Comptage des valeurs

Vue d'ensemble

L'enrichissement Count Values est un outil puissant d'analyse statistique qui compte le nombre de valeurs distinctes (uniques) pour un attribut d'événement sélectionné au sein de chaque cas de votre jeu de données de processus. Cet enrichissement est essentiel pour comprendre la variété et la diversité des valeurs de données à travers vos instances de processus. Il crée un nouvel attribut au niveau du cas contenant le nombre de valeurs uniques trouvées, fournissant des informations sur la complexité des données, les schémas de variation et les problèmes potentiels de qualité des données.

Cet enrichissement est particulièrement précieux pour analyser la variation des données catégoriques, identifier les cas avec une diversité inhabituelle de valeurs d'attribut, et comprendre les métriques de complexité des processus. En comptant les valeurs distinctes plutôt que le nombre total d'occurrences, il aide à identifier les cas où plusieurs valeurs différentes apparaissent pour un même attribut, comme différents types de produits commandés, divers départements impliqués, ou plusieurs statuts rencontrés pendant l'exécution d'un cas.

L'enrichissement fonctionne au niveau du cas, en examinant tous les événements de chaque cas pour déterminer combien de valeurs uniques existent pour l'attribut spécifié. Ceci le rend idéal pour les scénarios où il est nécessaire de mesurer la variété, la complexité ou la richesse des données au sein des instances processuelles individuelles.

Utilisations courantes

Compter le nombre de produits ou références différents (SKUs) commandés dans un seul bon de commande
Identifier combien de départements ou équipes différentes ont été impliqués dans le traitement d'un cas
Mesurer la variété des codes d'erreur ou types d'exception rencontrés pendant l'exécution du cas
Déterminer le nombre de fournisseurs ou vendeurs uniques impliqués dans des cas d'approvisionnement
Compter les segments ou catégories clients distincts servis lors d'une seule transaction
Analyser la diversité des niveaux d'approbation ou statuts d'autorisation dans les workflows d'approbation
Suivre le nombre de systèmes ou applications différents accédés lors du traitement d'un cas

Paramètres

Nom du nouvel attribut : Le nom du nouvel attribut de cas qui stockera le comptage des valeurs uniques. Il doit être un nom descriptif indiquant clairement ce qui est compté. Par exemple, si vous comptez des types de produits uniques, vous pourriez l'appeler "Unique_Product_Count" ou "Product_Variety_Count". L'attribut sera créé en type entier et affiché avec un format numérique.

Nom de l'attribut : L'attribut d'événement dont les valeurs uniques seront comptées. Ce menu déroulant liste tous les attributs d'événements disponibles dans votre jeu de données. Sélectionnez l'attribut contenant les valeurs que vous souhaitez analyser pour leur unicité. L'enrichissement examinera cet attribut à travers tous les événements de chaque cas pour compter les valeurs distinctes.

Autoriser Null : Une case à cocher déterminant si les valeurs nulles (vides) doivent être incluses dans le comptage des valeurs uniques. Lorsqu'elle est cochée (true), les valeurs nulles sont comptées comme une valeur distincte si elles apparaissent dans le cas. Lorsqu'elle n'est pas cochée (false), ces valeurs nulles sont ignorées et non comptées. Ce paramètre est important pour un comptage précis lorsque vos données peuvent contenir des valeurs manquantes.

Filtre : Un filtre optionnel pouvant être appliqué pour limiter les événements considérés lors du comptage des valeurs uniques. Cela vous permet de compter uniquement les valeurs distinctes provenant d'activités spécifiques, de périodes temporelles, ou d'autres sous-ensembles filtrés d'événements au sein de chaque cas. Sans filtre spécifié, tous les événements du cas sont examinés.

Exemples

Exemple 1 : Comptage de la variété des produits dans les bons de commande

Scénario : Une entreprise de vente au détail souhaite analyser la complexité de ses bons de commande en comprenant combien de références produits (SKU) différentes sont généralement commandées ensemble. Cela aide à optimiser les processus de préparation en entrepôt et à identifier des opportunités de regroupement.

Paramètres :

Nom du nouvel attribut : Unique_SKU_Count
Nom de l'attribut : Product_SKU
Autoriser Null : Faux (non coché)
Filtre : Activité égale à "Add Item to Order"

Résultat : L'enrichissement crée un nouvel attribut de cas "Unique_SKU_Count" contenant le nombre de références SKU distinctes dans chaque commande :

Cas PO-2024-001 : Unique_SKU_Count = 5 (le client a commandé 5 produits différents)
Cas PO-2024-002 : Unique_SKU_Count = 1 (commande d'un seul produit)
Cas PO-2024-003 : Unique_SKU_Count = 12 (commande complexe avec de nombreux produits)

Informations : Les commandes avec un nombre élevé de SKU uniques nécessitent des opérations de préparation en entrepôt plus complexes. L'entreprise peut utiliser cette métrique pour optimiser le routage des commandes et identifier des opportunités de regroupement basées sur des articles souvent commandés ensemble.

Exemple 2 : Analyse de l'implication des départements dans les tickets IT

Scénario : Un service d'assistance IT souhaite comprendre la complexité des tickets de support en comptant combien de départements différents interviennent pour résoudre chaque ticket. Cela permet d'identifier les tickets nécessitant une collaboration interfonctionnelle.

Paramètres :

Nom du nouvel attribut : Departments_Involved_Count
Nom de l'attribut : Assigned_Department
Autoriser Null : Faux (non coché)
Filtre : Aucun (analyse de tous les événements)

Résultat : Chaque ticket IT reçoit un attribut "Departments_Involved_Count" :

Cas TICKET-5001 : Departments_Involved_Count = 1 (géré entièrement par le Help Desk)
Cas TICKET-5002 : Departments_Involved_Count = 3 (escaladé via Help Desk, équipe réseau, sécurité)
Cas TICKET-5003 : Departments_Involved_Count = 5 (problème complexe impliquant plusieurs équipes)

Informations : Les tickets impliquant plusieurs départements ont des temps de résolution plus longs et des coûts plus élevés. L'organisation peut utiliser cette métrique pour améliorer le routage, établir de meilleurs protocoles de collaboration, et identifier les besoins en formation.

Exemple 3 : Diversité des fournisseurs dans le processus d'approvisionnement

Scénario : Une entreprise manufacturière doit suivre la diversité des fournisseurs dans ses processus d'approvisionnement pour assurer le respect des politiques de diversification des fournisseurs et identifier les dépendances à source unique.

Paramètres :

Nom du nouvel attribut : Unique_Supplier_Count
Nom de l'attribut : Supplier_ID
Autoriser Null : Vrai (coché)
Filtre : Activité contenant "Quote" ou Activité contenant "Purchase"

Résultat : L'enrichissement ajoute "Unique_Supplier_Count" à chaque cas d'approvisionnement :

Cas PROC-2024-101 : Unique_Supplier_Count = 4 (devis reçus de 4 fournisseurs différents)
Cas PROC-2024-102 : Unique_Supplier_Count = 1 (approvisionnement à source unique)
Cas PROC-2024-103 : Unique_Supplier_Count = 7 (appel d'offres compétitif avec de nombreux fournisseurs)

Informations : Les cas avec un seul fournisseur représentent des risques potentiels pour la chaîne d'approvisionnement. L'entreprise met en place des politiques exigeant un nombre minimum de fournisseurs pour les achats dépassant certains seuils, et contrôle la conformité grâce à cette métrique.

Exemple 4 : Analyse des types d'erreurs en fabrication

Scénario : Une usine de fabrication souhaite comprendre la variété des problèmes qualité rencontrés lors des séries de production pour prioriser les initiatives d'amélioration qualité et identifier les lignes de production problématiques.

Paramètres :

Nom du nouvel attribut : Distinct_Error_Types
Nom de l'attribut : Quality_Error_Code
Autoriser Null : Faux (non coché)
Filtre : Activité égale à "Quality Check Failed"

Résultat : Chaque cas de lot de production obtient un nombre "Distinct_Error_Types" :

Cas BATCH-2024-A001 : Distinct_Error_Types = 0 (aucun problème qualité)
Cas BATCH-2024-A002 : Distinct_Error_Types = 2 (deux types de défauts différents détectés)
Cas BATCH-2024-A003 : Distinct_Error_Types = 5 (multiples problèmes qualité indiquant des problèmes systémiques)

Informations : Les lots avec un nombre élevé de types d'erreurs distincts indiquent des problèmes qualité systémiques nécessitant une attention immédiate. L'usine utilise cette métrique pour déclencher des revues qualité complètes et des maintenances préventives lorsqu'un seuil est dépassé.

Exemple 5 : Analyse des canaux d'interaction client

Scénario : Un centre de service client souhaite comprendre combien de canaux de communication différents les clients utilisent durant leur parcours de service pour optimiser les stratégies de support omnicanal.

Paramètres :

Nom du nouvel attribut : Communication_Channels_Used
Nom de l'attribut : Interaction_Channel
Autoriser Null : Faux (non coché)
Filtre : Aucun (compter toutes les interactions clients)

Résultat : L'enrichissement crée une métrique de diversité des canaux pour chaque cas client :

Cas CUST-2024-1001 : Communication_Channels_Used = 1 (téléphone uniquement)
Cas CUST-2024-1002 : Communication_Channels_Used = 3 (téléphone, email, chat)
Cas CUST-2024-1003 : Communication_Channels_Used = 4 (téléphone, email, chat, réseaux sociaux)

Informations : Les clients utilisant plusieurs canaux indiquent souvent des problèmes complexes ou une frustration avec la résolution par un seul canal. L'entreprise améliore l'intégration des canaux et assure une information cohérente sur tous les points de contact pour une meilleure expérience client.

Résultat

L'enrichissement Count Values crée un seul nouvel attribut au niveau du cas avec les caractéristiques suivantes :

Type d'attribut : Entier (Int32) - Le comptage est toujours un nombre entier représentant le nombre de valeurs uniques trouvées.

Nom de l'attribut : Le nouvel attribut utilise le nom spécifié dans le paramètre "Nom du nouvel attribut". Choisissez des noms descriptifs qui indiquent clairement ce qui est compté.

Format d'affichage : L'attribut est automatiquement formaté en nombre dans la vue du jeu de données, facilitant le tri, le filtrage et l'analyse.

Plage de valeurs : Le comptage varie de 0 (lorsqu'aucune valeur correspondante n'est trouvée ou que toutes les valeurs sont nulles avec "Autoriser Null" non coché) au nombre maximal d'événements dans un cas (lorsque chaque événement a une valeur différente).

Intégration : Le nouvel attribut peut être utilisé immédiatement dans :

Les filtres pour identifier les cas avec des comptages spécifiques de valeurs uniques
Les calculateurs pour l'analyse statistique et les agrégations
D'autres enrichissements nécessitant des attributs numériques au niveau du cas
Les visualisations et tableaux de bord en process mining
Les opérations d'export pour analyse externe

Voir aussi

Event Count - Compte le nombre total d'événements dans chaque cas
Summarize Values - Calcule la somme, la moyenne ou d'autres statistiques pour les attributs numériques
Max Value - Trouve la valeur maximale d'un attribut numérique dans chaque cas
Count Boolean Attributes with Value - Compte combien d'attributs booléens ont une valeur spécifique
Compare Activity Counts - Compare les nombres d'exécution entre deux activités

Cette documentation fait partie de la plateforme de process mining mindzie Studio.