Mehrere Fallattribute vergleichen
Überblick
Die Anreicherung „Mehrere Fallattribute vergleichen“ erweitert die grundlegenden Vergleichsfunktionen, indem überprüft wird, ob mehrere Fallattribute alle identische Werte enthalten. Dieser leistungsstarke Datenqualitätsoperator erstellt ein boolesches Ergebnis, das angibt, ob alle ausgewählten Attribute in einem Fall übereinstimmen. Dadurch werden umfassende Validierungsszenarien ermöglicht, bei denen die Konsistenz über mehrere Datenpunkte entscheidend ist. Im Gegensatz zu einfachen Vergleichen mit nur zwei Attributen prüft diese Anreicherung die vollständige Übereinstimmung von drei oder mehr Attributen und bietet essenzielle Funktionen für komplexe Datenvalidierung, Systemabstimmung und umfassende Qualitätssicherung.
Diese Anreicherung ist besonders wertvoll in Process-Mining-Szenarien mit Daten aus mehreren Quellsystemen, redundanten Dateneingabestellen oder komplexen Validierungsanforderungen. Beispielsweise können Sie bei dreifachen Abgleichszenarien im Beschaffungswesen verifizieren, dass Mengenwerte auf Einkaufsbestellungen, Wareneingängen und Rechnungen übereinstimmen. Im Gesundheitswesen kann sichergestellt werden, dass Patientenkennungen über Aufnahme-, Behandlungs- und Entlassdatensätze hinweg konsistent sind. In der Fertigung garantieren Sie die Übereinstimmung von Produktspezifikationen über Konstruktion, Produktionsplanung und Qualitätskontrollsysteme. Die Anreicherung gibt nur dann True zurück, wenn alle angegebenen Attribute exakt denselben Wert enthalten, was sie ideal macht, um Unstimmigkeiten zwischen mehreren zusammenhängenden Datenpunkten zu erkennen.
Der Vergleichsalgorithmus verarbeitet die Attribute sequentiell, indem jedes nachfolgende Attribut mit dem ersten verglichen wird. Wenn ein Attribut vom Wert des ersten Attributs abweicht, ist das Ergebnis False. Wenn ein Attribut einen Nullwert enthält, ist das Ergebnis null (nicht berechnet), um zu gewährleisten, dass unvollständige Daten keine irreführenden Validierungsergebnisse erzeugen. Dieser Ansatz liefert eine robuste Grundlage für die Datenqualitätsüberwachung und Prozesskonformitätsprüfung in komplexen Multi-System-Umgebungen.
Häufige Anwendungsfälle
- Validierung dreifacher Übereinstimmung im Beschaffungsprozess durch Sicherstellung, dass Einkaufsbestell-, Wareneingangs- und Rechnungs-Mengen übereinstimmen
- Verifizierung der Konsistenz von Patientenkennungen über Aufnahme-, Behandlungs-, Abrechnungs- und Entlasssysteme im Gesundheitswesen
- Sicherstellung der Übereinstimmung von Produktspezifikationen über Konstruktionsdokumente, Produktionsaufträge und Qualitätsprüfaufzeichnungen
- Validierung der Synchronisation von Kundeninformationen über CRM-, Auftragsmanagement- und Abrechnungssysteme
- Überprüfung, dass Genehmigungsbeträge in Anforderungs-, Genehmigungsablauf- und Zahlungsfreigabesystemen übereinstimmen
- Verifizierung, dass Versandmengen in Lagerverwaltung, Transport und Zollunterlagen übereinstimmen
- Sicherstellung der Compliance durch Validierung, dass Audit-Trail-Zeitstempel in mehreren Protokollierungssystemen übereinstimmen
Einstellungen
Neuer Attributname: Geben Sie den Namen für das boolesche Attribut an, das das Vergleichsergebnis speichert. Wählen Sie einen aussagekräftigen Namen, der klar angibt, welche Mehrfachattributvalidierung durchgeführt wird. Zum Beispiel „Three_Way_Match_Quantity“, wenn Mengen von Bestellungen, Wareneingängen und Rechnungen verglichen werden, oder „Patient_ID_Consistent“, wenn Patientenkennungen über mehrere Systeme abgeglichen werden. Das Attribut enthält True, wenn alle verglichenen Werte übereinstimmen, False, wenn Werte abweichen, und null, wenn ein Attribut einen Nullwert enthält.
Fallspaltennamen: Wählen Sie die Fallattribute aus, die auf Gleichheit verglichen werden sollen. Dieses Mehrfachauswahlfeld erlaubt die Auswahl von drei oder mehr Attributen aus allen verfügbaren Fallattributen im Datensatz, einschließlich ursprünglicher Attribute und durch andere Anreicherungen erzeugter Attribute. Die Attribute können beliebigen Datentyps sein – Text, numerisch, Datum oder Boolean. Die Anreicherung validiert, dass alle ausgewählten Attribute für jeden Fall identische Werte enthalten. Mindestens zwei Attribute müssen ausgewählt sein, die Anreicherung ist jedoch für Szenarien mit drei oder mehr Attributen ausgelegt. Der Vergleich prüft auf exakte Gleichheit – alle Werte müssen genau übereinstimmen, einschließlich Datentyp und Format. Enthält ein Attribut der Liste einen Nullwert, ist das Vergleichsergebnis null statt True oder False, um unvollständige Daten korrekt zu kennzeichnen.
Beispiele
Beispiel 1: Dreifacher Abgleich im Beschaffungswesen
Szenario: Im Procure-to-Pay-Prozess soll geprüft werden, dass die Mengenwerte auf drei wichtigen Dokumenten – Einkaufsbestellung, Wareneingang und Rechnung – übereinstimmen, bevor die Zahlung freigegeben wird. Dieser dreifache Abgleich ist eine grundlegende Kontrolle für finanzielle Genauigkeit und Betrugsprävention.
Einstellungen:
- Neuer Attributname: Three_Way_Match_Quantity
- Fallspaltennamen: PO_Quantity, GR_Quantity, Invoice_Quantity
Ergebnis: Erstellt ein boolesches Attribut „Three_Way_Match_Quantity“ mit den Werten:
- True: Wenn alle drei Mengen exakt übereinstimmen (z. B. PO=100, GR=100, Invoice=100)
- False: Wenn eine Menge abweicht (z. B. PO=100, GR=100, Invoice=105)
- null: Wenn eines der drei Mengenfelder fehlt oder null ist
Beispieldaten mit verschiedenen Szenarien:
| Case_ID | PO_Quantity | GR_Quantity | Invoice_Quantity | Three_Way_Match_Quantity |
|---|---|---|---|---|
| PO-001 | 100 | 100 | 100 | True |
| PO-002 | 50 | 50 | 52 | False |
| PO-003 | 200 | 195 | 200 | False |
| PO-004 | 75 | null | 75 | null |
| PO-005 | 25 | 25 | 25 | True |
Erkenntnisse: Dieser Vergleich ermöglicht die automatische Genehmigung von Rechnungen mit perfekten Dreifach-Abgleichen und kennzeichnet Diskrepanzen zur manuellen Prüfung. Organisationen können Drei-Wege-Abgleichsraten als KPI für Prozesseffizienz berechnen, Lieferanten mit häufigen Abweichungen identifizieren und die finanziellen Auswirkungen von Unstimmigkeiten messen. Fälle mit False-Ergebnissen müssen untersucht werden, während null-Ergebnisse auf unvollständige Daten und erforderliche Qualitätsverbesserungen hinweisen.
Beispiel 2: Validierung der Patientenkennung im Gesundheitswesen
Szenario: In einem Krankenhausinformationssystem müssen Patientenkennungen konsistent in Aufnahme-, elektronischen Krankenakten (EMR), Laborinformationssystemen (LIS) und Abrechnungssystemen sein. Inkonsistente Kennungen können zu medizinischen Fehlern, Abrechnungsproblemen und regulatorischen Verstößen führen.
Einstellungen:
- Neuer Attributname: Patient_ID_Consistent
- Fallspaltennamen: ADT_Patient_ID, EMR_Patient_ID, LIS_Patient_ID, Billing_Patient_ID
Ergebnis: Erstellt ein boolesches Attribut „Patient_ID_Consistent“, das Folgendes anzeigt:
- True: Wenn alle vier Systemkennungen übereinstimmen (z. B. alle zeigen „PT-789456“)
- False: Wenn ein System eine abweichende Kennung hat, was auf eine Datensynchronisationsstörung hinweist
- null: Wenn Informationen für die Kennung in einem System fehlen
Beispieldaten:
| Case_ID | ADT_Patient_ID | EMR_Patient_ID | LIS_Patient_ID | Billing_Patient_ID | Patient_ID_Consistent |
|---|---|---|---|---|---|
| ADM-101 | PT-789456 | PT-789456 | PT-789456 | PT-789456 | True |
| ADM-102 | PT-445821 | PT-445821 | PT-445821 | PT-445281 | False |
| ADM-103 | PT-223344 | PT-223344 | null | PT-223344 | null |
| ADM-104 | PT-998877 | PT-998877 | PT-998877 | PT-998877 | True |
Erkenntnisse: Diese Validierung hilft, Probleme im Stammdatenmanagement zu erkennen, die sofortiges Eingreifen erfordern, da inkonsistente Patientenkennungen zu gravierenden medizinischen Fehlern führen können. Gesundheitseinrichtungen können den Prozentsatz der Fälle mit konsistenten Kennungen über Systeme hinweg verfolgen, Systemintegrationsverbesserungen priorisieren und die Einhaltung gesetzlicher Vorgaben im Patientendatenmanagement sicherstellen. False-Ergebnisse lösen Datenabgleichsprozesse aus, während null-Ergebnisse unvollständige Registrierungsvorgänge anzeigen.
Beispiel 3: Produktspezifikationskonsistenz in der Fertigung
Szenario: In der Fertigung müssen Produktspezifikationen in Konstruktionsdokumenten, Produktionsplanungssystemen und Qualitätskontrolldatenbanken übereinstimmen, um sicherzustellen, dass Produkte den Anforderungen genügen. Inkonsistenzen können zur Herstellung nicht konformer Produkte oder unnötigen Verzögerungen führen.
Einstellungen:
- Neuer Attributname: Spec_Consistent_All_Systems
- Fallspaltennamen: Design_Material_Grade, Planning_Material_Grade, QC_Required_Grade
Ergebnis: Erstellt ein boolesches Attribut „Spec_Consistent_All_Systems“ mit folgenden Werten:
- True: Wenn alle drei Systeme dieselbe Materialqualität angeben (z. B. alle „Grade_A_Premium“)
- False: Wenn ein System andere Spezifikationen enthält (z. B. Design „Grade_A_Premium“, Planung „Grade_A_Standard“)
- null: Wenn Spezifikationsdaten in einem System fehlen
Beispieldaten:
| Production_Order | Design_Material_Grade | Planning_Material_Grade | QC_Required_Grade | Spec_Consistent_All_Systems |
|---|---|---|---|---|
| WO-5001 | Grade_A_Premium | Grade_A_Premium | Grade_A_Premium | True |
| WO-5002 | Grade_B_Standard | Grade_B_Standard | Grade_A_Premium | False |
| WO-5003 | Grade_C_Economic | null | Grade_C_Economic | null |
| WO-5004 | Grade_A_Premium | Grade_A_Premium | Grade_A_Premium | True |
Erkenntnisse: Dieser Vergleich ermöglicht die frühzeitige Erkennung von Spezifikationsabweichungen vor Produktionsbeginn, verhindert Qualitätsprobleme und Materialverschwendung. Fertigungsunternehmen können die Rate der Spezifikationsübereinstimmung über Systeme hinweg messen, Produkte oder Produktfamilien mit häufigen Inkonsistenzen identifizieren und das Änderungsmanagement verbessern. False-Ergebnisse lösen Prüfprozesse zur Konfliktlösung vor Produktionsstart aus.
Beispiel 4: Synchronisation von Kundendaten über Systeme hinweg
Szenario: In einem Unternehmen mit mehreren kundenorientierten Systemen müssen E-Mail-Adressen in CRM, E-Commerce-Plattform, E-Mail-Marketing-System und Kundenserviceportal synchronisiert sein, um konsistente Kommunikation und genaue Kundendatensätze zu gewährleisten.
Einstellungen:
- Neuer Attributname: Customer_Email_Synchronized
- Fallspaltennamen: CRM_Email, Ecommerce_Email, Marketing_Email, Support_Email
Ergebnis: Erstellt ein boolesches Attribut „Customer_Email_Synchronized“ mit:
- True: Wenn alle Systeme dieselbe E-Mail-Adresse haben (z. B. alle „customer@example.com“)
- False: Wenn die E-Mail-Adressen zwischen den Systemen abweichen, was auf Synchronisationsprobleme hinweist
- null: Wenn E-Mail-Adressen in einem System fehlen
Beispieldaten:
| Customer_ID | CRM_Email | Ecommerce_Email | Marketing_Email | Support_Email | Customer_Email_Synchronized |
|---|---|---|---|---|---|
| CUST-1001 | john@example.com | john@example.com | john@example.com | john@example.com | True |
| CUST-1002 | mary@company.com | mary@company.com | mary@oldmail.com | mary@company.com | False |
| CUST-1003 | bob@business.net | bob@business.net | null | bob@business.net | null |
| CUST-1004 | lisa@enterprise.io | lisa@enterprise.io | lisa@enterprise.io | lisa@enterprise.io | True |
Erkenntnisse: Diese Validierung hilft, Kunden mit inkonsistenten Kontaktinformationen zu identifizieren, die wichtige Mitteilungen verpassen oder doppelte Nachrichten erhalten könnten. Organisationen können Synchronisationsraten berechnen, Verbesserungen im Stammdatenmanagement priorisieren und Kundenserviceprobleme durch veraltete Kontaktinformationen reduzieren. False-Ergebnisse lösen Synchronisationsprozesse aus, während null-Ergebnisse auf unvollständige Kundenprofile hinweisen.
Beispiel 5: Angleichung von finanziellen Genehmigungsbeträgen
Szenario: Im Prozess der Anforderung und Genehmigung von Käufen muss der angeforderte Betrag über mehrere Genehmigungsstufen und Systeme hinweg konsistent bleiben, um unautorisierte Änderungen zu verhindern und finanzielle Kontrollen sicherzustellen.
Einstellungen:
- Neuer Attributname: Approval_Amounts_Aligned
- Fallspaltennamen: Requisition_Amount, L1_Approval_Amount, L2_Approval_Amount, PO_Final_Amount
Ergebnis: Erstellt ein boolesches Attribut „Approval_Amounts_Aligned“ mit:
- True: Wenn alle Genehmigungsstufen denselben Betrag anzeigen (z. B. alle 15.000,00)
- False: Wenn Beträge zwischen Genehmigungsstufen abweichen und unautorisierte Änderungen anzeigen
- null: Wenn Betragsdaten in einer Stufe fehlen
Beispieldaten:
| Requisition_ID | Requisition_Amount | L1_Approval_Amount | L2_Approval_Amount | PO_Final_Amount | Approval_Amounts_Aligned |
|---|---|---|---|---|---|
| REQ-2001 | 15000.00 | 15000.00 | 15000.00 | 15000.00 | True |
| REQ-2002 | 8500.00 | 8500.00 | 8750.00 | 8750.00 | False |
| REQ-2003 | 22000.00 | 22000.00 | null | 22000.00 | null |
| REQ-2004 | 5000.00 | 5000.00 | 5000.00 | 5200.00 | False |
Erkenntnisse: Dieser Vergleich gewährleistet die Integrität finanzieller Kontrollen, indem unautorisierte Betragsänderungen im Genehmigungsprozess erkannt werden. Organisationen können Fälle identifizieren, in denen Beträge ohne Genehmigung geändert wurden, Compliance mit Genehmigungsprozessen prüfen und finanzielle Kontrollen stärken. False-Ergebnisse lösen sofortige Untersuchungen auf mögliche Betrugs- oder Prozessverstöße aus, während eine hohe Rate an True-Ergebnissen bestätigt, dass finanzielle Kontrollen ordnungsgemäß funktionieren.
Ausgabe
Die Anreicherung „Mehrere Fallattribute vergleichen“ erzeugt ein einzelnes neues boolesches Fallattribut mit dem in den Einstellungen angegebenen Namen. Dieses Attribut enthält True, wenn alle verglichenen Attribute identische Werte besitzen, False bei Abweichungen eines Attributes, und null bei Nullwerten in einem der Attribute. Der Vergleich wird für jeden Fall unabhängig durchgeführt.
Die Anreicherung verwendet einen sequentiellen Vergleichsalgorithmus, der das erste Attribut mit jedem weiteren vergleicht. Alle Werte müssen exakt gleich sein, inklusive Datentyp und Format. Das Ergebnis lautet:
- True: Alle ausgewählten Attribute enthalten identische, nicht null-Werte
- False: Mindestens ein Attribut hat einen anderen Wert (alle verglichenen Attribute sind nicht null)
- null: Ein oder mehrere Attribute enthalten null-Werte, was unvollständige Daten kennzeichnet
Das boolesche Attribut kann je nach Visualisierungseinstellungen in verschiedenen Formaten angezeigt werden – als True/False, Ja/Nein, 1/0 oder mit benutzerdefinierten Beschriftungen. Es integriert sich nahtlos mit anderen Funktionen von mindzieStudio:
- Filtern: Fälle filtern, um nur vollständige Übereinstimmungen (True), beliebige Abweichungen (False) oder unvollständige Daten (null) anzuzeigen
- Konformitätsanalyse: Prozentsatz der Fälle mit perfekter Mehrfachattribut-Übereinstimmung gegenüber Diskrepanzen berechnen
- Prozessabläufe: Unterschiedliche Prozesspfade erstellen, je nachdem ob alle Attribute übereinstimmen
- Berechnungen: In logischen Ausdrücken für komplexe Validierungsregeln verwenden, z. B. „(Three_Way_Match_Quantity = True) AND (Amount < 10000)“
- Dashboards: KPI zur Übereinstimmungsrate, Trendanalysen der Datenqualität über Zeit und Identifikation von Systemen mit häufigen Inkonsistenzen erstellen
- Datenqualitätsüberwachung: Null-Ergebnisse verfolgen, um Vollständigkeitsprobleme zu erkennen, die untersucht werden müssen
Die Anreicherung ist besonders wirkungsvoll in Kombination mit anderen Vergleichsanreicherungen, um umfassende Validierungshierarchien zu erstellen. Beispielsweise kann zuerst „Mehrere Fallattribute vergleichen“ verwendet werden, um zu prüfen, ob drei Mengenfelder übereinstimmen; anschließend kann ein separater Vergleich validieren, ob diese übereinstimmenden Mengen auch eine Schwellenwertanforderung erfüllen.
Siehe auch
- Fallattribute vergleichen: Für einfache Gleichheitsvergleiche mit zwei Attributen, wenn nur zwei Werte validiert werden müssen
- Logisches UND: Zum Kombinieren mehrerer Vergleichsergebnisse bei komplexen Validierungsregeln
- Logisches ODER: Für flexible Validierungsregeln, bei denen mindestens ein Vergleich True sein muss
- Attribute Werte kategorisieren: Fälle basierend auf Mehrfachattributvergleichsergebnissen gruppieren zur Analyse
- Fälle filtern: Fälle aus Analysen basierend auf Mehrfachattributvalidierungsergebnissen ausschließen
Diese Dokumentation ist Teil der mindzie Studio Process Mining Plattform.