Ihr Darlehensvergabedaten-Template

Der Aktivitätsname beschreibt einen einzelnen Schritt oder Meilenstein im Kreditvergabeprozess, wie z.B. „Antrag eingereicht“ oder „Kreditprüfung abgeschlossen“. Diese Aktivitäten bilden das Rückgrat der Prozesslandkarte und zeigen die Abfolge der Events für jeden Kreditantrag.

Die Analyse dieser Aktivitäten hilft, den Prozessfluss zu visualisieren, gängige Pfade zu identifizieren, Abweichungen zu entdecken und Engpässe zu lokalisieren. Die Reihenfolge und Häufigkeit der Aktivitäten sind grundlegend, um zu verstehen, wie der Prozess tatsächlich abläuft, im Vergleich zu seiner Konzeption.

Es definiert die Schritte im Prozess, was die Visualisierung der Prozesslandkarte und die Analyse von Prozessfluss, Engpässen und Abweichungen ermöglicht.

Diese Informationen werden typischerweise aus Event Logs, Statusänderungsprotokollen oder Audit Trail Tabellen innerhalb von Temenos abgeleitet. Möglicherweise ist eine Zuordnung von technischen Statuscodes oder Event-Typen zu benutzerfreundlichen Aktivitätsnamen erforderlich.

Der Event Timestamp (Ereignis-Zeitstempel) erfasst den genauen Zeitpunkt, zu dem eine Aktivität stattgefunden hat. Diese chronologischen Daten sind entscheidend für die korrekte Reihenfolge der Events und für alle zeitbasierten Prozessanalysen.

Dieses Attribut ermöglicht die Berechnung wichtiger Kennzahlen wie Zykluszeiten, Bearbeitungszeiten und Wartezeiten zwischen Aktivitäten. Es wird verwendet, um Verzögerungen zu identifizieren, die Leistung im Vergleich zu Service Level Agreements (SLAs) zu messen und die zeitlichen Dynamiken des Kreditvergabeprozesses zu verstehen. Ohne präzise Timestamps ist Process Mining nicht möglich.

Dieser Timestamp ist essenziell für die korrekte Reihenfolge der Events und die Berechnung aller dauerbasierten Metriken, wie z.B. Zykluszeiten und Engpässe.

Üblicherweise neben dem Aktivitäts- oder Statusfeld in Event Logs oder Audit Trail Tabellen innerhalb von Temenos zu finden. Suchen Sie nach Feldern mit der Bezeichnung „TIMESTAMP“, „EVENT_DATE“ oder Ähnlichem.

Die Kreditantrags-ID identifiziert eindeutig jede einzelne Kreditanfrage über ihren gesamten Lebenszyklus hinweg, von der Einreichung bis zur endgültigen Entscheidung und Auszahlung. Sie dient als zentrale Einheit zur Gruppierung aller zugehörigen Aktivitäten und Daten und ermöglicht eine vollständige Nachverfolgung des Kreditvergabeprozesses für einen spezifischen Kredit.

Im Process Mining ist dieses Attribut unerlässlich für die Erstellung der Case View, bei der jede Kreditantrags-ID eine einzelne End-to-End-Prozessinstanz darstellt. Die Analyse von Daten über diesen Identifier ermöglicht die Berechnung von Case-Level-Metriken wie der Gesamtzykluszeit, Nacharbeitsschleifen und Endergebnissen, wodurch ein umfassendes Verständnis des Kreditvergabeflusses entsteht.

Dies ist der essenzielle Case Identifier, der alle zusammenhängenden Events zu einem einzigen End-to-End-Prozess verbindet und somit die Prozessanalyse ermöglicht.

Dies ist typischerweise der Primärschlüssel in der Hauptkreditantrags- oder Geschäfts-Entität innerhalb von Temenos. Konsultieren Sie die Temenos-Dokumentation für den spezifischen Tabellen- und Feldnamen, z.B. solche, die sich auf das AA.ARRANGEMENT-Modul beziehen.

Dieses Metadaten-Attribut erfasst Datum und Uhrzeit der letzten Datenextraktion oder -aktualisierung aus dem Quellsystem. Es stellt keinen Geschäfts-Event dar, sondern die Aktualität der analysierten Daten.

Diese Information ist entscheidend, um die Aktualität der Process Mining Analyse und die Data Governance zu verstehen. Sie hilft Nutzern zu wissen, ob sie Echtzeit-, Tages- oder Wochenwerte betrachten, was den Kontext für ihre Ergebnisse und Entscheidungen festlegt.

Gibt die Aktualität der Daten an, was für die Data Governance und für Benutzer entscheidend ist, um die Zeitgerechtheit ihrer Analyse zu verstehen.

Dies ist ein Metadaten-Attribut, das während des ETL-Prozesses (Extraktion, Transformation und Laden) hinzugefügt wird. Es wird normalerweise auf den Timestamp des ETL-Laufs gesetzt.

Dieses Attribut identifiziert das Quellinformationssystem, in dem die Aktivitätsdaten entstanden sind. In einer komplexen IT-Landschaft können Kreditvergabevorgänge in mehreren Systemen erfasst werden, z.B. in einem Frontend-Portal, der Kernbankenplattform und einem Dokumentenmanagementsystem.

Die Angabe des Quellsystems ist wichtig für die Data Governance, die Fehlerbehebung und das Verständnis der technologischen Berührungspunkte im Prozess. Sie hilft, die Datengenauigkeit zu überprüfen und kann die Prozessfragmentierung über verschiedene Plattformen hinweg aufdecken.

Identifiziert den Ursprung der Daten, was entscheidend ist für Datenvalidierung, Fehlerbehebung und das Verständnis von Prozessintegrationen.

Dies ist ein Metadaten-Attribut, das typischerweise während des Datenextraktions- und Transformationsprozesses hinzugefügt wird. Es kann ein statischer Wert sein, wie z.B. „Temenos Transact“, für alle Datensätze aus diesem System.

Der Antrags-Kanal gibt die vom Kunden genutzte Einreichungsmethode an. Verschiedene Kanäle können unterschiedliche Datenqualität, Kundenerwartungen und Bearbeitungsanforderungen aufweisen, was die Gesamtprozessleistung beeinflusst.

Die Analyse des Prozesses nach Kanal hilft zu erkennen, welche Kanäle am effizientesten sind und welche möglicherweise Prozessverbesserungen erfordern. Zum Beispiel können Anträge über das Online-Portal im Durchschnitt schneller bearbeitet werden als solche, die in einer Filiale eingereicht werden. Diese Erkenntnis ist wertvoll für die Optimierung der Kanalstrategie und der Ressourcenzuweisung.

Ermöglicht Leistungsanalysen über verschiedene Kundeninteraktionskanäle hinweg, wodurch kanal-spezifische Prozesse und Benutzererlebnisse optimiert werden können.

Diese Informationen werden typischerweise zu Beginn des Prozesses erfasst und im Hauptdatensatz des Kreditantrags gespeichert. Suchen Sie nach einem Feld wie „SOURCE“ oder „CHANNEL“ innerhalb von Temenos.

Die Endzeit markiert den Abschluss einer spezifischen Aktivität. Während die Startzeit angibt, wann ein Event begann, ist die Endzeit notwendig, um dessen Dauer zu verstehen. Bei sofortigen Events kann die Endzeit mit der Startzeit identisch sein.

In der Prozessanalyse ist es entscheidend, sowohl eine Start- als auch eine Endzeit zu haben, um die Bearbeitungszeit von Aktivitäten genau zu berechnen. Dies hilft, die Zeit, in der ein Antrag aktiv bearbeitet wird (Bearbeitungszeit), von der Zeit zu unterscheiden, in der er auf den nächsten Schritt wartet (Wartezeit). Dies ist der Schlüssel zur Identifizierung echter Effizienzengpässe.

Ermöglicht die präzise Berechnung der Aktivitätsbearbeitungszeit, was entscheidend ist, um aktive Arbeitszeit von Wartezeit in der Engpassanalyse zu unterscheiden.

Dies kann in Audit Logs als separates Feld „END_TIME“ verfügbar sein oder muss möglicherweise durch Verwendung der Start Time der nachfolgenden Aktivität in der Sequenz abgeleitet werden. Konsultieren Sie die Temenos-Dokumentation für Details zur Event-Protokollierung.

Das Entscheidungsergebnis erfasst den endgültigen Status eines Kreditantrags, nachdem die Underwriting- und Genehmigungsphasen abgeschlossen sind. Dies ist eine entscheidende Ergebnismetrik für den gesamten Prozess.

Dieses Attribut ist unerlässlich für die Analyse der Prozesseffektivität. Es wird verwendet, um die Genehmigungs- und Ablehnungsquoten zu berechnen, und in Kombination mit anderen Attributen wie Kredit-Score oder Antragstellertyp hilft es, die Konsistenz von Kreditentscheidungen zu bewerten. Zu verstehen, warum Anträge abgelehnt werden, ist entscheidend für die Prozessverbesserung.

Dieser Event stellt das endgültige Geschäftsergebnis des Prozesses dar und ermöglicht die Analyse von Genehmigungsquoten, Ablehnungsgründen und der Konsistenz von Entscheidungen.

Üblicherweise als Statusfeld im Hauptdatensatz des Kreditantrags in Temenos gespeichert. Dieses Feld wird typischerweise bei der Aktivität „Kreditentscheidung getroffen“ aktualisiert.

Die Kreditwürdigkeitsbewertung (Credit Score) ist eine numerische Darstellung der Kreditwürdigkeit eines Antragstellers, die von einer Kreditauskunftei bezogen wird. Sie ist ein Schlüsselfaktor im Underwriting- und Entscheidungsprozess.

Im Process Mining ist der Credit Score ein kritisches Kontext-Attribut. Er hilft, die Konsistenz von Kreditentscheidungen zu analysieren, indem er den Score mit dem Endergebnis korreliert. Er kann auch verwendet werden, um Anträge zu segmentieren und festzustellen, ob Anträge mit niedrigerer Punktzahl länger dauern oder mehr manuelle Eingriffe erfordern.

Bietet kritischen Kontext für die Entscheidungsfindung und ermöglicht die Analyse, wie die Kreditwürdigkeit Prozesspfade, Dauern und Ergebnisse beeinflusst.

Diese Daten werden typischerweise von einem externen Kreditauskunftei-Service empfangen und in einer kunden- oder antragsspezifischen Tabelle innerhalb von Temenos gespeichert.

Dieses Attribut repräsentiert den beantragten Kapitalbetrag des Kredits. Die Kreditsumme kann den Prozesspfad, den Prüfungsaufwand und die erforderlichen Genehmigungen erheblich beeinflussen.

Die Analyse des Prozesses basierend auf der Kreditsumme ermöglicht eine Segmentierung, um zu verstehen, ob Kredite mit höherem Wert einem anderen, strengeren Prozess folgen. Sie kann Variationen in der Zykluszeit und dem Underwriting-Aufwand erklären. Zum Beispiel erfordern Kredite über einem bestimmten Schwellenwert möglicherweise zusätzliche Genehmigungsschritte, die mit Process Mining visualisiert und validiert werden können.

Ermöglicht eine wertbasierte Analyse, um zu sehen, wie die Kreditsumme die Prozesskomplexität, Durchlaufzeit und erforderlichen Genehmigungsstufen beeinflusst.

Dies ist ein grundlegendes Feld im Datensatz des Kreditantrags in Temenos. Suchen Sie nach einem Feld wie „AMOUNT“ oder „REQUESTED_AMOUNT“.

Dieses Attribut kategorisiert jeden Kreditantrag basierend auf dem beantragten Finanzprodukt. Verschiedene Kreditprodukte haben oft unterschiedliche Prozessabläufe, SLAs und Risikoprofile.

Die Segmentierung der Prozessanalyse nach Kreditprodukttyp ist entscheidend für einen aussagekräftigen Vergleich. Sie hilft, Variationen in Zykluszeiten, Genehmigungsquoten und Prozesspfaden zu erklären. Zum Beispiel ist der Hypothekenantragsprozess von Natur aus komplexer und länger als ein Privatkreditprozess. Dieses Attribut ermöglicht den Vergleich von Gleichem mit Gleichem und gezielte Verbesserungen.

Ermöglicht die Prozessegmentierung, um die Leistung zu vergleichen und Abweichungen in verschiedenen Geschäftsbereichen zu identifizieren, die oft einzigartige Prozessanforderungen haben.

Dies ist ein Kernattribut des Kreditantrags, das typischerweise in der Hauptantragstabelle in Temenos zu finden ist. Suchen Sie nach Feldern, die mit „PRODUCT_ID“ oder „PRODUCT_CATEGORY“ zusammenhängen.

Dieses Attribut identifiziert den Mitarbeiter oder das Teammitglied, das eine bestimmte Aufgabe im Kreditvergabeprozess ausgeführt hat. Im Process Mining wird es oft als „Ressource“ bezeichnet.

Die Leistungsanalyse nach Kreditsachbearbeiter hilft, die Arbeitslastverteilung zu verstehen, Top-Performer zu identifizieren und Möglichkeiten für Schulungen oder Prozessstandardisierung aufzudecken. Es ist grundlegend für Dashboards, die sich auf die Ressourcenleistung und das Workload-Management beziehen, und ermöglicht Managern, die Teameffizienz zu optimieren und Aufgaben auszugleichen.

Ordnet Benutzeraktionen bestimmten Personen oder Teams zu, was Arbeitslastanalyse, Leistungsvergleich und Ressourcenoptimierung ermöglicht.

Diese Informationen finden sich üblicherweise in Audit-Trail-Tabellen, oft verknüpft mit einer Benutzer-ID. Suchen Sie in Event- oder Transaktionsdatensätzen innerhalb von Temenos nach Feldern wie „USER_ID“, „PROCESSED_BY“ oder „OWNER“.

Dieses Attribut gibt die Geschäftseinheit oder Abteilung an, z.B. „Origination“, „Underwriting“ oder „Closing“, die eine bestimmte Aktivität ausgeführt hat. Es hilft, die Übergaben zwischen verschiedenen Teilen der Organisation zu verstehen.

Die Analyse des Prozesses nach Abteilung ist entscheidend für die Identifizierung von abteilungsübergreifenden Ineffizienzen und Verzögerungen bei Übergaben. Sie kann Kommunikationslücken oder Ressourcenengpässe innerhalb spezifischer Abteilungen aufzeigen und bietet eine klare Sicht auf organisatorische Engpässe.

Hilft, den Arbeitsfluss zwischen verschiedenen Teams zu visualisieren, wodurch Übergabezeiten analysiert und organisatorische Engpässe identifiziert werden können.

Dies ist oft kein direktes Feld im Event Log, kann aber abgeleitet werden, indem Benutzer (das Attribut „AssignedLoanOfficer“) ihren jeweiligen Abteilungen über eine HR-Stammdatenquelle zugeordnet werden.

Dieses Attribut segmentiert Antragsteller in sinnvolle Gruppen, wie z.B. „Neukunde“, „Bestandskunde“ oder „Unternehmen“. Der Prozess kann je nach Art des Antragstellers variieren; zum Beispiel kann die Bearbeitung für Bestandskunden aufgrund bereits vorhandener Daten schneller sein.

Die Analyse des Prozesses nach Antragstellertyp hilft zu verstehen, wie verschiedene Kundensegmente den Prozess erleben. Sie kann Möglichkeiten aufzeigen, den Prozess für Bestandskunden zu optimieren oder Neukunden stärker zu unterstützen. Diese Segmentierung ist entscheidend für die Analyse der „Kreditentscheidungs-Konsistenz“.

Ermöglicht die Segmentierung, um zu analysieren, ob der Prozess sich für Neu- im Vergleich zu Bestandskunden unterscheidet, und hilft so, die Customer Journey anzupassen und zu verbessern.

Diese Information wird typischerweise abgeleitet, indem geprüft wird, ob der Antragsteller zum Zeitpunkt der Antragstellung ein bestehendes Kundenprofil oder eine ID innerhalb von Temenos besitzt.

Die Bearbeitungszeit ist eine berechnete Metrik, die die aktive Arbeitszeit für eine Aktivität darstellt, berechnet als die Differenz zwischen Endzeit und Startzeit. Sie steht im Gegensatz zur Wartezeit, die die Zeit ist, die zwischen Aktivitäten verbracht wird.

Diese Metrik ist grundlegend für die Engpassanalyse. Durch die Trennung von Bearbeitungszeit und Wartezeit können Analysten feststellen, ob Verzögerungen durch ineffiziente Aktivitäten (lange Bearbeitungszeit) oder durch Warteschlangen und Übergabeverzögerungen (lange Wartezeit) verursacht werden. Dies ist entscheidend, um Verbesserungsbemühungen korrekt zu steuern.

Misst die aktive Arbeitsdauer einer Aktivität und hilft so, zwischen Prozesseffizienz und Wartezeit in der Engpassanalyse zu unterscheiden.

Dieses Attribut ist nicht im Quellsystem vorhanden. Es wird während der Datentransformation berechnet, indem der „EventTimestamp“ (StartTime) von der „EndTime“ für jede Aktivität subtrahiert wird.

Dieses Attribut bietet Kontext für das „Entscheidungsergebnis“. Bei abgelehnten Anträgen gibt es den zugrunde liegenden Grund an, wie „unzureichendes Einkommen“, „hohes Schulden-Einkommen-Verhältnis“ oder „schlechte Kreditgeschichte“.

Diese Informationen sind von unschätzbarem Wert für die Ursachenanalyse von Ablehnungen. Durch die Analyse der häufigsten Ablehnungsgründe kann die Organisation Probleme in der Vorqualifizierungsphase identifizieren, die Kundenkommunikation verbessern oder die Kreditvergabekriterien anpassen. Es unterstützt direkt die Bemühungen, Nacharbeit zu reduzieren und die Gesamtqualität der in die Pipeline gelangenden Anträge zu verbessern.

Bietet kritischen Kontext für abgelehnte Anträge und ermöglicht eine Ursachenanalyse zur Verbesserung der Antragsqualität und zur Reduzierung unnötiger Bearbeitung.

Wird oft in einem zugehörigen Notiz- oder Begründungscode-Feld gespeichert, das mit dem endgültigen Entscheidungsstatus in Temenos verknüpft ist.

Dieses boolesche Attribut unterscheidet zwischen Aktivitäten, die von einem menschlichen Benutzer ausgeführt werden, und solchen, die von einem automatisierten System durchgeführt werden, z.B. eine automatisierte Kreditprüfung oder eine initiale Validierungsregel.

Das Verständnis des Automatisierungsgrads ist entscheidend, um Möglichkeiten für weitere Effizienzsteigerungen zu identifizieren. Es ermöglicht einen Vergleich der Geschwindigkeit und Konsistenz von automatisierten im Vergleich zu manuellen Schritten. Diese Analyse hilft bei der Priorisierung zukünftiger Automatisierungsinitiativen und der Messung ihrer Auswirkungen.

Unterscheidet zwischen systemgesteuerten und menschlich gesteuerten Aktivitäten, was entscheidend ist, um Automatisierungspotenziale zu identifizieren und den Einfluss bestehender Automatisierungen zu messen.

Dies wird oft basierend auf dem mit der Aktivität verbundenen Benutzer abgeleitet. Wenn der Benutzer ein System- oder Dienstkonto ist, wird die Aktivität als automatisiert gekennzeichnet. Es könnte auch auf dem Event-Typ selbst basieren.

Dieses boolesche Flag identifiziert Aktivitäten, die Nacharbeit darstellen, d.h. ein Schritt oder eine Abfolge von Schritten musste wiederholt werden. Zum Beispiel, wenn „Benötigte Dokumente angefordert“ nach „Underwriting begonnen“ auftritt, deutet dies auf eine Schleife im Prozess hin.

Das Erkennen und Markieren von Nacharbeiten ist eine Kernstärke des Process Mining. Dieses Attribut ermöglicht eine einfache Quantifizierung des KPIs „Antragsnacharbeitsrate“. Die Analyse der Ursachen von Nacharbeiten, wie z.B. unvollständige Erstanträge, ist entscheidend für die Verbesserung der Prozesseffizienz, die Reduzierung von Kosten und die Verkürzung der Zykluszeiten.

Hebt Aktivitäten hervor, die Teil ineffizienter Prozessschleifen sind, was eine einfache Quantifizierung und Ursachenanalyse von Nacharbeit ermöglicht.

Dieses Attribut ist nicht im Quellsystem vorhanden. Es wird von der Process Mining Engine berechnet, indem wiederholte Aktivitätssequenzen innerhalb eines einzelnen Case erkannt werden.

Dieses boolesche Attribut ist ein berechnetes Flag, das anzeigt, ob die Underwriting-Phase für einen Kreditantrag ihr Service Level Agreement (SLA) verletzt hat. Es wird bestimmt, indem die tatsächliche Dauer des Underwriting-Prozesses mit dem „Underwriting SLA Target“ verglichen wird.

Dieses Flag vereinfacht Analyse und Berichterstattung, indem es einen klaren, binären Indikator für die SLA-Compliance liefert. Es wird direkt in Dashboards und KPIs verwendet, um die SLA-Verletzungsrate im Zeitverlauf, nach Produkt oder nach Kreditsachbearbeiter zu verfolgen, was zur proaktiven Verwaltung von Performance- und Compliance-Risiken beiträgt.

Bietet einen einfachen Ja/Nein-Indikator für die SLA-Compliance, wodurch das Filtern, Aggregieren und Analysieren der Häufigkeit und Ursachen von SLA-Verletzungen erleichtert wird.

Dieses Attribut ist nicht im Quellsystem vorhanden. Es wird berechnet, indem die Dauer zwischen den Aktivitäten „Underwriting begonnen“ und „Underwriting abgeschlossen“ gemessen und mit dem Attribut „UnderwritingSlaTarget“ verglichen wird.

Die Kundenregion gibt den geografischen Standort des Antragstellers an, z.B. „Nordamerika“, „Europa“ oder ein bestimmtes Bundesland. Dies ermöglicht eine geografische Segmentierung des Prozesses.

Die Analyse der Leistung nach Region kann regionale Unterschiede in der Prozesseffizienz, den Genehmigungsquoten oder der Produktbeliebtheit aufdecken. Diese Erkenntnisse können für gezieltes Marketing, die Ressourcenallokation und die Identifizierung regionaler Best Practices oder Herausforderungen genutzt werden.

Ermöglicht geografische Analysen, um die Prozessleistung über verschiedene Regionen hinweg zu vergleichen, regionale Engpässe zu identifizieren und Marktunterschiede zu verstehen.

Diese Information ist Teil des Kundenprofils oder der Adressdaten, die in der Customer Information File (CIF) oder entsprechenden Kundenstammdaten innerhalb von Temenos gespeichert sind.

Der Underwriting SLA Target definiert die erwartete Service Level Agreement für die Underwriting-Phase, typischerweise gemessen in Geschäftsstunden oder Tagen. Dieses Ziel kann je nach Faktoren wie Kreditproduktart oder -betrag variieren.

Dieses Attribut dient als Benchmark, an dem die tatsächliche Leistung gemessen wird. Es wird direkt im Dashboard „Underwriting SLA & Compliance Status“ verwendet und ist für die Berechnung des KPIs „SLA Breach Rate“ erforderlich. Die Analyse von Verletzungen hilft, die Ursachen von Verzögerungen zu identifizieren und operative sowie Compliance-Risiken zu managen.

Bietet eine klare Benchmark für die Leistung, ermöglicht die Messung der SLA-Einhaltung und die Identifizierung von Anträgen, die Gefahr laufen, ihre Ziele zu verletzen.

Dies kann als statischer Wert basierend auf Geschäftsregeln gespeichert werden oder ein Feld im Kreditantrag sein, das möglicherweise aus Produktsammlungsdaten in Temenos abgeleitet wird.