Encontrar Valores Atípicos de Fecha

Descripción General

El calculador Encontrar Valores Atípicos de Fecha identifica valores de fecha y marca de tiempo en tu registro de eventos que se encuentran muy fuera del rango típico para ese atributo, ayudándote a detectar problemas de calidad de datos antes de que impacten tu análisis de procesos. El calculador examina cada atributo de fecha y marca de tiempo en tu registro de eventos y señala casos o eventos individuales cuyo valor de fecha es inusualmente temprano o inusualmente tardío en comparación con el resto de los datos en el mismo campo.

A diferencia de la inspección manual de datos, este calculador revisa sistemáticamente cada campo de fecha en tus datos de proceso para resaltar problemas potenciales que podrían distorsionar tu análisis de minería de procesos, tales como marcas de tiempo incorrectas de actividades, importaciones de datos mal formateadas o valores predeterminados que nunca fueron actualizados.

Usos Comunes

Validar la calidad de los datos después de importar registros de eventos de sistemas heredados o nuevas fuentes de datos
Detectar fechas de marcador de posición o valores predeterminados que indican entradas de datos incompletas
Identificar errores en el reloj del sistema o problemas de conversión de zona horaria que crean marcas de tiempo imposibles
Encontrar fechas de datos de prueba que accidentalmente llegaron a los registros de eventos en producción
Verificar que los datos de marca de tiempo estén dentro de los períodos esperados de operación comercial
Evaluar rápidamente la calidad general de campos de fecha en todos los atributos antes de un análisis detallado

Configuración

Este calculador no requiere ajustes de configuración. Examina automáticamente todos los atributos de fecha y marca de tiempo en tu registro de eventos y señala valores que caen muy fuera del rango típico para cada atributo.

Campos Estándar:

Título: Título personalizado opcional para la salida del calculador
Descripción: Descripción opcional para propósitos de documentación

Cómo se identifican los valores atípicos:

Para cada atributo de fecha o marca de tiempo, el calculador calcula límites superior e inferior a partir de los datos reales en ese atributo y luego marca los valores que caen fuera de esos límites. Los límites se calculan usando un método estadístico (Rango Intercuartílico), por lo que lo que cuenta como un "valor atípico" es relativo al resto de tus datos — no hay cortes de año codificados rígidamente. Un atributo cuyos valores abarcan los años 2018-2024 tendrá límites diferentes a uno cuyos valores abarcan 2010-2020.

Notas:

Los valores nulos se omiten. Las fechas faltantes no se señalan como valores atípicos por este calculador. (Usa otras herramientas de calidad de datos para rastrear valores faltantes.)
Solo se examinan atributos de fecha y marca de tiempo. No se procesan campos de texto que puedan contener fechas.
Los atributos con poca variación no generan valores atípicos. Si todos los valores en un atributo están muy agrupados, no hay un "fuera del rango típico" significativo para detectar.

Ejemplos

Ejemplo 1: Validación de Migración de Sistema Heredado

Escenario: Tu organización recientemente migró datos de procesamiento de facturas de un sistema ERP heredado de 20 años a una plataforma moderna. Antes de realizar el análisis de minería de procesos, quieres verificar que todos los campos de fecha luzcan razonables — en particular, deseas detectar cualquier fecha de marcador de posición (como 1900-01-01) que pueda no haberse convertido.

Configuración:

Título: "Validación de Migración de Datos de Facturas"
Descripción: "Verificar problemas de conversión de fechas del sistema heredado"

Qué verías:

El calculador devuelve una lista de filas con valores atípicos. Debido a que el sistema heredado usaba 1900-01-01 como valor predeterminado "vacío", esas filas ahora se destacan por estar muy por debajo del rango típico de fechas de facturas y aparecen en la tabla de Valores Atípicos por Caso. Un pequeño grupo de registros de prueba fechados en 2099-12-31 aparecen como valores muy por encima del rango típico.

Conclusiones:

La salida revela que un número considerable de facturas llevan la fecha de marcador de posición heredada en lugar de una fecha real. También aparece un pequeño grupo de registros con fechas futuras lejanas, lo que sugiere datos de prueba que no se limpiaron antes de la migración. Antes de realizar el análisis de procesos, deberías colaborar con el equipo de datos para:

Corregir o eliminar los registros con fechas de marcador de posición
Filtrar los registros de prueba con fechas futuras lejanas

Esta validación evita que saques conclusiones erróneas sobre los tiempos de procesamiento de facturas basadas en datos de fecha corruptos.

Ejemplo 2: Detección de Problemas con el Reloj del Sistema

Escenario: Usuarios han reportado que algunas marcas de tiempo en tu proceso de cumplimiento de pedidos "no tienen sentido", con actividades que parecen ocurrir en un orden incorrecto. Sospechas que puede haber problemas de sincronización del reloj del servidor o problemas de conversión de zona horaria afectando las marcas de tiempo de eventos.

Configuración:

Título: "Validación de Marcas de Tiempo de Cumplimiento de Pedidos"
Descripción: "Identificar problemas de sincronización de reloj o zona horaria"

Qué verías:

La tabla de Valores Atípicos de Evento lista cada evento cuya marca de tiempo de actividad está muy fuera del resto de los datos — por ejemplo, un grupo de eventos con marcas de tiempo 20 años en el futuro. Cada fila identifica el caso, la actividad y la marca de tiempo sospechosa, para que puedas rastrear los pasos afectados del flujo de trabajo.

Conclusiones:

Cuando docenas o cientos de eventos llevan marcas de tiempo muy futuras con un desplazamiento uniforme, es una señal clásica de error en el reloj del sistema o un bug de conversión de zona horaria en el sistema fuente. La investigación típicamente rastrea a un único servidor cuyo reloj se desvió durante una ventana de mantenimiento. Profundizar en las filas atípicas te permite identificar exactamente qué pasos del flujo de trabajo necesitan corrección de sus marcas de tiempo antes de hacer minería de procesos en ese período.

Ejemplo 3: Comprobación de Calidad de Datos Pre-Análisis

Escenario: Estás a punto de realizar un análisis completo de minería de procesos de tu proceso de compra a pago que abarca tres años de datos. Como buena práctica, usas primero el calculador Encontrar Valores Atípicos de Fecha.

Configuración:

Título: "Escaneo de Calidad de Datos de Compra a Pago"
Descripción: "Verificación previa al análisis"

Qué verías:

El calculador examina cada atributo de fecha en el registro y no devuelve filas con valores atípicos — tanto la tabla de Valores Atípicos por Caso como la de Valores Atípicos de Evento están vacías.

Conclusiones:

Este es el mejor resultado posible — una señal clara de que tus datos de fecha están en buen estado. Cada atributo de fecha en el conjunto de datos está estrechamente agrupado y no tiene valores atípicos significativos. Puedes proceder con tu análisis de minería de procesos sabiendo que las marcas de tiempo no distorsionarán tus métricas basadas en tiempo ni el ordenamiento del mapa de proceso.

Salida

El calculador produce dos tablas de datos. Cada fila representa un valor atípico individual (un caso específico o un evento específico), no un resumen por atributo.

Valores Atípicos por Caso — una fila por valor atípico de atributo a nivel de caso:

Case Id (Texto): El caso que contiene el valor atípico
Attribute Name (Texto): El atributo del caso cuyo valor es atípico
Date Value (FechaHora): El valor atípico encontrado en ese atributo de caso

Valores Atípicos de Evento — una fila por valor atípico de atributo a nivel de evento:

Case Id (Texto): El caso al que pertenece el evento
Activity Name (Texto): La actividad del evento
Activity Time (FechaHora): Cuándo ocurrió el evento
Attribute Name (Texto): El atributo del evento cuyo valor está marcado
Date Value (FechaHora): El valor atípico real

Si quieres contar valores atípicos por atributo (por ejemplo, "¿cuántas facturas tienen una fecha de marcador de posición?"), pivotea la tabla relevante por Attribute Name en tu tablero.

Mejores Prácticas:

Ejecuta este calculador como el primer paso en cualquier nuevo proyecto de minería de procesos
Vuélvelo a ejecutar después de cualquier importación de datos o migración de sistemas
Atiende los valores atípicos antes de crear mapas de proceso o calcular métricas de desempeño
Usa el calculador regularmente en flujos de datos continuos para detectar degradación de calidad temprano

Nota: El calculador solo examina atributos cuyo tipo de dato ya es fecha o marca de tiempo. Los campos de texto que parecen fechas no se analizan ni procesan — si deseas que se verifiquen, conviértelos primero a un atributo de fecha.

Esta documentación es parte de la plataforma de minería de procesos mindzie Studio.