输出表（库 `multi_period_channel_summary`，每次 DROP 重建）#