適合カウント

概要

適合カウント計算機は、プロセスデータ内のすべての適合問題を分析し、各種適合違反によって影響を受けるケース数を表示します。この計算機は、適合問題としてマークされたブール属性を自動的に識別し、プロセスのコンプライアンス問題の包括的な概要を提供します。

適合問題とは、承認の欠落、スキップされたステップ、順序違反の活動、またはポリシー違反など、プロセスルールや標準の違反を示します。各種類の問題を抱えるケース数をカウントすることで、どのコンプライアンス問題を優先的に対処すべきかを把握するのに役立ちます。

主な用途

プロセス内で最も頻繁に発生する適合違反を特定する
問題のあるケース数とないケース数をカウントしてプロセス全体のコンプライアンスを測定する
問題の頻度に基づきコンプライアンス改善施策の優先順位をつける
期間ごとにカウントを比較して適合トレンドを追跡する
異なる違反タイプの分布を示す適合ダッシュボードを作成する
特定の適合問題に掘り下げて、影響を受けるケースを分析する

設定

この計算機には設定項目はありません。プロセスデータ内で適合問題としてマークされたすべてのブール属性を自動的に発見して分析します。

標準フィールド：

タイトル： 計算機出力の任意のカスタムタイトル
説明： ドキュメント用の任意の説明文

仕組み：

この計算機は、「ConformanceIssue」タイプとしてフラグ付けされたブール列をケースデータからスキャンします。これらの列は、通常以下によって作成されます：

プロセス違反を検出するエンリッチメント（例：「承認欠如」や「支払遅延」）
非準拠ケースをフラグ付けするフィルター
ソースシステムからコンプライアンスフラグを抽出するデータ抽出ロジック
標準違反を特定するプロセスマイニング分析

各適合問題の列は、該当ケースに違反がある場合に「true」、そうでなければ「false」の値を含みます。

例

例1: 購入注文の適合性分析

シナリオ: 調達から支払いのプロセスには、承認欠落、マーベリック購買、ポリシー違反などをフラグ付けする複数のエンリッチメントがあります。どのコンプライアンス問題が最も多いかを把握したい。

設定：

タイトル：「P2P適合問題の概要」
説明：「すべてのコンプライアンス違反の概要」

出力：

計算機は以下のように各適合問題ごとに1行のテーブルを表示します：

適合問題	ケース数	ケース割合
三者照合欠落	847	18.4%
承認閾値超過の購入注文	623	13.5%
マーベリック購買（非カタログサプライヤー）	412	8.9%
予算承認欠落	267	5.8%
サプライヤーへの支払遅延	189	4.1%
請求書価格不一致	143	3.1%
重複請求書	87	1.9%

インサイト：

最も重大なコンプライアンス問題は三者照合の欠落で、847ケース（全購入注文の18.4%）に影響し、監査リスクや支払い誤りの可能性を引き起こします。次に多いのは承認閾値を超えた購入注文で、623ケースに影響しています。

この2つの問題だけで全購入注文の約3分の1を占めており、プロセス改善施策の最優先課題です。各行をクリックすると、その特定の適合問題を持つケースだけにフィルターされ、プロセスマップやケースデータを表示できます。

例2: 全体的なコンプライアンス率の測定

シナリオ: 完全に適合しているケースの割合と、少なくとも1つの問題を持つケースの割合を示すハイレベルなコンプライアンス指標を作成したい。

設定：

タイトル：「請求処理のコンプライアンス率」
説明：「少なくとも1つの適合問題があるケース」

出力：

検出されたすべての適合問題を示します：

適合問題	ケース数	ケース割合
承認欠落	423	12.3%
処理遅延	387	11.2%
誤った経路設定	234	6.8%
記録欠落	156	4.5%

インサイト：

すべての問題を合わせると、3,450件の請求書のうち約1,200件（約35%）に少なくとも1つの適合問題があり、全体のコンプライアンス率は約65%です。この数値は、プロセス改善の効果を月次で追跡するベースライン指標となります。

正確なコンプライアンス率を計算するには、このデータをCase Count計算機の結果と組み合わせます。パーセンテージが合計で35%にならないのは、複数の適合問題を持つケースがあるためで、対策計画を立てる上で重要な情報です。

例3: 期間ごとの適合比較

シナリオ: 前四半期にプロセス改善を実施した後、その影響を適合率で測定したい。

設定：

計算機を2回実行：1回はQ3データでフィルタリング、もう1回はQ4データでフィルタリング
タイトル（1回目）：「2024年第3四半期適合問題」
タイトル（2回目）：「2024年第4四半期適合問題」

出力：

2024年第3四半期の結果： | 適合問題 | ケース数 | ケース割合 | |-------------------|------------|--------------| | 承認欠落 | 423 | 12.3% | | 処理遅延 | 387 | 11.2% |

2024年第4四半期の結果： | 適合問題 | ケース数 | ケース割合 | |-------------------|------------|--------------| | 承認欠落 | 267 | 8.1% | | 処理遅延 | 298 | 9.0% |

インサイト：

第4四半期の承認プロセス改善により、承認欠落は12.3%から8.1%に減少し、この適合問題が約34%改善しました。処理遅延も11.2%から9.0%に改善しました。これらの結果は介入後のプロセス遵守の明確な改善を示しています。

両方の計算機出力をダッシュボードに追加して並べて比較したり、「選択ケースカテゴリ別推移」計算機を使って月ごとの適合率トレンドを表示したりできます。

例4: ビジネスインパクトによる適合優先順位付け

シナリオ: 複数の適合問題があるが対応リソースは限られているため、頻度とビジネスインパクトに基づいて優先順位をつけたい。

設定：

タイトル：「未払金適合問題 - インパクト分析」
説明：「コンプライアンス違反の頻度と深刻度」

出力：

適合問題	ケース数	ケース割合	ビジネスインパクト
支払遅延（期限超過）	1,234	24.5%	早期支払割引の喪失、サプライヤー関係の悪化
三者照合欠落	847	16.8%	監査リスク、支払ミスの可能性
重複支払リスク	156	3.1%	直接的な金銭損失
購入注文欠落	423	8.4%	コンプライアンスリスク、予算管理不足

インサイト：

重複支払リスクはケース数は少ないものの（3.1%）、直接的な金銭的損失が大きいため即時対応が必要かもしれません。一方、支払遅延は全請求書の約4分の1に影響し、損失（割引喪失）やサプライヤー関係悪化を招いています。

この分析は、重大な損失を防ぐために自動重複検出を実装しつつ、頻度の高い遅延支払問題に対してプロセス最適化とリソース配分を進める二重のアプローチを示しています。

適合カウントデータは、各違反タイプのビジネスコンテキストと組み合わせて、改善ロードマップのデータ駆動型優先順位付けを可能にします。

例5: 具体的な適合問題の詳細分析

シナリオ: 適合カウント計算機の結果で「三者照合欠落」が847ケースあることがわかりました。これらのケースを詳細に分析したい。

設定：

タイトル：「すべての適合問題」
説明：「プロセスコンプライアンスの概要」

出力：

計算機は「三者照合欠落」を含むすべての適合問題を表示し、847ケース（18.4%）であることを示します。

次のステップ：

出力テーブルの「三者照合欠落」行をクリックする
これにより分析全体が847ケースのみにフィルタリングされる
フィルタリングされたケースをさらに以下の計算機で分析：
- Case Explorer：三者照合が欠落している具体的な購入注文を確認
- Breakdown by Categories：サプライヤー、部門、金額範囲ごとに分析
- Root Cause Analysis：AIを利用して共通特性を特定
- Process Map：非準拠ケースの実際のプロセスフローを可視化

インサイト：

適合カウント計算機は詳細分析の出発点です。特定の適合問題をクリックすると、「すべての問題は何か」から「特定の問題を持つケースはどれか」、「なぜこの問題が発生しているのか」、「どう解決するか」へと段階的に焦点を絞れます。

このドリルダウンワークフローは、コンプライアンス測定から改善への移行に不可欠です。

出力

計算機は以下の構造のテーブルを生成します：

列名（テキスト）： 各適合問題属性の表示名。具体的なプロセス違反やコンプライアンス問題のタイプを表します。

ケース数（数値）： この適合問題の影響を受けているケースの数。データ内で該当違反が「true」とフラグ付けされているプロセスインスタンスの数です。

ケース割合（パーセンテージ）： この適合問題が影響するケースの総数に対する割合を小数で表したもの（例：0.184 = 18.4%）。異なる適合問題の相対的な発生頻度を理解するのに役立ちます。

インタラクティブ機能：

行フィルタリング： 任意の行をクリックすると、その適合問題を持つケースのみを表示するよう分析全体をフィルター可能
ソート： 列ヘッダーをクリックして問題名、頻度、割合でソート
ダッシュボードエクスポート： 計算機をダッシュボードに追加し継続的に適合状況をモニター可能
ケースビューアクセス： 各行にフィルタ機能を提供する非表示のCaseViewオブジェクトが含まれています

解釈ノート：

高い割合（20%以上）： 多数のケースに影響する体系的なプロセス問題。プロセス再設計やポリシー変更が必要。
中程度の割合（5〜20%）： ターゲットを絞った改善やトレーニング、自動制御による対応が望ましい一般的な問題。
低い割合（5%未満）： エッジケースや特定シナリオの失敗を表すことが多い。予防がコスト効果的か検討。
ゼロ件： データモデルには存在するが現在発生していない適合問題。遵守が守られている良い兆候。

結果が空の場合：

計算機が空のテーブルを返す場合は以下のいずれかです：

データ内に適合問題としてマークされたブール列が存在しない
すべての適合問題列に「false」値のみが含まれている（違反は検出されていない）

この計算機を効果的に利用するには、最初にエンリッチメントやデータ抽出で特定のプロセス違反をブールのtrue/false値でフラグ付けする適合問題属性を作成する必要があります。

このドキュメントはmindzie Studioプロセスマイニングプラットフォームの一部です。