Dagen Toevoegen aan een Datum

Overzicht

De verrijking Dagen Toevoegen aan een Datum maakt een nieuw timestamp-attribuut aan door een gespecificeerd aantal dagen toe te voegen aan een bestaand datumattribuut in je dataset. Deze verrijking is essentieel voor het berekenen van toekomstige data, deadlines en verwachte mijlpalen op basis van je procesgegevens. Door een numeriek attribuut te gebruiken om het aantal toe te voegen dagen te specificeren, kun je dynamisch data berekenen die per case verschillen - bijvoorbeeld het toevoegen van verschillende betalingstermijnen aan factuurdata op basis van klantafspraken, of het berekenen van verwachte afleverdata op basis van service level agreements. Deze mogelijkheid is bijzonder waardevol voor het bewaken van deadlines, het volgen van SLA-naleving en voorspellende procesanalyses waarbij je toekomstige data wilt projecteren op basis van de huidige processtatus.

De verrijking ondersteunt flexibele datumcalculaties door het aantal dagen te accepteren vanuit elk numeriek attribuut in je dataset. Dit betekent dat je berekende velden, lookupwaarden of geïmporteerde gegevens kunt gebruiken om te bepalen hoeveel dagen toegevoegd moeten worden, wat het krachtig maakt voor complexe zakelijke scenario's waarbij de tijdsverschuiving per case kan variëren.

Veelvoorkomende Toepassingen

Betalingstermijn Berekening: Voeg betalingstermijnen (30, 60, 90 dagen) toe aan factuurdata om te bepalen wanneer betalingen verschuldigd zijn
SLA Deadline Bewaking: Bereken service level agreement deadlines door contractuele responstijden toe te voegen aan ticketaanmaakdata
Verwachte afleverdata: Voeg standaard verzendtijden toe aan orderdata om te voorspellen wanneer klanten hun producten ontvangen
Contractvernieuwingsdata: Bereken vernieuwingsdata door contractduurperioden toe te voegen aan startdata
Garantievervaldatum: Bepaal garantie-einddata door garantieperioden toe te voegen aan aankoop- of installatiedata
Projectmijlpaalplanning: Bereken verwachte mijlpaaldata door geplande duur toe te voegen aan projectstartdata
Regelgevingsnalevingsdeadlines: Voeg wettelijke reactietermijnen toe aan indieningsdata om nalevingsvensters te volgen

Instellingen

Nieuwe Attribuutnaam: De naam voor het nieuwe datumattribuut dat in je dataset wordt aangemaakt. Dit attribuut bevat de berekende toekomstige datum. Kies een beschrijvende naam die duidelijk aangeeft wat de datum representeert, zoals "Payment_Due_Date", "SLA_Deadline" of "Expected_Delivery_Date". Dit nieuwe attribuut is beschikbaar voor gebruik in filters, dashboards en andere verrijkingen.

Attribuutnaam: Selecteer het bestaande datum-/timestampattribuut dat als uitgangspunt voor de berekening dient. Dit moet een DateTime-type attribuut zijn in je casetabel. Veelvoorkomende voorbeelden zijn "Invoice_Date", "Order_Date", "Ticket_Created" of elk timestampattribuut van je proces. De verrijking gebruikt deze datum als basis en telt het gespecificeerde aantal dagen erbij op.

Attribuut Dagen Toevoegen: Selecteer het numerieke attribuut dat het aantal dagen bevat dat aan de basisdatum moet worden toegevoegd. Dit moet een numeriek attribuut zijn (Integer, Double of Float) uit je casetabel. De waarde kan positief zijn (om toekomstige data te berekenen) of negatief (om data in het verleden te berekenen). Voorbeelden zijn "Payment_Terms_Days", "SLA_Response_Hours" (dat omgezet moet worden naar dagen), "Shipping_Days" of elk berekend numeriek veld. Elke case kan een andere waarde hebben, waardoor case-specifieke datumcalculaties mogelijk zijn.

Voorbeelden

Voorbeeld 1: Betalingstermijnen Facturen

Scenario: Een bedrijf wil betalingstermijnen voor facturen bijhouden. Verschillende klanten hebben verschillende betalingstermijnen - sommigen betalen binnen 30 dagen, anderen binnen 60 of 90 dagen. De betalingstermijnen worden opgeslagen als een numeriek attribuut op basis van klantcontracten.

Instellingen:

Nieuwe Attribuutnaam: Payment_Due_Date
Attribuutnaam: Invoice_Date
Attribuut Dagen Toevoegen: Customer_Payment_Terms

Output: Voor een case waar:

Invoice_Date = 2024-03-01
Customer_Payment_Terms = 30

Maakt de verrijking:

Payment_Due_Date = 2024-03-31

Dit nieuwe attribuut kan worden gebruikt om dashboards te creëren die aankomende betalingstermijnen tonen, achterstallige facturen identificeren en betalingsgedrag analyseren.

Inzichten: Door berekende vervaldatums kan het financiële team proactief betalingen opvolgen, incasso-inspanningen prioriteren en de cashflow nauwkeurig voorspellen op basis van verwachte betaaldatums.

Voorbeeld 2: SLA Deadline Bewaking

Scenario: Een IT-servicedesk wil SLA-deadlines bijhouden voor verschillende ticketprioriteiten. Tickets met hoge prioriteit moeten binnen 1 dag worden opgelost, medium binnen 3 dagen, en laag binnen 7 dagen. De SLA-dagen worden opgeslagen als een attribuut op basis van ticketprioriteit.

Instellingen:

Nieuwe Attribuutnaam: SLA_Resolution_Deadline
Attribuutnaam: Ticket_Created_Date
Attribuut Dagen Toevoegen: SLA_Days_Required

Output: Voor een high-priority ticket:

Ticket_Created_Date = 2024-03-15 09:00:00
SLA_Days_Required = 1
SLA_Resolution_Deadline = 2024-03-16 09:00:00

Voor een low-priority ticket:

Ticket_Created_Date = 2024-03-15 09:00:00
SLA_Days_Required = 7
SLA_Resolution_Deadline = 2024-03-22 09:00:00

Inzichten: Servicemanagers kunnen nu real-time dashboards maken die tonen welke tickets hun SLA-deadlines naderen, waardoor proactieve resourceallocatie mogelijk is en SLA-schendingen worden voorkomen.

Voorbeeld 3: Berekening Verwachte Afleverdatum

Scenario: Een e-commercebedrijf wil verwachte afleverdata berekenen op basis van verzendmethode. Standaard verzending voegt 5 dagen toe, expres 2 dagen en overnight 1 dag na verzending.

Instellingen:

Nieuwe Attribuutnaam: Expected_Delivery_Date
Attribuutnaam: Order_Shipped_Date
Attribuut Dagen Toevoegen: Shipping_Days

Output: Voor een expresszending:

Order_Shipped_Date = 2024-03-20 14:00:00
Shipping_Days = 2
Expected_Delivery_Date = 2024-03-22 14:00:00

Dit stelt de klantenservice in staat om nauwkeurige leveringsverwachtingen te geven en zendingen te identificeren die mogelijk vertraging oplopen.

Inzichten: Operationele teams kunnen de feitelijke leveringsprestaties analyseren ten opzichte van verwachte data, vervoerders of routes identificeren die consequent niet aan de verwachtingen voldoen, en de klantcommunicatie verbeteren omtrent levertijden.

Voorbeeld 4: Contractvernieuwingsbeheer

Scenario: Een softwarebedrijf wil bijhouden wanneer klantcontracten toe zijn aan vernieuwing. Contracten hebben verschillende duur - maandelijks (30 dagen), per kwartaal (90 dagen) of jaarlijks (365 dagen) abonnementen.

Instellingen:

Nieuwe Attribuutnaam: Contract_Renewal_Date
Attribuutnaam: Contract_Start_Date
Attribuut Dagen Toevoegen: Contract_Duration_Days

Output: Voor een jaarcontract:

Contract_Start_Date = 2024-01-15
Contract_Duration_Days = 365
Contract_Renewal_Date = 2025-01-15

Voor een maandcontract:

Contract_Start_Date = 2024-03-01
Contract_Duration_Days = 30
Contract_Renewal_Date = 2024-03-31

Inzichten: Salesteams kunnen proactief klanten benaderen voor vernieuwingen, accountmanagers kunnen vernieuwingsoverleg plannen en de inkomstenprognose wordt nauwkeuriger door duidelijke vernieuwingsdata.

Voorbeeld 5: Productietijd Planning

Scenario: Een productiebedrijf wil de verwachte voltooiingsdata berekenen voor productieorders gebaseerd op standaard doorlooptijden voor verschillende producttypen, variërend van 7 tot 45 dagen.

Instellingen:

Nieuwe Attribuutnaam: Expected_Completion_Date
Attribuutnaam: Production_Start_Date
Attribuut Dagen Toevoegen: Product_Lead_Time_Days

Output: Voor een complexe productorder:

Production_Start_Date = 2024-03-10 08:00:00
Product_Lead_Time_Days = 21
Expected_Completion_Date = 2024-03-31 08:00:00

Inzichten: Productieplanners kunnen de planning optimaliseren, realistische leverdatums communiceren naar klanten, en orders identificeren die risico lopen hun streefdatum niet te halen.

Output

De verrijking Dagen Toevoegen aan een Datum maakt een nieuw caseattribuut aan met de volgende kenmerken:

Attribuuttype: DateTime - Het nieuwe attribuut wordt aangemaakt als een timestamp/datetime-veld dat het tijdcomponent van het oorspronkelijke datumattribuut behoudt.

Attribuutnaam: Het nieuwe attribuut gebruikt de naam die is opgegeven bij "Nieuwe Attribuutnaam" en verschijnt direct in je casetabel nadat de verrijking is uitgevoerd.

Waarde Berekening: Voor elke case neemt de verrijking de basisdatum van "Attribuutnaam" en telt het aantal dagen op dat is opgegeven in "Attribuut Dagen Toevoegen". De berekening behoudt het originele tijdcomponent, dus als je basisdatum uren en minuten bevat, blijven deze behouden in de berekende datum.

Null Afhandeling: Als het basisdatumattribuut of het dagen-te-toevoegen attribuut null is voor een specifieke case, zal het nieuwe berekende datumattribuut ook null zijn voor die case. Dit zorgt voor dataintegriteit en maakt het eenvoudig om cases met ontbrekende informatie te identificeren.

Negatieve Waarden: De verrijking ondersteunt negatieve waarden in het veld "Attribuut Dagen Toevoegen", waardoor je ook data in het verleden kunt berekenen. Dit is nuttig voor het berekenen van data zoals "Review Required By" (die misschien X dagen voor een deadline ligt).

Integratie met Andere Functionaliteiten:

Het nieuwe datumattribuut kan direct worden gebruikt in filters om cases te selecteren op basis van berekende data
Het kan worden gebruikt in andere verrijkingen die datuminputs vereisen
Het verschijnt in alle visualisaties en kan worden gebruikt voor tijdgebaseerde analyses
Het kan worden geëxporteerd met je verrijkte dataset
Het kan worden gebruikt in berekende attributen voor verdere datummanipulaties

Deze documentatie maakt deel uit van het mindzieStudio proces mining platform.