园区产品线问题数据分析报告生成

概述

将园区产品线问题单（工单）Excel 数据转换为一份结构化、交互式的 ECharts HTML 数据分析报告。报告覆盖问题趋势、SLA/超期、支持组、区域、故障大小类、产品维度定向、硬件故障、优先行动等维度，遵循已固化的数据口径、术语规范与视觉风格。

何时使用

触发场景：

用户提供园区/产品线问题单 Excel，要求生成数据分析报告；
要求"深度分析"问题趋势/SLA/超期/支持组/区域/产品型号/故障大类小类/硬件/超期原因；
要求刷新既有报告（新数据周期、分类修订）；
要求迭代优化既有报告的布局/图表/表格/配色。

前置条件

数据源：问题单 Excel（Sheet1），含单号/区域/SLA/超期/产品型号/PDT创建归属/PDT根因归属/关闭日期/维保/支持组/一级分类/故障大类/故障小类/一二三线超期与耗时等列。
列索引映射见 references/report-spec.md 的"Excel 列映射"章节；若新数据列顺序变化，先核对列索引。
运行环境：Python（openpyxl）用于分析；Node.js 用于 HTML 校验与本地预览。

工作流程

Step 1 — 分析数据

运行 scripts/analyze_issues.py <Excel路径> <输出JSON路径> 读取 Excel 并聚合所有维度，输出 JSON。

脚本默认硬编码了已验证的列索引与产品组映射；若新数据列顺序不同，先修改脚本顶部 COLS 与 PRODUCT_MODELS 配置，切勿凭记忆猜列。

关键产出：total/full_total、pdt_mismatch、q_metrics（季度·国内/国际拆分）、overall、cat1_kpi、hw_kpi、各维度分布、line_overdue（OLA1/2/3）、q_trend、q_fault_big、avg_time_by_*、prod_analysis、hw_detail、od_top15。

Step 2 — 严格区分数据口径（最重要）

全量数据：仅用于 PDT 错位分析（pdt_mismatch）。type1=创建归属含"园区"但根因归属不含；type2=创建归属不含"园区"但根因归属含。
园区根因子集（问题归属PDT 含"园区"）：用于其余所有分析（趋势/SLA/超期/故障/产品/硬件/优先行动）。
两套口径不可混用。报告标题与 KPI 注明"分析主体：问题归属PDT=园区（N条）"。

Step 3 — 生成 HTML 报告

以 assets/report-template.html 为结构模板，克隆其布局与 ECharts 配置，仅替换数据为 Step 1 的 JSON 聚合结果。完整章节结构、图表 ID、配置要点见 references/report-spec.md。

报告章节骨架：

KPI 行：问题总数 / 超期率(拆国内·国际) / 平均闭环(天) / 质量故障占比 / 硬件占比。
1. 问题趋势：1.1 PDT错位(①②卡片+根因TOP) / 1.2-1.3 季度总览表 / 1.4+1.5 合并双折线(国内·国际超期率) / 1.6 SLA说明前置+超期vs按期闭环图 / 1.7 OLA竖向柱+超期闭环图 / 1.8 维保季度堆积+在保率折线。
1. 故障分析：2.1 故障大类饼图(7类) / 2.2 故障大类季度堆积 / 2.3 故障大类平均闭环时长。
1. 产品定向：3.1 VMS-U(国内) / 3.2 UG(海外) / 3.3 VMS-B / 3.4 EGS，各含支持组分布图+超期情况图+故障大类饼图+故障小类TOP10+高频问题现象表。
1. 硬件故障分析。
1. 优先行动(紧急/重要/一般) + TOP15超期单号表。

Step 4 — 应用规范

术语与视觉规范（详见 references/report-spec.md）：

全文统一用"问题单"，不用"工单"。
趋势统一按"季度"（24Q1–26Q2 等），不按半年。
闭环时长统一按"天"。
支持组仅保留 L2/L3，去掉二线/三线/二三线合计，OLA 改为 OLA1/OLA2/OLA3。
配色为文档风格：主蓝 #2563eb、琥珀 #f59e0b、绿 #10b981、红 #ef4444、紫 #8b5cf6、青 #06b6d4；浅色主题，深色文字。
优先行动标签：紧急(红)/重要(橙)/一般(蓝)。
高频问题现象表列宽：问题现象分类/问题数/平均闭环(天) 三列等宽 200px，TOP5 列自适应；表格 100% 撑满面板，不要给表格加 max-width 上限（会致整表压窄、标签换行拥挤）。

Step 5 — 校验

产出 HTML 后必做：

用 Node 校验 {} 与 () 括号配平（ECharts 配置易漏闭合）。
grep 检查残留旧值：工单、半年、null、旧故障分类（如"软件""配置""非故障技术咨询""其他"作大类）。
检查图表 ID 无重复（重复 ID 会导致后图空白）。
图例 legend.fontSize 修改后易致大括号不平衡，需重新校验配平。

Step 6 — 本地预览

启动 Node http 静态服务器托管报告目录，端口避开占用（历史用 8123–8129），用 present_files 打开 localhost 预览。数据或布局迭代后，逐项确认无误再交付。

常见陷阱（历史踩坑）

数据口径混淆：把全量数据用于趋势分析，导致数量虚高。务必仅园区根因子集用于非错位分析。
故障大类分类漂移：数据刷新后旧类（软件/null/配置/其他/非故障技术咨询）可能残留，需统一重分类至 7 类（功能缺陷/操作配置问题/环境问题/其他原因/对接问题/功能缺失/硬件故障）。
高频表列宽反复：在宽面板(~1200px)里三列固定窄宽+一列自适应，自适应列会吸收全部剩余显得过宽；加 max-width 上限又致整表压窄。终解：三列等宽 200px、TOP5 自适应、表格 100% 撑满，不加上限。
图表 ID 重复：复用模板时未改 ID，后图渲染空白。每个 id 全局唯一。
图例遮挡：饼图 legend bottom 过小会遮挡季度标签，调大至 70 左右。

资源

scripts/analyze_issues.py — 读取 Excel 聚合全维度，输出 JSON。命令：python analyze_issues.py <Excel> <out.json>。
references/report-spec.md — 详细报告规格：Excel 列映射、章节结构、各图表 ID 与配置、数据口径、术语配色、表格列宽、校验清单。
assets/report-template.html — 最终版报告结构模板（v6），克隆其布局与 ECharts 配置后替换数据。