【摘 要】随着信息化和互联网的快速发展，大数据技术逐渐应用于各个行业，农业也不例外。大数据技术在农产品营销中的应用，可以帮助农民实现精准营销；可以提供农产品溯源服务；可以帮助农民实现农产品供应链的优化；还可以为农民提供更多的销售渠道和决策依据。
基于Flask的农产品营销策略分析系统的设计与实现，本系统的核心功能是通过爬取实海量农产品营销策略分析信息的原始数据，并通过Flask技术将原始数据存储、计算，并将分析的结果通过开发Web程序以可视化列表形式展示，最终实现价格的预测。
本研究旨在应用大数据技术，分析农产品企业的营销策略，通过深入研究和探讨，提出有效的农产品营销策略。实施农产品品牌建设，建立品牌形象拓展销售渠道以及提高服务质量，强化市场需求的分析和预测能力等方面出发，通过了解消费者需求和市场趋势、制定差异化的营销策略，以全面提升大数据背景下农产品企业的营销能力。帮助农产品企业提高市场竞争力，提升经济效益。
【关键词】Flask，价格预测，可视化，农产品
Analysis and research on marketing strategy of agricultural products under the background of big data
Abstract: With the rapid development of information technology and the Internet, big data technology is gradually applied to various industries, and agriculture is no exception. The application of big data technology in agricultural product marketing can help farmers achieve precision marketing; Can provide agricultural products traceability services; It can help farmers to optimize the supply chain of agricultural products. It can also provide more sales channels and decision-making basis for farmers.
Design and implementation of the agricultural product data visualization and price prediction system based on Flask. The core function of this system is to obtain the original data of massive agricultural product data visualization and price prediction information, store and calculate the original data through Flask technology, and display the analysis results in the form of visual lists through the development of Web programs. Finally realize the price forecast.
This study aims to apply big data technology to analyze the marketing strategies of agricultural products enterprises, and propose effective marketing strategies for agricultural products through in-depth research and discussion. Through the implementation of brand construction of agricultural products, the establishment of brand image, the expansion of sales channels, the improvement of service quality, and the strengthening of the ability to analyze and forecast market demand, the marketing ability of agricultural products enterprises under the background of big data is comprehensively improved by understanding consumer demand and market trend and formulating differentiated marketing strategies. Help agricultural products enterprises to improve market competitiveness and enhance economic benefits.
【Keywords】Flask, price prediction, visualization, agricultural products
目 录
1 绪论
1.1研究背景与现状
随着计算机技术的发展以及互联网快速发展，电子商务也逐渐以智能化的形式走向我们的生活，慢慢的代替了传统的线下零售。电商现在的功能也越来越丰富，不仅具有用来购买农产品等传统功能，还可以进行电商直播，买家互动等新型购买方式。
图1-1 农产品
当面对互联网数以亿次的购物产生了大量用户购买电商的行为数据，我们需要使用这些数据进行Flask分析，计算，将用户对电商的销量进行可视化处理。这不仅有利于商家对销售行情的把握，还有利于买家进行各大品牌的筛选，因此设计并开发一套农产品Flask分析系统是非常有必要的。
总而言之，从上述问题可以看出目前互联网农产品平台信息缺乏整合，用户在冗杂的农产品中难以筛选出有效的信息。本论文拟初步研究开发出一套完整的基于大数据平台的农产品平台信息分析系统，本系统主要用于对农产品和公司信息进行采集，通过大数据平台对数据进行存储和计算，将大数据分析结果以可视化形式给用户查询。这样，用户在使用本平台时只需一次注册操作，即可浏览各平台发布的农产品，并且可以根据用户的条件进行筛选，可极大的提高写诗效率，给企业和热爱诗歌者都带来一定的便利。
1.2论文主要研究工作
通过运用Flask平台技术，以农产品行为数据作为切入点，基于各个品牌电商销售数据的特点，设计能够满足各个品牌的电商销售的Flask分析系统。作为一个农产品数据分析系统，通过分析电农产品牌、农产品等信息，可以找出隐藏在数据背后的信息，为更好的优化产品性能，给商家提供大众喜欢的电商销售类别，给从事电商的人提供大众购买的趋势，提高用户服务的同时提高订单成交率。
本系统主要完成农产品Flask分析系统。该系统将完成电商销售数据的爬取、电商销售数据的存储、电商销售数据的分析、电商销售数据的可视化展示模块等五大板块。
系统的核心是解决海量电商销售数据文件的存储与计算的任务。系统将采用Flask及数据可视化技术，通过创建CentOS虚拟机搭建Flask集群环境，使用Pycharm构建Web可视化展示系统。
2 技术总述
2.1 Pycharm
PyCharm是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。
Python由荷兰数学和计算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。 [1] Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言， [2] 随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。 [3]
Python解释器易于扩展，可以使用C语言或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。 [4] Python也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。
由于Python语言的简洁性、易读性以及可扩展性，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python来教授程序设计课程。例如卡耐基梅隆大学的编程基础、麻省理工学院的计算机科学及编程导论就使用Python语言讲授。众多开源的科学计算软件包都提供了Python的调用接口，例如著名的计算机视觉库OpenCV、三维可视化库VTK、医学图像处理库ITK。而Python专用的科学计算扩展库就更多了，例如如下3个十分经典的科学计算扩展库：NumPy、SciPy和matplotlib，它们分别为Python提供了快速数组处理、数值运算以及绘图功能。因此Python语言及其众多的扩展库所构成的开发环境十分适合工程技术、科研人员处理实验数据、制作图表，甚至开发科学计算应用程序。2018年3月，该语言作者在邮件列表上宣布Python 2.7将于2020年1月1日终止支持。用户如果想要在这个日期之后继续得到与Python 2.7有关的支持，则需要付费给商业供应商。
2.2 MySQL数据库
MySQL数据库是一种农产品营销策略的数据库系统，可以和Python语紧密的结合使用，被普遍使用在小型网站上，他的安全农产品营销策略成本低的特点被广泛使用。
2.3 Flask框架
Flask是一个轻量级的可定制框架，使用Python语言编写，较其他同类型框架更为灵活、轻便、安全且容易上手。它可以很好地结合MVC模式进行开发，开发人员分工合作，小型团队在短时间内就可以完成功能丰富的中小型网站或Web服务的实现。另外，Flask还有很强的定制性，用户可以根据自己的需求来添加相应的功能，在保持核心功能简单的同时实现功能的丰富与扩展，其强大的插件库可以让用户实现个性化的网站定制，开发出功能强大的网站。
Flask是目前十分流行的web框架，采用Python编程语言来实现相关功能。它被称为微框架(microframework)，“微”并不是意味着把整个Web应用放入到一个Python文件，微框架中的“微”是指Flask旨在保持代码简洁且易于扩展，Flask框架的主要特征是核心构成比较简单，但具有很强的扩展性和兼容性，程序员可以使用Python语言快速实现一个网站或Web服务。一般情况下，它不会指定数据库和模板引擎等对象，用户可以根据需要自己选择各种数据库。Flask自身不会提供表单验证功能，在项目实施过程中可以自由配置，从而为应用程序开发提供数据库抽象层基础组件，支持进行表单数据合法性验证、文件上传处理、用户身份认证和数据库集成等功能。
图2-1 Flask框架
Flask主要包括Werkzeug和Jinja2两个核心函数库，它们分别负责业务处理和安全方面的功能，这些基础函数为web项目开发过程提供了丰富的基础组件。Werkzeug库十分强大，功能比较完善，支持URL路由请求集成，一次可以响应多个用户的访问请求；支持Cookie和会话管理，通过身份缓存数据建立长久连接关系，并提高用户访问速度；支持交互式Pythonscript调试，提高用户体验；可以处理HTTP基本事务，快速响应客户端推送过来的访问请求。Jinja2库支持自动HTML转移功能，能够很好控制外部黑客的脚本攻击。系统运行速度很快，页面加载过程会将源码进行编译形成Python字节码，从而实现模板的高效运行；模板继承机制可以对模板内容进行修改和维护，为不同需求的用户提供相应的模板。目前Python的web框架有很多。除了Flask，还有django、Web2py等等。其中Django是目前Python的框架中使用度最高的。但是Django如同Java的EJB(EnterprisePythonBeansPythonEE服务器端组件模型)多被用于大型网站的开发，但对于大多数的小型网站的开发，使用SSH(Struts+Spring+Hibernat的一个PythonEE集成框架)就可以满足，和其他的轻量级框架相比较，Flask框架有很好的扩展性，这是其他Web框架不可替代的。
2.4 基于Scrapy的网络爬虫技术
Scrapy是目前较为成熟的爬虫技术框架，一般采用Python语言开发程序，Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。Scrapy是一个适用爬取网站数据、提取结构性数据的应用程序框架，它可以应用在广泛领域：Scrapy 常应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。通常我们可以很简单的通过 Scrapy 框架实现一个爬虫，抓取指定网站的内容或图片。
Scrapy是适用于Python的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。
在本设计中，由于需要使用到农产品网站的原始数据，因此需要开发相应的网络爬虫程序完成对农产品原始数据的采集，图2-1为爬取中华农产品网站的农产品
数据的原理流程图。
ScrapyEngine打开一个网站，找到处理该网站的Spider，并向该Spider请求第一个(批)要爬取的url(s)；
ScrapyEngine向调度器请求第一个要爬取的url，并加入到Schedule作为请求以备调度；
ScrapyEngine向调度器请求下一个要爬取的url；
Schedule返回下一个要爬取的url给ScrapyEngine，ScrapyEngine通过DownloaderMiddlewares将url转发给Downloader；
页面下载完毕，Downloader生成一个页面的Response，通过DownloaderMiddlewares发送给ScrapyEngine；
ScrapyEngine从Downloader中接收到Response，通过SpiderMiddlewares发送给Spider处理；
Spider处理Response并返回提取到的Item以及新的Request给ScrapyEngine；
ScrapyEngine将Spider返回的Item交给ItemPipeline，将Spider返回的Request交给Schedule进行从第二步开始的重复操作，直到调度器中没有待处理的Request，ScrapyEngine关闭。
图2-2农产品网站爬虫原理流程图
2.5 本章小结
本章主要分析了系统开发过程中使用到的技术点和框架，通过研究这些技术的原理后，在本设计中加以应用，包括农产品营销策略分析信息采集的爬虫技术，数据持久化存储技术，以及基于Flask框架的系统后台技术，通过预研上述技术点并加以应用从而开发出基于Flask的农产品数据分析系统。
3 农产品企业的营销策略分析系统实现
3.1 系统可行性分析
3.1.1可行性研究
通过对系统研究目标及内容的分析审察后，提出可行性方案，并对其进行论述。主要从技术可行性出发，再进一步分析经济可行性和操作可行性等方面。
3.1.2 经济可行性
开发系统所涉及到的资料，一般是在图书馆查阅，或是在网上进行查找收集。开发过程使用到的IDE一般也是开源的，因此，开发成本是几乎为零。但是开发出来的系统，还是具有高效率，低成本，较高质量的。所以，从经济可行性的角度，该系统符合标准。
3.1.3技术可行性
从技术可行性而言，由于本人一直是计算机相关专业，在大学期间也一直学习的就是计算机和Flask相关技术，如Flask,Python,HTML等，这次毕设更是对自己的专业知识的一次实际应用，使自己对知识的理解更加深厚，因此从技术可行性而言也是没有问题的。
3.1.4 运行可行性
由于本人在日常学习的过程中也会经常使用到本文设计中所设计的计算框架，这些框架的版本都是经过本人的经验和查阅资料后确定的，另外本文使用的是个人笔记本开发，不使用大量的服务器资源，因此运行可行性是满足的。
3.1.5 时间可行性
从时间上看,由于本人很早就确立了论文的题目，因此很早就开始了基础技术的研究，有了一定的基础理论支撑，然后开发程序的时间也是足够的，并且预留了一定的时间去修复整个系统的BUG，因此从时间上来说是完全可行的。
3.2 系统实现流程
通过前面的功能分析可以将基于Flask的农产品数据分析系统的研究与实现的功能主要包括用户登录、销售信息管理、数据分析等内容。后台管理是针对已登录的用户看到满意的电商销售数据分析而设计的。
（1）明确目的
在设计农产品营销策略分析信息Flask分析平台初期需要了解如何获取农产品营销策略分析信息原始数据是非常基础也是关键的一步。要了解Flask分析平台期望达到什么样的运营效果，从而在标签体系构建时对数据深度、广度及时效性方面作出规划，确保底层设计科学合理。
（2）数据采集
只有建立在客观真实的数据基础上，Flask计算分析的结果才有效。在采集数据时，需要考虑多种维度，比如不同厂商农产品数据、不同品牌销量数据、不同价位的销量数据等等，还可以通过行业调研、用户访谈、用户信息填写及问卷、平台前台后台数据收集等方式获得。
（3）数据清洗
就对于各大农产品网站或者APP平台采集到的数据而言，可能存在非目标数据、无效数据及虚假数据，因而需要过滤原始数据，去除一些无用的信息以及脏数据，便于后续的处理。
（4）特征工程
特征工程能够将原始数据转化为特征，是一些转化与结构化的工作。在这个步骤中，需要剔除数据中的异常值并将数据标准化。
（5）数据计算
在这一步我们将得到的数据存储到Flask分析平台，通过开发MapReduce程序对原始数据进行计算，将不同维度的结果存储到Mysql中。
（6）数据展示
分析结果可以通过Flask后台展示到前端界面，对于普通用户而言，只需要登录到该后台系统，就可以获取到农产品数据分析后的计算结果，从而了解行业的农产品情况，对于用户而言可以非常清晰的分析出各大品牌的农产品情况。
3.3 系统平台架构
在任何信息系统当中有价值的数据都是必不可少的重要部分，如何通过手上的资源获取得到有价值的数据便是开发系统。首先需要考虑的问题根据系统的功能设计数据获取和处理的流程以及其实现方法都已经基本上确定获取和处理流程。
由于Flask开发需要搭建集群环境，而集群环境一般都要求位于同一局域网内的多台机器，由于多台机器从购买和维护的成本的角度上而言都是比较昂贵的，这对于普通开发者而言是一笔不小的费用，因此本文拟使用Vmware虚拟机搭建Flask集群环境。
Vmware可以提供用户开发、测试、部署新的应用程序的最佳解决方案。Vmware具有不同系统内核的多个版本的工具包镜像，如Ubuntu,CentOS等，本文选择CentOS版本的镜像，CentOS是免费的、开源的、可以重新分发的开源操作系统，是Linux发行版之一。而Flask集群即HDFS集群和YARN集群又依赖于Linux内核，因此选择CentOS版本的镜像最为合适，这样即可在独立的服务器上实现Flask集群的部署。
3.4 农产品数据爬虫设计
这个项目我们的主要目的是爬取农业网的农产品数据信息，包括农产品岗
位、企业名称和企业描述和规模等具体详情信息，下面描述本文爬虫工程主要设
计步骤。
(1)创建项目
打开一个终端输入:scrapy startproiect python_ city _data，Scrapy框架将会在指定目录下生成整个工程框架。系统生成的目录如下图3-2所示:
图3-2爬虫框架目录结构
(2)修改setting文件
如图3-1所示为修改后的setting文件主要内容,本设计主要修改三项内容，
第一个是不遵循机器人协议，第二个是下载间隙，由于下面的程序要下载多个页
面，所以需要给一个间隙(不给也可以，只是很容易被侦测到)，第三个是请求
头，添加一个User-Agent。
表3-1 爬虫setting文件主要配置
| BOT_NAME = 'python_city_data' |
(3)确认要提取的数据，item 项
item定义你要提取的内容(定义数据结构)，比如我提取的内容为农产品的所在城市和企业农产品详情，于是需要在items类中新建对应的实体类，并需要设置相应的字段取出对应的数据。Field 方法实际上的做法是创建一个字典，给字典添加一个建，暂时不赋值，等待提取数据后再赋值。
(4)开发爬虫程序，访问下载网页，使用Xpath语法提取内容
3.5 分析程序设计
图3-1 农产品数据界面
再编写完模型任务代码后，需要再定义一个处理类用于处理主程序的业务逻辑，用于统计数量，下面为处理主程序的主要逻辑代码。
表3-1 模型任务的主要逻辑
| # 创建模型 class RolesUsers(db.Model): __tablename__ = 'roles_users' id = db.Column(db.Integer, primary_key=True) user_id = db.Column('user_id', db.Integer, db.ForeignKey('user.id')) role_id = db.Column('role_id', db.Integer, db.ForeignKey('role.id')) def __repr__(self): return "<{} 用户 {} 权限>".format(self.user_id,self.role_id) class Role(db.Model, RoleMixin): __tablename__ = 'role' id = db.Column(db.Integer(), primary_key=True) name = db.Column(db.String(80), unique=True) description = db.Column(db.String(255)) def __repr__(self): return "<{} 权限>".format(self.name) class User(db.Model, UserMixin): __tablename__ = 'user' id = db.Column(db.Integer, unique=True, primary_key=True) username = db.Column(db.String(255)) email = db.Column(db.String(255), unique=True) password = db.Column(db.String(255)) last_login_at = db.Column(db.DateTime()) current_login_at = db.Column(db.DateTime()) last_login_ip = db.Column(db.String(100)) current_login_ip = db.Column(db.String(100)) login_count = db.Column(db.Integer) active = db.Column(db.Boolean()) confirmed_at = db.Column(db.DateTime()) roles = db.relationship('Role', secondary='roles_users', backref=db.backref('user', lazy='dynamic')) def __repr__(self): return "<{} 用户>".format(self.username) |
之后，还需要定义一个主类用于管理上述的作业，Flask框架会将上述的分析和协同过滤任务拆分为一个个的job,并提交到python上管理执行。下表3-2为农产品营销策略分析信息所属种类分析作业管理类的主要逻辑。
表3-2 模型启动类
| if __name__ == '__main__': db.drop_all() db.create_all() # 设置flask-security user_datastore = SQLAlchemySessionUserDatastore(db.session, User, Role) security = Security(app, user_datastore) user_datastore.create_role(name='admin',description='管理员') user_datastore.create_role(name='User', description='普通用户') db.session.commit() new_user = user_datastore.create_user(username='admin', password='root123456',email='123@qq.com',active=True) normal_role = user_datastore.find_role('admin') db.session.add(new_user) user_datastore.add_role_to_user(new_user, normal_role) db.session.commit() |
3.6 本章小结
本章主要分析了基于Flask的农产品可视化及价格预测系统的设计与实现系统开发过程中使用到的技术和具体的实现步骤，这其中主要介绍了农产品可视化及价格预测平台的搭建环境和开发步骤，包括程序中的一些数据库配置等。
4 后台系统实现
本文设计的基于Flask的农产品营销策略分析信息分析系统的后台系统采用的是Flask框架实现的，这是一种MVC模式的开发框架，通过在表现层接收前端传入的参数，将在控制层进行逻辑分发，再调用Service进行不同业务的处理，最后去操作数据库进行数据的CRUD，从而实现指定的功能。前端使用的是JSP展示，页面展示使用Echarts技术，在数据持久层使用的是MySQL数据库。本文将在第四章介绍本系统后台的搭建过程，技术选型，以及后台代码配置等，最后以具体页面的详情图描述了本系统的常用的基本功能。
4.1 开发环境与配置
4.1.1 开发环境
本系统设计基于 B/S 架构，其中服务器包括应用服务器和数据库服务器。 这种架构模式，使用户只需要在有网络的地方即可通过浏览器访问，而不需要再安装客户端软件，交互性更强。基于Flask的农产品营销策略分析信息分析平台使用Pycharm 集成开发工具。而系统运行配置时，选择应用 本地来部署 Web 服务器来保障平台的正常运行， 本地是Apache的核心项目，其技术先进、性能稳定并且开源免费， 因而被普遍应用 。 本系统的主要开发环境以及开发工具如表 4-1 所示。
表4-1 系统开发环境和工具
| 项目 | 系统环境及版本 |
| 硬件环境 | Windows 64 位操作系统 |
| 开发语言 | Python |
| Web服务器 | 本地 |
| 数据库 | MySql |
| 开发工具 | Pycharm |
| 项目架构 | Flask |
4.1.2 框架配置介绍
本系统使用集成开发工具 Pycharm进行开发， 由于 Pycharm中Tomcat配置详细资料有很多， 不做详细赘述， 本文主要介绍 Flask 框架及 Shiro 框架的配置。首先需要在项目中中引入各框架以及数据库连接等所需要的 jar 包。
4.1.3 数据库的设计
整个系统的最重要的一部分就是对数据持久层的设计，因为整个系统的每个操作，包括注册登录，查询，展示其实都是对数据库的操作，因此如何设计一个健壮，扩展性强的数据库是非常必要的。
根据功能模块的划分结果可知，本系统的用户由于使用账号和密码进行登录，因此在本系统中需要分别进行数据记录。首先根据如下6个数据实体:用户、销售信息等数据库表。
4.2 系统功能模块实现
4.2.1登录认证
当用户执行登陆操作时，后台会从前端传过来的参数中拿到用户名和密码，并查询数据库，通过findUserByName方法查询该用户的密码字段，再将查询的结果和前端传过来的密码参数字段进行比对，如果相同，则匹配成功用户直接跳转到登录成功后的欢迎界面；如果匹配失败则需提前前端继续输入正确的密码直到登录成功。用户登录具体流程如时序图如4-2所示。
一
图4-1登录认证流程图
农产品营销策略分析系统的用户登录界面如下图所4-3所示：
图4-2用户登录界面
登陆成功后，系统会成功跳转至首页，在首页中，位于上方的横栏是对本系统的基本信息的描述和欢迎登录效果，另外登录用户的用户名也会显示在首页中，可直接表明用户已成功登录。左侧则是本系统的导航菜单，可折叠展示，较为方便，右方则为欢迎页效果。农产品营销策略分析系统的首页界面如下图所4-3所示：
图4-3农产品营销策略分析系统首页界面
4.2.2农产品信息管理功能
农产品营销策略分析信息管理功能是对农产品营销策略分析信息进行查询，删除等操作的功能集合，农产品营销策略分析信息管理功能使用到了农产品营销策略分析信息表t_nongchanpin, 农产品营销策略分析信息表t_nongchanpin的主要数据字段，结构，类型及描述如下表4-2所示。
表4-2 农产品营销策略分析信息表字段
| 字段名称 | 数据类型 | 是否允许为空 | 描述 |
| id | int | 不允许 | 自增主键，唯一ID |
| title | String | 允许 | 销售标题 |
| price | String | 允许 | 销售价格 |
| brand | String | 允许 | 所属品牌 |
| model | String | 允许 | 子品类 |
| shop_name | String | 允许 | 店铺名称 |
| comment_count | String | 允许 | 评论数 |
| url | String | 允许 | 农产品详情URL |
| crawl_date | String | 允许 | 时间 |
农产品营销策略分析系统的农产品营销策略分析信息管理功能界面如下图所4-4所示：
图4-4农产品营销策略分析信息管理菜单界面
农产品营销策略分析信息管理
功能流程功能图如图3-6所示：
图4-6 农产品营销策略分析信息管理功能流程图
通过“农产品营销策略分析信息管理”按钮，进入农产品营销策略分析信息界面，用户可以看到农产品列表，例如：电农产品牌、所在商铺名称、电商售价、销售数量、农产品详情、销售时间的详细信息。通过此界面，用户可以对电商销售数据信息进行删除管理操作。
4.2.3农产品营销策略分析信息看板功能
数据可视化模块就是对我们采集和计算的分析结果的展示。数据分析模块的数据进行一个精美而又直接的展示，我们采用大屏的方式进行展示，展示数据结构分明，背景具有科技感，把相对复杂的、抽象的数据通过可视的、交互的方式进行展示，从而形象直观地表达数据蕴含的信息和规律。
农产品营销策略分析信息Flask看板界面如图4-7所示。
图4-7农产品营销策略分析信息看板界面
农产品营销策略分析信息Flask分析可视化看板的功能较为丰富，由图可知，用户在登录本系统后，可以很清楚的读懂目前市场上的电商销售行情，如什么品牌的农产品最高，那个价格区间的农产品最高等等，这对用户而言是十分关注的，因此如何开发出美观的可视化界面也是一项不可或缺的工作。本文使用了图形，表格，地图等各种方式联动数据，十分直观。另外本文使用了Echarts中地图、线条等组件，将分析结果较为直观的展示给平台用户，使得用户能够简便的获取有效的信息。
4.3 本章小结
本章主要分析了基于Flask的农产品分析系统的设计与实现系统开发过程中使用到的技术和具体的实现步骤，这其中主要介绍了农产品Flask分析平台的搭建环境和开发步骤，包括程序中的一些数据库配置等。前端页面采用的是JSP实现。
5系统测试
系统测试是将经过集成测试的软件，作为计算机系统的一个部分，与系统中其他部分结合起来，在实际运行环境下对计算机系统进行的一系列严格有效地测试，以发现系统潜在的问题，保证系统的正常运行[26]。
管理人员农产品营销策略管理系统已经基本完成，系统已经实现的功能满足了用户和管理员的需求，为了检验系统是否能安全有效运行和查找系统存在的问题，将对系统进行全面的测试。
5.1系统测试方案
分别对用户和管理员进行测试。测试用户功能，使用新账号在系统上完成注册、登录、上传信息、进行认证、农产品营销策略档案审核、加入农产品营销策略档案、管理农产品营销策略档案、退出登录等操作。预计可以成功的实现以上的所有操作。
测试管理员功能。登录管理员账号，对其用户测试时新用户发出的请求进行查看、审核、删除、认证等请求。并在日志中查看操作记录，成功退出登录。预计管理员测试结果能成功完成用户发送的请求并在操作日记中查看到操作记录。因为本系统需要管理员对用户认证用户才可以进行农产品营销策略档案上传和加入农产品营销策略档案，所以用户测试和管理员测试需要同时进行。
5.2系统测试过程
（1）使用用户名为admin密码为123123的账号进行注册，管理员可在用户列表中查看用户admin的个人信息。
预计结果：成功注册，管理员可以看见admin的用户信息。
测试结果：成功注册。管理员可以看见admin的用户信息。
（2）使用户名admin的账号进行登录。管理员使用管理员账号登录。
预计结果：用户和管理员成功登录。
测试结果：用户和管理员成功登录。
（3）用户填写农产品营销策略档案名为456的农产品营销策略档案信息，上传农产品营销策略档案文件，提交审核，管理员收到审核请求，查看农产品营销策略档案信息和农产品营销策略档案文件，给予审核通过。
预计结果：审核通过。
测试结果：审核通过。
（4）对农产品营销策略档案名为456的农产品营销策略档案进行审核操作。
预计结果：在农产品营销策略管理列表中农产品营销策略档案名为456的农产品营销策略档案状态显示已审核。
测试结果：在农产品营销策略管理列表中农产品营销策略档案名为456的农产品营销策略档案状态显示未审核。
（5）在统计分析中可以查看以上测试的操作。
预计结果：在统计分析中可以查看到相关的操作。
测试结果：在统计分析中可以查看到相关的操作。
（6）用户admin可以重新登录并退出，管理员退出系统。
预计结果：可以重新登录并退出，管理员成功退出。
测试结果：可以重新登录并退出，管理员成功退出。
5.3本章小结
本章主要对农产品营销策略管理系统的各个功能进行了完整的测试，测试结果和预计结果吻合，该系统可以正常使用。
6 总结与展望
6.1 系统开发遇到的问题
（1）本系统的开发有助于那些有梦想的农产品分析人员，但是本人的能力和经验有限，农产品可视化分析系统也受多种因素影响，所以本系统并不完美，日后在个人能力允许下会继续升级系统，将其更加的完善，创造更大的作用。
（2） 由于基于Flask农产品营销策略分析信息分析平台是由本人独立开发，因此在系统设计和业务逻辑方面更多地借鉴了目前市场上较为流行的框架和技术点，包括Flask技术，很多是不熟悉没接触过的，在开发过程中不断学习新知识。另外由于本人的时间和精力的原因，在系统开发过程中有很多地方可能并不能够完全尽如人意，还有许多需要补充的功能与模块。
6.2 总结与展望
为保证有足够的技术能力去开发本系统，首先本人对开发过程中所用到的工具和技术进行了认真地学习和研究，详细地钻研了基于Python的Flask框架以及 Echarts,CSS,HTML等前端开发技术。
然后从农产品数据Flask分析平台需求分析开始 ，到整体框架的设计以及各个详细功能的设计具体实现，最后基于Flask平台的农产品营销策略分析信息分析系统的基础架构和详细功能已经大致开发完毕，并将其部署在Tomcat服务器当中运行，用户可以登录使用该系统进行农产品营销策略分析信息的筛选，同时查询Flask的分析结果。
- 王勇, 李选选, 王鹏. 大数据在农产品营销中的应用[J]. 农业经济, 2018(5): 14-16.
- 王宇. 农产品微信用户信息分享行为及营销策略研究[D].太原: 山西财经大学,2017.
- 佟伟．大数据时代背景下农产品营销模式与创新策略［J］.农业经济，2019( 6) : 138－140．
- Brad Alanmei Kleindl RUIZGARCIAL. Model and prototype implementation fortracking and tracing agricultural batch products along the food chain J. Food Control.2010(21): 112 -121.
- Ducange P, Pecori R, Mezzina P A glimpse on big data analysis in the framework ofmarketingstrategies J]. Soft Computing, 2018, 22(1): 325-342.
- 胡钰. 大数据背景下我国农产品物流面临的挑战及发展趋势[J].改革与战略,2016(4):30-32+111.
- 张志勇, 刘志峰. 大数据驱动下的农产品营销策略研究[J]. 农业经济与管理, 2019(4): 90-96.
- 马彬，陈君. 我国农产品网络营销存在的问题及对策［J］. 农村经济与科技，2017（1）：102-103.
- 刘小园,何美玲,黄旭桐. 基于大数据平台下农产品的智能营销[J].区域治理,2019(38):197-199.
- 陈逸青,杨联安,高舶雯,等. 基于大数据和 GIS 的农产品精准营销智能分析[J].地下水,2019(6):78-80.
- 王娜玲. 基于大数据环境的农产品个性化营销［J］. 现代商业，2015，（17）：32-33.
- 龚映梅,曹新波. 大数据环境下云南农产品精准营销模式研究［J］.昆明理工大学学报（社会科学版），2016（1）:65-71.
- 周永刚.“互联网 +”背景下生态农庄的精准营销模式探析[J]. 农业经济 ,2015(10):128-129.
- 李素丽,陈中伟．我国农产品连锁经营研究的文献综述［J］.农村经济与科技,2020,31( 1) : 195－196，207．
- 周海琼,任全玉,刘洋．特色农产品网络营销渠道开发研究［J］．中国商论,2018( 36) : 54－55．
- 刘冰. 农产品区域品牌对农业经济发展质量的影响［J］.中国产经,2021 ( 20) : 34－35．
- 马小兵. 电子商务背景下的农产品网络营销策略探究[J].商场现代化,2022(9):110-112.
- 范晓琳. 电子商务时代农产品网络营销策略研究[J].商展经济,2022(1):46-48.
- 胡馨尹. 试论电子商务环境下农产品网络营销对策[J].经济师,2023(9):266-267.
- 董玉洁,马晓楠. “互联网+”背景下电商平台对农批市场的影响及对策[J].当代旅游,2019(1):17-17.
- 薛蕾. 关于电子商务时代农产品网络营销体系构建模式的设想[J].全国流通经济,2017(8):17-18.
- Yan Yu;Zhang Bo. Research on the Path and Function of Precision Marketing of Agricultural Products Brands Based on Big Data.10.2991/978-94-6463-064-0_70.
- Wang Hongbing;GaoJing Bohan;Kang Lv;Peng Yuxian. Analysis and Research on the Marketing Strategy of Agricultural Products Based on Artificial Intelligence.10.1155/2022/7798640.
- Lehner Bertino.Design of big data fusion model for agricultural product quality and safety based on blockchain technology.Journal|[J] Computer Informatization and Mechanical System. Volume 3 , Issue 1 . 2020.
致 谢
在大学的校园里，我度过了难忘的学习生活。在这期间，我从周围的老师和同学身上学到了很多知识，并且建立了深厚的感情。
四年时间过的飞快，已经到了书写自己毕业论文的节点，回想过去的四年，充满了无数的欢乐，也学习了不少专业知识，这也更加丰富了我的大学生活。因此我要我的学院里的每一位教师，是你们教会了我的专业知识，让我具有了一技之长，同时还要感谢指导老师对我毕业设计的指导。
首先感谢我的导师,她严谨的治学态度深深地影响每位同学。我要感谢我的父母，他们总是默默的付出，在生活上给与我最大的帮助，在学习上也给我很多建议。在大学的校园里，我度过了难忘的学习生活。在这期间，我从周围的老师和同学身上学到了很多知识，并且建立了深厚的感情。
然后，感谢给子我帮助的朋友们，是你们让我的学习生涯更加温暖，让我能更加坚定的追求自己想要的生活。两年来，我们一起相互支持彼此的信念，一起学习新的知识，起解决遇到的各种问题， 不管我们选择的道路最终是否能够达到自己的理想，但愿我们能够友谊长存。
最后，我要感谢父母，是你们培养了我。
笔落至此,意味着我的大学四年即将落下帷幕。总以为来日方长,却不知韶光易逝,往昔已不可追。四年的大学生涯见证了自己的成长与改变,虽总是在不满自己的缓慢,最后，由衷的感谢各位评审老师在百忙之中抽出时间来参与我的论文评审和答辨。
附 录
附录正文。
2887
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
