DataReducer — R-консоль для «1С:Предприятия»

001  # Обрабатываем данные информационной базы ООО "УноФарма".
002  
003  # Создаём таблицу данных, выбирая нужные нам поля набора данных "AccountingRegister_Хозрасчетный_Turnover1" 
004  # (соответствующего виртуальной таблице оборотов регистра бухгалтерии "Хозрасчетный").
005  
006  ib1 <- AccountingRegister_Хозрасчетный_Turnover1[c('ExtDimension1____Presentation',
007           'ExtDimension1_Type', 'ExtDimension2____Presentation', 'ExtDimension2_Type', 'СуммаTurnoverDr')]
008  
009  # Статья движения д/с может быть записана в разные реквизиты - Субконто1 или Субконто2.
010  # Разбиваем данные на два набора, соответствующих первому и второму случаю.
011  # Затем, объединяя эти наборы, получаем таблицу данных с отдельным столбцом статей движения д/с.
012  
013  ib1_1 <- subset(ib1, ib1$ExtDimension1_Type == 'StandardODATA.Catalog_СтатьиДвиженияДенежныхСредств',
014           select=c(ExtDimension1____Presentation, СуммаTurnoverDr))
015  
016  ib1_2 <- subset(ib1, ib1$ExtDimension2_Type == 'StandardODATA.Catalog_СтатьиДвиженияДенежныхСредств',
017           select=c(ExtDimension2____Presentation, СуммаTurnoverDr))
018  
019  fact1 <- merge(ib1_1, ib1_2, by.x=c('ExtDimension1____Presentation', 'СуммаTurnoverDr'),
020           by.y=c('ExtDimension2____Presentation', 'СуммаTurnoverDr'), all = TRUE)
021  
022  # Выполняем те же операции для информационной базы ООО "ПортоФарма".
023  
024  ib2 <- AccountingRegister_Хозрасчетный_Turnover2[c('ExtDimension1____Presentation',
025           'ExtDimension1_Type', 'ExtDimension2____Presentation', 'ExtDimension2_Type', 'СуммаTurnoverDr')]
026  
027  ib2_1 <- subset(ib2, ib2$ExtDimension1_Type == 'StandardODATA.Catalog_СтатьиДвиженияДенежныхСредств',
028           select=c(ExtDimension1____Presentation, СуммаTurnoverDr))
029  
030  ib2_2 <- subset(ib2, ib2$ExtDimension2_Type == 'StandardODATA.Catalog_СтатьиДвиженияДенежныхСредств',
031           select=c(ExtDimension2____Presentation, СуммаTurnoverDr))
032  
033  fact2 <- merge(ib2_1, ib2_2, by.x=c('ExtDimension1____Presentation', 'СуммаTurnoverDr'),
034           by.y=c('ExtDimension2____Presentation', 'СуммаTurnoverDr'), all = TRUE)
035  
036  # Объединяем данные двух информационных баз и суммируем значения поступлений по статьям.
037  
038  fact <- merge(fact1, fact2, , all=TRUE)
039  
040  if (nrow(fact) > 0) fact <- aggregate(fact[, 2], by=list(fact[, 1]), sum)
041  
042  # Переименовываем столбцы.
043  
044  names(fact)[1] <- 'СтатьяДДС'
045  names(fact)[2] <- 'Факт'
046  
047  # Считываем фактические данные поступлений д/с из файла Excel.
048  # Файл расположен в каталоге, примонтированном к Docker-контейнеру сервиса Rserve в точке /mnt/host.
049  
050  library(xlsx)
051  plan <- read.xlsx('/mnt/host/План_1кв.xlsx', 1)
052  
053  # Объединяем таблицы плановых и фактических данных.
054  
055  pf <- merge(plan, fact, by=1, all=TRUE)
056  
057  # Рассчитываем абсолютные и относительные отклонения фактических значений от плановых
058  # и помещаем результаты в новые колонки.
059  
060  pf$ОтклонениеАбс <-  pf$Факт - pf$План
061  pf$ОтклонениеОтн <-  round((pf$Факт - pf$План) / pf$Факт, digits = 2)
062  
063  # Подготавливаем данные для построения диаграммы.
064  
065  # Приводим таблицу данных к нужному формату 
066  # (функция melt() преобразует данные в такой формат, что переменные "План" и "Факт"
067  # располагаются в собственных строках вместе с переменными "СтатьяДДС", их идентифицирующими.
068  
069  library(reshape2)
070  names(pf)[1] <- 'СтатьяДДС'
071  pf.m <- melt(pf[,1:3], id.var='СтатьяДДС')
072  
073  # Для экономии места на диаграмме разбиваем названия статей по словам.
074  
075  pf.m$СтатьяДДС <- gsub("\\s","\n", pf.m$СтатьяДДС)
076  
077  # Стоим столбчатую диаграмму. Указываем вид диаграммы - с группировкой, 
078  # горизонтальное расположение и размер шрифта.
079  
080  library(ggplot2)
081  chart <- ggplot(pf.m, aes(x = СтатьяДДС, y = value, fill = variable)) + geom_bar(stat='identity', position = 'dodge') +
082          coord_flip() + theme(text = element_text(size=13))
083  
084  # Устанавливаем шрифт, используемый в диаграмме.
085  # Шрифт должен быть установлен в системе (в Docker-контейнере сервиса Rserve)
086  
087  CairoFonts(regular='Free Helvetian:style=Regular')
088  
089  # Выводим диаграмму на экран.
090  
091  print(chart)
092  dev.off()
093  
094  # Создаем каталог для хранения файлов в точке монтирования /mnt/host,
095  
096  requestDir <- '/mnt/host/${resourceName}/${requestId}
097  dir.create(requestDir, recursive=TRUE)
098  
099  # Записываем диаграмму в файл.
100  
101  chartFile <- paste(requestDir, 'chart.png', sep='/')
102  CairoPNG(chartFile, width =520, height=360)
103  print(chart)
104  dev.off()
105  
106  # Записываем таблицу данных в файл Excel.
107  
108  xlsxFile <- paste(requestDir, 'ПланФакт.xlsx', sep='/')
109  write.xlsx(pf, xlsxFile, row.names = FALSE)
110  
111  # Выводим таблицу данных.
112  pf

001  # Получаем значения показателей для каждого квартала
002  Q1_2014 <- data.frame(
003          period = "${Q1_2014_end}",
004          prib   = Q1_2014_ВыручкаИСебестоимость[1, c("СуммаВыручкиTurnover")] -
005                   Q1_2014_ВыручкаИСебестоимость[1, c("СтоимостьTurnover")] -
006                   Q1_2014_ПрочиеРасходы[1, c("СуммаTurnover")],
007          deb    = Q1_2014_РасчетыСКлиентами[1, c("ДолгBalance")],
008          kred   = abs(Q1_2014_РасчетыСПоставщиками[1, c("ДолгBalance")])
009  )
010  Q2_2014 <- data.frame(
011          period = "${Q2_2014_end}",
012          prib   = Q2_2014_ВыручкаИСебестоимость[1, c("СуммаВыручкиTurnover")] -
013                   Q2_2014_ВыручкаИСебестоимость[1, c("СтоимостьTurnover")] -
014                   Q2_2014_ПрочиеРасходы[1, c("СуммаTurnover")],
015          deb    = Q2_2014_РасчетыСКлиентами[1, c("ДолгBalance")],
016          kred   = abs(Q2_2014_РасчетыСПоставщиками[1, c("ДолгBalance")])
017  )
(...)
131 # Объединяем все наблюдения в одну таблицу 
132 df <- rbind(Q1_2014, Q2_2014, Q3_2014, Q4_2014, Q1_2015, Q2_2015, Q3_2015, Q4_2015, 
133  Q1_2016, Q2_2016, Q3_2016, Q4_2016, Q1_2017, Q2_2017, Q3_2017, Q4_2017)

135  # Приводим данные к формату xts
136  library(xts)
137  data_xts <- xts(df[,-1], order.by=as.POSIXct(df[,1]))
138  
139  # Строим график
140  library(dygraphs)
141  graph <- dygraph(data_xts, width=750, height=350) %>%
142      dySeries("prib", label = "Прибыль") %>%
143      dySeries("deb", label = "Деб_зад") %>%
144      dySeries("kred", label = "Кред_зад") %>%
145      dyOptions(drawPoints=TRUE, pointSize=2, drawAxesAtZero=TRUE, labelsKMB=TRUE) %>%
146      dyRangeSelector()
147  
148  # Сохраняем виджет с графиком 
149  library(htmlwidgets)
150  saveWidget(graph, file="/mnt/host/prib.html", selfcontained = TRUE)

155  model <- lm(data=df, prib~deb+kred)
156  paste(capture.output(print(summary(model))), collapse='\n')

160  library(car)
161  qq <- qqPlot(model, labels = row.names(df), simulate = TRUE, main = "Q-Q plot")
162  print(qq)
163  dev.off()

165  # Удаляем "выброс"
166  df1 <- df[-c(12),]
167  
168  # Снова оцениваем модель
169  model1 <- lm(data=df1, prib~deb+kred)
170  paste(capture.output(print(summary(model1))), collapse='\n')

173  library(gvlma)
174  gvmodel <- gvlma(model1)
175  paste(capture.output(print(summary(gvmodel))), collapse='\n')

177  # Создаем таблицу с плановыми данными дебиторской и кредиторской задолженностей
178  # и приводим её к формату xts
179  q1_2018_plan <- data.frame(period="2018-03-31T23:59:59", deb=${deb_plan1}, kred=${kred_plan1})
180  q2_2018_plan <- data.frame(period="2018-06-30T23:59:59", deb=${deb_plan2}, kred=${kred_plan2})
181  q3_2018_plan <- data.frame(period="2018-09-30T23:59:59", deb=${deb_plan3}, kred=${kred_plan3})
182  plan_df <- rbind(q1_2018_plan, q2_2018_plan, q3_2018_plan)
183  plan_xts <- xts(plan_df[,-1], order.by=as.POSIXct(plan_df[,1]))
184  
185  # Предсказываем прибыль от продаж
186  predicted <- predict(model1, newdata=plan_xts, interval="prediction")

191  # Объединяем все наборы данных
192  combined <- cbind(data_xts, plan_xts, predicted)
193  
194  # Строим новый график
195  graph1 <- dygraph(combined, width=750, height=350) %>%
196      dySeries("prib", label = "Прибыль", color="red") %>%
197      dySeries("deb", label = "Деб_зад", color = "blue") %>%
198      dySeries("kred", label = "Кред_зад", color = "green") %>%
199      dySeries("deb.1", label = "Деб_зад_план", color = "blue", strokePattern="dashed") %>%
200      dySeries("kred.1", label = "Кред_зад_план", color = "green", strokePattern="dashed") %>%
201      dySeries(c("lwr", "fit", "upr"), label = "Прибыль_прогноз", color = "red", strokePattern="dashed") %>%
202      dyEvent("2018-03-31", "Прогноз", labelLoc = "bottom", color="red", strokePattern="dotted") %>%
203      dyLegend(width = 300) %>%
204      dyOptions(drawPoints=TRUE, pointSize=2, drawAxesAtZero=TRUE, labelsKMB=TRUE) %>%
205      dyRangeSelector()
206  
207  # Создаем каталог для хранения файлов в точке монтирования /mnt/webapp-files,
208  # соответствующей каталогу файлов веб-приложения.
209  requestDir <- '/mnt/webapp-files/${resourceName}/${requestId}
210  dir.create(requestDir, recursive=TRUE)
211  
212  # Сохраняем виджет с новым графиком в каталоге для публикации
213  graphPath <- paste(requestDir, 'prib_predicted.html', sep='/')
214  saveWidget(graph1, file=graphPath, selfcontained = TRUE)