Duruma Dönüştürme Nitelikleri

Genel Bakış

Duruma Dönüştürme Nitelikleri zenginleştirmesi, verilerinizi optimize eden akıllı bir operatördür. Her durum boyunca değerleri sabit kalan olay seviyesi öznitelikleri otomatik olarak tespit eder ve bunları durum seviyesi özniteliklere dönüştürür. Bu güçlü temizlik aracı, müşteri kimlikleri, ürün kategorileri veya bölge kodları gibi durum içinde hiç değişmeyen ancak gereksiz yere olay düzeyinde tekrarlanan tüm olay özniteliklerini analiz ederek bunları durum özniteliklerine yükseltir. Böylece performans iyileştirilir ve veri modelleri daha temiz hale gelir.

Bu zenginleştirme, kaynak sistemlerin olay düzeyinde gereksiz tekrarlanan veri dışa aktardığı yaygın bir veri kalitesi sorununu çözer. Bu fazlalık, veri setlerini şişirir ve analizleri karmaşıklaştırır. Sabit öznitelikler otomatik olarak durum seviyesine dönüştürülerek veri fazlalığı azaltılır, sorgu performansı iyileştirilir ve daha mantıklı bir veri yapısı oluşturulur. Dönüştürme süreci tamamen otomatik olup herhangi bir konfigürasyon gerektirmez. Veri hazırlamanın temel adımı olarak veri seti boyutunu önemli ölçüde küçültürken tüm bilgi bütünlüğünü korur.

Yaygın Kullanım Alanları

Sipariş içinde değişmeyen ancak her olayda tekrarlanan müşteri bilgilerini içeren ERP verilerini optimize etmek
Üretim süreçlerinde kategori, aile veya tür gibi statik ürün özelliklerini olaydan duruma dönüştürmek
Proje yönetimi veri setlerinde proje yöneticisi, bütçe veya departman gibi sabit proje özniteliklerini yükseltmek
Sağlık verilerinde yaş grubu, sigorta türü veya kabul tipi gibi değişmeyen hasta demografilerini duruma taşımak
Banka süreçlerinde kredi türü, faiz oranı veya şube kodu gibi sabit finansal öznitelikleri dönüştürmek
Tedarik verilerini temizlik amacıyla tedarikçi bilgisi, sözleşme numarası ve ödeme koşullarını duruma almak
Lojistik verilerini optimizasyon için gönderim özellikleri (gönderim ülkesi, hizmet seviyesi, taşıyıcı) gibi alanları duruma dönüştürmek

Ayarlar

Bu zenginleştirme tamamen otomatik çalışır ve herhangi bir yapılandırma gerektirmez. Veri setinizdeki tüm olay özniteliklerini analiz eder ve her durumdaki değer tutarlılığına bakarak güvenle duruma dönüştürülebilecekleri belirler.

Örnekler

Örnek 1: Sipariş İşleme Verisi Optimizasyonu

Senaryo: Bir e-ticaret şirketinin sipariş işleme sistemi verisi, müşteri bilgileri, kargo detayları ve sipariş özelliklerini her olayda gereksiz yere tekrarlamakta, veri seti olması gerekenden %60 daha büyük hale gelmektedir.

Zenginleştirme Öncesi Olay Verileri: | Case ID | Aktivite | Customer_Name | Customer_Region | Order_Priority | Product_Category | Timestamp | |---------|----------|---------------|-----------------|----------------|------------------|-----------| | ORD-001 | Create Order | John Smith | North America | High | Electronics | 2024-01-10 08:00 | | ORD-001 | Verify Payment | John Smith | North America | High | Electronics | 2024-01-10 08:15 | | ORD-001 | Pick Items | John Smith | North America | High | Electronics | 2024-01-10 09:00 | | ORD-001 | Ship Order | John Smith | North America | High | Electronics | 2024-01-10 14:00 | | ORD-002 | Create Order | Jane Doe | Europe | Normal | Clothing | 2024-01-10 08:30 | | ORD-002 | Verify Payment | Jane Doe | Europe | Normal | Clothing | 2024-01-10 08:45 |

Zenginleştirme Sonrası Durum Öznitelikleri: | Case ID | Customer_Name | Customer_Region | Order_Priority | Product_Category | |---------|---------------|-----------------|----------------|------------------| | ORD-001 | John Smith | North America | High | Electronics | | ORD-002 | Jane Doe | Europe | Normal | Clothing |

Zenginleştirme Sonrası Olay Verileri: | Case ID | Aktivite | Timestamp | |---------|----------|-----------| | ORD-001 | Create Order | 2024-01-10 08:00 | | ORD-001 | Verify Payment | 2024-01-10 08:15 | | ORD-001 | Pick Items | 2024-01-10 09:00 | | ORD-001 | Ship Order | 2024-01-10 14:00 | | ORD-002 | Create Order | 2024-01-10 08:30 | | ORD-002 | Verify Payment | 2024-01-10 08:45 |

Çıktı: Zenginleştirme, Customer_Name, Customer_Region, Order_Priority ve Product_Category özniteliklerinin her durumda hiç değişmediğini tespit etmiş ve bunları otomatik olarak durum özniteliklerine dönüştürmüştür. Olay tablosu artık %60 daha küçüktür ve sadece olaylara özgü temel bilgileri içerir.

Analiz: Dönüşüm sonrası, gösterge paneli sorguları veri hacminin azalması nedeniyle 3 kat daha hızlı çalışmaktadır. Müşteri segmentleri ve ürün kategorileri için durum düzeyinde filtreleme daha sezgiseldir. Veri modeli, durum özellikleri ile olay detaylarını açıkça ayırarak analistlerin veriyi anlamasını ve kullanmasını kolaylaştırır.

Örnek 2: Sağlık Hasta Yolculuğu Optimizasyonu

Senaryo: Bir hastanenin hasta yönetim sistemi, hasta demografileri, sigorta bilgileri ve tıbbi sınıflandırmaları her tedavi olayında tekrarlayan kabul verisi dışa aktarmakta, veri seti gereksiz yere karmaşık ve yavaş analiz edilebilecek hale gelmektedir.

Zenginleştirme Öncesi Olay Verileri: | Case ID | Aktivite | Patient_Age_Group | Insurance_Type | Admission_Type | Department | Diagnosis_Code | Resource | |---------|----------|------------------|----------------|----------------|------------|---------------|----------| | PAT-501 | Registration | 45-60 | Private | Emergency | ER | CARD-01 | Nurse Smith | | PAT-501 | Triage | 45-60 | Private | Emergency | ER | CARD-01 | Dr. Jones | | PAT-501 | Treatment | 45-60 | Private | Emergency | ER | CARD-01 | Dr. Jones | | PAT-501 | Discharge | 45-60 | Private | Emergency | ER | CARD-01 | Nurse Brown |

Zenginleştirme Sonrası:

Durum Öznitelikleri: | Case ID | Patient_Age_Group | Insurance_Type | Admission_Type | Diagnosis_Code | |---------|------------------|----------------|----------------|---------------| | PAT-501 | 45-60 | Private | Emergency | CARD-01 |

Olay Öznitelikleri (değerleri değişenler): | Case ID | Aktivite | Department | Resource | |---------|----------|------------|----------| | PAT-501 | Registration | ER | Nurse Smith | | PAT-501 | Triage | ER | Dr. Jones | | PAT-501 | Treatment | ER | Dr. Jones | | PAT-501 | Discharge | ER | Nurse Brown |

Çıktı: Hasta demografileri ve sabit tıbbi bilgiler duruma taşınmıştır. Department ve Resource gibi değişebilecek öznitelikler olay seviyesinde bırakılmıştır. Veri seti %40 küçülmüş ve daha mantıklı organize edilmiştir.

Analiz: Optimizasyon sonrası, hasta kohort analizi daha hızlı yapılabiliyor, sigorta türü ve yaş grubu filtreleri anında durum seviyesinde uygulanabiliyor. Tanıya dayalı süreç madenciliği verimli hale geldi. Hastane, belirli hasta segmentleri için tedavi kalıplarını gereksiz veri işlemeye gerek kalmadan hızla tanımlayabilmektedir.

Örnek 3: Üretim Süreci Verisi Temizliği

Senaryo: Bir üretim tesisinin MES sistemi, üretim sırasında ürün özellikleri, sipariş detayları ve kalite standartlarını her üretim adımında kopyalamakta ve bu da süreç analizinde performans sorunlarına yol açmaktadır.

Zenginleştirme Öncesi: Her üretim olayı şunları içerir: Product_ID, Product_Type, Material_Grade, Quality_Standard, Customer_Code, Order_Size, Target_Date

Zenginleştirme Sonrası:

Duruma Dönüştürülen: Product_ID, Product_Type, Material_Grade, Quality_Standard, Customer_Code, Order_Size, Target_Date (her üretim çalıştırması içinde sabit)
Olay Öznitelikleri (değişen): Aktivite, Timestamp, Machine_ID, Operator, Temperature, Pressure

Çıktı: Üretim çalıştırması içerisinde hiç değişmeyen 7 öznitelik duruma otomatik olarak taşınmıştır. Olay tablosu yalnızca aktiviteler arası değişen süreç yürütme detaylarına odaklanmıştır.

Analiz: Dönüşüm veri seti boyutunu %65 azalttı, veri hacmi nedeniyle daha önce mümkün olmayan gerçek zamanlı süreç izlemeyi sağladı. Ürün türü ve malzeme sınıfına göre kalite analizi duruma dayalı filtrelerle kolaylaşmıştır. Tesis farklı ürün kategorilerinde KPI takibini etkin biçimde yapabilmektedir.

Örnek 4: Finansal Kredi İşleme Basitleştirmesi

Senaryo: Bir bankanın kredi işleme sistemi, kredi parametreleri, müşteri profilleri ve düzenleyici sınıflandırmaları her iş akışı adımında tekrarlamakta, bu da uyum raporlaması ve süreç iyileştirmesini zorlaştırmaktadır.

Zenginleştirme Öncesi Olay Verisi Örneği: Her olay içerir: Loan_Type, Interest_Rate, Loan_Amount, Credit_Score_Range, Branch, Region, Product_Code, Regulatory_Class, Customer_Segment

Zenginleştirme Sonrası:

Durum Düzeyi: Kredi parametreleri ve müşteri sınıflandırmaları (9 öznitelik) durum tablosuna taşındı
Olay Düzeyi: Sadece Aktivite, Timestamp, Approver, Decision ve Comments kaldı

Çıktı: Kredi parametreleri ve müşteri bilgileri başvuru sürecinde hiç değişmediği tespit edilip durum özniteliklerine dönüştürüldü. Olay tablosu sadece temel iş akışı bilgilerini içermektedir.

Analiz: Düzenleyici uyum raporları saatler yerine dakikalar içinde hazırlanmaktadır. Banka, kredi skor aralığı ve kredi türü bazında onay desenlerini durum seviyesinde anında analiz edebilmektedir. Süreç madenciliği, belirli müşteri segmentlerine özgü darboğazları gereksiz olay verisi yükü olmadan ortaya koymaktadır.

Örnek 5: Tedarik Zinciri Verisi Optimizasyonu

Senaryo: Bir lojistik firmasının takip sistemi, gönderime ait servise seviyesi, varış yeri, ağırlık sınıfı ve müşteri hesabı gibi sabit gönderim bilgilerini milyonlarca kez tarama olaylarında tekrar etmektedir.

Zenginleştirme Öncesi: 500.000 gönderim × 15 tarama noktası × 8 statik öznitelik = 60 milyon fazlalık veri noktası

Zenginleştirme Sonrası:

Durum Öznitelikleri: Service_Level, Origin_Country, Destination_Country, Weight_Class, Customer_Account, Declared_Value, Shipment_Type, Contract_ID
Olay Öznitelikleri: Aktivite (tarama konumu), Timestamp, Scanner_ID, Location_Code, Exception_Flag

Çıktı: Sekiz gönderim özelliği her taramada tekrarlanmak yerine gönderim başına bir kez durum seviyesine taşındı. Olay tablosu sadece dinamik takip bilgisini içerecek şekilde %70 küçüldü.

Analiz: Varış yeri ve hizmet seviyesine göre rota analizi durum seviyesinde sorgularla 10 kat daha hızlıdır. Firma, farklı müşteri segmentlerine göre teslimat kalıplarını etkin şekilde belirleyip gönderim özelliklerine göre rotaları optimize edebilmektedir. Gerçek zamanlı takip performansı dramatik biçimde gelişti, önceden mümkün olmayan canlı gösterge paneli güncellemeleri sağlanabildi.

Çıktı

Duruma Dönüştürme Nitelikleri zenginleştirmesi, veri seti yapısını olay seviyesinden durum seviyesine öznitelikler akıllıca taşınarak değiştirir. Zenginleştirme, her durum içinde değeri hiç değişmeyen olay özniteliklerini kapsamlıca analiz eder ve bunları otomatik olarak durum özniteliklerine dönüştürür; böylece veri organizasyonunda en iyi düzen sağlanır.

Dönüştürme Süreci:

Sistem kolonları (Activity, Timestamp, Resource) hariç tüm olay seviyesi sütunları analiz edilir
Her öznitelik için, değerlerin her durumda sabit olup olmadığı kontrol edilir
Sadece her durumdaki tüm olaylarda aynı değeri taşıyan öznitelikler dönüştürülür
Orijinal öznitelik adları ve veri tipleri korunur
Varsa en son null olmayan değer kullanılarak veri bütünlüğü sağlanır

Dönüştürülen Öznitelikler:

Her durumda sabit kalan olay öznitelikleri (müşteri kimlikleri, ürün kodları, kategoriler)
Gereksiz yere olay seviyesinde tekrarlanan statik özellikler (bölgeler, türler, sınıflandırmalar)
Mantıken durum seviyesinde olması gereken referans verileri (sözleşme numaraları, proje kodları, sipariş özellikleri)

Olay Düzeyinde Kalan Öznitelikler:

Sistem kolonları (Activity, Timestamp, Start Time, Resource, Expected Order)
Durum içinde değişken değer taşıyan öznitelikler (farklı kaynaklar, durum değişiklikleri, ölçümler)
Değiştirilmemesi gereken gizli sistem öznitelikleri
Aynı isimle zaten durum düzeyinde bulunan öznitelikler

Veri Setinize Etkisi: Zenginleştirme, bilgilerin mantıksal seviyelerinde muhafaza edildiği daha temiz, verimli bir yapı oluşturur. Durum düzeyi filtreleme ve toplama daha sezgisel olur. Veri fazlalığı azaldığı için sorgu performansı önemli ölçüde artar. Veri seti boyutu genellikle %30-70 arasında küçülür, bu oran olay verisindeki fazlalığın miktarına bağlıdır.

Dönüştürülmüş öznitelikler mindzieStudio’daki tüm özelliklerle uyumlu şekilde çalışır. Filtreler, olay verisi taramadan durum niteliklerini etkili şekilde sorgular. Hesaplayıcılar toplama fonksiyonları olmadan durum özniteliklerine doğrudan referans verebilir. Diğer zenginleştirmeler optimize edilmiş veri yapısından faydalanır. Süreç keşfi ve uyum kontrolü sadeleştirilmiş olay verisi üzerinde daha verimli yapılırken gerektiğinde durum özelliklerine tam erişim korunur.

Bu dokümantasyon mindzie Studio süreç madenciliği platformunun bir parçasıdır.