上传您的CSV数据文件
请选择包含订单数据的CSV文件进行分析。确保文件为UTF-8编码。
全国业绩概况 (年)
National Performance Overview ()
年度业绩趋势 (年)
Annual Performance Trends ()
月度业绩趋势 (年)
Monthly Performance Trends ()
ℹ️ 图表说明 (Chart Legend):
- 点击图例中的年份或指标可显示/隐藏对应趋势线。
- 销售额和利润共享左侧Y轴，数量使用右侧Y轴。
K-Means订单聚类分析
K-Means Order Clustering Analysis
基于销售额、利润、折扣、数量等关键指标对订单进行聚类分析，识别不同的订单模式。
ℹ️ 图表说明:
- 雷达图展示各聚类在销售额、利润、折扣、数量等指标上的平均表现
- 不同颜色代表不同的聚类，点击图例可显示/隐藏特定聚类
- 右侧显示各聚类的详细统计信息和特征描述
- 可调整聚类数量和选择不同年份进行分析
订单异常检测分析
Order Anomaly Detection Analysis
使用统计方法检测订单数据中的异常值，识别异常高的销售额、异常低的折扣等情况。
ℹ️ 图表说明:
- 箱线图显示各指标的分布情况，红色点标记异常值
- 使用IQR方法识别异常点：超出Q1-1.5*IQR或Q3+1.5*IQR的数据点
- 悬停异常点可查看详细信息（订单ID、具体数值、异常原因）
- 右侧显示异常点的统计摘要和分布情况
RFM客户价值分析
RFM Customer Value Analysis
💡 RFM模型说明:
- R (Recency - 近度): 客户最近一次购买时间。越近越好。
- F (Frequency - 频率): 客户购买次数。越多越好。
- M (Monetary - 金额): 客户总消费金额。越多越好。
- 3D散点图可交互旋转和缩放。饼图展示各分层客户占比。
客户贡献帕累托分析 (80/20法则)
Customer Contribution Pareto Analysis (80/20 Rule)
客户地理分布与客单价分析
Customer Geographic Distribution & Average Order Value Analysis
分析各省份的客户分布情况和平均客单价，数据汇总历年所有客户。
数据可视化仪表盘 | Data Visualization Dashboard