Count Values

Überblick

Die Count Values Anreicherung ist ein leistungsstarkes statistisches Analysewerkzeug, das die Anzahl der unterschiedlichen (einzigartigen) Werte für ein ausgewähltes Ereignisattribut innerhalb jedes Falls in Ihrem Prozessdatensatz zählt. Diese Anreicherung ist entscheidend, um die Vielfalt und Diversität der Datenwerte über Ihre Prozessinstanzen hinweg zu verstehen. Sie erstellt ein neues fallbasiertes Attribut, das die Anzahl der gefundenen einzigartigen Werte enthält und liefert Einblicke in Datenkomplexität, Variationsmuster und potenzielle Datenqualitätsprobleme.

Diese Anreicherung ist besonders wertvoll für die Analyse der Variation kategorialer Daten, die Identifikation von Fällen mit ungewöhnlicher Diversität bei Attributwerten und das Verständnis von Metriken zur Prozesskomplexität. Durch das Zählen unterschiedlicher Werte anstelle der Gesamtanzahl hilft sie dabei, Fälle zu identifizieren, in denen mehrere verschiedene Werte für dasselbe Attribut auftreten, wie etwa unterschiedliche Produkttypen, verschiedene involvierte Abteilungen oder mehrere Status, die während der Fallbearbeitung auftreten.

Die Anreicherung arbeitet auf Fall-Ebene, indem sie alle Ereignisse innerhalb jedes Falls untersucht, um zu bestimmen, wie viele einzigartige Werte für das angegebene Attribut existieren. Dies macht sie ideal für Szenarien, in denen Sie Vielfalt, Komplexität oder Datenreichtum innerhalb einzelner Prozessinstanzen messen möchten.

Häufige Anwendungsfälle

Zählen der Anzahl verschiedener Produkte oder SKUs, die in einer einzelnen Bestellung aufgegeben wurden
Ermitteln, wie viele verschiedene Abteilungen oder Teams an der Bearbeitung eines Falls beteiligt waren
Messen der Vielfalt von Fehlercodes oder Ausnahmearten, die während der Fallbearbeitung auftreten
Bestimmen der Anzahl einzigartiger Anbieter oder Lieferanten, die in Beschaffungsfällen involviert sind
Zählen unterschiedlicher Kundensegmente oder Kategorien, die in einer einzelnen Transaktion bedient werden
Analysieren der Vielfalt von Genehmigungsebenen oder Autorisierungsstatus in Genehmigungsworkflows
Nachverfolgen der Anzahl verschiedener Systeme oder Anwendungen, die während der Fallverarbeitung genutzt werden

Einstellungen

New Attribute Name: Der Name für das neue fallbasierte Attribut, das die Anzahl der einzigartigen Werte speichert. Dies sollte ein beschreibender Name sein, der klar angibt, was gezählt wird. Wenn einzigartige Produkttypen gezählt werden, könnte der Name beispielsweise "Unique_Product_Count" oder "Product_Variety_Count" lauten. Das Attribut wird als Ganzzahltyp erstellt und mit Zahlenformatierung angezeigt.

Attribute Name: Das Ereignisattribut, dessen einzigartige Werte gezählt werden sollen. Dieses Dropdown listet alle verfügbaren Ereignisattribute in Ihrem Datensatz auf. Wählen Sie das Attribut aus, dessen Werte Sie auf Einzigartigkeit analysieren möchten. Die Anreicherung untersucht dieses Attribut über alle Ereignisse in jedem Fall, um die unterschiedlichen Werte zu zählen.

Allow Null: Eine Kontrollkästchenoption, die bestimmt, ob Nullwerte (leere Werte) in die Zählung der einzigartigen Werte einbezogen werden sollen. Wenn aktiviert (true), werden Nullwerte als ein separater Wert gezählt, falls sie im Fall vorkommen. Wenn deaktiviert (false), werden Nullwerte ignoriert und nicht gezählt. Diese Einstellung ist wichtig für eine genaue Zählung, wenn Ihre Daten fehlende Werte enthalten können.

Filter: Ein optionaler Filter, der angewendet werden kann, um zu begrenzen, welche Ereignisse bei der Zählung einzigartiger Werte berücksichtigt werden. So können Sie beispielsweise nur die Werte aus bestimmten Aktivitäten, Zeiträumen oder anderen gefilterten Teilmengen von Ereignissen innerhalb jedes Falls zählen. Wird kein Filter angegeben, werden alle Ereignisse im Fall untersucht.

Beispiele

Beispiel 1: Zählen der Produktvielfalt in Bestellungen

Szenario: Ein Einzelhandelsunternehmen möchte die Komplexität ihrer Bestellungen analysieren, indem es versteht, wie viele unterschiedliche Produkt-SKUs typischerweise zusammen bestellt werden. Dies hilft, die Lagerprozesse zu optimieren und Möglichkeiten zum Bündeln zu identifizieren.

Einstellungen:

New Attribute Name: Unique_SKU_Count
Attribute Name: Product_SKU
Allow Null: False (nicht aktiviert)
Filter: Activity equals "Add Item to Order"

Ausgabe: Die Anreicherung erstellt ein neues Fallattribut "Unique_SKU_Count", das die Anzahl der unterschiedlichen Produkt-SKUs in jeder Bestellung enthält:

Case PO-2024-001: Unique_SKU_Count = 5 (Kunde bestellte 5 verschiedene Produkte)
Case PO-2024-002: Unique_SKU_Count = 1 (Einzelproduktbestellung)
Case PO-2024-003: Unique_SKU_Count = 12 (komplexe Bestellung mit vielen Produkten)

Einblicke: Bestellungen mit hoher Anzahl unterschiedlicher SKUs erfordern komplexere Lagerprozesse. Das Unternehmen kann diese Metrik nutzen, um Bestellungen effizient zu steuern und Bundling-Chancen basierend auf häufig gemeinsam bestellten Artikeln zu erkennen.

Beispiel 2: Analyse der Abteilungseinbindung bei IT-Tickets

Szenario: Ein IT-Servicedesk möchte die Komplexität von Support-Tickets verstehen, indem er zählt, wie viele verschiedene Abteilungen an der Lösung jedes Tickets beteiligt sind. Dies hilft, Tickets mit bereichsübergreifender Zusammenarbeit zu identifizieren.

Einstellungen:

New Attribute Name: Departments_Involved_Count
Attribute Name: Assigned_Department
Allow Null: False (nicht aktiviert)
Filter: Keine (alle Ereignisse analysieren)

Ausgabe: Jedes IT-Ticket-Fall erhält ein Attribut "Departments_Involved_Count":

Case TICKET-5001: Departments_Involved_Count = 1 (vollständig vom Helpdesk bearbeitet)
Case TICKET-5002: Departments_Involved_Count = 3 (eskaliert über Helpdesk, Netzwerk-Team, Sicherheit)
Case TICKET-5003: Departments_Involved_Count = 5 (komplexes Problem mit mehreren Teams)

Einblicke: Tickets mit mehreren beteiligten Abteilungen haben längere Bearbeitungszeiten und höhere Kosten. Die Organisation kann diese Metrik nutzen, um die Weiterleitung zu verbessern, bessere Zusammenarbeitsprotokolle einzuführen und Schulungsbedarf zu erkennen.

Beispiel 3: Lieferantendiversität im Beschaffungsprozess

Szenario: Ein Fertigungsunternehmen möchte die Lieferantendiversität in seinen Beschaffungsprozessen verfolgen, um die Einhaltung von Diversifizierungsrichtlinien sicherzustellen und Abhängigkeiten von Einzellieferanten zu erkennen.

Einstellungen:

New Attribute Name: Unique_Supplier_Count
Attribute Name: Supplier_ID
Allow Null: True (aktiviert)
Filter: Activity contains "Quote" or Activity contains "Purchase"

Ausgabe: Die Anreicherung fügt jedem Beschaffungsfall das Attribut "Unique_Supplier_Count" hinzu:

Case PROC-2024-101: Unique_Supplier_Count = 4 (Angebote von 4 verschiedenen Lieferanten erhalten)
Case PROC-2024-102: Unique_Supplier_Count = 1 (Beschaffung von einem einzigen Lieferanten)
Case PROC-2024-103: Unique_Supplier_Count = 7 (Wettbewerbliche Ausschreibung mit vielen Lieferanten)

Einblicke: Fälle mit nur einem Lieferanten stellen potenzielle Risiken in der Lieferkette dar. Das Unternehmen setzt Richtlinien um, die Mindestlieferantenanzahlen für Bestellungen über bestimmten Schwellenwerten vorschreiben und überwacht die Einhaltung über diese Metrik.

Beispiel 4: Fehlerart-Analyse in der Fertigung

Szenario: Ein Fertigungswerk möchte die Vielfalt der während der Produktionsläufe auftretenden Qualitätsprobleme verstehen, um Qualitätsverbesserungsinitiativen zu priorisieren und problematische Produktionslinien zu identifizieren.

Einstellungen:

New Attribute Name: Distinct_Error_Types
Attribute Name: Quality_Error_Code
Allow Null: False (nicht aktiviert)
Filter: Activity equals "Quality Check Failed"

Ausgabe: Jeder Produktionslos-Fall erhält eine Zählung für "Distinct_Error_Types":

Case BATCH-2024-A001: Distinct_Error_Types = 0 (keine Qualitätsprobleme)
Case BATCH-2024-A002: Distinct_Error_Types = 2 (zwei verschiedene Fehlerarten gefunden)
Case BATCH-2024-A003: Distinct_Error_Types = 5 (mehrere Qualitätsprobleme, die auf systemische Probleme hinweisen)

Einblicke: Lose mit hoher Anzahl unterschiedlicher Fehler deuten auf systemische Qualitätsprobleme hin, die sofortige Aufmerksamkeit erfordern. Das Werk verwendet diese Metrik, um umfassende Qualitätsprüfungen und präventive Wartung bei Erreichen von Schwellenwerten auszulösen.

Beispiel 5: Analyse der Kommunikationskanäle bei Kundeninteraktionen

Szenario: Ein Kundenservicezentrum möchte verstehen, wie viele verschiedene Kommunikationskanäle Kunden während ihrer Service-Journey nutzen, um omnichannel-Supportstrategien zu optimieren.

Einstellungen:

New Attribute Name: Communication_Channels_Used
Attribute Name: Interaction_Channel
Allow Null: False (nicht aktiviert)
Filter: Keine (alle Kundeninteraktionen zählen)

Ausgabe: Die Anreicherung erstellt eine Metrik zur Kanalvielfalt für jeden Kundenfall:

Case CUST-2024-1001: Communication_Channels_Used = 1 (nur Telefon)
Case CUST-2024-1002: Communication_Channels_Used = 3 (Telefon, E-Mail, Chat)
Case CUST-2024-1003: Communication_Channels_Used = 4 (Telefon, E-Mail, Chat, soziale Medien)

Einblicke: Kunden, die mehrere Kanäle nutzen, weisen häufig auf komplexe Probleme oder Frustration mit Single-Channel-Lösungen hin. Das Unternehmen verbessert die Kanalintegration und stellt konsistente Informationen über alle Touchpoints bereit, um die Kundenerfahrung zu verbessern.

Ausgabe

Die Count Values Anreicherung erstellt ein einzelnes neues fallbasiertes Attribut mit folgenden Merkmalen:

Attributtyp: Integer (Int32) – Die Zählung ist stets eine ganze Zahl, die die Anzahl der gefundenen einzigartigen Werte darstellt.

Attributbenennung: Das neue Attribut verwendet den im Feld „New Attribute Name“ angegebenen Namen. Wählen Sie beschreibende Namen, die klar angeben, was gezählt wird.

Anzeigeformat: Das Attribut wird in der Datensatzansicht automatisch als Zahl formatiert, was das Sortieren, Filtern und Analysieren erleichtert.

Wertebereich: Die Zählung reicht von 0 (wenn keine passenden Werte gefunden werden oder alle Werte null sind und „Allow Null“ deaktiviert ist) bis zur maximalen Anzahl der Ereignisse in einem Fall (wenn jedes Ereignis einen anderen Wert hat).

Integration: Das neue Attribut kann sofort verwendet werden in:

Filtern zur Identifikation von Fällen mit bestimmten einzigartigen Wertanzahlen
Kalkulatoren für statistische Analysen und Aggregationen
Anderen Anreicherungen, die numerische Fallattribute benötigen
Process Mining Visualisierungen und Dashboards
Exportvorgängen für externe Analysen

Siehe auch

Event Count – Zählt die Gesamtanzahl der Ereignisse in jedem Fall
Summarize Values – Berechnet Summe, Durchschnitt oder andere Statistiken für numerische Attribute
Max Value – Bestimmt den Maximalwert eines numerischen Attributs in jedem Fall
Count Boolean Attributes with Value – Zählt, wie viele boolesche Attribute einen bestimmten Wert haben
Compare Activity Counts – Vergleicht Ausführungszahlen zwischen zwei Aktivitäten

Diese Dokumentation ist Teil der mindzie Studio Process Mining Plattform.