​​用于工单优先级分类的多公司多地区数据​

​​关于数据集​​​​

这是一个包含 50,000 个工单的合成表格数据集，这些工单来自 25 家公司，用于研究优先级分类（低、中、高）。各公司在规模和行业上有所不同；大型公司在多个地区运营。特征混合了在工单录入时通常可用的数值型和分类型信号。数据是完全人工合成的——不包含真实的用户、系统或专有日志。

预期用途​​：

用于监督学习在表格数据分类上的基准测试（例如，梯度提升、XGBoost、LightGBM、AdaBoost、支持向量机、朴素贝叶斯）、特征工程、处理混合数据类型、类别不平衡以及轻微的标签噪声。

文件与数据模式​​​​标识符与时间​​

• ​​ticket_id​​： 唯一工单标识符（随机顺序）
• ​​day_of_week​​： 星期几（周一至周日）
• ​​day_of_week_num​​： 星期几对应的数字（1-7；周一=1）

​​公司档案​​（每行重复）

• ​​company_id​​： 公司ID
• ​​company_size​​： 公司规模（小/中/大 + 对应的分类编码 _cat）
• ​​industry​​： 行业（7个类别 + 对应的分类编码 _cat）
• ​​customer_tier​​： 客户等级（基础版/增强版/企业版 + 对应的分类编码 _cat）
• ​​org_users​​： 活跃用户席位（大型公司可达约10,000）

​​上下文​​

• ​​region​​： 地区（美洲/欧洲中东非洲/亚太 + 对应的分类编码 _cat）
• ​​past_30d_tickets​​： 过去30天内的工单数量
• ​​past_90d_incidents​​： 过去90天内的事件数量

​​产品与渠道​​

• ​​product_area​​： 产品领域（认证、计费、移动端、数据管道、分析、通知 + 对应的分类编码 _cat）
• ​​booking_channel​​： 提交渠道（网页、邮件、聊天、电话 + 对应的分类编码 _cat）
• ​​reported_by_role​​： 报告者角色（技术支持、运维、产品经理、财务、高管 + 对应的分类编码 _cat）

​​影响与标志​​

• ​​customers_affected​​： 受影响的客户数（重尾分布）
• ​​error_rate_pct​​： 错误率百分比（浮点数，0-100；有时 0.0 表示”未测量”）
• ​​downtime_min​​： 宕机时长（分钟，0 表示仅为性能降级）
• ​​payment_impact_flag​​： 支付影响标志（0/1）
• ​​security_incident_flag​​： 安全事件标志（0/1）
• ​​data_loss_flag​​： 数据丢失标志（0/1）
• ​​has_runbook​​： 是否有应急预案（0/1）

​​文本代理特征​​

• ​​customer_sentiment​​： 客户情绪（负面/中性/正面 + 对应的分类编码 _cat，0 表示缺失）
• ​​description_length​​： 描述长度（整数，20-2000）

​​目标变量​​

• ​​priority​​： 优先级（低/中/高 + 对应的分类编码 priority_cat= 1/2/3）

​​说明与局限性​​

• 数据完全合成；适用于教育、基准测试和教程。
• 不包含时间顺序信息或工单解决后的字段，避免了标签泄漏。
• 噪声水平被调整为：即使使用优化良好的模型，性能上限也约为 97-98%，而非完美可分。