name: ops-incident-sla-analysis
description: |
SLA 违约归因分析报表，面向 FO/BO Leader。提供 SLA 总览、风险深入分析、已违约工单逐个分析；识别违约分布与趋势、主要归因（流程/资源/外部依赖/时间窗）、高风险对象清单与改进建议，用于管理闭环。支持 DOCX 和 HTML 输出，中英文双语。

触发条件 / Trigger conditions:
- 中文: "SLA 分析"、"违约分析"、"SLA 违约报告"、"违约归因"
- English: "SLA analysis", "SLA violation report", "Breach analysis", "SLA compliance"

使用场景 / Use when:
- 需要了解 SLA 违约整体情况
- 识别高风险工单，提前干预
- 对已违约工单进行逐个深挖分析
- 归因分析，制定改进措施

SLA 违约归因分析 (ops-incident-sla-analysis)

目标用户

FO/BO Leader

报表内容

第一层：SLA 总览

• SLA 达成率总览（响应/解决）
• 违约数量与趋势（按周期）
• 按优先级/类别/团队的达成率分布

第二层：风险分析（尚未违约但有风险）

• 高风险工单清单（接近 SLA 阈值）
• 风险归因分类：
• 流程因素（转派次数多、升级延迟）
• 资源因素（人员不足、专家瓶颈）
• 外部依赖（等待客户、第三方）
• 时间窗因素（非工作时间、节假日）
• 风险预警与建议

第三层：违约深挖（已违约工单逐个分析）

• 违约工单清单（按严重程度排序）
• 逐单分析：
• 基本信息（工单号、优先级、类别）
• 时间线回溯（哪个环节超时）
• 违约归因（根因分类）
• 改进建议
• 违约模式汇总（共性问题提炼）

数据依赖

• 输入文件: Incidents-exported.xlsx
• 数据规范: 见 reference.md

输出格式

• DOCX (可编辑文档)
• HTML (Web 展示)

语言检测

默认: 英文 (--language en)

中文输出: 使用 --language zh 当:

• 用户消息包含中文字符
• 用户明确要求 "中文报告"、"中文版"

执行流程

1. 检测用户语言偏好
2. 加载 data/ 目录下的 Excel 数据
3. 数据清洗与校验
4. 执行三层分析:
5. SLA 总览计算
6. 风险识别与归因
7. 违约工单逐个分析
8. 生成可视化图表
9. 生成 AI 洞察建议
10. 输出 DOCX 和 HTML 报表

使用方式

# 英文报告
python scripts/generate_report.py --language en

# 中文报告
python scripts/generate_report.py --language zh

输出文件

英文:

• output/SLA_Violation_Analysis_YYYY-MM-DD_to_YYYY-MM-DD_EN.docx
• output/SLA_Violation_Analysis_YYYY-MM-DD_to_YYYY-MM-DD_EN.html

中文:

• output/SLA_Violation_Analysis_YYYY-MM-DD_to_YYYY-MM-DD_CN.docx
• output/SLA_Violation_Analysis_YYYY-MM-DD_to_YYYY-MM-DD_CN.html

核心功能

• SLA 总览: 达成率、违约数量、分布热力图
• 风险预警: 识别接近阈值的高风险工单
• 四维归因: 流程/资源/外部依赖/时间窗
• 逐单深挖: 违约工单时间线回溯与根因分析
• 模式识别: 提炼共性问题，支撑管理决策
• 双语支持: 完整中英文本地化

配置

创建 .env 文件:

OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_MODEL=deepseek-chat