SafeCommerce-LA

概览

基于 PostgreSQL 模式的认证仪表盘、地图、图表、筛选与 CSV 导出，把洛杉矶治安数据与加州零售销售记录联表分析。课程评分 99/100。

问题

治安数据与零售数据分散在两个形态各异的孤岛中，像“高发案区域与零售销售下滑在哪些街区重叠”这样的社区级问题，若没有昂贵的联表与缓慢的临时查询就很难回答。

我做了什么

设计了同时规范化两套数据的 PostgreSQL 模式，在 JWT 认证的 API 之后暴露可复用的查询端点，并构建了带地图、图表、筛选与 CSV 导出的 React 仪表盘，让用户能从全市趋势一路下钻到单家门店。

架构

• React 前端 — 认证后的仪表盘、地图、图表、筛选与 CSV 导出
• Python REST API 层 — 受 JWT 保护的端点
• PostgreSQL 模式 — 联接、CTE、聚合与配套索引
• 查询层 — 通过缓存与重构 SQL，让仪表盘查询保持在交互级延迟内

技术亮点

• 设计 PostgreSQL 模式并优化 SQL：联接、子查询 / CTE、聚合、索引、缓存与查询重构。
• 为社区风险分析、销售趋势、高发区域与门店级报表构建认证工作流。
• 实现 CSV 导出，让分析人员能把筛选后的切片带入下游工具。

成效

• 项目在“数据库与信息系统”课程中获得 99/100。
• 让跨领域的洛杉矶治安与加州零售问题可以被交互式地回答。