# 统计分析接口文档

本文档面向 PC 管理端前端，覆盖业务统计、招聘会统计、求职统计、热门岗位统计和用人单位统计。

## 1. 通用约定

### 1.1 基础路径

```text
/cms
```

以下接口均为后台管理接口，实际请求时需要按项目现有登录机制携带登录态/Token。

### 1.2 响应包装

接口统一使用项目的 `AjaxResult` 响应包装，前端通常从 `data` 读取业务数据：

```json
{
  "code": 200,
  "msg": "操作成功",
  "data": {}
}
```

### 1.3 统计时间参数

`/cms/statics/*` 统计接口使用以下参数：

| 参数 | 类型 | 必填 | 说明 |
|---|---|---:|---|
| `startDate` | string | 否 | 开始日期，支持 `yyyy-MM-dd` 或 `yyyy-MM` |
| `endDate` | string | 否 | 结束日期，支持 `yyyy-MM-dd` 或 `yyyy-MM` |
| `startTime` | string | 否 | `startDate` 的兼容参数名 |
| `endTime` | string | 否 | `endDate` 的兼容参数名 |

时间规则：

- 不传开始时间时，默认从当前年度 `1 月 1 日` 开始。
- 不传结束时间时，默认到当前日期结束。
- 传入 `yyyy-MM` 时，开始月份按当月 1 日处理，结束月份按当月最后一天处理。
- 查询时间采用左闭右开区间，结束日期当天的数据会被包含。
- `startDate` 和 `endDate` 不能颠倒。

示例：

```http
GET /cms/statics/business?startDate=2026-01-01&endDate=2026-06-30
```

## 2. 业务统计

### 2.1 接口信息

```http
GET /cms/statics/business
```

### 2.2 统计口径

返回按月统计的数据：

- 岗位来源：从 `job` 表统计 `data_source`。
- 本地石河子模板导入：`data_source = '5'`。
- 本地录入：`data_source = '1'`。
- 互联网岗位上传：`data_source = '2'`。
- 新增注册人数：从 `app_user` 表按 `create_time` 统计。

岗位和用户均只统计 `del_flag = '0'` 的数据。

### 2.3 返回结构

```json
{
  "months": [
    "2026-01",
    "2026-02",
    "2026-03"
  ],
  "jobSourceSeries": [
    {
      "code": "5",
      "name": "本地石河子模板导入",
      "data": [12, 18, 21]
    },
    {
      "code": "1",
      "name": "本地录入",
      "data": [8, 10, 13]
    },
    {
      "code": "2",
      "name": "互联网岗位上传",
      "data": [35, 42, 50]
    }
  ],
  "newRegisterSeries": {
    "code": "register",
    "name": "新增注册人数",
    "data": [20, 31, 46]
  }
}
```

### 2.4 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `months` | string[] | 横坐标月份，格式为 `yyyy-MM` |
| `jobSourceSeries` | object[] | 三种岗位来源序列 |
| `jobSourceSeries[].code` | string | 来源编码：`5`、`1`、`2` |
| `jobSourceSeries[].name` | string | 来源名称 |
| `jobSourceSeries[].data` | number[] | 与 `months` 按下标一一对应 |
| `newRegisterSeries` | object | 新增注册人数序列 |
| `newRegisterSeries.data` | number[] | 与 `months` 按下标一一对应 |

### 2.5 前端图表建议

- 折线图或柱状图横轴使用 `months`。
- `jobSourceSeries` 可以绘制三条岗位来源曲线。
- `newRegisterSeries` 单独绘制新增注册人数曲线，或作为第二个图表的数据源。

## 3. 招聘会统计

### 3.1 接口信息

```http
GET /cms/outdoor-fair/statistics
```

### 3.2 请求参数

| 参数 | 类型 | 必填 | 可选值/说明 |
|---|---|---:|---|
| `granularity` | string | 否 | `day`、`week`、`month`、`quarter`、`year`，默认 `month` |
| `startTime` | string | 否 | 格式为 `yyyy-MM-dd HH:mm:ss` |
| `endTime` | string | 否 | 格式为 `yyyy-MM-dd HH:mm:ss` |

示例：

```http
GET /cms/outdoor-fair/statistics?granularity=quarter&startTime=2026-01-01%2000:00:00&endTime=2026-12-31%2023:59:59
```

### 3.3 时间规则

- `granularity=day`：按天统计。
- `granularity=week`：按周一作为一周开始统计。
- `granularity=month`：按月统计，默认值。
- `granularity=quarter`：按季度统计，Q1 为 1-3 月，Q2 为 4-6 月，Q3 为 7-9 月，Q4 为 10-12 月。
- `granularity=year`：按年统计。
- 不传任何时间参数时，累计统计全部招聘会，曲线时间范围根据招聘会实际举办时间的最小值和最大值生成。
- 只传 `endTime` 时，默认向前推 12 个月作为开始范围。
- 只传 `startTime` 时，结束时间默认为当前日期。

### 3.4 返回结构

```json
{
  "granularity": "quarter",
  "totals": {
    "fairCount": 12,
    "companyCount": 86,
    "jobCount": 430
  },
  "yoy": {
    "fairCount": 12,
    "previousFairCount": 9,
    "rate": 0.3333333333
  },
  "mom": {
    "fairCount": 12,
    "previousFairCount": 10,
    "rate": 0.2
  },
  "series": [
    {
      "time": "2026-Q1",
      "fairCount": 3,
      "companyCount": 20,
      "jobCount": 105
    },
    {
      "time": "2026-Q2",
      "fairCount": 4,
      "companyCount": 28,
      "jobCount": 140
    }
  ]
}
```

### 3.5 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `granularity` | string | 实际使用的统计粒度 |
| `totals.fairCount` | number | 区间内招聘会数量 |
| `totals.companyCount` | number | 区间内参会单位数量 |
| `totals.jobCount` | number | 区间内招聘会岗位数量 |
| `yoy.fairCount` | number | 当前区间招聘会数量 |
| `yoy.previousFairCount` | number | 去年同期招聘会数量 |
| `yoy.rate` | number/null | 同比变化率，前值为 0 时返回 `null` |
| `mom.fairCount` | number | 当前区间招聘会数量 |
| `mom.previousFairCount` | number | 上一个等长区间招聘会数量 |
| `mom.rate` | number/null | 环比变化率，前值为 0 时返回 `null` |
| `series` | object[] | 各时间桶的曲线数据 |
| `series[].time` | string | 时间桶名称 |
| `series[].fairCount` | number | 当前时间桶招聘会数量 |
| `series[].companyCount` | number | 当前时间桶参会单位数量 |
| `series[].jobCount` | number | 当前时间桶岗位数量 |

时间桶格式：

| 粒度 | `series[].time` 格式 | 示例 |
|---|---|---|
| `day` | `yyyy-MM-dd` | `2026-07-30` |
| `week` | `yyyy-Www` | `2026-W31` |
| `month` | `yyyy-MM` | `2026-07` |
| `quarter` | `yyyy-Qn` | `2026-Q3` |
| `year` | `yyyy` | `2026` |

同比、环比的 `rate` 是小数，不是百分数字符串。前端展示百分比时可乘以 100 后保留两位小数，例如 `0.3333` 展示为 `33.33%`。

## 4. 求职统计

### 4.1 接口信息

```http
GET /cms/statics/jobSeeker
```

### 4.2 统计口径

只统计求职者：

```text
app_user.is_company_user = '1'
```

时间按 `app_user.create_time` 过滤。

统计维度：

- 年龄：`app_user.age`，使用 `dict_type='age'` 字典翻译名称。
- 工作经验：`app_user.work_experience`，使用 `dict_type='experience'` 字典翻译名称。
- 专业/求职方向：解析 `app_user.job_title_id`，关联 `job_title` 获取岗位名称。

### 4.3 返回结构

```json
{
  "total": 156,
  "age": [
    {
      "code": "18-25",
      "label": "18-25岁",
      "count": 58
    },
    {
      "code": "26-35",
      "label": "26-35岁",
      "count": 72
    }
  ],
  "workExperience": [
    {
      "code": "0",
      "label": "无经验",
      "count": 40
    },
    {
      "code": "1-3",
      "label": "1-3年",
      "count": 63
    }
  ],
  "profession": [
    {
      "code": "101",
      "label": "行政管理",
      "count": 25
    },
    {
      "code": "102",
      "label": "销售",
      "count": 31
    }
  ]
}
```

### 4.4 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `total` | number | 时间范围内求职者总数 |
| `age` | object[] | 年龄分组统计 |
| `workExperience` | object[] | 工作经验分组统计 |
| `profession` | object[] | 专业/期望岗位统计 |
| `*.code` | string | 字典值或岗位 ID |
| `*.label` | string | 前端显示名称 |
| `*.count` | number | 该分组人数 |

求职者选择多个期望岗位时，会分别计入多个专业/求职方向分组；因此 `profession` 各项之和可能大于 `total`。

### 4.5 前端图表建议

- `age` 使用饼图或柱状图。
- `workExperience` 使用饼图或柱状图。
- `profession` 使用横向柱状图，岗位较多时建议按数量倒序显示 Top N。

## 5. 热门岗位统计

### 5.1 接口信息

```http
GET /cms/statics/hotJob
```

### 5.2 统计口径

热门岗位名称来自业务字典数据表：

```sql
bussiness_dict_data.dict_type = 'job_hot'
```

使用字典项的 `dict_label` 作为热门岗位名称，再按岗位名称前缀匹配 `job.job_title`：

```sql
TRIM(job.job_title) LIKE TRIM(dict_label) || '%'
```

例如字典中配置 `洗碗工`，会匹配：

```text
洗碗工
洗碗工杂工
洗碗工服务员
洗碗工（包吃住）
```

只统计 `job.del_flag = '0'` 的岗位，并按 `job.create_time` 过滤时间范围。

### 5.3 返回结构

```json
{
  "items": [
    {
      "code": "wash_worker",
      "name": "洗碗工",
      "jobCount": 8
    },
    {
      "code": "sales",
      "name": "销售",
      "jobCount": 32
    }
  ]
}
```

### 5.4 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `items` | object[] | 热门岗位统计列表 |
| `items[].code` | string | 字典 `dict_value` |
| `items[].name` | string | 字典 `dict_label`，前端图表显示名称 |
| `items[].jobCount` | number | 匹配到的岗位数量 |

字典中已经配置但时间范围内没有匹配岗位的热门岗位也会返回，`jobCount` 为 `0`，便于图表保持固定分类顺序。

### 5.5 前端图表建议

```javascript
const categories = data.items.map(item => item.name)
const values = data.items.map(item => item.jobCount)
```

建议使用柱状图或横向柱状图展示热门岗位数量。

## 6. 用人单位统计

### 6.1 接口信息

```http
GET /cms/statics/company
```

### 6.2 统计内容

接口返回两组统计：

- `scale`：按企业规模统计单位数量和发布岗位数量。
- `nature`：按企业性质统计单位数量和发布岗位数量。

单位数量按 `company.create_time` 过滤；发布岗位数量按 `job.create_time` 过滤。这样历史企业在查询时间范围内发布新岗位时，岗位数量仍然可以被统计。

有效单位条件：

```text
company.del_flag = '0'
company.status = 1
company.company_status = '0'
```

有效发布岗位条件：

```text
job.del_flag = '0'
job.is_publish = 1
job.job_status = '0'
job.review_status = '1'
```

### 6.3 企业规模分类

从 `dict_type='scale'` 的字典值读取企业规模，并按以下规则归并：

| 字典值 | 返回编码 | 返回名称 |
|---|---|---|
| `1` | `1` | 微型 |
| `2` | `2` | 小型 |
| `3` | `3` | 中型 |
| `4、5` | `4_5` | 大型 |
| `6、7` | `6_7` | 超大型 |

例如 `4` 和 `5` 的企业都会汇总到 `大型`，对应的 `jobCount` 也会合并统计。

### 6.4 企业性质分类

从 `dict_type='company_nature'` 且状态正常的字典数据读取企业性质，并使用字典 `dict_value` 匹配：

```text
company.company_nature
```

如果当前字典中只配置了国企，则 `nature` 只返回国企；如果后续新增规上企业等字典项，接口会自动返回新增分类。

### 6.5 返回结构

```json
{
  "scale": [
    {
      "code": "1",
      "name": "微型",
      "companyCount": 3,
      "jobCount": 5
    },
    {
      "code": "2",
      "name": "小型",
      "companyCount": 20,
      "jobCount": 46
    },
    {
      "code": "3",
      "name": "中型",
      "companyCount": 8,
      "jobCount": 31
    },
    {
      "code": "4_5",
      "name": "大型",
      "companyCount": 4,
      "jobCount": 22
    },
    {
      "code": "6_7",
      "name": "超大型",
      "companyCount": 1,
      "jobCount": 12
    }
  ],
  "nature": [
    {
      "code": "1",
      "name": "国企",
      "companyCount": 5,
      "jobCount": 18
    }
  ]
}
```

### 6.6 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `scale` | object[] | 企业规模统计列表 |
| `nature` | object[] | 企业性质统计列表 |
| `*.code` | string | 统计分类编码 |
| `*.name` | string | 前端显示名称 |
| `*.companyCount` | number | 该分类下单位数量 |
| `*.jobCount` | number | 该分类下有效发布岗位数量 |

### 6.7 前端图表建议

可以按 `scale` 和 `nature` 各绘制一个双系列柱状图：

```javascript
const categories = data.scale.map(item => item.name)
const companyData = data.scale.map(item => item.companyCount)
const jobData = data.scale.map(item => item.jobCount)
```

系列名称建议：

```text
单位数量
发布岗位数量
```

## 7. 区划企业分析

### 7.1 接口信息

```http
GET /cms/areaAnalysis/company
```

### 7.2 请求参数

| 参数 | 类型 | 必填 | 说明 |
|---|---|---:|---|
| `areaCode` | string | 否 | 区划字典值，不传时查询师市整体 |
| `startDate` | string | 否 | 开始日期，格式 `yyyy-MM-dd` |
| `endDate` | string | 否 | 结束日期，格式 `yyyy-MM-dd` |

`areaCode` 使用业务字典 `dict_type='area'` 的 `dict_value`，前端不需要直接传 `sys_area.code`。例如区划选择器应使用区域字典接口返回的 `dict_value` 作为请求参数。

### 7.3 统计口径

企业统计条件：

```text
company.del_flag = '0'
company.status = 1
company.company_status = '0'
```

统计内容：

- 单位总数。
- 按行业统计单位数量。
- 按企业规模统计单位数量，名称使用 `scale` 字典翻译。
- 按企业性质统计单位数量，名称使用 `company_nature` 字典翻译。

### 7.4 返回结构

```json
{
  "areaCode": "659001000000",
  "areaName": "石河子市",
  "totalCompanyCount": 120,
  "byIndustry": {
    "制造业": 35,
    "批发和零售业": 28
  },
  "byScale": {
    "小型": 60,
    "中型": 42,
    "大型": 18
  },
  "byNature": {
    "国企": 12
  }
}
```

### 7.5 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `areaCode` | string | 实际统计区域编码 |
| `areaName` | string | 实际统计区域名称 |
| `totalCompanyCount` | number | 有效单位总数 |
| `byIndustry` | object | 行业名称到单位数量的映射 |
| `byScale` | object | 企业规模名称到单位数量的映射 |
| `byNature` | object | 企业性质名称到单位数量的映射 |

对象类型字段的 key 为图表显示名称，value 为数量。例如：

```javascript
const categories = Object.keys(data.byScale)
const values = Object.values(data.byScale)
```

## 8. 区划岗位分析

### 8.1 接口信息

```http
GET /cms/areaAnalysis/job
```

### 8.2 请求参数

参数与企业分析相同：

| 参数 | 类型 | 必填 | 说明 |
|---|---|---:|---|
| `areaCode` | string | 否 | `area` 字典的 `dict_value`，不传查询师市整体 |
| `startDate` | string | 否 | 格式 `yyyy-MM-dd` |
| `endDate` | string | 否 | 格式 `yyyy-MM-dd` |

### 8.3 统计口径

岗位统计条件：

```text
job.del_flag = '0'
job.is_publish = 1
job.job_status = '0'
job.review_status = '1'
```

统计内容：

- 岗位总数。
- 招聘总人数。
- 急招岗位数量。
- 重点人群岗位数量。
- 按岗位分类统计。
- 按薪资区间统计。
- 按学历要求统计。
- 按岗位类型统计。

岗位数量统计使用有效发布岗位。招聘总人数中，岗位 `vacancies` 为空或小于等于 0 时按 1 人计算。

### 8.4 返回结构

```json
{
  "areaCode": "659001000000",
  "areaName": "石河子市",
  "totalJobCount": 360,
  "totalVacancies": 780,
  "urgentJobCount": 48,
  "keyPopulationJobCount": 22,
  "byCategory": {
    "销售": 80,
    "餐饮服务": 55
  },
  "bySalary": {
    "3k以下": 30,
    "3k-5k": 120,
    "5k-8k": 150,
    "8k-15k": 48,
    "15k+": 12
  },
  "byEducation": {
    "不限": 180,
    "大专": 110,
    "本科": 70
  },
  "byType": {
    "全职": 300,
    "兼职": 60
  }
}
```

### 8.5 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `areaCode` | string | 实际统计区域编码 |
| `areaName` | string | 实际统计区域名称 |
| `totalJobCount` | number | 有效发布岗位总数 |
| `totalVacancies` | number | 招聘总人数，空值/非正数岗位按 1 人计算 |
| `urgentJobCount` | number | `is_urgent = 1` 的岗位数量 |
| `keyPopulationJobCount` | number | `is_key_populations = '0'` 的岗位数量 |
| `byCategory` | object | 岗位分类到岗位数量的映射 |
| `bySalary` | object | 薪资区间到岗位数量的映射 |
| `byEducation` | object | 学历名称到岗位数量的映射 |
| `byType` | object | 岗位类型名称到岗位数量的映射 |

薪资区间固定为：

```text
3k以下、3k-5k、5k-8k、8k-15k、15k+
```

## 9. 区划就业分析

### 9.1 接口信息

```http
GET /cms/areaAnalysis/employment
```

### 9.2 请求参数

参数与企业分析、岗位分析相同：

| 参数 | 类型 | 必填 | 说明 |
|---|---|---:|---|
| `areaCode` | string | 否 | `area` 字典的 `dict_value`，不传查询师市整体 |
| `startDate` | string | 否 | 格式 `yyyy-MM-dd` |
| `endDate` | string | 否 | 格式 `yyyy-MM-dd` |

### 9.3 统计口径

已就业人数统计有效且已录用的求职记录：

```text
job_apply.del_flag = '0'
job_apply.hire = '0'
app_user.del_flag = '0'
app_user.is_company_user = '1'
app_user.status = '0'
```

就业区域根据求职者 `app_user.area` 进行统计。

录用来源映射：

| `hire_source` | 返回名称 |
|---|---|
| `0` | 本系统 |
| `1` | 招聘会 |
| 其他值 | 其他 |

新入职确认人数来自 `employee_confirm` 表的有效确认记录。

### 9.4 返回结构

```json
{
  "areaCode": "659001000000",
  "areaName": "石河子市",
  "totalHired": 86,
  "byHireSource": {
    "本系统": 52,
    "招聘会": 26,
    "其他": 8
  },
  "newEmployeeConfirmed": 31
}
```

### 9.5 字段说明

| 字段 | 类型 | 说明 |
|---|---|---|
| `areaCode` | string | 实际统计区域编码 |
| `areaName` | string | 实际统计区域名称 |
| `totalHired` | number | 有效已录用人数 |
| `byHireSource` | object | 录用来源名称到人数的映射 |
| `newEmployeeConfirmed` | number | 新入职确认人数 |

## 10. 接口汇总

| 统计模块 | 请求地址 | 主要用途 |
|---|---|---|
| 业务统计 | `GET /cms/statics/business` | 按月统计岗位来源和新增注册人数 |
| 招聘会统计 | `GET /cms/outdoor-fair/statistics` | 按日/周/月/季度/年度统计招聘会 |
| 求职统计 | `GET /cms/statics/jobSeeker` | 统计求职者年龄、工作经验、专业 |
| 热门岗位统计 | `GET /cms/statics/hotJob` | 统计 `job_hot` 字典配置的热门岗位数量 |
| 用人单位统计 | `GET /cms/statics/company` | 统计单位规模/性质及其发布岗位数量 |
| 区划企业分析 | `GET /cms/areaAnalysis/company` | 按区域统计企业总数、行业、规模、性质 |
| 区划岗位分析 | `GET /cms/areaAnalysis/job` | 按区域统计岗位、招聘人数、薪资、学历等 |
| 区划就业分析 | `GET /cms/areaAnalysis/employment` | 按区域统计已录用和新入职确认数据 |