Ihr Daten-Template für die Kreditvergabe

Dieses Attribut bezeichnet eine einzelne Aufgabe oder einen Meilenstein im Lebenszyklus eines Kreditantrags, zum Beispiel „Erste Prüfung durchgeführt“ oder „Underwriting abgeschlossen“. Diese Aktivitäten bilden die Knoten in der Prozesslandkarte. Ihre Reihenfolge bestimmt den Prozessablauf.

Die Analyse der Reihenfolge, Häufigkeit und Dauer dieser Aktivitäten hilft dabei, typische Prozesspfade, Abweichungen und Engpässe zu erkennen. Sie zeigt, welche Arbeitsschritte in welcher Reihenfolge ausgeführt werden, und bildet damit die Grundlage für alle Process-Mining-Analysen.

Dieses Attribut legt die Prozessschritte fest und ermöglicht die Visualisierung und Analyse des Prozessablaufs, dem Kern des Process Mining.

Dieses Attribut wird üblicherweise aus Änderungen der Felder „Stage“ oder „Status“ des Kreditobjekts in nCino oder aus zugehörigen Task- oder Event-Datensätzen abgeleitet.

Die Kreditantrags-ID identifiziert jeden einzelnen Kreditantrag über seinen gesamten Lebenszyklus hinweg eindeutig. Sie dient als zentrale Entität, über die alle zugehörigen Aktivitäten und Daten gruppiert werden. So lässt sich der gesamte Ablauf eines bestimmten Kreditantrags nachvollziehen.

Im Process Mining dient diese ID als Case-ID. Jedes Ereignis, von der Einreichung bis zur endgültigen Entscheidung, ist mit dieser Kennung verknüpft. Dadurch lässt sich der durchgängige Prozessablauf für jeden Antrag rekonstruieren. Das ist die Grundlage für Zykluszeitanalysen, Variantenanalysen und die Erkennung von Engpässen.

Dies ist die zentrale Case-ID, die alle Prozessschritte miteinander verknüpft und so die durchgängige Analyse jedes Kreditantrags ermöglicht.

Dabei handelt es sich üblicherweise um den Primärschlüssel des Kreditobjekts in nCino, häufig als LLC_Loan__c.Name oder in einem ähnlich benannten Feld mit eindeutiger Kennung.

Die Startzeit, also der Ereignis-Timestamp, hält Datum und Uhrzeit einer Aktivität exakt fest. Diese chronologischen Daten sind wichtig, um Ereignisse korrekt zu ordnen und den tatsächlichen Prozessablauf zu rekonstruieren.

Dieser Timestamp bildet die Grundlage für alle zeitbezogenen Analysen. Mit ihm lassen sich Zykluszeiten zwischen Aktivitäten und Wartezeiten sowie Verzögerungen berechnen und die Gesamtdauer eines Cases messen. Genaue Timestamps sind entscheidend für die Leistungsüberwachung und Engpassanalyse.

Dieser Timestamp gibt die chronologische Reihenfolge der Ereignisse an. Das ist unerlässlich, um Leistungskennzahlen wie Zykluszeiten und Dauern zu berechnen.

Als Quelle kommen systemgenerierte Timestamps infrage, etwa „CreatedDate“ zugehöriger Datensätze oder der Timestamp einer bestimmten Feldänderung in der Feldhistorie.

Dieses Attribut erfasst Datum und Uhrzeit der letzten Datenextraktion aus dem Quellsystem. Es gibt Aufschluss darüber, wie aktuell die analysierten Daten sind.

In Dashboards und Berichten hilft diese Information den Benutzern einzuschätzen, wie aktuell die Analyse ist. So lassen sich Erwartungen steuern und Entscheidungen auf Grundlage eines klar definierten Datenzeitraums treffen.

Gibt Aufschluss über die Aktualität der Daten, damit Benutzer einschätzen können, wie aktuell die Prozessanalyse ist.

Dieser Timestamp wird zum Zeitpunkt des Datenabrufs vom Datenextraktionstool oder ETL-Prozess erzeugt.

Dieses Attribut kennzeichnet die Quellanwendung, aus der die Ereignisdaten stammen. Für diesen Prozess ist das üblicherweise „nCino“.

Auch wenn es überflüssig erscheinen mag, wenn alle Daten aus einem System stammen, ist das Attribut für die Data Governance wichtig. Bei der Integration mehrerer Systeme, etwa einer separaten Software für Bonitätsbewertungen oder einer Dokumentenmanagementplattform, wird es unverzichtbar. Es macht die Herkunft der Daten nachvollziehbar.

Kennzeichnet die Herkunft der Daten. Das ist wichtig für die Data Governance, die Fehlerbehebung und die Zusammenführung von Daten aus mehreren Systemen.

Dies ist ein statischer Wert, „nCino“, der während der Datenextraktion und -transformation zugewiesen wird.

Dieses Attribut kennzeichnet den Einreichungskanal des Kreditantrags. Je nach Kanal können Vollständigkeit der Daten und Kundeninteraktion variieren, was sich auf den weiteren Prozessablauf auswirken kann.

Die Analyse nach Kanal hilft, die Effizienz der einzelnen Kanäle zu bewerten. So lassen sich beispielsweise Zykluszeiten und Nacharbeitsquoten von Online-Anträgen mit denen von Anträgen aus einer Filiale vergleichen. Diese Erkenntnisse können strategische Entscheidungen zu Investitionen in bestimmte Kanäle und zur Optimierung der zugehörigen Prozesse unterstützen.

Ermöglicht den Vergleich von Effizienz, Geschwindigkeit und Qualität verschiedener Einreichungskanäle und unterstützt so gezielte Verbesserungen und Investitionen.

Dieser Wert ist üblicherweise in einem Auswahllistenfeld des Kreditobjekts gespeichert, häufig mit dem Namen „Channel“ oder „Source“.

Die Endzeit markiert den Abschluss einer Aktivität. Die Differenz zwischen Start- und Endzeit entspricht ihrer Verarbeitungszeit.

Mit diesem Attribut lassen sich Verarbeitungszeit, also aktive Arbeit, und Wartezeit, also Leerlauf zwischen Aktivitäten, voneinander unterscheiden. Die Analyse der Verarbeitungszeiten zeigt, welche einzelnen Schritte am meisten Zeit beanspruchen. Die Zeit zwischen der Endzeit einer Aktivität und der Startzeit der nächsten macht Verzögerungen bei Übergaben sichtbar.

Ermöglicht die genaue Berechnung der Verarbeitungszeit einzelner Aktivitäten. So lässt sich aktive Arbeitszeit von ungenutzter Wartezeit unterscheiden.

Als Quelle kommen systemgenerierte Timestamps infrage, etwa „LastModifiedDate“ zugehöriger Datensätze oder der Timestamp einer späteren Feldänderung in der Feldhistorie.

Dieses Attribut erfasst das Ergebnis der Aktivität „Kreditentscheidung getroffen“. Es ist ein wichtiges Case-Attribut, das den endgültigen Status eines abgeschlossenen Kreditvergabeprozesses festlegt.

Das Attribut ist für ergebnisbezogene Analysen unerlässlich. Es ermöglicht den Vergleich von Prozessabläufen mit unterschiedlichen Ergebnissen, zum Beispiel der typischen Pfade genehmigter und abgelehnter Anträge. Außerdem bildet es die Grundlage für Kennzahlen wie die Ablehnungsquote bei Kreditanträgen.

Ermöglicht das Filtern und Vergleichen von Prozessen nach ihrem endgültigen Geschäftsergebnis. So lässt sich erkennen, welche Prozessmuster zum Erfolg oder Misserfolg führen.

Ist nach Abschluss des Prozesses üblicherweise in einem Feld „Status“ oder „Stage“ des Kreditobjekts zu finden. Die konkreten Werte hängen von der Konfiguration ab.

Dieses Attribut ordnet den Kreditantrag dem angebotenen Finanzprodukt zu. Für verschiedene Kreditprodukte gelten oft unterschiedliche Prozessabläufe, Zykluszeiten und Risikoprofile.

Die Segmentierung der Prozessanalyse nach Kreditproduktart ist wichtig, um aussagekräftige Vergleiche zu ermöglichen. Sie zeigt, wie sich verschiedene Produkte auf die Prozesseffizienz auswirken, und ermöglicht maßgeschneiderte Dashboards, etwa zur Überwachung des Auszahlungsdurchsatzes bei Hypotheken und Autokrediten. So wird die Leistung im passenden Geschäftskontext bewertet.

Ermöglicht die Segmentierung der Prozessanalyse nach Geschäftskontext. So wird sichtbar, wie sich verschiedene Produkte auf Prozesseffizienz, Dauer und Ablauf auswirken.

Dieser Wert ist üblicherweise in einem Feld „Product“ oder „Loan Type“ des nCino-Kreditobjekts (LLC_Loan__c) gespeichert.

Dieses Attribut bezeichnet den beantragten Kreditbetrag. Die Kreditsumme kann die Komplexität und Dauer des Kreditvergabeprozesses erheblich beeinflussen. Bei größeren oder komplexeren Krediten sind häufig zusätzliche Prüfungen oder Schritte erforderlich.

In der Analyse eignet sich die Kreditsumme zur Segmentierung. Damit lässt sich untersuchen, ob Kredite mit höheren Beträgen länger bearbeitet werden, häufiger Nacharbeit erfordern oder anderen Prozesspfaden folgen. Sie ist außerdem wichtig für die Finanzberichterstattung und die Bewertung des bearbeiteten Kreditportfolios.

Liefert wichtigen finanziellen Kontext und ermöglicht die Segmentierung der Analyse, um Zusammenhänge zwischen Kredithöhe und Prozesskomplexität, Dauer oder Ergebnis zu untersuchen.

Ist in einem Währungsfeld des Kreditobjekts gespeichert, häufig mit dem Namen „Amount“ (LLC_Loan__c.LLC_BI__Amount__c).

Dieses Attribut bezeichnet die zuständige Fachgruppe, zum Beispiel „Kreditvergabe“, „Underwriting“ oder „Abschluss“. Der Wert kann aus dem Profil des zugewiesenen Benutzers oder aus einem eigenen Feld im Kreditdatensatz abgeleitet werden.

Die Analyse nach Abteilungen ist wichtig, um die abteilungsübergreifende Zusammenarbeit zu verstehen. Sie hilft, Übergabezeiten zwischen Abteilungen zu messen, Verzögerungen durch Abteilungswechsel zu erkennen und einen Überblick darüber zu gewinnen, wo die Arbeit in der Organisation erledigt wird.

Wichtig für die Analyse abteilungsübergreifender Übergaben, die Messung der Teamleistung und die Erkennung von Engpässen an Schnittstellen zwischen Fachbereichen.

Diese Information lässt sich aus dem Feld „Department“ des zugewiesenen Benutzers im User-Datensatz oder aus einem benutzerdefinierten Feld „Team“ oder „Queue“ des Kreditobjekts ableiten.

Dieses Attribut kennzeichnet den Mitarbeitenden, der eine bestimmte Aufgabe ausgeführt hat oder dem der Kreditantrag in einer bestimmten Phase zugewiesen ist. In nCino wird dies häufig über den Datensatzinhaber („Owner“) erfasst.

Die Analyse nach Benutzern zeigt die Verteilung der Arbeitslast, die individuelle Leistung und den Ressourceneinsatz. Sie kann überlastete Mitarbeitende oder Teams sowie besonders leistungsstarke Mitarbeitende sichtbar machen. Das ist für die Ressourcenplanung und Schulungen hilfreich.

Ermöglicht die Analyse der Arbeitslastverteilung, der Teamleistung und des Ressourceneinsatzes. So lassen sich Engpässe erkennen, die mit bestimmten Benutzern oder Teams zusammenhängen.

Üblicherweise stammt der Wert aus dem Feld „OwnerId“ des Kreditobjekts oder zugehöriger Task-Objekte. Über eine Verknüpfung mit dem User-Objekt lässt sich der Name des Benutzers ermitteln.

Wenn das „Entscheidungsergebnis“ eines Kredits „Abgelehnt“ lautet, liefert dieses Attribut weitere Informationen zu den Gründen. Dazu können eine niedrige Bonität, ein unzureichendes Einkommen oder unvollständige Unterlagen zählen.

Die Analyse der Ablehnungsgründe ist wichtig für die Verbesserung des Geschäfts. Sie kann Trends aufzeigen, die auf Probleme mit den Kreditvergabekriterien, der Produkt-Markt-Passung oder dem Antragsprozess selbst hindeuten. Diese Erkenntnisse helfen dabei, die Strategie anzupassen und die Genehmigungsquote zu verbessern.

Zeigt die Ursachen abgelehnter Anträge auf und ermöglicht die Analyse von Trends, um Kreditvergabekriterien oder Antragsprozesse zu verbessern.

Ist üblicherweise in einem Auswahllisten- oder Textfeld des Kreditobjekts gespeichert. Das Feld wird häufig verpflichtend, wenn der Kreditstatus auf „Abgelehnt“ gesetzt wird.

Dieses Kennzeichen unterscheidet zwischen Aufgaben, die von Menschen ausgeführt werden, und automatisierten Systemereignissen. Eine Bonitätsprüfung kann beispielsweise automatisch erfolgen, während eine Underwriting-Entscheidung üblicherweise manuell getroffen wird.

Die Erkennung automatisierter Schritte ist wichtig, um Automatisierungsmöglichkeiten zu ermitteln und zu analysieren. So lässt sich die Auswirkung der Automatisierung auf Zykluszeiten und Effizienz messen. Außerdem werden manuelle Aktivitäten sichtbar, die sich für künftige Automatisierungsvorhaben eignen.

Unterscheidet zwischen System- und menschlichen Aktivitäten. Das ist die Grundlage, um die Auswirkungen der Automatisierung zu messen und weitere Automatisierungsmöglichkeiten zu erkennen.

Wird üblicherweise anhand des dem Ereignis zugeordneten Benutzers abgeleitet. Handelt es sich um einen „System“- oder „Integration“-Benutzer, wird das Kennzeichen auf „true“ gesetzt.

Dieses Attribut enthält den numerischen Bonitätswert, den eine Kreditauskunftei während der Aktivität „Bonitätsprüfung abgeschlossen“ zurückgibt. Er ist ein wichtiger Faktor im Underwriting und bei der Entscheidungsfindung.

Im Process Mining lässt sich anhand der Bonität untersuchen, ob sie mit dem Prozessverhalten zusammenhängt. Erfordern Anträge mit niedrigerer Bonität beispielsweise mehr manuelle Schritte, dauern sie im Underwriting länger oder werden sie häufiger abgelehnt? Das liefert wertvolle Erkenntnisse zu risikobedingten Prozessvarianten.

Ermöglicht die Analyse, wie ein wichtiger Entscheidungsfaktor, die Bonität, mit Prozesspfaden, Dauern und Ergebnissen zusammenhängt.

Diese Daten sind häufig in einem eigenen Feld eines verknüpften Objekts „Credit Report“ oder „Financials“ gespeichert.

Diese berechnete Kennzahl misst die durchgängige Zykluszeit jedes Kreditantrags. Sie gibt an, wie lange ein Case insgesamt im Prozess aktiv ist.

Die Case-Dauer ist eine zentrale Kennzahl für die Gesamteffizienz des Prozesses. Dashboards zeigen damit die Verteilung der Zykluszeiten, machen lang laufende Cases sichtbar und verfolgen Leistungstrends im Zeitverlauf. Ein wichtiges Ziel vieler Process-Mining-Projekte ist es, die Faktoren zu analysieren, die mit längeren Case-Dauern zusammenhängen.

Gibt die durchgängige Zykluszeit an und ist eine wichtige Kennzahl zur Messung der Prozessgesundheit und der Customer Experience.

Dieser Wert wird berechnet, indem für jede LoanApplicationId die Differenz zwischen dem maximalen und dem minimalen EventTime ermittelt wird.

Dieses boolesche Attribut wird auf „true“ gesetzt, wenn eine Aktivität wie „Belege angefordert“ für denselben Kreditantrag mehr als einmal stattfindet. Es kennzeichnet Nacharbeit, die häufig zu ineffizienten Prozessen führt.

Die Analyse von Nacharbeit ist ein zentraler Anwendungsfall des Process Mining. Mit dem Kennzeichen „IsRework“ lassen sich Nacharbeitsfälle einfach filtern und quantifizieren. Es unterstützt Dashboards wie „Nacharbeitsanalyse für Kreditanträge“ und dient zur Berechnung von Kennzahlen wie der Nacharbeitsquote. So werden Bereiche sichtbar, in denen Prozessschritte nicht auf Anhieb erfolgreich sind.

Macht Prozessineffizienzen sichtbar, indem wiederholte Arbeit gekennzeichnet wird. So lassen sich kostspielige Schleifen gezielt analysieren und reduzieren.

Dieses Attribut wird während der Datentransformation berechnet. Fensterfunktionen prüfen dabei, ob dieselbe Aktivität für eine bestimmte Case-ID bereits stattgefunden hat.

Dieses Attribut gibt das Ergebnis einer SLA-Prüfung an, üblicherweise für eine bestimmte Phase wie das Underwriting. Es vergleicht die tatsächliche Zykluszeit mit dem festgelegten SLA-Zielwert und weist einen Status wie „Eingehalten“ oder „Überschritten“ zu.

Das Attribut ist wichtig, um die Leistung anhand geschäftlicher Zusagen zu überwachen. Es unterstützt direkt das Dashboard und die Kennzahl „Einhaltung des Underwriting-SLA“ und zeigt die Konformität klar und unmittelbar an. Außerdem können Sie die Merkmale von Anträgen mit überschrittenem SLA genauer analysieren, um die Ursachen von Verzögerungen zu verstehen.

Liefert ein klares, kategorisches Ergebnis im Vergleich zu den Zielwerten. So lassen sich die SLA-Konformität überwachen und die Ursachen von Überschreitungen analysieren.

Wird in der Datentransformationsschicht berechnet, indem die tatsächliche Dauer eines Prozessabschnitts, zum Beispiel der Underwriting-Zykluszeit, mit dem Attribut „UnderwritingSlaTarget“ verglichen wird.

Dieses Attribut legt das erwartete Service Level Agreement (SLA) für den Underwriting-Teil des Prozesses fest. Es dient als Vergleichswert für die tatsächliche Leistung.

Anhand dieses Zielwerts wird die SLA-Einhaltungsquote berechnet. Durch den Vergleich der tatsächlichen Underwriting-Zykluszeit mit dem Zielwert lassen sich Anträge als „Eingehalten“ oder „Überschritten“ kennzeichnen. Das ist wichtig für das Dashboard „Einhaltung des Underwriting-SLA“ und die zugehörigen Kennzahlen.

Liefert den Vergleichswert, der für die Messung der Leistung anhand von Service Level Agreements erforderlich ist, und ermöglicht die Überwachung der SLA-Einhaltung.

Dieser Wert kann im Kreditobjekt gespeichert oder anhand von Geschäftsregeln abgeleitet werden, die Attribute wie Kreditproduktart oder Kreditsumme berücksichtigen.