Aantal Gebeurtenissen

Overzicht

De Event Count verrijking is een fundamentele statistische operator die het aantal gebeurtenissen binnen elk geval in uw procesdataset telt. Deze verrijking levert essentiële meetwaarden voor het begrijpen van de complexiteit van gevallen, procesvariaties en de verdeling van werklast binnen uw bedrijfsprocessen. In tegenstelling tot het eenvoudig tellen van gevallen, telt deze operator de afzonderlijke activiteiten of gebeurtenissen die elk geval vormen, waardoor u inzicht krijgt in de granulariteit van gevallen en de intensiteit van het proces.

De Event Count verrijking wordt bijzonder krachtig in combinatie met filters, waarmee u specifieke typen gebeurtenissen of activiteiten kunt tellen die aan bepaalde criteria voldoen. Bijvoorbeeld, u kunt alleen handmatige activiteiten, systeemgebeurtenissen, of activiteiten uitgevoerd door specifieke resources tellen. Deze gerichte telling maakt geavanceerde analyse van procesgedragspatronen mogelijk en helpt bij het identificeren van gevallen die afwijken van normale frequentieverdelingen van gebeurtenissen.

Veelvoorkomende Toepassingen

Analyse van procescomplexiteit: Meet de complexiteit van afzonderlijke gevallen door het totale aantal gebeurtenissen te tellen
Beoordeling van werklast: Identificeer gevallen met ongewoon hoge of lage aantallen gebeurtenissen om inzicht te krijgen in de verdeling van werklast
Kwaliteitscontrole: Tel inspectie- of controlegebeurtenissen om naleving van kwaliteitsnormen te waarborgen
Kansen voor automatisering: Tel handmatige versus geautomatiseerde gebeurtenissen om automatiseringsmogelijkheden te identificeren
Prestatievergelijking: Vergelijk aantallen gebeurtenissen tussen verschillende gevaltypen, regio's of periodes
Detectie van uitzonderingen: Identificeer uitschieters met abnormale gebeurtenisfrequenties die op procesproblemen kunnen duiden
Resourceplanning: Begrijp volumes van gebeurtenissen om resources en capaciteit beter toe te wijzen

Instellingen

Filter: Optionele filterconfiguratie waarmee u alleen specifieke gebeurtenissen kunt tellen die aan gedefinieerde criteria voldoen. Als er geen filter wordt toegepast, worden alle gebeurtenissen in elk geval geteld. Gebruik filters om gebeurtenissen te tellen op basis van activiteitsnamen, tijdstempels, resources of andere gebeurteniseigenschappen. Deze instelling maakt gerichte analyses mogelijk, bijvoorbeeld alleen handmatige activiteiten, foutgebeurtenissen of activiteiten uitgevoerd tijdens specifieke diensten tellen.

Nieuwe attribuutnaam: De naam van het nieuwe gevalsattribuut waarin de waarde van het gebeurtenisaantal wordt opgeslagen. Dit attribuut wordt toegevoegd aan uw gevalstabel als een geheel veld. Kies een beschrijvende naam die duidelijk aangeeft welke gebeurtenissen worden geteld, vooral bij gebruik van filters. Bijvoorbeeld, gebruik "Total_Event_Count" voor alle gebeurtenissen, "Manual_Activity_Count" voor gefilterde handmatige activiteiten, of "Error_Event_Count" voor foutgerelateerde gebeurtenissen.

Voorbeelden

Voorbeeld 1: Totaal aantal gebeurtenissen in inkooporders

Scenario: Een inkoopteam wil de complexiteit van hun inkoopordereprocessen begrijpen door het totale aantal gebeurtenissen in elk geval te tellen om te identificeren welke orders de meeste verwerkingsinspanning vereisen.

Instellingen:

Filter: Geen (alle gebeurtenissen tellen)
Nieuwe attribuutnaam: Total_PO_Events

Output: De verrijking maakt een nieuw gevalsattribuut "Total_PO_Events" aan met gehele waarden:

Standaardorders: 8-12 gebeurtenissen (aanmaken, goedkeuren, verzenden naar leverancier, ontvangen goederen, factuur, betaling)
Complexe orders: 25-40 gebeurtenissen (meerdere goedkeuringen, wijzigingsverzoeken, deelleveringen, geschillen)
Spoedorders: 5-7 gebeurtenissen (versneld proces met minder stappen)

Inzichten: De analyse toont aan dat 15% van de inkooporders meer dan 25 gebeurtenissen heeft, wat complexe verwerking aangeeft. Deze gevallen met hoge aantallen gebeurtenissen correleren met orders die meerdere leveranciersonderhandelingen en goedkeuringseskalaties vereisen, wat kansen voor procesvereenvoudiging suggereert.

Voorbeeld 2: Aantal handmatige activiteiten bij verzekeringsclaims

Scenario: Een verzekeringsmaatschappij wil de handmatige inspanning meten die gemoeid is met het verwerken van claims door alleen activiteiten te tellen die door menselijke agenten zijn uitgevoerd, met uitsluiting van geautomatiseerde systeemgebeurtenissen.

Instellingen:

Filter: Activiteitstype is "Manual" OF Resource is niet "System"
Nieuwe attribuutnaam: Manual_Activity_Count

Output: De verrijking maakt "Manual_Activity_Count" aan met waarden die menselijke contactmomenten vertegenwoordigen:

Automatisch goedgekeurde claims: 2-3 handmatige activiteiten (initiële controle, definitieve goedkeuring)
Standaard claims: 6-10 handmatige activiteiten (controle, onderzoek, aanpassing, goedkeuring)
Complexe claims: 15-25 handmatige activiteiten (meerdere controles, veldonderzoeken, onderhandelingen)
Frauduleuze claims: meer dan 30 handmatige activiteiten (uitgebreide onderzoeken en beoordelingscycli)

Inzichten: Claims met meer dan 20 handmatige activiteiten hebben 3x langere verwerkingstijd en 2x hogere kosten. Het implementeren van geautomatiseerde documentverificatie kan het aantal handmatige activiteiten met 40% reduceren voor standaardclaims.

Voorbeeld 3: Foutgebeurtenissen volgen in productie

Scenario: Een productiefaciliteit moet kwaliteitscontrole-fouten en foutgebeurtenissen tellen in hun productieproces om problematische productieruns te identificeren die extra aandacht vereisen.

Instellingen:

Filter: Activiteit bevat "Error" OF Activiteit bevat "Reject" OF Activiteit bevat "Rework"
Nieuwe attribuutnaam: Quality_Issue_Count

Output: De verrijking genereert "Quality_Issue_Count" die de foutfrequentie per productiebatch toont:

Hoogwaardige batches: 0-1 foutgebeurtenissen
Standaardbatches: 2-4 foutgebeurtenissen (kleine aanpassingen)
Probleembatches: 8-15 foutgebeurtenissen (meerdere kwaliteitsproblemen)
Gefaalde batches: meer dan 20 foutgebeurtenissen (aanzienlijke nabehandeling vereist)

Inzichten: Batches met meer dan 10 foutgebeurtenissen vertonen 90% correlatie met specifieke apparatuur of dienstpatronen. Vroege interventie wanneer het aantal fouten boven 5 uitkomt voorkomt 60% van de totale batchfaalgevallen.

Voorbeeld 4: Aantal klantinteracties bij servicedesk

Scenario: Een servicedesk wil de intensiteit van klantinteracties meten door alle gebeurtenissen te tellen waarbij klanten direct communiceren met het supportsysteem, met uitsluiting van interne verwerkingsactiviteiten.

Instellingen:

Filter: Resource bevat "Customer" OF Activiteit bevat "Customer" OF Activiteit in ["Email Received", "Chat Started", "Call Logged", "Feedback Submitted"]
Nieuwe attribuutnaam: Customer_Touch_Points

Output: Maakt het attribuut "Customer_Touch_Points" aan met interactietellingen:

Zelfserviceoplossingen: 1-2 interacties (alleen initiële aanvraag)
Standaard ondersteuning: 3-5 interacties (verzoek, opheldering, bevestiging oplossing)
Geëscaleerde problemen: 8-12 interacties (meerdere opvolgingen en verduidelijkingen)
Kritieke incidenten: 15+ interacties (continue updates en communicatie)

Inzichten: Tickets met meer dan 8 klantinteracties hebben 70% lagere tevredenheidsscores. Proactieve communicatie na 5 interacties vermindert het totaal aantal interacties met 30% en verhoogt de klanttevredenheid.

Voorbeeld 5: Aantal compliancecontroles in financiële transacties

Scenario: Een bank wil het aantal compliance- en verificatieactiviteiten tellen die op elke transactie worden uitgevoerd om te zorgen dat aan regelgeving wordt voldaan en om transacties te identificeren die nadere due diligence vereisen.

Instellingen:

Filter: Activiteitstype is "Compliance" OF Activiteit bevat "Verify" OF Activiteit bevat "AML" OF Activiteit bevat "KYC"
Nieuwe attribuutnaam: Compliance_Check_Count

Output: De verrijking produceert "Compliance_Check_Count" met de telling van verificatieactiviteiten:

Standaardtransacties: 2-3 compliancecontroles (basis AML, sanctiescreening)
Transacties met hoge waarde: 5-8 compliancecontroles (verhoogde due diligence)
Internationale overmakingen: 10-15 compliancecontroles (multijurisdictie verificatie)
Gemarkeerde transacties: meer dan 20 compliancecontroles (volledig onderzoeksprotocol)

Inzichten: Transacties met minder dan 2 compliancecontroles vormen een regelgevingsrisico. Degenen met meer dan 15 controles hebben 5x langere verwerkingstijd, maar slechts 2% leidt tot daadwerkelijke complianceproblemen, wat wijst op overmatige controle in bepaalde scenario's.

Output

De Event Count verrijking maakt een enkel nieuw integer attribuut aan in uw gevalstabel met het aantal gebeurtenissen voor elk geval. Het attribuut slaat gehele getallen op die het totale aantal gebeurtenissen weergeven dat overeenkomt met uw filtercriteria (of alle gebeurtenissen als er geen filter is toegepast). Dit attribuut heeft het datatypes Int32 met de weergave-instelling Nummer voor correcte numerieke opmaak in analyses en dashboards.

Het nieuwe attribuut kan direct worden gebruikt in:

Filters: Maak gevalfilters op basis van bereiken van gebeurtenissen (bijv. "Gevalcomplexiteit Hoog" waar aantal gebeurtenissen > 20)
Berekeningen: Gebruik de telling in wiskundige uitdrukkingen, gemiddelden of statistische berekeningen
Categorisaties: Groepeer gevallen in complexiteitscategorieën op basis van drempels van het gebeurtenisaantal
Visualisaties: Toon gebeurtenissenverdelingen in histogrammen, boxplots of heatmaps
Correlaties: Analyseer verbanden tussen gebeurtenisaantallen en andere gevalsattributen zoals duur, kosten of uitkomst
Alerts: Stel monitoringsregels in op basis van ongebruikelijke patronen in gebeurtenisaantallen

Het gebeurtenisaantal-attribuut integreert naadloos met andere mindzieStudio functies, waarmee u dit kunt combineren met duur-berekeningen, kostenanalyses en prestatiemetingen voor uitgebreide procesintelligentie.

Zie ook

[[Count Activities]]: Tel specifieke activiteiten op naam binnen elk geval
[[Case Duration]]: Bereken tijdsgebaseerde maatstaven die vaak correleren met gebeurtenisaantallen
[[Representative Case Attribute]]: Identificeer de meest voorkomende patronen in gevallen met hoge of lage gebeurtenisaantallen
[[Filter Cases]]: Gebruik gebeurtenisaantallen om uw procesdata te filteren en segmenteren
[[Categorize Attribute Values]]: Maak categorieën op basis van gebeurtenisaantallen (Laag/Midden/Hoog complexiteit)

Deze documentatie maakt deel uit van het mindzie Studio proces mining platform.