Groepsattribuutwaarden
Overzicht
Met de Group Attribute Values verrijking kunt u meerdere waarden van een bestaand attribuut groeperen in categorieën, waarbij een nieuw attribuut met vereenvoudigde waarden wordt gemaakt. Deze krachtige datatransformatietool helpt u gerelateerde attribuutwaarden te consolideren in betekenisvolle zakelijke categorieën, waardoor de complexiteit wordt verminderd en de analyse duidelijker wordt. In plaats van te werken met tientallen of honderden unieke waarden, kunt u logische groeperingen maken die aansluiten bij uw zakelijke perspectief.
Deze verrijking is vooral waardevol bij het werken met attributen die veel verschillende waarden bevatten die logisch kunnen worden gecombineerd. Bijvoorbeeld, u kunt honderden gedetailleerde foutcodes groeperen in categorieën zoals "Systeemfouten", "Gebruikersfouten" en "Netwerkfouten", of meerdere betaalmethoden consolideren in "Digitale Betalingen" en "Traditionele Betalingen". De verrijking gebruikt filtercriteria om te bepalen welke cases of gebeurtenissen tot elke groep behoren, zodat u nauwkeurige controle heeft over de categorisatielogica.
Veelvoorkomende toepassingen
- Vereenvoudig complexe categoriseringen: Groepeer honderden product-SKU's in productfamilies of categorieën voor duidelijkere analyses
- Creëer zakelijke relevante segmenten: Combineer meerdere klanttypes in strategische segmenten zoals "Hoge Waarde", "Regulier" en "Nieuw"
- Standaardiseer regionale variaties: Groepeer soortgelijke activiteiten of statussen die per locatie verschillen in consistente categorieën
- Bouw prestatie-indicatoren: Maak binaire attributen om cases te identificeren die aan specifieke criteria voldoen (bijv. "Prioriteitsklant" = Waar/Niet waar)
- Consolideer fouttypes: Groepeer gedetailleerde technische foutcodes in zakelijk begrijpelijke categorieën
- Ondersteun besluitvorming: Maak vereenvoudigde attributen voor gebruik in dashboards en rapporten die door leidinggevenden begrepen kunnen worden
- Maak vergelijkende analyse mogelijk: Groepeer cases in cohorten voor voor/na-vergelijkingen of A/B-testscenario’s
Instellingen
Filter: Definieer de criteria die bepalen welke cases of gebeurtenissen tot deze groep behoren. U kunt elke combinatie van filters gebruiken die beschikbaar zijn in mindzieStudio, inclusief attribuutwaarden, aanwezigheid van activiteiten, datumbereiken en complexe logische voorwaarden. Het filter fungeert als het selectiemechanisme - alle cases of gebeurtenissen die aan het filter voldoen, ontvangen de groepswaarde.
Nieuwe Attribuutnaam: Geef de naam op voor het nieuwe attribuut dat wordt aangemaakt. Dit attribuut bevat ofwel de groepsnamen (voor tekstgroepering) of Waar/Niet Waar-waarden (voor boolean-groepering). Kies een beschrijvende naam die duidelijk het doel van de groepering aangeeft, zoals "Klantsegment", "Foutcategorie" of "Prioriteitscase".
Boolean Groep: Wanneer aangevinkt, wordt een Waar/Niet Waar attribuut gemaakt waarbij cases die aan het filter voldoen "Waar" ontvangen en alle anderen "Niet Waar". Dit is ideaal voor binaire classificaties zoals "Hoge Prioriteit" (Waar/Niet Waar) of "Heeft Review Nodig" (Waar/Niet Waar). Wanneer niet aangevinkt, kunt u een aangepaste groepsnaam specificeren, zodat meerdere groepen kunnen worden gemaakt met verschillende verrijkingsinstanties.
Groepsnaam: (Alleen beschikbaar wanneer Boolean Groep niet is aangevinkt) De tekstwaarde die wordt toegekend aan cases of gebeurtenissen die voldoen aan de filtercriteria. Hiermee kunt u benoemde categorieën maken zoals "Premium", "Standaard" of "Basis". Meerdere verrijkingen kunnen op dezelfde attribuutnaam gericht zijn met verschillende groepsnamen om meervoudige categoriale classificaties op te bouwen.
Maak Gebeurtenisattribuut: Wanneer aangevinkt, maakt de verrijking een gebeurtenisniveau-attribuut aan, waarbij het filter voor elke gebeurtenis afzonderlijk wordt geëvalueerd. Wanneer niet aangevinkt (standaard), maakt het een case-niveau attribuut aan waarbij het filter één keer per case wordt geëvalueerd. Gebruik gebeurtenisattributen wanneer de groeperingslogica afhangt van kenmerken van individuele gebeurtenissen in plaats van van algemene case-eigenschappen.
Voorbeelden
Voorbeeld 1: Klantsegmentatie in Orderverwerking
Scenario: Een e-commerce bedrijf wil klanten segmenteren in de categorieën "VIP", "Regulier" en "Nieuw" op basis van bestelgeschiedenis en waarde voor gedifferentieerde serviceniveaus.
Instellingen:
- Filter: Cases met Attribuut "Totale Bestelwaarde" > $10.000 EN "Aantal Bestellingen" > 20
- Nieuwe Attribuutnaam: Klantsegment
- Boolean Groep: Niet aangevinkt
- Groepsnaam: VIP
- Maak Gebeurtenisattribuut: Niet aangevinkt
Uitvoer: De verrijking maakt een case-attribuut "Klantsegment". Cases die aan de VIP-criteria voldoen, krijgen de waarde "VIP". Voer aanvullende verrijkingen uit met verschillende filters en groepsnamen ("Regulier" voor gemiddelde waarden, "Nieuw" voor nieuwe klanten) gericht op dezelfde attribuutnaam om de segmentatie te voltooien.
| Case ID | Totale Bestelwaarde | Aantal Bestellingen | Klantsegment |
|---|---|---|---|
| C-001 | $15.000 | 25 | VIP |
| C-002 | $2.000 | 5 | Regulier |
| C-003 | $500 | 1 | Nieuw |
Inzichten: De segmentatie maakt gerichte analyse van procesprestaties per klantcategorie mogelijk, waarbij blijkt dat VIP-klanten 50% sneller hun bestellingen verwerkt krijgen maar complexere retourprocessen kennen die gespecialiseerde afhandeling vereisen.
Voorbeeld 2: Classificatie Kwaliteitscontrole in de Productie
Scenario: Een productiebedrijf wil productiebatches identificeren die kwaliteitscontrole nodig hebben op basis van meerdere sensorwaarden en inspectieresultaten die drempelwaarden overschrijden.
Instellingen:
- Filter: Cases met Attribuut "Temperatuursvariatie" > 5 OF "Drukmeting" > 100 OF "Visuele Inspectie" = "Mislukt"
- Nieuwe Attribuutnaam: Heeft Kwaliteitscontrole Nodig
- Boolean Groep: Aangevinkt
- Maak Gebeurtenisattribuut: Niet aangevinkt
Uitvoer: Maakt op case-niveau een boolean attribuut "Heeft Kwaliteitscontrole Nodig":
| Batch ID | Temperatuursvariatie | Drukmeting | Visuele Inspectie | Heeft Kwaliteitscontrole Nodig |
|---|---|---|---|---|
| B-1001 | 3 | 95 | Geslaagd | Niet Waar |
| B-1002 | 7 | 98 | Geslaagd | Waar |
| B-1003 | 2 | 105 | Geslaagd | Waar |
| B-1004 | 4 | 90 | Mislukt | Waar |
Inzichten: Analyse toont dat 23% van de batches kwaliteitscontrole nodig heeft, waarbij temperatuursvariatie de meest voorkomende trigger is. Deze batches hebben 3 keer zo lange cyclustijden door extra inspectiestappen.
Voorbeeld 3: Risicocategorieën voor Patiënten in de Gezondheidszorg
Scenario: Een ziekenhuis wil spoedeisende hulp-patiënten categoriseren op risiconiveau op basis van symptomen en vitale functies om triage en resourceallocatie te optimaliseren.
Instellingen:
- Filter: Cases met Attribuut "Hartslag" > 120 OF "Systolische Bloeddruk" < 90 OF "Zuurstofsaturatie" < 92
- Nieuwe Attribuutnaam: Risiconiveau Patiënt
- Boolean Groep: Niet aangevinkt
- Groepsnaam: Hoog Risico
- Maak Gebeurtenisattribuut: Niet aangevinkt
Uitvoer: Maakt een attribuut "Risiconiveau Patiënt" aan met waarde "Hoog Risico" voor overeenkomende cases. Aanvullende verrijkingen definiëren "Middel Risico" en "Laag Risico" categorieën:
| Patiënt ID | Hartslag | Systolische BP | O2 Saturatie | Risiconiveau Patiënt |
|---|---|---|---|---|
| P-501 | 125 | 110 | 95 | Hoog Risico |
| P-502 | 75 | 120 | 98 | Laag Risico |
| P-503 | 90 | 85 | 94 | Hoog Risico |
Inzichten: Hoog-risico patiënten worden direct naar de intensieve zorg geleid, wat het aantal ongunstige gebeurtenissen met 40% vermindert. Process mining onthult dat deze patiënten speciale fast-track workflows hebben met gemiddelde deur-tot-behandelingstijden onder 10 minuten.
Voorbeeld 4: Fraude-indicatoren bij Financiële Transacties
Scenario: Een bank wil mogelijk frauduleuze transacties markeren op basis van ongebruikelijke patronen in transactie-attributen en klantgedrag op gebeurtenisniveau.
Instellingen:
- Filter: Gebeurtenissen met Attribuut "Transactiebedrag" > $5.000 EN "Land Locatie" != "Home Country" EN "Tijd Sinds Vorige Transactie" < 60 seconden
- Nieuwe Attribuutnaam: Potentiële Fraudevlag
- Boolean Groep: Aangevinkt
- Maak Gebeurtenisattribuut: Aangevinkt
Uitvoer: Maakt een gebeurtenisniveau boolean attribuut aan dat individuele transacties markeert:
| Transactie ID | Bedrag | Locatie | Tijdverschil | Potentiële Fraudevlag |
|---|---|---|---|---|
| T-8001 | $7.500 | Buitenland | 45 sec | Waar |
| T-8002 | $200 | Thuis | 2 uur | Niet Waar |
| T-8003 | $5.100 | Buitenland | 30 sec | Waar |
Inzichten: Getagde transacties als mogelijke fraude leiden tot onmiddellijke review workflows. Analyse toont 85% nauwkeurigheid bij het identificeren van werkelijke fraudegevallen, waarbij getagde transacties binnen 2 minuten extra authenticatiestappen krijgen.
Voorbeeld 5: Prioriteitsgroepen voor IT Incidenten
Scenario: Een IT servicedesk wil tientallen subcategorieën van incidenten consolideren in beheersbare prioriteitsgroepen voor resourceallocatie en SLA-beheer.
Instellingen:
- Filter: Cases met Attribuut "Incidenttype" IN ["Server Down," "Database Corrupt," "Network Outage," "Security Breach"]
- Nieuwe Attribuutnaam: Prioriteitsgroep Incident
- Boolean Groep: Niet aangevinkt
- Groepsnaam: Kritieke Infrastructuur
- Maak Gebeurtenisattribuut: Niet aangevinkt
Uitvoer: Consolideert meerdere technische incidenttypen in zakelijk relevante groepen:
| Incident ID | Incidenttype | Oorspronkelijke Prioriteit | Prioriteitsgroep Incident |
|---|---|---|---|
| I-901 | Server Down | P1 | Kritieke Infrastructuur |
| I-902 | Wachtwoord Resetten | P3 | Gebruikersondersteuning |
| I-903 | Database Corrupt | P1 | Kritieke Infrastructuur |
| I-904 | Software Installatie | P4 | Gebruikersondersteuning |
Inzichten: Kritieke Infrastructuur-incidenten vormen 15% van het volume maar gebruiken 60% van de tijd van senior technici. Deze incidenten volgen versnelde workflows met gemiddelde oplossingsduur van 2 uur versus 8 uur voor standaardproblemen.
Uitvoer
De Group Attribute Values verrijking maakt een nieuw attribuut in uw dataset met de volgende kenmerken:
Attributtype: De verrijking maakt een case-attribuut (standaard) of een gebeurtenisattribuut aan op basis van de instelling "Maak Gebeurtenisattribuut". Case-attributen verschijnen één keer per case en zijn zichtbaar in case-niveau analyses, terwijl gebeurtenisattributen kunnen variëren tussen gebeurtenissen binnen dezelfde case.
Datatype: Boolean (wanneer "Boolean Groep" is aangevinkt) weergegeven als Waar/Niet Waar, of String (bij gebruik van aangepaste groepsnamen) met de opgegeven tekstwaarden.
Waarde Toekenning: Cases of gebeurtenissen die aan de filtercriteria voldoen, ontvangen "Waar" (voor boolean groepen) of de opgegeven groepsnaam (voor tekstgroepen). Niet-overeenkomende items krijgen "Niet Waar" voor boolean groepen of behouden hun bestaande waarde/null voor tekstgroepen.
Meerdere Groepen: U kunt meerdere verrijkingen aanmaken die op dezelfde attribuutnaam gericht zijn met verschillende filters en groepsnamen. Dit bouwt meervoudige categorie-classificaties waarin elke case de juiste categorie ontvangt op basis van welk filter het overeenkomt. Als een case meerdere filters voldoet, krijgt de laatst toegepaste verrijking voorrang.
Integratie: Het nieuwe gegroepeerde attribuut integreert naadloos met alle mindzieStudio-functies waaronder filters, calculators en visualisaties. Gebruik deze vereenvoudigde attributen in proceskaarten om stroomvariaties per groep te laten zien, in dashboards voor vergelijkende statistieken, of als filtercriteria in andere verrijkingen.
Deze documentatie maakt deel uit van het mindzie Studio process mining platform.