feat: 新增各渠道收入占比

CLAUDE.md

@@ -45,6 +45,10 @@ pnpm test                                              # 全量，只在改了 t
 
 ## 数据口径
 
+**底稿与图表数据分层。** `data/{company}/rawData/` 是唯一可维护的数据层。当前泡泡玛特的维护入口是其中的 `泡泡玛特_财报分析底稿.xlsx`：人工或 AI 从 PDF、截图、XLSX 提取的基础值先写入这份底稿，并保留来源文件、工作表和定位信息。`data/{company}/*.csv` 是图表运行时投影，只能由脚本生成，禁止手工编辑。
+
+**维护明细，不维护可推导结果。** 收入、门店数、财报科目等基础值应保存；占比、同比、利润率、H2 单半年和分析分类小计应由脚本生成。若财报披露了占比，可作为核对值保留，但不是图表的唯一输入。资产负债表的“类现金/经营类资产/有息负债”等分类以独立规则映射明细科目，不复制成第二套人工数字。
+
 **数值默认保留一位小数。** CSV 数据列与图表展示（柱/点标签、tooltip）统一保留一位小数（如 `71.1`、`311.4%`），四舍五入；确实需要其他精度时必须在 `footnote()` 或代码注释里说明原因。
 
 **CSV 存四位年份**（`2026H1`），简写只在显示层做。核对数据时无歧义。

data/ppmt/ppmt_channel_share.csv

@@ -0,0 +1,8 @@
+period,retail,online,robot_store,wholesale,total_revenue
+2024H1,57.4,25.9,8.1,8.6,45.59
+2024H2,49.0,35.2,5.4,10.4,84.78
+2024FY,51.9,31.9,6.4,9.8,130.37
+2025H1,49.8,39.6,5.9,4.7,138.75
+2025H2,44.5,47.0,3.7,4.7,232.45
+2025FY,46.5,44.3,4.6,4.7,371.20
+2026H1,53.1,36.2,5.5,5.2,171.74

data/ppmt/ppmt_channel_share_annual.csv

@@ -0,0 +1,3 @@
+period,retail,online,robot_store,wholesale,total_revenue
+2024FY,51.9,31.9,6.4,9.8,130.37
+2025FY,46.5,44.3,4.6,4.7,371.20

data/ppmt/ppmt_channel_share_halfyear.csv

@@ -0,0 +1,6 @@
+period,retail,online,robot_store,wholesale,total_revenue
+2024H1,57.4,25.9,8.1,8.6,45.59
+2024H2,49.0,35.2,5.4,10.4,84.78
+2025H1,49.8,39.6,5.9,4.7,138.75
+2025H2,44.5,47.0,3.7,4.7,232.45
+2026H1,53.1,36.2,5.5,5.2,171.74

data/ppmt/rawData/README.md

@@ -0,0 +1,22 @@
+# 泡泡玛特财报分析底稿
+
+本目录是泡泡玛特的唯一维护数据层。日常只维护 [泡泡玛特_财报分析底稿.xlsx](泡泡玛特_财报分析底稿.xlsx)：图表使用的 `data/ppmt/*.csv` 由脚本生成，不直接编辑。
+
+## 工作簿结构
+
+- `说明`：维护入口、口径和颜色约定。
+- `资产负债表`：期末时点的财报明细。
+- `利润表`：半年累计与全年累计的财报明细。
+- `现金流量表`：现金流量表披露的原始明细。
+- `资产分类规则`：把财报明细映射为“类现金、投资资产、有息负债”等分析分类的规则；不维护分类金额。
+- `检查`：资产负债、现金流量的勾稽差额。出现红色警告时，应回到来源核对，不能为了消除警告而改数。
+
+## 更新流程
+
+1. 将新财报 PDF、截图或原始表格保留在 `data/ppmt/raw/`，作为证据文件。
+2. 由 AI 读取证据后，将直接披露的科目、期间和金额录入本工作簿的蓝色数字区域，并记录来源定位。
+3. 检查期间、单位和勾稽关系；确认后再生成图表 CSV 与图表。
+
+只维护基础值：收入、门店数、财报科目等。同比、占比、利润率、H2 单半年和分析分类小计都由后续脚本计算。若财报另有披露占比，可作为核对依据，不应成为第二套手工维护的数据。
+
+期间约定：`FY` 是全年累计/年末，`H1` 是上半年累计/六月末；不得把来源的 `H2` 直接当作下半年单期。金额单位为人民币亿元。

data/ppmt/rawData/地区渠道收入.csv

@@ -0,0 +1,81 @@
+region,channel,period,revenue
+中国,零售店,2024H1,20.04
+中国,零售店,2024FY,46.01
+中国,零售店,2025H1,44.06
+中国,零售店,2025FY,100.75
+中国,零售店,2026H1,60.90
+中国,机器人商店,2024H1,3.38
+中国,机器人商店,2024FY,7.51
+中国,机器人商店,2025H1,6.78
+中国,机器人商店,2025FY,13.46
+中国,机器人商店,2026H1,7.79
+中国,线上渠道,2024H1,9.41
+中国,线上渠道,2024FY,27.72
+中国,线上渠道,2025H1,29.37
+中国,线上渠道,2025FY,85.22
+中国,线上渠道,2026H1,47.79
+中国,批发及其他,2024H1,2.39
+中国,批发及其他,2024FY,7.63
+中国,批发及其他,2025H1,2.61
+中国,批发及其他,2025FY,9.08
+中国,批发及其他,2026H1,5.53
+亚太,零售店,2024H1,4.85
+亚太,零售店,2024FY,16.68
+亚太,零售店,2025H1,14.93
+亚太,零售店,2025FY,43.19
+亚太,零售店,2026H1,17.16
+亚太,机器人商店,2024H1,0.17
+亚太,机器人商店,2024FY,0.40
+亚太,机器人商店,2025H1,0.33
+亚太,机器人商店,2025FY,0.95
+亚太,机器人商店,2026H1,0.57
+亚太,线上渠道,2024H1,1.65
+亚太,线上渠道,2024FY,9.72
+亚太,线上渠道,2025H1,10.69
+亚太,线上渠道,2025FY,30.53
+亚太,线上渠道,2026H1,6.44
+亚太,批发及其他,2024H1,1.29
+亚太,批发及其他,2024FY,4.30
+亚太,批发及其他,2025H1,2.56
+亚太,批发及其他,2025FY,5.44
+亚太,批发及其他,2026H1,1.59
+美洲,零售店,2024H1,0.87
+美洲,零售店,2024FY,3.41
+美洲,零售店,2025H1,7.37
+美洲,零售店,2025FY,20.04
+美洲,零售店,2026H1,9.03
+美洲,机器人商店,2024H1,0.13
+美洲,机器人商店,2024FY,0.38
+美洲,机器人商店,2025H1,1.05
+美洲,机器人商店,2025FY,2.32
+美洲,机器人商店,2026H1,1.04
+美洲,线上渠道,2024H1,0.64
+美洲,线上渠道,2024FY,3.64
+美洲,线上渠道,2025H1,13.27
+美洲,线上渠道,2025FY,43.54
+美洲,线上渠道,2026H1,7.22
+美洲,批发及其他,2024H1,0.19
+美洲,批发及其他,2024FY,0.58
+美洲,批发及其他,2025H1,0.96
+美洲,批发及其他,2025FY,2.17
+美洲,批发及其他,2026H1,1.62
+欧洲及其他,零售店,2024H1,0.41
+欧洲及其他,零售店,2024FY,1.57
+欧洲及其他,零售店,2025H1,2.72
+欧洲及其他,零售店,2025FY,8.56
+欧洲及其他,零售店,2026H1,4.03
+欧洲及其他,机器人商店,2024H1,0.01
+欧洲及其他,机器人商店,2024FY,0.02
+欧洲及其他,机器人商店,2025H1,0.04
+欧洲及其他,机器人商店,2025FY,0.17
+欧洲及其他,机器人商店,2026H1,0.11
+欧洲及其他,线上渠道,2024H1,0.11
+欧洲及其他,线上渠道,2024FY,0.55
+欧洲及其他,线上渠道,2025H1,1.65
+欧洲及其他,线上渠道,2025FY,5.05
+欧洲及其他,线上渠道,2026H1,0.68
+欧洲及其他,批发及其他,2024H1,0.05
+欧洲及其他,批发及其他,2024FY,0.25
+欧洲及其他,批发及其他,2025H1,0.36
+欧洲及其他,批发及其他,2025FY,0.73
+欧洲及其他,批发及其他,2026H1,0.24

docs/数据架构改造方案.md

@@ -0,0 +1,172 @@
+# 财报图表项目数据架构改造方案
+
+> 状态：建议实施
+>
+> 目标：保持静态图表站点的低复杂度，同时建立可追溯、可重复生成的数据链路。
+
+## 1. 决策
+
+当前不建设在线数据库和后端 API。
+
+本项目目前是静态数据展示工具：浏览器按需读取 CSV，数据量很小，没有多人并发写入、权限控制、运行时查询或服务端计算的需求。此时引入 Postgres、API、鉴权和迁移机制会增加运维成本，但不能解决当前的数据正确性与可维护性问题。
+
+CSV 保留为图表的运行时交付格式；需要改造的是 CSV 之前的数据生产链路。
+
+## 2. 当前问题
+
+### 2.1 权威数据源不一致
+
+设计文档和 `data/ppmt/rawData/README.md` 将 `财报分析底稿.xlsx` 定义为唯一维护入口，但 `scripts/normalize_ppmt_financials.mjs` 实际读取的是 `data/ppmt/raw/*.csv`。底稿更新不会稳定地传递到图表。
+
+### 2.2 派生产物被当作输入
+
+归一化脚本的一部分通过 `readRuntimeRows()` 读取 `data/ppmt/*.csv`，再生成年度、半年等视图。IP、品类、资产等数据不能完全从上游重新构建；运行时 CSV 被删除、手改或过期时，会影响后续结果。
+
+### 2.3 数据更新不完整
+
+已出现底稿含有新期间、但相应图表 CSV 尚未更新的情况。问题不在某个数值，而在于链路没有可重复的全量构建保证。
+
+### 2.4 发布边界不清晰
+
+Vite 目前递归复制 `data/` 下的全部 CSV，因此原始披露 CSV 也会进入 `dist/`。原始证据、维护输入和公开运行时数据应有物理边界。
+
+### 2.5 现有测试只验证展示
+
+`pnpm test` 已能验证 manifest、CSV 可读性、图表渲染和部分视觉规范；还没有验证期间、单位、勾稽、同比口径、来源定位或派生逻辑。
+
+## 3. 目标架构
+
+```text
+原始披露文件（PDF / XLSX / 原始导出 CSV，只读证据）
+        │
+        ▼
+人工录入与复核的规范化基础事实层（唯一权威）
+        │  数据构建：映射、同比、期间拆分、勾稽、图表数据整形
+        ▼
+图表运行时 CSV（完全可重建，不允许手工修改）
+        │
+        ▼
+静态站点：manifest + Vanilla JS + ECharts
+```
+
+### 3.1 各层职责
+
+| 层 | 内容 | 是否人工编辑 | 发布到网站 |
+| --- | --- | --- | --- |
+| 原始证据 | 财报 PDF、公司 XLSX、原始导出 CSV、截图 | 否 | 否 |
+| 基础事实层 | 直接披露的数值、期间、单位、来源定位、科目映射 | 是，受控编辑 | 否 |
+| 派生层 | H2、同比、利润率、分类汇总、年度/半年视图 | 否，脚本生成 | 否 |
+| 图表 CSV | 仅包含图表需要的字段和布局 | 否，脚本生成 | 是 |
+
+## 4. 基础事实层如何维护
+
+基础事实层需要人工维护，但人工只编辑直接披露且可追溯的事实。
+
+允许人工编辑的内容：
+
+- 原始财报直接披露的金额、门店数等基础数值；
+- 期间、币种、单位、合并口径；
+- 来源文件、页码、表格、行号或单元格定位；
+- 科目映射与分类规则，例如“类现金”“投资资产”“经营资产”。
+
+禁止人工编辑的内容：
+
+- 同比、环比、占比、利润率；
+- `H2 = FY - H1` 等期间拆分；
+- 分析分类小计；
+- 任何图表运行时 CSV。
+
+现有 `财报分析底稿.xlsx` 可以继续作为人工录入界面。改造后的要求是：构建脚本必须从这份工作簿或其一次性导出的规范化输入文件读取，不再并行从其他位置读取同一事实。工作簿是编辑器，不是与其他 CSV 并列的第二权威来源。
+
+基础事实建议采用“长表”结构，便于复用、校验和未来接入多家公司：
+
+| company_id | metric_id | period_end | period_type | value | unit | source_file | source_locator | revision |
+| --- | --- | --- | --- | ---: | --- | --- | --- | --- |
+| ppmt | revenue | 2026-06-30 | H1_YTD | 171.73 | CNY_100M | 2026H1.pdf | p.12 / 利润表 / 营业收入 | 1 |
+
+运营类事实可使用相同结构，或按需要增加 `dimension_type`、`dimension_value`，例如地区、渠道、IP 和品类。
+
+## 5. 目录与构建边界
+
+建议将数据目录拆分，避免将证据文件误发布：
+
+```text
+data/
+  ppmt/
+    evidence/                 # 原始披露文件，只读，不发布
+    input/                    # 基础事实与映射规则，受控维护，不发布
+    generated/                # 构建中间产物，可删除并重建，不发布
+public/
+  data/
+    ppmt/                     # 仅图表运行时 CSV，发布
+scripts/
+  import_ppmt_facts.*         # 从 XLSX 或受控输入导入基础事实
+  build_ppmt_datasets.*       # 从基础事实完整生成图表 CSV
+  check_ppmt_data.*           # 质量与勾稽校验
+```
+
+Vite 仅复制 `public/`；不再以“复制整个 `data/` 再过滤扩展名”的方式发布文件。
+
+## 6. 数据构建与校验
+
+推荐提供三个明确命令：
+
+```bash
+pnpm data:import   # 可选：从人工维护的 XLSX 导出/读取基础事实
+pnpm data:build    # 从唯一权威源全量生成 generated 与 public/data
+pnpm data:check    # 校验输入、派生结果与勾稽关系
+pnpm test          # 图表渲染和展示回归
+pnpm build         # 静态站点构建
+```
+
+`data:build` 必须满足幂等性：在清空 `generated/` 和 `public/data/` 后，仍能只凭 `input/` 与 `evidence/` 完整生成相同的图表数据。构建脚本不得读取自身输出目录作为输入。
+
+`data:check` 至少覆盖：
+
+- 必填字段、数值类型、单位和币种；
+- 期间格式、排序、重复与缺失；
+- 流量类 `H2 = FY - H1`，时点类 H2/年末口径；
+- 同比仅比较同口径上一年期间；
+- 资产 = 负债 + 权益、现金流勾稽等适用检查；
+- 图表字段 schema、空值约束和合理数值范围；
+- 每条人工事实都有来源定位。
+
+## 7. 分阶段实施
+
+### P0：先恢复单一真相源
+
+1. 决定以现有底稿 XLSX 作为人工维护入口。
+2. 为底稿建立稳定导入器，输出规范化基础事实；或将其导出为版本化输入 CSV。
+3. 将现有脚本中读取运行时 CSV 的逻辑改为读取基础事实。
+4. 将图表 CSV 移到仅发布目录，原始证据移出发布路径。
+5. 增加 `data:check` 的最小校验与全量重建测试。
+
+完成标准：删除全部图表 CSV 后，仍能从唯一输入源重建所有图表；底稿新增期间后，数据检查能明确指出哪些图表应更新。
+
+### P1：第二家公司接入后抽象共性
+
+1. 固化跨公司通用的基础事实 schema、期间模型、来源定位格式和校验规则。
+2. 仅在两个公司确实复用同一字段映射与口径时，抽取通用图表或数据模板。
+3. 为 manifest 增加可选的数据契约版本，避免图表代码默默依赖 CSV 列名。
+
+### P2：需要分析型查询时引入本地数据库
+
+当需要跨公司指标筛选、较多事实数据查询、复杂聚合或批量分析时，引入 DuckDB + Parquet 作为本地构建和分析层。它可以替代或补强 `generated/`，但前端仍然发布静态 CSV 或预聚合 JSON。
+
+### P3：满足以下条件才建设在线数据库
+
+仅在出现多人在线录入、权限分级、审计版本、自动数据抓取、实时更新或面向用户的任意组合查询时，再建设 Postgres + 后端 API。
+
+在线数据库只替换“基础事实层的存储与协作方式”；图表运行时仍应优先使用缓存后的静态数据集或受版本控制的 API 响应，不应让每张图直接查询底层事实表。
+
+## 8. 数据库选择原则
+
+“使用数据库”不是替代数据治理的方案。无论存储介质是 XLSX、CSV、DuckDB 还是 Postgres，都必须先满足：
+
+1. 只有一个权威输入源；
+2. 派生产物可从该输入源完整重建；
+3. 每个数值可回溯到披露来源；
+4. 口径、单位和期间语义经过自动校验；
+5. 前端只消费稳定的数据契约。
+
+在当前规模下，最优路线是“XLSX 受控人工录入 + 规范化事实 + 自动生成 CSV + 静态发布”，而不是立即迁移在线数据库。

docs/方案设计.md

@@ -23,10 +23,13 @@
 ## 2. 当前架构
 
 ```
-原始财报 / PDF / XLSX（仓库外保存）
+原始财报 / PDF / XLSX / 截图（证据文件）
-   │ 人工、AI 或脚本：抽取、归一化、口径确认
+   │ 人工或 AI 提取、复核并记录来源定位
    ▼
-data/{company}/*.csv                 ← 运行时数据
+data/{company}/rawData/财报分析底稿.xlsx ← 财报分析底稿：唯一可维护的数据层
+   │ 脚本：分类、同比/占比、年度/半年视图、勾稽
+   ▼
+data/{company}/*.csv                  ← 图表运行时数据，可随时重建，禁止手工编辑
    ▼
 manifest.json                        ← 展示编排与图表配置的唯一事实来源
    ├─ chartCatalog                   ← 每张图只定义一次
@@ -69,7 +72,8 @@ js/main.js + js/ui.js                ← 解析引用、渲染三栏、导出和
 - `js/charts/index.js`：注册 `key → build 函数`。
 - `js/charts/*.js`：只处理该图的业务字段与 ECharts 表达。
 - `js/theme.js`：字体、配色、图例、坐标轴、脚注和水印等统一视觉规范。
-- `data/{company}/`：图表需要的规范化 CSV。
+- `data/{company}/rawData/`：财报分析底稿。每家公司以一份可读、可维护的工作簿作为入口；基础科目、期间、单位、来源文件/工作表/定位信息在此维护，分析分类通过独立规则映射，不复制维护分类金额。
+- `data/{company}/*.csv`：图表需要的规范化 CSV，由底稿生成，不是维护入口。
 
 ---
 

js/charts/index.js

@@ -25,6 +25,7 @@ import { cashflowCompositionChart } from './ppmt_cashflow_composition.js';
 import { workingCapitalDaysChart } from './ppmt_working_capital_days.js';
 import { expenseStructureChart } from './ppmt_expense_structure.js';
 import { channelRevenueChart } from './ppmt_channel_revenue.js';
+import { channelShareChart } from './ppmt_channel_share.js';
 import { storesRetailChart } from './ppmt_stores_retail.js';
 import { storesRobotChart } from './ppmt_stores_robot.js';
 import { regionShareChart } from './ppmt_region_share.js';
@@ -62,6 +63,7 @@ export const chartRegistry = {
   'ppmt-working-capital-days': workingCapitalDaysChart,
   'ppmt-expense-structure': expenseStructureChart,
   'ppmt-channel-revenue': channelRevenueChart,
+  'ppmt-channel-share': channelShareChart,
   'ppmt-stores-retail': storesRetailChart,
   'ppmt-stores-robot': storesRobotChart,
   'ppmt-region-share': regionShareChart,

js/charts/ppmt_channel_share.js

@@ -0,0 +1,83 @@
+import { col } from '../csv.js';
+import {
+  CHANNEL_COLORS, PALETTE, FONT, axisCommon, standalonePeriodAxis, titleStyle, standardLegend,
+  financialViewLabel, barSeries, footnote, watermarks, LAYOUT,
+} from '../theme.js';
+
+const CHANNELS = [
+  { key: 'retail', name: '零售店', color: CHANNEL_COLORS.retail, labelColor: '#fff' },
+  { key: 'online', name: '线上渠道', color: CHANNEL_COLORS.online, labelColor: '#fff' },
+  { key: 'robot_store', name: '机器人商店', color: CHANNEL_COLORS.robotStore, labelColor: '#fff' },
+  { key: 'wholesale', name: '批发及其他', color: CHANNEL_COLORS.wholesale, labelColor: PALETTE.ink },
+];
+
+function sharePoint(value, labelColor) {
+  if (!Number.isFinite(value) || value === 0) return null;
+  // 3.5% 以下的段放不下 11px 段内标签；当前数据最小为 3.7%（2025H2 机器人商店）
+  return {
+    value,
+    label: value >= 3.5
+      ? { position: 'inside', color: labelColor }
+      : { show: false },
+  };
+}
+
+/** 泡泡玛特全渠道收入占比：全部地区合并，每根柱按当期总收入归一化为 100%。 */
+export function channelShareChart(rows, { width, height, view = 'all' }) {
+  const periods = col(rows, 'period');
+  const barWidth = view === 'all' ? 48 : 80;
+
+  return {
+    backgroundColor: '#fff',
+    title: {
+      ...titleStyle,
+      text: `泡泡玛特渠道收入占比（${financialViewLabel(view)}）`,
+      subtext: '全部地区合并；归一化堆叠：每根柱为当期总收入的 100%',
+    },
+    legend: standardLegend(CHANNELS.map((item) => item.name)),
+    tooltip: {
+      trigger: 'axis',
+      axisPointer: { type: 'shadow' },
+      textStyle: { fontFamily: FONT },
+      formatter: (params) => {
+        const row = rows[periods.indexOf(params[0].axisValue)];
+        return `<b>${params[0].axisValue}</b>　总收入 ${row.total_revenue.toFixed(2)} 亿元<br/>${params
+          .filter((item) => item.value !== null)
+          .slice()
+          .reverse()
+          .map((item) => `${item.marker}${item.seriesName}: ${item.value.toFixed(1)}%`)
+          .join('<br/>')}`;
+      },
+    },
+    grid: { left: 78, right: 42, top: LAYOUT.gridTop, bottom: 100 },
+    xAxis: { ...standalonePeriodAxis, data: periods },
+    yAxis: {
+      ...axisCommon,
+      type: 'value',
+      min: 0,
+      max: 100,
+      interval: 20,
+      axisLabel: { ...axisCommon.axisLabel, formatter: '{value}%' },
+    },
+    series: CHANNELS.map((item) => barSeries({
+      name: item.name,
+      data: rows.map((row) => sharePoint(row[item.key], item.labelColor)),
+      color: item.color,
+      barWidth,
+      stack: 'channel-share',
+      label: {
+        show: true,
+        position: 'inside',
+        fontSize: 11,
+        fontFamily: FONT,
+        fontWeight: 500,
+        formatter: (point) => `${point.value.toFixed(1)}%`,
+      },
+      emphasis: { focus: 'series' },
+    })),
+    graphic: [
+      ...watermarks(width, height),
+      footnote('数据来源：泡泡玛特分地区渠道收入披露（中国含港澳台）；H2为单半年（全年−H1）\n线上渠道含抽盒机、天猫、抖音、自研APP及官网等 | @思考的Joey'),
+    ],
+  };
+}

manifest.json

@@ -27,6 +27,7 @@
         "ppmt-working-capital-days": { "key": "ppmt-working-capital-days", "title": "营运资本效率", "csv": "data/ppmt/ppmt_working_capital_days.csv", "height": 700, "filename": "泡泡玛特营运资本效率" },
         "ppmt-expense-structure": { "key": "ppmt-expense-structure", "title": "费用结构与费用率", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_expense_structure.csv", "annual": "data/ppmt/ppmt_expense_structure_annual.csv", "halfyear": "data/ppmt/ppmt_expense_structure_halfyear.csv" }, "height": 700, "filename": "泡泡玛特费用结构与费用率" },
         "ppmt-channel-revenue": { "key": "ppmt-channel-revenue", "title": "渠道收入结构与增速", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_channel_revenue.csv", "annual": "data/ppmt/ppmt_channel_revenue_annual.csv", "halfyear": "data/ppmt/ppmt_channel_revenue_halfyear.csv" }, "height": 720, "filename": "泡泡玛特渠道收入结构与增速" },
+        "ppmt-channel-share": { "key": "ppmt-channel-share", "title": "渠道收入占比", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_channel_share.csv", "annual": "data/ppmt/ppmt_channel_share_annual.csv", "halfyear": "data/ppmt/ppmt_channel_share_halfyear.csv" }, "height": 680, "filename": "泡泡玛特渠道收入占比" },
         "ppmt-stores-retail": { "key": "ppmt-stores-retail", "title": "分地区零售门店数量与同比增速", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_stores_retail.csv", "annual": "data/ppmt/ppmt_stores_retail_annual.csv", "halfyear": "data/ppmt/ppmt_stores_retail_halfyear.csv" }, "height": 680, "filename": "泡泡玛特分地区零售门店数量与同比增速" },
         "ppmt-stores-retail-share": { "key": "ppmt-stores-retail-share", "title": "分地区零售门店数量占比", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_stores_retail_share.csv", "annual": "data/ppmt/ppmt_stores_retail_share_annual.csv", "halfyear": "data/ppmt/ppmt_stores_retail_share_halfyear.csv" }, "height": 680, "filename": "泡泡玛特分地区零售门店数量占比" },
         "ppmt-retail-store-revenue": { "key": "ppmt-retail-store-revenue", "title": "各地区零售店单店收入", "defaultView": "all", "views": { "all": "data/ppmt/ppmt_retail_store_revenue.csv", "annual": "data/ppmt/ppmt_retail_store_revenue_annual.csv", "halfyear": "data/ppmt/ppmt_retail_store_revenue_halfyear.csv" }, "height": 680, "filename": "泡泡玛特各地区零售店单店收入" },
@@ -40,7 +41,7 @@
         { "id": "expense", "name": "费用率", "chartRefs": ["ppmt-margins", "ppmt-expense-structure"] },
         { "id": "balance-sheet", "name": "资产负债", "chartRefs": ["ppmt-assets", "ppmt-inventory", "ppmt-liquidity-working-capital", "ppmt-working-capital-days"] },
         { "id": "ip-category", "name": "IP 与品类", "chartRefs": ["ppmt-ip", "ppmt-ip-share", "ppmt-ip-share-history", "ppmt-ip-ex-monsters", "ppmt-category"] },
-        { "id": "region-channel", "name": "区域渠道", "chartRefs": ["ppmt-region-channel", "ppmt-region-yoy", "ppmt-region-yoy-timeseries", "ppmt-channel-revenue", "ppmt-stores-retail", "ppmt-stores-retail-share", "ppmt-stores-robot", "ppmt-region-share"] },
+        { "id": "region-channel", "name": "区域渠道", "chartRefs": ["ppmt-region-channel", "ppmt-region-yoy", "ppmt-region-yoy-timeseries", "ppmt-channel-revenue", "ppmt-channel-share", "ppmt-stores-retail", "ppmt-stores-retail-share", "ppmt-stores-robot", "ppmt-region-share"] },
         { "id": "store-revenue", "name": "单店收入", "chartRefs": ["ppmt-retail-store-revenue", "ppmt-robot-store-revenue"] }
       ]
     },

scripts/normalize_ppmt_financials.mjs

@@ -4,6 +4,7 @@ import { fileURLToPath } from 'node:url';
 
 const ROOT = path.resolve(path.dirname(fileURLToPath(import.meta.url)), '..');
 const RAW_DIR = path.join(ROOT, 'data/ppmt/raw');
+const RAWDATA_DIR = path.join(ROOT, 'data/ppmt/rawData');
 const OUTPUT_DIR = path.join(ROOT, 'data/ppmt');
 
 const FILES = {
@@ -565,8 +566,8 @@ writeViewFiles('ppmt_expense_structure', ['period', 'sales_expense', 'admin_expe
   sales_expense: 2, admin_expense: 2, financial_expense: 2, four_expense_rate: 1,
 });
 
-function readRuntimeRows(filename) {
+function readCsvRows(dir, filename) {
-  const [header, ...lines] = fs.readFileSync(path.join(OUTPUT_DIR, filename), 'utf8').trim().split(/\r?\n/);
+  const [header, ...lines] = fs.readFileSync(path.join(dir, filename), 'utf8').trim().split(/\r?\n/);
   const headers = header.split(',');
   return lines.map((line) => Object.fromEntries(line.split(',').map((cell, index) => {
     const value = Number(cell);
@@ -574,6 +575,10 @@ function readRuntimeRows(filename) {
   })));
 }
 
+function readRuntimeRows(filename) {
+  return readCsvRows(OUTPUT_DIR, filename);
+}
+
 function writeRuntimeViews(base, headers, views, digits = {}) {
   writeViewFiles(base, headers, views, digits);
 }
@@ -698,3 +703,45 @@ writeViewFiles('ppmt_inventory', ['period', 'inventory', 'yoy'], inventoryViews,
 }, 2017);
 
 console.log('已生成第二批连续图表的全部、年度、半年 CSV。');
+
+// 渠道收入占比：底表 data/ppmt/rawData/地区渠道收入.csv 整理自
+// 泡泡玛特-rawdata.xlsx「各地区渠道收入」工作表（中国含港澳台的四地区 × 四渠道明细）。
+// 全球合计 = 四地区加总；披露口径只有 H1 与全年，H2 单半年 = 全年 − H1；
+// 占比在金额视图之后计算，按当期四渠道合计归一化，不可用占比直接相减。
+const CHANNEL_NAME_TO_KEY = {
+  零售店: 'retail',
+  机器人商店: 'robot_store',
+  线上渠道: 'online',
+  批发及其他: 'wholesale',
+};
+const channelRevenueByPeriod = new Map();
+readCsvRows(RAWDATA_DIR, '地区渠道收入.csv').forEach(({ region, channel, period, revenue }) => {
+  const key = CHANNEL_NAME_TO_KEY[channel];
+  if (!key) throw new Error(`地区渠道收入底表存在未知渠道：${channel}`);
+  if (!period || !Number.isFinite(revenue)) throw new Error(`地区渠道收入底表行不完整：${region} ${channel} ${period} ${revenue}`);
+  if (!channelRevenueByPeriod.has(period)) {
+    channelRevenueByPeriod.set(period, { retail: 0, online: 0, robot_store: 0, wholesale: 0 });
+  }
+  channelRevenueByPeriod.get(period)[key] += revenue;
+});
+
+const channelAmountViews = buildViews((year, type) => {
+  const bucket = channelRevenueByPeriod.get(type === 'H1' ? `${year}H1` : `${year}FY`);
+  return bucket ?? null;
+});
+const channelShareViews = Object.fromEntries(Object.entries(channelAmountViews).map(([view, rows]) => [
+  view,
+  rows.map(({ period, ...amounts }) => {
+    const total = Object.values(amounts).reduce((sum, value) => sum + value, 0);
+    return {
+      period,
+      ...Object.fromEntries(Object.entries(amounts).map(([key, value]) => [key, value / total * 100])),
+      total_revenue: total,
+    };
+  }),
+]));
+writeRuntimeViews('ppmt_channel_share', ['period', 'retail', 'online', 'robot_store', 'wholesale', 'total_revenue'], channelShareViews, {
+  retail: 1, online: 1, robot_store: 1, wholesale: 1, total_revenue: 2,
+});
+
+console.log('已生成渠道收入占比的全部、年度、半年 CSV。');