Analyse des causes profondes

Qu'est-ce que l'analyse des causes profondes ?

Lors de l'analyse d'un processus métier, vous souhaiterez peut-être identifier les champs qui correspondent le plus souvent à un résultat spécifique. Cela peut vous aider à agir sur les causes profondes liées à ce résultat. Par exemple, dans le cadre du processus Purchase-to-Pay, vous souhaiterez peut-être analyser l'influence des commandes auxquelles la balise d'achat indépendant a été attribuée.

Avec l'analyse des causes profondes, vous pouvez comparer l'influence des propriétés champs de cas sur un certain comportement, afin d'identifier des influenceurs de données importants pour des situations de processus spécifiques. Un ensemble d'incidents est défini via le filtre de période. Cette sélection est appelée Incidents de référence (Reference cases). Dans cet ensemble d'incidents, vous pouvez sélectionner le comportement que vous souhaitez analyser. Par exemple, les incidents comportant une balise spécifique. Cette sélection est appelée Incidents sélectionnés (Selected cases). L'influence d'une propriété va dépendre du nombre d'occurrences des cas sélectionnés.

Tableau de bord de l'analyse des causes profondes

Utilisez le tableau de bord de l'analyse des causes profondes pour comparer l'influence de certaines propriétés d'incidents sur un ensemble d'incidents sélectionnés, dans un ensemble d'incidents de référence.

Réaliser une analyse des causes profondes

Suivez les étapes suivantes pour effectuer une analyse des causes profondes.

Étape	Action
1	Utilisez le filtre Période (Period) pour définir l'ensemble des incidents de référence.
2	Sélectionnez Analyse des causes profondes dans le menu de gauche du tableau de bord.
3	Utilisez le panneau Filtre (Filter) pour créer des filtres qui définissent l'ensemble d' Incidents sélectionnés ( Selected cases), qui constituent les incidents dont vous souhaitez analyser l'influence.
4	Dans le sélecteur, sélectionnez le champ que vous souhaitez utiliser pour votre analyse.

Remarque : jusqu'à 1 000 résultats sont visibles. Lorsqu'il y a trop de données, une icône d'avertissement s'affiche.

Curseur de limite de nœud

Le curseur Limite de nœud ( Node limit ) permet de réduire la complexité de l'arborescence Analyse de la cause première, ce qui améliore la lisibilité du graphique. Par défaut, le détail de l'analyse de la cause première est automatiquement déterminé. Vous pouvez utiliser le curseur Limite de nœuds ( Node limit ) pour modifier le nombre de nœuds affichés.

Zoom avant/zoom arrière

Vous pouvez utiliser les boutons de zoom avant/arrière en bas pour modifier le grossissement de l’arborescence de l’analyse de la cause première. Vous trouverez ci-dessous une description des boutons.

Button	Cliquez pour ...
	Zoom avant
	Zoom arrière
	Rétablir la vue par défaut

Remarque: Vous pouvez aussi utiliser la molette de la souris pour zoomer ou dézoomer.

Influence

L'arborescence de l'analyse des causes profondes affiche la valeur (%), le nombre d'occurrences dans les Incidents sélectionnés (Selected cases) et le nombre d'occurrences dans Incidents de référence (Reference cases) pour le champ sélectionné dans le tableau de bord. Un écart important par rapport aux Incidents de référence (Reference cases) indique une éventuelle influence élevée sur la sélection.

L'image ci-dessus montre que les achats indépendants, par exemple, se produisent moins dans l'entreprise 2 800 - BestRun Chine (-2 %) que dans d'autres entreprises dans les données de référence, et que les achats indépendants se produisent davantage dans l'entreprise 50 00 - BestRun Japon 5 000 (10 %) que dans les autres entreprises dans les données de référence.

Attention :

La valeur (%) dans le nœud de départ est le pourcentage sélectionné global, tandis que la valeur (%) dans les autres nœuds est l'influence (%) qui représente l'écart entre le pourcentage sélectionné du nœud et le pourcentage sélectionné global.

Afficher l'option des influenceurs les plus importants

L'option Afficher les influenceurs les plus importants (Show significant influencers) permet de zoomer en affichant les incidents présentant une influence statistiquement importante. Cela devrait vous aider à identifier les incidents de la sélection qui ont l'impact le plus grand. Cette importance statistique est calculée en se basant à la fois sur l'influence (%) et sur le nombre d'incidents que présente une propriété spécifique.

Ajouter des couches

Si vous le souhaitez, vous pouvez ajouter d'autres couches à l' analyse des causes profondes. Voir l'illustration ci-dessous.

Dans l'exemple ci-dessus, la combinaison de champs donne un ensemble de cas sélectionnés qui ne contient pas suffisamment de données (pertinentes) pour déterminer les influenceurs. Dans ce cas, vous pouvez affiner l'ensemble des incidents de référence en ajoutant un filtre au tableau de bord.

L'illustration ci-dessous montre le résultat.

Lorsque vous survolez les champs de l'arborescence, l ' influence (%), les Incidents de référence (Reference cases) et les Incidents sélectionnés ( Selected cases ) s'affichent.

Vous trouverez ci-dessous une description des mesures.

Mesure	Description
Influence (%)	L'écart entre les Incidents sélectionnés (Selected cases) et les Incidents de référence (Reference cases) .
Cas sélectionnés	Nombre d'incidents pour le champ dans l'ensemble total d' incidents sélectionnés.
Cas de référence	Nombre d'incidents pour le champ dans l'ensemble total d'incidents de référence.