diff --git a/client/src/components/store-expense/ExpenseOverviewTab.tsx b/client/src/components/store-expense/ExpenseOverviewTab.tsx
index 0271f4d..19871c8 100644
--- a/client/src/components/store-expense/ExpenseOverviewTab.tsx
+++ b/client/src/components/store-expense/ExpenseOverviewTab.tsx
@@ -31,7 +31,7 @@ export function ExpenseOverviewTab({ month }: { month: string }) {
       </div>
 
       <div className="grid grid-cols-1 md:grid-cols-2 gap-4">
-        <CollapsibleSection title="费用结构分析" subtitle="2026年4月各费用科目占比">
+        <CollapsibleSection title="费用结构分析" subtitle={`${month}各费用科目占比`}>
           <ResponsiveContainer width="100%" height={400}>
             <PieChart>
               <Pie data={pieData} dataKey="value" nameKey="name" cx="50%" cy="50%" outerRadius={120} labelLine={false}>
diff --git a/client/src/components/store-expense/LossDiagnosisTab.tsx b/client/src/components/store-expense/LossDiagnosisTab.tsx
index f307467..43711ad 100644
--- a/client/src/components/store-expense/LossDiagnosisTab.tsx
+++ b/client/src/components/store-expense/LossDiagnosisTab.tsx
@@ -116,7 +116,7 @@ function StoreDetailModal({ store, onClose }: { store: StoreDetail | null, onClo
     { label: '面积(㎡)', value: formatNumber(store.area_sqm) },
     { label: '坪效', value: formatNumber(store.received_per_sqm) },
     { label: '账单数', value: formatNumber(store.bill_count) },
-    { label: '租约到期', value: store.lease_expiry_date ? new Date(store.lease_expiry_date).toLocaleDateString('zh-CN') : '-' },
+    { label: '租约到期', value: store.lease_expiry_date ? String(store.lease_expiry_date).substring(0, 10) : '-' },
   ]
 
   return (
@@ -197,9 +197,9 @@ export function LossDiagnosisTab({ month }: { month: string }) {
   const rows = (data as any)?.data || []
   const meta = (data as any)?.meta || { page, pageSize: PAGE_SIZE, total: 0 }
 
-  const p0Count = rows.filter((r: any) => r.priority === 'P0').length
-  const p1Count = rows.filter((r: any) => r.priority === 'P1').length
-  const totalLoss = rows.reduce((sum: number, r: any) => sum + parseFloat(r.actual_store_contribution || 0), 0)
+  const p0Count = meta.evalStats ? Number(meta.evalStats.p0_count) : rows.filter((r: any) => r.priority === 'P0').length
+  const p1Count = meta.evalStats ? Number(meta.evalStats.p1_count) : rows.filter((r: any) => r.priority === 'P1').length
+  const totalLoss = meta.evalStats ? Number(meta.evalStats.total_loss) : rows.reduce((sum: number, r: any) => sum + parseFloat(r.actual_store_contribution || 0), 0)
 
   return (
     <div className="space-y-4">
diff --git a/client/src/components/store-expense/RentRiskTab.tsx b/client/src/components/store-expense/RentRiskTab.tsx
index 5b6ab6d..9769286 100644
--- a/client/src/components/store-expense/RentRiskTab.tsx
+++ b/client/src/components/store-expense/RentRiskTab.tsx
@@ -76,7 +76,7 @@ export function RentRiskTab({ month }: { month: string }) {
             { key: 'rent_rate_pct', label: '租金率', align: 'right', render: (r) => <span className={parseFloat(r.rent_rate_pct) > 20 ? 'text-red-600 font-medium' : ''}>{formatPercent(r.rent_rate_pct)}</span> },
             { key: 'area_sqm', label: '面积(㎡)', align: 'right', render: (r) => formatNumber(r.area_sqm) },
             { key: 'received_per_sqm', label: '坪效', align: 'right', render: (r) => formatNumber(r.received_per_sqm) },
-            { key: 'lease_expiry_date', label: '租约到期', render: (r) => r.lease_expiry_date ? new Date(r.lease_expiry_date).toLocaleDateString('zh-CN') : '-' },
+            { key: 'lease_expiry_date', label: '租约到期', render: (r) => r.lease_expiry_date ? String(r.lease_expiry_date).substring(0, 10) : '-' },
             { key: 'risk_level', label: '风险等级', render: (r) => <span className={RISK_COLORS[r.risk_level] || ''}>{r.risk_level}</span> },
             { key: 'suggestion', label: '建议' },
           ]}
diff --git a/client/src/components/store-expense/StoreEvaluationTab.tsx b/client/src/components/store-expense/StoreEvaluationTab.tsx
index 654daf4..d121c30 100644
--- a/client/src/components/store-expense/StoreEvaluationTab.tsx
+++ b/client/src/components/store-expense/StoreEvaluationTab.tsx
@@ -59,7 +59,7 @@ function EvalDetailModal({ store, onClose }: { store: EvalStoreDetail | null, on
     { label: '租金率', value: formatPercent(store.rent_rate_pct), warn: parseFloat(store.rent_rate_pct) > 20 },
     { label: '坪效', value: formatNumber(store.received_per_sqm), warn: parseFloat(store.received_per_sqm) < 1000 },
     { label: '面积(㎡)', value: formatNumber(store.area_sqm) },
-    { label: '租约到期', value: store.lease_expiry_date ? new Date(store.lease_expiry_date).toLocaleDateString('zh-CN') : '-' },
+    { label: '租约到期', value: store.lease_expiry_date ? String(store.lease_expiry_date).substring(0, 10) : '-' },
   ]
 
   return (
@@ -167,7 +167,7 @@ export function StoreEvaluationTab({ month }: { month: string }) {
             { key: 'actual_store_contribution', label: '贡献利润', align: 'right', render: (r) => <span className={parseFloat(r.actual_store_contribution) < 0 ? 'text-red-600 font-medium' : 'text-green-600'}>{formatCurrency(r.actual_store_contribution)}</span> },
             { key: 'actual_store_contribution_rate_pct', label: '贡献率', align: 'right', render: (r) => formatPercent(r.actual_store_contribution_rate_pct) },
             { key: 'received_per_sqm', label: '坪效', align: 'right', render: (r) => formatNumber(r.received_per_sqm) },
-            { key: 'lease_expiry_date', label: '租约到期', render: (r) => r.lease_expiry_date ? new Date(r.lease_expiry_date).toLocaleDateString('zh-CN') : '-' },
+            { key: 'lease_expiry_date', label: '租约到期', render: (r) => r.lease_expiry_date ? String(r.lease_expiry_date).substring(0, 10) : '-' },
             { key: 'evaluation_detail', label: '评估详情', render: (r) => <span className="text-xs">{r.evaluation_detail}</span> },
           ]}
         />
diff --git a/client/src/pages/BomPenetrationPage.tsx b/client/src/pages/BomPenetrationPage.tsx
index db86d81..9ce6487 100644
--- a/client/src/pages/BomPenetrationPage.tsx
+++ b/client/src/pages/BomPenetrationPage.tsx
@@ -45,16 +45,15 @@ function buildTree(flatTree: any[]): BomTreeNode[] {
   const roots: BomTreeNode[] = []
   flatTree.forEach((n: any) => {
     const node: BomTreeNode = { ...n, children: [] }
-    nodeMap.set(node.material_code + '_' + node.level, node)
+    nodeMap.set(node.path, node)
   })
   flatTree.forEach((n: any) => {
-    const key = n.material_code + '_' + n.level
-    const node = nodeMap.get(key)!
+    const node = nodeMap.get(n.path)!
     if (n.level === 1) {
       roots.push(node)
     } else {
-      const parentKey = n.parent_material_code + '_' + (n.level - 1)
-      const parent = nodeMap.get(parentKey)
+      const parentPath = n.path.split(' -> ').slice(0, -1).join(' -> ')
+      const parent = nodeMap.get(parentPath)
       if (parent) parent.children.push(node)
       else roots.push(node)
     }
@@ -176,7 +175,7 @@ export function BomPenetrationPage() {
       const childrenToRender = hasChildren ? node.children : (lazyLoaded || [])
       const isZero = node.theoretical_qty === 0 && node.issue_qty === 0 && node.theoretical_amt === 0 && node.issue_amt === 0
       rows.push(
-        <tr key={node.material_code + '_' + node.level} className={cn('border-b hover:bg-muted/50', node.is_finished_product && 'bg-purple-50/30', isZero && 'bg-yellow-50/40')}>
+        <tr key={node.path} className={cn('border-b hover:bg-muted/50', node.is_finished_product && 'bg-purple-50/30', isZero && 'bg-yellow-50/40')}>
           <td className="py-1.5 pr-3" style={{ paddingLeft: `${depth * 20 + 8}px` }}>
             <div className="flex items-center gap-1.5">
               {showChevron ? (
diff --git a/client/src/pages/RegionalPage.tsx b/client/src/pages/RegionalPage.tsx
index a2be755..4759aae 100644
--- a/client/src/pages/RegionalPage.tsx
+++ b/client/src/pages/RegionalPage.tsx
@@ -55,7 +55,7 @@ export function RegionalPage() {
   const pageLoading = riskLoading || weeklyLoading || priorityLoading
 
   const weeklyMutation = useMutation({
-    mutationFn: ({ id, text }: { id: number; text: string }) => api.put(`/tasks/${id}/weekly-check`, { weekly_comment: text }),
+    mutationFn: ({ id, text }: { id: number; text: string }) => api.put(`/tasks/${id}/weekly-check`, { check_comment: text }),
     onSuccess: () => {
       queryClient.invalidateQueries({ queryKey: ['tasks/weekly-check'] })
       setWeeklyModal(null)
diff --git a/client/src/pages/RevenuePage.tsx b/client/src/pages/RevenuePage.tsx
index 917412d..5c3411b 100644
--- a/client/src/pages/RevenuePage.tsx
+++ b/client/src/pages/RevenuePage.tsx
@@ -68,7 +68,7 @@ export function RevenuePage() {
     received: Number(r.received || 0),
     bills: Number(r.bill_count || 0),
     avg_bill: Number(r.avg_bill_value || 0),
-    discount_rate: Number(r.avg_discount_rate_pct || 0),
+    discount_rate: Number(r.discount_rate_pct || 0),
   }))
 
   // 环比
diff --git a/client/src/pages/StoreDetailPage.tsx b/client/src/pages/StoreDetailPage.tsx
index 9838557..99fa3ff 100644
--- a/client/src/pages/StoreDetailPage.tsx
+++ b/client/src/pages/StoreDetailPage.tsx
@@ -47,7 +47,7 @@ export function StoreDetailPage() {
 
   const { data: healthData } = useQuery({
     queryKey: ['store-health', code, month],
-    queryFn: () => api.get('/situational-awareness/health-score', { params: { month } }),
+    queryFn: () => api.get('/situational-awareness/health-score', { params: { month, store_code: code } }),
   })
 
   const { data: dailyData } = useQuery({
@@ -125,8 +125,8 @@ export function StoreDetailPage() {
   const quadrant = action?.management_quadrant || ''
   const quadrantInfo = quadrantDesc[quadrant]
 
-  // 公司均值
-  const companyAvg = { daily_rev: 20144, bill: 36.8, discount: 20.5, margin: 71.5, member: 15.9, repeat: 37.0, delivery: 36.1, combo: 20.6, items: 4.05 }
+  // 公司均值（从API获取，fallback到默认值）
+  const companyAvg = sd.companyAvg || { daily_rev: 20144, bill: 36.8, discount: 20.5, margin: 71.5, member: 15.9, repeat: 37.0, delivery: 36.1, combo: 20.6, items: 4.05 }
 
   // 偏差项明细
   const deviations: { label: string; store: number; company: number; unit: string; good: 'high' | 'low' }[] = [
diff --git a/client/src/pages/StoreGradePage.tsx b/client/src/pages/StoreGradePage.tsx
index bf5cec3..d07f853 100644
--- a/client/src/pages/StoreGradePage.tsx
+++ b/client/src/pages/StoreGradePage.tsx
@@ -8,6 +8,7 @@ import { formatCurrency, formatNumber, formatPercent } from '@/lib/utils'
 import { useState } from 'react'
 import { BarChart, Bar, XAxis, YAxis, CartesianGrid, Tooltip, Legend, ResponsiveContainer, PieChart, Pie, Cell, RadarChart, PolarGrid, PolarAngleAxis, PolarRadiusAxis, Radar } from 'recharts'
 import { Tabs } from '@/components/Tabs'
+import { MonthPicker } from '@/components/MonthPicker'
 
 const GRADE_COLORS: Record<string, string> = { A: '#22c55e', B: '#3b82f6', C: '#eab308', D: '#ef4444' }
 const RISK_COLORS: Record<string, string> = { '红色': '#ef4444', '黄色': '#eab308', '绿色': '#22c55e' }
@@ -20,18 +21,18 @@ export function StoreGradePage() {
 
   const { data: gradeData, isLoading: gradeLoading } = useQuery({
     queryKey: ['store-grade/grades', month],
-    queryFn: () => api.get('/store-grade/grades', { params: { month: month + '-01' } }),
+    queryFn: () => api.get('/store-grade/grades', { params: { month } }),
     enabled: tab === 'grade',
   })
 
   const { data: closureData, isLoading: closureLoading } = useQuery({
     queryKey: ['store-grade/closure-analysis', month],
-    queryFn: () => api.get('/store-grade/closure-analysis', { params: { month: month + '-01' } }),
+    queryFn: () => api.get('/store-grade/closure-analysis', { params: { month } }),
     enabled: tab === 'closure',
   })
 
   const autoGradeMutation = useMutation({
-    mutationFn: () => api.post('/store-grade/auto-grade', null, { params: { month: month + '-01' } }),
+    mutationFn: () => api.post('/store-grade/auto-grade', null, { params: { month } }),
     onSuccess: () => {
       queryClient.invalidateQueries({ queryKey: ['store-grade/grades'] })
     },
@@ -89,12 +90,7 @@ export function StoreGradePage() {
           <p className="mt-0.5 text-xs text-muted-foreground">自动分级 · 风险监控 · 关停测算 · {month}</p>
         </div>
         <div className="flex items-center gap-2">
-          <input
-            type="month"
-            value={month}
-            onChange={(e) => setMonth(e.target.value)}
-            className="rounded border px-2 py-1 text-sm"
-          />
+          <MonthPicker month={month} onChange={setMonth} />
           {tab === 'grade' && (
             <button
               onClick={() => autoGradeMutation.mutate()}
diff --git a/server/src/routes/data.ts b/server/src/routes/data.ts
index 7b01c2e..6fe2567 100644
--- a/server/src/routes/data.ts
+++ b/server/src/routes/data.ts
@@ -129,7 +129,7 @@ router.get('/stores', async (req: AuthRequest, res) => {
 router.get('/stores/risk', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_store_risk_rating_monthly WHERE month_start = $1 ORDER BY risk_level, received DESC`, [month])
+    const result = await query(`SELECT store_code, store_name, risk_level, risk_score, received, bill_count, avg_daily_received, avg_bill_value, discount_rate_pct, theoretical_margin_pct, member_bill_share_pct, anomaly_rate_pct, repeat_rate_pct, delivery_bill_share_pct, combo_rate_pct, avg_items_per_bill, primary_issue, month_start FROM analytics.mv_store_risk_rating_monthly WHERE month_start = $1 ORDER BY risk_level, received DESC`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) {
     sendError(res, err.message)
@@ -173,7 +173,7 @@ router.get('/stores/:code', async (req: AuthRequest, res) => {
   try {
     const code = req.params.code
     const month = parseMonth(req)
-    const [scorecard, risk, platform, benchmark, action] = await Promise.all([
+    const [scorecard, risk, platform, benchmark, action, companyAvg] = await Promise.all([
       query(`
         SELECT c002 AS store_code, c003 AS store_name,
            count(*) AS bill_count,
@@ -198,6 +198,20 @@ router.get('/stores/:code', async (req: AuthRequest, res) => {
       query(`SELECT * FROM analytics.mv_store_platform_economics_monthly WHERE month_start = $2 AND store_code = $1`, [code, month]),
       query(`SELECT * FROM analytics.mv_store_benchmark_composite_monthly WHERE month_start = $2 AND store_code = $1`, [code, month]),
       query(`SELECT * FROM analytics.mv_store_action_priority_deep_monthly WHERE month_start = $1 AND store_code = $2`, [month, code]),
+      query(`
+        SELECT
+          round(avg(avg_daily_received)::numeric, 0) AS daily_rev,
+          round(avg(avg_bill_value)::numeric, 1) AS bill,
+          round(avg(discount_rate_pct)::numeric, 1) AS discount,
+          round(avg(theoretical_margin_pct)::numeric, 1) AS margin,
+          round(avg(member_bill_share_pct)::numeric, 1) AS member,
+          round(avg(COALESCE(repeat_rate_pct, 0))::numeric, 1) AS repeat,
+          round(avg(COALESCE(delivery_bill_share_pct, 0))::numeric, 1) AS delivery,
+          round(avg(COALESCE(combo_rate_pct, 0))::numeric, 1) AS combo,
+          round(avg(COALESCE(avg_items_per_bill, 0))::numeric, 2) AS items
+        FROM analytics.mv_store_risk_rating_monthly
+        WHERE month_start = $1
+      `, [month]),
     ])
 
     if (scorecard.rows.length === 0) {
@@ -212,6 +226,7 @@ router.get('/stores/:code', async (req: AuthRequest, res) => {
         platform: null,
         benchmark: null,
         action: { management_quadrant: '问题门店', risk_level: null },
+        companyAvg: companyAvg.rows[0] || null,
       })
     }
 
@@ -235,6 +250,7 @@ router.get('/stores/:code', async (req: AuthRequest, res) => {
       platform: platform.rows[0],
       benchmark: benchmark.rows[0],
       action: { ...act, management_quadrant: quadrant, risk_level: rk?.risk_level },
+      companyAvg: companyAvg.rows[0] || null,
     })
   } catch (err: any) {
     sendError(res, err.message)
@@ -337,7 +353,7 @@ router.get('/cost/inventory', async (req: AuthRequest, res) => {
 router.get('/platform/economics', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_store_platform_economics_monthly WHERE month_start = $1 ORDER BY meituan_received DESC NULLS LAST`, [month])
+    const result = await query(`SELECT store_code, store_name, month_start, platform_share, meituan_received, meituan_cost_rate_pct, eleme_received, eleme_cost_rate_pct, douyin_received, douyin_cost_rate_pct, self_delivery_received, dine_in_received, dine_in_share_pct, delivery_bill_share_pct FROM analytics.mv_store_platform_economics_monthly WHERE month_start = $1 ORDER BY meituan_received DESC NULLS LAST LIMIT 200`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) {
     sendError(res, err.message)
@@ -484,12 +500,16 @@ router.get('/risk/zero-received', async (req: AuthRequest, res) => {
     const baseWhere = baseConditions.join(' AND ')
     const countResult = await query(`SELECT count(*) FILTER (WHERE zero_received_type = '全额优惠') AS full_discount, count(*) FILTER (WHERE zero_received_type = '无消费无优惠') AS empty_bill FROM mv_risk_zero WHERE ${baseWhere}`, baseParams)
     const totalResult = await query(`SELECT count(*) AS total FROM mv_risk_zero WHERE ${whereClause}`, params)
+    const sort = (req.query.sort as string) || 'consumption'
+    const order = (req.query.order as string) === 'asc' ? 'ASC' : 'DESC'
+    const validSorts = ['consumption', 'discount_total', 'store_name']
+    const sortCol = validSorts.includes(sort) ? sort : 'consumption'
     const result = await query(`
       SELECT store_name, bill_no, meal_period, consumption, discount_total,
         0 AS received_total, cashier, closed_at, zero_received_type
       FROM mv_risk_zero
       WHERE ${whereClause}
-      ORDER BY consumption DESC
+      ORDER BY ${sortCol} ${order}
       LIMIT $${paramIdx} OFFSET $${paramIdx + 1}
     `, [...params, pageSize, offset])
     sendSuccess(res, result.rows, { total: parseInt(totalResult.rows[0].total), full_discount: parseInt(countResult.rows[0].full_discount), empty_bill: parseInt(countResult.rows[0].empty_bill), page, page_size: pageSize })
@@ -501,15 +521,20 @@ router.get('/risk/zero-received', async (req: AuthRequest, res) => {
 router.get('/risk/cashier', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
+    const sort = (req.query.sort as string) || 'anomaly_bills'
+    const order = (req.query.order as string) === 'asc' ? 'ASC' : 'DESC'
+    const validSorts = ['anomaly_rate_pct', 'bill_count', 'received', 'anomaly_bills', 'consumption_total']
+    const sortCol = validSorts.includes(sort) ? sort : 'anomaly_bills'
     const result = await query(`
       SELECT store_name, cashier, bill_count,
         received,
         (anomaly_no_received + anomaly_discount_over + anomaly_unbalanced) AS anomaly_bills,
         round((anomaly_no_received + anomaly_discount_over + anomaly_unbalanced)::numeric / bill_count * 100, 2) AS anomaly_rate_pct,
-        consumption_total
+        consumption_total,
+        consumption_total AS anomaly_consumption
       FROM mv_risk_cashier
       WHERE month = to_char($1::date, 'YYYY-MM') AND cashier IS NOT NULL AND cashier != ''
-      ORDER BY (anomaly_no_received + anomaly_discount_over + anomaly_unbalanced) DESC NULLS LAST
+      ORDER BY ${sortCol} ${order} NULLS LAST
     `, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) {
@@ -586,7 +611,7 @@ router.get('/channel', async (req: AuthRequest, res) => {
     const month = parseMonth(req)
     const result = await query(`
       SELECT business_date, cash, alipay, wechat, meituan, unionpay, douyin, credit, jd_delivery, meituan_delivery, taobao_delivery
-      FROM mv_channel_daily
+      FROM analytics.mv_channel_daily
       WHERE month = to_char($1::date, 'YYYY-MM')
       ORDER BY business_date
     `, [month])
@@ -598,6 +623,7 @@ router.get('/channel', async (req: AuthRequest, res) => {
 
 router.get('/data-quality', async (req: AuthRequest, res) => {
   try {
+    const month = parseMonth(req)
     const billStats = await query(`
       SELECT
         count(*) AS total_bills,
@@ -611,15 +637,16 @@ router.get('/data-quality', async (req: AuthRequest, res) => {
         min(closed_at)::text AS min_date,
         max(closed_at)::text AS max_date
       FROM analytics.bill_fact
-    `)
+      WHERE closed_at >= $1::date AND closed_at < ($1::date + INTERVAL '1 month')
+    `, [month])
     const dishStats = await query(`
       SELECT
         count(*) AS total_dish_records,
         count(*) FILTER (WHERE store_code IS NULL OR store_code = '') AS dish_missing_store,
         count(*) FILTER (WHERE dish_name IS NULL OR dish_name = '') AS dish_missing_dish
       FROM public.dish_sales_details
-    `)
-    const month = parseMonth(req)
+      WHERE business_date >= $1::date AND business_date < ($1::date + INTERVAL '1 month')
+    `, [month])
     const inventoryStats = await query(`
       SELECT
         count(*) FILTER (WHERE consumption_amount < 0) AS negative_consumption_count,
@@ -972,7 +999,7 @@ router.get('/region/summary', async (req: AuthRequest, res) => {
         round(avg(b.received_total), 2) AS avg_bill_value,
         round(sum(b.discount_total) / NULLIF(sum(b.consumption), 0) * 100, 2) AS avg_discount_rate,
         round(sum(b.theoretical_profit) / NULLIF(sum(b.received_total), 0) * 100, 2) AS avg_margin_rate,
-        0 AS avg_anomaly_rate,
+        round(avg(COALESCE(r.anomaly_rate_pct, 0)), 2) AS avg_anomaly_rate,
         count(DISTINCT CASE WHEN r.risk_level = '红色' THEN b.store_code END) AS red_count,
         count(DISTINCT CASE WHEN r.risk_level = '黄色' THEN b.store_code END) AS yellow_count,
         count(DISTINCT CASE WHEN r.risk_level = '绿色' THEN b.store_code END) AS green_count
@@ -992,7 +1019,7 @@ router.get('/region/summary', async (req: AuthRequest, res) => {
 router.get('/site-selection/profile', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_store_site_profile_monthly WHERE month_start = $1 AND business_type='标准门店' AND received>0 ORDER BY received DESC`, [month])
+    const result = await query(`SELECT store_code, store_name, received, avg_daily_received, avg_bill_value, discount_rate_pct, theoretical_margin_pct, member_bill_share_pct, delivery_bill_share_pct, combo_bill_share_pct, business_type, scale_tier, area_sqm, business_address, city, district, latitude_gcj02, longitude_gcj02, open_date, lease_expiry_date, store_age_years, monthly_received_per_sqm, daily_received_per_sqm, estimated_inventory_days, site_scene, floor_type, area_band, age_band FROM analytics.mv_store_site_profile_monthly WHERE month_start = $1 AND business_type='标准门店' AND received>0 ORDER BY received DESC`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) { sendError(res, err.message) }
 })
@@ -1001,7 +1028,7 @@ router.get('/site-selection/profile', async (req: AuthRequest, res) => {
 router.get('/site-selection/segment-benchmark', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_site_segment_benchmark_monthly WHERE month_start = $1 ORDER BY avg_received_per_sqm DESC`, [month])
+    const result = await query(`SELECT site_scene, area_band, store_count, avg_area_sqm, avg_received, median_received, avg_received_per_sqm, median_received_per_sqm, avg_bill_value, avg_discount_rate_pct, avg_repeat_rate_pct, avg_actual_cost_rate_pct, avg_delivery_share_pct, avg_drink_attach_pct FROM analytics.mv_site_segment_benchmark_monthly WHERE month_start = $1 ORDER BY avg_received_per_sqm DESC`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) { sendError(res, err.message) }
 })
@@ -1010,7 +1037,7 @@ router.get('/site-selection/segment-benchmark', async (req: AuthRequest, res) =>
 router.get('/site-selection/replication', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_store_site_replication_monthly WHERE month_start = $1 ORDER BY site_replication_score DESC`, [month])
+    const result = await query(`SELECT store_code, store_name, received, avg_bill_value, discount_rate_pct, theoretical_margin_pct, member_bill_share_pct, repeat_rate_pct, benchmark_score, area_sqm, business_address, city, district, latitude_gcj02, longitude_gcj02, site_scene, area_band, nearest_store_code, nearest_store_name, nearest_distance_km, site_replication_score, replication_recommendation, spatial_recommendation FROM analytics.mv_store_site_replication_monthly WHERE month_start = $1 ORDER BY site_replication_score DESC`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) { sendError(res, err.message) }
 })
@@ -1019,7 +1046,7 @@ router.get('/site-selection/replication', async (req: AuthRequest, res) => {
 router.get('/site-selection/overlap-risk', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_store_overlap_risk_monthly WHERE month_start = $1 ORDER BY distance_km`, [month])
+    const result = await query(`SELECT store_code_a, store_name_a, store_code_b, store_name_b, district_a, district_b, scene_a, scene_b, priority_a, priority_b, received_a, received_b, sqm_efficiency_a, sqm_efficiency_b, distance_km, proximity_level, problem_count_a, problem_count_b, overlap_risk FROM analytics.mv_store_overlap_risk_monthly WHERE month_start = $1 ORDER BY distance_km LIMIT 200`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) { sendError(res, err.message) }
 })
@@ -1028,7 +1055,7 @@ router.get('/site-selection/overlap-risk', async (req: AuthRequest, res) => {
 router.get('/site-selection/district-benchmark', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
-    const result = await query(`SELECT * FROM analytics.mv_district_site_benchmark_monthly WHERE month_start = $1 ORDER BY total_received DESC`, [month])
+    const result = await query(`SELECT city, district, store_count, avg_area_sqm, total_received, avg_received, median_received, avg_received_per_sqm, avg_bill_value, avg_discount_rate_pct, avg_repeat_rate_pct, avg_actual_cost_rate_pct, avg_platform_cost_rate_pct, p0_count, p1_count FROM analytics.mv_district_site_benchmark_monthly WHERE month_start = $1 ORDER BY total_received DESC`, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) { sendError(res, err.message) }
 })
@@ -1543,6 +1570,7 @@ router.get('/revenue/store-ranking', async (req: AuthRequest, res) => {
       WHERE business_date >= $1::date AND business_date < ($1::date + INTERVAL '1 month')
       GROUP BY store_code, store_name
       ORDER BY sum(received) DESC
+      LIMIT 200
     `, [month])
     sendSuccess(res, result.rows)
   } catch (err: any) {
@@ -1710,7 +1738,7 @@ router.get('/central-kitchen/dashboard', async (req: AuthRequest, res) => {
           round(sum(c.inbound_quantity * c.inbound_avg_unit_price)::numeric,2) AS calculated_inbound_value,
           round((sum(c.inbound_quantity * c.inbound_avg_unit_price) - sum(p.full_manufacturing_cost))::numeric,2) AS manufacturing_margin
         FROM analytics.v_central_kitchen_product_full_cost p
-        JOIN central_kitchen_processing_cost c ON p.report_month = c.report_month AND p.product_code = c.product_code
+        LEFT JOIN central_kitchen_processing_cost c ON p.report_month = c.report_month AND p.product_code = c.product_code
         WHERE p.report_month = $1::date
       `, [month]),
       // 产品明细列表
@@ -1734,7 +1762,7 @@ router.get('/central-kitchen/dashboard', async (req: AuthRequest, res) => {
           round((c.inbound_quantity * c.inbound_avg_unit_price)::numeric,2) AS inbound_value,
           round((c.inbound_quantity * c.inbound_avg_unit_price - p.full_manufacturing_cost)::numeric,2) AS product_margin
         FROM analytics.v_central_kitchen_product_full_cost p
-        JOIN central_kitchen_processing_cost c ON p.report_month = c.report_month AND p.product_code = c.product_code
+        LEFT JOIN central_kitchen_processing_cost c ON p.report_month = c.report_month AND p.product_code = c.product_code
         WHERE p.report_month = $1::date
         ORDER BY p.full_manufacturing_cost DESC
       `, [month]),
@@ -1925,7 +1953,7 @@ router.get('/distribution/reconciliation', async (req: AuthRequest, res) => {
     // 检查配送物化视图是否包含当前月份数据
     const distMvCheck = await query(`SELECT 1 FROM mv_distribution_monthly WHERE report_month = $1::date LIMIT 1`, [month])
     if (distMvCheck.rows.length === 0) {
-      await query(`REFRESH MATERIALIZED VIEW CONCURRENTLY mv_distribution_monthly`)
+      console.warn(`[distribution/reconciliation] mv_distribution_monthly 缺少 ${month} 数据，请通过ETL流程刷新物化视图`)
     }
 
     const [summary, storeReconciliation, topVariances, unmatchedItems, categoryReconciliation] = await Promise.all([
@@ -2089,9 +2117,10 @@ router.get('/distribution/reconciliation', async (req: AuthRequest, res) => {
           GROUP BY COALESCE(NULLIF(d.minor_category,''),'未分类')
         ),
         item_cat AS (
-          SELECT DISTINCT item_code, COALESCE(NULLIF(minor_category,''),'未分类') AS minor_category
-          FROM mv_distribution_monthly
-          WHERE report_month = $1::date
+          SELECT DISTINCT ic.item_code, COALESCE(NULLIF(dm.minor_category,''), NULLIF(ic.minor_category,''),'未分类') AS minor_category
+          FROM mv_distribution_monthly ic
+          LEFT JOIN analytics.dim_material dm ON ic.item_code = dm.material_code
+          WHERE ic.report_month = $1::date
         ),
         inv AS (
           SELECT ic.minor_category,
@@ -2396,13 +2425,12 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
     const client = await pool.connect()
 
     try {
-      // 检查物化视图是否包含当前月份数据，如缺失则刷新
+      // 检查物化视图是否包含当前月份数据
       const mvCheck = await client.query(`
         SELECT 1 FROM mv_dish_sales_monthly WHERE month = $1::date LIMIT 1
       `, [month])
       if (mvCheck.rows.length === 0) {
-        // 物化视图中没有该月数据，刷新物化视图
-        await client.query(`REFRESH MATERIALIZED VIEW CONCURRENTLY mv_dish_sales_monthly`)
+        console.warn(`[production-plan] mv_dish_sales_monthly 缺少 ${month} 数据，请通过ETL流程刷新物化视图`)
       }
 
       // 检查配送物化视图是否包含当前月份数据
@@ -2410,7 +2438,7 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
         SELECT 1 FROM mv_distribution_monthly WHERE report_month = $1::date LIMIT 1
       `, [month])
       if (distMvCheck.rows.length === 0) {
-        await client.query(`REFRESH MATERIALIZED VIEW CONCURRENTLY mv_distribution_monthly`)
+        console.warn(`[production-plan] mv_distribution_monthly 缺少 ${month} 数据，请通过ETL流程刷新物化视图`)
       }
 
       // 从物化视图创建临时表（索引扫描，毫秒级）
@@ -2519,7 +2547,8 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
               count(DISTINCT s.sku_code) AS sku_count,
               round(sum(s.qty)::numeric,2) AS total_qty,
               round(sum(s.amt)::numeric,2) AS total_amt,
-              round(sum(s.qty * b.standard_gross_quantity)::numeric,4) AS total_material_demand_qty
+              round(sum(s.qty * b.standard_gross_quantity)::numeric,4) AS total_material_demand_qty,
+              count(DISTINCT b.unit) AS material_unit_count
             FROM tmp_sales_agg s
             LEFT JOIN analytics.fact_recipe_bom b ON s.sku_code = b.sku_code
             GROUP BY s.store_code, s.store_name
@@ -2531,7 +2560,8 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
             round(sd.total_material_demand_qty::numeric,4) AS total_material_demand_qty,
             COALESCE(inv.ending_qty, 0) AS ending_inventory_qty,
             COALESCE(inv.ending_amt, 0) AS ending_inventory_amt,
-            round((sd.total_material_demand_qty - COALESCE(inv.ending_qty, 0))::numeric,4) AS suggested_order_qty
+            round((sd.total_material_demand_qty - COALESCE(inv.ending_qty, 0))::numeric,4) AS suggested_order_qty,
+            sd.material_unit_count
           FROM store_demand sd
           LEFT JOIN (
             SELECT store_code,
@@ -2555,8 +2585,8 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
             FROM tmp_sales_agg s
             JOIN analytics.fact_recipe_bom b ON s.sku_code = b.sku_code
             JOIN analytics.dim_material m ON b.material_code = m.material_code
-            WHERE m.material_name IN (
-              SELECT product_name FROM central_kitchen_processing_cost WHERE report_month = $1::date
+            WHERE b.material_code IN (
+              SELECT product_code FROM central_kitchen_processing_cost WHERE report_month = $1::date
             )
             GROUP BY b.material_code, m.material_name, b.unit
           ),
@@ -2577,14 +2607,14 @@ router.get('/sales-driven/production-plan', async (req: AuthRequest, res) => {
               COALESCE(a.actual_inbound_qty, 0) AS actual_inbound_qty,
               COALESCE(a.actual_cost, 0) AS actual_cost
             FROM ck_demand d
-            LEFT JOIN ck_actual a ON d.ck_product_name = a.product_name
+            LEFT JOIN ck_actual a ON d.ck_product_code = a.product_code
 
             UNION ALL
 
             SELECT a.product_code, a.product_name, '',
               0, 0, a.actual_inbound_qty, a.actual_cost
             FROM ck_actual a
-            WHERE a.product_name NOT IN (SELECT ck_product_name FROM ck_demand)
+            WHERE a.product_code NOT IN (SELECT ck_product_code FROM ck_demand)
           )
           SELECT product_code, product_name, unit,
             demand_qty, store_count, actual_inbound_qty, actual_cost,
diff --git a/server/src/routes/enterprise.ts b/server/src/routes/enterprise.ts
index 43b593e..e373898 100644
--- a/server/src/routes/enterprise.ts
+++ b/server/src/routes/enterprise.ts
@@ -216,13 +216,25 @@ router.get('/hr/talent-matrix', async (req: AuthRequest, res) => {
         END AS quadrant
       FROM (
         SELECT e.employee_name, e.store_code,
-          COALESCE(ep.performance_score, 70) AS performance_score,
-          COALESCE(60, 60) AS potential_score
+          COALESCE(ps.performance_score, 70) AS performance_score,
+          COALESCE(ls.potential_score, 60) AS potential_score
         FROM analytics.dim_employee e
         LEFT JOIN LATERAL (
           SELECT AVG(CASE WHEN t.status = '已完成' THEN 85 ELSE 60 END) AS performance_score
           FROM analytics.store_task t WHERE t.owner = e.employee_name
-        ) ep ON true
+        ) ps ON true
+        LEFT JOIN LATERAL (
+          SELECT CASE
+            WHEN COUNT(*) > 0 THEN
+              LEAST(100, ROUND(
+                (COUNT(*) FILTER (WHERE completion_status = '已完成')::numeric / COUNT(*) * 50 +
+                 COALESCE(AVG(exam_score), 50) / 100 * 50
+                )::numeric, 1
+              ))
+            ELSE NULL
+          END AS potential_score
+          FROM analytics.v3_learning_record lr WHERE lr.employee_name = e.employee_name
+        ) ls ON true
         WHERE e.status = '在职'
       ) t
       ORDER BY performance_score DESC, potential_score DESC
diff --git a/server/src/routes/situational-awareness.ts b/server/src/routes/situational-awareness.ts
index a53281d..c01a03b 100644
--- a/server/src/routes/situational-awareness.ts
+++ b/server/src/routes/situational-awareness.ts
@@ -12,12 +12,14 @@ router.get('/health-score', async (req: AuthRequest, res) => {
   try {
     const month = parseMonth(req)
     const scope = getDataScope(req)
+    const storeCode = (req.query.store_code as string) || ''
     const scopeCodes = scope?.role === 'store' || scope?.role === 'regional'
       ? (scope.storeCode || scope.region || '').split(',').map(s => s.trim()).filter(Boolean)
       : []
     const hasScope = scopeCodes.length > 0
-    const scopeParams = hasScope ? [month, scopeCodes] : [month]
-    const scopeFilter = hasScope ? ` AND store_code = ANY($2)` : ''
+    const hasStoreCode = !!storeCode
+    const scopeParams = hasStoreCode ? [month, storeCode] : hasScope ? [month, scopeCodes] : [month]
+    const scopeFilter = hasStoreCode ? ` AND store_code = $2` : hasScope ? ` AND store_code = ANY($2)` : ''
     const result = await query(`
       WITH base AS (
         SELECT store_code, store_name, received, bill_count,
@@ -122,7 +124,7 @@ router.get('/alerts', async (req: AuthRequest, res) => {
         WITH daily_stats AS (
           SELECT business_date, bill_count, received
           FROM analytics.mv_daily_revenue
-          WHERE business_date >= (SELECT max(business_date) - interval '30 days' FROM analytics.mv_daily_revenue)
+          WHERE business_date >= $1::date AND business_date < ($1::date + INTERVAL '1 month')
           ORDER BY business_date
         ),
         monthly_avg AS (
@@ -135,7 +137,7 @@ router.get('/alerts', async (req: AuthRequest, res) => {
         WHERE d.received < m.avg_received * 0.7
         ORDER BY d.business_date DESC
         LIMIT 10
-      `, [], { skipScope: true }),
+      `, [month], { skipScope: true }),
       // 2. 成本异动预警：成本差异>30%的菜品
       query(`
         SELECT dish_name, dish_code, category_level1,
@@ -143,12 +145,13 @@ router.get('/alerts', async (req: AuthRequest, res) => {
           round((cost_variance_amount / nullif(theoretical_cost, 0) * 100)::numeric, 2) AS variance_pct,
           round(sales_amount::numeric, 2) AS sales_amount
         FROM public.dish_cost_analysis_summary
-        WHERE cost_variance_amount > 0
+        WHERE import_id = (SELECT import_id FROM public.dish_cost_analysis_import_log WHERE report_month = $1::date ORDER BY import_id DESC LIMIT 1)
+          AND cost_variance_amount > 0
           AND theoretical_cost > 0
           AND (cost_variance_amount / theoretical_cost) > 0.3
         ORDER BY variance_pct DESC
         LIMIT 10
-      `, [], { skipScope: true }),
+      `, [month], { skipScope: true }),
       // 3. 人力异动预警：考勤异常员工
       query(`
         SELECT s.org_level5 AS store_name, count(*) AS alert_count,
@@ -368,6 +371,7 @@ router.get('/correlation', async (req: AuthRequest, res) => {
           round(count(*) FILTER (WHERE s.actual_attend / nullif(s.expected_attend, 0) < 0.8)::numeric / nullif(count(*), 0) * 100, 1) AS low_attend_rate
         FROM salary_detail_records s
         WHERE s.org_level2 = '西部马华品牌门店' AND s.org_level5 IS NOT NULL AND s.org_level5 != ''
+          AND s.salary_month = to_char($1::date, 'YYYY-MM')
         GROUP BY s.org_level5
       ),
       rev AS (
@@ -399,7 +403,7 @@ router.get('/correlation', async (req: AuthRequest, res) => {
       ORDER BY
         CASE WHEN COALESCE(h.low_attend_rate, 0) > 30 THEN 0 ELSE 1 END,
         COALESCE(h.total_absent, 0) DESC
-    `)
+    `, [month])
 
     sendSuccess(res, {
       staffing_efficiency: staffingRows,
@@ -462,10 +466,11 @@ router.get('/forecast', async (req: AuthRequest, res) => {
           ELSE '正常'
         END AS trend_status
       FROM public.dish_cost_analysis_summary
-      WHERE actual_margin_rate_pct IS NOT NULL
+      WHERE import_id = (SELECT import_id FROM public.dish_cost_analysis_import_log WHERE report_month = $1::date ORDER BY import_id DESC LIMIT 1)
+        AND actual_margin_rate_pct IS NOT NULL
       ORDER BY variance DESC
       LIMIT 20
-    `)
+    `, [month])
 
     // 人员流失预警
     const turnoverAlert = await query(`
diff --git a/server/src/routes/store-expense.ts b/server/src/routes/store-expense.ts
index 0fe8a82..38489e7 100644
--- a/server/src/routes/store-expense.ts
+++ b/server/src/routes/store-expense.ts
@@ -376,6 +376,7 @@ router.get('/efficiency', async (req: AuthRequest, res) => {
         round(bill_count::numeric, 0) AS bill_count,
         round(received / nullif(bill_count, 0)::numeric, 2) AS avg_ticket_size,
         CASE
+          WHEN received_per_sqm < 500 THEN '坪效极低'
           WHEN received_per_sqm < 1000 THEN '坪效偏低'
           WHEN received_per_sqm < 2000 THEN '坪效一般'
           WHEN received_per_sqm < 4000 THEN '坪效良好'
@@ -438,7 +439,7 @@ router.get('/fixed-variable', async (req: AuthRequest, res) => {
         round((rent_expense + dorm_expense + repair_clean_expense * 0.5) / nullif(received, 0) * 100::numeric, 2) AS fixed_rate_pct,
         round((wage_expense + utility_expense + delivery_commission_expense + card_fee_expense + repair_clean_expense * 0.5) / nullif(received, 0) * 100::numeric, 2) AS variable_rate_pct,
         round((received - actual_food_cost - wage_expense - utility_expense - delivery_commission_expense - card_fee_expense - repair_clean_expense * 0.5)::numeric, 2) AS contribution_after_variable,
-        round((rent_expense + dorm_expense + repair_clean_expense * 0.5)::numeric, 2) AS break_even_sales
+        round((rent_expense + dorm_expense + repair_clean_expense * 0.5) / nullif(1 - actual_food_cost / nullif(received, 0), 0)::numeric, 2) AS break_even_sales
       FROM analytics.mv_store_operating_expense_monthly
       ${where}
       ORDER BY ${sortCol} ${order} NULLS LAST LIMIT $${params.length + 1} OFFSET $${params.length + 2}
@@ -539,6 +540,16 @@ router.get('/loss-diagnosis', async (req: AuthRequest, res) => {
     const countResult = await query(`SELECT count(*) FROM analytics.mv_store_operating_expense_monthly ${where}`, params)
     const total = countResult.rows[0].count
 
+    // 全量统计（不受分页影响）
+    const evalStats = await query(`
+      SELECT
+        count(*) FILTER (WHERE actual_store_contribution_rate_pct < -20) AS p0_count,
+        count(*) FILTER (WHERE actual_store_contribution_rate_pct >= -20 AND actual_store_contribution_rate_pct < -5) AS p1_count,
+        round(sum(actual_store_contribution)::numeric, 2) AS total_loss
+      FROM analytics.mv_store_operating_expense_monthly
+      WHERE report_month = $1::date AND actual_store_contribution <= 0 AND received > 0
+    `, [month])
+
     const validSorts = ['actual_store_contribution', 'actual_store_contribution_rate_pct', 'received', 'wage_rate_pct', 'rent_rate_pct', 'utility_rate_pct', 'received_per_sqm', 'operating_expense_rate_pct']
     const sortCol = validSorts.includes(sort) ? sort : 'actual_store_contribution'
 
@@ -737,7 +748,7 @@ router.get('/loss-diagnosis', async (req: AuthRequest, res) => {
       }
     })
 
-    sendSuccess(res, rows, { page, pageSize, total })
+    sendSuccess(res, rows, { page, pageSize, total, evalStats: evalStats.rows[0] })
   } catch (err: any) {
     sendError(res, err.message)
   }
diff --git a/server/src/routes/store-grade.ts b/server/src/routes/store-grade.ts
index d41c7ea..f85637d 100644
--- a/server/src/routes/store-grade.ts
+++ b/server/src/routes/store-grade.ts
@@ -1,6 +1,6 @@
 import { Router } from 'express'
 import { query, withTransaction } from '../config/database.js'
-import { sendSuccess, sendError } from '../middleware/error.js'
+import { sendSuccess, sendError, parseMonth } from '../middleware/error.js'
 import type { AuthRequest } from '../middleware/auth.js'
 
 const router = Router()
@@ -8,7 +8,7 @@ const router = Router()
 // T-160: 门店自动分级算法
 router.post('/auto-grade', async (req: AuthRequest, res) => {
   try {
-    const gradeMonth = (req.query.month as string) || new Date().toISOString().slice(0, 8) + '01'
+    const gradeMonth = parseMonth(req)
 
     const storesResult = await query(`
       SELECT
@@ -20,7 +20,7 @@ router.post('/auto-grade', async (req: AuthRequest, res) => {
         COALESCE(s.risk_level, '绿色') AS risk_level
       FROM analytics.dim_store ds
       LEFT JOIN analytics.mv_store_risk_rating s
-        ON s.store_code = ds.store_code
+        ON s.store_code = ds.store_code AND s.month_start = date_trunc('month', $1::date)
       LEFT JOIN analytics.v3_store_monthly_target t
         ON t.store_code = ds.store_code AND date_trunc('month', t.month) = date_trunc('month', $1::date)
       WHERE ds.close_date IS NULL
@@ -73,7 +73,7 @@ router.post('/auto-grade', async (req: AuthRequest, res) => {
 // 获取门店分级列表（含风险等级详情）
 router.get('/grades', async (req: AuthRequest, res) => {
   try {
-    const gradeMonth = (req.query.month as string) || new Date().toISOString().slice(0, 8) + '01'
+    const gradeMonth = parseMonth(req)
     const result = await query(`
       SELECT
         g.*,
@@ -103,7 +103,7 @@ router.get('/grades', async (req: AuthRequest, res) => {
 // 红黄绿灯状态 — 基于实时经营健康度（达成率+异常率+风险等级），与分级维度不同
 router.get('/traffic-light', async (req: AuthRequest, res) => {
   try {
-    const month = (req.query.month as string) || new Date().toISOString().slice(0, 8) + '01'
+    const month = parseMonth(req)
     const result = await query(`
       SELECT * FROM (
         SELECT
@@ -147,7 +147,7 @@ router.get('/traffic-light', async (req: AuthRequest, res) => {
 // ============================================================
 router.get('/closure-analysis', async (req: AuthRequest, res) => {
   try {
-    const month = (req.query.month as string) || new Date().toISOString().slice(0, 8) + '01'
+    const month = parseMonth(req)
 
     const result = await query(`
       WITH store_financials AS (
diff --git a/数据溯源审计.md b/数据溯源审计.md
index d8fc523..e52329b 100644
--- a/数据溯源审计.md
+++ b/数据溯源审计.md
@@ -26,9 +26,171 @@
 
 ---
 
-## 二、核心指标溯源与口径对比
+## 二、页面1：总部驾驶舱 DashboardPage
 
-### 2.1 营业收入（消费金额）
+> 无Tab，用 CollapsibleSection 分区。共调用13个API。
+
+### 区块①：门店风险分布条
+
+| 显示指标 | 前端变量 | API | API字段 | SQL来源 | 数据源表.字段 |
+|---------|---------|-----|---------|---------|-------------|
+| 红色门店数 | `riskSummary['红色']` | /stores/risk | `risk_level` | `SELECT * FROM mv_store_risk_rating_monthly` | analytics.mv_store_risk_rating_monthly.risk_level |
+| 黄色门店数 | `riskSummary['黄色']` | 同上 | 同上 | 同上 | 同上 |
+| 绿色门店数 | `riskSummary['绿色']` | 同上 | 同上 | 同上 | 同上 |
+| 总门店数 | `totalStores = riskRows.length` | 同上 | 行数 | 同上 | 同上 |
+
+### 区块②：态势感知预警
+
+| 显示指标 | 前端变量 | API | API字段 | SQL来源 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 红色预警数 | `alertSummary.red` | /situational-awareness/alerts | `red` | 5类预警合并: 营收异动/成本异动/人力异动/平台依赖/任务逾期 | mv_daily_revenue, dish_cost_analysis_summary, salary_detail_records, mv_store_platform_economics_monthly, store_task |
+| 橙色预警数 | `alertSummary.orange` | 同上 | `orange` | 同上 | 同上 |
+| 预警总数 | `alertSummary.total` | 同上 | `total` | 同上 | 同上 |
+| 预警列表(前6条) | `alerts.slice(0,6)` | 同上 | `alerts[]` | 同上，每条含 title/detail/level | 同上 |
+
+### 区块③：经营指标
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表.字段 |
+|---------|---------|-----|---------|---------|-------------|
+| 营业收入 | `od?.consumption` | /overview | `consumption` | `sum(consumption)` | analytics.bill_fact.consumption |
+| 优惠 | `od?.discount` | /overview | `discount` | `sum(discount_total)` | analytics.bill_fact.discount_total |
+| 实收 | `od?.received` | /overview | `received` | `sum(received_total)` | analytics.bill_fact.received_total |
+| 账单数 | `od?.bill_count` | /overview | `bill_count` | `count(*)` | analytics.bill_fact |
+| 客单价 | `od?.avg_bill_value` | /overview | `avg_bill_value` | `avg(received_total)` | analytics.bill_fact.received_total |
+| P0+P1门店数 | `p0p1Stores.length` | /stores/priority | 行数过滤 | `action_priority LIKE 'P0%' OR 'P1%'` | analytics.mv_store_action_priority_deep_monthly.action_priority |
+| 实收环比趋势 | `trendReceived` | /overview/daily | 前端计算 | `(last7days.received - prev7days.received) / prev7days.received * 100` | analytics.mv_overview_daily.received |
+| 账单数环比趋势 | `trendBills` | /overview/daily | 前端计算 | 同上，用 bill_count | analytics.mv_overview_daily.bill_count |
+| 客单价环比趋势 | `trendAvgBill` | /overview/daily | 前端计算 | `last7.avg - prev7.avg` | analytics.mv_overview_daily |
+
+### 区块④：运营指标
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表.字段 |
+|---------|---------|-----|---------|---------|-------------|
+| 优惠率 | `od?.discount_rate_pct` | /overview | `discount_rate_pct` | `avg(discount_total / consumption * 100)` per bill | analytics.bill_fact.discount_total, consumption |
+| 理论毛利率 | `od?.theoretical_margin_pct` | /overview | `theoretical_margin_pct` | `sum(theoretical_profit) / sum(received_total) * 100` | analytics.bill_fact.theoretical_profit, received_total |
+| 会员占比 | `od?.member_share_pct` | /overview | `member_share_pct` | `sum(received_total) FILTER(member_id非空) / sum(received_total) * 100` | analytics.bill_fact.received_total, member_id |
+
+### 区块⑤：同比/环比对比
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 实收同比% | `yoyData_.received_change_pct` | /overview/yoy | `yoy.received_change_pct` | `(当月received - 去年同月received) / |去年同月received| * 100` | analytics.mv_overview_monthly.received |
+| 实收环比% | `momData_.received_change_pct` | /overview/mom | `mom.received_change_pct` | `(当月received - 上月received) / |上月received| * 100` | analytics.mv_overview_monthly.received |
+| 账单数同比% | `yoyData_.bill_count_change_pct` | /overview/yoy | `yoy.bill_count_change_pct` | 同上，用 bill_count | analytics.mv_overview_monthly.bill_count |
+| 账单数环比% | `momData_.bill_count_change_pct` | /overview/mom | `mom.bill_count_change_pct` | 同上 | analytics.mv_overview_monthly.bill_count |
+| 客单价同比% | `yoyData_.avg_bill_value_change_pct` | /overview/yoy | `yoy.avg_bill_value_change_pct` | 同上，用 avg_bill_value | analytics.mv_overview_monthly.avg_bill_value |
+| 客单价环比% | `momData_.avg_bill_value_change_pct` | /overview/mom | `mom.avg_bill_value_change_pct` | 同上 | analytics.mv_overview_monthly.avg_bill_value |
+| 优惠率同比变化 | `yoyData_.discount_rate_change` | /overview/yoy | `yoy.discount_rate_change` | `当月discount_rate_pct - 去年同月discount_rate_pct` | analytics.mv_overview_monthly.discount_rate_pct |
+| 优惠率环比变化 | `momData_.discount_rate_change` | /overview/mom | `mom.discount_rate_change` | `当月 - 上月` | analytics.mv_overview_monthly.discount_rate_pct |
+
+### 区块⑥：利润与成本
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 理论贡献利润 | `ex.theoretical_net_profit` | /store-expense/overview | `theoretical_net_profit` | `sum(received) FILTER(费用匹配) - sum(theoretical_cost) - sum(operating_expense)` | mv_store_risk_rating_monthly.received + mv_store_operating_expense_monthly |
+| 理论贡献率 | `ex.theoretical_net_margin_pct` | 同上 | `theoretical_net_margin_pct` | `theoretical_net_profit / matched_received * 100` | 同上 |
+| 实际贡献利润 | `ex.actual_net_profit` | 同上 | `actual_net_profit` | `sum(received) FILTER(费用匹配) - sum(actual_food_cost) - sum(operating_expense)` | 同上 |
+| 实际贡献率 | `ex.actual_net_margin_pct` | 同上 | `actual_net_margin_pct` | `actual_net_profit / matched_received * 100` | 同上 |
+| 盈利门店数 | `ex.profitable_stores` | 同上 | `profitable_stores` | `count(*) FILTER(actual_store_contribution > 0)` | 同上 |
+| 亏损门店数 | `ex.loss_stores` | 同上 | `loss_stores` | `count(*) FILTER(actual_store_contribution <= 0 AND received > 0)` | 同上 |
+| 食材成本 | `ex.total_food_cost` | 同上 | `total_food_cost` | `sum(actual_food_cost)` | mv_store_operating_expense_monthly.actual_food_cost |
+| 实际食材成本率 | `ex.actual_food_cost_rate_pct` | 同上 | `actual_food_cost_rate_pct` | `sum(actual_food_cost) / matched_received * 100` | 同上 |
+| 理论食材成本率 | `ex.theoretical_food_cost_rate_pct` | 同上 | `theoretical_food_cost_rate_pct` | `sum(theoretical_cost) / matched_received * 100` | 同上 |
+| 经营费用 | `ex.total_expense` | 同上 | `total_expense` | `sum(operating_expense)` | mv_store_operating_expense_monthly.operating_expense |
+| 费用率 | `ex.overall_expense_rate_pct` | 同上 | `overall_expense_rate_pct` | `sum(operating_expense) / matched_received * 100` | 同上 |
+| 人工费用 | `ex.total_wage` | 同上 | `total_wage` | `sum(wage_expense)` | mv_store_operating_expense_monthly.wage_expense |
+| 人工费率 | `ex.overall_wage_rate_pct` | 同上 | `overall_wage_rate_pct` | `sum(wage_expense) / matched_received * 100` | 同上 |
+| 房租费用 | `ex.total_rent` | 同上 | `total_rent` | `sum(rent_expense)` | mv_store_operating_expense_monthly.rent_expense |
+| 房租费率 | `ex.overall_rent_rate_pct` | 同上 | `overall_rent_rate_pct` | `sum(rent_expense) / matched_received * 100` | 同上 |
+| 水电费用 | `ex.total_utility` | 同上 | `total_utility` | `sum(utility_expense)` | mv_store_operating_expense_monthly.utility_expense |
+| 水电费率 | `ex.overall_utility_rate_pct` | 同上 | `overall_utility_rate_pct` | `sum(utility_expense) / matched_received * 100` | 同上 |
+| 外卖佣金 | `ex.total_commission` | 同上 | `total_commission` | `sum(delivery_commission_expense)` | mv_store_operating_expense_monthly.delivery_commission_expense |
+| 外卖佣金占实收 | 前端计算 | 同上 | 前端除法 | `total_commission / total_received * 100` | 同上 |
+
+### 区块⑦：闭环健康度
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 综合得分 | `loopScore` (前端5项平均) | /tasks/loop-health | 5个rate字段 | analytics.mv_loop_health |
+| 任务生成率 | `lh.task_generation_rate` | 同上 | `task_generation_rate` | analytics.mv_loop_health.task_generation_rate |
+| 店长执行率 | `lh.store_execution_rate` | 同上 | `store_execution_rate` | analytics.mv_loop_health.store_execution_rate |
+| 区域周检率 | `lh.weekly_check_rate` | 同上 | `weekly_check_rate` | analytics.mv_loop_health.weekly_check_rate |
+| 月度验收率 | `lh.monthly_review_rate` | 同上 | `monthly_review_rate` | analytics.mv_loop_health.monthly_review_rate |
+| 经验推广率 | `lh.practice_promotion_rate` | 同上 | `practice_promotion_rate` | analytics.mv_loop_health.practice_promotion_rate |
+
+### 区块⑧：图表区 - 日度实收趋势
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 日度实收折线 | `dailyRows[].received` | /overview/daily | `received` | analytics.mv_overview_daily.received (无scope) 或 bill_fact (有scope) |
+| 日期 | `dailyRows[].business_date` | 同上 | `business_date` | analytics.mv_overview_daily.business_date |
+
+### 区块⑨：图表区 - 门店风险分级分布
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 风险分布饼图 | `riskPieData` | /stores/risk | `risk_level` | analytics.mv_store_risk_rating_monthly.risk_level |
+
+### 区块⑩：图表区 - 门店经营象限
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| X轴: 日均实收 | `quadrantScatterData.x = r.avg_daily_received` | /stores/quadrant | `avg_daily_received` | analytics.mv_store_benchmark_composite_monthly.avg_daily_received |
+| Y轴: 毛利率 | `quadrantScatterData.y = r.theoretical_margin_pct` | 同上 | `theoretical_margin_pct` | analytics.mv_store_benchmark_composite_monthly.theoretical_margin_pct |
+| 象限分类 | `r.management_quadrant` | 同上 | `management_quadrant` | analytics.mv_store_benchmark_composite_monthly.management_quadrant |
+
+### 区块⑪：图表区 - P0/P1实收覆盖瀑布图
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| P0门店实收 | `p0Received` | /stores/priority | `received` | `sum(received) FILTER(action_priority LIKE 'P0%')` | analytics.mv_store_action_priority_deep_monthly.received |
+| P1门店实收 | `p1Received` | /stores/priority | `received` | `sum(received) FILTER(action_priority LIKE 'P1%')` | 同上 |
+| 其他门店实收 | `otherReceived = od.received - p0Received - p1Received` | /overview + /stores/priority | 前端计算 | `总实收 - P0 - P1` | bill_fact + mv_store_action_priority_deep_monthly |
+| 合计实收 | `od?.received` | /overview | `received` | `sum(received_total)` | analytics.bill_fact.received_total |
+
+### 区块⑫：图表区 - 平台成本率TOP15
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 美团成本率 | `r.meituan_cost_rate_pct` | /platform/economics | `meituan_cost_rate_pct` | analytics.mv_store_platform_economics_monthly.meituan_cost_rate_pct |
+| 饿了么成本率 | `r.eleme_cost_rate_pct` | 同上 | `eleme_cost_rate_pct` | analytics.mv_store_platform_economics_monthly.eleme_cost_rate_pct |
+| 抖音成本率 | `r.douyin_cost_rate_pct` | 同上 | `douyin_cost_rate_pct` | analytics.mv_store_platform_economics_monthly.douyin_cost_rate_pct |
+
+### 区块⑬：月度经营趋势
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 月度实收折线 | `trendRows[].received` | /overview/trend | `received` | analytics.mv_overview_monthly.received |
+| 月度账单数柱状 | `trendRows[].bill_count` | 同上 | `bill_count` | analytics.mv_overview_monthly.bill_count |
+
+### 区块⑭：利润趋势
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 月度实收 | `profitTrendRows[].received` | /overview/profit-trend | `received` | `sum(r.received)` | v_store_scorecard.received |
+| 食材成本 | `profitTrendRows[].food_cost` | 同上 | `food_cost` | `sum(COALESCE(e.actual_food_cost, 0))` | mv_store_operating_expense_monthly.actual_food_cost |
+| 人工 | `profitTrendRows[].wage` | 同上 | `wage` | `sum(COALESCE(e.wage_expense, 0))` | mv_store_operating_expense_monthly.wage_expense |
+| 房租 | `profitTrendRows[].rent` | 同上 | `rent` | `sum(COALESCE(e.rent_expense, 0))` | mv_store_operating_expense_monthly.rent_expense |
+| 水电 | `profitTrendRows[].utility` | 同上 | `utility` | `sum(COALESCE(e.utility_expense, 0))` | mv_store_operating_expense_monthly.utility_expense |
+| 贡献利润 | `profitTrendRows[].store_contribution` | 同上 | `store_contribution` | `sum(r.received) - sum(food_cost) - sum(operating_expense)` | 同上 |
+
+> ⚠️ **profit-trend 口径注意**：该API用 `v_store_scorecard` JOIN `mv_store_operating_expense_monthly`，WHERE `e.report_month >= $1 AND <= $2`。LEFT JOIN后WHERE过滤掉无费用门店(e.report_month IS NULL)，所以实际只含费用匹配门店，口径与 store-expense/overview 一致。但COALESCE(...,0)是多余的（不会出现NULL行）。
+
+### 区块⑮：P0/P1重点整改门店列表
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 门店名 | `r.store_name` | /stores/priority | `store_name` | analytics.mv_store_action_priority_deep_monthly.store_name |
+| 优先级 | `r.action_priority` | 同上 | `action_priority` | 同上 |
+| 问题数 | `r.problem_count` | 同上 | `problem_count` | 同上 |
+| 问题组合 | `r.problem_combination` | 同上 | `problem_combination` | 同上 |
+| 实收 | `r.received` | 同上 | `received` | 同上 |
+
+---
+
+## 三、跨页面核心指标溯源与口径对比
+
+### 3.1 营业收入（消费金额）
 
 | 页面 | 前端变量 | API | API字段 | SQL来源 | 数据源表.字段 |
 |------|---------|-----|---------|---------|-------------|
@@ -38,7 +200,7 @@
 
 **口径：一致 ✅** — 三个页面均来自 `analytics.bill_fact.consumption` 的月度汇总。
 
-### 2.2 优惠
+### 3.2 优惠
 
 | 页面 | 前端变量 | API | API字段 | SQL来源 | 数据源表.字段 |
 |------|---------|-----|---------|---------|-------------|
@@ -48,7 +210,7 @@
 
 **口径：一致 ✅**（已修复，BossPage 之前用 `ex?.total_discount` 也一致）
 
-### 2.3 实收
+### 3.3 实收
 
 | 页面 | 前端变量 | API | API字段 | SQL来源 | 数据源表.字段 |
 |------|---------|-----|---------|---------|-------------|
@@ -59,7 +221,7 @@
 
 **口径：一致 ✅**（已修复）— `bill_fact.received_total` 汇总和 `mv_store_risk_rating_monthly.received` 汇总结果相同（均为 64,409,339.09），因为后者物化视图就来自前者。
 
-### 2.4 账单数
+### 3.4 账单数
 
 | 页面 | 前端变量 | API | API字段 | SQL来源 | 数据源表.字段 |
 |------|---------|-----|---------|---------|-------------|
@@ -68,7 +230,7 @@
 
 **口径：一致 ✅** — 值均为 1,682,360。
 
-### 2.5 客单价
+### 3.5 客单价
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -77,7 +239,7 @@
 
 **口径：一致 ✅** — 数学结果相同。
 
-### 2.6 优惠率
+### 3.6 优惠率
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -86,7 +248,7 @@
 
 **口径：N/A** — 仅总部驾驶舱显示。
 
-### 2.7 理论毛利率
+### 3.7 理论毛利率
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -94,7 +256,7 @@
 
 **口径：N/A** — 仅总部驾驶舱显示。（已修复，之前硬编码为0）
 
-### 2.8 会员占比
+### 3.8 会员占比
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -102,27 +264,27 @@
 
 **口径：N/A** — 仅总部驾驶舱显示。（已修复，之前硬编码为0）
 
-### 2.9 门店贡献利润（实际）
+### 3.9 门店贡献利润（实际）
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 | 值 |
 |------|---------|-----|---------|---------|-----|
 | 总部驾驶舱 | `ex?.actual_net_profit` | /store-expense/overview | `actual_net_profit` | `sum(received) FILTER(费用匹配) - sum(food_cost) - sum(operating_expense)` | 6,982,110.42 |
 | 老板驾驶舱(指标卡) | `ex?.actual_net_profit` | /store-expense/overview | `actual_net_profit` | 同上 | 6,982,110.42 |
-| 老板驾驶舱(瀑布图) | `wf.store_contribution` | /overview/profit-waterfall | `store_contribution` | `sum(received) - sum(COALESCE(food_cost,0)) - sum(COALESCE(operating_expense,0))` | **7,703,472.16** |
+| 老板驾驶舱(瀑布图) | `wf.store_contribution` | /overview/profit-waterfall | `store_contribution` | `sum(received) FILTER(has_expense) - sum(food_cost) - sum(operating_expense)` | 6,982,110.42 |
 
-**口径：不一致 ❌** — 瀑布图用 COALESCE(...,0) 包含2家无费用门店，导致利润虚高72万。需修复 profit-waterfall API。
+**口径：一致 ✅**（已修复）— 瀑布图已改为仅含 has_expense 门店。
 
-### 2.10 贡献率（实际）
+### 3.10 贡献率（实际）
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 | 值 |
 |------|---------|-----|---------|---------|-----|
 | 总部驾驶舱 | `ex?.actual_net_margin_pct` | /store-expense/overview | `actual_net_margin_pct` | `(matched_received - food_cost - operating_expense)/matched_received*100` | 10.96% |
 | 老板驾驶舱(指标卡) | `ex?.actual_net_margin_pct` | /store-expense/overview | `actual_net_margin_pct` | 同上 | 10.96% |
-| 老板驾驶舱(瀑布图) | 前端计算 `wf.store_contribution/wf.received*100` | /overview/profit-waterfall | 前端除法 | `7703472/64409339*100` | **11.96%** |
+| 老板驾驶舱(瀑布图) | 前端计算 `wf.store_contribution/wf.received*100` | /overview/profit-waterfall | 前端除法 | `6982110/63687977*100` | 10.96% |
 
-**口径：不一致 ❌** — 同 2.9，瀑布图口径不同。
+**口径：一致 ✅**（已修复）— 瀑布图 received 和 contribution 均改为仅含 has_expense 门店。
 
-### 2.11 食材成本
+### 3.11 食材成本
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -132,16 +294,16 @@
 
 **口径：一致 ✅** — 2家无费用门店的 food_cost 为 NULL，`sum(NULL)` 忽略，`sum(COALESCE(NULL,0))` 加0，结果相同。
 
-### 2.12 食材成本率
+### 3.12 食材成本率
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 | 值 |
 |------|---------|-----|---------|---------|-----|
 | 总部驾驶舱 | `ex?.actual_food_cost_rate_pct` | /store-expense/overview | `actual_food_cost_rate_pct` | `sum(food_cost)/matched_received*100` | 35.26% |
-| 老板驾驶舱(瀑布图) | 前端计算 `wf.food_cost/wf.received*100` | /overview/profit-waterfall | 前端除法 | `22459074/64409339*100` | **34.87%** |
+| 老板驾驶舱(瀑布图) | 前端计算 `wf.food_cost/wf.received*100` | /overview/profit-waterfall | 前端除法 | `22459074/63687977*100` | 35.26% |
 
-**口径：不一致 ❌** — 分母不同（matched_received 6369万 vs all_received 6441万）。
+**口径：一致 ✅**（已修复）— 瀑布图 received 改为 matched 口径。
 
-### 2.13 经营费用
+### 3.13 经营费用
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -151,17 +313,17 @@
 
 **口径：一致 ✅** — sum忽略NULL vs COALESCE加0，结果相同。
 
-### 2.14 费用率
+### 3.14 费用率
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 | 值 |
 |------|---------|-----|---------|---------|-----|
 | 总部驾驶舱 | `ex?.overall_expense_rate_pct` | /store-expense/overview | `overall_expense_rate_pct` | `sum(operating_expense)/matched_received*100` | 53.77% |
-| 老板驾驶舱(瀑布图) | 前端计算 `wf.total_expense/wf.received*100` | /overview/profit-waterfall | 前端除法 | `34246793/64409339*100` | **53.17%** |
+| 老板驾驶舱(瀑布图) | 前端计算 `wf.total_expense/wf.received*100` | /overview/profit-waterfall | 前端除法 | `34246793/63687977*100` | 53.77% |
 | 费用总览Tab | `ov.overall_expense_rate_pct` | /store-expense/overview | `overall_expense_rate_pct` | 同总部 | 53.77% |
 
-**口径：不一致 ❌** — 瀑布图分母含全部94家。
+**口径：一致 ✅**（已修复）— 瀑布图分母改为 matched 口径。
 
-### 2.15 人工费用 / 人工费率
+### 3.15 人工费用 / 人工费率
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -170,17 +332,17 @@
 | 费用总览Tab | `ov.total_wage` / `ov.overall_wage_rate_pct` | /store-expense/overview | 同总部 | 同总部 |
 
 **金额口径：一致 ✅** — sum忽略NULL vs COALESCE加0结果相同。
-**费率口径：瀑布图不一致 ❌** — 前端用 `wf.wage/wf.received*100`（分母含94家）vs store-expense用 `matched_received`（92家）。
+**费率口径：一致 ✅**（已修复）— 瀑布图 received 改为 matched 口径后，前端除法分母一致。
 
-### 2.16 房租费用 / 房租费率
+### 3.16 房租费用 / 房租费率
 
-同 2.15，金额一致，费率瀑布图分母不一致。
+同 3.15，金额一致，费率已修复一致。
 
-### 2.17 水电费用 / 水电费率
+### 3.17 水电费用 / 水电费率
 
-同 2.15，金额一致，费率瀑布图分母不一致。
+同 3.15，金额一致，费率已修复一致。
 
-### 2.18 外卖佣金
+### 3.18 外卖佣金
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -189,7 +351,7 @@
 
 **口径：一致 ✅** — 金额相同。
 
-### 2.19 门店数
+### 3.19 门店数
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -198,7 +360,7 @@
 
 **口径：一致 ✅** — 均为94家。
 
-### 2.20 盈利/亏损门店数
+### 3.20 盈利/亏损门店数
 
 | 页面 | 前端变量 | API | API字段 | 计算方式 |
 |------|---------|-----|---------|---------|
@@ -207,7 +369,7 @@
 
 **口径：一致 ✅** — 盈利78家/亏损13家。
 
-### 2.21 门店风险分布
+### 3.21 门店风险分布
 
 | 页面 | 前端变量 | API | 数据源 |
 |------|---------|-----|--------|
@@ -216,7 +378,7 @@
 
 **口径：一致 ✅**
 
-### 2.22 P0/P1 门店
+### 3.22 P0/P1 门店
 
 | 页面 | 前端变量 | API | 数据源 |
 |------|---------|-----|--------|
@@ -225,7 +387,7 @@
 
 **口径：一致 ✅**
 
-### 2.23 成本异常分布
+### 3.23 成本异常分布
 
 | 页面 | 前端变量 | API | 数据源 |
 |------|---------|-----|--------|
@@ -234,7 +396,7 @@
 
 **口径：一致 ✅**
 
-### 2.24 利润机会池
+### 3.24 利润机会池
 
 | 页面 | 前端变量 | API | 数据源 |
 |------|---------|-----|--------|
@@ -242,7 +404,7 @@
 
 **口径：N/A** — 仅老板驾驶舱显示。
 
-### 2.25 日度趋势
+### 3.25 日度趋势
 
 | 页面 | 前端变量 | API | 数据源 |
 |------|---------|-----|--------|
@@ -255,54 +417,3088 @@
 
 ## 三、发现的问题汇总
 
-### 问题1：利润瀑布 store_contribution 口径不一致 ❌
+### 问题1：利润瀑布 store_contribution 口径不一致 ✅ 已修复
 
 **位置**：`/overview/profit-waterfall` API (`data.ts:1082`)
 
-**现状**：
-```sql
-round(sum(received) - sum(actual_food_cost) - sum(operating_expense), 2) AS store_contribution
-```
-- `sum(received)` = 64,409,339（94家）
-- `sum(actual_food_cost)` = 22,459,074（92家，NULL被忽略）
-- `sum(operating_expense)` = 34,246,793（92家，NULL被忽略）
-- 结果 = 7,703,472（含2家无费用门店的实收429万作为"利润"）
+**已修复**：received/consumption/discount/store_contribution 均改为 `FILTER (WHERE has_expense)`，仅含92家匹配门店，与 store-expense/overview 一致。
 
-**正确值**（与 store-expense/overview 一致）：6,982,110（仅92家匹配门店）
+### 问题2：利润瀑布各项费率分母不一致 ✅ 已修复
 
-**影响**：BossPage 利润瀑布图和占比条显示的"门店贡献利润"比指标卡多72万，贡献率高1个百分点。
+**已修复**：瀑布图 received 改为 matched 口径后，前端除法分母与 store-expense/overview 一致。
 
-### 问题2：利润瀑布各项费率分母不一致 ❌
-
-**位置**：BossPage.tsx 前端计算 (line 296-318)
-
-**现状**：前端用 `wf.received`（64,409,339，94家）做分母计算食材成本率、费用率、贡献率，但 store-expense/overview 用 `matched_received`（63,687,977，92家）做分母。
-
-| 指标 | 瀑布图口径 | store-expense口径 | 差异 |
-|------|-----------|------------------|------|
-| 食材成本率 | 34.87% | 35.26% | 0.39pp |
-| 费用率 | 53.17% | 53.77% | 0.60pp |
-| 贡献率 | 11.96% | 10.96% | 1.00pp |
-
-### 问题3：mv_overview_monthly 刷新机制不完整 ⚠️
+### 问题3：mv_overview_monthly 刷新机制不完整 ✅ 已修复
 
 **现状**：`mv_overview_monthly` 是普通表（非物化视图），之前刷新脚本未包含它的更新步骤，导致数据导入后该表不更新。
 
 **已修复**：刷新脚本已加入 DELETE+INSERT 步骤。
 
+### 问题4：KPI达成率利润口径不一致 ⚠️ 待确认
+
+**位置**：`/analytics-enhanced/kpi` API (`analytics-enhanced.ts:944-953`)
+
+**现状**：
+- `actual_revenue = sum(r.received)` — 包含全部94家门店
+- `actual_profit = sum(e.actual_store_contribution)` — LEFT JOIN后NULL被sum忽略，实际只含92家有费用门店
+- `profit_margin_pct = actual_profit / actual_revenue * 100` — 分子92家/分母94家，偏低
+
+**影响**：利润率指标偏低（分母多含2家无费用门店的实收429万），但影响较小（~0.7pp）。
+
+### 问题5：store-profit-ranking 用COALESCE导致无费用门店排名异常 ⚠️ 待确认
+
+**位置**：`/overview/store-profit-ranking` API (`data.ts:1094-1112`)
+
+**现状**：`store_contribution = r.received - COALESCE(e.actual_food_cost,0) - COALESCE(e.operating_expense,0)`，2家无费用门店的贡献利润 = received - 0 - 0 = received（全部实收算作利润），会排在利润TOP5最前面。
+
+**影响**：BossPage利润排名TOP5可能包含无费用门店，显示"贡献利润=实收"的异常数据。
+
+### 问题6：StorePage公司均值硬编码 ⚠️ 待确认
+
+**位置**：`StorePage.tsx:188` — `companyAvg` 对象
+
+**现状**：8个指标的公司均值全部硬编码（日均营收20144、客单价36.8、优惠率20.5%等），不随数据更新而变化。
+
+**影响**：如果实际公司均值发生变化，偏差对比将不准确。建议改为API动态获取。
+
+### 问题7：StorePage scorecard 直接查bill_records而非物化视图 ⚠️ 待确认
+
+**位置**：`/stores/:code` API (`data.ts:177-196`)
+
+**现状**：scorecard 直接从 `bill_records` 原始表聚合查询，而其他页面用 `mv_store_risk_rating_monthly` 物化视图。
+
+**影响**：两表同月数据应一致，但若物化视图刷新不及时可能存在差异。且直接查原始表性能较差。
+
 ---
 
-## 四、修复方案
+## 四、页面2：老板驾驶舱 BossPage
 
-### 修复问题1+2：统一利润瀑布口径
+> 无Tab，用区块布局。共调用10个API + KPISection组件1个API。
 
-将 `/overview/profit-waterfall` 的 `store_contribution` 和 `received` 改为仅计算有费用门店，与 `/store-expense/overview` 保持一致。
+### 区块①：核心经营指标（6个MetricCard）
 
-**修改文件**：`server/src/routes/data.ts` profit-waterfall API
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 营业收入 | `od?.consumption` | /overview | `consumption` | `sum(consumption)` | analytics.bill_fact.consumption |
+| 优惠 | `od?.discount` | /overview | `discount` | `sum(discount_total)` | analytics.bill_fact.discount_total |
+| 实收总额 | `od?.received` | /overview | `received` | `sum(received_total)` | analytics.bill_fact.received_total |
+| 实收环比趋势 | `trendReceived` | /overview/daily | 前端计算 | `(last7.received - prev7.received) / prev7.received * 100` | analytics.mv_overview_daily.received |
+| 门店贡献利润估算 | `ex?.actual_net_profit` | /store-expense/overview | `actual_net_profit` | `sum(received) FILTER(费用匹配) - sum(food_cost) - sum(operating_expense)` | mv_store_risk_rating_monthly + mv_store_operating_expense_monthly |
+| 贡献率(描述) | `ex?.actual_net_margin_pct` | /store-expense/overview | `actual_net_margin_pct` | `actual_net_profit / matched_received * 100` | 同上 |
+| 门店数 | `ex?.total_stores` | /store-expense/overview | `total_stores` | `count(*)` | mv_store_risk_rating_monthly |
+| 盈利门店数(描述) | `ex?.profitable_stores` | /store-expense/overview | `profitable_stores` | `count(*) FILTER(actual_store_contribution > 0)` | 同上 |
+| 亏损门店数(描述) | `ex?.loss_stores` | /store-expense/overview | `loss_stores` | `count(*) FILTER(<=0 AND received>0)` | 同上 |
+| 客单价 | `ex?.avg_bill_value` | /store-expense/overview | `avg_bill_value` | `sum(received) / sum(bill_count)` | 同上 |
+| 客单价环比趋势 | 前端计算 | /overview/daily | 前端计算 | `last7.avg - prev7.avg` | analytics.mv_overview_daily |
+| 账单数(描述) | `ex?.total_bills` | /store-expense/overview | `total_bills` | `sum(bill_count)` | mv_store_risk_rating_monthly.bill_count |
 
-**修改内容**：
-1. `received` → `sum(received) FILTER (WHERE has_expense)`
-2. `store_contribution` → `sum(received) FILTER (WHERE has_expense) - sum(actual_food_cost) - sum(operating_expense)`
-3. `consumption` 和 `discount` 也改为 `FILTER (WHERE has_expense)` 保持同口径
+### 区块①b：KPI达成率（KPISection组件）
 
-这样瀑布图的 received、food_cost、expense、contribution 全部基于92家匹配门店，与 store-expense/overview 完全一致。
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 收入达成率 | `kpi.revenue_achievement_pct` | /analytics-enhanced/kpi | `revenue_achievement_pct` | `sum(r.received) / sum(t.revenue_target) * 100` | mv_store_risk_rating_monthly.received + dim_store_target.revenue_target |
+| 利润达成率 | `kpi.profit_achievement_pct` | 同上 | `profit_achievement_pct` | `sum(e.actual_store_contribution) / sum(t.profit_target) * 100` | mv_store_operating_expense_monthly.actual_store_contribution + dim_store_target.profit_target |
+| 目标收入 | `kpi.revenue_target` | 同上 | `revenue_target` | `sum(t.revenue_target)` | dim_store_target.revenue_target |
+| 利润率 | `kpi.profit_margin_pct` | 同上 | `profit_margin_pct` | `sum(actual_store_contribution) / sum(received) * 100` | 同上 |
+| 目标利润(图表) | `kpi.profit_target` | 同上 | `profit_target` | `sum(t.profit_target)` | dim_store_target.profit_target |
+| 实际收入(图表) | `kpi.actual_revenue` | 同上 | `actual_revenue` | `sum(r.received)` | mv_store_risk_rating_monthly.received |
+| 实际利润(图表) | `kpi.actual_profit` | 同上 | `actual_profit` | `sum(e.actual_store_contribution)` | mv_store_operating_expense_monthly.actual_store_contribution |
+
+> ⚠️ **KPI口径注意**：`actual_profit` 用 `sum(e.actual_store_contribution)`，LEFT JOIN 费用表后无费用门店的 `actual_store_contribution` 为 NULL，`sum(NULL)` 忽略，所以实际只含有费用的门店。但 `actual_revenue` 用 `sum(r.received)` 包含全部94家。利润率分母含全部门店收入，分子仅含费用匹配门店利润，可能偏低。
+
+### 区块②：利润结构（瀑布图）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 营业收入 | `wf.consumption` | /overview/profit-waterfall | `consumption` | `sum(consumption) FILTER(has_expense)` | bill_fact.consumption |
+| 优惠 | `wf.discount` | 同上 | `discount` | `sum(discount) FILTER(has_expense)` | bill_fact.discount_total |
+| 实收 | `wf.received` | 同上 | `received` | `sum(received) FILTER(has_expense)` | mv_store_risk_rating_monthly.received |
+| 食材成本 | `wf.food_cost` | 同上 | `food_cost` | `sum(actual_food_cost)` | mv_store_operating_expense_monthly.actual_food_cost |
+| 人工 | `wf.wage` | 同上 | `wage` | `sum(wage_expense)` | mv_store_operating_expense_monthly.wage_expense |
+| 房租 | `wf.rent` | 同上 | `rent` | `sum(rent_expense)` | mv_store_operating_expense_monthly.rent_expense |
+| 水电 | `wf.utility` | 同上 | `utility` | `sum(utility_expense)` | mv_store_operating_expense_monthly.utility_expense |
+| 宿舍 | `wf.dorm` | 同上 | `dorm` | `sum(dorm_expense)` | mv_store_operating_expense_monthly.dorm_expense |
+| 外卖佣金 | `wf.commission` | 同上 | `commission` | `sum(delivery_commission_expense)` | mv_store_operating_expense_monthly.delivery_commission_expense |
+| 其他费用 | `wf.other_expense` | 同上 | `other_expense` | `sum(card_fee + repair_clean)` | mv_store_operating_expense_monthly.card_fee_expense + repair_clean_expense |
+| 门店贡献利润 | `wf.store_contribution` | 同上 | `store_contribution` | `sum(received) FILTER(has_expense) - sum(food_cost) - sum(operating_expense)` | 同上 |
+| 食材成本率(占比条) | 前端计算 | 同上 | 前端除法 | `wf.food_cost / wf.received * 100` | 同上 |
+| 人工费率(占比条) | 前端计算 | 同上 | 前端除法 | `wf.wage / wf.received * 100` | 同上 |
+| 房租费率(占比条) | 前端计算 | 同上 | 前端除法 | `wf.rent / wf.received * 100` | 同上 |
+| 水电费率(占比条) | 前端计算 | 同上 | 前端除法 | `wf.utility / wf.received * 100` | 同上 |
+| 其他费率(占比条) | 前端计算 | 同上 | 前端除法 | `(dorm+commission+other) / wf.received * 100` | 同上 |
+| 贡献率(占比条) | 前端计算 | 同上 | 前端除法 | `wf.store_contribution / wf.received * 100` | 同上 |
+| 费用率(汇总) | 前端计算 | 同上 | 前端除法 | `wf.total_expense / wf.received * 100` | 同上 |
+
+> ✅ **口径已修复**：所有指标均基于 `FILTER(has_expense)` 的92家门店，与 store-expense/overview 一致。
+
+### 区块②b：利润机会池
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 机会类别 | `o.category` | /overview/profit-opportunity | `items[].category` | 5类: 食材成本差异/人工优化/水电节能/优惠管控/外卖佣金/SKU精简 | 多表 |
+| 机会金额 | `o.opportunity` | 同上 | `items[].opportunity` | 各类不同公式，如食材=diff*30% | mv_store_risk_rating_monthly + mv_store_operating_expense_monthly + mv_dish_sku_abc_monthly |
+| 基线值 | `o.baseline` | 同上 | `items[].baseline` | 各类基线值 | 同上 |
+| 信心度 | `o.confidence` | 同上 | `items[].confidence` | 中高/中/低 | — |
+| 责任方 | `o.owner` | 同上 | `items[].owner` | 静态文本 | — |
+| 验收标准 | `o.evidence` | 同上 | `items[].evidence` | 静态文本 | — |
+| 详情 | `o.detail` | 同上 | `items[].detail` | 动态拼接TOP5门店数据 | 同上 |
+| 机会合计 | `totalOpportunity` | 前端计算 | — | `sum(items[].opportunity)` | 同上 |
+| 30天承诺值 | 静态文本 | — | — | `≥ 150万元`（硬编码） | — |
+| 占比 | `pct` | 前端计算 | — | `opp / totalOpportunity * 100` | 同上 |
+
+### 区块③：风险态势（3个卡片）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 红色门店数 | `riskSummary['红色']` | /stores/risk | `risk_level` count | `count(*) FILTER(risk_level='红色')` | mv_store_risk_rating_monthly.risk_level |
+| 红色门店实收 | `riskRevSummary['红色']` | 同上 | `received` sum | `sum(received) FILTER(risk_level='红色')` | mv_store_risk_rating_monthly.received |
+| 红色实收占比 | 前端计算 | 同上 | 前端除法 | `riskRevSummary['红色'] / od.received * 100` | 同上 |
+| 黄色门店数 | `riskSummary['黄色']` | 同上 | 同上 | 同上 | 同上 |
+| 黄色门店实收 | `riskRevSummary['黄色']` | 同上 | 同上 | 同上 | 同上 |
+| 黄色实收占比 | 前端计算 | 同上 | 前端除法 | 同上 | 同上 |
+| 绿色门店数 | `riskSummary['绿色']` | 同上 | 同上 | 同上 | 同上 |
+| 绿色门店实收 | `riskRevSummary['绿色']` | 同上 | 同上 | 同上 | 同上 |
+| 绿色实收占比 | 前端计算 | 同上 | 前端除法 | 同上 | 同上 |
+
+> ✅ **口径已修复**：实收占比分母用 `od.received`（/overview API），与DashboardPage一致。
+
+### 区块③b：重点整改门店清单
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 门店名 | `s.store_name` | /stores/priority | `store_name` | mv_store_action_priority_deep_monthly.store_name |
+| 实收 | `s.received` | 同上 | `received` | 同上.received |
+| 优先级 | `s.action_priority` | 同上 | `action_priority` | 同上.action_priority |
+| 风险等级 | `s.risk_level` | 同上 | `risk_level` | 同上.risk_level |
+| 问题组合 | `s.problem_combination` | 同上 | `problem_combination` | 同上.problem_combination |
+
+### 区块④：成本异常分布
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 严重超耗门店数 | `costOv.red_count` | /cost-analysis/store-overview | `red_count` | `count(*) FILTER(variance_level='红色-严重超耗')` | mv_store_theoretical_actual_cost_monthly.variance_level |
+| 明显超耗门店数 | `costOv.orange_count` | 同上 | `orange_count` | `count(*) FILTER(variance_level='橙色-明显超耗')` | 同上 |
+| 基本正常门店数 | `costOv.green_count` | 同上 | `green_count` | `count(*) FILTER(variance_level='绿色-基本正常')` | 同上 |
+| 总差异金额 | `costOv.total_variance` | 同上 | `total_variance` | `sum(food_cost_variance)` | mv_store_theoretical_actual_cost_monthly.food_cost_variance |
+
+### 区块④b：费用结构（饼图）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 费用科目名 | `r.account_name` | /store-expense/expense-structure | `account_name` | v_operating_expense_account_monthly.account_name |
+| 费用金额 | `r.amount` | 同上 | `amount` | v_operating_expense_account_monthly.amount |
+| 费用占比 | `r.expense_share_pct` | 同上 | `expense_share_pct` | v_operating_expense_account_monthly.expense_share_pct |
+
+### 区块⑤：门店营收排名
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| TOP5门店名 | `r.store_name` | /stores/risk | `store_name` | 前端按 received 降序取前5 | mv_store_risk_rating_monthly |
+| TOP5实收 | `r.received` | 同上 | `received` | 同上 | mv_store_risk_rating_monthly.received |
+| BOTTOM5门店名 | 同上 | 同上 | 同上 | 前端按 received 升序取末5（received>0） | 同上 |
+| BOTTOM5实收 | 同上 | 同上 | 同上 | 同上 | 同上 |
+
+### 区块⑤b：门店利润排名
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店名 | `s.store_name` | /overview/store-profit-ranking | `store_name` | — | mv_store_risk_rating_monthly.store_name |
+| 实收 | `s.received` | 同上 | `received` | `r.received` | mv_store_risk_rating_monthly.received |
+| 贡献利润 | `s.store_contribution` | 同上 | `store_contribution` | `r.received - COALESCE(e.actual_food_cost,0) - COALESCE(e.operating_expense,0)` | 同上 + mv_store_operating_expense_monthly |
+| 贡献率 | `s.contribution_margin_pct` | 同上 | `contribution_margin_pct` | `store_contribution / received * 100` | 同上 |
+
+> ⚠️ **store-profit-ranking 口径注意**：用 `COALESCE(...,0)` 处理无费用门店，2家无费用门店的贡献利润 = received - 0 - 0 = received（全部实收算作利润），这会导致排名中这2家门店排在最前面。与 store-expense/overview 的 `actual_net_profit` 口径不一致。
+
+### 区块⑥：日度实收趋势
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 日度实收折线 | `dailyRows[].received` | /overview/daily | `received` | analytics.mv_overview_daily.received |
+| 日期 | `dailyRows[].business_date` | 同上 | `business_date` | analytics.mv_overview_daily.business_date |
+| 环比上周% | `trendReceived` | 前端计算 | — | `(last7 - prev7) / prev7 * 100` |
+
+### 区块⑦：本月经营态势弹窗（BusinessReportDialog）
+
+> 该弹窗接收 BossPage 已加载的数据（od, ex, wf, riskRows, priorityRows, costOv, profitOpp, trendReceived）进行语音播报，不额外调用API。仅调用 `/tts` API进行语音合成。
+
+---
+
+## 五、页面3：门店工作台 StorePage
+
+> 7个Tab + 概览折叠区。共调用13个API（含KPISection组件1个）。
+
+### 概览折叠区（门店概况与经营概览）
+
+#### 门店概况（4个卡片）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店名称 | `storeName` | /stores/risk | `store_name` | — | mv_store_risk_rating_monthly.store_name |
+| 风险等级 | `storeInfo.risk` | 同上 | `risk_level` | — | mv_store_risk_rating_monthly.risk_level |
+| 主要问题 | `primaryIssue` | /stores/priority | `problem_combination` | — | mv_store_action_priority_deep_monthly.problem_combination |
+| 任务完成率 | 前端计算 | /tasks | `status` count | `doneTasks / tasks * 100` | analytics.store_task.status |
+| 已完成/总数(描述) | 前端计算 | 同上 | 同上 | `doneTasks.length / tasks.length` | 同上 |
+
+#### KPI达成率（KPISection组件，level=store）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 收入达成率 | `kpi.revenue_achievement_pct` | /analytics-enhanced/kpi | `revenue_achievement_pct` | `r.received / t.revenue_target * 100` | mv_store_risk_rating_monthly.received + dim_store_target.revenue_target |
+| 利润达成率 | `kpi.profit_achievement_pct` | 同上 | `profit_achievement_pct` | `e.actual_store_contribution / t.profit_target * 100` | mv_store_operating_expense_monthly.actual_store_contribution + dim_store_target.profit_target |
+| 目标收入 | `kpi.revenue_target` | 同上 | `revenue_target` | `t.revenue_target` | dim_store_target.revenue_target |
+| 利润率 | `kpi.profit_margin_pct` | 同上 | `profit_margin_pct` | `e.actual_store_contribution / r.received * 100` | 同上 |
+
+#### 最新经营日概览（daily-card）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 营业收入(当日) | `item.value`(metric=营业收入) | /tasks/stores/:code/daily-card | `anomalies[].value` | `sum(c009)` 当日 | bill_records.c009 |
+| 营业收入基准 | `item.baseline` | 同上 | `anomalies[].baseline` | `sum(c009)` 一周前同日 | bill_records.c009 |
+| 营业收入异常 | `item.is_anomaly` | 同上 | `anomalies[].is_anomaly` | `value < baseline * 0.8` | — |
+| 优惠(当日) | `item.value`(metric=优惠) | 同上 | 同上 | `sum(c068)` 当日 | bill_records.c068 |
+| 优惠异常 | 同上 | 同上 | 同上 | `value > baseline * 1.2` | — |
+| 实收(当日) | `item.value`(metric=实收) | 同上 | 同上 | `sum(c114)` 当日 | bill_records.c114 |
+| 实收异常 | 同上 | 同上 | 同上 | `value < baseline * 0.8` | — |
+| 账单数(当日) | `item.value`(metric=账单数) | 同上 | 同上 | `count(*)` 当日 | bill_records |
+| 账单数异常 | 同上 | 同上 | 同上 | `value < baseline * 0.8` | — |
+| 客单价(当日) | `item.value`(metric=客单价) | 同上 | 同上 | `sum(c114)/count(*)` 当日 | bill_records |
+| 客单价异常 | 同上 | 同上 | 同上 | `value < baseline * 0.9` | — |
+| 异常项数 | `anomalyCount` | 前端计算 | — | `count(is_anomaly=true)` | — |
+| 对比日期 | `card.target_date` / `card.baseline_date` | 同上 | `target_date` / `baseline_date` | `max(c176::date)` / `target_date - 7天` | bill_records.c176 |
+
+#### 本周指标进度（followup）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 实收(基线/目标/实际) | `followup.baseline_received` / `target_received` / `actual_received` | /tasks/followup | 同名 | analytics.mv_store_monthly_followup |
+| 客单价(基线/目标/实际) | `followup.baseline_avg_bill` / `target_avg_bill` / `actual_avg_bill` | 同上 | 同名 | 同上 |
+| 优惠率(基线/目标/实际) | `followup.baseline_discount_rate` / `target_discount_rate` / `actual_discount_rate` | 同上 | 同名 | 同上 |
+| 毛利率(基线/目标/实际) | `followup.baseline_margin_rate` / `target_margin_rate` / `actual_margin_rate` | 同上 | 同名 | 同上 |
+| 达成率 | 前端计算 | — | — | `actual / target * 100` |
+| 异常率(基线/目标/实际) | `followup.baseline_anomaly_rate` / `target_anomaly_rate` / `actual_anomaly_rate` | 同上 | 同名 | 同上 |
+| 会员占比(基线/目标/实际) | `followup.baseline_member_share` / `target_member_share` / `actual_member_share` | 同上 | 同名 | 同上 |
+| 工作重点 | `followup.work_focus` | 同上 | `work_focus` | 同上 |
+| 行动计划 | `followup.action_plan` | 同上 | `action_plan` | 同上 |
+
+#### 日度实收趋势
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 日度实收折线 | `dailyRows[].received` | /stores/:code/daily | `received` | bill_records.c114 (按c176::date分组) |
+| 日期 | `dailyRows[].business_date` | 同上 | `business_date` | bill_records.c176::date |
+
+#### 核心SKU备货提醒
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| SKU名称 | `s.dish_name` | /sku/abc | `dish_name` | analytics.mv_dish_sku_abc_monthly.dish_name |
+| ABC等级 | `s.abc_class` | 同上 | `abc_class` | 同上.abc_class |
+| 营收占比 | `s.revenue_share_pct` | 同上 | `revenue_share_pct` | 同上.revenue_share_pct |
+| 累计占比 | `s.cumulative_revenue_share_pct` | 同上 | `cumulative_revenue_share_pct` | 同上.cumulative_revenue_share_pct |
+
+> 前端过滤 `abc_class === 'A'` 取前10条。
+
+#### 待办/已完成任务
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 优先级 | `t.priority` | /tasks | `priority` | analytics.store_task.priority |
+| 问题指标 | `t.problem_indicator` | 同上 | `problem_indicator` | 同上.problem_indicator |
+| 状态 | `t.status` | 同上 | `status` | 同上.status |
+| 行动要求 | `t.action_required` | 同上 | `action_required` | 同上.action_required |
+| 截止日 | `t.deadline` | 同上 | `deadline` | 同上.deadline |
+| 验收结果 | `t.verification_result` | 同上 | `verification_result` | 同上.verification_result |
+| 执行证据 | `t.process_evidence` | 同上 | `process_evidence` | 同上.process_evidence |
+| 后续计划 | `t.next_step` | 同上 | `next_step` | 同上.next_step |
+
+### 核心指标行（8个MetricCard，scorecard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 营业收入 | `sc.consumption` | /stores/:code | `scorecard.consumption` | `sum(c009)` | bill_records.c009 |
+| 优惠 | `sc.discount` | 同上 | `scorecard.discount` | `sum(c068)` | bill_records.c068 |
+| 月度实收 | `sc.received` | 同上 | `scorecard.received` | `sum(c114)` | bill_records.c114 |
+| 月度账单数 | `sc.bill_count` | 同上 | `scorecard.bill_count` | `count(*)` | bill_records |
+| 客单价 | `sc.avg_bill_value` | 同上 | `scorecard.avg_bill_value` | `sum(c114)/count(*)` | bill_records |
+| 优惠率 | `sc.discount_rate_pct` | 同上 | `scorecard.discount_rate_pct` | `sum(c068)/sum(c009)*100` | bill_records |
+| 理论毛利率 | `sc.theoretical_margin_pct` | 同上 | `scorecard.theoretical_margin_pct` | `sum(c181)/sum(c114)*100` | bill_records.c181/c114 |
+| 会员占比 | `sc.member_bill_share_pct` | 同上 | `scorecard.member_bill_share_pct` | `count(c185非空)/count(*)*100` | bill_records.c185 |
+
+> ⚠️ **scorecard数据源注意**：`/stores/:code` 的 scorecard 直接从 `bill_records` 原始表查询（非物化视图），而其他页面用 `mv_store_risk_rating_monthly`。两表同月数据应一致，但若刷新不及时可能存在差异。
+
+### 风险与经营状态说明
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 风险等级 | `risk.risk_level` | /stores/:code | `risk.risk_level` | mv_store_risk_rating_monthly.risk_level |
+| 问题组合 | `action.problem_combination` | 同上 | `action.problem_combination` | mv_store_action_priority_deep_monthly.problem_combination |
+| 经营象限 | `action.management_quadrant` | 同上 | `action.management_quadrant` | 后端计算：日均营收 vs 中位18642 & 毛利率 vs 中位70% |
+| 规模层级 | `action.scale_tier` | 同上 | `action.scale_tier` | mv_store_action_priority_deep_monthly.scale_tier |
+| 综合基准分 | `action.benchmark_score` | 同上 | `benchmark.benchmark_score` | mv_store_benchmark_composite_monthly |
+| 行动优先级 | `action.action_priority` | 同上 | `action.action_priority` | mv_store_action_priority_deep_monthly.action_priority |
+| 成本差异率 | `action.variance_to_theoretical_pct` | 同上 | `action.variance_to_theoretical_pct` | 同上.variance_to_theoretical_pct |
+| 成本差异等级 | `action.variance_level` | 同上 | `action.variance_level` | 同上.variance_level |
+
+#### 月度指标偏差对比（vs 公司均值，硬编码）
+
+| 显示指标 | 前端变量 | 门店值来源 | 公司均值 | 数据源表 |
+|---------|---------|-----------|---------|---------|
+| 日均营收 | `risk.avg_daily_received` | /stores/:code → risk | 20144（硬编码） | mv_store_risk_rating_monthly.avg_daily_received |
+| 客单价 | `risk.avg_bill_value` | 同上 | 36.8（硬编码） | 同上.avg_bill_value |
+| 优惠率 | `risk.discount_rate_pct` | 同上 | 20.5（硬编码） | 同上.discount_rate_pct |
+| 毛利率 | `risk.theoretical_margin_pct` | 同上 | 71.5（硬编码） | 同上.theoretical_margin_pct |
+| 会员占比 | `risk.member_bill_share_pct` | 同上 | 15.9（硬编码） | 同上.member_bill_share_pct |
+| 复购率 | `action.repeat_rate_pct` | 同上 → action | 37.0（硬编码） | mv_store_action_priority_deep_monthly.repeat_rate_pct |
+| 外卖占比 | `action.delivery_bill_share_pct` | 同上 | 36.1（硬编码） | 同上.delivery_bill_share_pct |
+| 成本差异率 | `action.variance_to_theoretical_pct` | 同上 | 20（硬编码） | 同上.variance_to_theoretical_pct |
+
+> ⚠️ **公司均值硬编码**：`companyAvg` 对象中的值是硬编码的，不随数据更新而变化。如果实际公司均值发生变化，偏差对比将不准确。
+
+---
+
+### Tab1：概览
+
+#### 健康度评分维度（雷达图 + 进度条）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 健康总分 | `health.health_score` | /situational-awareness/health-score | `health_score` | 8维加权总分(0-100) | 多表联合计算 |
+| 营收规模得分 | `health.score_revenue` | 同上 | `score_revenue` | `20 * LEAST(1.0, avg_daily_received/30000)` | mv_store_risk_rating_monthly.avg_daily_received |
+| 成本控制得分 | `health.score_cost` | 同上 | `score_cost` | `20 * GREATEST(0, 1 - LEAST(variance,50)/50)` | mv_store_theoretical_actual_cost_monthly.variance_to_theoretical_pct |
+| 毛利率得分 | `health.score_margin` | 同上 | `score_margin` | `15 * LEAST(1.0, GREATEST(0, margin-60)/15)` | mv_store_risk_rating_monthly.theoretical_margin_pct |
+| 风险控制得分 | `health.score_risk` | 同上 | `score_risk` | 绿色=10, 黄色=6, 红色=2 | mv_store_risk_rating_monthly.risk_level |
+| 复购率得分 | `health.score_repeat` | 同上 | `score_repeat` | `10 * LEAST(1.0, repeat_rate/40)` | mv_store_repeat_summary_monthly.repeat_rate_pct |
+| 会员占比得分 | `health.score_member` | 同上 | `score_member` | `10 * LEAST(1.0, member_share/20)` | mv_store_risk_rating_monthly.member_bill_share_pct |
+| 任务完成得分 | `health.score_task` | 同上 | `score_task` | `10 * completion_rate/100` | analytics.store_task |
+| 客单价得分 | `health.score_bill` | 同上 | `score_bill` | `5 * LEAST(1.0, avg_bill_value/40)` | mv_store_risk_rating_monthly.avg_bill_value |
+| 健康状态 | `health.health_status` | 同上 | `health_status` | ≥75=健康, ≥55=亚健康, <55=需干预 | — |
+
+#### 平台经济性
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 美团实收 | `sd.platform.meituan_received` | /stores/:code | `platform.meituan_received` | mv_store_platform_economics_monthly.meituan_received |
+| 饿了么实收 | `sd.platform.eleme_received` | 同上 | `platform.eleme_received` | 同上.eleme_received |
+| 抖音实收 | `sd.platform.douyin_received` | 同上 | `platform.douyin_received` | 同上.douyin_received |
+| 平台加权成本率 | `sd.platform.weighted_cost_rate_pct` | 同上 | `platform.weighted_cost_rate_pct` | 同上.weighted_cost_rate_pct |
+
+---
+
+### Tab2：餐段分析
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 餐段 | `mealRows[].meal_period` | /stores/:code/meal-period | `meal_period` | — | analytics.bill_fact.meal_period |
+| 账单数 | `mealRows[].bill_count` | 同上 | `bill_count` | `count(*)` | analytics.bill_fact |
+| 实收 | `mealRows[].received` | 同上 | `received` | `sum(received_total)` | analytics.bill_fact.received_total |
+| 平均单价 | `mealRows[].avg_bill` | 同上 | `avg_bill` | `sum(received_total)/count(*)` | 同上 |
+| 全网均价 | `mealRows[].network_avg_bill` | 同上 | `network_avg_bill` | 全门店同餐段 `sum(received)/count(*)` | analytics.bill_fact |
+| vs全网% | `mealRows[].vs_network_pct` | 同上 | `vs_network_pct` | `(store.avg / network.avg - 1) * 100` | — |
+
+---
+
+### Tab3：品类结构
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店各品类金额 | `s.lanzhou_noodle` 等 | /stores/:code/category-mix | `store.*` | 各品类 `sum(consumption)` | mv_store_category_mix_monthly |
+| 公司各品类金额 | `c.total_noodle` 等 | 同上 | `company.*` | 全门店 `sum(各品类)` | 同上 |
+| 门店品类占比 | 前端计算 | — | — | `品类金额 / 门店总金额 * 100` | — |
+| 公司品类占比 | 前端计算 | — | — | `品类金额 / 公司总金额 * 100` | — |
+| 主力品类 | `s.top_category` | 同上 | `store.top_category` | — | mv_store_category_mix_monthly.top_category |
+| 主力品类占比 | `s.top_category_share_pct` | 同上 | `store.top_category_share_pct` | — | 同上.top_category_share_pct |
+| 面食占比 | `s.noodle_share_pct` | 同上 | `store.noodle_share_pct` | — | 同上.noodle_share_pct |
+| 外卖占比 | `s.delivery_package_share_pct` | 同上 | `store.delivery_package_share_pct` | — | 同上.delivery_package_share_pct |
+
+---
+
+### Tab4：成本分析
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 理论成本率 | `cost.cost.theoretical_cost_rate_pct` | /stores/:code/cost | `cost.theoretical_cost_rate_pct` | — | mv_store_theoretical_actual_cost_monthly |
+| 实际成本率 | `cost.cost.actual_food_cost_rate_pct` | 同上 | `cost.actual_food_cost_rate_pct` | — | 同上 |
+| 差异率 | `cost.cost.variance_to_theoretical_pct` | 同上 | `cost.variance_to_theoretical_pct` | — | 同上 |
+| 差异等级 | `cost.cost.variance_level` | 同上 | `cost.variance_level` | — | 同上 |
+| 原料分类名 | `cost.categories[].category_name` | 同上 | `categories[].category_name` | `finance_category` | mv_inventory_cost_classified_monthly.finance_category |
+| 消耗金额 | `cost.categories[].consumption_amount` | 同上 | `categories[].consumption_amount` | `sum(consumption_amount)` | 同上.consumption_amount |
+| 实际占比 | `cost.categories[].actual_cost_rate_pct` | 同上 | `categories[].actual_cost_rate_pct` | `分类消耗/总消耗*100` | — |
+| 公司基准 | `cost.categories[].benchmark_rate_pct` | 同上 | `categories[].benchmark_rate_pct` | 全门店同分类占比 | — |
+| 差异 | `cost.categories[].variance_pct` | 同上 | `categories[].variance_pct` | `actual - benchmark` | — |
+
+---
+
+### Tab5：会员分析
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 会员占比 | `member.opportunity.member_share_pct` | /stores/:code/member | `opportunity.member_share_pct` | — | mv_store_member_opportunity_monthly |
+| 公司均值会员占比 | `member.opportunity.company_member_share_pct` | 同上 | `opportunity.company_member_share_pct` | — | 同上 |
+| 复购率 | `member.repeat.repeat_rate_pct` | 同上 | `repeat.repeat_rate_pct` | — | mv_store_repeat_summary_monthly |
+| 复购收入占比 | `member.repeat.repeat_revenue_share_pct` | 同上 | `repeat.repeat_revenue_share_pct` | — | 同上 |
+| 活跃会员数 | `member.monthly.member_count` | 同上 | `monthly.member_count` | `count(*)` | v_store_member_monthly_activity |
+| 总订单数 | `member.monthly.total_orders` | 同上 | `monthly.total_orders` | `sum(orders)` | 同上 |
+| 人均订单 | `member.monthly.avg_orders` | 同上 | `monthly.avg_orders` | `avg(orders)` | 同上 |
+| 人均消费 | `member.monthly.avg_received` | 同上 | `monthly.avg_received` | `avg(received)` | 同上 |
+| 提升机会(文本) | `member.opportunity.conversion_bill_scenario` | 同上 | `opportunity.conversion_bill_scenario` | — | mv_store_member_opportunity_monthly |
+| 收入提升场景(文本) | `member.opportunity.revenue_uplift_scenario` | 同上 | `opportunity.revenue_uplift_scenario` | — | 同上 |
+
+---
+
+### Tab6：异常账单
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 账单号 | `r.bill_no` | /stores/:code/anomalies | `bill_no` | mv_risk_anomaly.bill_no |
+| 餐段 | `r.meal_period` | 同上 | `meal_period` | 同上.meal_period |
+| 消费额 | `r.consumption` | 同上 | `consumption` | 同上.consumption |
+| 优惠 | `r.discount_total` | 同上 | `discount_total` | 同上.discount_total |
+| 实收 | `r.received_total` | 同上 | `received_total` | 同上.received_total |
+| 异常原因 | `r.anomaly_reason` | 同上 | `anomaly_reason` | 同上.anomaly_reason |
+| 结账时间 | `r.closed_at` | 同上 | `closed_at` | 同上.closed_at |
+| 总数 | `anomalyDetailTotal` | 同上 | `meta.total` | — |
+
+> ⚠️ **anomalies数据源注意**：`/stores/:code/anomalies` 通过 `store_name`（非 `store_code`）关联 `mv_risk_anomaly` 视图，需先查 `dim_store` 获取 `store_name` 再查异常表。
+
+---
+
+### Tab7：人力排班
+
+#### 人力成本概览（6个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 人工成本 | `staffing.summary.wage_expense` | /stores/:code/staffing | `summary.wage_expense` | — | mv_store_operating_expense_monthly.wage_expense |
+| 人工成本率 | `staffing.summary.wage_rate_pct` | 同上 | `summary.wage_rate_pct` | — | 同上.wage_rate_pct |
+| 公司均值人工率 | `staffing.summary.avg_wage_rate` | 同上 | `summary.avg_wage_rate` | `avg(wage_rate_pct)` 排除>100% | 同上 |
+| 人效 | `staffing.summary.revenue_per_wage` | 同上 | `summary.revenue_per_wage` | `received / wage_expense` | 同上 |
+| 每单人工成本 | `staffing.summary.wage_per_bill` | 同上 | `summary.wage_per_bill` | `wage_expense / bill_count` | 同上 |
+| 公司均值人效 | `staffing.summary.avg_rev_per_wage` | 同上 | `summary.avg_rev_per_wage` | `avg(received/wage_expense)` | 同上 |
+
+#### 人力成本优化空间
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 建议人工成本 | `staffing.summary.suggested_wage` | 同上 | `summary.suggested_wage` | `received * max(20%, avgWageRate-3%) / 100` | 后端计算 |
+| 可节省金额 | `staffing.summary.wage_savings` | 同上 | `summary.wage_savings` | `wage_expense - suggested_wage` | 后端计算 |
+| 节省比例 | `staffing.summary.savings_pct` | 同上 | `summary.savings_pct` | `wage_savings / wage_expense * 100` | 后端计算 |
+
+#### 按星期排班分析
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 星期 | `weekdays[].weekday` | 同上 | `weekdays[].weekday` | — | v_store_daily |
+| 日均实收 | `weekdays[].avg_received` | 同上 | 同上 | `avg(received)` 按星期分组 | v_store_daily.received |
+| 日均账单 | `weekdays[].avg_bills` | 同上 | 同上 | `avg(bill_count)` | v_store_daily.bill_count |
+| 最高实收 | `weekdays[].max_received` | 同上 | 同上 | `max(received)` | v_store_daily.received |
+| 最低实收 | `weekdays[].min_received` | 同上 | 同上 | `min(received)` | v_store_daily.received |
+| 建议排班比 | `weekdays[].suggested_headcount_ratio` | 同上 | 同上 | `avg_received / 全周日均 * 100` | 后端计算 |
+| 排班等级 | `weekdays[].staffing_level` | 同上 | 同上 | >110%=高峰, <85%=低谷, else=正常 | — |
+| 排班建议 | `weekdays[].staffing_action` | 同上 | 同上 | 静态文本 | — |
+
+#### 餐段排班分析
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 餐段 | `meals[].meal_period` | 同上 | `meals[].meal_period` | — | v_store_meal_opportunity |
+| 账单数 | `meals[].bill_count` | 同上 | 同上 | — | 同上 |
+| 实收 | `meals[].received` | 同上 | 同上 | — | 同上 |
+| 客单价 | `meals[].avg_bill` | 同上 | 同上 | — | 同上 |
+| 账单占比 | `meals[].bill_share_pct` | 同上 | 同上 | `餐段账单/总账单*100` | 后端计算 |
+| 排班等级 | `meals[].staffing_level` | 同上 | 同上 | >40%=主力, >20%=次高峰, >5%=辅助, else=低谷 | — |
+| 排班建议 | `meals[].staffing_action` | 同上 | 同上 | 静态文本 | — |
+
+#### 日营收明细（排班参考）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 日期 | `daily[].business_date` | 同上 | `daily[].business_date` | v_store_daily.business_date |
+| 实收 | `daily[].received` | 同上 | 同上 | v_store_daily.received |
+
+---
+
+## 六、页面4：菜品成本 CostAnalysisPage
+
+> 10个Tab，每个Tab独立组件。共调用22个API（含1个POST、1个PUT）。
+> 核心数据源：`public.dish_cost_analysis_summary`（菜品成本汇总表，按月导入）+ `public.dish_cost_analysis_material_detail`（原料明细表）+ `analytics.fact_recipe_bom`（BOM配方表）。
+
+### Tab1：成本总览（OverviewTab）
+
+#### 概览指标（8个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 总销售额 | `ov.total_sales` | /cost-analysis/overview | `total_sales` | `sum(sales_amount)` | dish_cost_analysis_summary.sales_amount |
+| 理论成本合计 | `ov.total_theo_cost` | 同上 | `total_theo_cost` | `sum(theoretical_cost)` | 同上.theoretical_cost |
+| 实际成本合计 | `ov.total_actual_cost` | 同上 | `total_actual_cost` | `sum(actual_cost)` | 同上.actual_cost |
+| 成本差异 | `ov.total_variance` | 同上 | `total_variance` | `sum(cost_variance_amount)` | 同上.cost_variance_amount |
+| 平均理论毛利率 | `ov.avg_theo_margin` | 同上 | `avg_theo_margin` | `(1 - sum(theoretical_cost)/sum(sales_amount)) * 100` | 同上 |
+| 平均实际毛利率 | `ov.avg_actual_margin` | 同上 | `avg_actual_margin` | `(1 - sum(actual_cost)/sum(sales_amount)) * 100` | 同上 |
+| 低毛利菜品数 | `ov.low_margin_dishes` | 同上 | `low_margin_dishes` | `count(*) FILTER(theoretical_margin_rate_pct < 50)` | 同上.theoretical_margin_rate_pct |
+| 超理论菜品数 | `ov.over_cost_dishes` | 同上 | `over_cost_dishes` | `count(*) FILTER(cost_variance_amount > 0)` | 同上.cost_variance_amount |
+
+> **数据导入机制**：所有查询通过 `import_id` 关联 `dish_cost_analysis_import_log` 取最新月度导入批次。
+
+#### 品类成本对比
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 品类 | `cats[].category_level1` | /cost-analysis/category-comparison | `category_level1` | — | dish_cost_analysis_summary.category_level1 |
+| 菜品数 | `cats[].dishes` | 同上 | `dishes` | `count(*)` | 同上 |
+| 理论毛利率 | `cats[].avg_theo_margin` | 同上 | `avg_theo_margin` | `(1 - sum(theoretical_cost)/sum(sales_amount)) * 100` | 同上 |
+| 实际毛利率 | `cats[].avg_actual_margin` | 同上 | `avg_actual_margin` | `(1 - sum(actual_cost)/sum(sales_amount)) * 100` | 同上 |
+| 销售额 | `cats[].total_sales` | 同上 | `total_sales` | `sum(sales_amount)` | 同上 |
+| 成本差异 | `cats[].total_variance` | 同上 | `total_variance` | `sum(cost_variance_amount)` | 同上 |
+
+#### 毛利率偏差分布
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 偏差区间 | `devs[].deviation_band` | /cost-analysis/margin-deviation | `deviation_band` | CASE分组：实际-理论偏差 | dish_cost_analysis_summary |
+| 菜品数 | `devs[].cnt` | 同上 | `cnt` | `count(*)` | 同上 |
+
+#### 成本差异TOP榜
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `tops[].dish_name` | /cost-analysis/variance-top | `dish_name` | — | dish_cost_analysis_summary.dish_name |
+| 品类 | `tops[].category_level1` | 同上 | `category_level1` | — | 同上 |
+| 理论毛利率 | `tops[].theo_margin` | 同上 | `theo_margin` | `theoretical_margin_rate_pct` | 同上 |
+| 实际毛利率 | `tops[].actual_margin` | 同上 | `actual_margin` | `actual_margin_rate_pct` | 同上 |
+| 成本差异 | `tops[].cost_variance` | 同上 | `cost_variance` | `cost_variance_amount` | 同上 |
+| 销售额 | `tops[].sales_amount` | 同上 | `sales_amount` | — | 同上 |
+| 分层 | `tops[].cost_tier` | 同上 | `cost_tier` | CASE：>20%=紧急, >10%=整改, >0=关注, else=正常 | — |
+
+---
+
+### Tab2：菜品盈利（ProfitabilityTab）
+
+#### 菜单工程矩阵（散点图）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `matrixData[].dish_name` | /cost-analysis/menu-engineering | `dish_name` | — | dish_cost_analysis_summary |
+| 销量 | `matrixData[].sales_quantity` | 同上 | `sales_quantity` | — | 同上.sales_quantity |
+| 实际毛利率 | `matrixData[].actual_margin` | 同上 | `actual_margin` | `actual_margin_rate_pct` | 同上 |
+| 销售额 | `matrixData[].sales_amount` | 同上 | `sales_amount` | — | 同上 |
+| 菜单类型 | `matrixData[].menu_type` | 同上 | `menu_type` | 双中位分割：销量&毛利率各取中位数 → 明星/高销低利/低销高利/低销低利/数据异常 | — |
+
+#### 菜品盈利明细（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `profitData[].dish_name` | /cost-analysis/profitability | `dish_name` | — | dish_cost_analysis_summary |
+| 品类 | `profitData[].category_level1` | 同上 | `category_level1` | — | 同上 |
+| 销量 | `profitData[].sales_quantity` | 同上 | `sales_quantity` | — | 同上 |
+| 销售额 | `profitData[].sales_amount` | 同上 | `sales_amount` | — | 同上 |
+| 理论毛利 | `profitData[].theo_profit` | 同上 | `theo_profit` | `sales_amount - theoretical_cost` | 同上 |
+| 实际毛利 | `profitData[].actual_profit` | 同上 | `actual_profit` | `sales_amount - actual_cost` | 同上 |
+| 理论毛利率 | `profitData[].theo_margin` | 同上 | `theo_margin` | `theoretical_margin_rate_pct` | 同上 |
+| 实际毛利率 | `profitData[].actual_margin` | 同上 | `actual_margin` | `actual_margin_rate_pct` | 同上 |
+| 收入贡献度 | `profitData[].revenue_contribution` | 同上 | `revenue_contribution` | `sales_amount / sum(sales_amount) OVER() * 100` | 同上 |
+
+#### 低毛利菜品预警
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `pricingData[].dish_name` | /cost-analysis/pricing | `dish_name` | — | dish_cost_analysis_summary |
+| 售价 | `pricingData[].price` | 同上 | `price` | — | 同上.price |
+| 理论成本 | `pricingData[].theo_cost` | 同上 | `theo_cost` | `theoretical_cost` | 同上 |
+| 理论成本率 | `pricingData[].theo_cost_rate` | 同上 | `theo_cost_rate` | `theoretical_cost / price * 100` | 同上 |
+| 理论毛利率 | `pricingData[].theo_margin` | 同上 | `theo_margin` | `theoretical_margin_rate_pct` | 同上 |
+| 实际毛利率 | `pricingData[].actual_margin` | 同上 | `actual_margin` | `actual_margin_rate_pct` | 同上 |
+| 销售额 | `pricingData[].sales_amount` | 同上 | `sales_amount` | — | 同上 |
+
+> 筛选条件：`theoretical_margin_rate_pct < 50 AND sales_amount > 1000`。
+
+---
+
+### Tab3：原料差异（MaterialTab）
+
+#### 菜品原料差异分解（按菜品编码查询）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 原料 | `varianceData[].material_name` | /cost-analysis/material-variance | `material_name` | — | dish_cost_analysis_material_detail.material_name |
+| 单位 | `varianceData[].material_unit` | 同上 | `material_unit` | — | 同上.material_unit |
+| 理论用量 | `varianceData[].theo_qty` | 同上 | `theo_qty` | `theoretical_quantity` | 同上.theoretical_quantity |
+| 实际用量 | `varianceData[].actual_qty` | 同上 | `actual_qty` | `actual_quantity` | 同上.actual_quantity |
+| 数量差异 | `varianceData[].loss_qty` | 同上 | `loss_qty` | `loss_quantity` | 同上.loss_quantity |
+| 损耗率 | `varianceData[].loss_rate` | 同上 | `loss_rate` | `loss_quantity_rate_pct` | 同上.loss_quantity_rate_pct |
+| 金额差异 | `varianceData[].loss_amount` | 同上 | `loss_amount` | `loss_amount` | 同上.loss_amount |
+| 原因 | `varianceData[].reason` | 同上 | `reason` | CASE：<-100%=分摊遗漏, <-30%=份量超标, =0=未使用, else=正常损耗 | — |
+
+#### 物料损耗率分布
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 损耗区间 | `distData[].loss_band` | /cost-analysis/loss-distribution | `loss_band` | CASE分档：无损耗/轻微/轻度/中度/严重/极重/正向 | dish_cost_analysis_material_detail |
+| 明细数 | `distData[].cnt` | 同上 | `cnt` | `count(*)` | 同上 |
+
+#### 超耗物料TOP榜
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料 | `topData[].material_name` | /cost-analysis/material-loss-top | `material_name` | — | dish_cost_analysis_material_detail |
+| 类型 | `topData[].material_type` | 同上 | `material_type` | — | 同上 |
+| 涉及菜品数 | `topData[].dish_count` | 同上 | `dish_count` | `count(DISTINCT summary_id)` | 同上 |
+| 总损耗量 | `topData[].total_loss_qty` | 同上 | `total_loss_qty` | `sum(loss_quantity)` | 同上 |
+| 平均损耗率 | `topData[].avg_loss_rate` | 同上 | `avg_loss_rate` | `sum(loss_quantity)/sum(theoretical_quantity)*100` | 同上 |
+| 最大损耗率 | `topData[].max_loss_rate` | 同上 | `max_loss_rate` | `max(loss_quantity_rate_pct)` | 同上 |
+| 损耗金额 | `topData[].total_loss_amount` | 同上 | `total_loss_amount` | `sum(loss_amount)` | 同上 |
+
+#### 物料类型损耗对比
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料类型 | `typeData[].material_type` | /cost-analysis/material-type-loss | `material_type` | — | dish_cost_analysis_material_detail |
+| 明细数 | `typeData[].cnt` | 同上 | `cnt` | `count(*)` | 同上 |
+| 物料种类 | `typeData[].unique_materials` | 同上 | `unique_materials` | `count(DISTINCT material_name)` | 同上 |
+| 平均损耗率 | `typeData[].avg_loss_rate` | 同上 | `avg_loss_rate` | `sum(loss_quantity)/sum(theoretical_quantity)*100` | 同上 |
+| 损耗金额 | `typeData[].total_loss_amount` | 同上 | `total_loss_amount` | `sum(loss_amount)` | 同上 |
+
+---
+
+### Tab4：BOM与配方（BomTab）
+
+#### BOM总览（6个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| BOM覆盖率 | `ov.coverage_pct` | /cost-analysis/bom-overview | `coverage_pct` | `count(DISTINCT sku_code in BOM) / count(dim_sku) * 100` | fact_recipe_bom + dim_sku |
+| 有BOM的SKU | `ov.sku_with_bom` | 同上 | `sku_with_bom` | `count(DISTINCT sku_code)` | fact_recipe_bom.sku_code |
+| 缺BOM的SKU | `ov.sku_without_bom` | 同上 | `sku_without_bom` | `total_sku - sku_with_bom` | dim_sku - fact_recipe_bom |
+| BOM总行数 | `ov.total_bom_rows` | 同上 | `total_bom_rows` | `count(*)` | fact_recipe_bom |
+| 高损耗BOM数 | `ov.high_loss_bom` | 同上 | `high_loss_bom` | `count(*) FILTER(waste_rate > 20)` | fact_recipe_bom.waste_rate |
+| 平均物料数/SKU | `ov.avg_materials_per_sku` | 同上 | `avg_materials_per_sku` | `avg(count per sku)` | 同上 |
+
+> ⚠️ **bom-overview 无月份参数**：该API不接收month参数，BOM数据不按月区分。
+
+#### BOM复杂度明细（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| SKU编码 | `compData[].sku_code` | /cost-analysis/bom-complexity | `sku_code` | — | fact_recipe_bom.sku_code |
+| 菜品名 | `compData[].dish_name` | 同上 | `dish_name` | `dim_sku.standard_name` | dim_sku.standard_name |
+| 品类 | `compData[].category_l1` | 同上 | `category_l1` | — | dim_sku.category_l1 |
+| 原料数 | `compData[].material_count` | 同上 | `material_count` | `count(*)` | fact_recipe_bom |
+| 半成品数 | `compData[].semi_finished_count` | 同上 | `semi_finished_count` | `count(*) FILTER(major_category='半成品')` | fact_recipe_bom + dim_material |
+| 独有原料 | `compData[].unique_material_count` | 同上 | `unique_material_count` | `count(*) FILTER(ref_count=1)` | fact_recipe_bom（子查询ref_count） |
+| 高损耗原料 | `compData[].high_loss_count` | 同上 | `high_loss_count` | `count(*) FILTER(waste_rate > 20)` | fact_recipe_bom.waste_rate |
+| 复杂度 | `compData[].complexity_level` | 同上 | `complexity_level` | CASE：≤5=低, ≤10=正常, ≤15=较复杂, >15=重点评审 | — |
+
+#### 菜品物料构成（按SKU查询）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料 | `compDetail[].material_name` | /cost-analysis/bom-composition | `material_name` | — | dim_material.material_name |
+| 类型 | `compDetail[].material_type` | 同上 | `material_type` | `dim_material.major_category` | dim_material.major_category |
+| 标准毛用量 | `compDetail[].gross_qty` | 同上 | `gross_qty` | `standard_gross_quantity` | fact_recipe_bom.standard_gross_quantity |
+| 标准净用量 | `compDetail[].net_qty` | 同上 | `net_qty` | `standard_net_quantity` | fact_recipe_bom.standard_net_quantity |
+| 损耗率 | `compDetail[].waste_rate` | 同上 | `waste_rate` | — | fact_recipe_bom.waste_rate |
+| 成本占比 | `compDetail[].cost_share` | 同上 | `cost_share` | `theoretical_amount / sum(theoretical_amount) OVER(PARTITION BY summary_id) * 100` | dish_cost_analysis_material_detail |
+
+#### 高损耗BOM预警
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `lossData[].dish_name` | /cost-analysis/bom-high-loss | `dish_name` | `dim_sku.standard_name` | dim_sku |
+| 物料 | `lossData[].material_name` | 同上 | `material_name` | — | dim_material |
+| 损耗率 | `lossData[].waste_rate` | 同上 | `waste_rate` | — | fact_recipe_bom.waste_rate |
+| 出成率 | `lossData[].yield_rate` | 同上 | `yield_rate` | — | fact_recipe_bom.yield_rate |
+| 预警级别 | `lossData[].alert_level` | 同上 | `alert_level` | CASE：>100%=极端, >50%=严重, else=关注 | — |
+
+> 筛选条件：`waste_rate >= 20`。无月份参数。
+
+#### 缺BOM的SKU清单（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| SKU编码 | `missData[].sku_code` | /cost-analysis/bom-missing | `sku_code` | — | dim_sku.sku_code |
+| 菜品名 | `missData[].dish_name` | 同上 | `dish_name` | `standard_name` | dim_sku.standard_name |
+| 品类 | `missData[].category_l1` | 同上 | `category_l1` | — | dim_sku.category_l1 |
+| 销售额 | `missData[].sales_amount` | 同上 | `sales_amount` | `COALESCE(dish_cost_analysis_summary.sales_amount, 0)` | dish_cost_analysis_summary |
+| 销量 | `missData[].sales_quantity` | 同上 | `sales_quantity` | `COALESCE(dish_cost_analysis_summary.sales_quantity, 0)` | 同上 |
+
+> 筛选条件：`sku_code NOT IN (SELECT DISTINCT sku_code FROM fact_recipe_bom)`。
+
+---
+
+### Tab5：供应链与精简（SupplyTab）
+
+#### 原料共用度
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料 | `sharingData[].material_name` | /cost-analysis/material-sharing | `material_name` | — | dim_material.material_name |
+| 类型 | `sharingData[].major_category` | 同上 | `major_category` | — | dim_material.major_category |
+| 被引用SKU数 | `sharingData[].sku_count` | 同上 | `sku_count` | `count(DISTINCT sku_code)` | fact_recipe_bom.sku_code |
+| 分类 | `sharingData[].sharing_type` | 同上 | `sharing_type` | CASE：>50=核心原料, =1=独有原料, else=普通共用 | — |
+
+#### 独有原料风险（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| SKU编码 | `riskData[].sku_code` | /cost-analysis/unique-material-risk | `sku_code` | — | fact_recipe_bom |
+| 菜品名 | `riskData[].dish_name` | 同上 | `dish_name` | `dim_sku.standard_name` | dim_sku |
+| 品类 | `riskData[].category_l1` | 同上 | `category_l1` | — | dim_sku |
+| 销售额 | `riskData[].sales_amount` | 同上 | `sales_amount` | `COALESCE(dish_cost_analysis_summary.sales_amount, 0)` | dish_cost_analysis_summary |
+| 独有原料数 | `riskData[].unique_material_count` | 同上 | `unique_material_count` | `count(*) where ref_count=1` | fact_recipe_bom |
+| 风险等级 | `riskData[].risk_level` | 同上 | `risk_level` | CASE：sales<5000 & count>3=高, sales<5000=中, else=低 | — |
+
+#### SKU精简模拟器（POST）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 收入影响 | `simResult.summary.revenue_impact` | POST /cost-analysis/sku-simplify-simulate | `summary.revenue_impact` | `sum(sales_amount) for target SKUs` | dish_cost_analysis_summary |
+| 毛利影响 | `simResult.summary.profit_impact` | 同上 | `summary.profit_impact` | `sum(sales_amount - actual_cost)` | 同上 |
+| 可减少原料数 | `simResult.summary.releasable_materials` | 同上 | `summary.releasable_materials` | `count(DISTINCT material_code) 独有原料` | fact_recipe_bom |
+| 仍需采购的共用原料 | `simResult.summary.shared_materials` | 同上 | `summary.shared_materials` | `count(DISTINCT material_code) 共用原料` | 同上 |
+| 负毛利菜品数 | `simResult.summary.negative_margin_count` | 同上 | `summary.negative_margin_count` | `count(*) where actual_margin_rate_pct < 0` | dish_cost_analysis_summary |
+| 可释放物料 | `simResult.releasable_materials` | 同上 | `releasable_materials` | 独有物料明细 | fact_recipe_bom + dim_material |
+| 库存金额 | `releasable_materials[].inventory_value` | 同上 | `inventory_value` | `sum(actual_amount)` | dish_cost_analysis_material_detail |
+
+#### BOM驱动物料需求预测
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料 | `rawDemandData[].material_name` | /cost-analysis/material-demand | `material_name` | — | dim_material |
+| 类型 | `rawDemandData[].major_category` | 同上 | `major_category` | — | dim_material.major_category |
+| 单位 | `rawDemandData[].base_unit` | 同上 | `base_unit` | — | dim_material.base_unit |
+| 预计需求量 | `rawDemandData[].estimated_demand` | 同上 | `estimated_demand` | `sum(standard_gross_quantity * sales_quantity)` | fact_recipe_bom × dish_cost_analysis_summary |
+| 涉及菜品数 | `rawDemandData[].dish_count` | 同上 | `dish_count` | `count(DISTINCT sku_code)` | fact_recipe_bom |
+
+---
+
+### Tab6：包装耗材（PackagingTab）
+
+#### 包装总览（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 包装物料种类 | `ovData.packaging_types` | /cost-analysis/packaging-overview | `packaging_types` | `count(DISTINCT material_name)` | dish_cost_analysis_material_detail |
+| 包装总成本 | `ovData.total_cost` | 同上 | `total_cost` | `sum(theoretical_amount)` | 同上.theoretical_amount |
+| 总损耗量 | `ovData.total_loss_qty` | 同上 | `total_loss_qty` | `sum(loss_quantity)` | 同上.loss_quantity |
+| 高损耗包装数 | `ovData.high_loss_count` | 同上 | `high_loss_count` | `count(*) FILTER(loss_rate < -20%)` | 同上 |
+
+> 筛选条件：`material_name ~* '餐盒|餐具|打包|纸巾|碗|袋|杯|盒'`（正则匹配包装物料名称）。
+
+#### 包装物料明细（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 物料 | `detailData[].material_name` | /cost-analysis/packaging-detail | `material_name` | — | dish_cost_analysis_material_detail |
+| 涉及菜品数 | `detailData[].dish_count` | 同上 | `dish_count` | `count(DISTINCT summary_id)` | 同上 |
+| 总用量 | `detailData[].total_qty` | 同上 | `total_qty` | `sum(theoretical_quantity)` | 同上 |
+| 总成本 | `detailData[].total_cost` | 同上 | `total_cost` | `sum(theoretical_amount)` | 同上 |
+| 损耗量 | `detailData[].loss_qty` | 同上 | `loss_qty` | `sum(loss_quantity)` | 同上 |
+| 平均损耗率 | `detailData[].avg_loss_rate` | 同上 | `avg_loss_rate` | `sum(loss_quantity)/sum(theoretical_quantity)*100` | 同上 |
+| 状态 | `detailData[].status` | 同上 | `status` | CASE：<-20%=核查, <-5%=关注, else=正常 | — |
+
+---
+
+### Tab7：数据质量（QualityTab）
+
+#### 数据质量总览（3个MetricCard + 6项检查）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| BOM覆盖率 | `ovData.bom_coverage` | /cost-analysis/data-quality | `bom_coverage` | `count(DISTINCT sku_code in BOM) / count(dim_sku) * 100` | fact_recipe_bom + dim_sku |
+| 菜品匹配率 | 前端计算 | 同上 | `matched_dishes / total_dishes` | `matched_dishes / total_dishes * 100` | dish_cost_analysis_summary + dish_sales_details |
+| 物料匹配率 | 前端计算 | 同上 | `matched_materials / total_materials` | `matched_materials / total_materials * 100` | dish_cost_analysis_material_detail + inventory_cost_records |
+| 零实际用量BOM | `ovData.zero_actual_bom` | 同上 | `zero_actual_bom` | `count(*) WHERE standard_net_quantity = 0` | fact_recipe_bom |
+| 负毛利率菜品 | `ovData.negative_margin_count` | 同上 | `negative_margin_count` | `count(*) WHERE actual_margin_rate_pct < 0` | dish_cost_analysis_summary |
+| 理论负毛利菜品 | `ovData.negative_theo_margin_count` | 同上 | `negative_theo_margin_count` | `count(*) WHERE theoretical_margin_rate_pct < 0` | 同上 |
+
+#### 未匹配菜品清单（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 菜品名 | `dishData[].dish_name` | /cost-analysis/unmatched-dishes | `dish_name` | dish_cost_analysis_summary |
+| 编码 | `dishData[].dish_code` | 同上 | `dish_code` | 同上 |
+| 品类 | `dishData[].category_level1` | 同上 | `category_level1` | 同上 |
+| 销售额 | `dishData[].sales_amount` | 同上 | `sales_amount` | 同上 |
+
+> 筛选条件：`NOT EXISTS (SELECT 1 FROM dish_sales_details WHERE dish_name = s.dish_name)`。
+
+#### 未匹配物料清单（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 物料名 | `matData[].material_name` | /cost-analysis/unmatched-materials | `material_name` | dish_cost_analysis_material_detail |
+| 类型 | `matData[].material_type` | 同上 | `material_type` | 同上 |
+| 涉及菜品数 | `matData[].dish_count` | 同上 | `dish_count` | `count(DISTINCT summary_id)` |
+| 损耗金额 | `matData[].loss_amount` | 同上 | `loss_amount` | `sum(loss_amount)` |
+
+> 筛选条件：`NOT EXISTS (SELECT 1 FROM inventory_cost_records WHERE material_name = m.material_name)`。
+
+---
+
+### Tab8：门店成本（StoreTab）
+
+#### 门店成本总览（6个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店总数 | `ovData.total_stores` | /cost-analysis/store-overview | `total_stores` | `count(*)` | mv_store_theoretical_actual_cost_monthly |
+| 红色-严重超耗 | `ovData.red_count` | 同上 | `red_count` | `count(*) FILTER(variance_level='红色-严重超耗')` | 同上.variance_level |
+| 橙色-明显超耗 | `ovData.orange_count` | 同上 | `orange_count` | `count(*) FILTER(variance_level='橙色-明显超耗')` | 同上 |
+| 绿色-基本正常 | `ovData.green_count` | 同上 | `green_count` | `count(*) FILTER(variance_level='绿色-基本正常')` | 同上 |
+| 灰色-口径异常 | `ovData.gray_count` | 同上 | `gray_count` | `count(*) FILTER(variance_level='灰色-口径异常')` | 同上 |
+| 总超耗金额 | `ovData.total_variance` | 同上 | `total_variance` | `sum(food_cost_variance)` | 同上.food_cost_variance |
+
+#### 门店超耗排名（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rankData[].store_name` | /cost-analysis/store-ranking | `store_name` | — | mv_store_theoretical_actual_cost_monthly |
+| 理论成本率 | `rankData[].theo_cost_rate` | 同上 | `theo_cost_rate` | `theoretical_cost_rate_pct` | 同上 |
+| 实际成本率 | `rankData[].actual_cost_rate` | 同上 | `actual_cost_rate` | `actual_food_cost_rate_pct` | 同上 |
+| 偏差 | `rankData[].variance_pct` | 同上 | `variance_pct` | `variance_to_theoretical_pct` | 同上 |
+| 超耗金额 | `rankData[].variance_amount` | 同上 | `variance_amount` | `food_cost_variance` | 同上 |
+| 负库存项 | `rankData[].negative_item_lines` | 同上 | `negative_item_lines` | — | 同上.negative_item_lines |
+| 分级 | `rankData[].variance_level` | 同上 | `variance_level` | — | 同上.variance_level |
+
+---
+
+### Tab9：可视化探索（ExploreTab）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `scatterData[].dish_name` | /cost-analysis/scatter | `dish_name` | — | dish_cost_analysis_summary |
+| 品类 | `scatterData[].category_level1` | 同上 | `category_level1` | — | 同上 |
+| 销量(X轴) | `scatterData[].x` | 同上 | `x` | `sales_quantity` | 同上 |
+| 成本差异(Y轴) | `scatterData[].y` | 同上 | `y` | `cost_variance_amount` | 同上 |
+| 销售额(气泡大小) | `scatterData[].size` | 同上 | `size` | `sales_amount` | 同上 |
+
+---
+
+### Tab10：调整管理（AdjustmentTab）
+
+#### 子Tab：待处理建议
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品 | `diagData[].dish_name` | /cost-analysis/diagnosis | `dish_name` | — | dish_diagnosis_snapshot |
+| 品类 | `diagData[].category_l1` | 同上 | `category_l1` | — | 同上 |
+| 诊断类型 | `diagData[].diagnosis_type` | 同上 | `diagnosis_type` | — | 同上（生成时计算） |
+| 诊断详情 | `diagData[].diagnosis_detail` | 同上 | `diagnosis_detail` | — | 同上 |
+| 理论毛利率 | `diagData[].theoretical_margin_pct` | 同上 | `theoretical_margin_pct` | — | 同上 |
+| 实际毛利率 | `diagData[].actual_margin_pct` | 同上 | `actual_margin_pct` | — | 同上 |
+| 成本差异 | `diagData[].cost_variance_amount` | 同上 | `cost_variance_amount` | — | 同上 |
+| 建议动作 | `diagData[].suggested_action` | 同上 | `suggested_action` | — | 同上 |
+| 优先级 | `diagData[].priority` | 同上 | `priority` | P0/P1/P2/P3 | 同上 |
+
+> **诊断生成**：POST `/cost-analysis/diagnosis/generate` 从 `dish_cost_analysis_summary` + BOM数据生成快照写入 `dish_diagnosis_snapshot`。
+
+#### 子Tab：调整记录
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 菜品 | `adjData[].dish_name` | /cost-analysis/adjustment | `dish_name` | dish_adjustment_log |
+| 调整类型 | `adjData[].adjustment_type` | 同上 | `adjustment_type` | 同上 |
+| 执行日期 | `adjData[].effective_date` | 同上 | `effective_date` | 同上 |
+| 调整前毛利率 | `adjData[].before_theoretical_margin` | 同上 | `before_theoretical_margin` | 同上 |
+| 目标毛利率 | `adjData[].after_target_margin` | 同上 | `after_target_margin` | 同上 |
+| 决策人 | `adjData[].decided_by` | 同上 | `decided_by` | 同上 |
+| 状态 | `adjData[].status` | 同上 | `status` | 同上 |
+
+> **创建调整**：POST `/cost-analysis/adjustment` → INSERT INTO dish_adjustment_log。
+> **更新状态**：PUT `/cost-analysis/adjustment/:id` → UPDATE status。
+
+#### 子Tab：效果验证
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 调整前日均销量 | `verifyData.before_avg_daily` | /cost-analysis/adjustment/:id/verify | `before_avg_daily` | `avg(bills) 前7天` | dish_sales_details |
+| 调整后日均销量 | `verifyData.after_avg_daily` | 同上 | `after_avg_daily` | `avg(bills) 后7天` | 同上 |
+| 销量变化率 | `verifyData.sales_change_pct` | 同上 | `sales_change_pct` | `(afterAvg - beforeAvg) / beforeAvg * 100` | — |
+| 日销量趋势 | `verifyData.before/after` | 同上 | `before/after` | `count(*) per day` | dish_sales_details |
+
+---
+
+## 七、页面5：门店营业费用 StoreExpensePage
+
+> 10个Tab，每个Tab独立组件。共调用11个API（全部GET）。
+> 核心数据源：`analytics.mv_store_operating_expense_monthly`（门店营业费用月度物化视图）+ `analytics.mv_store_risk_rating_monthly`（门店风险评级月度物化视图）+ `analytics.v_operating_expense_account_monthly`（费用科目月度视图）。
+
+### Tab1：费用总览（ExpenseOverviewTab）
+
+#### 概览指标（6个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 营业收入 | `ov.total_consumption` | /store-expense/overview | `total_consumption` | `sum(consumption)` | bill_fact.consumption + mv_store_risk_rating_monthly |
+| 优惠 | `ov.total_discount` | 同上 | `total_discount` | `sum(discount)` | 同上 |
+| 实收合计 | `ov.total_received` | 同上 | `total_received` | `sum(received)` | mv_store_risk_rating_monthly.received |
+| 门店贡献利润 | `ov.total_contribution` | 同上 | `total_contribution` | `sum(received - actual_food_cost - operating_expense)` | mv_store_operating_expense_monthly |
+| 经营门店 | `ov.total_stores` | 同上 | `total_stores` | `count(*)` | mv_store_risk_rating_monthly |
+| 费用率 | `ov.overall_expense_rate_pct` | 同上 | `overall_expense_rate_pct` | `sum(operating_expense) / sum(received) * 100` | 同上 |
+
+> **数据关联机制**：overview API通过CTE `full_scope` 关联 `mv_store_risk_rating_monthly`（主表，按month_start过滤）LEFT JOIN `mv_store_operating_expense_monthly`（费用明细，按report_month过滤）LEFT JOIN `bill_fact`（消费/优惠金额）。
+
+#### 费用结构分析（PieChart + 明细表）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 费用科目 | `structureData[].account_name` | /store-expense/expense-structure | `account_name` | — | v_operating_expense_account_monthly.account_name |
+| 金额 | `structureData[].amount` | 同上 | `amount` | — | 同上.amount |
+| 占比 | `structureData[].expense_share_pct` | 同上 | `expense_share_pct` | — | 同上.expense_share_pct |
+| 门店数 | `structureData[].nonzero_cost_unit_count` | 同上 | `nonzero_cost_unit_count` | — | 同上.nonzero_cost_unit_count |
+
+> ⚠️ **CollapsibleSection subtitle 硬编码日期**：`subtitle="2026年4月各费用科目占比"` 硬编码了月份，应使用 `month` 变量动态显示。
+
+---
+
+### Tab2：门店费用率排名（StoreRankingTab）
+
+#### 门店费用率排名（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/store-ranking | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上.received |
+| 费用合计 | `rows[].operating_expense` | 同上 | `operating_expense` | — | 同上.operating_expense |
+| 费用率 | `rows[].operating_expense_rate_pct` | 同上 | `operating_expense_rate_pct` | — | 同上 |
+| 人工率 | `rows[].wage_rate_pct` | 同上 | `wage_rate_pct` | — | 同上 |
+| 租金率 | `rows[].rent_rate_pct` | 同上 | `rent_rate_pct` | — | 同上 |
+| 水电率 | `rows[].utility_rate_pct` | 同上 | `utility_rate_pct` | — | 同上 |
+| 贡献利润 | `rows[].actual_store_contribution` | 同上 | `actual_store_contribution` | — | 同上 |
+| 贡献率 | `rows[].actual_store_contribution_rate_pct` | 同上 | `actual_store_contribution_rate_pct` | — | 同上 |
+| 坪效 | `rows[].received_per_sqm` | 同上 | `received_per_sqm` | — | 同上 |
+
+> 筛选条件：filter支持 profitable/loss/zero_sales。排序白名单校验。
+
+---
+
+### Tab3：门店贡献利润（ContributionTab）
+
+#### 门店贡献利润分析（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/store-contribution | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 理论食材成本 | `rows[].theoretical_cost` | 同上 | `theoretical_cost` | — | 同上.theoretical_cost |
+| 实际食材成本 | `rows[].actual_food_cost` | 同上 | `actual_food_cost` | — | 同上.actual_food_cost |
+| 营业费用 | `rows[].operating_expense` | 同上 | `operating_expense` | — | 同上 |
+| 理论贡献 | `rows[].theoretical_store_contribution` | 同上 | `theoretical_store_contribution` | — | 同上 |
+| 理论贡献率 | `rows[].theoretical_store_contribution_rate_pct` | 同上 | `theoretical_store_contribution_rate_pct` | — | 同上 |
+| 实际贡献 | `rows[].actual_store_contribution` | 同上 | `actual_store_contribution` | `received - actual_food_cost - operating_expense` | 同上 |
+| 实际贡献率 | `rows[].actual_store_contribution_rate_pct` | 同上 | `actual_store_contribution_rate_pct` | — | 同上 |
+| 贡献差异 | `rows[].contribution_variance` | 同上 | `contribution_variance` | `actual_store_contribution - theoretical_store_contribution` | 同上 |
+
+> ⚠️ **ContributionTab 默认排序方向问题**：前端 `order` 初始值为 `'asc'`（升序），但后端 `/store-contribution` 的 `order` 参数处理为 `=== 'desc' ? 'DESC' : 'ASC'`，即非'desc'均为'ASC'。这意味着默认按贡献率升序（最差门店在前），这是合理的行为。但前端 `defaultOrder="asc"` 与 `ContributionTab` 的 `useState<'asc' | 'desc'>('asc')` 一致，无问题。
+
+---
+
+### Tab4：房租及租约风险（RentRiskTab）
+
+#### 房租及租约风险（服务端分页 + riskOnly切换）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/rent-risk | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 租金 | `rows[].rent_expense` | 同上 | `rent_expense` | — | 同上 |
+| 租金率 | `rows[].rent_rate_pct` | 同上 | `rent_rate_pct` | — | 同上 |
+| 面积(㎡) | `rows[].area_sqm` | 同上 | `area_sqm` | — | 同上 |
+| 坪效 | `rows[].received_per_sqm` | 同上 | `received_per_sqm` | — | 同上 |
+| 租约到期 | `rows[].lease_expiry_date` | 同上 | `lease_expiry_date` | — | 同上.lease_expiry_date |
+| 风险等级 | `rows[].risk_level` | 同上 | `risk_level` | CASE：≤3月=即将到期, ≤12月=年内到期, ≤18月=明年上半年到期, rent>20%=租金占比偏高, else=正常 | — |
+| 建议 | `rows[].suggestion` | 同上 | `suggestion` | CASE：按到期/租金率生成建议文本 | — |
+
+> **riskOnly 筛选**：`lease_expiry_date <= month + 12 months OR rent_rate_pct > 20`。
+> ⚠️ **租约到期日期显示**：前端使用 `new Date(r.lease_expiry_date).toLocaleDateString('zh-CN')`，后端返回的是日期类型，可能包含时间部分。根据规范应使用 `substring(0, 10)` 格式化。
+
+---
+
+### Tab5：外卖佣金分析（DeliveryTab）
+
+#### 外卖佣金分析（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/delivery-commission | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 外卖收入 | `rows[].delivery_received` | 同上 | `delivery_received` | — | 同上 |
+| 外卖占比 | `rows[].delivery_sales_share_pct` | 同上 | `delivery_sales_share_pct` | — | 同上 |
+| 佣金支出 | `rows[].delivery_commission_expense` | 同上 | `delivery_commission_expense` | — | 同上 |
+| 佣金率 | `rows[].commission_to_delivery_sales_pct` | 同上 | `commission_to_delivery_sales_pct` | — | 同上 |
+| 综合平台成本率 | `rows[].combined_platform_cost_rate_pct` | 同上 | `combined_platform_cost_rate_pct` | — | 同上 |
+| 外卖类型 | `rows[].delivery_type` | 同上 | `delivery_type` | CASE：>40%=重度依赖, >25%=外卖占比较高, >10%=正常, else=以堂食为主 | — |
+| 建议 | `rows[].suggestion` | 同上 | `suggestion` | CASE：按佣金率/外卖占比/综合成本率生成建议 | — |
+
+> 筛选条件：`delivery_received > 0`。
+
+---
+
+### Tab6：人效坪效（EfficiencyTab）
+
+#### 人效坪效分析（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/efficiency | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 面积(㎡) | `rows[].area_sqm` | 同上 | `area_sqm` | — | 同上 |
+| 坪效 | `rows[].received_per_sqm` | 同上 | `received_per_sqm` | — | 同上 |
+| 人工成本 | `rows[].wage_expense` | 同上 | `wage_expense` | — | 同上 |
+| 人工成本率 | `rows[].wage_rate_pct` | 同上 | `wage_rate_pct` | — | 同上 |
+| 人效(元/元人工) | `rows[].revenue_per_wage` | 同上 | `revenue_per_wage` | `received / wage_expense` | 同上 |
+| 账单数 | `rows[].bill_count` | 同上 | `bill_count` | — | 同上 |
+| 客单价 | `rows[].avg_ticket_size` | 同上 | `avg_ticket_size` | `received / bill_count` | 同上 |
+| 效率等级 | `rows[].efficiency_level` | 同上 | `efficiency_level` | CASE：<1000=坪效偏低, <2000=坪效一般, <4000=坪效良好, else=坪效优秀 | — |
+| 建议 | `rows[].suggestion` | 同上 | `suggestion` | CASE：按人工率/坪效/面积生成建议 | — |
+
+> 筛选条件：`received > 0 AND area_sqm IS NOT NULL`。
+> ⚠️ **效率等级缺少"坪效极低"档位**：后端 `efficiency_level` CASE 只有4档（偏低/一般/良好/优秀），但前端 `EfficiencyTab` 的颜色判断有5档（极低<500/偏低<1000/一般/良好/优秀），前端 `efficiency_level === '坪效极低'` 永远不会匹配。后端 loss-diagnosis 中的 `efficiency_status` 才有"坪效极低"档（<500）。
+
+---
+
+### Tab7：固定/变动费用（FixedVariableTab）
+
+#### 固定/变动费用拆分（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/fixed-variable | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 固定费用 | `rows[].fixed_expense` | 同上 | `fixed_expense` | `rent_expense + dorm_expense + repair_clean_expense * 0.5` | 同上 |
+| 固定费用率 | `rows[].fixed_rate_pct` | 同上 | `fixed_rate_pct` | `fixed_expense / received * 100` | 同上 |
+| 变动费用 | `rows[].variable_expense` | 同上 | `variable_expense` | `wage_expense + utility_expense + delivery_commission_expense + card_fee_expense + repair_clean_expense * 0.5` | 同上 |
+| 变动费用率 | `rows[].variable_rate_pct` | 同上 | `variable_rate_pct` | `variable_expense / received * 100` | 同上 |
+| 边际贡献(扣变动) | `rows[].contribution_after_variable` | 同上 | `contribution_after_variable` | `received - actual_food_cost - wage_expense - utility_expense - delivery_commission_expense - card_fee_expense - repair_clean_expense * 0.5` | 同上 |
+| 盈亏平衡销售额 | `rows[].break_even_sales` | 同上 | `break_even_sales` | `fixed_expense`（即 rent_expense + dorm_expense + repair_clean_expense * 0.5） | 同上 |
+
+> ⚠️ **盈亏平衡销售额计算错误**：后端 `break_even_sales` 直接等于 `fixed_expense`（固定费用），但正确的盈亏平衡公式应为 `固定费用 ÷ (1 - 食材成本率)` 或 `固定费用 ÷ 边际贡献率`。当前计算仅返回固定费用金额本身，并非真正的盈亏平衡点。Tab8 `break-even` 中的计算才是正确的。
+
+---
+
+### Tab8：盈亏平衡分析（BreakEvenTab）
+
+#### 盈亏平衡分析（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/break-even | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 食材成本 | `rows[].actual_food_cost` | 同上 | `actual_food_cost` | — | 同上 |
+| 食材成本率 | `rows[].food_cost_rate_pct` | 同上 | `food_cost_rate_pct` | `actual_food_cost / received * 100` | 同上 |
+| 营业费用 | `rows[].operating_expense` | 同上 | `operating_expense` | — | 同上 |
+| 费用率 | `rows[].expense_rate_pct` | 同上 | `expense_rate_pct` | `operating_expense / received * 100` | 同上 |
+| 盈亏平衡销售额 | `rows[].break_even_sales` | 同上 | `break_even_sales` | `operating_expense / (1 - actual_food_cost/received)` | 同上 |
+| 销售缺口 | `rows[].sales_gap` | 同上 | `sales_gap` | `received - break_even_sales` | 同上 |
+| 安全边际率 | `rows[].safety_margin_pct` | 同上 | `safety_margin_pct` | `(received - break_even_sales) / break_even_sales * 100` | 同上 |
+| 安全状态 | `rows[].safety_status` | 同上 | `safety_status` | CASE：贡献边际≤0=无法盈利, received<平衡点=未达盈亏平衡, <15%=接近, <30%=较低, else=充足 | — |
+
+> **正确的盈亏平衡公式**：`break_even_sales = operating_expense / (1 - food_cost_ratio)`，即 `营业费用 ÷ (1 - 食材成本率)`。与Tab7的简单固定费用公式不同。
+
+---
+
+### Tab9：亏损门店诊断（LossDiagnosisTab）
+
+#### 概览指标（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 亏损门店数 | `meta.total` | /store-expense/loss-diagnosis | `meta.total` | `count(*) WHERE actual_store_contribution <= 0 AND received > 0` | mv_store_operating_expense_monthly |
+| P0 紧急 | `p0Count` | 同上 | 前端计算 | `rows.filter(priority === 'P0').length` | — |
+| P1 整改 | `p1Count` | 同上 | 前端计算 | `rows.filter(priority === 'P1').length` | — |
+| 亏损金额合计 | `totalLoss` | 同上 | 前端计算 | `rows.reduce(sum + actual_store_contribution)` | — |
+
+> ⚠️ **P0/P1/亏损金额仅统计当前页**：`p0Count`、`p1Count`、`totalLoss` 是从当前页 `rows` 计算的，而非全量数据。当翻页时这些指标会变化，不具备全局统计意义。应在后端返回全量统计或单独查询。
+
+#### 亏损门店诊断明细（服务端分页 + 弹窗详情）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/loss-diagnosis | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 优先级 | `rows[].priority` | 同上 | 后端计算 | CASE：贡献率<-20%=P0, <-5%=P1, <0=P2, else=P3 | — |
+| 亏损类型 | `rows[].loss_type` | 同上 | `loss_type` | CASE：理论贡献≤0=理论即亏损, 实际超耗=实际超耗导致亏损, else=费用过高导致亏损 | — |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 贡献利润 | `rows[].actual_store_contribution` | 同上 | `actual_store_contribution` | — | 同上 |
+| 贡献率 | `rows[].actual_store_contribution_rate_pct` | 同上 | `actual_store_contribution_rate_pct` | — | 同上 |
+| 人工率 | `rows[].wage_rate_pct` | 同上 | `wage_rate_pct` | — | 同上 |
+| 租金率 | `rows[].rent_rate_pct` | 同上 | `rent_rate_pct` | — | 同上 |
+| 坪效 | `rows[].received_per_sqm` | 同上 | `received_per_sqm` | — | 同上 |
+| 亏损原因 | `rows[].diagnosis_reasons` | 同上 | 后端JS生成 | 按收入/食材/人工/租金/水电/外卖/坪效/租约/亏损类型多维度拼接 | — |
+| 建议动作 | `rows[].suggested_actions` | 同上 | 后端JS生成 | 对应改进建议动作列表 | — |
+
+> **诊断状态字段**（弹窗详情）：`revenue_status`、`food_cost_status`、`wage_status`、`rent_status`、`utility_status`、`delivery_status`、`efficiency_status`、`lease_status` 均由后端SQL CASE生成。
+> ⚠️ **租约到期日期显示**：弹窗中使用 `new Date(store.lease_expiry_date).toLocaleDateString('zh-CN')`，应使用 `substring(0, 10)` 规范格式。
+
+---
+
+### Tab10：关停/续租/改造评估（StoreEvaluationTab）
+
+#### 概览指标（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 关停评估 | `evalStats['关停评估']` | /store-expense/store-evaluation | `meta.evalStats.关停评估` | 后端全量统计 | mv_store_operating_expense_monthly |
+| 改造评估 | `evalStats['改造评估']` | 同上 | `meta.evalStats.改造评估` | 后端全量统计 | 同上 |
+| 续租评估 | `evalStats['续租评估']` | 同上 | `meta.evalStats.续租评估` | 后端全量统计 | 同上 |
+| 关注观察 | `evalStats['关注观察']` | 同上 | `meta.evalStats.关注观察` | 后端全量统计 | 同上 |
+
+> **evalStats 全量统计**：后端在返回分页数据的同时，额外执行一条全量统计SQL获取各评估类型数量，不受分页影响。与Tab9的仅当前页统计形成对比。
+
+#### 门店评估明细（服务端分页 + 弹窗详情）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `rows[].sales_store_name` | /store-expense/store-evaluation | `sales_store_name` | — | mv_store_operating_expense_monthly |
+| 优先级 | `rows[].priority` | 同上 | `priority` | CASE：received<5000=P0, 贡献率<-20%=P0, <-10%=P1, <0=P2, <10=P3, else=P4 | — |
+| 评估类型 | `rows[].evaluation_type` | 同上 | `evaluation_type` | CASE：received<5000=关停评估, 贡献率<-20%&租约到期=关停评估, 贡献率<-10%&坪效<1000=关停评估, 贡献率<0&租约到期=关停或迁址评估, 贡献率<0&坪效<1000&面积>400=改造评估, 贡献率<0&人工率>35=改造评估, 贡献率<0=关注观察, 租约≤3月=续租评估, 贡献率<10=关注观察, else=正常经营 | — |
+| 实收 | `rows[].received` | 同上 | `received` | — | 同上 |
+| 贡献利润 | `rows[].actual_store_contribution` | 同上 | `actual_store_contribution` | — | 同上 |
+| 贡献率 | `rows[].actual_store_contribution_rate_pct` | 同上 | `actual_store_contribution_rate_pct` | — | 同上 |
+| 坪效 | `rows[].received_per_sqm` | 同上 | `received_per_sqm` | — | 同上 |
+| 租约到期 | `rows[].lease_expiry_date` | 同上 | `lease_expiry_date` | 后端格式化为 `toISOString().split('T')[0]` | 同上 |
+| 评估详情 | `rows[].evaluation_detail` | 同上 | 后端JS生成 | 按评估类型生成详细说明 | — |
+
+---
+
+## 八、页面6：风险与内控 RiskPage
+
+> 单页面无子组件文件，4个Tab切换（异常账单/全额优惠/空单/收银员风险），3个API（全部GET）。
+> 核心数据源：`mv_risk_anomaly`（异常账单物化视图）、`mv_risk_zero`（零实收账单物化视图）、`mv_risk_cashier`（收银员风险物化视图）。均按 `month = to_char($1::date, 'YYYY-MM')` 过滤。
+
+### 概览指标（5个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 异常账单数 | `totalAnomaly` | /risk/anomaly | `meta.total` | `count(*)` | mv_risk_anomaly |
+| 全额优惠账单 | `zeroMeta.full_discount` | /risk/zero-received | `meta.full_discount` | `count(*) FILTER (zero_received_type='全额优惠')` | mv_risk_zero |
+| 空单账单 | `zeroMeta.empty_bill` | 同上 | `meta.empty_bill` | `count(*) FILTER (zero_received_type='无消费无优惠')` | 同上 |
+| 高风险收银员(≥10%) | `highRiskCashiers` | /risk/cashier | 前端计算 | `cashierRows.filter(anomaly_rate_pct >= 10).length` | mv_risk_cashier |
+| 平均异常率 | `avgAnomalyRate` | 同上 | 前端计算 | `sum(anomaly_rate_pct) / cashierRows.length` | 同上 |
+
+> ⚠️ **highRiskCashiers 和 avgAnomalyRate 基于全量收银员数据计算**：`/risk/cashier` 不分页，返回全量收银员列表，所以这两个指标是全局准确的。与StoreExpensePage Tab9的当前页统计问题不同。
+
+### 收银员异常账单数TOP15（BarChart）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 收银员 | `cashierChartData[].cashier` | /risk/cashier | `cashier` | — | mv_risk_cashier |
+| 异常账单数 | `cashierChartData[].anomaly_bills` | 同上 | `anomaly_bills` | `anomaly_no_received + anomaly_discount_over + anomaly_unbalanced` | 同上 |
+
+> 图表数据：取 `cashierRows` 按 `anomaly_bills` 降序排列前15条。
+
+### Tab1：异常账单（anomaly）
+
+#### 异常账单明细（服务端分页 + 多维筛选）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `anomalyRows[].store_name` | /risk/anomaly | `store_name` | — | mv_risk_anomaly |
+| 账单号 | `anomalyRows[].bill_no` | 同上 | `bill_no` | — | 同上 |
+| 餐段 | `anomalyRows[].meal_period` | 同上 | `meal_period` | — | 同上 |
+| 消费额 | `anomalyRows[].consumption` | 同上 | `consumption` | — | 同上 |
+| 优惠 | `anomalyRows[].discount_total` | 同上 | `discount_total` | — | 同上 |
+| 实收 | `anomalyRows[].received_total` | 同上 | `received_total` | — | 同上 |
+| 异常原因 | `anomalyRows[].anomaly_reason` | 同上 | `anomaly_reason` | — | 同上 |
+| 收银员 | `anomalyRows[].cashier` | 同上 | `cashier` | — | 同上 |
+| 结账时间 | `anomalyRows[].closed_at` | 同上 | `closed_at` | — | 同上 |
+
+> **筛选条件**：store（门店精确匹配）、reason（异常原因精确匹配）、cashier（ILIKE模糊搜索，前端400ms debounce）。
+> **排序白名单**：`consumption`、`discount_total`、`received_total`、`closed_at`。
+> **筛选合计**：后端在count查询中同时返回 `sum_consumption`、`sum_discount`、`sum_received`，前端显示筛选合计行。
+> **结账时间格式化**：前端使用 `r.closed_at?.substring(0, 16)` 截取前16位，符合日期格式化规范。
+
+### Tab2：全额优惠（full_discount）
+
+#### 全额优惠账单（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `zeroRows[].store_name` | /risk/zero-received | `store_name` | — | mv_risk_zero |
+| 账单号 | `zeroRows[].bill_no` | 同上 | `bill_no` | — | 同上 |
+| 餐段 | `zeroRows[].meal_period` | 同上 | `meal_period` | — | 同上 |
+| 消费额 | `zeroRows[].consumption` | 同上 | `consumption` | — | 同上 |
+| 优惠 | `zeroRows[].discount_total` | 同上 | `discount_total` | — | 同上 |
+| 收银员 | `zeroRows[].cashier` | 同上 | `cashier` | — | 同上 |
+| 结账时间 | `zeroRows[].closed_at` | 同上 | `closed_at` | — | 同上 |
+
+> API请求参数：`type='全额优惠'`，后端按 `zero_received_type = '全额优惠'` 过滤。
+> 排序：后端固定 `ORDER BY consumption DESC`，前端 `sortOptions` 不生效（未传sort参数到后端）。
+
+### Tab3：空单（empty_bill）
+
+#### 空单账单（服务端分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 同Tab2 | 同上 | /risk/zero-received | 同上 | 同上 | mv_risk_zero |
+
+> API请求参数：`type='无消费无优惠'`，后端按 `zero_received_type = '无消费无优惠'` 过滤。
+> ⚠️ **Tab2和Tab3共用同一API和组件结构**：`zeroType` 切换时触发重新请求，`zeroPage` 重置为1。
+
+### Tab4：收银员风险（cashier）
+
+#### 收银员风险明细（全量不分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 收银员 | `cashierRows[].cashier` | /risk/cashier | `cashier` | — | mv_risk_cashier |
+| 账单数 | `cashierRows[].bill_count` | 同上 | `bill_count` | — | 同上 |
+| 实收 | `cashierRows[].received` | 同上 | `received` | — | 同上 |
+| 异常账单数 | `cashierRows[].anomaly_bills` | 同上 | `anomaly_bills` | `anomaly_no_received + anomaly_discount_over + anomaly_unbalanced` | 同上 |
+| 异常率 | `cashierRows[].anomaly_rate_pct` | 同上 | `anomaly_rate_pct` | `(anomaly_bills / bill_count) * 100` | 同上 |
+| 异常消费额 | `cashierRows[].anomaly_consumption` | 同上 | `consumption_total` | — | 同上 |
+
+> ⚠️ **前端字段名与后端不匹配**：前端列 `anomaly_consumption` 对应后端返回的 `consumption_total`，前端 `render: (r) => formatCurrency(r.anomaly_consumption)` 访问的 `r.anomaly_consumption` 在后端返回中不存在（后端返回 `consumption_total`），导致该列始终显示 ¥0.00。
+> **双击行跳转**：`onRowDoubleClick` 设置 `anomalyCashier` 并切换到 anomaly Tab，用收银员名筛选异常账单。
+> **排序**：前端 `sortOptions` 有5个选项，但后端固定 `ORDER BY anomaly_bills DESC`，前端排序不生效（未传sort参数到后端）。
+
+---
+
+## 九、页面7：成本与库存 CostPage
+
+> 单页面无子组件文件，4个区块（成本概览+散点图+成本对比表+库存效率+原料分类基准），3个API（全部GET）。
+> 核心数据源：`analytics.mv_store_theoretical_actual_cost_monthly`（理论vs实际成本月度物化视图）、`analytics.mv_inventory_cost_classified_monthly`（库存分类成本月度物化视图）、`analytics.mv_store_area_efficiency_monthly`（门店面积效率月度物化视图）。均按 `month_start = $1` 过滤。
+
+### 区块1：成本概览（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 平均理论成本率 | `avgTheoreticalRate` | /cost/comparison | 前端计算 | `avg(theoretical_cost_rate_pct)` 排除口径异常 | mv_store_theoretical_actual_cost_monthly |
+| 平均实际成本率 | `avgActualRate` | 同上 | 前端计算 | `avg(actual_food_cost_rate_pct)` 排除口径异常 | 同上 |
+| 高偏差门店(>20%) | `highVarianceCount` | 同上 | 前端计算 | `filter(variance_to_theoretical_pct > 20).length` 排除口径异常 | 同上 |
+| 口径异常门店 | `abnormalRows.length` | 同上 | 前端计算 | `filter(variance_level includes '口径异常').length` | 同上 |
+
+> **口径异常处理**：前端将 `variance_level` 包含"口径异常"的门店分离为 `abnormalRows`，不纳入平均成本率和高偏差统计。显示异常门店名称列表。
+> **全量数据**：`/cost/comparison` 不分页，返回全量门店数据，前端统计是全局准确的。
+
+### 区块2：理论vs实际成本率散点图（ScatterChart）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店名 | `scatterData[].name` | /cost/comparison | `store_name` | — | mv_store_theoretical_actual_cost_monthly |
+| 理论成本率 | `scatterData[].theoretical` | 同上 | `theoretical_cost_rate_pct` | — | 同上 |
+| 实际成本率 | `scatterData[].actual` | 同上 | `actual_food_cost_rate_pct` | — | 同上 |
+| 偏差 | `scatterData[].variance` | 同上 | `variance_to_theoretical_pct` | — | 同上 |
+
+> 散点图排除口径异常门店。X轴=理论成本率，Y轴=实际成本率，对角线参考线表示理论=实际。偏离对角线越多偏差越大。
+> **动态坐标轴**：`useMemo` 计算数据范围 ±1 作为domain，空数据时默认 [0,40]×[0,50]。
+
+### 区块3：门店成本对比表（FilterableTable，全量不分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `costRows[].store_name` | /cost/comparison | `store_name` | — | mv_store_theoretical_actual_cost_monthly |
+| 理论成本率 | `costRows[].theoretical_cost_rate_pct` | 同上 | `theoretical_cost_rate_pct` | — | 同上 |
+| 实际成本率 | `costRows[].actual_food_cost_rate_pct` | 同上 | `actual_food_cost_rate_pct` | — | 同上 |
+| 偏差 | `costRows[].variance_to_theoretical_pct` | 同上 | `variance_to_theoretical_pct` | — | 同上 |
+| 偏差等级 | `costRows[].variance_level` | 同上 | `variance_level` | — | 同上 |
+| 实际食材成本 | `costRows[].actual_food_cost` | 同上 | `actual_food_cost` | — | 同上 |
+
+> **筛选**：`filterKey="variance_level"` 按偏差等级筛选。**排序**：前端 `sortOptions` 有5个选项，但后端固定 `ORDER BY variance_to_theoretical_pct DESC`，前端排序为客户端排序（全量数据）。
+> ⚠️ **前端排序 vs 后端排序**：`/cost/comparison` 不分页返回全量数据，`FilterableTable` 未设 `serverSide`，排序在前端完成，是有效的。
+
+### 区块4：库存效率（FilterableTable，懒加载）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `invRows[].store_name` | /cost/inventory | `store_name` | — | mv_store_area_efficiency_monthly + mv_store_theoretical_actual_cost_monthly |
+| 业态 | `invRows[].business_type` | 同上 | `business_type` | — | mv_store_area_efficiency_monthly |
+| 规模 | `invRows[].scale_tier` | 同上 | `scale_tier` | — | 同上 |
+| 库存天数 | `invRows[].estimated_inventory_days` | 同上 | `estimated_inventory_days` | — | 同上 |
+| 期末库存 | `invRows[].ending_inventory_amount` | 同上 | `ending_inventory_amount` | — | mv_store_theoretical_actual_cost_monthly |
+| 负耗用行数 | `invRows[].negative_item_lines` | 同上 | `negative_item_lines` | — | 同上 |
+
+> **懒加载**：`enabled: invOpen`，仅在CollapsibleSection展开时请求。`onToggle={setInvOpen}` 控制展开状态。
+> **数据关联**：`mv_store_area_efficiency_monthly` LEFT JOIN `mv_store_theoretical_actual_cost_monthly` ON store_code + month_start。
+
+### 区块5：原料分类成本基准（FilterableTable，懒加载）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `catRows[].store_name` | /cost/category-benchmark | `store_name` | — | mv_inventory_cost_classified_monthly |
+| 财务分类 | `catRows[].finance_category` | 同上 | `finance_category` | — | 同上 |
+| 实际成本 | `catRows[].actual_category_cost` | 同上 | `actual_category_cost` | `sum(consumption_amount) GROUP BY store_name, finance_category` | 同上 |
+| 每万元成本 | `catRows[].cost_per_10k_sales` | 同上 | `cost_per_10k_sales` | `actual_category_cost / sales_received * 10000` | 同上 + mv_store_theoretical_actual_cost_monthly |
+| 同业中位 | `catRows[].peer_median_cost_per_10k` | 同上 | `peer_median_cost_per_10k` | `percentile_cont(0.5) WITHIN GROUP (ORDER BY cost_per_10k_sales)` 按分类 | — |
+| 超出同业 | `catRows[].excess_vs_peer_per_10k` | 同上 | `excess_vs_peer_per_10k` | `cost_per_10k_sales - peer_median` | — |
+
+> **懒加载**：`enabled: catOpen`。**同业基准**：使用 `percentile_cont(0.5)` 计算各财务分类的每万元成本中位数作为同业基准。
+
+---
+
+## 十、页面8：会员与复购 MemberPage
+
+> 单页面无子组件文件，4个区块（会员概览+对比图+对比明细+复购率），2个API（全部GET）。
+> 核心数据源：`analytics.bill_fact`（账单事实表，按closed_at月份过滤）、`analytics.v_store_repeat_summary_monthly`（门店复购汇总月度视图，按month_start过滤）。
+
+### 区块1：会员概览（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 会员账单占比 | `memberBillShare` | /member/comparison | 前端计算 | `memberRow.bill_count / (memberRow.bill_count + nonMemberRow.bill_count) * 100` | bill_fact |
+| 会员收入占比 | `memberRevenueShare` | 同上 | 前端计算 | `memberRow.received / (memberRow.received + nonMemberRow.received) * 100` | 同上 |
+| 平均复购率 | `avgRepeatRate` | /member/repeat | 前端计算 | `avg(repeat_rate_pct)` | v_store_repeat_summary_monthly |
+| 低复购门店(<30%) | `lowRepeatCount` | 同上 | 前端计算 | `filter(repeat_rate_pct < 30).length` | 同上 |
+
+> **全量数据**：两个API均不分页，返回全量数据，前端统计全局准确。
+
+### 区块2：会员vs非会员消费对比（BarChart + PieChart）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 客户类型 | `cmpChartData[].name` | /member/comparison | `customer_type` | `CASE WHEN member_id IS NULL THEN '非会员' ELSE '会员'` | bill_fact |
+| 账单数 | `cmpChartData[].账单数` | 同上 | `bill_count` | `count(*)` | 同上 |
+| 实收 | `cmpChartData[].实收` | 同上 | `received` | `sum(received_total)` | 同上 |
+| 客单价 | `cmpChartData[].客单价` | 同上 | `avg_bill_value` | `avg(received_total)` | 同上 |
+
+> BarChart双Y轴：左轴=账单数+实收，右轴=客单价。PieChart显示会员/非会员账单数占比。
+
+### 区块3：会员与非会员指标对比（FilterableTable，全量不分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 客户类型 | `cmpRows[].customer_type` | /member/comparison | `customer_type` | — | bill_fact |
+| 账单数 | `cmpRows[].bill_count` | 同上 | `bill_count` | `count(*)` | 同上 |
+| 实收 | `cmpRows[].received` | 同上 | `received` | `sum(received_total)` | 同上 |
+| 客单价 | `cmpRows[].avg_bill_value` | 同上 | `avg_bill_value` | `avg(received_total)` | 同上 |
+| 优惠率 | `cmpRows[].discount_rate_pct` | 同上 | `discount_rate_pct` | `sum(discount_total) / sum(consumption) * 100` | 同上 |
+| 理论毛利率 | `cmpRows[].theoretical_margin_pct` | 同上 | `theoretical_margin_pct` | `sum(theoretical_profit) / sum(received_total) * 100` | 同上 |
+
+> 仅2行数据（会员/非会员），客户端排序有效。
+
+### 区块4：门店复购率（FilterableTable，全量不分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 门店 | `repeatRows[].store_name` | /member/repeat | `store_name` | — | v_store_repeat_summary_monthly |
+| 识别会员数 | `repeatRows[].identified_members` | 同上 | `identified_members` | — | 同上 |
+| 复购会员数 | `repeatRows[].repeat_members` | 同上 | `repeat_members` | — | 同上 |
+| 复购率 | `repeatRows[].repeat_rate_pct` | 同上 | `repeat_rate_pct` | — | 同上 |
+| 人均消费次数 | `repeatRows[].avg_orders` | 同上 | `avg_orders` | — | 同上 |
+| 复购收入占比 | `repeatRows[].repeat_revenue_share_pct` | 同上 | `repeat_revenue_share_pct` | — | 同上 |
+
+> **筛选**：`filterKey="store_name"` 按门店筛选。**排序**：前端 `sortOptions` 客户端排序（全量数据，有效）。后端固定 `ORDER BY repeat_rate_pct DESC`。
+> **复购率颜色**：≥50%绿色，≥30%黄色，<30%红色。
+
+### 发现的问题汇总
+
+> MemberPage 无发现新问题。页面结构简洁，API与前端字段匹配，全量数据统计准确，日期无特殊格式化需求。
+
+---
+
+## 十一、页面9：商品SKU管理 SKUPage
+
+> 单页面无子组件文件，5个区块（SKU概览+ABC分布图+品类分布+SKU明细+长尾治理），2个API（全部GET）。
+> 核心数据源：`analytics.mv_dish_sku_abc_monthly`（菜品SKU ABC分析月度物化视图，按month_start过滤）、`analytics.category_summary`（品类汇总表，无月份过滤）。
+
+### 区块1：SKU概览（4个MetricCard）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 总SKU数 | `totalSku` | /sku/abc | 前端计算 | `data.length` | mv_dish_sku_abc_monthly |
+| A类SKU(核心) | `abcSummary['A-核心']?.sku_count` | 同上 | 前端计算 | `reduce(abc_class='A-核心').count` | 同上 |
+| C类SKU(长尾) | `cClassCount` | 同上 | 前端计算 | `abcSummary['C-长尾']?.sku_count` | 同上 |
+| 低价值SKU(<¥1000) | `lowValueSku` | 同上 | 前端计算 | `filter(received_amount < 1000).length` | 同上 |
+
+> **全量数据**：`/sku/abc` 不分页，返回全量SKU列表，前端统计全局准确。
+
+### 区块2：SKU ABC分布（PieChart）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| ABC分类 | `abcPieData[].name` | /sku/abc | `abc_class` | — | mv_dish_sku_abc_monthly |
+| SKU数量 | `abcPieData[].value` | 同上 | 前端计算 | `reduce(sku_count++)` | 同上 |
+| 实收 | `abcPieData[].received` | 同上 | 前端计算 | `reduce(received_amount +=)` | 同上 |
+
+> PieChart按ABC分类显示SKU数量分布，Tooltip同时显示SKU数和实收金额。
+
+### 区块3：品类实收分布（BarChart）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 品类名 | `catRows[].category_name` | /sku/category | `category_name` | — | category_summary |
+| 实收 | `catRows[].amount` | 同上 | `amount` | — | 同上 |
+
+> BarChart取 `catRows.slice(0, 10)` 前10个品类。水平柱状图，Y轴=品类名，X轴=金额。
+> ⚠️ **`/sku/category` 无月份过滤**：后端查询 `SELECT * FROM analytics.category_summary ORDER BY amount DESC`，不接受month参数，返回全量品类汇总。前端也未传month参数。如果品类数据需要按月过滤，此处存在口径不一致。
+
+### 区块4：SKU明细（FilterableTable，全量不分页）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品名称 | `skuRows[].dish_name` | /sku/abc | `dish_name` | — | mv_dish_sku_abc_monthly |
+| 一级品类 | `skuRows[].category_level1` | 同上 | `category_level1` | — | 同上 |
+| ABC分类 | `skuRows[].abc_class` | 同上 | `abc_class` | — | 同上 |
+| 象限 | `skuRows[].sales_quadrant` | 同上 | `sales_quadrant` | — | 同上 |
+| 覆盖门店 | `skuRows[].store_count` | 同上 | `store_count` | — | 同上 |
+| 账单数 | `skuRows[].bill_count` | 同上 | `bill_count` | — | 同上 |
+| 实收 | `skuRows[].received_amount` | 同上 | `received_amount` | — | 同上 |
+| 占比 | `skuRows[].revenue_share_pct` | 同上 | `revenue_share_pct` | — | 同上 |
+| 优惠率 | `skuRows[].discount_rate_pct` | 同上 | `discount_rate_pct` | — | 同上 |
+
+> **筛选**：`filterKey="abc_class"` 按ABC分类筛选。**排序**：前端客户端排序（全量数据，有效）。后端固定 `ORDER BY cumulative_revenue_share`。
+
+### 区块5：长尾治理建议（3个可展开区块）
+
+#### 5a. 低价值SKU（received_amount < 1000）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 菜品名称 | `lowValueSkuRows[].dish_name` | /sku/abc | `dish_name` | — | mv_dish_sku_abc_monthly |
+| 一级品类 | `lowValueSkuRows[].category_level1` | 同上 | `category_level1` | — | 同上 |
+| ABC分类 | `lowValueSkuRows[].abc_class` | 同上 | `abc_class` | — | 同上 |
+| 覆盖门店 | `lowValueSkuRows[].store_count` | 同上 | `store_count` | — | 同上 |
+| 账单数 | `lowValueSkuRows[].bill_count` | 同上 | `bill_count` | — | 同上 |
+| 实收 | `lowValueSkuRows[].received_amount` | 同上 | `received_amount` | — | 同上 |
+
+> 前端筛选：`received_amount < 1000`，按 `received_amount` 升序排列。`filterKey="category_level1"` 按品类筛选。
+
+#### 5b. 单店专属SKU（store_count <= 1）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 同5a | `singleStoreSkuRows[]` | /sku/abc | 同上 | `filter(store_count <= 1)` | 同上 |
+
+#### 5c. 合并/归档候选（套餐/赠品/餐具类）
+
+| 显示指标 | 前端变量 | API | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|---------|
+| 同5a | `mergeCandidateRows[]` | /sku/abc | 同上 | `filter(dish_name includes 套餐/赠/餐具/打包/纸巾/调料包)` | 同上 |
+
+> 前端按菜品名称关键词筛选合并候选，按 `received_amount` 升序排列。
+
+---
+
+## 十二、页面10：企业协同管理 EnterprisePage
+
+> 单页面10个Tab，13个API（12个GET + 2个mutation），无MonthPicker。
+> 核心数据源：`analytics.v3_*` 系列业务管理表（供应商、采购订单、审批流、消息、HR、培训、营销、财务、闭环、审计）。
+
+### Tab1：供应链SRM（supplier）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/suppliers | analytics.v3_supplier_master | 供应商主数据，按overall_score降序 |
+| /enterprise/purchase-orders | analytics.v3_purchase_order | 采购订单，按created_at降序，LIMIT 100 |
+
+> MetricCard：供应商总数、战略供应商、采购订单数、淘汰供应商。
+> PieChart：供应商分级分布（战略/优选/合格/淘汰）。
+> 日期格式化：`r.order_date?.substring(0, 10)` ✅
+
+### Tab2：供应商对标（benchmark）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/supplier-benchmark | v3_purchase_order_item + v3_purchase_order + v3_supplier_master | 跨供应商同SKU价格对比，CTE查询 |
+
+> MetricCard：对标SKU数、价格差异大(>20%)、有优化空间(10-20%)、潜在节约。
+> 后端返回 `{ summary, benchmarks }` 结构，前端正确解构。
+
+### Tab3：审批流（approval）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/approvals | analytics.v3_approval_request | 审批请求列表，LIMIT 100 |
+| POST /enterprise/approvals/:id/approve | 同上 + v3_approval_step | 审批操作mutation |
+
+> MetricCard：审批总数、待审批、已审批。
+> 日期格式化：`(r.created_at || '').substring(0, 19).replace('T', ' ')` ✅
+
+### Tab4：消息中心（notification）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/notifications | analytics.v3_notification | 按user_id或user_role过滤，LIMIT 50 |
+| PATCH /enterprise/notifications/:id/read | 同上 | 标记已读mutation |
+
+> MetricCard：消息总数、未读、已读。
+
+### Tab5：HR人才（hr）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/hr/talent-matrix | analytics.dim_employee + analytics.store_task | 人才九宫格（绩效×潜力），LIMIT 200 |
+
+> MetricCard：人才总数、明星员工、核心员工、潜力员工。
+> ⚠️ **potential_score 硬编码为60**：后端 `COALESCE(60, 60) AS potential_score`，这意味着所有员工的潜力分都是60，九宫格的"潜力"维度实际上没有区分度。只有performance_score有变化（基于store_task完成情况）。
+
+### Tab6：培训LMS（lms）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/training/courses | analytics.v3_training_course | 课程列表 |
+| /enterprise/training/records | analytics.v3_learning_record | 学习记录，LIMIT 100 |
+
+> MetricCard：课程总数、学习记录数、已完成、未完成。
+> 日期格式化：`(r.created_at || '').substring(0, 10)` ✅
+
+### Tab7：营销MA（marketing）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/campaigns | analytics.v3_marketing_campaign | 营销活动列表，LIMIT 100 |
+| /enterprise/coupons | analytics.v3_coupon | 券码列表，LIMIT 100 |
+
+> MetricCard：活动总数、进行中、券码总数、已核销。
+> 日期格式化：`(r.start_date || '').substring(0, 10)` ✅
+
+### Tab8：财务ERP（finance）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/budgets | analytics.v3_budget | 按年度过滤，默认当前年 |
+
+> MetricCard：预算总数、总预算、总实际。
+> 日期格式化：`r.month?.substring(0, 10)` ✅
+
+### Tab9：闭环验证（loop）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/loop-verification | analytics.v3_loop_verification | 闭环验证列表，LIMIT 100 |
+
+> MetricCard：验证总数、已完成、需升级。
+> 日期格式化：`(r.check_date || '').substring(0, 10)` ✅
+
+### Tab10：审计日志（audit）
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /enterprise/audit-logs | analytics.v3_audit_log | 审计日志，LIMIT 100 |
+
+> 日期格式化：`(r.created_at || '').substring(0, 19).replace('T', ' ')` ✅
+
+---
+
+## 十三、页面11：态势感知 SituationalAwarenessPage
+
+> 单页面4个Tab（健康度/预警/关联/趋势），4个API（全部GET），有MonthPicker。
+> 核心数据源：`analytics.mv_store_risk_rating_monthly`、`analytics.mv_store_theoretical_actual_cost_monthly`、`analytics.mv_store_repeat_summary_monthly`、`analytics.store_task`、`analytics.mv_daily_revenue`、`public.dish_cost_analysis_summary`、`salary_detail_records`、`analytics.mv_store_platform_economics_monthly`、`bill_records`、`mv_bill_hourly`、`mv_store_hourly_staffing`、`public.store_name_mapping`。
+
+### Tab1：健康度评分（health）
+
+#### API: /situational-awareness/health-score
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 门店 | `rows[].store_name` | `store_name` | — | mv_store_risk_rating_monthly |
+| 健康分 | `rows[].health_score` | `health_score` | 8维加权求和（满分100） | 多表CTE |
+| 状态 | `rows[].health_status` | `health_status` | ≥75健康, ≥55亚健康, <55需干预 | — |
+| 风险 | `rows[].risk_level` | `risk_level` | — | mv_store_risk_rating_monthly |
+| 实收 | `rows[].received` | `received` | — | 同上 |
+| 客单价 | `rows[].avg_bill_value` | `avg_bill_value` | — | 同上 |
+| 毛利率 | `rows[].avg_margin` | `avg_margin` | `COALESCE(theoretical_margin_pct, 0)` | 同上 |
+| 成本差异率 | `rows[].avg_cost_variance_pct` | `avg_cost_variance_pct` | `avg(LEAST(variance_to_theoretical_pct, 50))` | mv_store_theoretical_actual_cost_monthly |
+| 复购率 | `rows[].repeat_rate_pct` | `repeat_rate_pct` | `max(repeat_rate_pct)` | mv_store_repeat_summary_monthly |
+| 任务完成率 | `rows[].task_completion_rate` | `task_completion_rate` | `count(status IN ('已验收','已回滚')) / count(*) * 100` | store_task |
+
+> **8维评分体系**：营收规模(20)、成本控制(20)、毛利率(15)、风险等级(10)、复购率(10)、会员占比(10)、任务完成(10)、客单价(5) = 100分。
+> **数据权限**：支持 `getDataScope` 按角色过滤门店。
+> **弹窗详情**：点击行展示RadarChart雷达图 + 各维度进度条 + 原始指标 + 跳转门店详情按钮。
+> **全量数据**：不分页，客户端排序和筛选。
+
+### Tab2：预警中心（alerts）
+
+#### API: /situational-awareness/alerts
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 总预警 | `d.total` | `total` | `alerts.length` | 多源 |
+| 红色预警 | `d.red` | `red` | `filter(level='red').length` | 多源 |
+| 橙色预警 | `d.orange` | `orange` | `filter(level='orange').length` | 多源 |
+| 预警列表 | `alerts[]` | `alerts` | 5类预警合并 | 多源 |
+
+> **5类预警**（Promise.all并行查询）：
+> 1. **营收异动**（revenue, red）：日营收 < 月均70%，`mv_daily_revenue`，LIMIT 10
+> 2. **成本异动**（cost, red）：成本差异率>30%，`dish_cost_analysis_summary`，LIMIT 10
+> 3. **人力异动**（hr, red/orange）：考勤异常>3人，`salary_detail_records`，LIMIT 10
+> 4. **平台依赖**（platform, orange）：外卖占比>40%，`mv_store_platform_economics_monthly`，LIMIT 10
+> 5. **任务逾期**（task, red/orange）：逾期任务，`store_task`，LIMIT 10
+>
+> **前端分页**：客户端分页 PAGE_SIZE=20，使用 `SearchSelect` 做门店/类型/等级三维筛选。
+> ⚠️ **预警查询部分不使用month参数**：revenue和cost预警查询不传month参数，使用全局最新数据。
+
+### Tab3：关联分析（correlation）
+
+#### API: /situational-awareness/correlation
+
+返回4组关联分析数据：
+
+| 数据组 | 前端变量 | API字段 | 数据源表 | 说明 |
+|--------|---------|---------|---------|------|
+| 成本-风险 | `costRiskRows` | `cost_risk` | mv_store_risk_rating_monthly + mv_store_theoretical_actual_cost_monthly | 成本差异率×风险等级关联状态 |
+| 渠道-会员 | `channelRiskRows` | `channel_risk` | mv_store_risk_rating_monthly + mv_store_platform_economics_monthly + mv_store_repeat_summary_monthly | 平台占比×会员占比三角分析 |
+| 考勤-营收 | `hrRevenueRows` | `hr_revenue` | salary_detail_records + v_store_scorecard + store_name_mapping | 出勤率×营收人效关联 |
+| 客流-人力 | `staffingRows` | `staffing_efficiency` | mv_bill_hourly + mv_store_hourly_staffing | 每小时账单×在岗人数匹配度 |
+
+> **散点图**：成本-风险关联，X=日均实收，Y=超耗率，颜色=风险等级。
+> **4个FilterableTable**：每个都有 `filterKey` + `sortOptions` + `statusFilterKey` + `statusOptions`，客户端排序。
+> ⚠️ **客流-人力匹配查询有容错处理**：`mv_store_hourly_staffing` 可能不存在，try-catch返回空数组。
+> ⚠️ **考勤-营收关联不使用month参数**：`salary_detail_records` 查询无month过滤，使用全量数据。`v_store_scorecard` 也无month过滤。
+
+### Tab4：趋势预测（forecast）
+
+#### API: /situational-awareness/forecast
+
+| 数据组 | 前端变量 | API字段 | 数据源表 | 说明 |
+|--------|---------|---------|---------|------|
+| 客流预测 | `trafficRows` | `traffic_forecast` | bill_records | 按工作日/周末×小时P85分位预测 |
+| 成本趋势 | `costTrendRows` | `cost_trend` | dish_cost_analysis_summary | 成本差异恶化TOP20 |
+| 人员流失 | `turnoverRows` | `turnover_alert` | salary_detail_records | 有离职的门店流失率排名 |
+
+> **客流预测**：从 `bill_records` 按小时×日类型聚合，计算 avg/P50/P85/波动率，稳定性分级。
+> **LineChart**：工作日和周末分别画两条LineChart（avg_bills + p85_bills + p50_bills）。
+> ⚠️ **成本趋势查询不使用month参数**：`dish_cost_analysis_summary` 查询无month/import_id过滤，使用全量最新数据。LIMIT 20。
+> **人员流失**：按month参数过滤 leave_date 和 hire_date。
+
+---
+
+## 十四、页面12：门店详情 StoreDetailPage
+
+> 单页面7个Tab（概览/餐段/品类/成本/会员/异常/任务），8个API（全部GET），有MonthPicker。
+> 通过URL参数 `:code` 获取门店编码，复用 `/situational-awareness/health-score` API 获取健康度数据。
+> 核心数据源：`bill_records`、`analytics.mv_store_risk_rating_monthly`、`analytics.mv_store_platform_economics_monthly`、`analytics.mv_store_benchmark_composite_monthly`、`analytics.mv_store_action_priority_deep_monthly`、`analytics.bill_fact`、`analytics.mv_store_category_mix_monthly`、`analytics.mv_store_theoretical_actual_cost_monthly`、`analytics.mv_inventory_cost_classified_monthly`、`analytics.mv_store_member_opportunity_monthly`、`analytics.mv_store_repeat_summary_monthly`、`analytics.v_store_member_monthly_activity`、`mv_risk_anomaly`、`analytics.dim_store`。
+
+### API总览
+
+| API | Tab | 数据源表 | 说明 |
+|-----|-----|---------|------|
+| /stores/:code | 全局 | bill_records + mv_store_risk_rating_monthly + mv_store_platform_economics_monthly + mv_store_benchmark_composite_monthly + mv_store_action_priority_deep_monthly | 门店scorecard+风险+平台+基准+行动优先级 |
+| /situational-awareness/health-score | 概览 | 同SituationalAwarenessPage Tab1 | 复用健康度API，前端filter by store_code |
+| /stores/:code/daily | 概览 | bill_records | 日度实收趋势 |
+| /stores/:code/meal-period | 餐段 | analytics.bill_fact | 餐段分析+全网对标 |
+| /stores/:code/category-mix | 品类 | analytics.mv_store_category_mix_monthly | 门店vs公司品类结构 |
+| /stores/:code/cost | 成本 | mv_store_theoretical_actual_cost_monthly + mv_inventory_cost_classified_monthly | 成本概览+原料分类对标 |
+| /stores/:code/member | 会员 | mv_store_member_opportunity_monthly + mv_store_repeat_summary_monthly + v_store_member_monthly_activity | 会员占比+复购+月度活跃 |
+| /stores/:code/anomalies | 异常 | mv_risk_anomaly | 异常账单分页查询 |
+| /tasks | 任务 | analytics.store_task | 门店任务列表 |
+
+### Tab1：概览（overview）
+
+| 显示指标 | 前端变量 | API | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 门店名 | `sc.store_name` | /stores/:code | `scorecard.store_name` | bill_records |
+| 健康分 | `health.health_score` | /situational-awareness/health-score | `health_score` | 多表CTE |
+| 风险等级 | `risk.risk_level` | /stores/:code | `risk.risk_level` | mv_store_risk_rating_monthly |
+| 经营象限 | `quadrant` | 同上 | 前端计算 | 日均营收≥18642 & 毛利率≥70% |
+| 实收 | `sc.received` | 同上 | `scorecard.received` | bill_records |
+| 账单数 | `sc.bill_count` | 同上 | `scorecard.bill_count` | 同上 |
+| 客单价 | `sc.avg_bill_value` | 同上 | `scorecard.avg_bill_value` | 同上 |
+| 优惠率 | `sc.discount_rate_pct` | 同上 | `scorecard.discount_rate_pct` | 同上 |
+| 理论毛利率 | `sc.theoretical_margin_pct` | 同上 | `scorecard.theoretical_margin_pct` | 同上 |
+| 会员占比 | `sc.member_bill_share_pct` | 同上 | `scorecard.member_bill_share_pct` | 同上 |
+| 日均实收 | `risk.avg_daily_received` | 同上 | `risk.avg_daily_received` | mv_store_risk_rating_monthly |
+| 平台实收 | `sd.platform.*` | 同上 | `platform.*` | mv_store_platform_economics_monthly |
+
+> **健康度雷达图**：复用SituationalAwarenessPage的8维评分体系，RadarChart + 进度条。
+> **日度趋势**：LineChart显示日实收和客单价。X轴 `business_date.substring(5, 10)` ✅。
+> **偏差指标**：前端硬编码公司均值 `{ daily_rev: 20144, bill: 36.8, ... }`，与后端计算的中位数(18642)不一致。
+
+### Tab2：餐段分析（meal）
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 餐段 | `mealRows[].meal_period` | `meal_period` | — | bill_fact |
+| 账单数 | `mealRows[].bill_count` | `bill_count` | — | 同上 |
+| 实收 | `mealRows[].received` | `received` | `sum(received_total)` | 同上 |
+| 平均单价 | `mealRows[].avg_bill` | `avg_bill` | `sum(received_total)/count(*)` | 同上 |
+| 全网均价 | `mealRows[].network_avg_bill` | `network_avg_bill` | 全网同餐段均值 | 同上 |
+| vs全网 | `mealRows[].vs_network_pct` | `vs_network_pct` | `(avg_bill/network_avg_bill - 1) * 100` | — |
+
+> BarChart + FilterableTable，客户端排序。
+
+### Tab3：品类结构（category）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 门店品类 | `cat.store.*` | `store.*` | mv_store_category_mix_monthly |
+| 公司品类 | `cat.company.*` | `company.*` | 同上（全量汇总） |
+
+> PieChart（门店品类占比） + BarChart（门店vs公司占比对比） + 4个MetricCard。
+> 品类包括：兰州拉面、西式简餐、外卖套餐、冷菜、丝路美食。
+
+### Tab4：成本分析（cost）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 理论成本率 | `cost.cost.theoretical_cost_rate_pct` | `theoretical_cost_rate_pct` | mv_store_theoretical_actual_cost_monthly |
+| 实际成本率 | `cost.cost.actual_food_cost_rate_pct` | `actual_food_cost_rate_pct` | 同上 |
+| 差异率 | `cost.cost.variance_to_theoretical_pct` | `variance_to_theoretical_pct` | 同上 |
+| 差异等级 | `cost.cost.variance_level` | `variance_level` | 同上 |
+| 原料分类 | `cost.categories[]` | `categories` | mv_inventory_cost_classified_monthly |
+
+> FilterableTable展示原料分类成本对标，含消耗金额、实际占比、公司基准、差异。
+
+### Tab5：会员分析（member）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 会员占比 | `member.opportunity.member_share_pct` | `opportunity.member_share_pct` | mv_store_member_opportunity_monthly |
+| 公司均值 | `member.opportunity.company_member_share_pct` | `opportunity.company_member_share_pct` | 同上 |
+| 复购率 | `member.repeat.repeat_rate_pct` | `repeat.repeat_rate_pct` | mv_store_repeat_summary_monthly |
+| 复购收入占比 | `member.repeat.repeat_revenue_share_pct` | `repeat.repeat_revenue_share_pct` | 同上 |
+| 活跃会员数 | `member.monthly.member_count` | `monthly.member_count` | v_store_member_monthly_activity |
+| 人均订单 | `member.monthly.avg_orders` | `monthly.avg_orders` | 同上 |
+| 人均消费 | `member.monthly.avg_received` | `monthly.avg_received` | 同上 |
+
+> 提升机会文案：`member.opportunity.conversion_bill_scenario` + `revenue_uplift_scenario`。
+
+### Tab6：异常账单（anomaly）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 账单号 | `anomalyRows[].bill_no` | `bill_no` | mv_risk_anomaly |
+| 餐段 | `anomalyRows[].meal_period` | `meal_period` | 同上 |
+| 消费额 | `anomalyRows[].consumption` | `consumption` | 同上 |
+| 优惠 | `anomalyRows[].discount_total` | `discount_total` | 同上 |
+| 实收 | `anomalyRows[].received_total` | `received_total` | 同上 |
+| 异常原因 | `anomalyRows[].anomaly_reason` | `anomaly_reason` | 同上 |
+| 结账时间 | `anomalyRows[].closed_at` | `closed_at` | 同上 |
+
+> 后端分页查询，前端 `page_size=200` 一次性加载。日期格式化：`r.closed_at?.substring(0, 16)` ✅。
+
+### Tab7：任务列表（tasks）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|-----|---------|---------|
+| 问题指标 | `tasks[].problem_indicator` | `problem_indicator` | store_task |
+| 优先级 | `tasks[].priority` | `priority` | 同上 |
+| 行动要求 | `tasks[].action_required` | `action_required` | 同上 |
+| 状态 | `tasks[].status` | `status` | 同上 |
+| 截止日 | `tasks[].deadline` | `deadline` | 同上 |
+
+> 日期格式化：`r.deadline?.substring(0, 10)` ✅。点击行跳转 `/tasks/:task_id`。
+
+---
+
+## 十五、页面13：门店分级与风险等级 StoreGradePage
+
+> 单页面2个Tab（门店分级/关停测算），3个API（2 GET + 1 POST mutation），有月份选择器（原生 `<input type="month">` 而非 MonthPicker 组件）。
+> 核心数据源：`analytics.v3_store_grade`、`analytics.mv_store_risk_rating`、`analytics.v3_store_monthly_target`、`analytics.dim_store`、`analytics.mv_store_operating_expense_monthly`、`analytics.mv_store_area_efficiency_monthly`。
+
+### API总览
+
+| API | Tab | 方法 | 数据源表 | 说明 |
+|-----|-----|------|---------|------|
+| /store-grade/grades | 分级 | GET | v3_store_grade + mv_store_risk_rating | 分级列表+风险详情 |
+| /store-grade/auto-grade | 分级 | POST | dim_store + mv_store_risk_rating + v3_store_monthly_target → v3_store_grade | 自动分级计算并写入 |
+| /store-grade/closure-analysis | 关停 | GET | v3_store_grade + mv_store_risk_rating + mv_store_operating_expense_monthly + mv_store_area_efficiency_monthly | 关停成本测算 |
+
+### Tab1：门店分级（grade）
+
+#### API: /store-grade/grades
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 门店编码 | `r.store_code` | `store_code` | — | v3_store_grade |
+| 门店名称 | `r.store_name` | `store_name` | — | 同上 |
+| 区域 | `r.region` | `region` | — | 同上 |
+| 分级 | `r.grade` | `grade` | A≥85, B≥70, C≥50, D<50 | auto-grade计算 |
+| 综合分 | `r.overall_score` | `overall_score` | 达成率×0.4+毛利率×0.25+会员占比×0.15+风险×0.2 | auto-grade计算 |
+| 营收达成率 | `r.revenue_achievement_pct` | `revenue_achievement_pct` | `revenue / revenue_target × 100` | auto-grade计算 |
+| 风险等级 | `r.risk_level` | `risk_level` | — | mv_store_risk_rating |
+| 分级原因 | `r.reason` | `reason` | — | auto-grade写入 |
+| 营收 | `r.revenue` | `revenue` | — | mv_store_risk_rating |
+| 毛利率 | `r.margin_pct` | `margin_pct` | — | 同上 |
+| 优惠率 | `r.discount_rate` | `discount_rate` | — | 同上 |
+| 异常率 | `r.anomaly_rate` | `anomaly_rate` | — | 同上 |
+| 会员占比 | `r.member_pct` | `member_pct` | — | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | — | 同上 |
+| 活跃天数 | `r.active_days` | `active_days` | — | 同上 |
+
+> **自动分级公式**：overallScore = achievementScore×0.4 + marginScore×0.25 + memberScore×0.15 + riskScore×0.2
+> - achievementScore = min(achievement, 100)
+> - marginScore = min(margin_pct/50×100, 100)
+> - memberScore = min(member_pct/50×100, 100)
+> - riskScore = 红色30, 黄色60, 绿色100
+>
+> **弹窗详情**：RadarChart 4维（达成率/综合分/毛利率/异常率） + 13项指标列表。
+> **PieChart**：分级分布 + 风险等级分布。
+> **FilterableTable**：filterKey=grade, sortOptions=综合分/达成率/门店。
+
+#### API: /store-grade/auto-grade (POST mutation)
+
+> 前端点击"自动分级"按钮触发 POST，后端读取 `dim_store` + `mv_store_risk_rating` + `v3_store_monthly_target`，计算综合分和分级，写入 `v3_store_grade` 表（UPSERT）。成功后前端 invalidateQueries 刷新列表。
+
+### Tab2：关停测算（closure）
+
+#### API: /store-grade/closure-analysis
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 月收入 | `r.monthly_revenue` | `monthly_revenue` | — | mv_store_risk_rating |
+| 月利润 | `r.monthly_profit` | `monthly_profit` | `actual_store_contribution` | mv_store_operating_expense_monthly |
+| 月租 | `r.monthly_rent` | `monthly_rent` | `rent_expense` | 同上 |
+| 月人工 | `r.monthly_wage` | `monthly_wage` | `wage_expense` | 同上 |
+| 关停成本 | `r.total_closure_cost` | `total_closure_cost` | `wage×1.5 + rent×2 + revenue×0.05` | — |
+| 遣散费 | — | `severance_cost` | `monthly_wage × 1.5` | — |
+| 违约金 | — | `lease_termination_cost` | `monthly_rent × 2` | — |
+| 资产处置 | — | `asset_disposal_cost` | `monthly_revenue × 0.05` | — |
+| 12月亏损 | `r.projected_12m_loss` | `projected_12m_loss` | `monthly_profit < 0 ? monthly_profit × 12 : 0` | — |
+| 月节省 | `r.monthly_savings_if_closed` | `monthly_savings_if_closed` | `monthly_profit < 0 ? abs(monthly_profit) : 0` | — |
+| 回本月数 | `r.payback_months` | `payback_months` | `total_closure_cost / abs(monthly_profit)` | — |
+| 建议 | `r.recommendation` | `recommendation` | 亏损+D级→关停, 亏损+C级→整改, 微利+低分→重点整改, else→持续经营 | — |
+| 原因 | `r.reason` | `reason` | — | — |
+
+> **汇总指标**：total_stores, recommend_close, recommend_rectify, total_closure_cost, total_projected_loss, total_monthly_savings。
+> **PieChart**：关停建议分布（建议关停/整改观察/持续经营）。
+> **FilterableTable**：filterKey=recommendation, sortOptions=月利润/关停成本/12月亏损/回本月数/综合分。
+
+---
+
+## 十六、页面14：平台与优惠管理 PlatformPage
+
+> 单页面无Tab，2个API（全部GET），有MonthPicker。
+> 核心数据源：`analytics.mv_store_platform_economics_monthly`、`analytics.bill_fact`。
+
+### API总览
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /platform/economics | mv_store_platform_economics_monthly | 门店三平台经济性数据 |
+| /marketing/plans | bill_fact | 营销方案聚合分析 |
+
+### Block1：平台概览
+
+#### API: /platform/economics
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 平台总实收 | `totalPlatformReceived` | — | 前端聚合：`Σ(meituan+taobao+jd)` | mv_store_platform_economics_monthly |
+| 合并加权成本率 | `blendedCostRate` | — | 前端计算：`(Σ折扣+Σ佣金) / Σ实收 × 100` | 同上 |
+| 高成本门店 | `highCostStores.length` | — | 前端过滤：任一平台cost_rate≥38% | 同上 |
+| 营销方案数 | `marketingRows.length` | — | 来自/marketing/plans | bill_fact |
+
+> 后端 `SELECT *` 返回全字段，前端聚合计算。无分页，全量返回。
+> **平台字段**：`meituan_received/discount/commission/cost_rate_pct`、`taobao_*`、`jd_*`。
+
+### Block2：三平台对比图
+
+> BarChart：美团/淘宝/京东三组，每组3条柱（实收/折扣/佣金）。前端聚合 `storesWithPlatform` 数据。
+
+### Block3：门店平台经济性明细
+
+> FilterableTable：filterKey=store_name, sortOptions=美团实收/美团成本率/淘宝实收/京东实收/门店。
+> **成本率颜色**：≥38%红色, 35-38%黄色, <35%绿色。
+> **经济性最优列**：前端计算三平台中成本率最低的平台，显示名称和与最高的差距。
+
+### Block4：营销方案ROI
+
+#### API: /marketing/plans
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 营销方案 | `r.marketing_plan` | `marketing_plan` | — | bill_fact |
+| 账单数 | `r.bill_count` | `bill_count` | `count(*)` | 同上 |
+| 消费额 | `r.consumption` | `consumption` | `sum(consumption)` | 同上 |
+| 优惠额 | `r.discounts` | `discounts` | `sum(discount_total)` | 同上 |
+| 实收 | `r.received` | `received` | `sum(received_total)` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | `avg(received_total)` | 同上 |
+| 优惠率 | `r.discount_rate_pct` | `discount_rate_pct` | `sum(discount_total)/sum(consumption)×100` | — |
+| 理论毛利率 | `r.theoretical_margin_pct` | `theoretical_margin_pct` | `sum(theoretical_profit)/sum(received_total)×100` | — |
+
+> 前端Top5营销方案卡片展示 + FilterableTable完整列表。
+> **优惠率颜色**：≥25%红色, 15-25%黄色, <15%绿色。
+> **毛利率颜色**：≥70%绿色, 60-70%黄色, <60%红色。
+
+---
+
+## 十七、页面15：营收分析 RevenuePage
+
+> 单页面无Tab，4个API（全部GET），有MonthPicker。
+> 核心数据源：`analytics.v_store_daily`、`analytics.v_channel_daily`、`analytics.v_meal_period_daily`。
+
+### API总览
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /revenue/daily-summary | v_store_daily | 日度营收汇总（全门店合计） |
+| /revenue/channel | v_channel_daily | 渠道日度收入结构 |
+| /revenue/meal-period | v_meal_period_daily | 时段收入分布 |
+| /revenue/store-ranking | v_store_daily | 门店营收排名 |
+
+### Block1：核心指标
+
+#### API: /revenue/daily-summary
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 营业收入 | `totalConsumption` | — | 前端聚合：`Σ consumption` | v_store_daily |
+| 优惠总额 | `totalDiscounts` | — | 前端聚合：`Σ discounts` | 同上 |
+| 实收总额 | `totalReceived` | — | 前端聚合：`Σ received` | 同上 |
+| 账单数 | `totalBills` | — | 前端聚合：`Σ bill_count` | 同上 |
+| 客单价 | `avgBillValue` | — | 前端计算：`totalReceived / totalBills` | — |
+| 优惠率 | `avgDiscountRate` | — | 前端计算：`totalDiscounts / (totalReceived + totalDiscounts) × 100` | — |
+| 客流量 | `totalGuests` | — | 前端聚合：`Σ guests` | v_store_daily |
+| 人均消费 | `avgGuestValue` | — | 前端计算：`totalReceived / totalGuests` | — |
+
+> 后端SQL：`sum(received + discounts) AS consumption, sum(received) AS received, sum(discounts) AS discounts, sum(bill_count), sum(guests)`，按 `business_date` 分组。
+> **环比趋势**：前端计算 last7 vs prev7 的实收和账单数环比。
+
+### Block2：日度营收趋势
+
+> ComposedChart：Bar(received) + Line(avg_bill) + Line(discount_rate)，双Y轴。
+> X轴 `business_date.substring(5, 10)` ✅。
+
+### Block3：渠道收入结构 + 渠道趋势
+
+#### API: /revenue/channel
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 微信 | `channelTotals.wechat` | `wechat` | v_channel_daily |
+| 支付宝 | `channelTotals.alipay` | `alipay` | 同上 |
+| 美团外卖 | `channelTotals.meituan_delivery` | `meituan_delivery` | 同上 |
+| 美团堂食 | `channelTotals.meituan` | `meituan` | 同上 |
+| 淘宝外卖 | `channelTotals.taobao_delivery` | `taobao_delivery` | 同上 |
+| 抖音 | `channelTotals.douyin` | `douyin` | 同上 |
+| 现金 | `channelTotals.cash` | `cash` | 同上 |
+| 京东外卖 | `channelTotals.jd_delivery` | `jd_delivery` | 同上 |
+| 银联 | `channelTotals.unionpay` | `unionpay` | 同上 |
+| 挂账 | `channelTotals.credit` | `credit` | 同上 |
+
+> PieChart（渠道占比） + LineChart（前5大渠道日度趋势）。
+> 前端聚合日度数据为渠道总量，按值排序。
+
+### Block4：时段收入分布
+
+#### API: /revenue/meal-period
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 餐段 | `r.meal_period` | `meal_period` | — | v_meal_period_daily |
+| 账单数 | `r.bill_count` | `bill_count` | `sum(bill_count)` | 同上 |
+| 实收 | `r.received` | `received` | `sum(received)` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | `sum(received)/sum(bill_count)` | — |
+
+> PieChart + 卡片列表展示各餐段收入和占比。
+
+### Block5：门店营收排名
+
+#### API: /revenue/store-ranking
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 门店 | `r.store_name` | `store_name` | — | v_store_daily |
+| 实收 | `r.received` | `received` | `sum(received)` | 同上 |
+| 账单数 | `r.bill_count` | `bill_count` | `sum(bill_count)` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | `sum(received)/sum(bill_count)` | — |
+| 优惠率 | `r.avg_discount_rate_pct` | `avg_discount_rate_pct` | `sum(discounts)/(sum(received)+sum(discounts))×100` | — |
+| 客流量 | `r.guests` | `guests` | `sum(guests)` | 同上 |
+| 理论毛利率 | `r.avg_theoretical_margin_pct` | `avg_theoretical_margin_pct` | `avg(theoretical_margin_pct)` | 同上 |
+
+> TOP10/BOTTOM10 水平BarChart（点击跳转门店详情） + FilterableTable完整列表。
+> **优惠率颜色**：>25%红色, >20%黄色。
+> 后端 `ORDER BY sum(received) DESC`，前端 slice(0,10) 和 slice(-10).reverse()。
+
+---
+
+## 十八、页面16：区域经理工作台 RegionalPage
+
+> 单页面无Tab，5个API（4 GET + 1 PUT mutation），有MonthPicker。
+> 核心数据源：`analytics.mv_store_risk_rating_monthly`、`analytics.mv_store_action_priority_deep_monthly`、`analytics.mv_store_benchmark_composite_monthly`、`analytics.bill_fact`、`analytics.dim_store`、`analytics.v_task_weekly_check`、`analytics.store_task`、`analytics.task_weekly_check`。
+
+### API总览
+
+| API | 方法 | 数据源表 | 说明 |
+|-----|------|---------|------|
+| /stores/risk | GET | mv_store_risk_rating_monthly | 门店风险分级列表 |
+| /stores/priority | GET | mv_store_action_priority_deep_monthly | 门店行动优先级 |
+| /benchmark/composite | GET | mv_store_benchmark_composite_monthly | 同类门店基准对比 |
+| /region/summary | GET | bill_fact + dim_store + mv_store_risk_rating_monthly | 区域经营汇总 |
+| /tasks/weekly-check | GET | v_task_weekly_check | 周检任务列表 |
+| /tasks/:id/weekly-check | PUT | store_task + store_task_log + task_weekly_check | 周检录入 |
+
+### Block1：汇总卡片
+
+| 显示指标 | 前端变量 | 数据来源 | 计算公式 |
+|---------|---------|---------|---------|
+| 营业收入 | `Σ regionRows.total_consumption` | /region/summary | 前端聚合 |
+| 优惠 | `Σ regionRows.total_discount` | 同上 | 前端聚合 |
+| 实收 | `Σ regionRows.total_received` | 同上 | 前端聚合 |
+| 红黄门店数 | `riskRows.filter(risk_level !== '绿色').length` | /stores/risk | 前端过滤 |
+| P0+P1门店 | `p0p1.length` | /stores/priority | 前端过滤 action_priority.startsWith('P0'/'P1') |
+| 需到店检查 | `needCheck.length` | /tasks/weekly-check | 前端过滤 consecutive_no_improve_weeks ≥ 2 |
+| 周检待录入 | `weeklyRows.filter(!last_check_date).length` | 同上 | 前端过滤 |
+
+### Block2：区域经营汇总
+
+#### API: /region/summary
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 区域 | `r.region` | `region` | — | dim_store |
+| 门店数 | `r.store_count` | `store_count` | `count(DISTINCT store_code)` | bill_fact |
+| 营业收入 | `r.total_consumption` | `total_consumption` | `sum(consumption)` | 同上 |
+| 优惠 | `r.total_discount` | `total_discount` | `sum(discount_total)` | 同上 |
+| 实收 | `r.total_received` | `total_received` | `sum(received_total)` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | `avg(received_total)` | 同上 |
+| 优惠率 | `r.avg_discount_rate` | `avg_discount_rate` | `sum(discount_total)/sum(consumption)×100` | — |
+| 毛利率 | `r.avg_margin_rate` | `avg_margin_rate` | `sum(theoretical_profit)/sum(received_total)×100` | — |
+| 异常率 | `r.avg_anomaly_rate` | `avg_anomaly_rate` | **硬编码 0** | — |
+| 红数 | `r.red_count` | `red_count` | `count(DISTINCT CASE WHEN risk_level='红色')` | mv_store_risk_rating_monthly |
+| 黄数 | `r.yellow_count` | `yellow_count` | 同上黄色 | 同上 |
+| 绿数 | `r.green_count` | `green_count` | 同上绿色 | 同上 |
+
+> FilterableTable，sortOptions=区域/营业收入/优惠/实收/客单价/门店数。
+> **数据权限**：使用 `getDataScope(req)` + `scopeStoreFilter` 实现区域经理只能看自己区域。
+
+### Block3：门店风险分级
+
+#### API: /stores/risk
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店 | `r.store_name` | `store_name` | mv_store_risk_rating_monthly |
+| 风险 | `r.risk_level` | `risk_level` | 同上 |
+| 实收 | `r.received` | `received` | 同上 |
+| 优惠率 | `r.discount_rate_pct` | `discount_rate_pct` | 同上 |
+| 毛利率 | `r.theoretical_margin_pct` | `theoretical_margin_pct` | 同上 |
+| 异常率 | `r.anomaly_rate_pct` | `anomaly_rate_pct` | 同上 |
+
+> 后端 `SELECT *` + `ORDER BY risk_level, received DESC`。前端风险筛选按钮（全部/红色/黄色/绿色）+ FilterableTable。
+> 点击行跳转 `/stores/:store_code`。
+
+### Block4：需到店检查门店
+
+#### API: /tasks/weekly-check
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店 | `r.store_name` | `store_name` | v_task_weekly_check |
+| 问题指标 | `r.problem_indicator` | `problem_indicator` | 同上 |
+| 连续未改善周数 | `r.consecutive_no_improve_weeks` | `consecutive_no_improve_weeks` | 同上 |
+| 任务状态 | `r.status` | `status` | 同上 |
+
+> 前端过滤 `consecutive_no_improve_weeks ≥ 2`。点击"录入周检"打开弹窗。
+> **PUT API**：`/tasks/:id/weekly-check`，更新 `store_task.process_evidence/next_step`，插入 `store_task_log` 和 `task_weekly_check` 记录。
+
+### Block5：同类门店基准对比
+
+#### API: /benchmark/composite
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店 | `r.store_name` | `store_name` | mv_store_benchmark_composite_monthly |
+| 标杆得分 | `r.benchmark_score` | `benchmark_score` | 同上 |
+| 实收 | `r.received` | `received` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | 同上 |
+| 优惠率 | `r.discount_rate_pct` | `discount_rate_pct` | 同上 |
+| 毛利率 | `r.theoretical_margin_pct` | `theoretical_margin_pct` | 同上 |
+| 会员占比 | `r.member_bill_share_pct` | `member_bill_share_pct` | 同上 |
+
+> 后端 `SELECT * ORDER BY benchmark_score DESC`。**标杆得分颜色**：≥80绿色, ≥60黄色, <60红色。
+
+---
+
+## 十九、页面17：门店选址分析 SiteSelectionPage
+
+> 单页面4个Tab（分段基准/复制评分/重叠风险/区域基准），5个API（全部GET），有MonthPicker。
+> 核心数据源：`analytics.mv_store_site_profile_monthly`、`analytics.mv_site_segment_benchmark_monthly`、`analytics.mv_store_site_replication_monthly`、`analytics.mv_store_overlap_risk_monthly`、`analytics.mv_district_site_benchmark_monthly`。
+
+### API总览
+
+| API | Tab | 数据源表 | 说明 |
+|-----|-----|---------|------|
+| /site-selection/profile | 全局 | mv_store_site_profile_monthly | 门店选址画像 |
+| /site-selection/segment-benchmark | 分段基准 | mv_site_segment_benchmark_monthly | 场景×面积分段基准 |
+| /site-selection/replication | 复制评分 | mv_store_site_replication_monthly | 门店复制评分 |
+| /site-selection/overlap-risk | 重叠风险 | mv_store_overlap_risk_monthly | 门店空间重叠风险 |
+| /site-selection/district-benchmark | 区域基准 | mv_district_site_benchmark_monthly | 区域选址基准 |
+
+### 全局：概览指标 + 散点图 + 地图
+
+#### API: /site-selection/profile
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 标准门店数 | `profileRows.length` | — | mv_store_site_profile_monthly |
+| 场景类型数 | `totalScenes` | — | 前端聚合 site_scene 去重 |
+| 高风险重叠对 | `highRiskCount` | — | 来自 /overlap-risk 前端过滤 |
+| 优先提炼原型 | `topReplication` | — | 来自 /replication 前端过滤 |
+
+> **StoreMap**：自定义地图组件，按场景类型颜色标注门店位置。
+> **ScatterChart**：X=面积(㎡), Y=月坪效(元/㎡), Z=实收(气泡大小)，按场景颜色区分。
+> 后端 `WHERE business_type='标准门店' AND received>0`，`ORDER BY received DESC`。
+
+### Tab1：分段基准（benchmark）
+
+#### API: /site-selection/segment-benchmark
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 场景 | `r.site_scene` | `site_scene` | mv_site_segment_benchmark_monthly |
+| 面积段 | `r.area_band` | `area_band` | 同上 |
+| 门店数 | `r.store_count` | `store_count` | 同上 |
+| 平均面积 | `r.avg_area_sqm` | `avg_area_sqm` | 同上 |
+| 平均实收 | `r.avg_received` | `avg_received` | 同上 |
+| 中位实收 | `r.median_received` | `median_received` | 同上 |
+| 平均坪效 | `r.avg_received_per_sqm` | `avg_received_per_sqm` | 同上 |
+| 中位坪效 | `r.median_received_per_sqm` | `median_received_per_sqm` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | 同上 |
+| 复购率 | `r.avg_repeat_rate_pct` | `avg_repeat_rate_pct` | 同上 |
+
+> FilterableTable，filterKey=site_scene，sortOptions=平均坪效/中位坪效/平均实收/场景。
+> 后端 `ORDER BY avg_received_per_sqm DESC`。
+> **门店画像明细**：同 profile API 数据，filterKey=site_scene，点击行跳转门店详情。
+
+### Tab2：复制评分（replication）
+
+#### API: /site-selection/replication
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店 | `r.store_name` | `store_name` | mv_store_site_replication_monthly |
+| 场景 | `r.site_scene` | `site_scene` | 同上 |
+| 面积 | `r.area_sqm` | `area_sqm` | 同上 |
+| 实收 | `r.received` | `received` | 同上 |
+| 坪效 | `r.monthly_received_per_sqm` | `monthly_received_per_sqm` | 同上 |
+| 最近门店 | `r.nearest_store_name` | `nearest_store_name` | 同上 |
+| 距离 | `r.nearest_distance_km` | `nearest_distance_km` | 同上 |
+| 复制评分 | `r.site_replication_score` | `site_replication_score` | 同上 |
+| 复制建议 | `r.replication_recommendation` | `replication_recommendation` | 同上 |
+| 空间建议 | `r.spatial_recommendation` | `spatial_recommendation` | 同上 |
+
+> FilterableTable，filterKey=replication_recommendation，sortOptions=复制评分/实收/坪效/距离。
+> **复制评分颜色**：≥75绿色, ≥60蓝色, <40红色。
+> **复制建议标签**：优先提炼选址原型(绿)、不宜作为选址标杆(红)、其他(蓝)。
+> 后端 `ORDER BY site_replication_score DESC`。
+
+### Tab3：重叠风险（overlap）
+
+#### API: /site-selection/overlap-risk
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店A | `r.store_name_a` | `store_name_a` | mv_store_overlap_risk_monthly |
+| 门店B | `r.store_name_b` | `store_name_b` | 同上 |
+| 距离 | `r.distance_km` | `distance_km` | 同上 |
+| A实收 | `r.received_a` | `received_a` | 同上 |
+| B实收 | `r.received_b` | `received_b` | 同上 |
+| 风险等级 | `r.overlap_risk` | `overlap_risk` | 同上 |
+
+> 3个MetricCard（<1km/1-2km/2-3km）+ FilterableTable。
+> filterKey=overlap_risk，sortOptions=距离/A实收/B实收。
+> 后端 `ORDER BY distance_km`。
+
+### Tab4：区域基准（district）
+
+#### API: /site-selection/district-benchmark
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 区域 | `r.district` | `district` | mv_district_site_benchmark_monthly |
+| 门店数 | `r.store_count` | `store_count` | 同上 |
+| 平均面积 | `r.avg_area_sqm` | `avg_area_sqm` | 同上 |
+| 总实收 | `r.total_received` | `total_received` | 同上 |
+| 平均实收 | `r.avg_received` | `avg_received` | 同上 |
+| 中位实收 | `r.median_received` | `median_received` | 同上 |
+| 平均坪效 | `r.avg_received_per_sqm` | `avg_received_per_sqm` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | 同上 |
+| 复购率 | `r.avg_repeat_rate_pct` | `avg_repeat_rate_pct` | 同上 |
+| P0数 | `r.p0_count` | `p0_count` | 同上 |
+| P1数 | `r.p1_count` | `p1_count` | 同上 |
+
+> BarChart（前15区域平均/中位实收对比） + FilterableTable。
+> sortOptions=平均实收/平均坪效/总实收/区域。
+> 后端 `ORDER BY total_received DESC`。
+
+---
+
+## 二十、页面18：时间维度分析 TimePage
+
+> 单页面无Tab，3个API（全部GET），有MonthPicker。
+> 核心数据源：`mv_time_weekday`、`mv_time_hourly`、`mv_channel_daily`。
+
+### API总览
+
+| API | 数据源表 | 说明 |
+|-----|---------|------|
+| /time/weekday | mv_time_weekday | 星期维度分析 |
+| /time/hourly | mv_time_hourly | 小时维度分析 |
+| /channel | mv_channel_daily | 渠道日度趋势 |
+
+### Block1：时间概览
+
+| 显示指标 | 前端变量 | 数据来源 | 计算公式 |
+|---------|---------|---------|---------|
+| 高峰日 | `peakWeekday.weekday` | /time/weekday | 前端 reduce 找最大 received |
+| 低谷日 | `lowWeekday.weekday` | 同上 | 前端 reduce 找最小 received |
+| 高峰时段 | `peakHour.closing_hour` | /time/hourly | 前端 reduce 找最大 bill_count |
+| 渠道数 | `channelTotals.length` | /channel | 前端聚合非零渠道数 |
+
+### Block2：星期维度分析
+
+#### API: /time/weekday
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 星期 | `r.weekday` | `weekday` | mv_time_weekday |
+| 实收 | `r.received` | `received` | 同上 |
+| 账单数 | `r.bill_count` | `bill_count` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | 同上 |
+
+> BarChart（实收+账单数）+ Line（客单价），双Y轴。后端 `WHERE month = to_char($1::date, 'YYYY-MM')`。
+
+### Block3：小时维度分析
+
+#### API: /time/hourly
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 小时 | `r.closing_hour` | `closing_hour` | mv_time_hourly |
+| 账单数 | `r.bill_count` | `bill_count` | 同上 |
+| 实收 | `r.received` | `received` | 同上 |
+| 客单价 | `r.avg_bill_value` | `avg_bill_value` | 同上 |
+
+> AreaChart（实收+账单数），双Y轴。后端 `WHERE month = to_char($1::date, 'YYYY-MM')`。
+
+### Block4：渠道趋势 + 渠道汇总
+
+#### API: /channel
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 日期 | `r.business_date` | `business_date` | mv_channel_daily |
+| 现金 | `r.cash` | `cash` | 同上 |
+| 支付宝 | `r.alipay` | `alipay` | 同上 |
+| 微信 | `r.wechat` | `wechat` | 同上 |
+| 美团到店 | `r.meituan` | `meituan` | 同上 |
+| 银联 | `r.unionpay` | `unionpay` | 同上 |
+| 抖音 | `r.douyin` | `douyin` | 同上 |
+| 挂账 | `r.credit` | `credit` | 同上 |
+| 京东到家 | `r.jd_delivery` | `jd_delivery` | 同上 |
+| 美团外卖 | `r.meituan_delivery` | `meituan_delivery` | 同上 |
+| 淘宝外卖 | `r.taobao_delivery` | `taobao_delivery` | 同上 |
+
+> LineChart（前6大渠道日度趋势）+ 渠道汇总卡片。X轴 `business_date.substring(5, 10)` ✅。
+> **注意**：此API与 RevenuePage 的 `/revenue/channel` 数据源相同（`mv_channel_daily`），但查询无 schema 前缀（`mv_channel_daily` vs `analytics.v_channel_daily`）。
+
+---
+
+## 二十一、页面19：指标字典 IndicatorsPage
+
+> 单页面无Tab，1个API（GET），无MonthPicker。
+> 核心数据源：`analytics.indicator_dictionary`。
+
+### API: /tasks/indicators
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 指标名称 | `r.indicator_name` | `indicator_name` | indicator_dictionary |
+| 业务定义 | `r.business_definition` | `business_definition` | 同上 |
+| 计算公式 | `r.formula` | `formula` | 同上 |
+| 更新频率 | `r.update_frequency` | `update_frequency` | 同上 |
+| 负责人 | `r.owner` | `owner` | 同上 |
+| 黄线 | `r.yellow_threshold` | `yellow_threshold` | 同上 |
+| 红线 | `r.red_threshold` | `red_threshold` | 同上 |
+| 版本日期 | `r.version_date` | `version_date` | 同上 |
+
+> FilterableTable，filterKey=update_frequency，sortOptions=指标名称/更新频率/负责人。
+> `version_date?.substring(0, 10)` ✅。后端 `SELECT * ORDER BY id`，无分页。
+
+---
+
+## 二十二、页面20：任务管理 TasksPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker + 优先级/状态筛选。
+> 核心数据源：`analytics.store_task`。
+
+### API: /tasks
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 问题指标 | `r.problem_indicator` | `problem_indicator` | store_task |
+| 行动要求 | `r.action_required` | `action_required` | 同上 |
+| 负责人 | `r.owner` | `owner` | 同上 |
+| 截止日 | `r.deadline?.substring(0,10)` | `deadline` | 同上 |
+| 状态 | `r.status` | `status` | 同上 |
+| 优先级 | `r.priority` | `priority` | 同上 |
+| 门店 | `r.store_name` | `store_name` | 同上 |
+| 门店编码 | `r.store_code` | `store_code` | 同上 |
+
+> 后端支持分页（`parsePagination`），前端传 `page_size: 200`。
+> 前端按 `store_code` 分组展示，每组内 FilterableTable。
+> **筛选**：priority + status 参数传递到后端 WHERE 条件。
+> `deadline?.substring(0, 10)` ✅。
+
+---
+
+## 二十三、页面21：任务详情 TaskDetailPage
+
+> 单页面无Tab，2个API（1 GET + 1 GET indicators）+ 3个mutation（PUT execute, PUT verify, POST rollback）。
+> 核心数据源：`analytics.store_task`、`analytics.store_task_log`、`analytics.indicator_dictionary`。
+
+### API: /tasks/:id (GET)
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店名 | `task.store_name` | `store_name` | store_task |
+| 问题指标 | `task.problem_indicator` | `problem_indicator` | 同上 |
+| 优先级 | `task.priority` | `priority` | 同上 |
+| 状态 | `task.status` | `status` | 同上 |
+| 当前值 | `task.current_value` | `current_value` | 同上 |
+| 基准值 | `task.benchmark_value` | `benchmark_value` | 同上 |
+| 目标值 | `task.target_value` | `target_value` | 同上 |
+| 问题描述 | `task.problem_description` | `problem_description` | 同上 |
+| 验收指标 | `task.verification_indicator` | `verification_indicator` | 同上 |
+| 行动要求 | `task.action_required` | `action_required` | 同上 |
+| 负责人 | `task.owner` | `owner` | 同上 |
+| 截止日 | `task.deadline?.substring(0,10)` | `deadline` | 同上 |
+| 过程证据 | `task.process_evidence` | `process_evidence` | 同上 |
+| 未完成原因 | `task.incomplete_reason` | `incomplete_reason` | 同上 |
+| 验收结果 | `task.verification_result` | `verification_result` | 同上 |
+| 操作日志 | `logs` | — | store_task_log |
+
+> 后端 `SELECT * FROM store_task WHERE task_id = $1` + `SELECT * FROM store_task_log WHERE task_id = $1`。
+> `deadline?.substring(0, 10)` ✅，`log.created_at?.substring(0, 19)` ✅。
+
+### Mutations
+
+| Mutation | API | 说明 |
+|----------|-----|------|
+| executeMutation | PUT /tasks/:id/execute | 提交执行反馈，状态改为"进行中" |
+| verifyMutation | PUT /tasks/:id/verify | 月度验收，传 review_result/actual_value 等 |
+| rollbackMutation | POST /tasks/:id/rollback | 回滚任务 |
+
+> **指标说明**：从 `/tasks/indicators` 获取指标字典，匹配 `problem_indicator` 显示业务定义、计算公式、黄线/红线阈值。
+
+---
+
+## 二十四、页面22：月度验收与复盘 MonthlyReviewPage
+
+> 7个Tab（验收汇总/升降级/任务完成率/活动清单/SKU治理/经验标准化/复盘优化），7个API（6 GET + 1 POST mutation），有MonthPicker。
+> 核心数据源：`analytics.v_task_monthly_review`、`analytics.store_grade_change`、`analytics.store_task`、`analytics.bill_fact`、`analytics.mv_dish_sku_abc_monthly`、`analytics.standardized_practice`。
+
+### API总览
+
+| API | Tab | 数据源表 | 说明 |
+|-----|-----|---------|------|
+| /tasks/monthly-review | 验收汇总 | v_task_monthly_review | 验收汇总+明细 |
+| /tasks/grade-change | 升降级 | store_grade_change | P0/P1/P2升降级 |
+| /tasks/monthly-review/completion | 完成率 | store_task | 按优先级汇总完成率 |
+| /tasks/monthly-review/activity-list | 活动清单 | bill_fact | 平台活动停/改/留 |
+| /tasks/monthly-review/sku-governance | SKU治理 | mv_dish_sku_abc_monthly | ABC分类+长尾清单 |
+| /tasks/practices | 经验标准化 | standardized_practice | 标准化经验列表 |
+| POST /tasks/practices | 经验标准化 | standardized_practice | 新增经验 |
+
+### Tab1：验收汇总
+
+#### API: /tasks/monthly-review
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 总任务数 | `summary.total` | — | 后端计算 result.rows.length |
+| 达标 | `summary.passed` | — | 后端 filter review_result='达标' |
+| 改善中 | `summary.improving` | — | 同上 |
+| 未改善 | `summary.failed` | — | 同上 |
+| 门店 | `r.store_name` | `store_name` | v_task_monthly_review |
+| 问题指标 | `r.problem_indicator` | `problem_indicator` | 同上 |
+| 基线 | `r.baseline_value` | `baseline_value` | 同上 |
+| 目标 | `r.target_value` | `target_value` | 同上 |
+| 实际 | `r.actual_value` | `actual_value` | 同上 |
+| 结果 | `r.review_result` | `review_result` | 同上 |
+
+> PieChart（验收结果分布）+ FilterableTable。后端 `SELECT * WHERE plan_month = $1`。
+
+### Tab2：升降级面板
+
+#### API: /tasks/grade-change
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 月份 | `r.change_month?.substring(0,7)` | `change_month` | store_grade_change |
+| 门店 | `r.store_name` | `store_name` | 同上 |
+| 原级别 | `r.old_priority` | `old_priority` | 同上 |
+| 新级别 | `r.new_priority` | `new_priority` | 同上 |
+| 变化 | `r.change_type` | `change_type` | 同上 |
+| 原因 | `r.reason` | `reason` | 同上 |
+
+> `change_month?.substring(0, 7)` ✅。后端 `SELECT * WHERE change_month = $1::date`。
+
+### Tab3：任务完成率
+
+#### API: /tasks/monthly-review/completion
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 优先级 | `c.priority` | `priority` | — | store_task |
+| 总数 | `c.total` | `total` | `count(*)` | 同上 |
+| 已完成 | `c.completed` | `completed` | `count FILTER(status='已验收'/'已回滚')` | 同上 |
+| 达标 | `c.passed` | `passed` | `count FILTER(verification_result='达标')` | 同上 |
+| 改善中 | `c.improving` | `improving` | 同上 | 同上 |
+| 未改善 | `c.failed` | `failed` | 同上 | 同上 |
+| 完成率 | `c.completion_rate` | `completion_rate` | `completed/total×100` | 同上 |
+
+> 进度条卡片 + FilterableTable。后端 `GROUP BY priority`。
+
+### Tab4：活动清单
+
+#### API: /tasks/monthly-review/activity-list
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 活动方案 | `r.marketing_plan` | `marketing_plan` | — | bill_fact |
+| 账单数 | `r.bill_count` | `bill_count` | `count(*)` | 同上 |
+| 消费额 | `r.consumption` | `consumption` | `sum(consumption)` | 同上 |
+| 优惠额 | `r.discounts` | `discounts` | `sum(discount_total)` | 同上 |
+| 实收 | `r.received` | `received` | `sum(received_total)` | 同上 |
+| 优惠成本率 | `r.discount_cost_rate` | `discount_cost_rate` | `discounts/consumption×100` | — |
+| 净贡献 | `r.net_contribution` | `net_contribution` | `received - discounts` | — |
+| 建议 | 前端计算 | — | net>0 && rate<15→留, rate>30→停, else→改 | — |
+
+> FilterableTable，sortOptions=净贡献/实收/优惠成本率/账单数。
+
+### Tab5：SKU治理
+
+#### API: /tasks/monthly-review/sku-governance
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| ABC分类 | `s.abc_class` | `abc_class` | mv_dish_sku_abc_monthly |
+| SKU数 | `s.sku_count` | `sku_count` | 同上 |
+| 营收占比 | `s.total_revenue_share` | `total_revenue_share` | 同上 |
+| 菜品名 | `r.dish_name` | `dish_name` | 同上(C类) |
+| 分类 | `r.category_level1` | `category_level1` | 同上 |
+| 账单数 | `r.bill_count` | `bill_count` | 同上 |
+| 实收 | `r.received_amount` | `received_amount` | 同上 |
+| 营收占比 | `r.revenue_share_pct` | `revenue_share_pct` | 同上 |
+
+> 后端返回 `{ summary, longtail }`，longtail `LIMIT 50`。
+
+### Tab6：经验标准化
+
+#### API: /tasks/practices (GET + POST)
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 模块 | `p.practice_module` | `practice_module` | standardized_practice |
+| 标杆门店 | `p.benchmark_store_name` | `benchmark_store_name` | 同上 |
+| 关键动作 | `p.key_actions` | `key_actions` | 同上 |
+| 状态 | `p.status` | `status` | 同上 |
+
+> POST 新增经验，字段 `practice_module/benchmark_store_code/benchmark_store_name/key_actions/verification_indicators`。
+
+### Tab7：复盘优化
+
+#### API: /tasks/monthly-review/indicator-effectiveness
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 指标 | `r.problem_indicator` | `problem_indicator` | — | store_task |
+| 任务数 | `r.task_count` | `task_count` | `count(*)` | 同上 |
+| 达标 | `r.passed` | `passed` | `count FILTER(verification_result='达标')` | 同上 |
+| 改善中 | `r.improving` | `improving` | 同上 | 同上 |
+| 未改善 | `r.failed` | `failed` | 同上 | 同上 |
+| 达标率 | `r.pass_rate` | `pass_rate` | `passed/task_count×100` | — |
+| 评价 | 前端计算 | — | ≥50%有效, ≥30%待观察, <30%低效 | — |
+
+> 后端 `GROUP BY problem_indicator ORDER BY pass_rate DESC`。
+
+---
+
+## 二十五、页面23：数据质量看板 DataQualityPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker。
+> 核心数据源：`analytics.bill_fact`、`public.dish_sales_details`、`analytics.mv_inventory_cost_classified_monthly`。
+
+### API: /data-quality
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 总账单数 | `totalBills` | `total_bills` | `count(*)` | bill_fact |
+| 覆盖门店数 | `storeCount` | `store_count` | `count(DISTINCT store_code)` | 同上 |
+| 缺失账单号 | `missingBillNo` | `missing_bill_no` | `count FILTER(bill_no IS NULL/='')` | 同上 |
+| 缺失门店编码 | `missingStoreCode` | `missing_store_code` | 同上 | 同上 |
+| 零消费账单 | `zeroConsumption` | `zero_consumption` | `count FILTER(consumption=0/NULL)` | 同上 |
+| 负实收账单 | `negativeReceived` | `negative_received` | `count FILTER(received_total<0)` | 同上 |
+| 零实收账单 | `zeroReceived` | `zero_received` | `count FILTER(received_total=0/NULL)` | 同上 |
+| 优惠大于消费 | `discountGtConsumption` | `discount_gt_consumption` | `count FILTER(discount_total>consumption AND consumption>0)` | 同上 |
+| 日期范围 | `dq.min_date?.substring(0,10)` | `min_date/max_date` | `min/max(closed_at)` | 同上 |
+| 总菜品记录数 | `totalDishRecords` | `total_dish_records` | `count(*)` | dish_sales_details |
+| 缺失门店(菜品) | `dishMissingStore` | `dish_missing_store` | `count FILTER(store_code IS NULL/='')` | 同上 |
+| 缺失菜品名 | `dishMissingDish` | `dish_missing_dish` | `count FILTER(dish_name IS NULL/='')` | 同上 |
+| 负耗用记录数 | `negativeConsumptionCount` | `negative_consumption_count` | `count FILTER(consumption_amount<0)` | mv_inventory_cost_classified_monthly |
+| 负耗用金额 | `negativeConsumptionAmount` | `negative_consumption_amount` | `sum(consumption_amount) FILTER(<0)` | 同上 |
+
+> **注意**：账单和菜品统计无月份过滤（全量扫描），仅库存统计按 `month_start` 过滤。
+> `min_date/max_date?.substring(0, 10)` ✅。
+> **四层状态**：完整性/准确性/一致性/时效性，前端根据指标值计算。
+> **置信等级**：A(正常)/B(待桥接)/C(异常)。
+
+---
+
+## 二十六、页面24：银行授信数据报告 BankPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker + 评分规则配置面板。
+> 核心数据源：`analytics.mv_overview_monthly`、`analytics.mv_overview_daily`、`analytics.bill_fact`、`analytics.mv_store_operating_expense_monthly`、`analytics.mv_store_risk_rating_monthly`、`analytics.v_channel_daily`。
+
+### API: /bank/report
+
+后端 `Promise.all` 并发6个查询，返回 `{ overview, daily, waterfall, risk, channel, stores, stability }`。
+
+### Block1：银行授信评估摘要
+
+| 评分指标 | 前端变量 | 数据来源 | 计算公式 |
+|---------|---------|---------|---------|
+| 净利率 | `metrics.netMargin` | waterfall | `store_contribution/received×100` |
+| 营收稳定性 | `metrics.cv` | stability | `stdDev/meanDailyRevenue` |
+| 门店健康度 | `metrics.redPct` | risk | `红色门店数/总门店数×100` |
+| 规模体量 | `metrics.scale` | overview | `ov.received` |
+| 优惠率 | `metrics.discountRate` | overview | `ov.discount_rate_pct` |
+| 会员占比 | `metrics.memberShare` | overview | `ov.member_share_pct` |
+
+> **评分规则**：可配置权重和阈值，localStorage 持久化。单项得分 0-100，加权总分 → 信用等级 A(≥85)/B(≥70)/C(≥50)/D(<50)。
+
+### Block2：企业经营概况
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 营业收入 | `wf.consumption` | `waterfall.consumption` | bill_fact |
+| 优惠 | `wf.discount` | `waterfall.discount` | 同上 |
+| 月度实收 | `ov.received` | `overview.received` | mv_overview_monthly |
+| 客单价 | `ov.avg_bill_value` | `overview.avg_bill_value` | 同上 |
+| 理论毛利率 | `ov.theoretical_margin_pct` | `overview.theoretical_margin_pct` | 同上 |
+| 门店数量 | `stores.length` | — | mv_store_risk_rating_monthly |
+| 日实收趋势 | `dailyChart` | `daily` | mv_overview_daily |
+
+> `business_date?.substring(5, 10)` ✅。
+
+### Block3：盈利能力分析（利润瀑布）
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 营业收入 | `wf.consumption` | `consumption` | `sum(consumption)` | bill_fact |
+| 优惠 | `wf.discount` | `discount` | `sum(discount_total)` | 同上 |
+| 实收 | `wf.received` | `received` | `sum(received)` | mv_store_risk_rating_monthly |
+| 食材 | `wf.food_cost` | `food_cost` | `sum(actual_food_cost)` | mv_store_operating_expense_monthly |
+| 人工 | `wf.wage` | `wage` | `sum(wage_expense)` | 同上 |
+| 房租 | `wf.rent` | `rent` | `sum(rent_expense)` | 同上 |
+| 水电 | `wf.utility` | `utility` | `sum(utility_expense)` | 同上 |
+| 其他 | `wf.dorm+commission+other` | `dorm/commission/other_expense` | `sum(dorm+commission+card_fee+repair)` | 同上 |
+| 门店贡献利润 | `wf.store_contribution` | `store_contribution` | `received - food_cost - operating_expense` | — |
+
+> 自定义 BarChart shape 实现瀑布图效果。
+
+### Block4：门店资产质量
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 风险分布 | `riskPie` | `risk` | mv_store_risk_rating_monthly |
+| TOP10门店 | `top10` | `stores` | 同上 |
+
+> PieChart（风险等级分布）+ 横向 BarChart（TOP10门店实收）。
+
+### Block5：经营稳定性指标
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 日度营收波动率 | `stability.cv` | `stability.cv` | `stdDev/mean` | mv_overview_daily |
+| 日均收入 | `stability.mean_daily_revenue` | `stability.mean_daily_revenue` | — | 同上 |
+| 优惠率 | `ov.discount_rate_pct` | `overview.discount_rate_pct` | — | mv_overview_monthly |
+| 会员消费占比 | `ov.member_share_pct` | `overview.member_share_pct` | — | 同上 |
+| 活跃渠道数 | `channelPie.length` | `channel` | 前端非零渠道数 | v_channel_daily |
+
+> 渠道 PieChart，标签显示渠道名称和占比。
+
+---
+
+## 二十七、页面25：本体标准 OntologyPage
+
+> 5个Tab（概览/维度主数据/事实表/枚举标准/指标标准），5个API（全部GET），无MonthPicker。
+> 核心数据源：`information_schema.columns`、`analytics.indicator_dictionary`、各 dim_/fact_/enum_ 表。
+
+### API总览
+
+| API | Tab | 数据源 | 说明 |
+|-----|-----|--------|------|
+| /tasks/ontology/overview | 概览 | information_schema + indicator_dictionary | 表统计概览 |
+| /tasks/ontology/dim/:table | 维度主数据 | 对应 dim_ 表 | 维度表数据+字段定义 |
+| /tasks/ontology/fact/:table | 事实表 | 对应 fact_ 表 | 事实表字段定义 |
+| /tasks/ontology/enum/:table | 枚举标准 | 对应 enum_ 表 | 枚举值列表 |
+| /tasks/ontology/metrics | 指标标准 | indicator_dictionary | 指标字典 |
+
+### Tab1：概览
+
+> 显示维度表数、事实表数、枚举表数、指标标准数。点击可跳转到对应Tab。
+
+### Tab2-4：维度/事实/枚举
+
+> 列表→详情模式。列表显示表名、字段数、行数。点击进入详情，FilterableTable 展示数据（pageSize=20），下方显示字段定义表。
+> 后端使用正则校验表名 `^dim_\w+$` / `^fact_\w+$` / `^enum_\w+$` 防注入。
+> 时间戳字段 `String(val).substring(0, 19)` ✅。
+
+### Tab5：指标标准
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 指标编码 | `r.metric_code` | `metric_code` | indicator_dictionary |
+| 指标名称 | `r.indicator_name` | `indicator_name` | 同上 |
+| 分类 | `r.metric_category` | `metric_category` | 同上 |
+| 业务定义 | `r.business_definition` | `business_definition` | 同上 |
+| 计算公式 | `r.formula` | `formula` | 同上 |
+| 单位 | `r.unit` | `unit` | 同上 |
+| 方向 | `r.direction` | `direction` | 同上 |
+| 负责人 | `r.owner` | `owner` | 同上 |
+| 黄线 | `r.yellow_threshold` | `yellow_threshold` | 同上 |
+| 红线 | `r.red_threshold` | `red_threshold` | 同上 |
+| 更新频率 | `r.update_frequency` | `update_frequency` | 同上 |
+| 版本 | `r.version` | `version` | 同上 |
+
+> 前端分类筛选（全部/收入/成本/优惠/会员/商品/库存/风险）+ FilterableTable。
+
+---
+
+## 二十八、页面26：中央厨房成本驾驶舱 CentralKitchenPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker。
+> 核心数据源：`analytics.v_central_kitchen_product_full_cost`、`central_kitchen_processing_cost`、`central_kitchen_recipe_consumption`、`central_kitchen_manufacturing_cost_pool`、`central_kitchen_finished_receipt`。
+
+### API: /central-kitchen/dashboard
+
+后端 `Promise.all` 并发7个查询，返回 `{ summary, reconciliation, products, categoryCost, recipeEfficiency, mfgPool, yieldAnalysis }`。
+
+### Block1：核心指标卡片
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 产品数 | `summary.product_count` | `product_count` | `count(*)` | v_central_kitchen_product_full_cost |
+| 完工入库量 | `summary.total_inbound_qty` | `total_inbound_qty` | `sum(inbound_quantity)` | 同上 |
+| 理论材料成本 | `summary.theoretical_cost` | `theoretical_cost` | `sum(theoretical_cost)` | 同上 |
+| 实际材料成本 | `summary.material_actual_cost` | `material_actual_cost` | `sum(material_actual_cost)` | 同上 |
+| 完整制造成本 | `summary.full_manufacturing_cost` | `full_manufacturing_cost` | `sum(full_manufacturing_cost)` | 同上 |
+| 材料效率差异 | `summary.efficiency_variance_pct` | `efficiency_variance_pct` | `(实际-理论)/理论×100` | — |
+| 制造费用率 | `summary.mfg_cost_rate` | `mfg_cost_rate` | `制造费用池/实际材料×100` | — |
+
+> 后端 `WHERE report_month = $1::date`。
+
+### Block2：成本对账瀑布
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 理论成本 | `reconciliation.theoretical_cost` | `theoretical_cost` | v_central_kitchen_product_full_cost |
+| 标准成本 | `reconciliation.standard_cost` | `standard_cost` | 同上 |
+| 实际材料 | `reconciliation.material_actual_cost` | `material_actual_cost` | 同上 |
+| 制造费用池 | `reconciliation.manufacturing_cost_pool` | `manufacturing_cost_pool` | 同上 |
+| 全制造成本 | `reconciliation.full_manufacturing_cost` | `full_manufacturing_cost` | 同上 |
+| 入库价值 | `reconciliation.calculated_inbound_value` | `calculated_inbound_value` | central_kitchen_processing_cost |
+| 制造毛利 | `reconciliation.manufacturing_margin` | `manufacturing_margin` | 入库价值-全制造成本 |
+
+> 后端 JOIN `central_kitchen_processing_cost c ON p.report_month = c.report_month AND p.product_code = c.product_code`。
+> 自定义 BarChart shape 实现瀑布图效果。
+
+### Block3：品类成本结构
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 品类 | `c.category_minor` | `category_minor` | v_central_kitchen_product_full_cost |
+| 产品数 | `c.product_count` | `product_count` | 同上 |
+| 入库量 | `c.total_qty` | `total_qty` | 同上 |
+| 理论成本 | `c.theoretical_cost` | `theoretical_cost` | 同上 |
+| 实际材料 | `c.material_actual_cost` | `material_actual_cost` | 同上 |
+| 制造费用 | `c.allocated_mfg_cost` | `allocated_mfg_cost` | 同上 |
+| 全成本 | `c.full_cost` | `full_cost` | 同上 |
+| 效率差异 | `c.efficiency_var_pct` | `efficiency_var_pct` | 同上 |
+
+> 堆叠 BarChart（材料成本+制造费用）+ FilterableTable。后端 `GROUP BY category_minor ORDER BY full_cost DESC`。
+
+### Block4：产品成本偏差散点图
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 产品名 | `p.product_name` | `product_name` | v_central_kitchen_product_full_cost |
+| 理论成本(X) | `p.theoretical_cost` | `theoretical_cost` | 同上 |
+| 实际成本(Y) | `p.material_actual_cost` | `material_actual_cost` | 同上 |
+| 偏差率(颜色) | `p.efficiency_variance_pct` | `efficiency_variance_pct` | 同上 |
+
+> ScatterChart，颜色按偏差率分4档：节约(≤-5%)/正常(-5%~0%)/轻微超耗(0~5%)/严重超耗(≥5%)。
+
+### Block5：产品成本明细表
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 编码 | `p.product_code` | `product_code` | v_central_kitchen_product_full_cost |
+| 产品名 | `p.product_name` | `product_name` | 同上 |
+| 品类 | `p.category_minor` | `category_minor` | 同上 |
+| 入库量 | `p.inbound_quantity` | `inbound_quantity` | 同上 |
+| 理论成本 | `p.theoretical_cost` | `theoretical_cost` | 同上 |
+| 标准成本 | `p.standard_cost` | `standard_cost` | 同上 |
+| 实际材料 | `p.material_actual_cost` | `material_actual_cost` | 同上 |
+| 制造费用 | `p.allocated_manufacturing_cost` | `allocated_manufacturing_cost` | 同上 |
+| 全成本 | `p.full_manufacturing_cost` | `full_manufacturing_cost` | 同上 |
+| 单位成本 | `p.full_unit_cost` | `full_unit_cost` | 同上 |
+| 效率差异 | `p.efficiency_variance_pct` | `efficiency_variance_pct` | 同上 |
+| 标准差异 | `p.standard_variance_pct` | `standard_variance_pct` | 同上 |
+| 入库价值 | `p.inbound_value` | `inbound_value` | central_kitchen_processing_cost |
+| 产品毛利 | `p.product_margin` | `product_margin` | 入库价值-全制造成本 |
+
+> FilterableTable，searchKeys=product_code/product_name/category_minor。后端 `ORDER BY p.full_manufacturing_cost DESC`。
+
+### Block6：配方效率分析 TOP20
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 配方 | `r.recipe_name` | `recipe_name` | central_kitchen_recipe_consumption |
+| 物料 | `r.item_name` | `item_name` | 同上 |
+| 规格 | `r.specification` | `specification` | 同上 |
+| 理论用量 | `r.theoretical_qty` | `theoretical_qty` | 同上 |
+| 实际用量 | `r.actual_qty` | `actual_qty` | 同上 |
+| 理论金额 | `r.theoretical_amt` | `theoretical_amt` | 同上 |
+| 实际金额 | `r.actual_amt` | `actual_amt` | 同上 |
+| 差异率 | `r.variance_pct` | `variance_pct` | 同上 |
+| 实际出成率 | `r.avg_actual_yield` | `avg_actual_yield` | 同上 |
+| 标准出成率 | `r.avg_recipe_yield` | `avg_recipe_yield` | 同上 |
+| 出成差异 | `r.yield_diff` | `yield_diff` | 同上 |
+
+> 后端 `WHERE business_date >= $1 AND business_date < ($1 + INTERVAL '1 month')`，`GROUP BY recipe_name, item_name, specification, unit`，`LIMIT 20`。
+
+### Block7：出成率分析 TOP20
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 配方 | `y.recipe_name` | `recipe_name` | central_kitchen_finished_receipt |
+| 产品名 | `y.product_name` | `product_name` | 同上 |
+| 理论入库量 | `y.theoretical_inbound_qty` | `theoretical_inbound_qty` | 同上 |
+| 实际入库量 | `y.actual_inbound_qty` | `actual_inbound_qty` | 同上 |
+| 达成率 | `y.avg_achievement_rate` | `avg_achievement_rate` | 同上 |
+| 预期偏差率 | `y.avg_expected_var_rate` | `avg_expected_var_rate` | 同上 |
+| 入库金额 | `y.total_inbound_amt` | `total_inbound_amt` | 同上 |
+| 退库量 | `y.total_return_qty` | `total_return_qty` | 同上 |
+| 退库率 | `y.return_rate` | `return_rate` | 同上 |
+
+> 后端 `WHERE receipt_date >= $1 AND receipt_date < ($1 + INTERVAL '1 month')`，`LIMIT 20`。
+
+### Block8：制造费用池明细
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 费用类型 | `m.cost_type` | `cost_type` | central_kitchen_manufacturing_cost_pool |
+| 费用子类 | `m.cost_subtype` | `cost_subtype` | 同上 |
+| 来源 | `m.source_type` | `source_type` | 同上 |
+| 原始金额 | `m.source_amount` | `source_amount` | 同上 |
+| 分摊比例 | `m.share_pct` | `share_pct` | 同上 |
+| 分摊金额 | `m.allocated_amount` | `allocated_amount` | 同上 |
+| 分摊方法 | `m.allocation_method` | `allocation_method` | 同上 |
+| 计入重建 | `m.include_in_rebuilt_cost` | `include_in_rebuilt_cost` | 同上 |
+| 临时 | `m.is_provisional` | `is_provisional` | 同上 |
+
+> 后端 `WHERE report_month = $1::date ORDER BY include_in_rebuilt_cost DESC, allocated_amount DESC`。
+
+---
+
+## 二十九、页面27：配送—倒挤成本对账 DistributionReconciliationPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker。
+> 核心数据源：`mv_distribution_monthly`、`analytics.fact_inventory_snapshot`。
+
+### API: /distribution/reconciliation
+
+后端先检查 `mv_distribution_monthly` 是否包含当月数据，如缺失则 `REFRESH MATERIALIZED VIEW CONCURRENTLY`。然后 `Promise.all` 并发5个查询，返回 `{ summary, storeReconciliation, topVariances, unmatchedItems, categoryReconciliation }`。
+
+### Block1：核心指标卡片
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 对账品项行 | `summary.total_lines` | `total_lines` | `count(*)` | mv_distribution_monthly + fact_inventory_snapshot |
+| 匹配行数 | `summary.matched_lines` | `matched_lines` | `count FILTER(dist>0 AND consumption>0)` | 同上 |
+| 配送总额 | `summary.total_dist_amt` | `total_dist_amt` | `sum(dist_amt)` | mv_distribution_monthly |
+| 实际耗用 | `summary.total_consumption_amt` | `total_consumption_amt` | `sum(consumption_amt)` | fact_inventory_snapshot |
+| 倒挤应耗用 | `summary.reverse_consumption_amt` | `reverse_consumption_amt` | `期初+配送-期末` | — |
+| 差异金额 | `summary.variance_amt` | `variance_amt` | `实际耗用-倒挤应耗用` | — |
+| 差异率 | `summary.variance_pct` | `variance_pct` | `差异/实际耗用×100` | — |
+
+> 倒挤公式：应耗用 = 期初 + 配送 - 期末 ｜ 差异 = 实际 - 应耗用。
+
+### Block2：倒挤成本对账瀑布
+
+> 自定义 BarChart shape 实现瀑布图：期初库存→配送入库→应耗用(倒挤)→实际耗用→期末库存→差异金额。
+
+### Block3：品类维度对账
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 品类 | `c.minor_category` | `minor_category` | mv_distribution_monthly |
+| 品项数 | `c.item_count` | `item_count` | 同上 |
+| 配送量 | `c.dist_qty` | `dist_qty` | 同上 |
+| 配送金额 | `c.dist_amt` | `dist_amt` | 同上 |
+| 不含税成本 | `c.dist_cost_excl_tax` | `dist_cost_excl_tax` | 同上 |
+| 耗用金额 | `c.consumption_amt` | `consumption_amt` | fact_inventory_snapshot |
+| 期末库存 | `c.ending_amt` | `ending_amt` | 同上 |
+| 差异金额 | `c.variance_amt` | `variance_amt` | — |
+| 差异率 | `c.variance_pct` | `variance_pct` | — |
+
+> 分组 BarChart（配送金额/耗用金额/期末库存）+ FilterableTable。
+> 后端使用 CTE：dist（按 minor_category 汇总配送）+ item_cat（品项分类映射）+ inv（库存按品项分类汇总），`FULL OUTER JOIN`。
+
+### Block4：门店差异散点图
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店名 | `s.store_name` | `store_name` | mv_distribution_monthly |
+| 配送金额(X) | `s.dist_amt` | `dist_amt` | 同上 |
+| 差异率(Y) | `s.variance_pct` | `variance_pct` | — |
+
+> ScatterChart，颜色按差异率分3档：正常(±3%)/关注(3~10%)/异常(>10%)。
+
+### Block5：门店对账明细
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店编码 | `s.store_code` | `store_code` | mv_distribution_monthly + fact_inventory_snapshot |
+| 门店名称 | `s.store_name` | `store_name` | mv_distribution_monthly |
+| 配送金额 | `s.dist_amt` | `dist_amt` | 同上 |
+| 不含税成本 | `s.dist_cost_excl_tax` | `dist_cost_excl_tax` | 同上 |
+| 期初库存 | `s.opening_amt` | `opening_amt` | fact_inventory_snapshot |
+| 实际耗用 | `s.consumption_amt` | `consumption_amt` | 同上 |
+| 期末库存 | `s.ending_amt` | `ending_amt` | 同上 |
+| 倒挤应耗用 | `s.reverse_consumption_amt` | `reverse_consumption_amt` | — |
+| 差异金额 | `s.variance_amt` | `variance_amt` | — |
+| 差异率 | `s.variance_pct` | `variance_pct` | — |
+| 负库存数 | `s.neg_inventory_count` | `neg_inventory_count` | fact_inventory_snapshot |
+
+> 后端 CTE：dist（按 store_code 汇总）+ inv（按 store_code 汇总，含 `count FILTER(is_negative)`）+ store_names，`FULL OUTER JOIN`。
+> `ORDER BY abs(差异金额) DESC`。
+
+### Block6：Top30差异品项
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店 | `v.store_code` | `store_code` | mv_distribution_monthly |
+| 品项编码 | `v.item_code` | `item_code` | 同上 |
+| 品项名称 | `v.item_name` | `item_name` | 同上 |
+| 品类 | `v.minor_category` | `minor_category` | 同上 |
+| 配送量 | `v.dist_qty` | `dist_qty` | 同上 |
+| 配送金额 | `v.dist_amt` | `dist_amt` | 同上 |
+| 期初 | `v.opening_amt` | `opening_amt` | fact_inventory_snapshot |
+| 实际耗用 | `v.consumption_amt` | `consumption_amt` | 同上 |
+| 期末 | `v.ending_amt` | `ending_amt` | 同上 |
+| 倒挤应耗用 | `v.reverse_consumption_amt` | `reverse_consumption_amt` | — |
+| 差异金额 | `v.variance_amt` | `variance_amt` | — |
+| 差异率 | `v.variance_pct` | `variance_pct` | — |
+
+> 后端 CTE：dist（按 store_code+item_code 汇总，含 item_name/unit/category）+ inv，`LEFT JOIN`，`WHERE consumption_amt > 0`，`LIMIT 30`。
+
+### Block7：未匹配品项（有配送无库存耗用）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 品项编码 | `u.item_code` | `item_code` | mv_distribution_monthly |
+| 品项名称 | `u.item_name` | `item_name` | 同上 |
+| 品类 | `u.minor_category` | `minor_category` | 同上 |
+| 配送量 | `u.dist_qty` | `dist_qty` | 同上 |
+| 配送金额 | `u.dist_amt` | `dist_amt` | 同上 |
+| 涉及门店数 | `u.store_count` | `store_count` | 同上 |
+
+> 后端 CTE：dist_items（按 item_code 汇总，含 `count(DISTINCT store_code)`）+ inv_items（库存中的 material_code），`WHERE d.item_code NOT IN (SELECT material_code FROM inv_items)`，`LIMIT 20`。
+
+---
+
+## 三十、页面28：多级BOM成本穿透 BomPenetrationPage
+
+> 单页面无Tab，2个API（GET overview + GET product detail），有MonthPicker。
+> 核心数据源：`central_kitchen_processing_cost`、`central_kitchen_recipe_consumption`、`analytics.fact_recipe_bom`、`analytics.dim_material`。
+
+### API总览
+
+| API | 触发条件 | 数据源表 | 说明 |
+|-----|---------|---------|------|
+| /central-kitchen/bom-penetration | 页面加载 | central_kitchen_processing_cost + recipe_consumption | 概览：产品列表+BOM汇总+多级链 |
+| /central-kitchen/bom-penetration?productCode=xxx | 点击产品 | 同上 | BOM树递归展开 |
+
+### Block1：核心指标卡片
+
+| 显示指标 | 前端变量 | 计算公式 | 数据来源 |
+|---------|---------|---------|---------|
+| 完工产品数 | `totalProducts` | `productList.length` | /central-kitchen/bom-penetration |
+| 含多级BOM | `multiLevelProducts` | `productList.filter(has_multi_level_bom).length` | 同上 |
+| BOM理论成本 | `totalBomTheoretical` | `bomSummary.reduce(bom_theoretical_amt)` | 同上 |
+| BOM领用成本 | `totalBomIssue` | `bomSummary.reduce(bom_issue_amt)` | 同上 |
+| 差异金额 | `totalVariance` | `bomSummary.reduce(variance_amt)` | 同上 |
+| 半成品依赖链 | `multiLevelChains.length` | — | 同上 |
+
+### Block2：BOM成本结构Top15
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 产品编码 | `b.product_code` | `product_code` | central_kitchen_processing_cost |
+| 产品名称 | `b.product_name` | `product_name` | 同上 |
+| 材料数 | `b.material_count` | `material_count` | central_kitchen_recipe_consumption |
+| 半成品数 | `b.sub_product_count` | `sub_product_count` | 同上 |
+| 理论成本 | `b.bom_theoretical_amt` | `bom_theoretical_amt` | 同上 |
+| 领用成本 | `b.bom_issue_amt` | `bom_issue_amt` | 同上 |
+| 单位理论成本 | `b.bom_unit_theoretical_cost` | `bom_unit_theoretical_cost` | — |
+| 单位领用成本 | `b.bom_unit_issue_cost` | `bom_unit_issue_cost` | — |
+| 差异金额 | `b.variance_amt` | `variance_amt` | — |
+| 差异率 | `b.variance_pct` | `variance_pct` | — |
+
+> 分组 BarChart（理论成本+领用成本）+ FilterableTable，点击行可打开BOM树弹窗。
+> 后端 CTE：bom（JOIN recipe_consumption + LEFT JOIN processing_cost 判断半成品），`GROUP BY product_code, product_name, inbound_quantity`。
+
+### Block3：BOM成本分布Treemap
+
+> Treemap，size=bom_theoretical_amt，颜色按差异率分3档。
+> 数据来源同 Block2 的 bomSummary。
+
+### Block4：产品列表
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 产品编码 | `p.product_code` | `product_code` | central_kitchen_processing_cost |
+| 产品名称 | `p.product_name` | `product_name` | 同上 |
+| 品类 | `p.category_minor` | `category_minor` | 同上 |
+| 入库量 | `p.inbound_quantity` | `inbound_quantity` | 同上 |
+| 理论成本 | `p.theoretical_cost` | `theoretical_cost` | 同上 |
+| 实际成本 | `p.actual_cost` | `actual_cost` | 同上 |
+| 材料数 | `p.material_count` | `material_count` | central_kitchen_recipe_consumption |
+| 多级BOM | `p.has_multi_level_bom` | `has_multi_level_bom` | — |
+
+> 后端 CTE：bom_materials（recipe_consumption 中的 material_code）+ finished_products（processing_cost 中的 product_code）+ multi_level（bom_materials JOIN finished_products），判断产品是否为半成品。
+
+### Block5：半成品依赖链
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 成品编码 | `c.finished_code` | `finished_code` | central_kitchen_processing_cost |
+| 成品名称 | `c.finished_name` | `finished_name` | 同上 |
+| 成品配方 | `c.finished_recipe` | `finished_recipe` | 同上 |
+| 半成品编码 | `c.sub_product_code` | `sub_product_code` | central_kitchen_recipe_consumption |
+| 半成品名称 | `c.sub_product_finished_name` | `sub_product_finished_name` | central_kitchen_processing_cost |
+| 半成品配方 | `c.sub_product_recipe` | `sub_product_recipe` | 同上 |
+
+> 后端 CTE：bom_materials + finished_products，`WHERE bm.material_code IN (SELECT product_code FROM finished_products)`。
+
+### Block6：BOM树弹窗（选中产品后）
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 物料名称 | `node.material_name` | `material_name` | central_kitchen_recipe_consumption |
+| 编码 | `node.material_code` | `material_code` | 同上 |
+| 单位 | `node.unit` | `unit` | 同上 |
+| 理论量 | `node.theoretical_qty` | `theoretical_qty` | 同上 |
+| 领用量 | `node.issue_qty` | `issue_qty` | 同上 |
+| 理论金额 | `node.theoretical_amt` | `theoretical_amt` | 同上 |
+| 领用金额 | `node.issue_amt` | `issue_amt` | 同上 |
+| 差异金额 | 前端计算 | — | `issue_amt - theoretical_amt` |
+
+> 后端使用 `WITH RECURSIVE bom_tree` 递归展开BOM，最大5层。
+> Level 1：直接原材料（JOIN recipe_agg ON pc.recipe_name = ra.recipe_name）。
+> Level 2+：递归展开半成品（`WHERE bt.is_finished_product AND bt.level < 5`）。
+> 无 productCode 时 `LIMIT 200`，有 productCode 时按指定产品展开。
+> 前端 `buildTree()` 将扁平数据构建为树结构，支持懒加载子节点。
+
+---
+
+## 三十一、页面29：销量驱动生产与要货计划 ProductionPlanPage
+
+> 单页面无Tab，1个API（GET），有MonthPicker。
+> 核心数据源：`mv_dish_sales_monthly`、`analytics.fact_recipe_bom`、`analytics.dim_sku`、`analytics.dim_material`、`mv_distribution_monthly`、`analytics.fact_inventory_snapshot`、`central_kitchen_processing_cost`、`inventory_store_mapping`。
+
+### API: /sales-driven/production-plan
+
+后端使用单一连接（`pool.connect()`），先检查并刷新 `mv_dish_sales_monthly` 和 `mv_distribution_monthly` 物化视图，然后创建临时表 `tmp_sales_agg`（从物化视图导入销量数据并建索引），再 `Promise.all` 并发6个查询，返回 `{ summary, skuSales, materialDemand, storeDemand, ckProductionPlan, productionCoord }`。
+
+### Block1：核心指标卡片
+
+| 显示指标 | 前端变量 | API字段 | 计算公式 | 数据源表 |
+|---------|---------|---------|---------|---------|
+| 总菜品数 | `summary.total_dish_count` | `total_dish_count` | `count(DISTINCT dish_name)` | mv_dish_sales_monthly |
+| 有BOM菜品 | `summary.matched_sku_count` | `matched_sku_count` | `count(*) JOIN fact_recipe_bom` | 同上 + fact_recipe_bom |
+| BOM覆盖率 | `summary.bom_coverage_pct` | `bom_coverage_pct` | `matched/total×100` | — |
+| BOM原料数 | `summary.total_bom_materials` | `total_bom_materials` | `count(DISTINCT material_code)` | fact_recipe_bom |
+| 匹配销售额 | `summary.matched_amt` | `matched_amt` | `sum(amt) JOIN bom` | mv_dish_sales_monthly + fact_recipe_bom |
+| 总销售额 | `summary.total_sales_amt` | `total_sales_amt` | `sum(amt)` | mv_dish_sales_monthly |
+| CK生产计划 | 前端计算 | — | `ckProductionPlan.filter(demand_qty>0).length` | — |
+
+### Block2：BOM覆盖率饼图 + Top15原料需求
+
+> PieChart（有BOM vs 无BOM菜品数）。
+> BarChart（Top15原料需求量），数据来自 materialDemand。
+
+### Block3：中央厨房生产计划
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 产品编码 | `r.product_code` | `product_code` | central_kitchen_processing_cost |
+| 产品名称 | `r.product_name` | `product_name` | 同上 |
+| 需求量 | `r.demand_qty` | `demand_qty` | mv_dish_sales_monthly × fact_recipe_bom |
+| 实际入库 | `r.actual_inbound_qty` | `actual_inbound_qty` | central_kitchen_processing_cost |
+| 差异量 | `r.variance_qty` | `variance_qty` | 需求-实际入库 |
+| 差异率 | `r.variance_pct` | `variance_pct` | 差异/实际入库×100 |
+| 涉及门店 | `r.store_count` | `store_count` | — |
+| 实际成本 | `r.actual_cost` | `actual_cost` | central_kitchen_processing_cost |
+
+> 后端 CTE：ck_demand（销量×BOM 中 material_name IN processing_cost.product_name 的记录）+ ck_actual（processing_cost 按产品汇总），`LEFT JOIN` + `UNION ALL`（补全有实际无需求的产品）。
+> **注意**：需求与实际通过 `material_name = product_name` 名称匹配，非编码匹配。
+
+### Block4：生产与配送协同
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 产品编码 | `r.product_code` | `product_code` | central_kitchen_processing_cost |
+| 产品名称 | `r.product_name` | `product_name` | 同上 |
+| 完工入库 | `r.inbound_qty` | `inbound_qty` | 同上 |
+| 实际成本 | `r.actual_cost` | `actual_cost` | 同上 |
+| 理论成本 | `r.theoretical_cost` | `theoretical_cost` | 同上 |
+| 配送量 | `r.dist_qty` | `dist_qty` | mv_distribution_monthly (DC=2) |
+| 配送金额 | `r.dist_amt` | `dist_amt` | 同上 |
+| 中央厨房出库 | `r.ck_consumption_qty` | `ck_consumption_qty` | fact_inventory_snapshot (store_code='2') |
+| 中央厨房期末 | `r.ck_ending_qty` | `ck_ending_qty` | 同上 |
+| 其他仓库消耗 | `r.other_wh_consumption_qty` | `other_wh_consumption_qty` | fact_inventory_snapshot (非门店非CK) |
+| 其他仓库期末 | `r.other_wh_ending_qty` | `other_wh_ending_qty` | 同上 |
+| 门店消耗 | `r.consumption_qty` | `consumption_qty` | fact_inventory_snapshot (门店) |
+| 门店期末库存 | `r.ending_qty` | `ending_qty` | 同上 |
+| 完工配送率 | `r.completion_distribution_rate` | `completion_distribution_rate` | 配送/完工×100 |
+| 配送消耗率 | `r.distribution_consumption_rate` | `distribution_consumption_rate` | 门店消耗/配送×100 |
+| 库存积压率 | `r.inventory_accumulation_rate` | `inventory_accumulation_rate` | 门店期末/门店消耗×100 |
+
+> 后端 CTE：ck_production + ck_distribution(DC=2) + ck_inventory(store=2) + other_wh_inventory + store_consumption，4个 `FULL OUTER JOIN`。
+> 其他仓库定义：`inventory_store_mapping WHERE sales_store_code IS NULL OR = ''` 且 `store_code != '2'`。
+> 门店定义：`store_code NOT IN (非门店的 cost_unit_code)`。
+> `LIMIT 50`。
+
+### Block5：门店要货建议
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 门店编码 | `r.store_code` | `store_code` | mv_dish_sales_monthly |
+| 门店名称 | `r.store_name` | `store_name` | 同上 |
+| 有BOM菜品数 | `r.sku_count` | `sku_count` | 同上 + fact_recipe_bom |
+| 销量 | `r.total_qty` | `total_qty` | mv_dish_sales_monthly |
+| 销售额 | `r.total_amt` | `total_amt` | 同上 |
+| 原料需求量 | `r.total_material_demand_qty` | `total_material_demand_qty` | 同上 × fact_recipe_bom |
+| 期末库存量 | `r.ending_inventory_qty` | `ending_inventory_qty` | fact_inventory_snapshot |
+| 期末库存额 | `r.ending_inventory_amt` | `ending_inventory_amt` | 同上 |
+| 建议要货量 | `r.suggested_order_qty` | `suggested_order_qty` | 原料需求-期末库存 |
+
+> 后端 CTE：store_demand（按 store_code 汇总销量+BOM展开）+ inv（按 store_code 汇总期末库存），`LEFT JOIN`。
+
+### Block6：原料需求明细
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 原料编码 | `r.material_code` | `material_code` | fact_recipe_bom |
+| 原料名称 | `r.material_name` | `material_name` | dim_material |
+| 单位 | `r.unit` | `unit` | fact_recipe_bom |
+| 总需求量 | `r.total_demand_qty` | `total_demand_qty` | mv_dish_sales_monthly × fact_recipe_bom |
+| 总需求金额 | `r.total_demand_amt` | `total_demand_amt` | 同上（含配送单价） |
+| 涉及门店数 | `r.store_count` | `store_count` | — |
+| 门店均需求 | `r.avg_store_demand` | `avg_store_demand` | — |
+
+> 后端 CTE：demand（tmp_sales_agg JOIN fact_recipe_bom LEFT JOIN dim_material LEFT JOIN mv_distribution_monthly 获取单价），`LIMIT 100`。
+> **注意**：原料单价通过 `m.material_name = ic.item_name` 名称匹配配送记录。
+
+### Block7：SKU销量Top50
+
+| 显示指标 | 前端变量 | API字段 | 数据源表 |
+|---------|---------|---------|---------|
+| 菜品名称 | `r.dish_name` | `dish_name` | mv_dish_sales_monthly |
+| SKU编码 | `r.sku_code` | `sku_code` | dim_sku |
+| 销量 | `r.qty` | `qty` | mv_dish_sales_monthly |
+| 销售额 | `r.amt` | `amt` | 同上 |
+| 门店数 | `r.store_count` | `store_count` | 同上 |
+| 均价 | `r.avg_unit_price` | `avg_unit_price` | 同上 |
+| 有BOM | `r.has_bom` | `has_bom` | fact_recipe_bom |
+| 材料数 | `r.material_count` | `material_count` | 同上 |
+
+> 后端 CTE：sales（按 dish_name 汇总）LEFT JOIN dim_sku ON `s.dish_name = sk.standard_name` LEFT JOIN fact_recipe_bom，`LIMIT 50`。
+> **注意**：SKU匹配通过 `dish_name = standard_name` 名称匹配。
+
+---