Tags

Einleitung

In Process Mining sind Tags die Geschäftsregeln, die Sie auf Ihre Daten anwenden, mit denen Sie die Konformität Ihres Prozesses überprüfen können, z. B. Ineffizienzen, Nacharbeit oder Verstöße.

Hinweis:

Wenn Sie das Tags- Dashboard zum Analysieren von Tags verwenden möchten, müssen die Felder für die Tags -Tabelle in Ihrem Dataset vorhanden sein.

Konfigurieren von Tags

Wenn Sie das Tags- Dashboard zum Analysieren von Tags in Ihrem Prozess verwenden möchten, müssen Tags für Ihre App-Vorlage definiert werden.

Für bestimmte App-Vorlagen sind sofort einsetzbare Tags verfügbar, die im Dashboard angezeigt werden. In der Dokumentation für Ihre spezifische App-Vorlage finden Sie eine Übersicht über die verfügbaren Tags. Die Seite App-Vorlagen enthält Links zur Dokumentation für alle verfügbaren App-Vorlagen.

Bei allen benutzerdefinierten Prozess-App-Vorlagen ist ein Tag sofort implementiert, das überprüft, ob ein Fall Nachbearbeitungsaktivitäten enthält, die von verschiedenen Benutzern ausgeführt werden.

Wenn keine Daten im Tags -Dashboard verfügbar sind, müssen Sie Ihre eigenen Tags mithilfe von Datentransformationen konfigurieren. Hier können Sie auch beliebige Standard-Tags für Ihre geschäftlichen Anforderungen konfigurieren. Nachfolgend finden Sie eine Übersicht über die Tags-Konfigurationsdateien für die verschiedenen App-Vorlagen.

App-Vorlagen basierend auf	Tags-Konfigurationsdatei
Ereignisprotokoll	models\5_business_logic\Tags_base.sql
Benutzerdefinierter Prozess 1	models\5_business_logic\Tags_base.sql
Purchase-to-Pay	models\5_business_logic\Tags.sql
Order-to-Cash	models\5_business_logic\Tags.sql

1) Dies gilt für die Benutzerdefinierte Prozess -App-Vorlage und alle anderen App-Vorlagen, die auf einem Benutzerdefinierten Prozess basieren, z. B. SAP-Lagerverwaltung.

Für benutzerdefinierte Prozesse können Sie Tags auch mit der Datei Tags_raw.csv hochladen. Siehe Benutzerdefinierte Prozesseingabefelder.

Hinzufügen von Geschäftslogik in Transformationen

Im letzten Transformationsschritt wird nach Bedarf Geschäftslogik für die Datenanalyse hinzugefügt.

Jeder Datensatz in der Tags-Tabelle stellt ein Tag für einen bestimmten Fall dar. Beispiel-Tags:

• SLA-Verstoß für einen Vertrag.
• eine Zahlung durch eine nicht autorisierte Person.

Die Pflichtfelder für diese Tabelle sind Case_ID und Tag.

Nicht alle Fälle haben ein Tag, und einige Fälle können mehrere Tags haben.

Weitere Informationen finden Sie unter Datentransformationen .

SQL-Beispiele zum Konfigurieren von Tags

Nachfolgend finden Sie einige SQL-Beispiele, die Sie zum Konfigurieren von Tags mithilfe von Transformationen verwenden können.

Achtung:

Die folgenden SQL-Beispiele basieren auf Ereignisprotokoll- App-Vorlagen und verwenden Fälle , die ein Case_ID haben. Wenn Sie die SQL-Beispiele verwenden möchten, um Tags für Purchase-to-Pay-App- Vorlagen oder Order-to-Cash- App-Vorlagen zu definieren, stellen Sie sicher, dass Sie die entsprechende Entität und die zugehörige interne Entitäts_ID verwenden. Wenn Sie die Implementierung für Tags erweitern, folgen Sie der vorhandenen Implementierung.

Folgt direkt

Dieser SQL-Code identifiziert Fälle, in denen die Aktivität „X“ direkt auf die Aktivität „Y“ folgt, und markiert sie als „Verstoß“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- Event log with current activity and next activity
Event_log_extended as (
    select
        Event_log_base."Case_ID",
        Event_log_base."Activity" as "Current_activity",
        lead(Event_log_base."Activity") over (order by "Event_end") as "Next_activity"
    from Event_log_base
),

-- This SQL code checks whether activity X is directly followed by Y in a given case
Directly_follows as (
    select
        Event_log_extended ."Case_ID",
        {{ pm_utils.as_varchar('Activity X directly followed by activity Y') }} as "Tag",
        {{ pm_utils.as_varchar('Violation') }} as "Tag_type"
    from Event_log_extended 
    where Event_log_extended ."Current_activity" = 'X' and Event_log_extended ."Next_activity" = 'Y'
    group by Event_log_extended ."Case_ID"
)

select * from Directly_follows

Folgt indirekt

Dieser SQL-Code identifiziert Fälle, in denen die Aktivität „X“ direkt oder indirekt von der Aktivität „Y“ folgt, und markiert sie als „Verstoß“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

Cases_with_activity_X as (
    select
        Event_log_base."Case_ID",
        min(Event_log_base."Event_end") as "Event_end"
    from Event_log_base
    where Event_log_base."Activity" = 'X'
    group by Event_log_base."Case_ID"
),

-- Activity X is directly or indirectly followed by activity Y
Indirectly_follows as (
    select
        Event_log_base."Case_ID",
        {{ pm_utils.as_varchar('Activity X indirectly followed by activity Y') }} as "Tag",
        {{ pm_utils.as_varchar('Violation') }} as "Tag_type"
    from Event_log_base
    inner join Cases_with_activity_X
        on Event_log_base."Case_ID" = Cases_with_activity_X."Case_ID"
    where Event_log_base."Activity" = 'Y' and Event_log_base."Event_end" > Cases_with_activity_X."Event_end"
    group by Event_log_base."Case_ID"
)

select * from Indirectly_follows

Aktivität X mehrmals

Dieser SQL-Code identifiziert Fälle, in denen die Aktivität „X“ mehrmals auftritt, und markiert sie mit „Ineffizienz“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- This SQL code checks if Activity X occurs twice or more times in the same case
Activity_X_multiple_times as (
    select
        Event_log_base."Case_ID",
        {{ pm_utils.as_varchar('Activity X multiple times') }} as "Tag",
        {{ pm_utils.as_varchar('Inefficiency') }} as "Tag_type"
    from Event_log_base
    where Event_log_base."Activity" = 'X'
    group by Event_log_base."Case_ID"
    having count(Event_log_base."Activity") > 1
)

select * from Activity_X_multiple_times

Fall hat Aktivität X

Dieser SQL-Code identifiziert Fälle, die eine oder mehrere Aktivitäten mit einem Namen haben, der „X“ enthält, und markiert sie mit „Ineffizienz“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- Case has activity with name like X
Case_has_activity_X as (
    select
        Event_log_base."Case_ID",
        {{ pm_utils.as_varchar('Case has activity X') }} as "Tag",
        {{ pm_utils.as_varchar('Inefficiency') }} as "Tag_type"
    from Event_log_base
    where {{ pm_utils.charindex('X', 'Event_log_base."Activity"') }} > 0
    group by Event_log_base."Case_ID"
)

select * from Case_has_activity_X

Fall hat keine Aktivität X

Dieser SQL-Code identifiziert Fälle, für die keine Aktivitäten vorhanden sind, deren Name „X“ enthält, und sie werden als „Ineffizienz“ gekennzeichnet.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

Cases as (
    select * from {{ ref('Cases') }}
),

-- Case has no activity with name like X
-- Obtained by subtracting the set of cases that have activity X from the set of all cases
Case_has_no_activity_X as (
    select
        Cases."Case_ID",
        {{ pm_utils.as_varchar('Case has no activity X') }} as "Tag",
        {{ pm_utils.as_varchar('Inefficiency') }} as "Tag_type"
    from Cases
    where Cases."Case_ID" not in (
        -- Case has activity with name like X
        select
            Event_log_base."Case_ID"
        from Event_log_base
        where {{ pm_utils.charindex('X', 'Event_log_base."Activity"') }} > 0
        group by Event_log_base."Case_ID"
    )
)

select * from Case_has_no_activity_X

Beginnend mit (Starts with)

Dieser SQL-Code identifiziert Fälle, die mit der Aktivität „X“ beginnen, und markiert sie als „Verstoß“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- Add row_number to initial event log
Event_log_base_numbered as (
    select
        Event_log_base."Case_ID",
        Event_log_base."Activity",
        Event_log_base."Event_end",
        row_number() over (partition by Event_log_base."Case_ID" order by Event_log_base."Event_end") as "Row_number"
    from Event_log_base
),

-- Case starts with activity X
Starts_with as (
    select
        Event_log_base_numbered."Case_ID",
        {{ pm_utils.as_varchar('Case starts with activity X') }} as "Tag",
        {{ pm_utils.as_varchar('Violation') }} as "Tag_type"
    from Event_log_base_numbered
    where
        Event_log_base_numbered."Row_number" = 1
        and Event_log_base_numbered."Activity" = 'X'
)

select * from Starts_with

Durchsatzzeit länger als 10 Tage

Dieser SQL-Code identifiziert Fälle, bei denen die Durchsatzzeit länger als 10 Tage ist, und kennzeichnet sie mit „Ineffizienz“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- Throuput time of each case
Throughput_time_per_case as (
    select
        Event_log_base."Case_ID",
        {{ pm_utils.datediff('day', 'coalesce(min(Event_log_base."Event_start"), min(Event_log_base."Event_end"))', 'max(Event_log_base."Event_end")') }} as "Throughput_time"
    from Event_log_base
    group by Event_log_base."Case_ID"
),

-- Case throughput time is longer than 10 days
Throughput_time_longer_than_10_days as (
    select
        Throughput_time_per_case."Case_ID",
        {{ pm_utils.as_varchar('Throughput time is longer than 10 days') }} as "Tag",
        {{ pm_utils.as_varchar('Inneficiency') }} as "Tag_type"
    from Throughput_time_per_case
    where Throughput_time_per_case."Throughput_time" > 10
)

select * from Throughput_time_longer_than_10_days

Dauer mehr als 30 Minuten

Dieser SQL-Code identifiziert Fälle, in denen die Zeitdauer zwischen der Aktivität „X“ und „Y“ mehr als 30 Minuten beträgt, und kennzeichnet sie mit „Ineffizienz“.

with Event_log_base as (
    select * from {{ ref('Event_log_base') }}
),

-- First activity X of each case
First_activity_X_of_each_case as (
    select
        Event_log_base."Case_ID",
        min(Event_log_base."Event_end") as "Event_end"
    from Event_log_base
    where Event_log_base."Activity" = 'X'
    group by Event_log_base."Case_ID"
),

-- Last activity Y of each case
Last_activity_Y_of_each_case as (
    select
        Event_log_base."Case_ID",
        max(Event_log_base."Event_end") as "Event_end"
    from Event_log_base
    where Event_log_base."Activity" = 'Y'
    group by Event_log_base."Case_ID"
),

-- Time between first X and last Y > 30 minutes
Duration_more_than_30_minutes as (
    select
        First_activity_X_of_each_case."Case_ID",
        {{ pm_utils.as_varchar('Duration more than 30 minutes') }} as "Tag",
        {{ pm_utils.as_varchar('Inefficiency') }} as "Tag_type"
    from First_activity_X_of_each_case
    inner join Last_activity_Y_of_each_case
        on First_activity_X_of_each_case."Case_ID" = Last_activity_Y_of_each_case."Case_ID"
    where {{ pm_utils.datediff('minute', 'First_activity_X_of_each_case."Event_end"', 'Last_activity_Y_of_each_case."Event_end"') }} > 30
)

select * from Duration_more_than_30_minutes

Analysieren von Tags

Tags-Dashboard

Mit dem Tags-Dashboard können Sie die Tags analysieren, die im Prozess auftreten.

Führen Sie die folgenden Schritte aus, um das Tags- Dashboard anzuzeigen.

1. Wählen Sie Tags im Menü auf der linken Seite des Dashboards aus.

Das Tags- Dashboard wird angezeigt.

Metriken

Nachfolgend finden Sie eine Beschreibung der Metriken, die zum Analysieren der Fälle in Bezug auf Tags verwendet werden können.

Metrik	Beschreibung
Anzahl der Fälle	Die Anzahl der Fälle, denen das Tag zugewiesen ist.
Anzahl der Tags	Die Anzahl der zugewiesenen Tags.