Ihr Daten-Template für das KYC-Kunden-Onboarding

Der Aktivitätsname beschreibt einen einzelnen Schritt oder Meilenstein in der Customer-Onboarding-Journey, etwa „Antrag eingereicht“, „Compliance-Prüfung gestartet“ oder „Antrag genehmigt“. Jede Aktivität steht für eine konkrete Aktion eines Benutzers oder Systems, die den Antrag im Prozess voranbringt.

Dieses Attribut ist grundlegend für die Visualisierung der Prozesslandkarte, die den Kern von Process Mining bildet. Durch die Analyse der Reihenfolge und Häufigkeit verschiedener Aktivitäten können Analysten den tatsächlichen Prozessablauf verstehen, häufige Pfade erkennen, Prozessabweichungen aufdecken und Bereiche mit Nachbearbeitung oder Wiederholungen identifizieren. Klare und konsistente Aktivitätsnamen sind entscheidend für ein aussagekräftiges und verständliches Prozessmodell.

Es definiert die Prozessschritte und ermöglicht die Visualisierung und Analyse des Prozessablaufs, von Engpässen und von Abweichungen.

Zu finden in Event Logs, Audit-Trails oder Transaktionstabellen, die die Schritte des Geschäftsprozesses erfassen.

Die Kundenantrags-ID ist ein eindeutiger Schlüssel, der jeder neuen Kunden-Onboarding-Anfrage vom Start bis zum Abschluss oder Abbruch zugewiesen wird. Diese Kennung bildet den zentralen Zusammenhang zwischen allen einzelnen Aktivitäten, Ereignissen und Datenpunkten einer Onboarding-Journey und ist damit das wichtigste Attribut für Process Mining.

In der Analyse ermöglicht diese ID die Rekonstruktion des End-to-End-Prozesses für jeden Kunden. Sie erlaubt es, den Fortschritt des Antrags zu verfolgen, seine gesamte Durchlaufzeit zu berechnen und seinen Prozesspfad mit anderen zu vergleichen. Alle Prozessvarianten, Engpässe und Leistungskennzahlen werden pro Antrag analysiert. Voraussetzung dafür ist, dass dieses Attribut korrekt als Fall-ID identifiziert und verwendet wird.

Sie ist entscheidend, um alle zusammengehörigen Ereignisse zu einem einzigen End-to-End-Prozess zu gruppieren, und bildet die Grundlage jeder Process-Mining-Analyse.

Typischerweise im Kopfbereich oder in der Primärtabelle des Kundenantrags- oder Fallmanagementsystems zu finden.

Die Startzeit des Ereignisses bezeichnet das genaue Datum und die genaue Uhrzeit, zu denen eine Aktivität beginnt. Sie ist neben der Fall-ID und dem Aktivitätsnamen eine der drei wesentlichen Säulen von Process Mining. Diese mit Timestamps versehenen Daten ermöglichen die chronologische Sortierung der Ereignisse innerhalb jedes Falls und sind damit erforderlich, um den tatsächlichen Prozessablauf zu rekonstruieren.

Dieses Attribut bildet die Grundlage für alle zeitbezogenen Analysen. Es dient zur Berechnung der Dauer von Aktivitäten, sofern eine Endzeit verfügbar ist, der Wartezeit zwischen Aktivitäten, also der Übergabezeit, sowie der gesamten Durchlaufzeit des Onboarding-Prozesses. Die Analyse dieser Zeitspannen hilft, Engpässe zu erkennen, die Einhaltung von SLAs zu messen und die Gesamtleistung des Prozesses zu überwachen.

Es liefert die chronologische Reihenfolge der Ereignisse. Diese ist entscheidend für die Ermittlung des Prozessmodells und die Berechnung aller zeitbasierten Leistungskennzahlen.

Zu finden in Event Logs, Audit-Trails von Anträgen oder Transaktionstabellen, häufig bezeichnet als „Timestamp“, „Erstellungsdatum“ oder „Startzeit“.

Dieses Attribut erfasst Datum und Uhrzeit der letzten Datenextraktion oder Aktualisierung. Es ist kein Bestandteil des Geschäftsprozesses selbst, aber wichtige Metadaten für Datenvalidierung und Data Governance. Es schafft Transparenz über die Aktualität der analysierten Daten.

Für die Prozessanalyse ist der Zeitpunkt der letzten Datenaktualisierung entscheidend, um die Aktualität der gewonnenen Erkenntnisse einzuschätzen. Er stärkt das Vertrauen in die Daten, indem er deren Aktualität bestätigt, und verhindert Fehlinterpretationen aufgrund veralteter Informationen. Für die laufende Überwachung kann dieses Attribut verwendet werden, um Benachrichtigungen einzurichten, wenn Datenaktualisierungen verzögert werden oder fehlschlagen. So bleibt die Zuverlässigkeit der Process-Mining-Dashboards erhalten.

Es schafft Datentransparenz, indem es die Aktualität des Datensatzes angibt. Das ist entscheidend für die Relevanz und Genauigkeit der Analyse.

Wird während des ETL-Prozesses zur Extraktion, Transformation und zum Laden erzeugt und ist häufig in den Metadaten des Datensatzes zu finden.

Das Attribut „Quellsystem“ bezeichnet die Anwendung oder Plattform, die die Daten für eine bestimmte Aktivität erzeugt hat. In komplexen Umgebungen kann sich der KYC-Prozess über mehrere Systeme erstrecken, etwa ein CRM für die Antragseinreichung, eine dedizierte KYC-Plattform für die Risikobewertung und ein Kernbankensystem für die Kontoerstellung.

Die Analyse nach Quellsystem hilft dabei, die technologische Landschaft und ihren Einfluss auf den Prozess zu verstehen. Sie kann Integrationsprobleme, Datenverzögerungen zwischen Systemen oder Unterschiede bei der Erfassung von Informationen aufdecken. Diese Sicht ist für IT- und Prozessverbesserungsteams wertvoll, die die Systemarchitektur für die Onboarding-Journey optimieren möchten.

Es liefert den Kontext dazu, wo jeder Prozessschritt stattfindet, und hilft, systemübergreifende Ineffizienzen sowie Herausforderungen bei der Datenintegration zu erkennen.

Häufig in Datenextrakten oder Event Logs enthalten, insbesondere in Umgebungen mit mehreren integrierten Systemen.

Die Benutzerabteilung bezeichnet die Funktionseinheit oder das Team, dem der Benutzer zugeordnet ist, der die Aktivität ausgeführt hat, etwa „Compliance“, „Kunden-Onboarding“ oder „Operations“. Damit liefert sie im Vergleich zur einzelnen Benutzer-ID einen übergeordneten organisatorischen Kontext.

Die Analyse aus Abteilungssicht ist entscheidend, um die funktionsübergreifende Zusammenarbeit zu verstehen und systemische Engpässe zu erkennen. Sie macht Übergaben zwischen verschiedenen Teams sichtbar, die häufig eine wesentliche Ursache für Verzögerungen und Ineffizienzen sind. Diese Informationen sind wichtig, um Teamstrukturen zu optimieren, Verantwortlichkeiten zu klären und Kommunikationswege zu verbessern, damit das Onboarding reibungsloser abläuft.

Sie ermöglicht die Analyse der Prozessleistung und der Übergaben zwischen verschiedenen Teams und zeigt Möglichkeiten für eine bessere funktionsübergreifende Zusammenarbeit auf.

Häufig in den mit der Benutzer-ID verknüpften Benutzerprofildaten verfügbar oder direkt in der Transaktion erfasst.

Der Antragsstatus gibt das endgültige Ergebnis eines Antrags an, etwa „Genehmigt“, „Abgelehnt“ oder „Zurückgezogen“. Er repräsentiert das Geschäftsergebnis des Prozesses und ist eine wichtige Dimension für die Leistungsmessung.

Dieses Attribut ist für ergebnisorientierte Analysen unverzichtbar. Es ermöglicht den Vergleich von Prozesspfaden, die zu erfolgreichen Ergebnissen führen, mit solchen, die in Ablehnungen enden. Analysten können damit Prozessmuster identifizieren, die mit hohen Ablehnungsquoten verbunden sind, KPIs wie die „Antragsablehnungsquote“ berechnen und eine „Onboarding-Trichteranalyse“ erstellen, um zu erkennen, an welcher Stelle Antragsteller den Prozess abbrechen. Zu verstehen, warum Anträge scheitern, ist der erste Schritt, um den Prozess zu verbessern und die Erfolgsquote zu erhöhen.

Er definiert das Geschäftsergebnis jedes Falls und ermöglicht die Analyse der Gründe für Antragsablehnungen sowie der Maßnahmen zur Verbesserung der Genehmigungsquote.

Typischerweise in der zentralen Fall- oder Antragstabelle zu finden, wo der abschließende Status des Datensatzes angegeben wird.

Die Benutzer-ID identifiziert die Person oder den System-Bot, die beziehungsweise der für die Ausführung einer bestimmten Aktivität im Prozess verantwortlich ist. Dabei kann es sich um einen Compliance-Beauftragten, einen Mitarbeiter der Datenerfassung oder eine automatisierte Engine zur Risikobewertung handeln. Eine konsistente Benutzeridentifikation ist für eine präzise Ressourcenanalyse entscheidend.

Dieses Attribut ermöglicht eine auf die beteiligten Personen ausgerichtete Prozesssicht. Es ist wichtig für die Analyse der Arbeitsverteilung, der Leistung einzelner Mitarbeiter und Teams sowie der Ressourcenplanung. Durch die Filterung der Prozesslandkarte nach Benutzer-ID können Führungskräfte nachvollziehen, wie verschiedene Mitarbeiter Aufgaben bearbeiten, Schulungsbedarf erkennen und eine ausgewogene Arbeitsverteilung sicherstellen. Außerdem unterstützt das Attribut die Analyse von Zusammenarbeit und zeigt, wie Arbeit zwischen verschiedenen Personen übergeben wird.

Es ermöglicht die Analyse von Arbeitslast, Ressourcenleistung und Mustern der Zusammenarbeit und unterstützt dadurch eine bessere Ressourcenplanung und gezielte Schulungen.

Verfügbar in System-Audit-Trails oder Transaktionslogs, häufig verknüpft mit dem Benutzer, der einen Datensatz erstellt oder zuletzt geändert hat.

Die Endzeit des Ereignisses bezeichnet das genaue Datum und die genaue Uhrzeit, zu denen eine Aktivität endet. Zusammen mit der Startzeit des Ereignisses ermöglicht sie die exakte Berechnung der Bearbeitungszeit jeder einzelnen Aufgabe. Nicht alle Systeme stellen Start- und Endzeit bereit. Manche liefern nur einen einzelnen Timestamp, der den Abschluss repräsentiert.

Eine Endzeit ist für die Leistungsanalyse besonders wertvoll. Sie ermöglicht detaillierte Kennzahlen wie die „durchschnittliche Dauer der Compliance-Prüfung“, da sich die aktive Bearbeitungszeit eines Mitarbeiters von der Zeit unterscheiden lässt, in der die Aufgabe in einer Warteschlange lag. Diese Detailtiefe ist entscheidend, um Engpässe präzise zu erkennen und Verbesserungsmaßnahmen entweder auf die Ressourcenkapazität oder auf Prozessübergaben auszurichten.

Sie ermöglicht die präzise Berechnung der Bearbeitungszeiten von Aktivitäten und hilft dabei, aktive Arbeitszeit von unproduktiver Wartezeit zu unterscheiden.

Zu finden in Event Logs oder Transaktionstabellen neben der Startzeit. Mögliche Bezeichnungen sind „Endzeit“, „Abschlussdatum“ oder „Geändert am“.

Der Kundentyp ordnet den Antragsteller unterschiedlichen Kategorien zu, beispielsweise „Privatperson“, „Unternehmen“, „Trust“ oder „Non-Profit-Organisation“. Die Anforderungen und die Komplexität des Onboardings können sich je nach Kundentyp erheblich unterscheiden.

Dieses Attribut ist eine wichtige Dimension für die Segmentierung. Durch die Filterung der Prozesslandkarte und der KPIs nach Kundentyp können Organisationen wesentliche Unterschiede erkennen. Das Onboarding eines Unternehmenskunden umfasst beispielsweise typischerweise zusätzliche Schritte wie die Prüfung der wirtschaftlich Berechtigten, die bei einer Privatperson nicht erforderlich sind. Die Analyse stellt sicher, dass jede Prozessvariante für ihr jeweiliges Segment möglichst effizient abläuft, und unterstützt passgenaue Prozessverbesserungen.

Es ermöglicht die Segmentierung des Prozesses, um die Onboarding-Journey verschiedener Kundentypen zu vergleichen und zu optimieren.

Wird üblicherweise zu Beginn des Antragsprozesses erfasst und in der zentralen Kunden- oder Antragstabelle gespeichert.

Die Risikostufe ist ein zentrales Ergebnis des KYC-Prozesses. Sie klassifiziert Kunden anhand von Faktoren wie Branche, Geografie und Transaktionsmustern. Diese Einstufung bestimmt, wie intensiv der Antrag geprüft wird und welcher Umfang an Due Diligence erforderlich ist.

Im Process Mining ist dieses Attribut eine wichtige Dimension für Konformitäts- und Variantenanalysen. Der Prozess für einen Kunden mit hohem Risiko sollte planmäßig anders und gründlicher ablaufen als der Prozess für einen Kunden mit niedrigem Risiko. Durch den Vergleich der tatsächlichen Prozessabläufe verschiedener Risikostufen mit den erwarteten Verfahren können Organisationen die Einhaltung interner Richtlinien und regulatorischer Vorgaben prüfen. So lässt sich beispielsweise beantworten: „Durchlaufen Kunden mit hohem Risiko immer eine Enhanced Due Diligence?“ oder „Wenden wir für Kunden mit niedrigem Risiko zu viel Zeit auf?“

Sie ist für Compliance und Risikomanagement entscheidend und ermöglicht die Analyse, ob Due-Diligence-Prozesse für unterschiedliche Risikoprofile angemessen variieren.

Wird von einer Risk Engine berechnet oder manuell durch einen Compliance-Beauftragten zugewiesen und im zentralen Kunden- oder Antragsdatensatz gespeichert.

Wenn der Status eines Antrags „Abgelehnt“ lautet, gibt der Ablehnungsgrund die konkrete Ursache an, etwa „Unvollständige Dokumentation“, „Hohes Risikoprofil“ oder „Übereinstimmung mit einer Sanktionsliste“. Dieses Attribut liefert wichtigen Kontext zu fehlgeschlagenen Prozessen.

Die Analyse von Ablehnungsgründen bildet die Grundlage für das Dashboard „Analyse von Antragsablehnungen“. Sie hilft Unternehmen bei der Ursachenanalyse, um die häufigsten Fehlerstellen im Onboarding-Prozess zu verstehen. Durch die Kategorisierung und Quantifizierung dieser Gründe können Organisationen Verbesserungen priorisieren. Ist beispielsweise „Unvollständige Dokumentation“ ein häufiger Grund, kann das Unternehmen die Anweisungen für Kunden verständlicher gestalten oder das Portal zur Dokumentübermittlung verbessern.

Er liefert die Ursache für fehlgeschlagene Anträge und ermöglicht gezielte Verbesserungen, um die Ablehnungsquote zu senken und die Customer Experience zu verbessern.

Wird üblicherweise in der zentralen Antrags- oder Falltabelle gespeichert und häufig befüllt, sobald der Status auf „Abgelehnt“ gesetzt wird.

Dieses Attribut gibt an, über welchen Weg der Kunde seinen Antrag eingereicht hat, beispielsweise über ein „Webportal“, eine „Mobile App“ oder „in einer Filiale“. Für die einzelnen Kanäle können unterschiedliche Prozesse zur Datenerfassung und verschiedene Customer Experiences gelten.

Die Analyse des Prozesses nach Kanal hilft Ihnen, die Leistung und Effizienz der einzelnen Kontaktpunkte zu bewerten. Sie können beispielsweise prüfen: „Werden Anträge über die Mobile App schneller bearbeitet als Webanträge?“ oder „Ist die Nachbearbeitungsquote bei in einer Filiale eingereichten Anträgen höher?“ Diese Erkenntnisse sind wertvoll, um die Customer Journey über alle Kanäle hinweg zu optimieren und Ressourcen gezielt einzusetzen.

Ermöglicht den Vergleich von Prozesseffizienz und Customer Experience über verschiedene Einreichungskanäle hinweg, etwa Web, Mobile oder persönlich vor Ort.

Wird in der Regel ganz am Anfang des Prozesses erfasst, sobald der Antrag angelegt wird.

Dieses boolesche Attribut unterscheidet zwischen Aufgaben, die von Software oder Bots ausgeführt werden, und Aufgaben durch menschliche Benutzer. Automatisierte Aktivitäten können beispielsweise die erste Datenvalidierung, die Sanktionsprüfung oder den Versand standardisierter Mitteilungen umfassen.

Die Analyse dieses Attributs ist entscheidend, um die Wirksamkeit von Automatisierungsinitiativen zu bewerten. Durch den Vergleich von Geschwindigkeit und Ergebnissen automatisierter und manueller Schritte können Unternehmen weitere Automatisierungsmöglichkeiten zur Senkung von Kosten und Durchlaufzeiten erkennen. Außerdem unterstützt das Attribut die Überwachung automatisierter Systeme und stellt sicher, dass diese im End-to-End-Prozess erwartungsgemäß funktionieren.

Es hilft, die Auswirkungen und die Effizienz der Automatisierung im Prozess zu messen und Möglichkeiten für weitere robotergestützte oder systematische Verbesserungen zu erkennen.

Kann als eigenes Feld im Event Log vorliegen oder anhand der Benutzer-ID abgeleitet werden, etwa wenn die ID „SYSTEM“ oder „BOT“ lautet.

Die Kunden-ID ist eine eindeutige Kennung, die über mehrere Interaktionen oder Anträge hinweg bestehen bleibt. Während die Kundenantrags-ID eine einzelne Onboarding-Journey verfolgt, kann die Kunden-ID mehrere Onboarding-Versuche oder andere Prozesse desselben Kunden miteinander verknüpfen.

Dieses Attribut ermöglicht eine kundenorientierte Analyse, die über einen einzelnen Case hinausgeht. Es eignet sich, um wiederholte Antragstellungen zu verstehen, die langfristige Kundenbeziehung zu analysieren oder den Onboarding-Prozess mit anderen Prozessen wie „Kreditantrag“ oder „Kontoverwaltung“ zu verbinden. Für eine Einzelprozessansicht ist es nicht zwingend erforderlich, erweitert die Daten jedoch für komplexeres objektzentriertes Process Mining.

Ermöglicht eine kundenorientierte Sicht, in der mehrere Onboarding-Versuche oder verschiedene Prozesse desselben Kunden miteinander verknüpft werden.

Ist üblicherweise in einem zentralen Kundenstammdatensystem zu finden und mit dem Antragsdatensatz verknüpft.

Das Kundenland gibt den geografischen Standort des Antragstellers an. Diese Information ist für KYC-Prozesse von großer Bedeutung, da sich regulatorische Anforderungen und Risikofaktoren von Land zu Land erheblich unterscheiden können.

Die geografische Analyse liefert eine weitere wichtige Erkenntnisebene. Onboarding-Prozesse können aufgrund landesspezifischer rechtlicher Anforderungen unterschiedlich ablaufen. Durch die Filterung nach Kundenland können Unternehmen prüfen, ob diese länderspezifischen Varianten korrekt umgesetzt werden. Außerdem lassen sich Leistungsunterschiede erkennen, etwa längere Durchlaufzeiten bei Anträgen aus Ländern mit hohem Risiko, die aufgrund erweiterter Due-Diligence-Anforderungen zu erwarten sein können.

Es ermöglicht die Analyse von Prozessvarianten und Leistungsunterschieden nach geografischen Kriterien und ist damit entscheidend für die Einhaltung lokaler regulatorischer Vorgaben.

Während des Antragsprozesses vom Kunden erfasst und im Kunden- oder Antragsdatensatz gespeichert.

Das SLA-Zieldatum ist die Frist für den Abschluss des Kunden-Onboarding-Prozesses. Dieses Datum wird häufig durch interne Richtlinien oder vertragliche Verpflichtungen bestimmt und dient als Maßstab für die Termintreue.

Dieses Attribut bildet die Grundlage für das Dashboard „SLA-Leistungsüberwachung“. Durch den Vergleich des tatsächlichen Abschlussdatums eines Antrags mit seinem SLA-Zieldatum lässt sich die „SLA-Einhaltungsquote“ berechnen. Die Analyse von Fällen, bei denen das SLA verfehlt wurde, hilft, die für Verzögerungen verantwortlichen Aktivitäten oder Abteilungen zu erkennen. Dadurch lassen sich Arbeitswarteschlangen und Ressourcen vorausschauend steuern, SLA-Verletzungen reduzieren und die Kundenzufriedenheit verbessern.

Es liefert einen Leistungsmaßstab, mit dem sich die SLA-Einhaltung messen und Fälle mit Verzögerungsrisiko erkennen lassen.

Wird häufig bei der Erstellung des Falls anhand des Antragstyps oder anderer Kriterien berechnet und im zentralen Antragsdatensatz gespeichert.