（10673期）Data Anomaly Detector – 建筑数据异常智能检测

建筑数据异常智能检测 建筑数据异常检测工具，基于IQR/Z-Score等统计方法识别成本超支、进度偏差和生产率异常，纯本地处理无网络风险 使用说明 核心用法 Data Anomaly Detector 是一款面向建筑行业的数据质量监控工具，通过统计学和机器学习方法自动识别项目数据中的异常模式。用户加载 Excel/CSV 数据后，配置检测参数（成本列、日期列、关键字段等），即可执行全量异常扫描。核心检测模块包括：成本异常（基于IQR四分位距和分组Z-Score识别统计离群值）、进度异常（检测负工期、超长任务、零工期非里程碑）、生产率异常（Modified Z-Score识别效率异常）、时序异常（滚动窗口趋势偏差）、重复记录检测、序列断号检测。 显著优点 行业定制化：内置建筑专业阈值（混凝土$200-800/立方码、钢材$1500-4000/吨、管理费率5-25%等），无需用户自行设定基准 多维度检测：覆盖成本、进度、生产率、数据质量四大业务场景，支持单次批量扫描 统计方法成熟：采用IQR、Z-Score、Modified Z-Score等经典算法，结果可解释性强 风险分级明确：Critical/High/Medium/Low四级 severity，自动推荐处置动作 完全离线运行：零网络依赖，敏感项目数据不出本地 潜在缺点与局限性 阈值刚性：内置COSTTHRESHOLDS和SCHEDULETHRESHOLDS基于北美市场，海外或特殊项目可能误报/漏报 无自适应学习：无法根据历史数据自动优化阈值，需人工调整config 时序检测简单：仅支持固定窗口滚动平均，无ARIMA/LSTM等高级时序模型 大表性能未验证：代码未针对百万级以上记录做向量化优化或分块处理 输出格式单一：仅支持Markdown报告，无JSON/API格式便于系统集成 适合人群 建筑公司成本控制部门：快速审核月度成本报表 项目计划工程师：检查P6/MS Project导出数据的逻辑错误 审计与合规团队：识别潜在的估算错误或数据造假迹象 小型开发商：无预算购买Primavera P6完整模块时的轻量替代 常规风险 输入数据质量：GIGO原则，脏数据（混合单位、错误日期格式）会导致检测失效 阈值误配风险：国际项目或通胀极端时期，固定阈值可能产生大量假阳性 统计方法局限：IQR对长尾分布敏感，Modified Z-Score依赖MAD稳健性，极端异常值可能污染中位数估计 业务误判：检测出的统计异常未必代表业务问题（如紧急抢工导致的高生产率），需人工复核 隐私合规：虽然工具本身不上传数据，但用户导出的Markdown报告可能通过邮件/云盘泄露敏感项目信息 原始说明 Detect anomalies and outliers in construction data: unusual costs, schedule variances, productivity spikes. Statistical and ML-based detection methods.