Catégoriser les valeurs d'attributs

Aperçu

L'enrichissement Catégoriser les valeurs d'attributs transforme les attributs numériques en catégories métier significatives en appliquant des règles personnalisables basées sur des plages. Ce puissant enrichissement vous permet de convertir des données numériques continues en catégories discrètes plus faciles à analyser, filtrer et comprendre dans vos tableaux de bord d'analyse des processus. Plutôt que de gérer des chiffres bruts comme des montants de factures allant de 1 \(à 1 000 000\), vous pouvez créer des catégories intuitives telles que « Petit », « Moyen », « Grand » et « Entreprise » qui transmettent immédiatement la signification métier.

Cet enrichissement est particulièrement précieux pour créer des indicateurs de performance, des catégories de risque et des classifications métier conformes à vos standards organisationnels. Il supporte à la fois des définitions de plages simples (supérieur à X) et des combinaisons de plages complexes (entre X et Y), vous permettant de définir des catégories correspondant précisément à vos règles métier. Les attributs catégoriels résultants peuvent être utilisés dans les filtres, les graphiques et les contrôles de conformité, ce qui les rend essentiels pour créer des insights exploitables sur les processus et favoriser la prise de décision basée sur les données dans toute votre organisation.

Usages courants

  • Catégoriser les montants des factures en paliers d'approbation (Moins de 1000 $, 1000 $–5000 $, 5000 $–25000 $, Plus de 25000 $)
  • Classifier les temps de traitement en catégories SLA (À l'heure, À risque, En retard, Critique)
  • Segmenter les valeurs des commandes clients (Valeur faible, Standard, Premium, VIP)
  • Définir les niveaux de risque selon les montants des transactions (Risque faible, Risque moyen, Risque élevé, Critique)
  • Créer des tranches d’âge pour les paiements en souffrance (À jour, 30 jours, 60 jours, 90+ jours)
  • Segmenter les niveaux de stock en catégories d’inventaire (Rupture de stock, Stock faible, Normal, Surstocké)
  • Classer l’ancienneté des employés en niveaux d’expérience (Nouveau, Junior, Senior, Expert)

Paramètres

Nom du nouvel attribut : Le nom du nouvel attribut catégoriel qui sera créé dans votre jeu de données. Choisissez un nom descriptif indiquant clairement l’objectif de catégorisation, comme « Invoice_Category », « SLA_Status » ou « Risk_Level ». Cet attribut contiendra les noms de catégories que vous définissez en fonction des plages de valeurs.

Nom de l’attribut : Sélectionnez l’attribut numérique que vous souhaitez catégoriser. Il doit s’agir d’un champ numérique (entier ou décimal) issu de vos attributs de cas. Les choix courants incluent montants, durées, comptes, ou toute autre mesure numérique destinée à être catégorisée.

Liste des catégories : Définissez vos catégories en créant des règles qui associent des plages numériques à des noms de catégorie. Chaque catégorie nécessite :

  • Nom de la plage de catégorie : Le libellé affiché lorsque les valeurs se situent dans cette plage (ex. : « Haute Priorité », « Standard », « Risque faible »)
  • Première méthode de comparaison : Choisissez comment comparer la valeur de l’attribut (Égal, Supérieur, Supérieur ou égal, Inférieur, Inférieur ou égal, Différent)
  • Première valeur : Seuil numérique pour la première comparaison
  • Deuxième méthode de comparaison (Optionnelle) : Ajoutez une deuxième condition pour créer des limites de plage (utile pour la logique « entre »)
  • Deuxième valeur (Optionnelle) : Seuil pour la deuxième comparaison (disponible uniquement si la deuxième méthode est sélectionnée)

Les catégories sont évaluées dans l’ordre d’apparition dans la liste. Vous pouvez réordonner les catégories par glisser-déposer. La première catégorie correspondante sera appliquée à chaque cas.

Exemples

Exemple 1 : Paliers d'approbation de montants de factures

Scénario : Un service des achats doit router les factures vers différents circuits d’approbation selon leur montant total. Différents niveaux d’approbation sont requis pour plusieurs plages de valeurs.

Paramètres :

  • Nom du nouvel attribut : Approval_Tier
  • Nom de l’attribut : Total_Invoice_Amount
  • Liste des catégories :
    • Catégorie : « Auto-Approval » | Inférieur ou égal : 500
    • Catégorie : « Manager Approval » | Supérieur : 500 | ET Inférieur ou égal : 5000
    • Catégorie : « Director Approval » | Supérieur : 5000 | ET Inférieur ou égal : 25000
    • Catégorie : « C-Level Approval » | Supérieur : 25000

Résultat : Crée un attribut « Approval_Tier » où :

  • Les factures jusqu’à 500 $ sont marquées « Auto-Approval »
  • Les factures de 501 \(à 5 000\) sont marquées « Manager Approval »
  • Les factures de 5 001 \(à 25 000\) sont marquées « Director Approval »
  • Les factures au-delà de 25 000 $ sont marquées « C-Level Approval »

Insights : Cette catégorisation permet un routage automatique des factures vers les approbateurs appropriés, l’analyse de la répartition de la charge d’approbation et l’identification des points de blocage à certains niveaux.

Exemple 2 : Catégories de performance SLA

Scénario : Une équipe service client doit suivre les temps de résolution des cas par rapport à leur engagement SLA. Les cas sont catégorisés selon leur proximité de dépassement de la cible SLA de 48 heures.

Paramètres :

  • Nom du nouvel attribut : SLA_Status
  • Nom de l’attribut : Hours_Since_Creation
  • Liste des catégories :
    • Catégorie : « On Track » | Inférieur ou égal : 24
    • Catégorie : « Warning » | Supérieur : 24 | ET Inférieur ou égal : 40
    • Catégorie : « At Risk » | Supérieur : 40 | ET Inférieur ou égal : 48
    • Catégorie : « Breached » | Supérieur : 48

Résultat : Crée un attribut « SLA_Status » où :

  • Les cas inférieurs à 24 heures sont « On Track »
  • Les cas entre 24 et 40 heures sont « Warning »
  • Les cas entre 40 et 48 heures sont « At Risk »
  • Les cas au-delà de 48 heures sont « Breached »

Insights : Facilite la gestion proactive des cas proches du dépassement SLA, la priorisation des cas à risque et le reporting des performances SLA.

Exemple 3 : Segmentation de la valeur client

Scénario : Une entreprise e-commerce souhaite segmenter ses clients selon la valeur totale de leurs commandes pour offrir des niveaux de service et campagnes marketing différenciés.

Paramètres :

  • Nom du nouvel attribut : Customer_Segment
  • Nom de l’attribut : Total_Order_Value
  • Liste des catégories :
    • Catégorie : « Bronze » | Inférieur : 100
    • Catégorie : « Silver » | Supérieur ou égal : 100 | ET Inférieur : 500
    • Catégorie : « Gold » | Supérieur ou égal : 500 | ET Inférieur : 2000
    • Catégorie : « Platinum » | Supérieur ou égal : 2000

Résultat : Crée un attribut « Customer_Segment » où les clients sont classés en Bronze, Silver, Gold ou Platinum selon la valeur totale de leur commande.

Insights : Permet des campagnes marketing ciblées, des stratégies service client par niveau et identifie les opportunités d’évolution client.

Exemple 4 : Alertes sur niveau de stock

Scénario : Un système de gestion d’entrepôt doit catégoriser les niveaux de stock pour déclencher les actions de réapprovisionnement appropriées et éviter les ruptures.

Paramètres :

  • Nom du nouvel attribut : Stock_Alert_Level
  • Nom de l’attribut : Current_Stock_Quantity
  • Liste des catégories :
    • Catégorie : « Out of Stock » | Égal : 0
    • Catégorie : « Critical » | Supérieur : 0 | ET Inférieur ou égal : 10
    • Catégorie : « Low Stock » | Supérieur : 10 | ET Inférieur ou égal : 50
    • Catégorie : « Normal » | Supérieur : 50 | ET Inférieur ou égal : 200
    • Catégorie : « Overstocked » | Supérieur : 200

Résultat : Crée un attribut « Stock_Alert_Level » qui classe l’inventaire en cinq catégories actionnables allant de « Out of Stock » à « Overstocked ».

Insights : Permet de déclencher automatiquement les points de commande, optimise les coûts de stockage et offre une visibilité claire sur les situations nécessitant une attention immédiate.

Exemple 5 : Catégories de vieillissement des paiements

Scénario : Un service clients doit catégoriser les factures impayées par ancienneté pour prioriser les efforts de recouvrement et évaluer le risque de crédit.

Paramètres :

  • Nom du nouvel attribut : Payment_Age_Category
  • Nom de l’attribut : Days_Outstanding
  • Liste des catégories :
    • Catégorie : « Current » | Inférieur ou égal : 0
    • Catégorie : « 1-30 Days » | Supérieur : 0 | ET Inférieur ou égal : 30
    • Catégorie : « 31-60 Days » | Supérieur : 30 | ET Inférieur ou égal : 60
    • Catégorie : « 61-90 Days » | Supérieur : 60 | ET Inférieur ou égal : 90
    • Catégorie : « Over 90 Days » | Supérieur : 90

Résultat : Crée un attribut « Payment_Age_Category » qui regroupe les paiements en souffrance selon des tranches standard utilisées pour le reporting des comptes clients.

Insights : Soutient la priorisation des recouvrements, facilite la génération de rapports d’âge des créances, identifie les clients en difficulté de paiement et facilite les calculs de provisions pour créances douteuses.

Résultat

L’enrichissement crée un nouvel attribut au niveau du cas nommé selon « Nom du nouvel attribut ». Cet attribut contient des valeurs chaîne représentant les noms de catégories définis dans votre liste. Pour chaque cas :

  • La valeur numérique de l’attribut source est évaluée selon chaque règle de catégorie dans l’ordre
  • Le premier nom de catégorie correspondant est attribué au nouvel attribut
  • Si aucune catégorie ne correspond, l’attribut reste vide (null) pour ce cas
  • Le nouvel attribut catégoriel peut être utilisé immédiatement dans les filtres, graphiques, contrôles de conformité et autres enrichissements

L’attribut catégoriel s’intègre parfaitement aux fonctionnalités de visualisation et d’analyse de mindzieStudio, vous permettant de créer des cartes de processus basées sur les catégories, filtrer les cas par catégorie, générer des graphiques de distribution et construire des règles de conformité basées sur vos catégories métier.

Voir aussi

Cette documentation fait partie de la plateforme d’analyse des processus mindzie Studio.