Zähle Boolean-Attribute mit Wert

Überblick

Die Anreicherung „Count Boolean Attributes with Value“ ist ein spezialisiertes Analysewerkzeug, das mehrere boolesche (wahr/falsch) Attribute auswertet und zählt, wie viele davon einem angegebenen Wert entsprechen. Diese Anreicherung erstellt ein neues ganzzahliges Attribut, das die Anzahl der booleschen Attribute enthält, die entweder TRUE oder FALSE gemäß Ihrer Auswahl sind, und bietet leistungsstarke Möglichkeiten für Mehrkriterienbewertungen, Compliance-Bewertungen und Risikoanalysen in Ihren Prozessfällen.

Diese Anreicherung ist besonders wertvoll, wenn Sie Fälle gleichzeitig gegen mehrere binäre Bedingungen evaluieren müssen. Zum Beispiel in einem Compliance-Szenario, in dem Sie boolesche Flags für verschiedene regulatorische Anforderungen haben, kann diese Anreicherung zählen, wie viele Anforderungen erfüllt (TRUE-Werte) oder verletzt (FALSE-Werte) wurden. Ebenso kann sie in Qualitätskontrollprozessen mit mehreren Bestanden/Nicht Bestanden-Kriterien die Anzahl bestandener oder nicht bestandener Prüfungen quantifizieren. Die Anreicherung unterstützt sowohl boolesche Attribute auf Fällebene als auch auf Ereignisebene und ermöglicht somit eine flexible Analyse auf unterschiedlichen Granularitätsstufen Ihrer Prozessdaten.

Häufige Anwendungsfälle

  • Berechnung von Compliance-Scores durch Zählen, wie viele regulatorische Anforderungen (TRUE) bei mehreren Compliance-Flags erfüllt sind
  • Bewertung von Risikostufen durch Zählen der Anzahl ausgelöster Risikoindikatoren (TRUE) in finanziellen oder operativen Prozessen
  • Messung der Qualität durch Zählen bestandener (TRUE) oder nicht bestandener (FALSE) Qualitätsprüfungsattribute in Fertigungsprozessen
  • Bewertung der Kundenzufriedenheit durch Zählen positiver (TRUE) Antworten bei mehreren Zufriedenheitsindikatoren
  • Verfolgung des Abschlussstatus durch Zählen erledigter (TRUE) Aufgabenflags in Projektmanagementprozessen
  • Identifikation problematischer Fälle durch Zählen der Anzahl von Ausnahmeflags (TRUE) oder Fehlerindikatoren
  • Bewertung der Lieferantenleistung durch Zählen erfüllter (TRUE) oder verfehlter (FALSE) SLA-Kriterien über mehrere Metriken hinweg

Einstellungen

Filter: Ein optionaler Filter, mit dem Sie den Zählvorgang auf spezifische Fälle oder Ereignisse beschränken können. Wenn ein Filter angewendet wird, erfolgt die Zählung der booleschen Werte nur für Fälle, die die Filterkriterien erfüllen. Dies ist nützlich, um Scores innerhalb bestimmter Zeiträume, für bestimmte Falltypen oder unter besonderen Bedingungen zu berechnen. Wird kein Filter angegeben, wird die Zählung auf alle Fälle im Datensatz angewendet.

Neuer Attributname: Der Name für das neue ganzzahlige Attribut, das die Anzahl der booleschen Attribute speichert, die mit dem angegebenen Wert übereinstimmen. Dieses Attribut wird je nach Ihrer Quellenauswahl entweder Ihrer Falltabelle oder Ereignistabelle hinzugefügt. Wählen Sie einen beschreibenden Namen, der klar angibt, was gezählt wird, wie z.B. „ComplianceScore“, „QualityChecksPassed“, „RiskIndicatorCount“ oder „RequirementsMet“. Dieses Feld ist Pflicht.

Quelle: Legt fest, ob boolesche Attribute aus der Falltabelle oder der Ereignistabelle gezählt werden. Wählen Sie „Case“, um boolesche Attribute auf Fallernebene zu zählen (Attribute mit einem Wert pro Fall), oder „Event“, um boolesche Attribute auf Ereignisebene zu zählen (Attribute, die für jedes Ereignis unterschiedliche Werte haben können). Die verfügbaren booleschen Attribute zur Auswahl werden basierend auf Ihrer Quellenauswahl aktualisiert.

Attributnamen: Eine Mehrfachauswahlliste, mit der Sie die booleschen Attribute auswählen können, die in die Zähloperation einbezogen werden sollen. Zur Verfügung stehen nur boolesche (true/false) Attribute aus der gewählten Quelle. Sie können mehrere Attribute auswählen, und die Anreicherung zählt, wie viele dieser ausgewählten Attribute den Wert haben, den Sie in der Einstellung „Count If Value“ angeben. Mindestens ein Attribut muss ausgewählt werden.

Count If Value: Gibt an, welcher boolesche Wert gezählt werden soll – entweder TRUE oder FALSE. Wenn Sie TRUE auswählen, zählt die Anreicherung, wie viele der ausgewählten Attribute den Wert TRUE haben. Wenn Sie FALSE auswählen, wird gezählt, wie viele den Wert FALSE haben. So können Sie je nach Analysebedarf positive Bedingungen (erfüllte Anforderungen, bestandene Prüfungen) oder negative Bedingungen (Verstöße, Fehler) messen.

Beispiele

Beispiel 1: Compliance-Bewertung bei Finanztransaktionen

Szenario: Eine Finanzinstitution muss einen Compliance-Score für Transaktionen berechnen, indem gezählt wird, wie viele regulatorische Prüfungen bestanden wurden. Sie verfügen über mehrere boolesche Attribute, die anzeigen, ob bestimmte Compliance-Anforderungen erfüllt sind.

Einstellungen:

  • Quelle: Case
  • Neuer Attributname: „Compliance Score“
  • Attributnamen: ["KYC_Verified", "AML_Check_Passed", "Sanctions_Clear", "Document_Complete", "Approval_Obtained", "Risk_Assessment_Done"]
  • Count If Value: True
  • Filter: keiner

Ausgabe: Die Anreicherung erstellt ein neues Fallattribut „Compliance Score“ mit ganzzahligen Werten, die die Anzahl der bestandenen Compliance-Prüfungen darstellen:

  • Transaktion TX-001: Compliance Score = 6 (alle Prüfungen bestanden)
  • Transaktion TX-002: Compliance Score = 4 (KYC und Risikobewertung nicht abgeschlossen)
  • Transaktion TX-003: Compliance Score = 5 (Sanktionsprüfung fehlgeschlagen)
  • Transaktion TX-004: Compliance Score = 3 (nur Basisprüfungen abgeschlossen)

Erkenntnisse: Transaktionen mit Compliance-Scores unter 5 werden zur weiteren Überprüfung gekennzeichnet. Dieser quantitative Score hilft, Prioritäten zu setzen, welche Transaktionen sofortige Aufmerksamkeit erfordern, und erkennt Muster bei Compliance-Lücken zwischen verschiedenen Transaktionstypen.

Beispiel 2: Qualitätskontrolle in der Fertigung

Szenario: Ein Fertigungsbetrieb bewertet Produkte anhand mehrerer Qualitätskontrollpunkte, die jeweils als boolesches Attribut erfasst werden. Es soll gezählt werden, wie viele Prüfungen fehlgeschlagen sind, um Nacharbeiten zu identifizieren.

Einstellungen:

  • Quelle: Case
  • Neuer Attributname: „Failed Quality Checks“
  • Attributnamen: ["Visual_Inspection", "Dimension_Check", "Weight_Tolerance", "Electrical_Test", "Pressure_Test", "Final_Assembly"]
  • Count If Value: False
  • Filter: keiner

Ausgabe: Die Anreicherung erstellt das Attribut „Failed Quality Checks“, das die Anzahl der fehlgeschlagenen Tests anzeigt:

  • Produkt P-5001: Failed Quality Checks = 0 (alle Tests bestanden)
  • Produkt P-5002: Failed Quality Checks = 2 (Dimension und Gewicht fehlgeschlagen)
  • Produkt P-5003: Failed Quality Checks = 1 (Elektrischer Test fehlgeschlagen)
  • Produkt P-5004: Failed Quality Checks = 3 (Visuelle Prüfung, Drucktest und Endmontage fehlgeschlagen)

Erkenntnisse: Produkte mit fehlgeschlagenen Prüfungen benötigen Nacharbeit, während Produkte mit mehreren Fehlern möglicherweise komplett neu gefertigt werden müssen. Die Zählung hilft, Nacharbeitswege zu optimieren und systemische Qualitätsprobleme in bestimmten Prüfungskategorien zu identifizieren.

Beispiel 3: Risikoanalyse bei Kreditanträgen

Szenario: Eine Bank bewertet Kreditanträge anhand mehrerer Risikoindikatoren, die als boolesche Attribute gespeichert sind. Es soll gezählt werden, wie viele Risikoflags ausgelöst wurden, um das Gesamtrisikoniveau jedes Antrags zu bestimmen.

Einstellungen:

  • Quelle: Case
  • Neuer Attributname: „Risk Indicators Count“
  • Attributnamen: ["High_Debt_Ratio", "Unstable_Employment", "Poor_Credit_History", "Insufficient_Collateral", "Previous_Default", "Income_Verification_Failed"]
  • Count If Value: True
  • Filter: Case_Type = "Personal Loan"

Ausgabe: Die Anreicherung zählt ausgelöste Risikoindikatoren für Privatkreditanträge:

  • Antrag LA-2024-101: Risk Indicators Count = 0 (niedriges Risiko)
  • Antrag LA-2024-102: Risk Indicators Count = 2 (High_Debt_Ratio und Poor_Credit_History)
  • Antrag LA-2024-103: Risk Indicators Count = 4 (mehrere Risikofaktoren)
  • Antrag LA-2024-104: Risk Indicators Count = 1 (nur Unstable_Employment)

Erkenntnisse: Anträge mit 0-1 Risikoindikatoren können beschleunigt bearbeitet werden, 2-3 erfordern zusätzliche Prüfung, und 4+ werden automatisch an leitende Underwriter eskaliert. Diese systematische Bewertung verbessert die Konsistenz der Entscheidungen und die Verarbeitungseffizienz.

Beispiel 4: SLA-Leistungsüberwachung im IT-Service-Management

Szenario: Ein IT-Servicedesk verfolgt mehrere SLA-Kriterien als boolesche Attribute für jedes Incident. Es soll gezählt werden, wie viele SLAs eingehalten wurden, um Leistungsscores für verschiedene Servicekategorien zu berechnen.

Einstellungen:

  • Quelle: Case
  • Neuer Attributname: „SLA Criteria Met“
  • Attributnamen: ["Response_Time_Met", "Resolution_Time_Met", "First_Call_Resolution", "Customer_Satisfied", "Escalation_Avoided", "Documentation_Complete"]
  • Count If Value: True
  • Filter: Priority = "High"

Ausgabe: Für Incidents mit hoher Priorität berechnet die Anreicherung die SLA-Leistung:

  • Incident INC-8001: SLA Criteria Met = 6 (perfekter Score)
  • Incident INC-8002: SLA Criteria Met = 4 (Probleme bei Lösungszeit und Eskalation)
  • Incident INC-8003: SLA Criteria Met = 5 (Dokumentation unvollständig)
  • Incident INC-8004: SLA Criteria Met = 2 (mehrere SLA-Verstöße)

Erkenntnisse: Die quantifizierte SLA-Leistung ermöglicht datenbasierte Verbesserungen bei der Serviceerbringung. Incidents mit niedrigen Scores zeigen systemische Probleme in bestimmten SLA-Bereichen auf und helfen bei Schulungen und Prozessoptimierungen.

Beispiel 5: Mehrkriterien-Lieferantenbewertung

Szenario: Ein Beschaffungsteam bewertet Lieferanten anhand mehrerer Leistungskennzahlen, die als boolesche Pass/Fail-Attribute gespeichert sind. Es soll ein Gesamtscore zur Lieferantenbewertung und -auswahl berechnet werden.

Einstellungen:

  • Quelle: Case
  • Neuer Attributname: „Vendor Performance Score“
  • Attributnamen: ["On_Time_Delivery", "Quality_Standards_Met", "Price_Competitive", "Documentation_Accurate", "Responsive_Support", "Sustainability_Compliant"]
  • Count If Value: True
  • Filter: Evaluation_Period = "Q4-2024"

Ausgabe: Die Anreicherung berechnet Leistungs-Scores der Lieferanten für die Q4-Bewertung:

  • Lieferant V-101: Vendor Performance Score = 6 (hervorragende Leistung)
  • Lieferant V-102: Vendor Performance Score = 4 (Probleme bei Lieferung und Preis)
  • Lieferant V-103: Vendor Performance Score = 5 (Probleme bei Dokumentation)
  • Lieferant V-104: Vendor Performance Score = 3 (mehrere Leistungslücken)

Erkenntnisse: Lieferanten mit Scores von 5-6 sind bevorzugte Partner, 3-4 benötigen Verbesserungspläne, und unter 3 droht eine Vertragsbeendigung. Dieses objektive Bewertungssystem unterstützt strategische Entscheidungen im Lieferantenmanagement und Verhandlungen.

Ausgabe

Die Anreicherung „Count Boolean Attributes with Value“ erstellt ein einzelnes neues ganzzahliges Attribut entweder in der Falltabelle oder der Ereignistabelle, abhängig von Ihrer Quellenauswahl. Das Attribut enthält die Anzahl der ausgewählten booleschen Attribute, die Ihrem angegebenen Wert (TRUE oder FALSE) entsprechen.

Bei der Zählung auf Fallernebene erhält jeder Fall einen Zählwert, der die Gesamtanzahl der passenden booleschen Werte über alle ausgewählten Attribute für diesen Fall repräsentiert. Dieser Wert bleibt für alle Ereignisse innerhalb des Falls konstant und eignet sich für Fallbewertungen, Klassifizierungen und Filterungen.

Bei der Zählung auf Ereignisebene erhält jedes Ereignis einen eigenen Zählwert basierend auf den booleschen Attributwerten zu diesem Zeitpunkt. Dadurch kann verfolgt werden, wie sich boolesche Bedingungen im Verlauf der Prozessausführung ändern.

Das Ausgabeartribut kann in nachfolgenden Analysen verwendet werden, einschließlich:

  • Filtern von Fällen basierend auf Score-Schwellenwerten (z.B. nur Fälle mit Compliance Score > 4 anzeigen)
  • Erstellen von Leistungskategorien mit der Anreicherung „Categorize Attribute Values“
  • Berechnen von Durchschnittsscores in Fallgruppen mit Aggregationsrechnern
  • Erstellen von Vorhersagemodellen unter Verwendung des Scores als Merkmal
  • Visualisierung von Score-Verteilungen in Dashboards und Berichten

Die ganzzahlige Zählung bietet eine quantitative Messgröße, die mehrere binäre Bewertungen in eine einzelne Kennzahl transformiert und so komplexere Analysen und Entscheidungen auf Basis von Mehrkriterienbewertungen ermöglicht.

Siehe auch

Diese Dokumentation ist Teil der mindzie Studio Process Mining Plattform.