# 多公司、多类型数据存储与展示 — 数据库与程序设计

## 一、需求归纳

| 数据类型 | 示例                             | 结构特点                                 | 公司覆盖   |
| -------- | -------------------------------- | ---------------------------------------- | ---------- |
| 三大报表 | 资产负债表、利润表、现金流量表   | 报告期 × 项目 → 数值，项目由 config 决定 | 所有公司   |
| 业务构成 | 主营业务构成（产品/地区/业务线） | 报告期 × 维度(产品、地区等) → 数值/占比  | 部分公司   |
| 业务指标 | 分众梯媒数量、门店数、产能等     | 报告期 × 指标名(或细分维度) → 数值       | 某公司特有 |

共性：**不同公司、不同类型的数据，维度与指标各异，且类型会持续增加**。  
目标：**一套程序 + 一套库表** 支持所有类型，便于落库与图表展示。

---

## 二、设计原则

1. **类型可扩展**：新增一种数据（如「门店数量」）不新增表、尽量不迁库。
2. **公司可扩展**：新公司只需配置「用哪些数据类型 + 解析/展示配置」。
3. **存储统一**：所有「公司 + 数据类型 + 时间 + 维度 → 数值」走同一套存储模型。
4. **查询与图表友好**：能按公司、类型、时间范围取出结构化数据，方便 ECharts 等前端作图。

---

## 三、数据库选型结论

- **仍推荐 PostgreSQL**。
- 原因：需要按公司/类型/时间筛选、聚合、多公司对比；维度用 **JSONB** 表达，兼顾灵活性与查询（GIN 索引、jsonb 运算符）；同一套表即可覆盖三大表 + 主营业务构成 + 梯媒数量等所有当前与未来类型。

---

## 四、核心表结构设计

### 4.1 概念模型（统一抽象）

所有「公司 × 数据类型 × 时间」下的数据，统一视为：

- **数据集类型**（dataset type）：如 balance_sheet、income_statement、main_business_composition、elevator_media_count …
- **维度**（dimensions）：因类型而异，用键值对表示，例如
    - 三大表：`{ "category": "类现金", "item": "货币资金" }` 或仅 `{ "item": "资产总计" }`
    - 主营业务构成：`{ "segment": "产品", "name": "空调", "region": "国内" }`
    - 梯媒数量：`{ "metric": "梯媒数量", "sub_type": "电梯电视" }` 或仅 `{ "metric": "梯媒数量" }`
- **数值**（value）：统一为数值型（金额亿、数量、占比等）。

即：**一条记录 = 某公司、某数据集类型、某报告期、若干维度、一个数值**。

### 4.2 表结构（PostgreSQL）

```sql
-- 公司
CREATE TABLE companies (
  id         UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  name       VARCHAR(200) NOT NULL,
  code       VARCHAR(50) UNIQUE,  -- 可选：股票/内部编码
  created_at TIMESTAMPTZ DEFAULT now()
);

-- 数据集类型（注册所有「可用的数据类型」）
CREATE TABLE dataset_types (
  id          UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  code        VARCHAR(80) UNIQUE NOT NULL,   -- balance_sheet, main_business_composition, elevator_media_count
  name        VARCHAR(200) NOT NULL,         -- 资产负债表、主营业务构成、梯媒数量
  description TEXT,
  -- 用于解析与展示的默认结构（可选）
  default_dimension_keys JSONB,              -- ["category","item"] 或 ["segment","region","metric"]
  created_at  TIMESTAMPTZ DEFAULT now()
);

-- 某公司对某数据集类型的「解析/展示」配置（对应现在的 config/公司名/*.json）
CREATE TABLE company_dataset_configs (
  id             UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  company_id     UUID NOT NULL REFERENCES companies(id) ON DELETE CASCADE,
  dataset_type_id UUID NOT NULL REFERENCES dataset_types(id),
  config         JSONB NOT NULL,   -- 与现有 JSON 一致：categories / rows_to_delete / columns_to_keep / 自定义映射
  UNIQUE(company_id, dataset_type_id),
  created_at     TIMESTAMPTZ DEFAULT now(),
  updated_at     TIMESTAMPTZ DEFAULT now()
);

-- 统一数据表：所有类型的数据都落在这里
CREATE TABLE company_data (
  id              UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  company_id      UUID NOT NULL REFERENCES companies(id) ON DELETE CASCADE,
  dataset_type_id UUID NOT NULL REFERENCES dataset_types(id),
  report_period   DATE NOT NULL,   -- 报告期（季末/年末等）
  dimensions      JSONB NOT NULL,  -- 维度键值对，如 {"category":"类现金","item":"货币资金"} 或 {"metric":"梯媒数量"}
  value           NUMERIC(20,4),   -- 数值（亿、数量、比率等）
  created_at      TIMESTAMPTZ DEFAULT now(),
  UNIQUE(company_id, dataset_type_id, report_period, dimensions)
);

-- 便于按公司+类型+时间查询
CREATE INDEX idx_company_data_lookup
  ON company_data(company_id, dataset_type_id, report_period);

-- 便于按 dimensions 内键查询（如按 item / metric 筛选）
CREATE INDEX idx_company_data_dimensions ON company_data USING GIN (dimensions);
```

- **不同公司、不同数据类型的「字段差异」**：全部体现在 `dimensions` 的键值里，无需为每种类型或每个公司加列或建新表。
- 三大表：`dimensions` 用 `item`（及可选的 `category`）。
- 主营业务构成：用 `segment`、`name`、`region` 等。
- 梯媒数量：用 `metric`、`sub_type` 等。
- 以后新增类型：只需在 `dataset_types` 增加一行，并在解析逻辑里往 `dimensions` 填对应键即可。

### 4.3 示例数据

**资产负债表（美的集团，2024-12-31）**

| company_id | dataset_type_id | report_period | dimensions                              | value   |
| ---------- | --------------- | ------------- | --------------------------------------- | ------- |
| 美的-uuid  | balance_sheet   | 2024-12-31    | {"category":"类现金","item":"货币资金"} | 140.41  |
| 美的-uuid  | balance_sheet   | 2024-12-31    | {"item":"资产总计"}                     | 6043.52 |

**主营业务构成（某公司，2024-12-31）**

| company_id  | dataset_type_id           | report_period | dimensions                                       | value  |
| ----------- | ------------------------- | ------------- | ------------------------------------------------ | ------ |
| 某公司-uuid | main_business_composition | 2024-12-31    | {"segment":"产品","name":"空调","region":"国内"} | 1200.5 |

**梯媒数量（分众传媒）**

| company_id | dataset_type_id      | report_period | dimensions                                  | value |
| ---------- | -------------------- | ------------- | ------------------------------------------- | ----- |
| 分众-uuid  | elevator_media_count | 2024-12-31    | {"metric":"梯媒数量","sub_type":"电梯电视"} | 80.2  |

---

## 五、程序架构设计（NestJS）

### 5.1 分层与职责

- **数据集类型**：只做「类型注册」和「默认维度/展示提示」，不承载具体解析逻辑。
- **公司 + 配置**：每个公司对每种类型有一份 config（对应现有 JSON），决定如何从 Excel 解析出 (report_period, dimensions, value)。
- **解析与写入**：按「类型 + 公司 config」驱动，输出统一格式 (company_id, dataset_type_id, report_period, dimensions, value)，写入 `company_data`。
- **查询与展示**：按 company / dataset_type / 时间范围查 `company_data`，转成前端/ECharts 需要的结构（如按 item 的时序、按 segment 的饼图等）。

### 5.2 模块划分建议

```
src/
├── companies/           # 公司 CRUD
├── dataset-types/       # 数据集类型注册、列表
├── company-configs/     # 公司 × 类型的 config CRUD（对应 config/公司名/*.json）
├── import/              # 上传 Excel + 解析 + 落库
│   ├── parsers/         # 按类型分：balance-sheet.parser, income-statement.parser, cash-flow.parser,
│   │                    # main-business-composition.parser, elevator-media.parser, ...
│   ├── import.service   # 选公司、类型、文件 → 调对应 parser → 写 company_data
│   └── import.controller
├── data/                # 查询接口：按公司/类型/时间范围返回数据，供图表用
└── chart-presets/       # 可选：按 dataset_type 的图表预设（折线、饼图、柱状等）
```

### 5.3 解析层设计（应对「类型持续增加」）

- **策略模式**：每种 `dataset_types.code` 对应一个 Parser（如 `BalanceSheetParser`, `MainBusinessParser`, `ElevatorMediaParser`）。
- Parser 输入：**文件流 + 该公司该类型的 config（JSONB）**。
- Parser 输出：**数组 of { report_period, dimensions, value }**，由 `ImportService` 统一写入 `company_data`。
- 新增类型时：在 `dataset_types` 插入一条；新增一个 Parser 并注册到工厂/映射表即可，无需改表结构。

### 5.4 配置与维度的约定（程序侧）

- 三大表：沿用现有 config 结构（categories / rows_to_delete / columns_to_keep），解析后
    - `dimensions = { "item": "货币资金" }` 或 `{ "category": "类现金", "item": "货币资金" }`。
- 主营业务构成、梯媒数量等：在 `company_dataset_configs.config` 里约定字段，例如
    - 主营业务：`{ "sheet_name": "主营业务构成", "row_header": "产品", "col_period": true, "value_key": "收入" }`
    - 梯媒：`{ "sheet_name": "业务数据", "metrics": ["梯媒数量","电梯电视","电梯海报"], "period_col": "报告期" }`  
      解析器按 config 读 Excel，组装出 `dimensions` 和 `value`。

这样，**程序与数据库都只依赖「公司 + 数据集类型 + config」**，不依赖具体有哪些列名，能适应不同公司、不同指标。

---

## 六、查询与图表展示

- **按公司 + 类型 + 时间范围**：  
  `SELECT report_period, dimensions, value FROM company_data WHERE company_id = ? AND dataset_type_id = ? AND report_period BETWEEN ? AND ? ORDER BY report_period, dimensions;`
- 前端或后端将结果按 `dimensions` 转成 ECharts 所需格式，例如：
    - 折线图：dimensions.item 或 dimensions.metric 为系列，report_period 为 X 轴；
    - 饼图：某报告期的 dimensions.segment / dimensions.name 为扇区，value 为数值；
- 可为每种 `dataset_type` 配置「图表预设」（折线/饼/柱状、默认维度），减少前端重复逻辑。

---

## 七、小结

| 维度     | 选择与设计                                                                                               |
| -------- | -------------------------------------------------------------------------------------------------------- |
| 数据库   | PostgreSQL；用「公司 + 数据集类型 + 报告期 + dimensions(JSONB) + value」统一存所有类型。                 |
| 表设计   | companies / dataset_types / company_dataset_configs / company_data；不按公司或按数据类型拆表。           |
| 程序     | NestJS；按 dataset_type 的 Parser 策略 + 统一 Import 写 company_data；config 按公司×类型存 JSONB。       |
| 扩展方式 | 新数据类型：新增 dataset_types 一行 + 新 Parser；新公司：新增 companies + 若干 company_dataset_configs。 |

这样即可在**不增加新表、不迁库**的前提下，支持三大表、主营业务构成、分众梯媒数量以及未来更多公司、更多类型的数据存储与图表展示。