Attributänderungen in einem Case

Überblick

Die Attributänderungen in einem Case-Anreicherung ist ein leistungsstarkes Analysewerkzeug, das Wertänderungen von Ereignisattributen während des gesamten Lebenszyklus eines Cases erkennt und quantifiziert. Diese Anreicherung untersucht automatisch jedes Ereignisattribut in Ihrem Datensatz und erstellt neue Case-Ebenen-Metriken, die Muster von Änderungen, Stabilität und Variation innerhalb jeder Prozessinstanz aufzeigen. Durch die Umwandlung von Ereignisebene-Variationen in Case-Ebene-Einblicke ermöglicht diese Anreicherung die Identifikation von Prozessinkonsistenzen, die Verfolgung von Zustandsübergängen und die Messung der Prozessstabilität im großen Maßstab.

Diese Anreicherung ist besonders wertvoll zum Verständnis von Prozessdynamiken und Variabilität. Sie beantwortet entscheidende Fragen darüber, wie sich Attributwerte während der Case-Ausführung entwickeln – ob Statusfelder häufig ändern, ob Ressourcen-Zuweisungen konsistent bleiben oder wie viele unterschiedliche Werte ein Attribut innerhalb eines einzelnen Cases annimmt. Die Anreicherung erstellt bis zu drei verschiedene Arten von Metriken für jedes Ereignisattribut und gibt Ihnen so Flexibilität bei der Analyse und Visualisierung von Attributänderungen in Ihrem Prozess.

Häufige Anwendungsfälle

Analyse von Statusübergängen – Nachverfolgung, wie oft sich der Bestellstatus, der Genehmigungsstatus oder der Case-Status während des Prozesslebenszyklus ändert
Überwachung der Ressourcen-Konsistenz – Identifikation von Cases, in denen Besitz oder Verantwortung mehrfach gewechselt hat, was auf mögliche Übergabeprobleme hinweist
Validierung der Datenqualität – Erkennung unerwarteter Variationen in Attributen, die konstant bleiben sollten, zur Aufdeckung von Fehleingaben oder Systeminkonsistenzen
Messung der Prozesskomplexität – Quantifizierung der Anzahl unterschiedlicher Werte oder Zustände, die ein Case durchläuft, zur Bewertung der Prozesskomplexität
Analyse der Änderungsfrequenz – Zählung der Gesamtzahl an Wertänderungen zur Identifikation hochvolatiler Fälle, die eine Untersuchung erfordern
Konformitätskontrolle – Überprüfung, ob bestimmte Attribute erwartete Werte oder Änderungsmuster gemäß Geschäftsregeln einhalten
Leistungskategorisierung – Gruppierung von Cases nach ihren Änderungsmustern, um zu verstehen, welche Case-Typen einfachere bzw. komplexere Pfade durchlaufen

Einstellungen

Ignore Null: Legt fest, ob Nullwerte (leere Werte) bei der Analyse von Attributänderungen ausgeschlossen werden sollen. Wenn aktiviert, überspringt die Anreicherung Events, bei denen der Attributwert null ist, und konzentriert sich nur auf tatsächliche Wertänderungen. Dies ist nützlich, wenn Nullwerte fehlende Daten repräsentieren und keine sinnvollen Zustandsänderungen darstellen. Standardwert ist true (aktiviert). Aktivieren Sie dies, wenn Nullwerte Datenlücken darstellen; deaktivieren Sie es, wenn Null ein bedeutsamer Zustand in Ihrem Prozess ist.

Create Change Count Attribute: Steuert, ob Attribute erzeugt werden, die die Gesamtzahl der Wertänderungen für jedes Ereignisattribut zählen. Wenn aktiviert, werden Attribute mit dem Suffix "-Changes" erzeugt, die die Anzahl der Wertübergänge von einem Ereignis zum nächsten enthalten. Dies liefert eine sequenzielle Zählmetrik der Änderungen. Standardwert ist true (aktiviert). Verwenden Sie dies, um Volatilität zu messen und Fälle mit häufigen Zustandsübergängen zu identifizieren.

Create Group Count Attribute: Bestimmt, ob Attribute erzeugt werden, die die Anzahl unterschiedlicher Werte (Gruppen) zählen, die ein Ereignisattribut innerhalb eines Cases annimmt. Wenn aktiviert, werden Attribute mit dem Suffix "-Groups" erzeugt, die die Anzahl eindeutiger Werte enthalten. Dies misst Wertvielfalt statt Änderungsfrequenz. Standardwert ist true (aktiviert). Aktivieren Sie dies, um Wertvielfalt und Prozesskomplexität zu verstehen.

Create Bool Change Attribute: Steuert, ob boolesche Attribute erzeugt werden, die angeben, ob für jedes Ereignisattribut eine Änderung aufgetreten ist. Wenn aktiviert, werden Attribute mit dem Suffix "-Change" erzeugt, die True/False-Werte enthalten – True, wenn das Attribut unterschiedliche Werte hatte, sonst False. Standardwert ist true (aktiviert). Verwenden Sie dies für eine einfache binäre Klassifikation von Cases mit oder ohne Änderungen.

Beispiele

Beispiel 1: Überwachung des Bestellstatus im Einkauf

Szenario: Ein Einkaufsteam muss Bestellungen mit übermäßigen Statusänderungen identifizieren, die oft Prozesskomplikationen oder Verzögerungen anzeigen, die manuelle Eingriffe erfordern.

Einstellungen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: false

Ausgabe: Für ein Ereignisattribut "Order_Status", das folgende Werte durchläuft: "Created" → "Approved" → "In Review" → "Approved" → "Processed", erstellt die Anreicherung:

Order_Status-Changes: 4 (zählt jede Übergangsänderung)
Order_Status-Groups: 4 (zählt unterschiedliche Werte: Created, Approved, In Review, Processed)

Cases mit Order_Status-Changes > 5 werden zur Überprüfung markiert, da sie wiederholte hin- und hergehende Statusänderungen anzeigen.

Erkenntnisse: Bestellungen mit hoher Änderungsanzahl korrelieren mit längeren Zykluszeiten und höheren Kosten. Das Einkaufsteam implementiert automatisierte Alarme für Bestellungen mit mehr als 3 Statuswechseln, um Ausnahmen proaktiv zu steuern.

Beispiel 2: Übergänge im Patiententeam im Gesundheitswesen

Szenario: Ein Krankenhaus möchte die Kontinuität der Pflege analysieren, indem es nachverfolgt, wie oft Patienten während ihres Aufenthalts zwischen verschiedenen medizinischen Teams oder Abteilungen gewechselt werden.

Einstellungen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: true

Ausgabe: Für ein Ereignisattribut "Assigned_Team" mit Werten: "ER" → "ER" → "ICU" → "Surgery" → "ICU" → "Recovery", erstellt die Anreicherung:

Assigned_Team-Changes: 4 (ER zu ICU, ICU zu Surgery, Surgery zu ICU, ICU zu Recovery)
Assigned_Team-Groups: 4 (ER, ICU, Surgery, Recovery)
Assigned_Team-Change: true (es gab Änderungen)

Erkenntnisse: Patienten mit mehr als 3 Teamwechseln zeigen 40 % längere durchschnittliche Aufenthaltszeiten. Das Krankenhaus implementiert Pflegekoordinationsprotokolle für Patienten mit häufigen Wechseln, um Ergebnisse und Effizienz zu verbessern.

Beispiel 3: Qualitätskontrolle in der Fertigung

Szenario: Ein Fertigungswerk muss die Ergebnisse von Qualitätsprüfungen während des Produktionsprozesses überwachen, um Produkte zu identifizieren, die mehrfach Qualitätsinterventionen benötigen.

Einstellungen:

Ignore Null: false
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: false

Ausgabe: Für ein Ereignisattribut "Quality_Status" mit Werten: null → "Pass" → "Fail" → "Rework" → "Pass", erstellt die Anreicherung:

Quality_Status-Changes: 4 (einschließlich des Übergangs von null zu Pass)
Quality_Status-Groups: 5 (null, Pass, Fail, Rework, wobei Pass als eigenständig gezählt wird)

Produkte mit Quality_Status-Groups > 2 werden für Ursachenanalyse bei Qualitätsproblemen untersucht.

Erkenntnisse: Produkte mit Statusänderungen korrelieren mit bestimmten Produktionslinien und Schichten, was zu gezielten Schulungs- und Wartungsprogrammen führt.

Beispiel 4: Genehmigungsworkflow für Finanztransaktionen

Szenario: Eine Bank möchte die Komplexität ihres Kreditgenehmigungsprozesses analysieren, indem sie verfolgt, wie viele verschiedene Genehmigungsebenen und Entscheidungszustände jede Antragstellung durchläuft.

Einstellungen:

Ignore Null: true
Create Change Count Attribute: false
Create Group Count Attribute: true
Create Bool Change Attribute: true

Ausgabe: Für ein Ereignisattribut "Approval_Level" mit Werten: "Initial_Review" → "Credit_Check" → "Manager_Review" → "Credit_Check" → "Final_Approval", erstellt die Anreicherung:

Approval_Level-Groups: 4 (Initial_Review, Credit_Check, Manager_Review, Final_Approval)
Approval_Level-Change: true

Anträge mit Approval_Level-Groups > 5 deuten auf komplexe Fälle hin, die Prozessoptimierung erfordern.

Erkenntnisse: Anträge mit weniger Genehmigungsebenen haben 60 % schnellere Bearbeitungszeiten. Die Bank strafft den Prozess für Standardanträge, während sie bei komplexen Fällen eine gründliche Prüfung beibehält.

Beispiel 5: Nachverfolgung von IT-Vorfalllösung

Szenario: Ein IT-Helpdesk muss nachverfolgen, wie häufig Prioritäten und Zuständige von Incidents geändert werden, um Tickets zu identifizieren, die zwischen Teams "hin- und hergeschoben" werden, ohne gelöst zu werden.

Einstellungen:

Ignore Null: true
Create Change Count Attribute: true
Create Group Count Attribute: true
Create Bool Change Attribute: true

Ausgabe: Für Ereignisattribute "Priority" und "Assigned_Group":

Priority-Changes: Anzahl von Eskalationen oder Herabstufungen der Priorität
Priority-Groups: Anzahl der verschiedenen verwendeten Prioritätsstufen
Assigned_Group-Changes: Anzahl der Umzuweisungen des Tickets
Assigned_Group-Groups: Anzahl der unterschiedlichen Teams, die das Ticket bearbeitet haben
Assigned_Group-Change: true/false, ob eine Umzuweisung stattfand

Tickets mit sowohl Priority-Changes > 2 als auch Assigned_Group-Changes > 3 werden als "heiße Kartoffel"-Tickets markiert, die Management Aufmerksamkeit erfordern.

Erkenntnisse: Incidents mit mehrfachen Umzuweisungen weisen dreifach längere Lösungszeiten auf. Der Helpdesk implementiert eine "Sticky Assignment"-Richtlinie, bei der das erste reagierende Team die Koordination der Lösung übernimmt, auch wenn Expertise anderer Teams benötigt wird.

Ausgabe

Die Attributänderungen in einem Case-Anreicherung erzeugt neue Case-Ebenen-Attribute für jedes nicht-systemische Ereignisattribut in Ihrem Datensatz. Die Anreicherung verarbeitet automatisch alle Ereignisattribute außer Systemspalten (Activity, Timestamp, Start Time) sowie versteckte oder berechnete Spalten.

Erzeugte Attribute:

[AttributeName]-Changes (Integer): Enthält die Anzahl der Wertübergänge für das Attribut. Eine Änderung wird jedes Mal gezählt, wenn sich der Wert im Vergleich zum vorherigen Ereignis unterscheidet. Wertebereich von 0 (keine Änderungen) bis n-1, wobei n die Anzahl der Ereignisse im Case ist.
[AttributeName]-Groups (Integer): Enthält die Anzahl der verschiedenen Werte, die das Attribut innerhalb des Cases annimmt. Dies misst die Wertvielfalt unabhängig von der Änderungsfrequenz. Ein Wert von 1 zeigt an, dass das Attribut während des gesamten Cases konstant geblieben ist.
[AttributeName]-Change (Boolean): Enthält True, wenn das Attribut unterschiedliche Werte innerhalb des Cases hatte, False wenn es konstant blieb oder keine Werte hatte. Dies bietet einen einfachen binären Indikator für das Vorhandensein von Änderungen.

Datentypen und Formate:

Änderungszähl-Attribute: Integer-Werte, angezeigt mit Zahlenformatierung
Gruppenanzahl-Attribute: Integer-Werte, angezeigt mit Zahlenformatierung
Boolesche Änderungs-Attribute: Boolean-Werte, angezeigt als Ja/Nein

Integration mit anderen Features:

Verwenden Sie diese Attribute in Filtern, um Cases mit bestimmten Änderungsmustern zu identifizieren
Kombinieren Sie sie mit Berechnungen, um Änderungsverhältnisse oder Prozentsätze zu erstellen
Nutzen Sie sie in Dashboards zur Visualisierung von Prozessstabilitätsmetriken
Verwenden Sie sie in der Konformitätsprüfung, um erwartete Änderungsmuster zu verifizieren
Nutzen Sie sie als Merkmale in Machine Learning-Modellen zur Beschreibung der Prozesskomplexität

Benennungskonventionen: Die Anreicherung bewahrt den ursprünglichen Attributnamen und fügt klare Suffixe (-Changes, -Groups, -Change) hinzu, wodurch die Quellattribut- und Metrikart leicht identifizierbar sind. Diese Attribute erscheinen in der Liste der Case-Attribute und können sofort in allen Analysefunktionen von mindzieStudio genutzt werden.

Diese Dokumentation ist Teil der mindzie Studio Process Mining Plattform.