PB-BI 数据分析平台

可以用明道云的BI平台 - 一个基于 React + FastAPI 的商业智能软件，用于连接明道云数据源，进行数据提取、处理、分析和可视化展示。

功能特性

配置管理

• 明道云 API 配置
• 数据流管理（增删改查）
• 字段配置（字段类型、启用/禁用）
• 本地数据导入（CSV、Excel）

数据获取

• 从明道云读取数据
• 导入本地数据（CSV、Excel）
• 数据快照管理
• 字段统计信息

数据分析

• 多表聚合（UNION ALL、UNION、JOIN等）
• 字段筛选
• 数据统计
• 高级统计分析（统计描述、分布拟合、回归分析）
• 相关性分析（支持多数据流）
• 相关性探索
• 蒙特卡洛分析

AI智能对话

• 自然语言查询数据
• 自动生成图表
• 数据洞察分析
• 多轮对话上下文记忆
• 对话历史管理
• 反馈与纠错机制
• 三层记忆系统（用户偏好、成功案例、失败教训）

数据可视化

• 16种 ECharts 图表类型
• 基础图表：折线图、柱状图、饼图、散点图、雷达图
• 高级图表：热力图、漏斗图、仪表盘
• 3D图表：3D柱状图、3D散点图、3D形貌图
• 组合图表：堆叠图、多Y轴图、联动图表
• 专业图表：LED晶圆图
• 数据看板管理

系统设置

• UI风格切换（现代专业/Bloomberg终端）
• 主色调自定义
• 字体大小调整
• AI模型配置（推荐使用Kimi / DeepSeek / OpenAI / 智谱AI / 硅基流动）
• 三层记忆系统管理

技术栈

前端

• React 18
• React Router
• ECharts + echarts-gl
• react-markdown + remark-gfm
• Axios

后端

• FastAPI
• SQLAlchemy
• pandas
• numpy
• scipy
• statsmodels
• scikit-learn

数据库

• SQLite（开发环境）

快速开始

推荐使用Kimi模型

经过实际测试，强烈推荐使用 Kimi (Moonshot) 模型，原因如下：

• ✅ 工具调用格式规范稳定
• ✅ 支持标准的 OpenAI function calling API
• ✅ 中文理解和生成能力强
• ✅ 响应速度快，可靠性高

配置方法：在系统设置中选择 "硅基流动" 提供商，模型选择 "moonshot-v1-8k" 或 "moonshot-v1-32k"。

环境要求

• Python 3.8+
• Node.js 16+

安装与启动

1. 克隆项目

git clone https://github.com/ceasarboy/nedi-BI.git
cd nedi-BI

2. 安装后端依赖

python -m venv venv
# Windows:
venv\Scripts\activate
# Linux/macOS:
source venv/bin/activate
pip install -r requirements.txt

3. 安装前端依赖

cd frontend
npm install

4. 启动服务

Windows:

# 开发模式
scripts\start-dev.bat

# 生产模式
scripts\build.bat
scripts\start.bat

Linux/macOS:

chmod +x scripts/start.sh
./scripts/start.sh

访问地址

• 前端界面: http://localhost:3000
• 后端API: http://localhost:8001
• API文档: http://localhost:8001/docs

功能模块导航

模块	路径	功能描述
配置管理	/	数据源配置、字段管理
数据获取	/data	数据查看、快照管理
数据分析	/analysis	聚合、筛选、统计、高级分析
AI对话	/ai	自然语言数据分析
数据可视化	/visual	图表创建、看板管理
相关性分析	/correlation	多数据流相关性分析
蒙特卡洛分析	/montecarlo	随机模拟分析
系统设置	/settings	UI配置、AI模型、记忆管理
操作指南	/guide	功能使用说明

部署

详见 DEPLOYMENT.md

生成便携版（可选）

如果需要生成不依赖系统环境的便携版，可以运行打包脚本：

# Windows
scripts\package-full.bat

生成的便携版将包含：

• Python 3.11 便携版
• Node.js 20 便携版
• 所有 Python 依赖
• 预构建的前端
• 配置文件示例

便携版可以直接复制到任何 Windows 机器运行，无需安装 Python 和 Node.js。

便携版配置

便携版支持通过 config.ini 自定义配置：

1. 复制 config.example.ini 为 config.ini
2. 根据需要修改配置值
3. 重启服务

支持的配置项：

• Python/Node.js 运行时路径
• 依赖库路径
• 端口配置
• API 地址
• 后端绑定地址

项目结构

nedi-BI/
├── config/              # 配置文件
├── docs/               # 文档
│   ├── 需求分析.md      # 功能需求文档
│   ├── 架构设计.md      # 系统架构设计
│   ├── 开发计划.md      # 迭代开发计划
│   └── ...
├── frontend/           # 前端项目
│   ├── src/
│   │   ├── charts/    # 图表组件（16种图表）
│   │   ├── components/# 通用组件
│   │   ├── pages/     # 页面组件
│   │   ├── services/  # API服务
│   │   └── styles/    # 样式文件
│   └── package.json
├── scripts/            # 启动脚本和打包脚本
├── src/                # 后端源代码
│   ├── api/           # API路由
│   ├── core/          # 核心配置
│   ├── models/        # 数据模型
│   └── services/      # 业务服务
│       ├── mingdao.py      # 明道云服务
│       ├── memory_service.py # 记忆系统服务
│       └── chart_recommendation.py # 图表推荐服务
├── requirements.txt    # Python依赖
├── config.example.ini  # 便携版配置示例
└── DEPLOYMENT.md      # 部署说明

AI对话示例

用户: 帮我查看销售数据中金额最高的10条记录
AI: [执行数据查询并展示结果]

用户: 分析最近一个月的销售趋势，生成折线图
AI: [生成折线图并展示]

用户: 对比各部门的销售业绩，用柱状图展示
AI: [生成柱状图并展示]

用户: 展示各产品类别的销售占比，生成饼图
AI: [生成饼图并展示]

开发团队

本项目采用 ACP 敏捷开发流程。

许可证

MIT License