opm-add-outcome-metric

name	opm-add-outcome-metric
description	open-process-miningに成果メトリックを追加します。成果データCSVまたはdbtマートモデルを生成し、fct_case_outcomesに統合して成果分析を可能にします。「成果メトリックを追加」「成果分析データを作成」「KPIを追加」「メトリックを定義」「outcomeデータを追加」「成果指標を設定」などのキーワードで発動します。
argument-hint	プロセスタイプ名、メトリック名、またはメトリックの説明

成果メトリックの追加

プロセスタイプに成果メトリック（KPI）を追加し、パス別成果分析・セグメント比較を可能にします。

共有リソース

• パターン集: ../opm-core/references/data-pipeline-patterns.md

出力先

• 成果CSV: dbt/seeds/outcome_{process}_{year}.csv（CSV投入の場合）
• 成果マートSQL: dbt/models/marts/outcome_{source}.sql（dltソースからの計算の場合）
• 統合マート: dbt/models/marts/fct_case_outcomes.sql（追記）

ワークフロー

Step 1: 入力情報の収集

ユーザーに以下を確認する:

1. 対象プロセスタイプ: 既存の process_type（例: order-to-cash）
2. メトリック定義:
   • metric_name: snake_case（例: revenue, lead_time_days, customer_satisfaction）
   • metric_unit: 単位（例: JPY, days, percent, count, score）
   • 計算方法: 外部データ or イベントログから算出
3. データソース: CSV手動投入 or イベントログから計算

Step 2: メトリックの設計

CSV手動投入の場合:

• ケースIDとメトリック値の対応を整理
• サンプルデータを提示して確認

イベントログから計算の場合:

• 計算ロジックを設計（例: リードタイム = MAX(timestamp) - MIN(timestamp)）
• SQL式を提示して確認

Step 3: データファイルの生成

CSV手動投入の場合:

../opm-core/references/data-pipeline-patterns.md の「パターン3」を参照し:

1. dbt/seeds/outcome_{process}_{year}.csv を生成

process_type,case_id,metric_name,metric_value,metric_unit
{process-type},{case-id},{metric-name},{value},{unit}

イベントログから計算の場合:

1. dbt/models/marts/outcome_{source}.sql を生成

{{ config(materialized='table') }}

WITH case_timeline AS (
    SELECT
        process_type,
        case_id,
        MIN(timestamp) AS start_ts,
        MAX(timestamp) AS end_ts
    FROM {{ ref('stg_{source}') }}
    GROUP BY process_type, case_id
)

SELECT
    process_type,
    case_id,
    '{metric_name}' AS metric_name,
    {calculation_expression} AS metric_value,
    '{metric_unit}' AS metric_unit
FROM case_timeline
WHERE start_ts IS NOT NULL AND end_ts IS NOT NULL

Step 4: fct_case_outcomes.sql への統合

dbt/models/marts/fct_case_outcomes.sql に UNION ALL を追加:

UNION ALL

SELECT
    process_type,
    case_id,
    metric_name,
    metric_value::numeric,
    metric_unit
FROM {{ ref('outcome_{source}') }}

Step 5: 検証

以下のコマンドで動作確認を案内:

# dbt seed + run
docker compose -f compose.dev.yml run --rm dbt bash -c "cd /app/dbt && dbt seed && dbt run"

# dbt test
docker compose -f compose.dev.yml run --rm dbt bash -c "cd /app/dbt && dbt test"

# 成果データの確認
docker compose -f compose.dev.yml exec postgres psql -U process_mining -d process_mining_db \
  -c "SELECT process_type, metric_name, COUNT(*), AVG(metric_value) FROM fct_case_outcomes GROUP BY process_type, metric_name;"

Step 6: 結果の提示

生成したファイル一覧と、Web UIでの成果分析手順を案内:

1. ブラウザで http://localhost:5173 を開く
2. 「成果分析」タブに移動
3. 「新規作成」ボタンをクリック
4. プロセスタイプと追加したメトリックを選択
5. 分析タイプ（パス別成果 or セグメント比較）を選択
6. 「作成」をクリック

よくあるメトリックパターン

メトリック名	計算方法	単位
lead_time_days	MAX(timestamp) - MIN(timestamp)	days
cycle_time_days	特定アクティビティ間の所要時間	days
revenue	外部データ（売上）	JPY
profit_margin	外部データ（利益率）	percent
customer_satisfaction	外部データ（顧客満足度）	score
resolution_time_hours	クローズまでの時間	hours

注意事項

• case_id は fct_event_log の case_id と一致させること
• 1つの case_id に複数のメトリックを紐付け可能（行を分ける）
• metric_value は numeric 型にキャスト可能な値であること
• 成果分析APIは metric_name でフィルタリングするため、命名を統一すること