# V3.0 系统闭环版 — 现有数据支撑度分析

> **版本**：V3.0-Data-Assessment  
> **基准文档**：`连锁企业数字化运营体系（系统闭环版）.md`  
> **数据源**：`bill_query` 数据库（通过 FRP 隧道 `127.0.0.1:15432` 访问）  
> **分析日期**：2026-08-04  

---

## 一、数据资产总览

### 1.1 数据规模

| 数据类别 | 表名 | 记录数 | 时间范围 | 数据状态 |
|:---|:---|---:|:---|:---|
| **账单流水** | `bill_records` | 1,677,993 | 2026年4月 | ✅ 充足 |
| **菜品销售明细** | `dish_sales_details` | 5,553,188 | 2026年7月导入 | ✅ 充足 |
| **配送记录** | `distribution_detail_records` | 325,922 | 2026-03 ~ 2026-04 | ✅ 充足 |
| **会员主数据** | `dim_member` | 83,101 | — | ✅ 充足 |
| **库存快照** | `fact_inventory_snapshot` | 54,842 | 2026-04-01 | ⚠️ 仅1天 |
| **库存成本** | `inventory_cost_records` | 54,973 | — | ✅ 充足 |
| **物料主数据** | `dim_material` | 6,777 | — | ✅ 充足 |
| **中央厨房配方消耗** | `central_kitchen_recipe_consumption` | 4,842 | — | ✅ 充足 |
| **费用记录** | `operating_expense_records` | 3,952 | 2026-04 | ⚠️ 仅1月 |
| **薪资记录** | `salary_detail_records` | 3,596 | — | ✅ 可用 |
| **菜品成本材料明细** | `dish_cost_analysis_material_detail` | 3,568 | — | ✅ 可用 |
| **考勤记录** | `attendance_records` | 3,556 | — | ✅ 可用 |
| **BOM配方** | `fact_recipe_bom` | 3,520 | — | ✅ 可用 |
| **中央厨房物料日耗** | `central_kitchen_material_daily` | 3,329 | — | ✅ 可用 |
| **员工主数据** | `dim_employee` | 3,326 | — | ✅ 充足 |
| **SKU主数据** | `dim_sku` | 1,745 | — | ✅ 充足 |
| **中央厨房完工入库** | `central_kitchen_finished_receipt` | 1,708 | — | ✅ 可用 |
| **菜品成本汇总** | `dish_cost_analysis_summary` | 788 | — | ✅ 可用 |
| **供应商主数据** | `dim_supplier` | 198 | — | ✅ 可用 |
| **门店主数据** | `dim_store` | 91 | — | ✅ 充足 |
| **门店目标** | `dim_store_target` | 182 | 2026-05 | ⚠️ 仅1月 |
| **门店任务** | `store_task` | 138 | 2026-05 | ⚠️ 仅1月 |
| **日历维度** | `dim_calendar` | 365 | — | ✅ 可用 |

### 1.2 物化视图（47个）

| 类别 | 数量 | 代表视图 |
|:---|---:|:---|
| **门店评分/风险** | 8 | `mv_store_risk_rating_monthly`、`mv_store_scorecard`、`mv_store_benchmark_composite_monthly` |
| **门店成本** | 2 | `mv_store_theoretical_actual_cost_monthly`、`mv_inventory_cost_classified_monthly` |
| **菜品分析** | 8 | `mv_dish_sku_summary_monthly`、`mv_dish_store_summary_monthly`、`mv_dish_sku_abc_monthly` |
| **门店画像** | 6 | `mv_store_category_mix_monthly`、`mv_store_platform_economics_monthly`、`mv_store_member_opportunity_monthly` |
| **选址分析** | 4 | `mv_store_site_profile_monthly`、`mv_store_site_replication_monthly`、`mv_district_site_benchmark_monthly` |
| **时间/客流** | 4 | `mv_bill_hourly`、`mv_time_hourly`、`mv_time_weekday`、`mv_store_revenue` |
| **风险监控** | 3 | `mv_risk_anomaly`、`mv_risk_cashier`、`mv_risk_zero` |
| **配送分析** | 1 | `mv_distribution_monthly` |
| **其他** | 11 | `mv_store_area_efficiency_monthly`、`mv_store_repeat_summary_monthly` 等 |

### 1.3 组织维度数据

| 维度 | 数量 | 明细 |
|:---|---:|:---|
| **门店总数** | 91 | 覆盖北京13个区 + 西安未央区 |
| **区域分布** | 13区 | 海淀23、朝阳20、丰台16、西城9、大兴6、东城5、石景山2、昌平2、房山1、怀柔1、通州1、未央1、未知4 |
| **员工总数** | 3,326 | 含考勤+薪资记录 |
| **会员总数** | 83,101 | 含等级分层（钻石/金卡/银卡/普通） |
| **SKU总数** | 1,745 | 含品类层级 |
| **供应商总数** | 198 | 含评估数据 |
| **物料总数** | 6,777 | 含BOM关系 |

---

## 二、V3.0 五层架构数据支撑度

### 2.1 第一层：作业层（一线员工/设备）

| V3.0要求的数据 | 现有数据源 | 支撑度 | 差距 |
|:---|:---|:---:|:---|
| 个人出餐时效 | ❌ 无扫码计时数据 | **0%** | 需出品扫码枪+计时系统 |
| 个人销售额 | ⚠️ `dish_sales_details` 有菜品销售但未关联到个人 | **20%** | 需员工工号关联 |
| 个人好评引导数 | ❌ 无评价数据 | **0%** | 需对接评价系统 |
| 考勤打卡 | ✅ `attendance_records`（3,556条） | **80%** | 缺实时打卡API |
| 工时统计 | ✅ `attendance_records` 有打卡时间 | **70%** | 需工时计算引擎 |
| 温度数据 | ❌ 无IoT数据 | **0%** | 需温控探针硬件 |
| 扫码确认 | ❌ 无扫码数据 | **0%** | 需扫码枪硬件 |
| **作业层总体支撑度** | | **20%** | 硬件接入是主要瓶颈 |

### 2.2 第二层：执行层（门店/店长）

| V3.0要求的数据 | 现有数据源 | 支撑度 | 差距 |
|:---|:---|:---:|:---|
| 日营收达成 | ✅ `bill_fact`（168万条，2026年4月） | **85%** | 仅1个月数据，需持续导入 |
| 客单价 | ✅ `bill_fact` 有 `avg_bill_value` | **85%** | 同上 |
| 来客数 | ✅ `bill_fact` 有 `bill_count` + 客流字段 | **80%** | 同上 |
| 食材成本率 | ✅ `dish_cost_analysis_summary`（788条） | **80%** | 需按月持续导入 |
| 人力成本 | ✅ `salary_detail_records`（3,596条） | **75%** | 需按月持续导入 |
| 能耗/损耗 | ⚠️ `operating_expense_records` 有能耗字段 | **60%** | 仅1个月数据 |
| 出餐时效 | ❌ 无出品计时数据 | **0%** | 需扫码系统 |
| 好评率/差评 | ❌ 无评价数据 | **0%** | 需对接外卖平台API |
| 会员消费占比 | ✅ `bill_fact` 有会员标识 | **80%** | 同账单数据 |
| 到货验收 | ✅ `distribution_detail_records`（32.6万条） | **70%** | 缺验收合格率字段 |
| 库存周转 | ✅ `fact_inventory_snapshot`（5.5万条） | **50%** | 仅1天快照，需每日快照 |
| 排班数据 | ✅ `attendance_records` 有排班信息 | **70%** | 需排班算法 |
| **执行层总体支撑度** | | **65%** | 数据基本支撑，需持续导入+评价数据 |

### 2.3 第三层：管控层（区域/大区/督导）

| V3.0要求的数据 | 现有数据源 | 支撑度 | 差距 |
|:---|:---|:---:|:---|
| 区域营收达成 | ✅ `dim_store` 有区域字段 + `bill_fact` 有营收 | **85%** | 13个区域，91家店 |
| 门店排名 | ✅ `mv_store_risk_rating_monthly` | **85%** | 已有风险评级 |
| 巡检得分 | ❌ 无巡检数据 | **0%** | 需巡检系统 |
| 门店分级(A/B/C/D) | ⚠️ `store_task` 有 `priority` 字段但非自动分级 | **30%** | 需自动分级算法 |
| 红黄绿灯 | ✅ `mv_store_risk_rating` 有 `risk_level`（红/黄/绿） | **70%** | 需实时计算+推送 |
| 同店增长 | ⚠️ 仅1个月数据，无法计算同比 | **20%** | 需多个月数据 |
| 人才梯队 | ⚠️ `dim_employee` 有员工数据但无储备/晋升标记 | **30%** | 需人才九宫格 |
| 营销ROI | ⚠️ `mv_store_platform_economics_monthly` 有平台数据 | **50%** | 缺活动维度 |
| 到货准时率 | ✅ `distribution_detail_records` 有时间字段 | **60%** | 需计算逻辑 |
| **管控层总体支撑度** | | **55%** | 需巡检数据+多月份+人才标记 |

### 2.4 第四层：决策层（总部各中心）

| V3.0要求的数据 | 现有数据源 | 支撑度 | 差距 |
|:---|:---|:---:|:---|
| 集团营收/利润 | ✅ `mv_overview_monthly` + `mv_overview_daily` | **80%** | 仅1个月 |
| 品类矩阵 | ✅ `mv_dish_sku_summary_monthly` + `dim_sku` | **80%** | 1,745个SKU |
| 菜品成本 | ✅ `dish_cost_analysis_summary`（788条） | **80%** | 需按月持续 |
| 供应链成本 | ✅ `distribution_detail_records` + `dim_supplier` | **65%** | 198家供应商 |
| 中央厨房产能 | ✅ `central_kitchen_recipe_consumption` + `central_kitchen_material_daily` | **70%** | 需产能利用率计算 |
| BOM穿透 | ✅ `fact_recipe_bom`（3,520条） | **80%** | 已有BOM关系 |
| 会员LTV | ✅ `dim_member`（83,101条） | **80%** | 含等级/消费/状态 |
| 菜单工程 | ✅ `mv_dish_sku_abc_monthly` + `dish_sales_details` | **75%** | 有ABC分类 |
| 库存周转 | ⚠️ `fact_inventory_snapshot` 仅1天 | **40%** | 需每日快照 |
| 费用结构 | ⚠️ `operating_expense_records` 仅1月 | **50%** | 需多月数据 |
| 选址分析 | ✅ `mv_store_site_profile_monthly` + `store_location_master` | **75%** | 有115个选址 |
| **决策层总体支撑度** | | **70%** | 数据最充足，需多月份持续导入 |

### 2.5 第五层：战略层（老板/董事会）

| V3.0要求的数据 | 现有数据源 | 支撑度 | 差距 |
|:---|:---|:---:|:---|
| 全局仪表盘 | ✅ `mv_overview_monthly` | **70%** | 仅1个月 |
| 区域对比 | ✅ `dim_store` 13区域 + `mv_store_risk_rating` | **75%** | 需多月对比 |
| 投资回报 | ⚠️ `dim_store_target` 有 `profit_target` | **40%** | 缺投资成本数据 |
| 行业对标 | ❌ 无外部数据 | **0%** | 需行业数据源 |
| 品牌NPS | ❌ 无NPS数据 | **0%** | 需调研系统 |
| 资本环境 | ❌ 无外部数据 | **0%** | 需外部数据源 |
| 同店增长 | ⚠️ 仅1个月无法计算 | **10%** | 需12个月+数据 |
| **战略层总体支撑度** | | **30%** | 严重依赖外部数据+多月份历史 |

---

## 三、五个闭环数据支撑度

### 3.1 目标闭环（Target Loop）

| 数据需求 | 现有数据 | 支撑度 |
|:---|:---|:---:|
| 年度战略目标 | ❌ 无 | **0%** |
| 区域年度目标 | ❌ 无 | **0%** |
| 门店月度目标 | ✅ `dim_store_target`（182条，含营收/客单/会员/成本/利润目标） | **70%** |
| 日目标 | ❌ 无日级目标拆解 | **0%** |
| 达成率计算 | ✅ `bill_fact` + `dim_store_target` 可计算 | **60%** |
| 偏差归因 | ⚠️ 有成本偏差(`dish_cost_analysis`)但缺综合归因 | **30%** |
| **目标闭环总体支撑度** | | **25%** | 有月度目标但缺日级目标和自动拆解 |

### 3.2 数据闭环（Data Loop）

| 数据需求 | 现有数据 | 支撑度 |
|:---|:---|:---:|
| POS销售数据 | ✅ `bill_records` 168万条 + `bill_fact` 物化视图 | **80%** |
| 菜品销售明细 | ✅ `dish_sales_details` 555万条 | **85%** |
| 外卖平台数据 | ✅ `bill_records` 有美团/饿了么/京东字段 | **60%** |
| 会员数据 | ✅ `dim_member` 8.3万条 | **80%** |
| 库存数据 | ⚠️ `fact_inventory_snapshot` 仅1天 | **30%** |
| 费用数据 | ⚠️ `operating_expense_records` 仅1月 | **40%** |
| 薪资数据 | ✅ `salary_detail_records` 3,596条 | **70%** |
| 考勤数据 | ✅ `attendance_records` 3,556条 | **70%** |
| 配送数据 | ✅ `distribution_detail_records` 32.6万条 | **75%** |
| 中央厨房数据 | ✅ `central_kitchen_*` 多表 | **70%** |
| IoT温度数据 | ❌ 无 | **0%** |
| 扫码数据 | ❌ 无 | **0%** |
| 评价数据 | ❌ 无 | **0%** |
| **数据闭环总体支撑度** | | **55%** | 核心业务数据充足，IoT/评价/实时采集缺失 |

### 3.3 业务闭环（Business Loop）

| 数据需求 | 现有数据 | 支撑度 |
|:---|:---|:---:|
| 产品/SKU主数据 | ✅ `dim_sku` 1,745条 | **80%** |
| 配方SOP | ⚠️ `fact_recipe_bom` 有BOM但无SOP步骤 | **50%** |
| 中央厨房生产 | ✅ `central_kitchen_recipe_consumption` + `central_kitchen_material_daily` | **70%** |
| 配送物流 | ✅ `distribution_detail_records` 32.6万条 | **75%** |
| 门店销售 | ✅ `bill_fact` + `dish_sales_details` | **85%** |
| 顾客评价 | ❌ 无评价数据 | **0%** |
| 产品生命周期 | ❌ 无上市日期/生命周期阶段 | **0%** |
| 菜单工程分析 | ✅ `mv_dish_sku_abc_monthly` + `dish_sales_details` | **75%** |
| **业务闭环总体支撑度** | | **55%** | 产销链数据充足，缺评价+生命周期 |

### 3.4 协同闭环（Collaboration Loop）

| 数据需求 | 现有数据 | 支撑度 |
|:---|:---|:---:|
| 门店销量预测 | ⚠️ 仅1个月数据，预测可靠性低 | **30%** |
| 中央厨房MRP | ✅ `fact_recipe_bom` + `central_kitchen_material_daily` | **60%** |
| 供应商管理 | ✅ `dim_supplier` 198条 | **60%** |
| 采购到货 | ✅ `distribution_detail_records` | **65%** |
| 门店验收 | ⚠️ 配送有记录但无验收合格率 | **40%** |
| 员工绩效 | ✅ `dim_employee` + `salary_detail_records` | **60%** |
| 人才九宫格 | ❌ 无潜力评估数据 | **10%** |
| 营销活动 | ⚠️ `mv_store_platform_economics_monthly` 有平台数据 | **40%** |
| **协同闭环总体支撑度** | | **45%** | 需多月份数据+验收+人才评估 |

### 3.5 迭代闭环（Improvement Loop）

| 数据需求 | 现有数据 | 支撑度 |
|:---|:---|:---:|
| 任务执行记录 | ✅ `store_task` 138条 + `store_task_log` | **70%** |
| 周检查记录 | ⚠️ `task_weekly_check` 表存在但数据量未知 | **50%** |
| 月度验收 | ⚠️ `task_monthly_review` 表存在但数据量未知 | **50%** |
| 经验标准化 | ⚠️ `standardized_practice` 表存在 | **40%** |
| 经验推广 | ⚠️ `practice_replication` 表存在 | **40%** |
| 指标字典 | ✅ `indicator_dictionary` 表存在 | **70%** |
| 数据质量 | ⚠️ `data_quality_log` 表存在 | **40%** |
| **迭代闭环总体支撑度** | | **50%** | 表结构已建，数据量偏少 |

---

## 四、关键差距与瓶颈

### 4.1 时间维度差距（最大瓶颈）

| 问题 | 影响 | 严重度 |
|:---|:---|:---:|
| **`bill_fact` 仅2026年4月1个月** | 无法计算同店增长、同比、环比、趋势预测 | 🔴 严重 |
| **`dim_store_target` 仅2026年5月** | 无法做目标校准、历史达成率分析 | 🔴 严重 |
| **`operating_expense_records` 仅2026年4月** | 无法做费用趋势分析 | 🟡 中等 |
| **`fact_inventory_snapshot` 仅2026-04-01一天** | 无法做库存周转分析 | 🔴 严重 |
| **`store_task` 仅2026年5月** | 无法做闭环健康度趋势 | 🟡 中等 |

**结论**：当前数据仅覆盖1-2个月，**无法支撑V3.0要求的趋势分析、同店增长、目标校准、同比环比等核心功能**。需要至少积累3-6个月的数据。

### 4.2 数据缺失清单

| 缺失数据 | 影响的V3.0模块 | 补齐方式 | 难度 |
|:---|:---|:---|:---:|
| **顾客评价数据** | 业务闭环、预警引擎、产品迭代 | 对接外卖平台评价API | 中 |
| **巡检数据** | 管控层、门店分级、食安预警 | 新建巡检系统 | 高 |
| **IoT温度数据** | 数据闭环、食安预警、冷链监控 | 部署IoT硬件 | 高 |
| **扫码数据** | 作业层、执行流闭环 | 部署扫码枪 | 高 |
| **日级目标数据** | 目标闭环、日目标卡 | 新建目标拆解系统 | 中 |
| **产品生命周期数据** | 业务闭环、产品PLM | 新建生命周期表 | 低 |
| **人才评估数据** | 协同闭环、HR九宫格 | 新建评估体系 | 中 |
| **审批流数据** | 审批流矩阵 | 新建审批系统 | 中 |
| **培训数据** | 迭代闭环、LMS | 新建LMS系统 | 高 |
| **行业对标数据** | 战略驾驶舱 | 外部数据采购 | 中 |

### 4.3 数据质量风险

| 风险 | 详情 | 影响 |
|:---|:---|:---|
| **手工导入延迟** | 数据非实时，依赖手工导入 | V3.0要求T+0实时看板，当前仅T+1 |
| **物化视图未刷新** | 47个物化视图需手工REFRESH | 数据可能过期 |
| **门店名映射不一致** | `bill_records.c003` 与 `dim_store.store_name` 需映射 | 多表关联可能出错 |
| **区域字段不完整** | 4家门店"未知区域" | 区域分析有盲区 |

---

## 五、数据支撑度总评

### 5.1 按层级汇总

| V3.0层级 | 数据支撑度 | 核心瓶颈 |
|:---|:---:|:---|
| **作业层** | **20%** | 硬件缺失（IoT/扫码枪/人脸识别） |
| **执行层** | **65%** | 评价数据缺失、库存仅1天、需多月份 |
| **管控层** | **55%** | 巡检数据缺失、门店分级未自动化、仅1个月 |
| **决策层** | **70%** | 数据最充足，需多月份持续导入 |
| **战略层** | **30%** | 外部数据缺失、同店增长无法计算 |
| **整体加权平均** | **~48%** | 时间跨度不足是最大瓶颈 |

### 5.2 按闭环汇总

| V3.0闭环 | 数据支撑度 | 核心瓶颈 |
|:---|:---:|:---|
| **目标闭环** | **25%** | 日级目标缺失、自动拆解未实现 |
| **数据闭环** | **55%** | IoT/评价/实时采集缺失 |
| **业务闭环** | **55%** | 评价数据+产品生命周期缺失 |
| **协同闭环** | **45%** | 多月份数据不足、人才评估缺失 |
| **迭代闭环** | **50%** | 表已建但数据量偏少 |
| **整体加权平均** | **~46%** | 评价数据+多月份是核心瓶颈 |

### 5.3 结论

**现有数据可以支撑V3.0的部分实现，但存在三个关键瓶颈**：

1. **时间跨度不足（最大瓶颈）**：核心业务数据仅覆盖1-2个月，无法支撑趋势分析、同店增长、目标校准等V3.0核心功能。**需要至少3-6个月的持续数据积累**。

2. **采集层缺失**：IoT温度、扫码确认、顾客评价三类数据完全空白，这直接影响了V3.0的"自动采集"和"自动验证"两大自动化。**需要硬件投入和外部API对接**。

3. **管理和人才数据空白**：巡检得分、人才评估、审批流、培训记录等管理类数据完全缺失。**需要新建对应系统模块**。

**建议优先行动**：
- **立即**：建立定时数据导入管道，确保每月持续导入账单、费用、库存、薪资数据
- **短期（1-3月）**：对接外卖平台评价API，补齐评价数据；建立每日库存快照
- **中期（3-6月）**：积累6个月数据后，启动目标闭环和趋势分析功能
- **长期（6-12月）**：逐步补齐IoT、扫码、巡检等硬件依赖数据