fix: 预算数据修正 — 删除v1.0错误分解记录, 修正v2.0 F_REVENUE为真实H2预测(75-120万/月,原367万错误)

- 删除v1.0 49条(今天'执行分解'基于错误v2.0聚合产生的重复数据) - 修正v2.0 F_REVENUE: 367万/月→90/75/80/85/95/120万(真实H2预测455万+7月90万) - 解决预算录入'部分指标重复'问题(同KPI+期间双版本记录)
2026-08-25 18:19:48 +08:00
parent cc7cddd646
commit 0daa079b96
8 changed files with 562 additions and 202 deletions
@@ -0,0 +1,176 @@
+# CMA验证数据需求规范（双实体验证矩阵）
+
+> 建立：2026-08-19 | 提出：任总（两套数据验证决策 + "每次需要什么样的数据"）
+> 核心原则：酣客=验收场（真实客户数据，最后碰），博海=试验田（随便折腾，先试错）
+> 验证策略："先博海试验，再酣客验收"
+
+## 一、双实体角色分工
+
+| 实体 | 角色 | 用途 | 数据量 |
+|:----|:----|:----|:------|
+| 陕西博海（id=2） | **试验田** | 新功能试错/MCP测试/破坏性测试/快速迭代 | 16 KPI / 316 数据点 |
+| 陕西酣客（id=1） | **验收场** | 客户验收/真实场景/交付演示 | 70 KPI / 1269 数据点 |
+| 测试企业（id=3等） | 自动化测试 | CI跑用例（不人工碰） | 空 |
+
+```
+铁律：新功能先在博海跑通，再碰酣客数据
+     破坏性操作（删除/清空/批量改）只在博海或测试实体做
+```
+
+## 二、各验证场景所需数据（核心矩阵）
+
+### 场景1：功能开发验证（新功能/改代码）
+| 数据需求 | 博海（试验田） | 说明 |
+|:--------|:------------|:----|
+| KPI定义 | ≥5个（覆盖4维度：财务/客户/流程/学习） | 测维度筛选 |
+| KPI数据点 | ≥50个（≥3个周期，含红黄绿各态） | 测红黄绿判定 |
+| 预警 | ≥3条（红/黄各至少1条） | 测预警列表 |
+| 预算 | ≥3个 | 测预算对比 |
+| 行动计划 | ≥2个（含1个逾期） | 测逾期逻辑 |
+| 组织 | ≥5个节点 | 测部门归属 |
+
+### 场景2：MCP封装验证（本次重点）
+| 数据需求 | 博海 | 说明 |
+|:--------|:----|:----|
+| KPI（含历史） | ≥5个KPI × ≥3周期 | 测cma_kpi_history |
+| 预警 | ≥2条 | 测cma_query_alerts |
+| 预算 | ≥2个 | 测cma_budget_plans |
+| 概览数据 | 完整（KPI+预警+预算都有） | 测cma_overview |
+| **空值KPI** | ≥1个（无数据） | 测容错（AI问空数据不能崩） |
+| **异常KPI** | ≥1个（目标为0/负值） | 测边界 |
+
+### 场景3：客户验收/演示（酣客数据）
+| 数据需求 | 酣客 | 说明 |
+|:--------|:----|:----|
+| 全量KPI | 70个（保持现状） | 真实场景 |
+| 关键KPI数据 | 财务核心（营收/净利/成本率）必须有最近3期 | 老板最关注 |
+| 预警 | 真实预警（有红黄） | 展示预警价值 |
+| 战略地图 | ≥1张 | 展示战略层 |
+| 报表 | ≥1份BI报表 | 展示汇报能力 |
+| **演示剧本** | 3个核心场景（看KPI/查预警/看趋势） | 演示有故事线 |
+
+### 场景4：回归验证（改完不破坏）
+| 数据需求 | 两套都跑 | 说明 |
+|:--------|:--------|:----|
+| 博海 | 16 KPI / 316 数据点 | 快跑（功能不坏） |
+| 酣客 | 70 KPI / 1269 数据点 | 全跑（数据不坏） |
+| 关键对比 | 修复前后数据一致性 | 确认无副作用 |
+
+### 场景5：破坏性/边界测试
+| 数据需求 | 只准博海/测试实体 | 说明 |
+|:--------|:--------------|:----|
+| 清空KPI值 | 博海子集（备份后） | 测空态UI |
+| 大量数据导入 | 造1000+行 | 测性能 |
+| 异常格式 | 特殊字符/超长字段 | 测容错 |
+| 权限越界 | 用测试账号 | 测权限 |
+
+## 三、数据准备清单（最小可用数据集）
+
+### 博海试验田（最小16个KPI覆盖全场景）
+```
+4维度各≥1个：
+  财务：F_REVENUE（营收）/ F_NET_PROFIT（净利）/ F_COST_RATIO（费用率，反向）
+  客户：C_SATISFACTION（满意度）/ C_REBATE_RATE（渠补率，反向）
+  流程：P_DELIVERY（交付及时率）
+  学习：L_TRAINING（培训完成率）
+    ↓
+状态覆盖：
+  绿色≥2（达标）、黄色≥1（预警）、红色≥1（危险）、灰色≥1（无数据）
+    ↓
+周期覆盖：
+  最近3期（2026-06/07/08）每期都有值
+    ↓
+边界覆盖：
+  1个KPI目标=0（测除零）、1个KPI无数据（测空态）
+```
+
+### 酣客验收场（保持真实，不造假）
+```
+❌ 禁止：为测试给酣客造假数据
+✅ 做法：用真实数据，缺的周期标注"待补充"
+    ↓
+验证时用"真实数据 + 演示剧本"：
+  ① 看我的KPI（营收/净利红黄绿）
+  ② 查预警（哪些指标危险）
+  ③ 看趋势（最近3期变化）
+```
+
+## 四、验证执行检查清单（每次验证前过一遍）
+
+```
+[ ] 1. 确认验证类型（功能/MCP/验收/回归/破坏）
+[ ] 2. 选数据源：功能/MCP/破坏→博海；验收→酣客；回归→两套
+[ ] 3. 数据准备：对照上面的"最小可用数据集"检查是否齐全
+[ ] 4. 空值/异常KPI是否在（测容错）
+[ ] 5. 备份：改动前备份目标实体数据（mysqldump）
+[ ] 6. 执行验证 + 记录结果
+[ ] 7. 验证后检查：consistency-check 无新错误
+```
+
+## 五、验证数据速查表（一句话版）
+
+| 验证类型 | 用哪套 | 最少需要 |
+|:--------|:------|:--------|
+| 新功能 | 博海 | 5 KPI × 3期 + 红黄绿各1 |
+| MCP封装 | 博海 | 5 KPI×3期 + 空值KPI + 异常KPI |
+| 客户验收 | 酣客 | 70 KPI + 3期 + 演示剧本 |
+| 回归 | 两套 | 全量对比 |
+| 破坏性 | 博海/测试 | 备份后随意 |
+
+## 六、数据录入归属规范（实体自动判断）
+
+> 2026-08-19 任总提问"输入数据时明确博海还是酣客？系统能否自动判断"——已确认系统现状与增强方案
+
+### 系统现状（账套模式已存在）
+```
+① 登录必须选企业（entity_id）：
+   auth.py："账套模式：请选择登录企业"
+   → 用户登录时选酣客 or 博海
+    ↓
+② token绑定实体（安全）：
+   token.entity_id = 唯一可信来源
+   用户只能访问被授权的企业（user_entities表）
+    ↓
+③ Bot通道（X-Entity-Id header/query）：
+   白名单Bot可指定实体，但token存在时忽略query（防越权）
+    ↓
+④ 兜底默认：1（酣客）
+```
+
+### 结论：输入时无需每次明确
+```
+人工录入（网页）：
+  登录时已选 → 数据自动归到所选企业（token绑定）
+  → 不需要每次输入时再明确
+    ↓
+Bot/API导入：
+  可以指定X-Entity-Id → 需要明确（API调用时传）
+    ↓
+唯一边界：一个Excel混了两家公司数据 → 需增强
+```
+
+### 自动判断三级方案（待实现，0.5天）
+```
+① 登录实体（token.entity_id）→ 默认归属
+② Excel内容检测：表头/首列是否含"酣客/博海"字样
+   → 有：覆盖归属（跨公司导入场景）
+   → 无：用登录实体
+③ 文件名检测：文件名含"酣客/博海"→ 辅助判断
+    ↓
+④ 冲突时（登录=博海 但 内容=酣客）：
+   → 弹确认："检测到酣客数据，确认归属？"
+   → 人工点一下（不自动改，防误）
+```
+
+### 实现位置
+```
+后端：data.py import_excel_smart 加 _detect_entity()（~30行）
+前端：import弹窗加实体确认（~20行）
+状态：待排期（记入待办，非紧急）
+```
+
+## 七、关联
+- kpi-account-governance-rule.md（科目≠KPI规范）
+- 双实体验证决策（2026-08-19 任总）
+- 铁律七（验证不信任自述）
+- MCP封装（cma-mcp-strategy.md：先博海试，后酣客验）
@@ -322,88 +322,19 @@
        </el-row>
      </el-tab-pane>

-      <!-- Tab 6: KPI趋势预测（预测性成本智能 MVP） -->
-      <el-tab-pane label="KPI预测" name="kpiForecast">
-        <el-card>
-          <template #header>
-            <div style="display:flex;justify-content:space-between;align-items:center;flex-wrap:wrap;gap:8px;">
-              <span>📈 财务KPI趋势预测（预测性成本智能 MVP）</span>
-              <div style="display:flex;gap:8px;align-items:center;">
-                <span style="font-size:12px;color:#909399;">模型</span>
-                <el-select v-model="kfModel" style="width:120px;" size="small">
-                  <el-option label="线性回归" value="linear" />
-                  <el-option label="移动平均" value="moving_average" />
-                </el-select>
-                <span style="font-size:12px;color:#909399;">期数</span>
-                <el-select v-model="kfPeriods" style="width:80px;" size="small">
-                  <el-option label="3期" :value="3" />
-                  <el-option label="6期" :value="6" />
-                  <el-option label="12期" :value="12" />
-                </el-select>
-                <el-button size="small" type="primary" @click="loadKpiForecast" :loading="kfLoading">🔄 重新预测</el-button>
-              </div>
-            </div>
-          </template>
-          <div style="font-size:12px;color:#909399;margin-bottom:8px;">{{ kfSummary }}</div>
-          <el-table :data="kfResult" border stripe size="small" style="width:100%;" @expand-change="onKpiExpand">
-            <el-table-column type="expand">
-              <template #default="{ row }">
-                <div style="padding:12px 24px;">
-                  <div style="font-size:12px;color:#606266;margin-bottom:8px;">💡 {{ row.summary }}</div>
-                  <div :ref="(el: any) => setKpiChartEl(el, row)" style="height:300px;width:100%;"></div>
-                </div>
-              </template>
-            </el-table-column>
-            <el-table-column label="KPI名称" min-width="180">
-              <template #default="{ row }">
-                <div>{{ row.kpi.name }}</div>
-                <div style="font-size:11px;color:#909399;">{{ row.kpi.code }}（{{ row.kpi.unit || '无量纲' }}）</div>
-              </template>
-            </el-table-column>
-            <el-table-column label="趋势方向" width="100" align="center">
-              <template #default="{ row }">
-                <el-tag :type="kfTrendMap[row.trend]?.tag || 'info'" size="small" effect="light">
-                  {{ row.trend === 'up' ? '↑ 上升' : row.trend === 'down' ? '↓ 下降' : '→ 平稳' }}
-                </el-tag>
-              </template>
-            </el-table-column>
-            <el-table-column label="下一期预测" width="140" align="right">
-              <template #default="{ row }">
-                <strong :style="{ color: row.trend === 'up' ? '#f56c6c' : row.trend === 'down' ? '#67c23a' : '#303133' }">
-                  {{ fmtKfValue(row.next_target) }}
-                </strong>
-              </template>
-            </el-table-column>
-            <el-table-column label="置信区间" width="180" align="center">
-              <template #default="{ row }">
-                <span v-if="row.forecast?.length" style="font-size:12px;color:#606266;">
-                  {{ fmtKfValue(row.forecast[0].lower) }} ~ {{ fmtKfValue(row.forecast[0].upper) }}
-                </span>
-                <span v-else>--</span>
-              </template>
-            </el-table-column>
-            <el-table-column label="置信度" width="90" align="center">
-              <template #default="{ row }">
-                <el-tag :type="kfConfMap[row.confidence]?.tag || 'info'" size="small">
-                  {{ kfConfMap[row.confidence]?.label || row.confidence }}
-                </el-tag>
-              </template>
-            </el-table-column>
-            <el-table-column prop="history_count" label="历史期数" width="80" align="center" />
-            <el-table-column label="模型" width="90" align="center">
-              <template #default="{ row }">{{ row.model === 'moving_average' ? '移动平均' : '线性回归' }}</template>
-            </el-table-column>
-          </el-table>
-        </el-card>
+      <!-- Tab 6: KPI智能预测（预测性成本智能） -->
+      <el-tab-pane label="KPI智能预测" name="kpiForecast">
+        <CostIntelligence />
      </el-tab-pane>
    </el-tabs>
  </div>
 </template>

 <script setup lang="ts">
-import { ref, nextTick, watch } from 'vue'
+import { ref, nextTick } from 'vue'
 import { ElMessage } from 'element-plus'
 import { predictApi } from '../api/index'
+import CostIntelligence from './CostIntelligence.vue'

 const activeTab = ref('cvp')

@@ -680,134 +611,6 @@ function renderCfChart() {
  })
 }

-// ── KPI趋势预测（预测性成本智能 MVP） ──
-const kfLoading = ref(false)
-const kfModel = ref('linear')
-const kfPeriods = ref(3)
-const kfResult = ref<any[]>([])
-const kfSummary = ref('')
-const kfEntityId = ref(Number(localStorage.getItem('cma_entity_id') || 1))
-const kfChartEls: Record<string, HTMLElement | null> = {}
-const kfCharts: Record<string, any> = {}
-
-const kfTrendMap: Record<string, { label: string; tag: string }> = {
-  up: { label: '上升', tag: 'danger' },
-  down: { label: '下降', tag: 'success' },
-  flat: { label: '平稳', tag: 'info' },
-}
-const kfConfMap: Record<string, { label: string; tag: string }> = {
-  high: { label: '高', tag: 'success' },
-  medium: { label: '中', tag: 'warning' },
-  low: { label: '低', tag: 'danger' },
-}
-
-function fmtKfValue(v: any): string {
-  if (v === null || v === undefined) return '--'
-  return Number(v).toLocaleString('zh-CN', { minimumFractionDigits: 2, maximumFractionDigits: 2 })
-}
-
-async function loadKpiForecast() {
-  kfLoading.value = true
-  try {
-    const res = await predictApi.kpiForecastFinance({
-      entity_id: kfEntityId.value,
-      periods: kfPeriods.value,
-      model: kfModel.value,
-    }) as any
-    kfResult.value = res?.data || []
-    kfSummary.value = `共 ${res?.total ?? 0} 个财务KPI可预测（历史数据≥3期），按可预测性排序；点击行展开查看历史趋势与预测区间`
-  } catch (e: any) {
-    ElMessage.error('KPI预测加载失败: ' + (e?.message || ''))
-    kfResult.value = []
-    kfSummary.value = ''
-  }
-  kfLoading.value = false
-}
-
-// 切换到「KPI预测」Tab 时自动加载
-watch(activeTab, (t) => {
-  if (t === 'kpiForecast') loadKpiForecast()
-})
-
-function setKpiChartEl(el: any, row: any) {
-  if (!el) return
-  kfChartEls[row.kpi.code] = el
-}
-
-function onKpiExpand(row: any, expandedRows: any[]) {
-  if (!expandedRows.includes(row)) return
-  nextTick(() => renderKpiChart(row))
-}
-
-function renderKpiChart(row: any) {
-  const el = kfChartEls[row.kpi.code]
-  if (!el || !row.forecast?.length) return
-  import('echarts').then(echarts => {
-    if (kfCharts[row.kpi.code]) kfCharts[row.kpi.code].dispose()
-    const chart = echarts.init(el)
-    kfCharts[row.kpi.code] = chart
-
-    const hist = row.history || []
-    const fc = row.forecast || []
-    const histLen = hist.length
-    const periods = [...hist.map((h: any) => h.period), ...fc.map((f: any) => f.period)]
-    const histVals = hist.map((h: any) => h.value)
-    const fcVals = fc.map((f: any) => f.predicted)
-    const lower = fc.map((f: any) => f.lower)
-    const upper = fc.map((f: any) => f.upper)
-
-    // 历史线：仅历史区间；预测线：衔接历史末值后延伸
-    const histSeries = [...histVals, ...Array(fc.length).fill(null)]
-    const fcSeries = [...Array(Math.max(0, histLen - 1)).fill(null), histVals[histLen - 1], ...fcVals]
-    // 置信区间带（stack 双线夹层）
-    const bandLower = [...Array(histLen).fill(null), ...lower]
-    const bandWidth = [...Array(histLen).fill(null), ...upper.map((u: number, i: number) => u - lower[i])]
-
-    chart.setOption({
-      grid: { left: 70, right: 30, top: 30, bottom: 40 },
-      xAxis: { type: 'category', data: periods, axisLabel: { rotate: 45, fontSize: 10 } },
-      yAxis: { type: 'value', name: row.kpi.unit || '' },
-      series: [
-        {
-          name: '历史值', type: 'line', data: histSeries,
-          smooth: true, symbol: 'circle', symbolSize: 5,
-          lineStyle: { width: 2, color: '#409eff' }, itemStyle: { color: '#409eff' },
-        },
-        {
-          name: '预测值', type: 'line', data: fcSeries,
-          smooth: true, symbol: 'circle', symbolSize: 5,
-          lineStyle: { width: 2, color: '#e6a23c', type: 'dashed' }, itemStyle: { color: '#e6a23c' },
-        },
-        {
-          name: '区间下界', type: 'line', data: bandLower,
-          stack: 'ci', lineStyle: { opacity: 0 }, symbol: 'none',
-          areaStyle: { color: 'rgba(230,162,60,0.15)' },
-        },
-        {
-          name: '区间宽', type: 'line', data: bandWidth,
-          stack: 'ci', lineStyle: { opacity: 0 }, symbol: 'none',
-        },
-        {
-          name: '预测点', type: 'scatter',
-          data: fcVals.map((v: number, i: number) => [histLen + i, v]),
-          symbolSize: 9, itemStyle: { color: '#e6a23c', borderColor: '#fff', borderWidth: 1 },
-        },
-      ],
-      tooltip: {
-        trigger: 'axis',
-        formatter: function(params: any) {
-          const idx = params[0]?.dataIndex
-          if (idx === undefined) return ''
-          const p = periods[idx]
-          if (idx < histLen) return `<strong>${p}</strong><br/>实际值: ${fmtKfValue(histVals[idx])}`
-          const f = fc[idx - histLen]
-          return `<strong>${p}</strong><br/>预测值: <strong>${fmtKfValue(f.predicted)}</strong><br/>置信区间: ${fmtKfValue(f.lower)} ~ ${fmtKfValue(f.upper)}`
-        },
-      },
-      legend: { bottom: 0, icon: 'circle', itemWidth: 8, itemHeight: 8 },
-    })
-  })
-}
 </script>

 <style scoped>