Tägliche Ereigniszählung

Übersicht

Der Rechner für die tägliche Ereigniszählung analysiert Muster der Ereignishäufigkeit, indem er Ereignisse nach ihrem Datum gruppiert und so eine Verteilung der täglichen Ereigniszählung sowie eine Prozentanalyse bereitstellt. Dieser Rechner zählt, wie viele Ereignisse an jedem Kalendertag in Ihrem gesamten Ereignisprotokoll aufgetreten sind, was nützlich ist, um Datenqualitätsprobleme, Arbeitslastmuster und Trends der Systemaktivität zu erkennen.

Im Gegensatz zu kalkulatoren auf Fall-Ebene arbeitet dieser auf Ereignisebene, was bedeutet, dass einzelne Aktivitäten oder Transaktionen gezählt werden, anstatt komplette Prozessinstanzen.

Häufige Anwendungsfälle

Erkennung von Lücken bei der Datenauswertung oder fehlenden Tagen im Ereignisprotokoll
Erkennung ungewöhnlicher Spitzen oder Einbrüche bei der Systemaktivität, die auf Datenqualitätsprobleme hinweisen können
Analyse der Arbeitslastverteilung auf Kalendertage
Verständnis von Aktivitätsmustern an Wochenenden im Vergleich zu Wochentagen
Erkennung saisonaler Trends und Muster bei der Prozessausführung
Validierung der Datenvollständigkeit und -konsistenz über die Zeit

Einstellungen

Dieser Rechner verfügt über keine konfigurierbaren Einstellungen. Er analysiert automatisch alle Ereignisse in Ihrem gefilterten Datensatz, indem er sie nach dem Datumsanteil ihres Zeitstempels gruppiert.

Standardfelder:

Titel: Optionaler benutzerdefinierter Titel für die Ausgabe des Rechners
Beschreibung: Optionale Beschreibung für Dokumentationszwecke

Beispiele

Beispiel 1: Erkennung von Problemen bei der Datenauswertung

Szenario: Sie validieren eine neue Datenauswertung aus Ihrem ERP-System und möchten sicherstellen, dass Ereignisse an jedem Arbeitstag ohne Lücken erfasst werden.

Einstellungen:

Titel: „Tägliche Ereignisverteilung“
Beschreibung: „Überprüfung der Vollständigkeit der Datenauswertung“

Ausgabe:

Der Rechner zeigt eine Tabelle mit drei Spalten an:

Datum: Jeder im Ereignisprotokoll gefundene Kalendertag
Anzahl: Die Anzahl der Ereignisse, die an diesem Tag auftraten
Prozent: Der Prozentsatz der gesamten Ereignisse, die an diesem Tag auftraten (als Dezimalwert)

Beispielausgabe:

Date         Count    Percent
2024-01-15   1,247    0.0523
2024-01-16   1,189    0.0499
2024-01-17      42    0.0018
2024-01-18   1,312    0.0551

Erkenntnisse: In diesem Beispiel zeigt der 17. Januar nur 42 Ereignisse im Vergleich zu üblichen 1.200+ Ereignissen an den angrenzenden Tagen. Dieser dramatische Rückgang (weniger als 2 % des normalen Volumens) deutet auf ein mögliches Problem bei der Datenauswertung oder einen Systemausfall hin, der untersucht werden sollte. Achten Sie auf fehlende Tage (Lücken in der Datumssequenz) oder Tage mit ungewöhnlich niedrigen Anzahlen, die auf unvollständige Daten hinweisen könnten.

Beispiel 2: Analyse von Wochenend- vs. Wochentagsaktivität

Szenario: Sie möchten verstehen, ob Ihre Rechnungserfassungsaktivitäten sieben Tage die Woche oder nur an Arbeitstagen stattfinden.

Einstellungen:

Titel: „Aktivitätskalender der Rechnungserfassung“
Beschreibung: „Ermittlung von Verarbeitungsmustern im Wochenverlauf“

Ausgabe:

Die tägliche Verteilung zeigt Ereigniszahlen für jeden Tag. Visualisiert in einem Diagramm können Sie erkennen:

Tage mit null Ereignissen (wahrscheinlich Wochenenden und Feiertage)
Konstante Muster an Wochentagen
Montags-Spitzen (in vielen Geschäftsprozessen üblich)
Monatsendspitzen

Erkenntnisse: Wenn Sie an Samstagen und Sonntagen nahezu keine Ereignisse sehen, ist Ihre Rechnungserfassung hauptsächlich eine Wochentagsaktivität. Wenn Sie an sieben Tagen in der Woche Aktivität sehen, haben Sie möglicherweise automatisierte Prozesse oder internationale Abläufe. Deutliche Montags-Spitzen weisen häufig auf die Nachbearbeitung von Wochenend-Rückständen hin.

Beispiel 3: Erkennung der Auswirkungen eines System-Upgrades

Szenario: Ihre IT-Abteilung hat am 15. März ein System-Upgrade durchgeführt, und Sie möchten überprüfen, ob dies das Transaktionsvolumen beeinflusst hat.

Einstellungen:

Titel: „Analyse der Systemaktivität im März“
Beschreibung: „Vergleich vor und nach dem Upgrade“

Ausgabe:

Der Rechner zeigt die Ereigniszahlen für jeden Tag im März. Sie können den durchschnittlichen Tageswert vor dem 15. März mit dem durchschnittlichen Tageswert nach dem 15. März vergleichen.

Beispielmuster:

Date         Count    Percent
2024-03-12   2,450    0.0334
2024-03-13   2,387    0.0325
2024-03-14   2,512    0.0342
2024-03-15     876    0.0119  <- Upgrade-Tag
2024-03-16   2,398    0.0327
2024-03-17   2,441    0.0332

Erkenntnisse: Die deutlich niedrigere Ereigniszahl am 15. März (876 vs. typischen 2.400+) zeigt eine reduzierte Systemaktivität während des Upgrade-Zeitraums an. Die Rückkehr zu normalen Volumina am 16. März deutet auf eine erfolgreiche Systemwiederherstellung hin. Wenn niedrige Werte über mehrere Tage nach dem Upgrade anhielten, würde dies auf Probleme nach der Aktualisierung hinweisen, die untersucht werden sollten.

Ausgabe

Der Rechner erzeugt eine Datentabelle mit den folgenden Spalten:

Datum (DateTime): Das Kalenderdatum (ohne Tageszeitkomponente) für jede Gruppe. Die Ergebnisse sind chronologisch vom frühesten bis zum neuesten Datum sortiert.

Anzahl (Number): Die Gesamtanzahl der Ereignisse, die an diesem spezifischen Datum auftraten. Dies zählt alle Aktivitäten/Ereignisse in Ihrem Ereignisprotokoll für diesen Tag.

Prozent (Decimal): Der Prozentsatz der gesamten Ereignisse, die durch dieses Datum repräsentiert werden, dargestellt als Dezimalwert (z.B. entspricht 0,15 15 % aller Ereignisse).

Die Ausgabe kann visualisiert werden als:

Liniendiagramme: Ideal zur Darstellung täglicher Trends über die Zeit
Balkendiagramme: Effektiv zum Vergleich von Aktivitätsniveaus über bestimmte Datumsbereiche
Kalender-Heatmaps: Visuelle Darstellung der Aktivitätsintensität nach Datum
Zeitreihenanalysen: Zur Identifikation von Trends und Mustern über längere Zeiträume

Hinweis: Ereignisse mit fehlenden oder ungültigen Zeitstempeln werden von der Analyse ausgeschlossen. Es werden nur Ereignisse mit gültigen Datums-/Zeitinformationen gezählt.

Diese Dokumentation ist Teil der mindzieStudio Process Mining Plattform.