© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州益往健康科技有限公司
企业杭州益往健康科技有限公司围绕相关业务开展运营。面向体检产品优化、消费行为分析、体检服务质量评估等领域提供数据服务，开放体检套餐消费潜力评估数据（体检产品优化、消费行为分析）、健康体检服务客户体检综合数据（体检服务质量评估、健康管理运营优化），支撑诊疗分析与医疗质控。
体检产品优化消费行为分析体检服务质量评估
数据集列表
体检用户群体特征画像分析数据
本数据集以体检用户为核心，整合预约行为、支付行为、消费金额及活跃周期等关键指标，构建体检用户价值识别与持续消费分析体系。通过分析用户预约频率、支付成功率、消费能力、预约活跃度及生命周期特征，可精准识别高价值用户、高复检用户及潜在流失用户，解决体检行业长期存在的获客成本持续上升、用户留存率低、复检率不足以及用户价值难以量化评估等实际问题。该数据集能够帮助体检机构建立标准化用户价值分层体系，评估不同用户群体的持续消费能力和长期贡献价值，为会员运营、客户维护、套餐升级及精准营销提供数据支撑，提高用户留存率和复检率。同时，可为行业提供用户资产价值评估与客户经营质量分析依据，推动体检行业从依赖新增客户增长向存量客户精细化运营转变，提升客户生命周期价值、机构经营效率及行业整体可持续发展能力。
浙江省数据知识产权登记平台2026-11-03 更新10
体检业务医院服务质量评估数据
本数据集整合医院运营、服务履约、质量评估及客户反馈相关指标，覆盖医院体检服务全流程，可有效解决服务质量模糊、履约效率低、差错管控弱、满意度提升难等问题，为医院体检精细化运营提供数据支撑。医院服务质量综合评估：依托订单完成率、准时率、服务差错率及 SQE 综合得分、服务等级，量化医院服务水平，解决服务无量化标准、评估模糊的问题，明晰服务优势与短板，为服务优化提供方向。服务履约效率优化：结合响应时间、报告出具时间、履约相关数据，定位履约薄弱环节，解决响应迟缓、报告滞后、履约不规范的问题，提升服务运转效率。服务差错与质量管控：依托服务差错数、差错率、报告准确率等指标，监控服务质量，排查质量隐患，解决服务差错频发、报告不准确的问题，降低运营风险。体检检出效能评估：结合异常检出人次、检出率等数据，评估医院体检检出能力，解决检出精准度不足、漏检误检的问题，优化体检检测流程。客户反馈与满意度提升：依托客户满意度、NPS 值及相关评分，分析客户需求与不满点，优化服务细节，解决投诉处理不到位、满意度偏低的问题。医院差异化运营：对比不同医院的服务履约、客户反馈等表现，解决服务标准不统一、资源配置不合理
浙江省数据知识产权登记平台2026-10-13 更新20
健康体检号源与预约提前期问数垂类大模型语料数据
该数据可用于训练健康体检号源与预约提前期问数垂类大语言模型，使其能够理解体检预约过程中关于公共号源、专场号源、报名类型、预约提前期、预约状态和支付状态的自然语言查询，并准确生成对应SQL。依托 `dwd_exam_booking_source_leadtime_fact` 表中的 `order_code`、`order_month`、`exam_month`、`institution_code`、`institution_type`、`package_category`、`source_type`、`booking_type`、`appointment_status`、`payment_status`、`booking_lead_days`、`booking_lead_band`、`public_ahead_days`、`special_ahead_days` 等字段，模型可掌握“公共号源平均提前几天预约”“专场号源取消率是否偏高”“不同套餐类别的预约提前期分布”“某机构类型号源支付率如何”等体检预约资源配置问题。运营人员可基于该语料快速适配号源管理、预约规则优化、体检日期资源调度和高1.数据预处理：对预约订单创建月份、体检月份、号源类型、报名类型、预约状态、支付状态和预约提前天数进行清洗和标准化，统一月份格式为 `YYYY-MM`，剔除删除记录、体检日期早于订单创建日期且无法解释的异常记录、预约提前天数超出合理范围的记录。
2.问题收集与分类：从体检预约管理、号源配置、专场体检运营和日期资源调度中收集问题，按号源订单规模、预约提前期均值、提前期分组、公共号源转化、专场号源转化、报名类型结构、取消率对比、支付率对比和机构规则适配等类别分类，确保覆盖号源运营核心问数场景。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将问题中的“公共号源”“专场号源”“提前几天”“预约提前期”“体检月份”“取消率”“支付率”“报名类型”等表达映射到 `source_type`、`booking_type`、`booking_lead_days`、`booking_lead_band`、`exam_month`、`appointment_status`、`payment_status` 字段。
（2）SQL生成与初步验证：订单量采用 `COUNT(order_code)`，平均预约提前期采用 `AVG(booking_lead_days)`，支付率通过已支付订单数除以订单总数计算，取消率通过取消预约或取消报名订单数除以订单总数计算。按号源类型、提前期分组、机构类型、套餐类别进行 `GROUP BY`，排序查询必须使用 `ORDER BY` 和 `LIMIT`。
（3）异常值检测：检测提前天数是否小于0或过大，检测支付率、取消率是否超出0-100%，检测同一SQL是否引用建表语句未声明字段，检测分母为0时是否使用 `NULLIF` 或返回无有效样本。
（4）逻辑核验与优化：由预约运营人员核验号源类型、提前期分层、取消率和支付率是否符合体检预约业务规律，确保模型不会把公共号源和专场号源混用，不会把订单创建月份误当体检月份。
4.语料库迭代优化：根据模型在“号源类型识别、提前期计算、支付率/取消率生成”中的错误反馈，持续补充提前期极短、专场号源高取消、公共号源高转化和热门体检月份样本。该算法规则确保本语料数据能够支撑健康体检预约资源配置和号源效率分析的自然语言问数训练。
浙江省数据知识产权登记平台2026-10-01 更新100
健康体检机构区域资源布局问数垂类大模型语料数据
该数据可用于训练健康体检机构区域资源布局问数垂类大语言模型，使其能够深度理解体检平台在机构覆盖、区域资源配置、公共体检开放、提醒服务、发票服务和套餐供给方向的自然语言问题，并准确转化为对应的SQL查询语句，从而实现体检机构资源布局的高效查询与分析。依托 `dwd_exam_institution_region_layout` 表中的 `institution_code`、`institution_name`、`province_code`、`city_code`、`district_code`、`institution_type`、`public_exam_open`、`reminder_enabled`、`invoice_supported`、`package_count`、`active_package_count`、`order_count` 等字段，模型经训练后可精准理解“某城市不同区县有多少体检机构”“哪些机构类型套餐供给不足”“公共体检开放机构的预约承载如何”“哪些区域需要补充合作机构”等体检资源布局问题。体检平台、医院合作部门和区域运营团队可基于本语料数据快速适配机构资源1.数据整理：采用机构主数据清洗、区域编码标准化和资源指标补齐机制提升数据质量，去除删除标志记录、重复机构记录和机构编码缺失记录，统一省市区编码、机构类型、公共体检开放状态、短信提醒状态和发票支持状态。
2.问题收集与分类：从体检机构管理、区域运营、医院合作和公共体检资源盘点场景中整理常见问数问题，按照区域机构布局、机构类型资源、公共体检开放覆盖、发票提醒服务、套餐资源覆盖、低供给区域识别和高需求区域识别等类别组织语料，确保问题覆盖机构资源治理的核心业务场景。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：对自然语言问题进行分块和槽位抽取，将“城市编码”“区县编码”“机构类型”“公共体检开放”“短信提醒”“发票支持”“套餐数量”“历史预约订单数”等表达映射到标准字段，识别分组、排序、TOP N和阈值筛选条件。
（2）SQL生成与初步验证：基于 `dwd_exam_institution_region_layout` 表模型，将机构数量使用 `COUNT(DISTINCT institution_code)` 聚合，套餐数量、启用套餐数量、历史预约订单数量使用 `SUM` 聚合，支付率类指标使用支付数与订单数计算。系统校验SQL中字段必须存在于建表语句，查询必须显式选择字段并使用只读SELECT语句。
（3）异常值检测：检测机构数、套餐数、启用套餐数、订单数是否出现负值或逻辑倒挂，检测分母为0时的比例计算风险，检测区域编码缺失、机构类型为空、启用套餐数大于套餐总数等异常语料，并对异常样本进行过滤或标记。
（4）逻辑核验与优化：由体检运营人员核验问题-SQL-结果三元组是否符合机构资源布局业务口径，重点检查“区域、机构类型、套餐供给、预约承载”之间的逻辑关系，确保查询结果可直接用于机构拓展和资源复盘。
4.语料库迭代优化：根据模型在区域资源问数中的错误反馈，持续补充低供给区县、公共体检未开放机构、套餐供给不足机构和高订单承载机构等样本，形成“应用-反馈-修正-复核”的语料更新闭环。该算法规则确保本语料数据具备机构资源分析的专业性、准确性和可复用性，为健康体检机构区域资源布局问数模型训练提供高质量支撑。
浙江省数据知识产权登记平台2026-09-30 更新70
健康体检预约订单问数垂类大模型语料数据
该数据可用于训练健康体检预约订单问数垂类大语言模型，使其能够深度理解体检预约运营中关于订单月份、体检月份、体检星期、体检机构、套餐类别、预约状态、支付状态、号源类型和订单金额的自然语言查询，并准确转化为SQL。依托 `dwd_exam_reservation_order_fact` 表中的 `order_code`、`order_month`、`exam_month`、`exam_weekday`、`institution_code`、`institution_type`、`package_code`、`package_category`、`appointment_status`、`payment_status`、`source_type`、`order_amount` 等字段，模型可回答“某月预约订单数是多少”“不同机构类型支付率如何”“周几体检预约最多”“哪些套餐类别取消率较高”“公共号源订单平均金额是多少”等预约经营问题。平台运营人员可基于该语料快速生成预约日报、状态分布、套餐运营复盘、体检日期热度分析和号源结构分析，减少人工从订单表、明细表、机构表和套餐表反复汇总的成本。本数据1.数据预处理：对预约订单编码、订单月份、体检月份、体检星期、机构类型、套餐编码、套餐类别、预约状态、支付状态、号源类型和订单金额进行清洗标准化。统一月份格式为 `YYYY-MM`，统一预约状态和支付状态字典，剔除删除记录、金额负值记录和关键字段缺失记录，体检星期由体检日期标准化得到。
2.问题收集与分类：从预约运营、订单日报、套餐复盘、号源分析和经营管理场景中收集问题，按预约订单规模、月度预约趋势、机构类型预约、套餐类别预约、预约状态结构、支付完成订单、取消订单、体检星期分布、平均订单金额、号源预约结构、支付率和取消率等类别整理语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“本月”“某月”“体检星期”“机构类型”“套餐类别”“预约状态”“支付完成”“取消预约”“公共号源”等表达映射到 `order_month`、`exam_weekday`、`institution_type`、`package_category`、`appointment_status`、`payment_status`、`source_type` 字段。
（2）SQL生成与初步验证：订单数采用 `COUNT(order_code)`，支付完成订单数和取消订单数采用条件聚合，平均订单金额采用 `AVG(order_amount)`，支付率和取消率按订单总数计算。按月份、体检星期、机构类型、套餐类别、预约状态、支付状态和号源类型进行分组。
（3）异常值检测：检测订单金额是否为负，检测支付率和取消率是否超出0-100%，检测取消订单是否被错误计入有效支付完成，检测体检月份和订单月份是否存在异常时间跨度。
（4）逻辑核验与优化：由预约运营人员核验订单、机构、套餐、号源、状态和金额口径是否一致，确保查询结果能直接用于预约运营日报和经营复盘。
4.语料库迭代优化：根据模型在预约订单问数中的实际反馈，持续补充高取消套餐、低支付机构、热门体检星期、高订单月份和公共号源样本。该算法规则确保本语料数据能够为健康体检预约运营问数垂类大语言模型提供专业、准确、可复用的训练支撑。
浙江省数据知识产权登记平台2026-09-18 更新130
体检业务医院服务质量评估数据
本数据集整合医院运营、服务履约、质量评估及客户反馈相关指标，覆盖医院体检服务全流程，可有效解决服务质量模糊、履约效率低、差错管控弱、满意度提升难等问题，为医院体检精细化运营提供数据支撑。医院服务质量综合评估：依托订单完成率、准时率、服务差错率及 SQE 综合得分、服务等级，量化医院服务水平，解决服务无量化标准、评估模糊的问题，明晰服务优势与短板，为服务优化提供方向。服务履约效率优化：结合响应时间、报告出具时间、履约相关数据，定位履约薄弱环节，解决响应迟缓、报告滞后、履约不规范的问题，提升服务运转效率。服务差错与质量管控：依托服务差错数、差错率、报告准确率等指标，监控服务质量，排查质量隐患，解决服务差错频发、报告不准确的问题，降低运营风险。体检检出效能评估：结合异常检出人次、检出率等数据，评估医院体检检出能力，解决检出精准度不足、漏检误检的问题，优化体检检测流程。客户反馈与满意度提升：依托客户满意度、NPS 值及相关评分，分析客户需求与不满点，优化服务细节，解决投诉处理不到位、满意度偏低的问题。医院差异化运营：对比不同医院的服务履约、客户反馈等表现，解决服务标准不统一、资源配置不合理详细算法规则放在数据来源证明中；
SQE综合评分由服务效率评分（S）、服务质量评分（Q）、客户体验评分（E）组成。服务效率评分（S）通过平均响应时间、平均报告时间、准时完成率评价服务时效能力，各指标按区间映射100、85、70、50、30分，计算公式为：S=响应时间评分×35%+报告时间评分×30%+准时完成率评分×35%。其中，响应时间≤1小时、报告时间≤1天、准时完成率≥99%对应100分，指标表现越优得分越高。
服务质量评分（Q）通过服务差错率、报告准确率、异常检出率评价服务准确性和风险识别能力，各指标按区间映射100、85、70、50、30分，计算公式为：Q=差错率评分×45%+报告准确率评分×35%+异常检出率评分×20%。其中，差错率越低、报告准确率和异常检出率越高，评分越高。
客户体验评分（E）通过客户满意度、投诉率、NPS评价服务认可度，各指标按区间映射100、85、70、50、30分（NPS最低20分），计算公式为：E=满意度评分×50%+投诉率评分×30%+NPS评分×20%。其中，满意度和NPS越高、投诉率越低，评分越高。
最终SQE综合得分= S×35%+Q×40%+E×25%。根据综合得分划分等级：SQE≥90分为S级（卓越机构）；80≤SQE＜90分为A级（优秀机构）；70≤SQE＜80分为B级（良好机构）；60≤SQE＜70分为C级（合格机构）；SQE＜60分为D级（待改进机构）
浙江省数据知识产权登记平台2026-10-27 更新30
健康体检套餐供给结构问数垂类大模型语料数据
该数据可用于训练健康体检套餐供给结构问数垂类大语言模型，使其能够理解体检套餐在供给数量、价格带、启停状态、机构类型、适用性别、婚姻状态、孕妇适用状态、预约人数配置和订单覆盖方面的自然语言问题，并生成准确SQL。依托 `dwd_exam_package_supply_profile` 表中的 `package_code`、`package_name_masked`、`institution_code`、`institution_type`、`package_category`、`package_price`、`price_band`、`valid_status`、`gender_scope`、`marital_scope`、`pregnant_allowed`、`reservation_number_package` 等字段，模型可理解“某机构类型启用套餐有多少”“女性专项套餐价格带分布如何”“哪些套餐类别供给不足”“孕妇不可用套餐主要集中在哪些类别”等体检产品管理问题。产品运营团队可使用该语料快速适配套餐上架治理、价格分层分析、套餐规则检查和供给结构优化场景，减少人工维护套餐台账的工作1.数据预处理：对套餐编码、套餐名称展示值、机构类型、套餐类别、套餐价格、价格带、启停状态、适用性别、适用婚姻状态、孕妇适用状态和预约人数配置进行清洗。套餐价格必须为非负数，价格带统一为500元以下、500-999元、1000-1999元、2000-3999元、4000元及以上、价格未记录。套餐类别依据套餐名称和业务关键词归并为综合体检、女性专项、男性专项、职业健康与入职、肿瘤筛查、心脑血管、儿童青少年、高端综合等类别。
2.问题收集与分类：从套餐管理、产品运营、价格治理和适用规则审核场景中收集问题，按套餐类别供给、价格带结构、启用套餐结构、停用套餐结构、机构类型供给、适用性别规则、婚姻规则覆盖、孕妇适用规则、套餐订单覆盖和套餐供给缺口等类别整理语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“启用套餐”“停用套餐”“高价套餐”“女性专项”“孕妇可用”“适用已婚”“套餐价格带”等表达映射到 `valid_status`、`price_band`、`package_category`、`pregnant_allowed`、`marital_scope`、`package_price` 字段。
（2）SQL生成与初步验证：套餐数量采用 `COUNT(package_code)`，启用套餐数使用 `SUM(CASE WHEN valid_status='启用' THEN 1 ELSE 0 END)`，平均套餐标价采用 `AVG(package_price)`，按机构类型、套餐类别、价格带、启停状态、适用规则等维度分组。
（3）异常值检测：检测套餐价格是否为负，检测价格带与套餐价格是否匹配，检测孕妇适用状态、适用性别、婚姻状态是否为空或异常，检测启用套餐数是否大于套餐总数。
（4）逻辑核验与优化：由产品运营人员核验套餐类别归并、价格带划分和适用规则是否符合企业套餐管理口径，确保查询结果可用于套餐结构优化和上架审核。
4.语料库迭代优化：根据模型在套餐供给问数中的错误反馈，持续补充低供给套餐类别、高价套餐、停用套餐、女性专项套餐和规则异常套餐样本。该算法规则确保本语料数据能够支撑健康体检套餐供给结构分析和产品治理场景下的自然语言问数训练。
浙江省数据知识产权登记平台2026-10-01 更新30
健康体检用户画像问数垂类大模型语料数据
该数据可用于训练健康体检用户画像问数垂类大语言模型，使其能够理解体检用户在人群结构、年龄分布、性别结构、婚育状态、套餐偏好、支付状态、消费金额和复购分层等方面的自然语言查询，并准确转换为SQL。依托 `dwd_exam_user_profile_fact` 表中的 `order_code`、`user_code`、`order_month`、`institution_type`、`gender`、`age_band`、`marital_status`、`pregnancy_status`、`package_category`、`payment_status`、`order_amount`、`repeat_segment` 等字段，模型可回答“25-34岁女性更偏好哪些套餐”“已婚用户支付完成率如何”“复购用户平均消费金额是多少”“不同年龄段用户退款结构如何”等体检用户经营问题。平台可基于该语料构建面向客群洞察、套餐推荐、专项营销和用户运营复盘的自然语言查询能力，帮助业务人员快速理解用户结构与套餐需求的关系。本数据为健康体检行业提供面向用户画像分析的问数语料库，支撑人群分层运营、产品供给1.数据预处理：对体检用户性别、年龄、婚姻状态、孕否状态、订单月份、套餐类别、支付状态和订单金额进行清洗，统一年龄分组为0-17岁、18-24岁、25-34岁、35-44岁、45-54岁、55-64岁、65岁及以上。男性孕否状态统一处理为不适用，年龄异常或缺失记录进行标记或剔除。用户相关字段按隐私保护规则处理，姓名、证件号、手机号等直接身份字段不进入语料。
2.问题收集与分类：从用户运营、套餐营销、专项体检推荐和复购经营场景中收集问题，按年龄结构、性别结构、婚育结构、孕否状态、套餐偏好、支付状态画像、复购分层、平均消费、退款人群和高需求人群识别等类别组织语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“年轻用户”“中老年用户”“女性专项”“复购用户”“已婚女性”“支付完成”“平均消费”等自然语言表达映射到 `age_band`、`gender`、`package_category`、`repeat_segment`、`marital_status`、`payment_status`、`order_amount` 等字段。
（2）SQL生成与初步验证：用户数采用 `COUNT(DISTINCT user_code)`，订单数采用 `COUNT(order_code)`，平均消费金额采用 `AVG(order_amount)`，支付完成量和退款相关量通过 `CASE WHEN payment_status` 条件聚合。按年龄段、性别、婚育状态、套餐类别、复购分层等维度生成分组查询。
（3）异常值检测：检测年龄分组与孕否状态是否矛盾，检测男性孕否是否统一为不适用，检测订单金额是否为负，检测用户数、订单数、支付数、退款数之间是否存在逻辑倒挂。
（4）逻辑核验与优化：由体检用户运营人员核验问题-SQL-结果是否符合客群画像业务逻辑，重点检查“年龄段-套餐偏好-支付状态-复购分层”的组合是否合理。
4.语料库迭代优化：根据模型在用户画像问数中的错例，持续补充复购用户、女性专项用户、中老年用户、高消费用户和退款用户样本，完善年龄、性别、婚育、套餐偏好同义词词典。该算法规则确保本语料数据能够支撑健康体检用户画像模型的准确训练与评测。
浙江省数据知识产权登记平台2026-10-01 更新60
健康体检支付退款问数垂类大模型语料数据
该数据可用于训练健康体检支付退款问数垂类大语言模型，使其能够深度理解体检订单在支付状态、支付方式、退款状态、价格带、套餐类别、发票申请、结算状态和订单金额方面的自然语言问题，并准确生成SQL查询。依托 `dwd_exam_payment_refund_fact` 表中的 `order_code`、`order_month`、`institution_code`、`institution_type`、`package_category`、`price_band`、`payment_status`、`payment_method`、`invoice_requested`、`settlement_status`、`order_amount`、`invoice_amount` 等字段，模型可理解“某月微信支付订单支付完成率是多少”“退款订单主要集中在哪些套餐类别”“高价套餐退款率是否偏高”“申请发票订单的平均金额是多少”等财务运营问题。财务、运营和客服团队可基于该语料快速适配支付转化、退款治理、发票服务、收入确认和结算复盘场景，降低人工核算支付台账和退款台账的成本。本数据为健康体检行业提供面向1.数据预处理：对订单月份、机构类型、套餐类别、价格带、支付状态、支付方式、发票申请状态、结算状态、订单金额和发票金额进行清洗，统一支付状态为未支付、待支付、已支付、已退款、退款中、申请退款等口径。金额字段保留两位小数并进行非负校验，价格带与订单金额、套餐类别保持一致。
2.问题收集与分类：从财务运营、支付转化、退款处理、发票服务和收入复盘场景中收集问题，按支付状态结构、支付方式结构、支付完成率、退款订单、退款率、价格带支付、套餐类别支付、发票申请支付、结算支付联动、平均订单金额和支付流失等类别组织语料。
3.核心算法建模：构建“语义解析-查询生成-异常检测-逻辑验证”全流程算法体系。
（1）语义解析与结构化：将“已支付”“待支付”“已退款”“退款中”“微信支付”“支付宝”“申请发票”“平均订单金额”“退款率”等表达映射到 `payment_status`、`payment_method`、`invoice_requested`、`order_amount`、`invoice_amount` 字段。
（2）SQL生成与初步验证：支付完成数通过 `payment_status='已支付'` 条件聚合，退款相关订单数通过已退款、退款中、申请退款等状态聚合，退款率和支付率按订单数计算，平均订单金额使用 `AVG(order_amount)`，发票金额使用 `SUM` 或 `AVG(invoice_amount)`。
（3）异常值检测：检测订单金额、发票金额是否为负，检测发票金额是否明显超过订单金额，检测支付率、退款率是否超出0-100%，检测退款状态是否被错误计入支付完成订单。
（4）逻辑核验与优化：由财务或运营人员核验支付状态、退款状态、发票申请和结算状态之间的业务逻辑，确保结果可用于支付转化分析和退款治理。
4.语料库迭代优化：根据模型在支付退款问数中的反馈，持续补充高退款价格带、低支付转化月份、发票申请异常和结算未闭环样本。该算法规则确保本语料数据能够支撑体检支付退款链路的自然语言查询、模型训练和财务运营评测。
浙江省数据知识产权登记平台2026-09-24 更新100
健康体检号源与预约提前期问数垂类大模型语料数据
该数据可用于训练健康体检号源与预约提前期问数垂类大语言模型，使其能够理解体检预约过程中关于公共号源、专场号源、报名类型、预约提前期、预约状态和支付状态的自然语言查询，并准确生成对应SQL。依托 `dwd_exam_booking_source_leadtime_fact` 表中的 `order_code`、`order_month`、`exam_month`、`institution_code`、`institution_type`、`package_category`、`source_type`、`booking_type`、`appointment_status`、`payment_status`、`booking_lead_days`、`booking_lead_band`、`public_ahead_days`、`special_ahead_days` 等字段，模型可掌握“公共号源平均提前几天预约”“专场号源取消率是否偏高”“不同套餐类别的预约提前期分布”“某机构类型号源支付率如何”等体检预约资源配置问题。运营人员可基于该语料快速适配号源管理、预约规则优化、体检日期资源调度和高
浙江省数据知识产权登记平台2026-09-17 更新110