Valeurs d'Attribut de Groupe
Vue d'ensemble
L'enrichissement Valeurs d'Attribut de Groupe vous permet de regrouper plusieurs valeurs d'un attribut existant en catégories, créant ainsi un nouvel attribut avec des valeurs simplifiées. Cet outil puissant de transformation des données vous aide à consolider des valeurs d'attribut liées en catégories commerciales pertinentes, réduisant la complexité et améliorant la clarté de l'analyse. Au lieu de travailler avec des dizaines ou centaines de valeurs uniques, vous pouvez créer des regroupements logiques qui correspondent à votre perspective métier.
Cet enrichissement est particulièrement utile lorsque vous traitez des attributs comportant de nombreuses valeurs distinctes qui peuvent être combinées logiquement. Par exemple, vous pouvez regrouper des centaines de codes d'erreur détaillés en catégories telles que « Erreurs Système », « Erreurs Utilisateur » et « Erreurs Réseau », ou consolider plusieurs méthodes de paiement en « Paiements Numériques » et « Paiements Traditionnels ». L'enrichissement utilise des critères de filtrage pour identifier les cas ou événements qui doivent appartenir à chaque groupe, offrant un contrôle précis sur la logique de catégorisation.
Utilisations courantes
- Simplifier des catégorisations complexes : Regrouper des centaines de références produits en familles ou catégories pour une analyse plus claire
- Créer des segments pertinents pour l'entreprise : Combiner plusieurs types de clients en segments stratégiques comme « Haute valeur », « Régulier » et « Nouveau »
- Standardiser les variations régionales : Regrouper des activités ou statuts similaires qui varient selon la localisation en catégories homogènes
- Construire des indicateurs de performance : Créer des attributs binaires pour identifier les cas répondant à des critères spécifiques (ex. : « Client Prioritaire » = Vrai/Faux)
- Consolider les types d'erreurs : Regrouper des codes d'erreur techniques détaillés en catégories compréhensibles par l'entreprise
- Soutenir la prise de décision : Créer des attributs simplifiés à utiliser dans les tableaux de bord et rapports destinés aux dirigeants
- Permettre l’analyse comparative : Regrouper les cas en cohortes pour des comparaisons avant/après ou des scénarios de tests A/B
Paramètres
Filtre : Définissez les critères qui déterminent quels cas ou événements appartiennent à ce groupe. Vous pouvez utiliser toute combinaison de filtres disponibles dans mindzieStudio, incluant les valeurs d'attribut, la présence d’une activité, les plages de dates et des conditions logiques complexes. Le filtre agit comme mécanisme de sélection – tous les cas ou événements correspondant au filtre recevront la valeur de groupe.
Nom du Nouvel Attribut : Spécifiez le nom du nouvel attribut qui sera créé. Cet attribut contiendra soit les noms de groupe (pour un regroupement textuel) soit des valeurs True/False (pour un regroupement booléen). Choisissez un nom descriptif indiquant clairement l’objectif du regroupement, comme « Segment Client », « Catégorie d'Erreur » ou « Cas Prioritaire ».
Groupe Booléen : Lorsqu’il est coché, crée un attribut True/False où les cas correspondant au filtre reçoivent « True » et les autres « False ». Idéal pour des classifications binaires comme « Haute Priorité » (True/False) ou « Nécessite Révision » (True/False). Lorsqu’il est décoché, vous pouvez spécifier un nom de groupe personnalisé, permettant de créer plusieurs groupes avec différentes instances d’enrichissement.
Nom du Groupe : (Disponible uniquement lorsque Groupe Booléen est décoché) La valeur textuelle à attribuer aux cas ou événements qui correspondent aux critères du filtre. Cela vous permet de créer des catégories nommées comme « Premium », « Standard » ou « Basique ». Plusieurs enrichissements peuvent cibler le même nom d'attribut avec différents noms de groupe pour bâtir des classifications multicatégories.
Créer un Attribut d'Événement : Lorsqu’il est coché, l’enrichissement crée un attribut au niveau de l’événement, évaluant le filtre pour chaque événement individuellement. Lorsqu’il est décoché (par défaut), il crée un attribut au niveau du cas, évaluant le filtre une seule fois par cas. Utilisez les attributs d’événement lorsque la logique de regroupement dépend des caractéristiques propres à chaque événement, plutôt que des propriétés globales du cas.
Exemples
Exemple 1 : Segmentation Client dans le Traitement des Commandes
Scénario : Une entreprise e-commerce souhaite segmenter ses clients en catégories « VIP », « Régulier » et « Nouveau » en fonction de l’historique et de la valeur des commandes pour offrir des niveaux de service différenciés.
Paramètres :
- Filtre : Cas avec Attribut « Valeur Totale Commande » > 10 000 $ ET « Nombre de Commandes » > 20
- Nom du Nouvel Attribut : Segment Client
- Groupe Booléen : Décoché
- Nom du Groupe : VIP
- Créer un Attribut d'Événement : Décoché
Résultat : L’enrichissement crée un attribut de cas « Segment Client ». Les cas répondant aux critères VIP reçoivent la valeur « VIP ». Exécutez d’autres enrichissements avec des filtres et noms de groupe différents (« Régulier » pour valeurs moyennes, « Nouveau » pour les clients débutants) ciblant le même nom d’attribut pour compléter la segmentation.
| ID Cas | Valeur Totale Commande | Nombre de Commandes | Segment Client |
|---|---|---|---|
| C-001 | 15 000 $ | 25 | VIP |
| C-002 | 2 000 $ | 5 | Régulier |
| C-003 | 500 $ | 1 | Nouveau |
Insights : La segmentation permet une analyse ciblée des performances par segment client, révélant que les clients VIP bénéficient d’un traitement des commandes 50 % plus rapide mais présentent des processus de retour plus complexes nécessitant une gestion spécifique.
Exemple 2 : Classification du Contrôle Qualité en Production
Scénario : Une usine doit identifier les lots de production nécessitant une revue qualité sur la base de multiples mesures de capteurs et de résultats d’inspection dépassant certains seuils.
Paramètres :
- Filtre : Cas avec Attribut « Variance de Température » > 5 OU « Mesure de Pression » > 100 OU « Inspection Visuelle » = « Échec »
- Nom du Nouvel Attribut : Nécessite Revue Qualité
- Groupe Booléen : Coché
- Créer un Attribut d'Événement : Décoché
Résultat : Crée un attribut booléen « Nécessite Revue Qualité » au niveau du cas :
| ID Lot | Variance de Température | Mesure de Pression | Inspection Visuelle | Nécessite Revue Qualité |
|---|---|---|---|---|
| B-1001 | 3 | 95 | Réussie | False |
| B-1002 | 7 | 98 | Réussie | True |
| B-1003 | 2 | 105 | Réussie | True |
| B-1004 | 4 | 90 | Échec | True |
Insights : L’analyse montre que 23 % des lots nécessitent une revue qualité, la variance de température étant le déclencheur le plus fréquent. Ces lots ont des temps de cycle 3 fois plus longs en raison des étapes d’inspection supplémentaires.
Exemple 3 : Catégorisation du Risque Patient en Soins d'Urgence
Scénario : Un hôpital souhaite catégoriser les patients des urgences en niveaux de risque fondés sur les symptômes et les signes vitaux pour optimiser le triage et l’allocation des ressources.
Paramètres :
- Filtre : Cas avec Attribut « Fréquence Cardiaque » > 120 OU « TA Systolique » < 90 OU « Saturation Oxygène » < 92
- Nom du Nouvel Attribut : Niveau de Risque Patient
- Groupe Booléen : Décoché
- Nom du Groupe : Haut Risque
- Créer un Attribut d'Événement : Décoché
Résultat : Crée un attribut « Niveau de Risque Patient » avec la valeur « Haut Risque » pour les cas correspondants. D’autres enrichissements définissent les catégories « Risque Moyen » et « Risque Faible » :
| ID Patient | Fréquence Cardiaque | TA Systolique | Saturation O2 | Niveau de Risque Patient |
|---|---|---|---|---|
| P-501 | 125 | 110 | 95 | Haut Risque |
| P-502 | 75 | 120 | 98 | Risque Faible |
| P-503 | 90 | 85 | 94 | Haut Risque |
Insights : Les patients à haut risque sont immédiatement orientés vers les soins critiques, réduisant les événements indésirables de 40 %. Le process mining révèle que ces patients bénéficient de parcours accélérés avec un temps moyen porte-traitement inférieur à 10 minutes.
Exemple 4 : Indicateurs de Fraude dans les Transactions Financières
Scénario : Une banque souhaite signaler les transactions potentiellement frauduleuses sur la base de comportements inhabituels dans les attributs des transactions et le comportement des clients au niveau des événements.
Paramètres :
- Filtre : Événements avec Attribut « Montant Transaction » > 5 000 $ ET « Pays de Localisation » != « Pays d’origine » ET « Temps depuis Dernière Transaction » < 60 secondes
- Nom du Nouvel Attribut : Indicateur de Fraude Potentielle
- Groupe Booléen : Coché
- Créer un Attribut d'Événement : Coché
Résultat : Crée un attribut booléen au niveau de l’événement, marquant les transactions individuelles :
| ID Transaction | Montant | Localisation | Écart Temps | Indicateur de Fraude Potentielle |
|---|---|---|---|---|
| T-8001 | 7 500 $ | Étranger | 45 sec | True |
| T-8002 | 200 $ | National | 2 heures | False |
| T-8003 | 5 100 $ | Étranger | 30 sec | True |
Insights : Les transactions signalées comme fraude potentielle déclenchent des workflows de révision immédiate. L’analyse montre une précision de 85 % dans l’identification des fraudes réelles, avec des transactions suspectes soumises à des étapes d’authentification supplémentaires en moins de 2 minutes.
Exemple 5 : Regroupement de Priorité d’Incident IT
Scénario : Un service informatique souhaite consolider des dizaines de sous-catégories d’incidents en groupes de priorité gérables pour l’allocation des ressources et la gestion des SLA.
Paramètres :
- Filtre : Cas avec Attribut « Type d’Incident » DANS ["Serveur Indisponible", "Base de Données Corrompue", "Panne Réseau", "Faille de Sécurité"]
- Nom du Nouvel Attribut : Groupe de Priorité Incident
- Groupe Booléen : Décoché
- Nom du Groupe : Infrastructure Critique
- Créer un Attribut d'Événement : Décoché
Résultat : Consolide plusieurs types d’incidents techniques en groupes pertinents pour l’entreprise :
| ID Incident | Type d’Incident | Priorité Initiale | Groupe de Priorité Incident |
|---|---|---|---|
| I-901 | Serveur Indisponible | P1 | Infrastructure Critique |
| I-902 | Réinitialisation Mot de Passe | P3 | Support Utilisateur |
| I-903 | Base de Données Corrompue | P1 | Infrastructure Critique |
| I-904 | Installation Logiciel | P4 | Support Utilisateur |
Insights : Les incidents Infrastructure Critique représentent 15 % du volume mais consomment 60 % du temps des techniciens seniors. Ces incidents suivent des workflows accélérés avec des temps de résolution moyens de 2 heures contre 8 heures pour les problèmes standards.
Résultat
L’enrichissement Valeurs d'Attribut de Groupe crée un nouvel attribut dans votre jeu de données avec les caractéristiques suivantes :
Type d’Attribut : L'enrichissement crée soit un attribut de cas (par défaut), soit un attribut d’événement en fonction du paramètre « Créer un Attribut d'Événement ». Les attributs de cas apparaissent une fois par cas et sont visibles dans les analyses au niveau du cas, tandis que les attributs d’événement peuvent varier d’un événement à l’autre dans un même cas.
Type de Données : Booléen (lorsque « Groupe Booléen » est coché) affichant True/False, ou Texte (lorsque vous utilisez des noms de groupe personnalisés) contenant les valeurs textuelles spécifiées.
Attribution des Valeurs : Les cas ou événements correspondant aux critères du filtre reçoivent soit « True » (pour groupes booléens) soit le nom de groupe spécifié (pour groupes textuels). Les éléments non correspondants reçoivent « False » pour les groupes booléens ou conservent leur valeur existante/nulle pour les groupes textuels.
Groupes Multiples : Vous pouvez créer plusieurs enrichissements ciblant le même nom d’attribut avec différents filtres et noms de groupe. Cela construit des classifications multi-catégories où chaque cas reçoit la catégorie appropriée selon le filtre qu’il correspond. Si un cas correspond à plusieurs filtres, le dernier enrichissement appliqué prévaut.
Intégration : Le nouvel attribut groupé s’intègre parfaitement avec toutes les fonctionnalités de mindzieStudio, y compris les filtres, calculettes et visualisations. Utilisez ces attributs simplifiés dans les cartes de processus pour montrer les variations de flux par groupe, dans les tableaux de bord pour des métriques comparatives, ou comme critères de filtre dans d’autres enrichissements.
Cette documentation fait partie de la plateforme de process mining mindzie Studio.