Zaken met Identieke Gebeurtenisdata

Overzicht

De filter Zaken met Identieke Gebeurtenisdata identificeert zaken waarbij meerdere activiteiten op dezelfde kalenderdag plaatsvonden, ongeacht de exacte tijd. Deze filter helpt u temporele clusteringpatronen in uw processen te analyseren, intensieve werkperiodes te identificeren, of onderscheid te maken tussen zaken met geconcentreerde activiteit versus die verspreid over meerdere dagen. In tegenstelling tot de timestamp-filter vergelijkt deze filter alleen de kalenderdatum en negeert de tijd van de dag.

Veelvoorkomende Toepassingen

Zaken identificeren met geconcentreerde dagelijkse activiteit die intensieve verwerking aangeeft
Batchverwerkingspatronen vinden waarbij meerdere stappen op dezelfde dag plaatsvinden
Werkintensiteit analyseren door zaken met activiteit clustering op dezelfde dag te identificeren
Spoedverwerkte zaken scheiden van normale zaken verspreid over meerdere dagen
Zaken detecteren waarbij meerdere gebeurtenissen in één werksessie werden afgerond
Verwerkingspatronen vergelijken tussen geconcentreerde en verspreide workflows

Instellingen

Zaken Inclusief of Exclusief: Kies of u zaken met activiteiten op dezelfde dag wilt opnemen of juist uitsluiten.

Zaken met activiteiten op dezelfde dag opnemen: Retourneert alleen zaken waarbij ten minste twee gebeurtenissen op dezelfde kalenderdag plaatsvonden
Zaken met activiteiten op dezelfde dag uitsluiten: Retourneert alleen zaken waarbij alle gebeurtenissen op verschillende kalenderdagen plaatsvonden

Voorbeelden

Voorbeeld 1: Expressbestellingen Identificeren

Scenario: Uw orderverwerkingsproces beslaat normaal meerdere dagen (Bestelling Ontvangen op Dag 1, Verwerking op Dag 2, Verzonden op Dag 3). Expressbestellingen worden echter in één dag door het hele proces gehaast. U wilt deze expresszaken identificeren voor prestatieanalyse.

Instellingen:

Zaken met activiteiten op dezelfde dag opnemen

Resultaat:

De filter retourneert alle zaken waarbij meerdere vervullingsstappen op dezelfde kalenderdag plaatsvonden. Bijvoorbeeld, Zaak #EXP-1234 toont “Bestelling Ontvangen” om 9:00 uur, “Betaling Verwerkt” om 9:15 uur, “Pakket Gepickt” om 10:30 uur, en “Verzonden” om 14:00 uur, allemaal op 15 oktober 2024. Als 300 van de 5.000 bestellingen op dezelfde dag werden verwerkt, worden die 300 zaken geretourneerd.

Inzichten: Deze zaken vertegenwoordigen uw express- of spoedverwerkingsworkflow, die anders werkt dan standaard vervulling over meerdere dagen. Door deze apart te analyseren, kunt u expressdiensten meten, knelpunten in spoedverwerking identificeren en de ware capaciteit van dezelfde dag vervulling berekenen.

Voorbeeld 2: Normale Multi-Daagse Workflows Analyseren

Scenario: U wilt uw standaard leengoedkeuringsproces analyseren, dat doorgaans meerdere dagen beslaat met juiste beoordelingsperiodes. U wilt spoedzaken uitsluiten waarbij meerdere stappen op dezelfde dag werden voltooid, met focus op zaken met correcte dagelijkse spreiding.

Instellingen:

Zaken met activiteiten op dezelfde dag uitsluiten

Resultaat:

De filter retourneert alleen zaken waarbij alle activiteiten op verschillende kalenderdagen plaatsvonden. Bijvoorbeeld, Zaak #LOAN-5678 toont “Aanvraag Ingediend” op 10 okt, “Documentbeoordeling” op 11 okt, “Kredietcheck” op 12 okt, en “Definitieve Goedkeuring” op 13 okt. Als 4.500 van de 5.000 leningen het normale multi-daagse patroon volgden, worden deze 4.500 zaken geretourneerd.

Inzichten: Door zaken met dezelfde dag uit te sluiten, kunt u uw standaardworkflow analyseren zonder ruis van versnelde verwerking. Dit geeft accurate inzichten in normale verwerkingstijden, correcte beoordelingsperioden en typische knelpunten wanneer zaken door uw bedoelde multi-daagse workflow gaan.

Voorbeeld 3: Bulkverwerkingsdagen Detecteren

Scenario: Uw factuurverwerkingsysteem behandelt normaal facturen individueel verspreid over meerdere dagen. Echter, aan het einde van de maand verwerkt het administratief personeel vaak bulkmatig meerdere stappen voor veel facturen op dezelfde dag. U wilt cases identificeren die tijdens deze intensieve bulksessies werden verwerkt.

Instellingen:

Zaken met activiteiten op dezelfde dag opnemen

Resultaat:

De filter identificeert zaken waarbij meerdere verwerkingsstappen (Factuur Ontvangen, Validatie, Goedkeuring, Betaling Gepland) op dezelfde kalenderdag plaatsvonden. Bijvoorbeeld, tijdens maandafsluiting op 31 oktober tonen 150 facturen alle stappen afgerond op die ene dag, terwijl tijdens de rest van oktober slechts 20 facturen dezelfde dag verwerking hadden. Die 170 zaken met activiteiten op dezelfde dag worden geretourneerd.

Inzichten: Dit onthult uw bulkverwerkingspatronen en helpt onderscheid maken tussen normale dagelijkse verwerking en intensieve batchsessies. U kunt deze patronen apart analyseren, bulkwerkstromen optimaliseren en de impact van geconcentreerde verwerking op kwaliteit en nauwkeurigheid begrijpen.

Voorbeeld 4: Duur Patiëntenreis Meten

Scenario: Uw zorgproces volgt patiëntenreizen via spoedeisende hulp bezoeken. U wilt zaken identificeren waarbij het hele bezoek (Triaget, Onderzoek, Behandeling, Ontslag) binnen één kalenderdag plaatsvond versus zaken met overnachtingen of meerdaagse zorg.

Instellingen:

Zaken met activiteiten op dezelfde dag opnemen

Resultaat:

De filter retourneert alle SEH-bezoeken waarbij alle activiteiten op dezelfde kalenderdag plaatsvonden. Bijvoorbeeld, Patiënt #12345 werd getrieerd om 14:00 uur, onderzocht om 14:30 uur, behandeld om 15:15 uur en ontslagen om 16:45 uur, allemaal op 15 oktober. Als 2.800 van de 3.000 SEH-bezoeken dezelfde dag waren, worden die 2.800 zaken geretourneerd.

Inzichten: De meeste SEH-bezoeken zullen zaken van dezelfde dag zijn, dus hiermee kunt u de 200 zaken identificeren die meerdaagse zorg of overnachting vereisten. Door elke groep apart te analyseren, begrijpt u de kenmerken van cases met dezelfde dag versus uitgebreide zorg en kunt u de middelen beter toewijzen.

Output

Deze filter werkt op zakeniveau en filtert volledige zaken op basis van kalenderdata-analyse:

In inclusiemodus: Retourneert alleen zaken met ten minste twee gebeurtenissen op dezelfde kalenderdag
In exclusiemodus: Retourneert alleen zaken waarbij alle gebeurtenissen op verschillende kalenderdagen plaatsvonden
Vergelijking gebruikt alleen kalenderdata (negeert tijd van de dag)
Zaken- en gebeurtenisattributen blijven behouden
Volgordes van gebeurtenissen en overige eigenschappen blijven ongewijzigd
Minder streng dan tijdstempelvergelijking (evenementen op verschillende tijden op dezelfde dag tellen als dezelfde dag)

Gebruik deze filter om temporele clusteringpatronen te analyseren, geconcentreerde versus verspreide workflows te identificeren en spoedverwerking te scheiden van normale multi-daagse zaken.

Deze documentatie maakt deel uit van het mindzieStudio procesminingplatform.