Ihr Darlehensvergabedaten-Template

Dieses Attribut stellt eine einzelne Aufgabe oder einen Meilenstein im Lebenszyklus des Darlehensantrags dar, wie z.B. 'Erste Prüfung durchgeführt' oder 'Underwriting abgeschlossen'. Diese Aktivitäten bilden die Knoten in der Prozesslandkarte, und ihre Reihenfolge definiert den Prozessfluss.

Die Analyse der Reihenfolge, Häufigkeit und Dauer dieser Aktivitäten hilft, gemeinsame Prozesspfade, Abweichungen und Engpässe zu identifizieren. Sie ist entscheidend, um zu verstehen, welche Arbeit in welcher Reihenfolge erledigt wird, und bildet die Grundlage aller Process Mining Analysen.

Dieses Attribut definiert die Schritte des Prozesses und ermöglicht die Visualisierung und Analyse des Prozessflusses, was den Kern des Process Mining bildet.

Dies wird typischerweise aus Änderungen in den 'Stage'- oder 'Status'-Feldern im Loan-Objekt in nCino oder aus verwandten Task- oder Event-Datensätzen abgeleitet.

Die Darlehensantrags-ID identifiziert eindeutig jede einzelne Darlehensanfrage während ihres gesamten Lebenszyklus. Sie dient als zentrale Entität, um alle zugehörigen Aktivitäten und Daten zu gruppieren, was eine vollständige Nachverfolgung des Entstehungsprozesses für ein spezifisches Darlehen ermöglicht.

Im Process Mining fungiert diese ID als Case ID. Jedes Ereignis, von der Einreichung bis zur endgültigen Entscheidung, ist mit diesem Bezeichner verknüpft. Dies ermöglicht die Rekonstruktion des End-to-End-Prozessflusses für jede Anwendung, was grundlegend für Zykluszeitanalyse, Variantenanalyse und Engpassidentifikation ist.

Dies ist die essentielle Case ID, die alle Prozessschritte verbindet und es ermöglicht, den End-to-End-Verlauf jedes Darlehensantrags zu analysieren.

Dies ist typischerweise der Primärschlüssel des Loan-Objekts in nCino, oft referenziert als LLC_Loan__c.Name oder ein ähnliches eindeutiges Identifikationsfeld.

Die Startzeit, oder der Ereignis-Timestamp, zeichnet das genaue Datum und die Uhrzeit auf, zu der eine Aktivität stattfand. Diese chronologischen Daten sind essentiell für die korrekte Reihenfolge der Ereignisse und die Rekonstruktion des tatsächlichen Prozessflusses.

Dieser Timestamp ist die Grundlage für alle zeitbasierten Analysen. Er wird verwendet, um Zykluszeiten zwischen Aktivitäten zu berechnen, Wartezeiten und Verzögerungen zu identifizieren und die gesamte Falldauer zu messen. Genaue Timestamps sind entscheidend für die Leistungsüberwachung und Engpassanalyse.

Dieser Timestamp liefert die chronologische Reihenfolge der Ereignisse, was essentiell für die Berechnung aller Performance-Metriken wie Zykluszeiten und Dauern ist.

Dies kann aus systemgenerierten Timestamps wie 'CreatedDate' in verwandten Datensätzen oder dem Timestamp einer spezifischen Feldänderung in der Feldhistorie bezogen werden.

Dieses Attribut zeichnet Datum und Uhrzeit der letzten Datenextraktion aus dem Quellsystem auf. Es bietet Kontext für die Aktualität der analysierten Daten.

In Dashboards und Berichten sind diese Informationen für Benutzer entscheidend, um zu verstehen, wie aktuell die Analyse ist. Es hilft, Erwartungen zu managen und stellt sicher, dass Entscheidungen auf der Grundlage eines verstandenen Zeitrahmens der zugrundeliegenden Daten getroffen werden.

Bietet entscheidenden Kontext zur Datenaktualität und stellt sicher, dass Nutzer verstehen, wie aktuell die Prozessanalyse ist.

Dieser Timestamp wird vom Datenextraktionstool oder ETL-Prozess zum Zeitpunkt des Datenabzugs generiert.

Dieses Attribut identifiziert die Quellanwendung, aus der die Ereignisdaten stammen. Für diesen Prozess wird es typischerweise 'nCino' sein.

Obwohl es redundant erscheinen mag, wenn alle Daten aus einem System stammen, ist es entscheidend für die Data Governance und wird vital bei der Integration von Daten aus mehreren Systemen, wie z.B. einem separaten Kreditscoring-System oder einer Dokumentenmanagementplattform. Es gewährleistet Klarheit über die Datenherkunft.

Identifiziert den Ursprung der Daten, was entscheidend ist für Data Governance, Fehlerbehebung und die Kombination von Daten aus mehreren Systemen.

Dies ist ein statischer Wert, 'nCino', der während des Datenextraktions- und Transformationsprozesses angewendet wird.

Dieses Attribut identifiziert die Einreichungsquelle des Darlehensantrags. Verschiedene Kanäle können unterschiedliche Grade an Datenvollständigkeit und Kundeninteraktion aufweisen, was den nachfolgenden Prozessfluss beeinflussen kann.

Die Analyse des Prozesses nach Kanal hilft, die Kanaleffizienz zu bewerten. Man könnte beispielsweise die Zykluszeiten und Nacharbeitsraten von online eingereichten Anträgen mit denen vergleichen, die in einer Filiale eingereicht wurden. Diese Erkenntnisse können strategische Entscheidungen über Kanalinvestitionen und Prozessoptimierung für spezifische Quellen informieren.

Hilft, die Effizienz, Geschwindigkeit und Qualität verschiedener Einreichungskanäle zu vergleichen und leitet strategische Verbesserungen und Investitionen an.

Dies wird typischerweise in einem Picklist-Feld im Loan-Objekt gespeichert, oft benannt als 'Channel' oder 'Source'.

Die Endzeit markiert den Abschluss einer Aktivität. Die Differenz zwischen der Start- und Endzeit einer Aktivität stellt ihre Bearbeitungszeit dar.

Dieses Attribut ist essentiell, um zwischen Bearbeitungszeit (aktiver Arbeit) und Wartezeit (Leerlaufzeit zwischen Aktivitäten) zu unterscheiden. Die Analyse der Bearbeitungszeiten hilft zu identifizieren, welche spezifischen Schritte am zeitaufwändigsten sind, während die Lücke zwischen der Endzeit einer Aktivität und der Startzeit der nächsten Übergabeverzögerungen aufzeigt.

Ermöglicht die Berechnung präziser Bearbeitungszeiten für Aktivitäten, was entscheidend ist, um aktive Arbeitszeit von inaktiver Wartezeit zu unterscheiden.

Dies kann aus systemgenerierten Timestamps wie 'LastModifiedDate' in verwandten Datensätzen oder dem Timestamp einer nachfolgenden Feldänderung in der Feldhistorie bezogen werden.

Dieses Attribut erfasst das Ergebnis der Aktivität 'Darlehensentscheidung getroffen'. Es ist ein kritisches Attribut auf Case-Ebene, das den Endzustand eines abgeschlossenen Darlehensantragsprozesses definiert.

Dieses Attribut ist essentiell für ergebnisorientierte Analysen. Es ermöglicht den Vergleich von Prozessflüssen, die zu unterschiedlichen Ergebnissen führen, z.B. die Analyse der gemeinsamen Pfade von genehmigten versus abgelehnten Anträgen. Es bildet auch die Grundlage für die Berechnung wichtiger Kennzahlen wie der Darlehensablehnungsquote.

Ermöglicht das Filtern und Vergleichen von Prozessen basierend auf ihrem endgültigen Geschäftsergebnis, was entscheidend ist, um zu identifizieren, welche Prozessmuster zu Erfolg oder Misserfolg führen.

Typischerweise in einem 'Status'- oder 'Phase'-Feld im Loan-Objekt zu finden, sobald der Prozess abgeschlossen ist. Die spezifischen Werte sind konfigurationsabhängig.

Dieses Attribut stellt den Hauptbetrag des beantragten Darlehens dar. Der Darlehensbetrag kann die Komplexität und Dauer des Entstehungsprozesses erheblich beeinflussen, wobei größere oder komplexere Darlehen oft zusätzliche Prüfung oder Schritte erfordern.

In der Analyse ist der Darlehensbetrag ein leistungsstarkes Werkzeug zur Segmentierung. Er ermöglicht die Untersuchung, ob höherwertige Darlehen länger bearbeitet werden, höhere Nacharbeitsraten aufweisen oder unterschiedliche Prozesspfade verfolgen. Er ist auch grundlegend für die Finanzberichterstattung und das Verständnis des Werts des bearbeiteten Darlehensportfolios.

Bietet einen wichtigen finanziellen Kontext und ermöglicht die Segmentierung der Analyse, um zu prüfen, ob der Darlehenswert mit der Prozesskomplexität, -dauer oder den Ergebnissen korreliert.

Befindet sich in einem Währungsfeld des Loan-Objekts, oft 'Amount' benannt (LLC_Loan__c.LLC_BI__Amount__c).

Dieses Attribut kategorisiert den Darlehensantrag basierend auf dem angebotenen Finanzprodukt. Verschiedene Darlehensprodukte weisen oft unterschiedliche Prozessvarianten, Zykluszeiten und Risikoprofile auf.

Die Segmentierung der Prozessanalyse nach Darlehensprodukttyp ist entscheidend für einen aussagekräftigen Vergleich. Sie hilft zu verstehen, wie verschiedene Produkte die Prozesseffizienz beeinflussen, und ermöglicht die Erstellung maßgeschneiderter Dashboards, z.B. zur Verfolgung des Auszahlungsdurchsatzes für Hypotheken versus Autokredite. Dies stellt sicher, dass die Performance im korrekten Geschäftskontext bewertet wird.

Ermöglicht die Segmentierung der Prozessanalyse nach Geschäftskontext, wodurch aufgedeckt wird, wie unterschiedliche Produkte die Prozesseffizienz, Dauer und Pfade beeinflussen.

Dies wird typischerweise in einem 'Product'- oder 'Loan Type'-Feld im nCino Loan-Objekt (LLC_Loan__c) gespeichert.

Dieses Attribut gibt die funktionale Gruppe an, wie z.B. 'Origination', 'Underwriting' oder 'Closing', die die Aktivität verantwortet. Dies kann aus dem Profil des zugewiesenen Benutzers oder einem dedizierten Feld im Darlehensdatensatz abgeleitet werden.

Die Analyse des Prozesses aus einer Abteilungsansicht ist entscheidend für das Verständnis der abteilungsübergreifenden Zusammenarbeit. Sie hilft, Übergabezeiten zwischen Abteilungen zu messen, durch abteilungsübergreifende Transfers verursachte Verzögerungen zu identifizieren und bietet eine übergeordnete Sicht darauf, wo innerhalb der Organisation gearbeitet wird.

Entscheidend für die Analyse abteilungsübergreifender Übergaben, die Messung der Teamleistung und die Identifizierung funktionsübergreifender Bottlenecks.

Diese Informationen können aus dem Abteilungsfeld des zugewiesenen Benutzers in dessen Benutzerdatensatz oder aus einem benutzerdefinierten 'Team'- oder 'Warteschlangen'-Zuweisungsfeld im Darlehensobjekt abgeleitet werden.

Dieses Attribut identifiziert den einzelnen Mitarbeiter, der eine spezifische Aufgabe ausgeführt hat oder dem Darlehensantrag in einer bestimmten Phase zugewiesen ist. Dies wird oft als 'Owner' des Datensatzes in nCino verfolgt.

Die Analyse von Daten nach Benutzer hilft, die Arbeitslastverteilung, individuelle Leistung und Ressourcenauslastung zu verstehen. Sie kann überlastete Mitarbeiter oder Teams hervorheben und Top-Performer identifizieren, was für das Ressourcenmanagement und die Schulung wertvoll ist.

Dies ermöglicht die Analyse der Arbeitslastverteilung, Teamleistung und Ressourcenzuweisung und hilft, Engpässe zu identifizieren, die mit spezifischen Benutzern oder Teams zusammenhängen.

Typischerweise aus dem 'OwnerId'-Feld im Loan-Objekt oder verwandten Task-Objekten, das mit dem User-Objekt verbunden werden kann, um den Benutzernamen zu erhalten.

Wenn das 'Decision Outcome' (Entscheidungsergebnis) eines Darlehens 'Declined' (Abgelehnt) ist, liefert dieses Attribut weitere Details zur Ursache. Gründe könnten eine schlechte Kreditwürdigkeit, unzureichendes Einkommen oder unvollständige Dokumentation sein.

Die Analyse der Ablehnungsgründe ist entscheidend für die Geschäftsverbesserung. Sie kann Trends aufzeigen, die auf Probleme mit Kreditvergabekriterien, der Produkt-Markt-Anpassung oder Problemen im Antragsprozess selbst hindeuten. Diese Erkenntnisse können dem Unternehmen helfen, seine Strategien zu verfeinern und die Genehmigungsquoten zu verbessern.

Liefert die Grundursache für abgelehnte Anträge und ermöglicht so eine Analyse zur Identifizierung von Trends und zur Verbesserung der Kreditvergabekriterien oder Antragsprozesse.

Typischerweise in einem Picklist- oder Textfeld im Loan-Objekt gespeichert, das obligatorisch wird, wenn das Darlehen in den Status 'Declined' verschoben wird.

Diese Metrik stellt die verstrichene Zeit von der Startzeit einer Aktivität bis zu ihrer Endzeit dar. Sie misst die 'Bearbeitungszeit' oder die aktive Arbeitsperiode für einen gegebenen Prozessschritt.

Dieses berechnete Attribut ist entscheidend für die Performance-Analyse. Es hilft, aktive Arbeitszeit von Leerlauf- oder Wartezeit zu unterscheiden, sodass Analysten genau bestimmen können, welche spezifischen Aufgaben am zeitaufwändigsten sind, im Gegensatz zur Identifizierung langer Verzögerungen zwischen den Schritten. Es ist ein wichtiger Input für die Ressourcenkapazitätsplanung und Effizienzverbesserungen.

Misst die aktive Bearbeitungszeit für jeden Schritt und hilft, die zeitaufwändigsten Aufgaben zu identifizieren und sie von Wartezeiten abzugrenzen.

Dies wird berechnet, indem die Differenz zwischen der 'EventEndTime' und der 'EventTime' (StartTime) für jede Aktivität ermittelt wird.

Diese berechnete Metrik misst die End-to-End-Zykluszeit für jeden Darlehensantrag. Sie stellt die Gesamtzeit dar, die ein Fall im Prozess aktiv ist.

Die Falldauer ist ein primärer Schlüssel-Performance-Indikator für die gesamte Prozesseffizienz. Sie wird in Dashboards verwendet, um die Verteilung der Zykluszeiten zu visualisieren, langlaufende Fälle zu identifizieren und Performance-Trends über die Zeit zu verfolgen. Die Analyse der Faktoren, die mit längeren Falldauern korrelieren, ist ein Schlüsselziel vieler Process Mining Projekte.

Stellt die gesamte End-to-End-Zykluszeit dar, eine kritische KPI zur Messung der gesamten Prozessgesundheit und Kundenerfahrung.

Dies wird berechnet, indem die Differenz zwischen der maximalen und minimalen EventTime für jede Darlehensantrags-ID ermittelt wird.

Dieses Flag unterscheidet zwischen manuellen Aufgaben und automatisierten Systemereignissen. Beispielsweise könnte eine Kreditprüfung eine automatisierte Aktivität sein, während eine Underwriting-Entscheidung typischerweise manuell ist.

Die Identifizierung automatisierter Schritte ist entscheidend für die Automatisierungsentdeckung und -analyse. Sie ermöglicht die Messung der Auswirkungen der Automatisierung auf Zykluszeiten und Effizienz und hilft, manuelle Aktivitäten zu identifizieren, die potenzielle Kandidaten für zukünftige Automatisierungsinitiativen sind.

Unterscheidet zwischen System- und menschlichen Aktivitäten, was grundlegend ist, um den Einfluss der Automatisierung zu messen und neue Automatisierungsmöglichkeiten zu identifizieren.

Dies wird typischerweise basierend auf dem mit dem Ereignis verbundenen Benutzer abgeleitet. Wenn der Benutzer ein 'System'- oder 'Integration'-Benutzer ist, wird das Flag auf 'true' gesetzt.

Dieses boolesche Attribut wird auf 'true' gesetzt, wenn eine Aktivität, wie z.B. 'Belegdokumente angefordert', mehr als einmal für denselben Darlehensantrag auftritt. Es identifiziert Instanzen von Nacharbeit, die oft eine Quelle von Prozessineffizienz sind.

Die Analyse von Nacharbeit ist ein zentraler Anwendungsfall im Process Mining. Das 'IsRework'-Flag ermöglicht ein einfaches Filtern und Quantifizieren von Nacharbeitsinstanzen. Es hilft, Dashboards wie die 'Darlehensantrags-Nacharbeitsanalyse' zu unterstützen und wird zur Berechnung von KPIs wie der Nacharbeitsrate verwendet, wobei Bereiche hervorgehoben werden, in denen Prozessschritte beim ersten Durchlauf fehlschlagen.

Hebt Prozessineffizienzen hervor, indem es wiederholte Arbeiten kennzeichnet, was eine gezielte Analyse ermöglicht, um kostspielige Schleifen zu verstehen und zu reduzieren.

Dieses Attribut wird während der Datentransformation mithilfe von Fensterfunktionen berechnet, um zu prüfen, ob dieselbe Aktivität für eine gegebene Case ID bereits stattgefunden hat.

Dieses Attribut enthält den numerischen Kredit-Score, der von einer Kreditauskunftei während der Aktivität 'Kreditprüfung abgeschlossen' zurückgegeben wurde. Es ist ein Schlüsselfaktor im Kreditprüfungs- und Entscheidungsprozess.

Im Process Mining kann der Kredit-Score verwendet werden, um zu analysieren, ob eine Korrelation zwischen dem Score und dem Prozessverhalten besteht. Benötigen beispielsweise Anträge mit niedrigeren Kredit-Scores mehr manuelle Schritte, dauern länger im Underwriting oder haben eine höhere Ablehnungsquote? Dies kann wertvolle Einblicke in risikobasierte Prozessvarianten liefern.

Ermöglicht die Analyse, wie ein wichtiger Entscheidungsfaktor, der Kredit-Score, mit Prozesspfaden, Dauern und Ergebnissen korreliert.

Diese Daten werden oft in einem dedizierten Feld eines verwandten 'Kreditbericht'- oder 'Finanzdaten'-Objekts gespeichert, das mit dem Haupt-Darlehensobjekt verknüpft ist.

Dieses Attribut liefert das Ergebnis einer SLA-Prüfung, typischerweise für eine spezifische Phase wie das Underwriting. Es vergleicht die tatsächliche Zykluszeit mit dem vordefinierten SLA-Ziel und weist einen Status wie 'Met' (Erfüllt) oder 'Breached' (Verletzt) zu.

Dieses Attribut ist essentiell für die Leistungsüberwachung im Vergleich zu Geschäftsverpflichtungen. Es unterstützt direkt das Dashboard 'Underwriting SLA Adherence' und die KPI und liefert ein klares und sofortiges Signal der Compliance. Es ermöglicht das Herunterbrechen in die Merkmale verletzter Anträge, um die Grundursachen von Verzögerungen zu verstehen.

Bietet ein klares, kategorisches Ergebnis der Performance im Vergleich zu den Zielen und erleichtert so die Überwachung der SLA-Einhaltung sowie die Analyse der Ursachen von Verstößen.

Dies wird in der Datentransformationsschicht berechnet, indem die tatsächliche Dauer eines Prozesssegments (z.B. Underwriting-Zykluszeit) mit dem Attribut 'UnderwritingSlaTarget' verglichen wird.

Dieses Attribut definiert das erwartete Service Level Agreement (SLA) für den Kreditprüfungsteil des Prozesses. Es dient als Benchmark, anhand derer die tatsächliche Leistung gemessen wird.

Dieses Ziel wird verwendet, um SLA-Einhaltungsraten zu berechnen. Durch den Vergleich der tatsächlichen Kreditprüfungszykluszeit mit diesem Ziel können Anträge als 'Met' (Erfüllt) oder 'Breached' (Verletzt) gekennzeichnet werden. Dies ist essentiell für das Dashboard 'Underwriting SLA Adherence' und verwandte KPIs.

Bietet die notwendige Benchmark zur Leistungsmessung anhand von Service Level Agreements und ermöglicht so die Überwachung der SLA-Einhaltung.

Dieser Wert kann im Loan-Objekt gespeichert oder aus Geschäftsregeln basierend auf Attributen wie Darlehensprodukttyp oder Darlehensbetrag abgeleitet werden.