异常工单检测结果数据集

该数据集面向异常工单检测模型训练、售后风险分析及维修流程优化需求建设，聚焦电子产品售后维修场景中的异常行为识别，针对传统人工排查效率低、新型异常难发现的痛点，填补了售后工单全生命周期异常检测专用数据集的空白，对提升售后风控精准度、优化维修资源配置、降低企业运营成本具有重要意义，可广泛服务于学术研究、教学实践及非商业性质的人工智能技术研发。
数据集来源于联想售后服务系统的真实工单记录，数据直接同步自核心数据库，经项目组与售后技术团队联合筛选，剔除测试工单、重复录入工单等无效数据，确保每条记录对应真实用户维修需求。客户隐私信息已做脱敏处理，符合《数据安全法》及联想客户隐私保护政策，数据可靠性与合规性兼具。
数据集核心内容为 5949 条有效异常及常规工单记录，记录时间跨度为 2019 年 5 月至 2025 年 5 月，以单一 Excel 文件（.xlsx 格式）的扁平化结构存储，包含 1 个工作表 result，涵盖 144 个字段，数据类型涉及 float64、int64、object 三类。字段围绕 “工单全生命周期” 设计，核心维度包括设备信息、保修信息、故障信息、维修信息、异常检测结果、区域信息等，覆盖异地维修异常、高价值部件更换异常、Warranty 时效异常及常规故障维修四大售后场景，可直接关联异常检测规则库，支撑跨域推理与模型训练。
数据体量方面，数据集共包含 5949 条有效记录，其中常规故障维修基线数据 5376 条、异地维修异常数据 128 条、高价值部件更换异常数据 356 条、Warranty 时效异常数据 89 条，样本分布合理，字段丰富且逻辑关联紧密，既能满足异常检测模型的 “正常样本” 与 “异常样本” 训练需求，也能支撑售后流程效率评估与区域化风控策略制定。
该数据集为公开共享资源，支持 Excel、Python pandas 等主流工具读取，经字段清洗、规则映射、格式统一等简单预处理后即可使用，能与 “异常维修工单推理引擎数据集” 联动形成完整的 “规则 - 结果 - 优化” 数据闭环，为售后异常检测智能化研究提供了高质量、真实场景的结构化数据支撑。