本数据为业务员销售行为耦合偏离数据，源于金蝶系统销售模块中导出的历史订单数据，涵盖单据编号、业务员编号、数量及合计等字段，共1011条；采集遵循个保规定，仅用脱敏参数。数据经异常记录剔除及数值字段类型转换后，按业务员分组建立数量与合计的对数线性回归模型估计量价弹性系数，计算马氏距离偏离度并归一化输出量价弹性指数；基于组内单价核密度估计（Silverman规则自适应带宽）计算概率偏离度并经密度倒数加权输出谱系偏离指数；以数量、合计、单价及业务员独热编码构建多维空间，通过孤立森林模型识别异常订单模式，经k-distance图自适应确定污染率，输出异常标识及异常分数；以量价弹性指数、谱系偏离指数、异常分数为输入进行多维核密度估计，经Silverman规则确定带宽并按密度峰谷划分边界，输出综合偏离指数及正常、轻微偏离、显著偏离、严重偏离四级偏离等级。最终输出含量价弹性指数、谱系偏离指数、异常标识、异常分数、综合偏离指数及偏离等级的结构化结果，适用于销售风控、异常行为挖掘及合规监管场景，反映多维销售行为耦合偏离特征与态势分级，为精细化管理提供数据基础。

1、采集和清洗： 本数据集源自金蝶系统销售模块中导出的历史订单数据，输入字段：单据编号、业务员编号、数量、合计。 2、处理规则： （1）业务员量价弹性指数：按业务员编号分组，每组对数量与合计对数变换，建立对数线性回归，最小二乘估计弹性系数；逐记录计算该业务员弹性系数相对全量弹性中位数的马氏距离偏离度，归一化，输出量价弹性指数。 （2）订单结构谱系偏离指数：单价=合计÷数量，按业务员编号分组构建单价核密度估计，Silverman规则自适应确定带宽，逐记录计算相对组内密度峰值的概率偏离度，概率密度倒数加权偏离指数，输出谱系偏离指数。 （3）订单模式孤立森林识别：以数量、合计、单价、业务员编号独热编码构建多维空间，孤立森林模型识别异常订单模式，树数量经k-distance图自适应确定污染率，逐记录计算异常分数输出异常标识。 （4）综合偏离KDE分级：以量价弹性指数、谱系偏离指数、异常分数为输入特征，构建多维核密度估计，Silverman规则自适应确定最优带宽，基于密度峰值谷值自适应确定分级边界，划分正常、轻微偏离、显著偏离、严重偏离四级，输出综合偏离指数及偏离等级。

本数据主要适用于以下应用方向： （1）基于异常标识与偏离等级，自动标记行为模式显著偏离的业务员或订单，提示管理人员优先复核，防止低价倾销、虚报数量等销售失真。 （2）结合量价弹性指数与谱系偏离指数，将异常销售按典型特征归类，如"量价弹性异常偏低""订单单价谱系显著偏离"等，帮助机构理解异常成因、精准整改。 （3）汇总各业务员综合偏离指数，呈现销售行为偏离的空间分布与集中趋势，辅助管理层合理配置稽核力量、动态调整监管重点。

单据编号 业务员编号 数量/份 合计/元 量价弹性指数 谱系偏离指数 异常标识 异常分数 综合偏离指数 偏离等级 ******************* 1 17 204 0 0.444871 正常 0.193289 0.472221 正常 ******************* 1 3 60 0 0 正常 0.074589 0 正常 ******************* 2 20 400 0 0 正常 0.157274 0.033592 正常

输入字段：单据编号、业务员编号、数量/份、合计/元 输出字段：量价弹性指数、谱系偏离指数、异常标识、异常分数、综合偏离指数、偏离等级