# ADR-0001: 教练业绩统计功能设计

**日期**: 2026-07-22（初版）/ 2026-07-26（修订）
**状态**: 已决定
**决策者**: 通过 grill-with-docs 追问明确

---

## 背景

需要在后台管理系统中为体育馆新增"教练业绩统计"功能。现有系统已有 `gym-dataCount` 模块提供全局统计（含教练违规统计 `CoachStatistics`），但缺少**按教练维度**的业绩数据（授课量、出勤率、满员率等正向指标）。

---

## 决策

### 1. 架构：扩展现有 gym-dataCount 模块

**选择**: 在 `gym-dataCount` 模块中新增 CoachPerformance 相关的 Handler + Service + DAO，而非新建独立模块。

**理由**:
- `gym-dataCount` 模块已有成熟的统计架构（DatabaseClient + Reactive + 时间范围推导）
- 现有 `DataStatisticsDao` 已有教练相关的 SQL 聚合查询，可直接复用
- 避免模块膨胀，将"统计"职责收敛在一个模块中
- `manage-app` 已依赖 `gym-dataCount`，路由注册零成本

**替代方案被拒绝**: 新建 `gym-coach-performance` 独立模块。理由：功能规模不足以支撑独立模块，且会引入额外的模块间依赖管理成本。

---

### 2. 数据源：完全基于团课预约数据

**选择**: 业绩统计的"出席人次"和"出勤率"完全基于 `group_course_booking` 表，而非 `sign_in_record` 签到表。

**理由**:
- `sign_in_record` 表中没有 `coach_id` 字段，签到只关联会员（member_id），不关联教练
- 学员→教练的唯一数据路径是：member → group_course_booking → group_course → coach_id
- 改造签到表会增加数据库变更成本，且签到不等于上课（签到可能发生在任何时间）

**风险**: 如果未来签到记录需要关联教练（例如一对一的私教签到），需要重新评估此决策。

---

### 3. 授课量定义：仅计入已完成课程

**选择**: 只统计 `status IN (2, 6)` 的课程（已结束 + 自动结束）。

**拒绝的定义**:
- 所有非取消课程：会包含教练缺席(status=5)的课程，不应算作业绩
- 所有排课：会包含已取消的课程，不能反映真实工作量

---

### 4. 时间基准：以课程结束时间为准

**选择**: 所有时间范围过滤均使用 `group_course.end_time`，而非 `start_time`。

**理由**: 课程可能跨统计周期边界（如月末 23:00 开课、次月 01:00 结束）。以开始时间为准会导致跨月课程被错误归因到上月。以结束时间为准更符合"这个月完成了哪些课程"的直观理解。

**变更历史**（2026-07-26）: 从 `start_time` 改为 `end_time`。

---

### 5. 出席人次口径：参与型状态

**选择**: 出席人次统计 `booking.status IN ('2', '4', '5')`，即已出席(2) + 教练缺席(4) + 迟到(5)。

**拒绝的定义**: 仅统计 status='2'（已出席）。理由：教练缺席和迟到同样意味着学员到达了现场（或至少尝试了参与），应计入出席人次；实际缺席责任在教练而非学员。

**变更历史**（2026-07-26）: 从仅 `status='2'` 扩展为 `IN ('2','4','5')`。

---

### 6. 出勤率分母：仅已预约

**选择**: 出勤率分母仅统计 `booking.status = '0'`（已预约），而非 `status != '1'`（所有非取消）。

**理由**: 
- status='3'（学员缺席）不应出现在分母中——学员预约后无故缺席，既不应计入分子也不应计入分母，因为这既非教练的功劳也非教练的责任
- 出勤率语义变为"在已预约的学员中，实际参与的比例"
- 排除了预约后取消(status='1')和学员缺席(status='3')的噪声

**变更历史**（2026-07-26）: 从 `status != '1'` 改为 `status = '0'`。

---

### 7. 满员率：按出席人数计算 + 防御除零

**选择**: 满员率 = 各已完成课程（出席人数 / max_members）的平均值，其中出席人数按 status IN ('2','4','5') 统计。`max_members = 0` 的课程被跳过不参与计算。

**拒绝的定义**: 按预约人数（current_members）计算。理由：预约了但没来的学员不能算"满员"，出席人数更真实地反映了课程实际到场情况。

**变更历史**（2026-07-26）: 满员率明细的出席人数口径从 `status='2'` 扩展为 `IN ('2','4','5')`，与出席人次保持一致。

---

### 8. 综合评分

**最终选择**（2026-07-26 修订）:

| 指标 | 权重 | 归一化方式 |
|------|------|-----------|
| 授课量 | 35% | 百分位排名（授课量排序，小于当前教练的教练数 / (总教练数-1) * 100） |
| 出勤率 | 25% | 原始百分比（0-100） |
| 满员率 | 25% | 原始百分比（0-100） |
| 违规扣分 | 15% | 线性扣分：max(0, 100 - 违规次数 * 20) |

```
综合评分 = 授课量归一化分 * 0.35 + 出勤率 * 0.25 + 满员率 * 0.25 + 违规分 * 0.15
```

**公式变更历史**:
- 初版（2026-07-22）: `授课量归一化(最大值归一化) * 0.4 + 出勤率 * 0.3 + 满员率 * 0.3`，违规仅展示不参与评分
- 修订（2026-07-26）: 授课量归一化改为百分位排名，违规纳入评分，权重重新分配

**拒绝的替代方案**: 详见设计文档 `docs/coach-performance-design.md`。

---

### 9. 不包含学员留存率

**选择**: 首版不计算学员留存率。

**理由**: 现有系统缺少"学员持续上课"的显式数据模型。要实现留存率需要定义"留存"的判定规则（如：连续两个月以上预约同一教练的课程），这会引入新的领域概念，增加首版复杂度。

---

### 10. 不引入 Redis 缓存

**选择**: 教练业绩统计数据不进行 Redis 缓存，每次请求实时计算。

**理由**: 业绩数据需要准实时性，缓存可能导致教练查看时数据滞后；且当前教练数量级下，6 条聚合查询的响应时间可接受。

---

### 11. getCoachPerformanceById 复用全量查询

**选择**: 查询单个教练业绩时，内部调用 `getCoachPerformanceList` 获取全量后过滤。暂不新增按教练 ID 的单独 DAO 方法。

**理由**: 当前教练数量有限，全量查询后再过滤的性能损耗可接受，优先保持代码简洁。

**风险**: 教练数量增长后需要重新评估，届时可新增按 coach_id 直查的 DAO 方法。

---

## 影响

### 后端变更
- `gym-dataCount` 模块新增：`CoachPerformance` domain、`CoachPerformanceHandler`、`DataStatisticsDao`（教练业绩相关方法）
- `manage-app` 的 `SystemRouter` 中新增 3 条路由
- `DataStatisticsServiceImpl` 新增 `getCoachPerformanceList`、`getCoachPerformanceById`、`calculateFillRate` 方法

### 前端变更
- `StatisticsDashboard.vue` 新增"教练业绩"Tab
- `statistics.api.ts` 新增 API 接口类型
- 可选：教练端新增个人业绩页面（通过路由守卫区分角色）

### 数据库
- 无新增表。完全基于现有表（`group_course`、`group_course_booking`、`coach_violation`、`sys_user`）

---

## 备选方案记录

### 方案 A：基于签到表改造（已拒绝）
改造 `sign_in_record` 添加 `coach_id` 字段，使签到直接关联教练。
- 优点：数据更准确（签到是真实到店行为）
- 缺点：需要改表、改签到流程、影响面大；签到不等于上团课

### 方案 B：新建独立模块（已拒绝）
新建 `gym-coach-performance` 独立 Maven 模块。
- 优点：职责隔离清晰
- 缺点：模块碎片化，增加编译和依赖管理成本

### 方案 C：授课量最大值归一化（已拒绝，初版方案）
`normalizedCourses = courses / maxCourses * 100`
- 优点：数学简洁
- 缺点：若有一位教练授课量远超其他，中游教练得分被严重压缩；鼓励"互卷"而非"达标"

### 方案 D：授课量对数归一化（已拒绝）
`normalizedCourses = ln(courses + 1) / ln(maxCourses + 1) * 100`
- 优点：自然压制极端值
- 缺点：解释性弱，非技术人员难以理解评分含义

### 方案 E：授课量固定目标归一化（已拒绝）
`normalizedCourses = min(courses / target * 100, 100)`，target 可配置
- 优点：变成"达标制"，不受其他教练影响
- 缺点：target 值需要根据实际数据校准，设置不当会全员满分或全员不及格

### 方案 F：违规阶梯扣分（已拒绝）
0次=100, 1次=70, 2次=40, 3次=10, >=4次=0
- 优点：首次违规惩罚重，有威慑力
- 缺点：阶梯粒度太粗，第 1 次和第 2 次违规之间差距 30 分，过于激进

### 方案 G：违规归一化扣分（已拒绝）
`violationScore = (1 - violations / maxViolations) * 100`
- 优点：相对于最差教练扣分
- 缺点：依赖数据集中的最大值，若所有教练都无违规则无意义