本数据集合源自企业ERP系统的核心销售出库模块，旨在解决传统供应链管理中仅凭经验判断订单合理性、难以通过量化手段识别异常交易的痛点。数据集以单据行信息为基础，经由统计学特征工程处理，融合了历史交易数据的分布规律。通过构建“多维物料基准特征库”，计算每笔交易相较于同类业务的离散程度与偏离值，生成了包含统计基准、Z-Score偏离度及风险预警标签在内的衍生数据。该数据集将静态的流水记录转化为动态的风险监测凭证，广泛应用于内部审计、防止恶意囤货、录入纠错及供应链弹性管理等领域。

①基于历史大数据的分组统计基准构建。采用分层抽样与聚合统计算法，以“物料类别”为核心维度，对历史交易数据进行全量扫描。通过计算各分类下的算术平均数与标准差，构建动态更新的“业务基准特征库”。该过程将离散的、非结构化的订单流转化为具有统计学意义的“同类均值基准”与“同类波动阈值”字段，为后续的差异化分析提供标准参照系。 ②Z-Score 标准化偏离度计算。引入统计学中的Z-Score标准化算法，对每一行“实发数量”进行去量纲化处理。通过公式计算单笔交易数量与同类基准的距离，并除以波动阈值，生成“异常偏离度”字段。该规则有效消除了不同物料因基础销量级差造成的不可比性，实现跨品类风险程度的统一度量。 ③多级阈值判定与风险标签映射。基于正态分布的“3σ原则”，建立风险分级判定逻辑。设定绝对偏离度阈值区间，将连续的偏离度数值自动映射为离散的“风控预警等级”标签。该处理将复杂的统计参数转化为业务人员可直接识读的决策信号。 ④数据匿名化与脱敏。通过完整性校验确保数据可靠性，采用唯一内部编号替换“单据编号”字段原始名称，既消除商业敏感信息又保留业务关联逻辑。

1.供应链内部审计与合规风控：本数据集适用于企业内部控制与审计部门。通过“异常偏离度”和“风控预警等级”字段，系统可自动捕捉超出正常波动范围的极端订单。审计人员无需人工逐单核对，即可直接定位“高风险-异常离群”记录，排查潜在的利益输送、录入失误或虚假交易行为，显著降低审计成本与合规风险。 2.需求预测与库存弹性管理：该数据集服务于计划管理与生产调度部门。通过监测订单的偏离情况，区分“正常波动需求”与“突发异常需求”。对于被标记为正常的订单，系统按标准补货逻辑执行；对于高偏离度订单，系统触发人工复核机制，判断是否为市场趋势变化的信号，从而动态调整安全库存水位，避免因单一异常订单导致的牛鞭效应，提升供应链的鲁棒性。

单据编号 物料编码 物料类别 库存单位 实发数量 同类均值基准 同类波动阈值 异常偏离度_ZScore 风控预警等级 XSCKD120250301001 1.4.2.3.0301 产成品_育成料 20KG/袋 50.000 87.7868 115.8212 -0.3263 正常-置信区间内 XSCKD120250301002 1.2.2.1.0113 产成品_开口料 20KG/箱 0.200 41.2807 127.2389 -0.3229 正常-置信区间内 XSCKD120250301003 1.1.2.1.0062 产成品_开口料 10KG/箱 0.200 41.2807 127.2389 -0.3229 正常-置信区间内

序号 字段名称 字段类型 字段示例值 1 单据编号 VARCHAR(50) XSCKD120250301001 2 物料编码 VARCHAR(50) 1.4.2.3.0301 3 物料类别 VARCHAR(50) 产成品_育成料 4 库存单位 VARCHAR(20) 20KG/袋 5 实发数量 DECIMAL(18,3) 50.000 6 同类均值基准 DECIMAL(18,4) 87.7868 7 同类波动阈值 DECIMAL(18,4) 115.8212 8 异常偏离度_ZScore DECIMAL(10,4) -0.3263 9 风控预警等级 VARCHAR(20) 正常-置信区间内