基本稍微上點規模的企業都會有乙個erp運維工程師，erp運維工程師的基本工作包括一項任務：處理erp異常。
（1）基礎資料或者功能設定沒有設定正確。
（2）使用人員不細心，誤操作成為錯誤單據
（3）erp系統邏輯不健全，沒有完全控制到邏輯
（4）企業業務新流程開發
（1）一般的操作就是根據錯誤提示，去找原因。
（2）有的時候會追溯到上游單據，定位原因。
（3）處理問題，有的時候因為單據轉交有時間差，可能已經產生後續相應單據，並不能修改和刪除單據。就需要在erp種開紅單沖銷掉，重新開藍單。
（高手也有可能通過資料庫後台去修改，前提是對erp資料庫表相對熟悉）
由於我個人比較懶，一般出現過一次的異常，再出現的話，就不太喜歡，我就會去找到問題根源。（也是懶，不喜歡做這種重複耗時間的工作）
當然那些出現異常最多的單據，我就會對人員每天的操作單據進行檢測，主要是根據之前經常會出現的錯誤型別進行軟體程式開發檢測或者資料庫中的儲存過程判斷。對錯誤資料當天即可檢查出來，及時的扼殺在搖籃中。以免單據流轉下去，造成後續更多不必要的麻煩。
對於有邏輯性的操作控制，也會寫一些觸發器在單據儲存/修改的時候，禁止一些人員的違規操作。
異常資料的檢測 小白學習報告
這個作業屬於哪個課程 這個作業要求在 這個作業的目標 用虛擬機器構建伺服器模擬測試並查詢異常流量 我是來自軟體工程2班的雷毅，學號為212006393 我的家庭條件尚可，所以選擇更多出於興趣和自我追求，同時家人和我共同希望能向研發方向發展。我目前掌握較強的學習能力，能夠在明確目標和一定的指引下做到自...
資料探勘之異常點檢測
異常點檢測方法 一 基本概念 異常物件被稱作離群點。異常檢測也稱偏差檢測和例外挖掘。常見的異常成因 資料 於不同的類 異常物件來自於乙個與大多數資料物件源 類 不同的源 類 的思想 自然變異，以及資料測量或收集誤差。異常檢測的方法 1 基於模型的技術 首先建立乙個資料模型，異常是那些同模型不能完美擬...
機器學習之異常檢測
異常檢測 anomaly detection 根據輸入資料，對不符合預期模式的資料進行識別 概率密度 描述隨機變數在某個確定的取值點附近的可能性的函式 當資料維度高於一維時 同理，根據資料點概率，進行判斷，如果p x 該點為異常點 資料分布統計 plt.hist x1,bins 100 計算資料均值...