当月库存分析报告产品系统

作为一名工程机械仓储的管理者，每天面对的痛点集中在：重型物资出入库效率、大件盘点难度、设备账实不符、以及数据滞后导致的决策盲区。
库存分析报告可以提现并坚决以下几点情况
1.资金占用与周转效率（老板最关心）
2.结构性“死货”与“断货”风险
3.ABC分类及管理聚焦
4.库龄与质量健康度
5.操作层面的账实偏差（现场管理短板）

【报告内容】
1. Excel报告: 月度库存分析报告.xlsx
- 月末库存明细: 所有配件的详细库存数据
- 统计摘要: 关键指标汇总
- 异常配件: 零库存、积压预警等
- TOP分析: 出入库TOP20
- 图表汇总: 嵌入的图表

2. 图表图片: 5张
保存在 '图表' 文件夹中

3. HTML报告: 库存分析报告.html
双击即可在浏览器中打开查看

1.在这个项目中，我主要负责数据清洗与预处理、探索性数据分析（EDA）、数据可视化及生成分析报告。具体包括：

使用Pandas对原始销售数据进行缺失值处理、异常值检测及数据类型转换，确保数据质量。

利用Matplotlib和Seaborn绘制折线图、柱状图、热力图等，直观展示销售趋势、用户画像及商品热度。

通过数据聚合与分组分析，计算月度销售额、复购率等关键业务指标。

撰写Jupyter Notebook分析报告，结合图表输出业务洞察和改进建议。
2.技术栈：Python 3.9 + Pandas（数据处理） + NumPy（科学计算） + Matplotlib/Seaborn（可视化） + Jupyter Notebook（开发环境）

架构说明：本项目为单机分析型项目，流程为：数据加载 → 数据清洗 → 特征工程 → 分析计算 → 可视化输出 → Markdown报告整合。

实现亮点：

使用Pandas的链式操作，高效完成多步数据清洗，代码简洁易读。
针对客户提供的混乱订单表，自定义了一个数据标准化函数，使后续处理时间缩短约60%。
通过设置中文字体解决了Matplotlib图表中文乱码问题，提升了报告的可读性。