2 Way Match

Überblick

Die 2 Way Match-Anreicherung vergleicht numerische Werte aus zwei Aktivitätensets innerhalb eines Falls, um festzustellen, ob sie übereinstimmen. Dadurch entsteht ein leistungsfähiger Validierungsmechanismus für die Dokumentenabstimmung und die Analyse der Prozesskonformität. Diese Anreicherung berechnet aggregierte Werte (wie Summe, Durchschnitt, erste oder letzte Vorkommen) aus bestimmten Aktivitäten und deren zugehörigen numerischen Attributen und vergleicht diese Werte anschließend, um Übereinstimmungen oder Abweichungen zu identifizieren. Die Anreicherung erstellt sowohl ein boolesches Attribut, das angibt, ob die Werte übereinstimmen, als auch optional ein Differenzattribut, das die Abweichung zwischen den beiden Werten anzeigt.

Diese Anreicherung ist essentiell in Beschaffungs-, Finanz- und Logistikprozessen, in denen mehrere Dokumente oder Aktivitäten gegeneinander abgeglichen werden müssen. Zum Beispiel können Sie in einem Procure-to-Pay-Prozess überprüfen, ob die Bestellmengen mit den Wareneingangsmengen übereinstimmen oder ob Rechnungsbeträge mit Bestellwerten übereinstimmen. Die Anreicherung arbeitet auf Fall-Ebene, weshalb sie ideal zur Validierung von mehrstufigen Prozessen ist, bei denen verschiedene Aktivitäten verwandte Informationen erfassen, die konsistent sein sollten. Durch die Unterstützung verschiedener Aggregationsmethoden (Summe, Durchschnitt, Minimum, Maximum, erstes, letztes) passt sich die Anreicherung verschiedenen Geschäftsszenarien an – von einfachen letzten Wertvergleichen bis hin zu komplexen Summierungen über mehrere Positionen.

Die 2 Way Match-Anreicherung bildet die Grundlage für Drei-Wege- und Vier-Wege-Abgleich-Szenarien, indem sie die grundlegende Vergleichslogik bereitstellt. Sobald Sie Unstimmigkeiten identifiziert haben, können Sie Filter und Analysen verwenden, um Muster in den Abweichungen zu erkennen, Konformitätsraten zu messen und Fälle mit Abweichungen zur manuellen Prüfung oder Freigabe weiterzuleiten.

Anwendungsbeispiele

Überprüfung der Bestellmengen gegenüber Wareneingangsmengen in Beschaffungsprozessen
Vergleich von Rechnungsbeträgen mit Bestellwerten für Finanzkonformität und Zahlungsfreigabe
Abstimmung von Auftragsmengen mit Versandmengen in der Auftragsabwicklung
Überprüfung, ob geplante Produktionsmengen mit der tatsächlichen Produktion übereinstimmen
Vergleich von Anforderungsbeträgen mit genehmigten Budgetzuweisungen im Ausgabenmanagement
Validierung der erbrachten Service-Stunden gegenüber den vertraglich vereinbarten Stunden im Bereich professionelle Dienstleistungen
Abstimmung von Inventurmengen zwischen physischen Zählungen und Systemaufzeichnungen
Überprüfung, ob Kundenbestellmengen mit den Kommissionier- und Verpackungsmengen im Lagerbetrieb übereinstimmen

Einstellungen

Activity Names 1: Geben Sie eine oder mehrere Aktivitäten an, die den ersten Dokument- oder Transaktionstyp in Ihrem Vergleich repräsentieren. Zum Beispiel könnte dies im Beschaffungsprozess „CreatePurchaseOrderLine“ oder „UpdatePurchaseOrderLine“ sein, um die bestellten Mengen zu erfassen. Sie können mehrere Aktivitäten auswählen, wenn der gleiche Informationstyp in verschiedenen Aktivitätsnamen enthalten ist. Die Anreicherung ruft den numerischen Wert aus diesen Aktivitäten basierend auf der von Ihnen gewählten Methode "Event Selection 1" ab.

Event Selection 1: Wählen Sie, wie Werte aggregiert werden, wenn mehrere Instanzen von Activity Names 1 im Fall existieren. Optionen sind:

First: Verwendet den Wert der ersten Vorkommnis der Aktivität im Fall
Last: Verwendet den Wert der letzten Vorkommnis (Standard – am häufigsten bei Dokumentenaktualisierungen)
Sum: Addiert alle Werte aller Vorkommnisse (ideal für Positionssummen)
Average: Berechnet den Durchschnitt aller Werte
Min: Verwendet den kleinsten gefundenen Wert
Max: Verwendet den größten gefundenen Wert

Activity Names 2: Geben Sie eine oder mehrere Aktivitäten an, die den zweiten Dokument- oder Transaktionstyp repräsentieren, der mit dem ersten verglichen wird. Im Beschaffungsprozess könnte dies „ProductReceipt“ oder „GoodsReceipt“ sein, um die empfangenen Mengen zu erfassen. Die Anreicherung vergleicht den aggregierten Wert dieser Aktivitäten mit dem Wert von Activity Names 1.

Event Selection 2: Wählen Sie, wie Werte aggregiert werden, wenn mehrere Instanzen von Activity Names 2 im Fall existieren. Es gelten dieselben Optionen wie bei Event Selection 1. Standardmäßig ist "Sum" eingestellt, was häufig für Wareneingänge verwendet wird, die in mehreren Lieferungen erfolgen können. Zum Beispiel, wenn eine Bestellung von 100 Einheiten in drei Lieferungen (40, 35 und 25 Einheiten) erfüllt wird, fasst die Auswahl „Sum“ korrekt 100 Einheiten für den Vergleich zusammen.

Column Name: Wählen Sie das numerische Event-Attribut, das die zu vergleichenden Werte enthält. Dabei muss es sich um ein numerisches Feld (Integer, Dezimalzahl oder Float) handeln, das in den Events beider Aktivitätensets vorhanden ist. Häufige Beispiele sind "Quantity", "Amount", "Value", "Hours" oder "Weight". Die Anreicherung extrahiert den Wert dieses Attributs aus den angegebenen Aktivitäten und führt den Vergleich durch.

New Attribute Name: Geben Sie den Namen für das boolesche Fallattribut an, das das Ergebnis des Vergleichs speichert. Wählen Sie einen aussagekräftigen Namen, der klar angibt, was verglichen wird, z. B. „PO_Matches_GR_Quantity“ oder „Invoice_Amount_Matches_PO“. Dieses Attribut ist True, wenn die Werte exakt übereinstimmen, und False, wenn sie unterschiedlich sind. Beispiel Standard: "Quantity for CreatePurchaseOrderLine = ProductReceipt"

New Attribute Difference Name: Optional können Sie den Namen für ein numerisches Fallattribut angeben, das die Differenz zwischen den beiden Werten speichert. Dieses Attribut berechnet Value1 minus Value2, sodass Sie die Größe und Richtung der Abweichungen analysieren können. Ein positiver Wert zeigt an, dass der erste Wert größer ist als der zweite (z. B. mehr bestellt als erhalten), ein negativer zeigt das Gegenteil an. Lassen Sie dieses Feld leer, wenn Sie nur den booleschen Vergleichsindikator benötigen. Beispiel Standard: "Quantity difference CreatePurchaseOrderLine - ProductReceipt"

Filter Cases (Advanced): Optional können Sie Filter anwenden, um zu begrenzen, welche Fälle von dieser Anreicherung ausgewertet werden. Diese erweiterte Einstellung erlaubt es, die 2 Way Match-Anreicherung nur bei Fällen durchzuführen, die bestimmte Kriterien erfüllen, wie Fälle mit bestimmten Status, Datumsbereichen oder Attributwerten. Fälle, die nicht den Filtern entsprechen, erhalten keine neuen Attribute berechnet.

Beispiele

Beispiel 1: Abgleich der Bestellmenge mit der Wareneingangsmenge

Szenario: In einem Procure-to-Pay-Prozess müssen Sie sicherstellen, dass die gesamte empfangene Menge mit der bestellten Menge übereinstimmt. Bestellungen können vor der endgültigen Freigabe mehrfach aktualisiert werden, und Waren können in mehreren Lieferungen eintreffen. Sie möchten Fälle identifizieren, bei denen die empfangene Menge nicht mit der letztgültigen Bestellmenge übereinstimmt.

Einstellungen:

Activity Names 1: CreatePurchaseOrderLine, UpdatePurchaseOrderLine
Event Selection 1: Last
Activity Names 2: GoodsReceipt, ProductReceipt
Event Selection 2: Sum
Column Name: Quantity
New Attribute Name: PO_Quantity_Matches_GR
New Attribute Difference Name: PO_GR_Quantity_Variance

Ausgabe: Erstellt zwei neue Fallattribute:

PO_Quantity_Matches_GR (Boolesch):
- True: Fälle, bei denen die finale Bestellmenge der gesamten empfangenen Menge entspricht (z. B. bestellt 100, empfangen 100)
- False: Fälle mit Abweichungen (z. B. bestellt 100, empfangen 95 oder 105)
PO_GR_Quantity_Variance (Numerisch):
- 0: Perfekte Übereinstimmung
- +5: 5 Einheiten mehr bestellt als empfangen (Teillieferung)
- -5: 5 Einheiten mehr empfangen als bestellt (Überlieferung)

Beispieldaten:

Fall 12345: 100 Einheiten bestellt (letzte PO-Aktualisierung), in 3 Lieferungen empfangen (40, 35, 25 = 100 gesamt) → PO_Quantity_Matches_GR = True, Abweichung = 0
Fall 12346: 50 Einheiten bestellt, 48 empfangen → PO_Quantity_Matches_GR = False, Abweichung = +2
Fall 12347: 75 Einheiten bestellt, 80 empfangen → PO_Quantity_Matches_GR = False, Abweichung = -5

Einblicke: Diese Anreicherung ermöglicht es, Fälle mit Mengenabweichungen zu filtern, die Häufigkeit und Größe von Über- oder Unterschreitungen zu analysieren, Lieferanten mit häufigen Mengenabweichungen zu identifizieren und Fälle mit Abweichungen zur Freigabe oder Untersuchung weiterzuleiten. Sie können Kennzahlen ermitteln wie „98 % der Bestellungen stimmen mengenmäßig exakt überein“ oder „durchschnittliche Mengenabweichung beträgt +2,3 Einheiten, was auf eine leichte Unterlieferung hinweist“.

Beispiel 2: Validierung des Rechnungsbetrags mit dem Bestellwert

Szenario: In der Kreditorenbuchhaltung müssen Sie sicherstellen, dass Rechnungsbeträge den ursprünglichen Bestellwerten entsprechen, bevor Zahlungen verarbeitet werden. Dieser Zwei-Wege-Abgleich stellt sicher, dass nur für tatsächlich bestellte Ware bezahlt wird und hilft, Preisabweichungen oder Rechnungsfehler zu erkennen.

Einstellungen:

Activity Names 1: CreatePurchaseOrder, ApprovePurchaseOrder
Event Selection 1: Last
Activity Names 2: ReceiveInvoice
Event Selection 2: Sum
Column Name: TotalAmount
New Attribute Name: Invoice_Matches_PO_Amount
New Attribute Difference Name: Invoice_PO_Amount_Difference

Ausgabe: Erstellt zwei neue Fallattribute, die den Rechnungs- zu PO-Abgleich anzeigen:

Invoice_Matches_PO_Amount (Boolesch):
- True: Rechnungsbetrag stimmt exakt mit dem PO-Betrag überein (z. B. beide 5.000,00 $)
- False: Beträge weichen ab (z. B. PO 5.000,00 $, Rechnung 5.250,00 $)
Invoice_PO_Amount_Difference (Numerisch):
- 0,00: Exakte Übereinstimmung
- +500,00: PO-Betrag übersteigt Rechnung um 500 $ (unterberechnet)
- -250,00: Rechnung übersteigt PO um 250 $ (überberechnet, Freigabe nötig)

Beispieldaten:

Fall INV-001: PO-Betrag 10.000 $, Rechnungsbetrag 10.000 $ → Übereinstimmung = True, Differenz = 0
Fall INV-002: PO-Betrag 7.500 $, Rechnungsbetrag 7.750 $ → Übereinstimmung = False, Differenz = -250
Fall INV-003: PO-Betrag 3.200 $, Rechnungsbetrag 3.200 $ → Übereinstimmung = True, Differenz = 0

Einblicke: Dies ermöglicht automatisierte Freigabeprozesse für übereinstimmende Rechnungen, kennzeichnet Rechnungen mit überhöhten Beträgen zur manuellen Prüfung, identifiziert systematische Preisprobleme bei bestimmten Lieferanten und misst die Rate an durchgängig automatisierten Prozessen. Sie können Geschäftsregeln erstellen wie „automatische Freigabe, wenn Invoice_Matches_PO_Amount True ist“ oder „Manager-Freigabe erforderlich, wenn Invoice_PO_Amount_Difference 500 $ übersteigt“.

Beispiel 3: Abstimmung der Auftragsmenge mit der Versandmenge

Szenario: Im Auftragsabwicklungsprozess müssen Sie sicherstellen, dass die versendete Menge mit der vom Kunden bestellten Menge übereinstimmt. Aufträge können vor der Ausführung geändert werden, und der Versand erfolgt möglicherweise in mehreren Paketen. Diese Validierung hilft, Teillieferungen zu identifizieren und die Kundenzufriedenheit zu gewährleisten.

Einstellungen:

Activity Names 1: CreateSalesOrder, ModifySalesOrder
Event Selection 1: Last
Activity Names 2: ShipProduct, ConfirmShipment
Event Selection 2: Sum
Column Name: OrderedQuantity
New Attribute Name: Order_Shipment_Quantity_Match
New Attribute Difference Name: Unshipped_Quantity

Ausgabe: Erstellt Attribute zur Verfolgung der Auftragsgenauigkeit:

Order_Shipment_Quantity_Match (Boolesch):
- True: Komplett erfüllt (bestellt 50, versandt 50)
- False: Teilweise oder Überlieferung (bestellt 50, versandt 48 oder 52)
Unshipped_Quantity (Numerisch):
- 0: Vollständig versandt
- +2: 2 Einheiten fehlen (Nachliefersituation)
- -2: 2 Einheiten zu viel versandt (mögliche Inventarprobleme)

Beispieldaten:

Auftrag SO-5001: 200 Einheiten bestellt, in 4 Sendungen geliefert (75, 50, 50, 25 = 200) → Übereinstimmung = True, Nicht versandt = 0
Auftrag SO-5002: 150 Einheiten bestellt, 145 versandt → Übereinstimmung = False, Nicht versandt = +5
Auftrag SO-5003: 100 Einheiten bestellt, 100 versandt → Übereinstimmung = True, Nicht versandt = 0

Einblicke: Diese Anreicherung hilft, die Genauigkeit der Auftragsabwicklung zu messen, Produkte mit häufigen Teillieferungen zu identifizieren, Nachlieferungsmengen und Trends zu analysieren und Kundenbenachrichtigungen für unvollständige Lieferungen auszulösen. Sie können KPIs wie „95 % Kompletterfüllungsrate“ oder „durchschnittlich nicht erfüllte Menge: 2,3 Einheiten pro unvollständigem Auftrag“ erstellen.

Beispiel 4: Produktionsplan vs. Tatsächliche Produktion

Szenario: In einem Fertigungsprozess müssen geplante Produktionsmengen mit der tatsächlichen Produktion verglichen werden, um die Produktionseffizienz zu messen und Kapazitäts- oder Qualitätsprobleme zu erkennen. Produktionspläne können aktualisiert werden, und der Output wird erfasst, wenn Chargen abgeschlossen sind.

Einstellungen:

Activity Names 1: CreateProductionOrder, UpdateProductionPlan
Event Selection 1: Last
Activity Names 2: RecordProduction, CompleteProductionBatch
Event Selection 2: Sum
Column Name: Quantity
New Attribute Name: Production_Met_Plan
New Attribute Difference Name: Production_Variance

Ausgabe: Erstellt Attribute zur Messung der Produktionsleistung:

Production_Met_Plan (Boolesch):
- True: Tatsächliche Produktion entspricht dem Plan (geplant 1000, produziert 1000)
- False: Über- oder Unterproduktion (geplant 1000, produziert 950 oder 1050)
Production_Variance (Numerisch):
- 0: Plan exakt erfüllt
- +50: 50 Einheiten weniger produziert (Kapazitäts- oder Qualitätsproblem)
- -50: 50 Einheiten mehr produziert (Effizienzgewinn oder Planungsproblem)

Beispieldaten:

Produktionsauftrag PR-8001: 5000 Einheiten geplant, 5000 produziert → Met_Plan = True, Abweichung = 0
Produktionsauftrag PR-8002: 3000 Einheiten geplant, 2850 produziert → Met_Plan = False, Abweichung = +150
Produktionsauftrag PR-8003: 1500 Einheiten geplant, 1520 produziert → Met_Plan = False, Abweichung = -20

Einblicke: Dies ermöglicht die Berechnung von Produktionseffizienzraten, die Identifikation von Produktionslinien mit wiederkehrender Unterperformance, die Analyse von Abweichungsmustern nach Produkttyp oder Schicht sowie Frühwarnungen bei Kapazitätsengpässen. Sie können messen, dass „85 % der Produktionsaufträge den Plan exakt erfüllen“ oder „durchschnittliche Produktionsabweichung: -2,5 % (leichte Überproduktion)“.

Beispiel 5: Service-Stunden – Vertraglich vereinbart vs. geliefert

Szenario: In einem Unternehmen für professionelle Dienstleistungen müssen Sie sicherstellen, dass die dem Kunden in Rechnung gestellten Stunden mit den vertraglich vereinbarten Stunden übereinstimmen. Serviceverträge können geändert werden, und Stunden werden über mehrere Serviceaktivitäten erfasst.

Einstellungen:

Activity Names 1: CreateServiceContract, AmendServiceContract
Event Selection 1: Last
Activity Names 2: LogServiceHours, SubmitTimesheet
Event Selection 2: Sum
Column Name: Hours
New Attribute Name: Hours_Match_Contract
New Attribute Difference Name: Hours_Variance

Ausgabe: Erstellt Attribute zur Validierung der Serviceerbringung:

Hours_Match_Contract (Boolesch):
- True: Gelieferte Stunden entsprechen den vertraglich vereinbarten (vertraglich 80, geliefert 80)
- False: Über- oder Unterlieferung (vertraglich 80, geliefert 75 oder 85)
Hours_Variance (Numerisch):
- 0: Exakte Übereinstimmung
- +5: 5 Stunden unterliefert (mögliche Unzufriedenheit des Kunden)
- -10: 10 Stunden überliefert (Umsatzverlust, wenn nicht abrechenbar)

Beispieldaten:

Projekt SVC-2001: 160 Stunden vertraglich, 160 Stunden geliefert → Übereinstimmung = True, Abweichung = 0
Projekt SVC-2002: 120 Stunden vertraglich, 115 Stunden geliefert → Übereinstimmung = False, Abweichung = +5
Projekt SVC-2003: 200 Stunden vertraglich, 215 Stunden geliefert → Übereinstimmung = False, Abweichung = -15

Einblicke: Diese Anreicherung ermöglicht die Messung der Genauigkeit der Serviceerbringung, die Erkennung von Projekten mit Leistungsüberschreitungen, die Identifikation von Unterlieferungen mit Korrekturbedarf sowie die Analyse der Rechnungsgenauigkeit. Sie können verfolgen, dass „92 % der Projekte die vertraglich vereinbarten Stunden liefern“ oder „durchschnittliche Überlieferung: 3,2 Stunden pro Projekt“.

Ausgabe

Die 2 Way Match-Anreicherung erstellt je nach Konfiguration ein oder zwei neue Fallattribute:

Match Indicator Attribute (immer erstellt): Ein boolesches Attribut mit dem in „New Attribute Name“ angegebenen Namen, das enthält:

True: Wenn der aggregierte Wert aus Activity Names 1 gleich dem aggregierten Wert aus Activity Names 2 ist
False: Wenn die Werte in irgendeiner Höhe abweichen
Kein Wert (null): Wenn eines oder beide Aktivitätensets im Fall nicht existieren oder die angegebene Spalte keine Werte für die Aktivitäten enthält

Difference Attribute (optional): Wenn Sie einen „New Attribute Difference Name“ angeben, erstellt die Anreicherung ein numerisches Attribut, das die Differenz berechnet als Value1 minus Value2:

Positive Werte: Zeigen an, dass der erste Wert größer ist als der zweite (z. B. mehr bestellt als empfangen)
Negative Werte: Zeigen an, dass der zweite Wert größer ist als der erste (z. B. mehr empfangen als bestellt)
Null: Zeichen für exakte Übereinstimmung
Kein Wert (null): Wenn der Vergleich aufgrund fehlender Aktivitäten oder Werte nicht durchgeführt werden kann

Beide Attribute werden als abgeleitete Fallattribute erstellt und integrieren sich nahtlos in andere mindzieStudio-Funktionen:

Filtern: Erstellen Sie Filter, die nur Fälle mit Abweichungen (Match = False), Fälle mit signifikanten Differenzen (Difference > Schwelle) oder Fälle mit spezifischen Abweichungsmustern (Difference > 0 für Teillieferungen) anzeigen.

Konformitätsanalyse: Berechnen Sie Übereinstimmungsraten und Statistikwerte zur Differenz über Ihre gesamte Datenmenge oder bestimmte Segmente. Messen Sie z. B. „98 % der Bestellungen haben übereinstimmende Lieferungen“ oder „durchschnittliche Mengenabweichung: 2,3 Einheiten“.

Prozessvisualisierung: Aufteilung von Prozessflüssen basierend auf Übereinstimmungsergebnissen, um unterschiedliche Pfade für übereinstimmende versus nicht übereinstimmende Fälle zu visualisieren und zu erkennen, wo Abweichungen eingeführt oder behoben werden.

Berechnungen: Verwenden Sie das boolesche Match-Attribut in logischen Ausdrücken, um komplexe Validierungsregeln zu erstellen, z. B. um Zwei-Wege-Vergleiche mit anderen Konformitätsprüfungen zu kombinieren.

Dashboards und KPIs: Erstellen Sie Metriken, die Übereinstimmungsraten über die Zeit, Verteilungsdiagramme von Differenzen und Konformitätstrends zeigen. Visualisieren Sie Abweichungsmuster nach Lieferanten, Produktkategorien oder Zeiträumen.

Automatisierung und Routing: Nutzen Sie die Übereinstimmungsergebnisse, um Prozessautomatisierungen zu steuern, z. B. automatische Freigabe von Fällen mit True-Wert und Weiterleitung von False-Fällen zur manuellen Prüfung.

Die Anreicherung führt Vergleiche nur bei Fällen durch, in denen beide Aktivitätensets vorhanden sind und numerische Werte in der angegebenen Spalte enthalten. Fälle, in denen Aktivitäten oder Werte fehlen, erhalten Nullwerte für die Ausgabattribute, sodass Sie unvollständige Fälle getrennt von Abweichungsfällen identifizieren können.

Siehe auch

Compare Case Attributes – Zum direkten Vergleichen von zwei Fallattributen ohne Aggregation aus Aktivitäten
Compare Event Attributes for Two Activities – Zum Vergleichen von Eventattributen aus zwei bestimmten Aktivitäten ohne Aggregation
Attribute Changes Between Two Activities – Zum Erkennen von Attributänderungen zwischen zwei Aktivitäten
Subtract – Zur Berechnung von Differenzen zwischen Fallattributen, die von anderen Anreicherungen erstellt wurden
Filter Process Log – Zum Filtern von Fällen basierend auf Übereinstimmungsergebnissen und Differenzen
Divide – Zur Berechnung von quotientenbasierten Vergleichen zwischen übereinstimmenden Werten

Diese Dokumentation ist Teil der mindzie Studio Process Mining Plattform.