Sur cette page
> ressources > docs > donnees > Attributs du jeu de données

Attributs du jeu de données

Attributs du jeu de données

Sous l’onglet Attributs, l’écran affiche les colonnes suivantes pour le mapping et la configuration des attributs de votre jeu de données de données importé :

image

Les colonnes suivantes sont affichées et peuvent être configurées :

1. Nom d’affichage

Indique comment chaque attribut sera intitulé dans la section process mining de l’outil (par ex. « ACTIVITY », « ID du cas », « EVENTTIME »).

2. Nom

Le nom interne de chaque attribut dans le jeu de données. Ces noms correspondent aux colonnes du dataset.

3. Nom dans la source

Affiche les noms de colonne d’origine du dataset importé (par ex. « ACTIVITY », « ID du cas », « EVENTTIME »). Il est possible de les modifier pour utiliser d’autres colonnes du dataset source.

4. Visible

Une coche verte signifie que l’attribut est visible et sera utilisé pour l’analyse. Vous pouvez rendre la colonne visible ou invisible selon vos besoins.

5. Données présentes

Une coche verte signifie que le dataset contient bien des données valides pour cet attribut. Vous pouvez activer ou désactiver la visibilité au besoin.

6. Type de données

Spécifie le type de données de chaque colonne. Chaque type est validé automatiquement pour garantir l’intégrité des données, mais peut être modifié si nécessaire. Les types de données suivants sont disponibles :

Text

  • Descriptionn : Représente des chaînes de caractères, comme des mots ou des valeurs alphanumériques.
  • Quand l’utiliser : À mapper sur des colonnes descriptives, par exemple activités (ex. « Create Purchase Order »), noms ou autres données textuelles.
  • Exemples : Noms d’activités, statuts, catégories.

Double

  • Descriptionn : Représente un nombre à virgule flottante (nombre avec décimales).
  • Quand l’utiliser : Pour les colonnes contenant des données numériques nécessitant une précision décimale : coûts, pourcentages, mesures, etc.
  • Exemples : Coûts (ex. 125,75), pourcentages (ex. 45,67 %), autres valeurs décimales.

Integer

  • Descriptionn : Représente des nombres entiers (sans décimales).
  • Quand l’utiliser : Pour des colonnes de données numériques sans décimales telles que ID, compteurs, rangs.
  • Exemples : ID du cass, comptage d’éléments, quantités, tout champ numérique entier.

Horodatage

  • Descriptionn : Représente une information de date et heure dans un format précis (ex. “yyyy-MM-dd HH:mm:ss”). Le format peut être changé dans la colonne Format.
  • Quand l’utiliser : À mapper sur toute colonne qui trace les événements dans le temps, comme début ou fin d’activité. Primordial pour séquencer les événements dans le process mining.
  • Exemples : Heure de début, de fin, ou horodatage d’une activité.
  • Mapper en Text lorsque vos données sont descriptives (par ex. noms, activités).
  • Mapper en Double pour des valeurs numériques à décimales (ex. coûts, pourcentages).
  • Mapper en Integer pour des données numériques sans décimales (ex. IDs, compteurs).
  • Mapper en Horodatage pour toute information de date et heure (ex. journaux d’événements ou horodatages d’activités).

7. Format

Pour les Horodatages, ProcessMind prend en charge les formats les plus courants qui seront détectés automatiquement lors de l’import. Le format peut être modifié si besoin.

info

Le séparateur entre les éléments date et heure (comme dans « 2024-01-02 20:25 ») peut être n’importe quel caractère simple, y compris : ”-”, ”/”, ”.”, ou ”:”. Votre dataset peut en contenir plusieurs. Le système les ignore et ne considère que les chiffres. Le tableau ci-dessous montre donc uniquement la structure sans les séparateurs.

Nom d’affichageExemple
ISO 86012024-10-08T14:30:45Z
Excel date/time44829.60416667
yyyy MM dd HH:mm2024 10 08 14:30
yyyy MM dd HH:mm:ss2024 10 08 14:30:45
yyyy MM dd HH:mm:ss.SSS2024 10 08 14:30:45.123
yyyy MM dd HH:mm:ss.SSSSSS2024 10 08 14:30:45.1, 2, 3, 456
yyyy MM dd2024 10 08
yyyyMMdd20241008
dd MM yy08 10 24
dd MM yyyy08 10 2024
dd MM yy HH:mm08 10 24 14:30
dd MM yyyy HH:mm08 10 2024 14:30
dd MM yy HH:mm:ss08 10 24 14:30:45
dd MM yyyy HH:mm:ss08 10 2024 14:30:45
d M yyyy8 10 2024
d M yyyy HH:mm:ss8 10 2024 14:30:45
MM dd yy10 08 24
MM dd yyyy10 08 2024
MM dd yy HH:mm10 08 24 14:30
MM dd yyyy HH:mm10 08 2024 14:30
MM dd yy HH:mm:ss10 08 24 14:30:45
MM dd yyyy HH:mm:ss10 08 2024 14:30:45
M d yyyy10 8 2024
M d yyyy HH:mm:ss10 8 2024 14:30:45
d MMM yyyy8 Oct 2024
d MMM yyyy hh:mm a8 Oct 2024 02:30 PM
d MMM yyyy hh:mm:ss a8 Oct 2024 02:30:45 PM
d MMM yy8 Oct 24
d MMM yy hh:mm a8 Oct 24 02:30 PM
d MMM yy hh:mm:ss a8 Oct 24 02:30:45 PM
d MM yyyy8 10 2024
d MM yyyy hh:mm a8 10 2024 02:30 PM
d MM yyyy hh:mm:ss a8 10 2024 02:30:45 PM
d MM yy8 10 24
d MM yy hh:mm a8 10 24 02:30 PM
d MM yy hh:mm:ss a8 10 24 02:30:45 PM
MMM d yyyyOct 8 2024
MMMM d yyyyOctober 8 2024
MMM d yyyy hh:mm aOct 8 2024 02:30 PM
MMMM d yyyy hh:mm aOctober 8 2024 02:30 PM

8. Valeurs

Affiche un aperçu des vraies données pour chaque attribut du dataset :

  • ACTIVITY : contient des valeurs telles que « Create Purchase Order Item » ou « Send Purchase Order ».
  • ID du cas : contient des identifiants uniques comme « 1116524 », « 1116530 », etc.
  • EVENTTIME : affiche des horodatages au format « 2016-06-15 00:00:00+00 », « 2016-06-17 00:00:00+00 ».