日次イベントカウント

概要

日次イベントカウント計算機は、イベントを日付ごとにグループ化してイベントの頻度パターンを解析し、日次イベント数の分布と割合分析を行います。この計算機はイベントログ全体で各カレンダー日に何件のイベントが発生したかをカウントするため、データ品質の問題、業務負荷のパターン、システム活動の傾向を特定するのに役立ちます。

ケースレベルの計算機とは異なり、本計算機はイベントレベルで動作し、完全なプロセスインスタンスではなく、個々の活動や取引をカウントします。

主な用途

イベントログにおけるデータ抽出の抜けや欠損日の特定
データ品質問題を示す可能性のあるシステム活動の異常な急増や急減の検出
カレンダー日ごとの業務負荷分布の分析
週末と平日の活動パターンの理解
プロセス実行における季節的傾向やパターンの特定
時間を通じたデータの完全性と一貫性の検証

設定

この計算機に設定可能なオプションはありません。フィルタリングされたデータセット内のすべてのイベントを自動的に解析し、タイムスタンプの日付部分でグループ化します。

標準フィールド:

Title: 計算結果のカスタムタイトル（任意）
Description: ドキュメント用の説明（任意）

例

例1: データ抽出問題の検出

シナリオ: ERPシステムからの新しいデータ抽出を検証しており、営業日ごとにイベントが欠けずに取得されているか確認したい。

設定:

Title: "Daily Event Distribution"
Description: "Verify completeness of data extraction"

出力:

計算機は以下3列のテーブルを表示します:

Date: イベントログに記録された各カレンダー日
Count: その日に発生したイベント数
Percent: その日に発生したイベントの全体に対する割合（小数で表示）

出力例:

Date         Count    Percent
2024-01-15   1,247    0.0523
2024-01-16   1,189    0.0499
2024-01-17      42    0.0018
2024-01-18   1,312    0.0551

洞察: この例では、1月17日は前後の日における通常1,200件以上のイベントに対してわずか42件と極端に少なく、全体の2%未満となっています。これはデータ抽出の問題やシステム停止の可能性を示唆しており、調査が必要です。欠損日（連続する日付の抜け）や異常に少ない日が完全なデータではないことを示します。

例2: 週末と平日の分析

シナリオ: 請求処理の活動が週7日間発生しているのか、営業日だけに限定されているのかを把握したい。

設定:

Title: "Invoice Processing Activity Calendar"
Description: "Identify processing patterns across the week"

出力:

日ごとのイベント数の分布が表示されます。グラフ化すると以下がわかります:

イベント数が0の日（主に週末や祝日）
一貫した平日のパターン
月曜の急増（多くの業務でよく見られる）
月末のピーク

洞察: 土日がほぼゼロの場合、請求処理は主に平日のみの活動です。一方で7日間稼働している場合は自動化されているか国際的な運用が考えられます。月曜の急増は週末の滞留処理を示すことが多いです。

例3: システムアップグレードの影響特定

シナリオ: IT部門が3月15日にシステムアップグレードを行い、その影響をトランザクション処理量で確認したい。

設定:

Title: "March System Activity Analysis"
Description: "Before and after upgrade comparison"

出力:

3月の日次イベント数が表示され、3月15日以前と以降の平均を比較できます。

パターン例:

Date         Count    Percent
2024-03-12   2,450    0.0334
2024-03-13   2,387    0.0325
2024-03-14   2,512    0.0342
2024-03-15     876    0.0119  <- Upgrade day
2024-03-16   2,398    0.0327
2024-03-17   2,441    0.0332

洞察: 3月15日は通常2,400件以上のところ876件と大幅に減り、アップグレードの影響でシステム活動が低下したことがわかります。16日以降は通常レベルに戻っているため、システムは正常に回復したと判断できます。もし数日間低調が続いていれば、アップグレード後の問題として調査が必要です。

出力

計算機は以下の列を含むデータテーブルを生成します:

Date (DateTime): 各グループの日付（時刻なし）。結果は古い日付から新しい日付へ時系列順に並びます。

Count (Number): その特定の日に発生したイベントの合計数。イベントログ内の全活動/イベントがカウントされます。

Percent (Decimal): 総イベント数に占めるその日の割合を小数で表現（例：0.15は全体の15%）。

出力は以下の形式で可視化可能です:

折れ線グラフ: 日次の傾向を時系列で示すのに最適
棒グラフ: 特定の日付範囲内の活動レベルの比較に効果的
カレンダーヒートマップ: 日付ごとの活動強度を視覚的に表示
時系列分析: 長期間の傾向やパターンの特定に利用

注意: タイムスタンプが欠損または無効なイベントは解析から除外されます。有効な日時情報を持つイベントのみがカウントされます。

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。