Ihr Daten-Template für das KYC-Kunden-Onboarding

Der Aktivitätsname beschreibt einen einzelnen Schritt oder Meilenstein in der Customer-Onboarding-Journey, etwa „Initial Screening Performed“ oder „Application Approved“. Die Abfolge dieser Aktivitäten bildet die Grundlage der Prozesslandkarte.

Die Analyse dieses Attributs ermöglicht die Visualisierung des Prozessablaufs, die Identifizierung häufiger und alternativer Pfade sowie die Messung der Häufigkeit einzelner Schritte. Sie ist entscheidend, um zu verstehen, welche Aktionen in welcher Reihenfolge ausgeführt werden.

Dieses Attribut definiert die Prozessschritte und ermöglicht die Erstellung einer Prozesslandkarte sowie die Analyse von Prozessablauf und Varianten.

Diese Informationen finden sich typischerweise in den Workflow- oder Audit-Log-Tabellen von Fenergo, die mit Case-Statusübergängen oder Task-Abschlüssen verknüpft sind.

Der Kundenantrag ist der zentrale Identifikator, der alle zugehörigen Aktivitäten und Ereignisse eines einzelnen KYC-Onboarding-Prozesses zusammenfasst. Er ermöglicht die End-to-End-Nachverfolgung eines Antrags von der ersten Einreichung bis zur endgültigen Entscheidung, unabhängig davon, ob der Antrag genehmigt, abgelehnt oder geschlossen wurde.

Im Process Mining ist dieses Attribut grundlegend für die Rekonstruktion der vollständigen Journey jedes Antrags. Es ermöglicht die Analyse von Prozessabläufen, Durchlaufzeiten, Varianten und Engpässen auf Ebene des einzelnen Antrags und schafft so einen klaren Überblick über die Bearbeitung jedes Cases.

Dies ist die zentrale Case-ID, die alle zugehörigen Ereignisse verbindet und dadurch die Analyse des Kunden-Onboarding-Prozesses von Anfang bis Ende ermöglicht.

In der Regel handelt es sich um den Primärschlüssel der zentralen Case-Management- oder Client-Lifecycle-Management-Entität in Fenergo.

Dieses Attribut erfasst das genaue Datum und die Uhrzeit, zu denen eine bestimmte Aktivität begonnen hat. Es liefert die chronologische Reihenfolge, die für die Rekonstruktion des Prozessablaufs erforderlich ist, und bildet die Grundlage für alle zeitbezogenen Analysen.

Im Process Mining wird die Startzeit verwendet, um die Dauer von Aktivitäten, die Wartezeit zwischen ihnen und die gesamte Durchlaufzeit eines Cases zu berechnen. Sie bildet das zeitliche Rückgrat des Event Logs und ist für die Analyse von Leistung und Engpässen entscheidend.

Dieser Timestamp ist entscheidend für die chronologische Sortierung von Ereignissen und die Berechnung aller zeitbezogenen Kennzahlen wie Durchlaufzeiten und Dauern.

Zu finden in den Audit-Trail-, Event-Log- oder Workflow-History-Tabellen von Fenergo, häufig unter Bezeichnungen wie „Timestamp“, „StartDate“ oder „CreationDate“.

Dieses Attribut erfasst Datum und Uhrzeit der letzten Datenaktualisierung. Es liefert Kontext zur Aktualität der analysierten Daten und ist wichtig, um deren zeitliche Aussagekraft einzuordnen.

In Dashboards und Berichten informiert diese Angabe darüber, wie aktuell die Daten sind. So lässt sich besser einschätzen, ob die Analyse den laufenden Betrieb oder eine historische Momentaufnahme abbildet.

Liefert wichtigen Kontext zur Aktualität der Daten und stellt sicher, dass Nutzer den zeitlichen Stand der Prozessanalyse richtig einordnen können.

Dieser Wert wird während der Datenextraktion und des Ladens im ETL-Prozess erzeugt und mit einem Timestamp versehen.

Dieses Attribut identifiziert das Ursprungssystem der Ereignisdaten. Für diesen Prozess ist dies durchgehend Fenergo. In kombinierten Datensätzen hilft es jedoch, Datenquellen voneinander zu unterscheiden.

In der Analyse wird das Attribut hauptsächlich verwendet, um Daten aus bestimmten Systemen zu filtern oder die Datenherkunft zu überprüfen. Es schafft Klarheit in Umgebungen, in denen Daten aus mehreren Systemen für eine umfassende Prozesssicht zusammengeführt werden.

Identifiziert die Herkunft der Daten. Das ist entscheidend für Data Governance und Validierung sowie dafür, sicherzustellen, dass die Analyse auf der richtigen Quelle basiert.

In der Regel handelt es sich um einen statischen Wert, der während der Datenextraktion ergänzt wird, um die Herkunft der Datensätze zu kennzeichnen.

Dieses Attribut gibt die Entscheidung über den Antrag am Ende des Prozesses oder seinen aktuellen Status bei laufender Bearbeitung an. Häufige Werte sind „Approved“, „Rejected“ oder „In Progress“.

Diese Dimension ist für die Ergebnisanalyse entscheidend. Sie ermöglicht das Filtern und Vergleichen von Prozessabläufen anhand ihres Endergebnisses und ist daher wichtig für das Dashboard „Application Rework and Rejection“ sowie für die Berechnung von KPIs wie der Application Rejection Rate.

Definiert das Ergebnis eines Cases und ermöglicht eine aussagekräftige Analyse der Pfade genehmigter und abgelehnter Anträge sowie der Erfolgsquoten.

In der Regel handelt es sich um den finalen Status, der für die Case-Entität im Case-Management-System von Fenergo gespeichert ist.

Dieses Attribut identifiziert den Mitarbeitenden oder Systembenutzer, der für die Ausführung eines bestimmten Tasks oder Ereignisses verantwortlich ist. Dabei kann es sich um eine eindeutige Benutzer-ID, einen Namen oder eine Rolle handeln.

Die Analyse nach Benutzer hilft, die Arbeitsverteilung und individuelle Leistung zu verstehen sowie Schulungsbedarf zu erkennen. Sie ist entscheidend für das Dashboard „Staff Activity Distribution“ und ermöglicht den Drill-down auf Aktivitäten einzelner Personen oder Teams.

Erfasst, welcher Benutzer eine Aktion ausgeführt hat, und ermöglicht dadurch die Analyse von Arbeitsverteilung, Teamleistung und Ressourcenzuweisung.

Diese Informationen sind typischerweise zusammen mit den Ereignisdetails in den Audit Logs oder Task-History-Tabellen von Fenergo gespeichert, häufig unter Bezeichnungen wie „UserID“, „UserName“ oder „ModifiedBy“.

Dieses Attribut liefert den organisatorischen Kontext für den Benutzer, der eine Aktivität ausgeführt hat, etwa „Compliance“, „Onboarding Operations“ oder „Sales“. Häufig wird es aus den Benutzerprofildaten abgeleitet.

Diese Dimension ist entscheidend für die Analyse von Prozessübergaben zwischen Abteilungen und das Erkennen bereichsübergreifender Engpässe. Sie unterstützt direkt das Dashboard „Staff Activity Distribution“, da sich Arbeit auf Team- oder Abteilungsebene aggregieren lässt.

Ermöglicht die Analyse der Prozessleistung nach Abteilung und macht Übergaben zwischen Abteilungen, Verzögerungen sowie die Arbeitsverteilung sichtbar.

Möglicherweise muss dieses Attribut über die ID „InitiatingUser“ aus einer separaten Benutzer- oder HR-Stammdatentabelle ergänzt werden. Fenergo kann diese Information auch im Benutzerprofil speichern.

Dieses Attribut erfasst das genaue Datum und die Uhrzeit, zu denen eine bestimmte Aktivität beendet wurde. Zusammen mit der Startzeit definiert es die aktive Dauer eines Tasks.

Im Process Mining wird die Endzeit gemeinsam mit der Startzeit verwendet, um die Bearbeitungszeit jeder Aktivität zu berechnen. Das ist entscheidend, um besonders zeitintensive Prozessschritte zu erkennen und die Effizienz der eingesetzten Ressourcen zu analysieren.

Ermöglicht die Berechnung der Bearbeitungszeiten von Aktivitäten. Das ist grundlegend, um lang laufende Tasks und Leistungsengpässe zu erkennen.

Zu finden in den Audit-Trail- oder Workflow-History-Tabellen von Fenergo, häufig unter Bezeichnungen wie „EndDate“ oder „CompletionDate“, oder abgeleitet aus der Startzeit des nachfolgenden Ereignisses.

Der Risikoscore ist ein quantitatives Maß für das potenzielle Risiko eines Kunden. Er wird anhand verschiedener Faktoren wie Jurisdiktion, Branche und Screening-Ergebnissen berechnet. In der Regel ermittelt die Rules Engine von Fenergo diesen Wert.

Dieses Attribut ermöglicht die Analyse des Zusammenhangs zwischen Risikoniveau und Prozessverhalten. So kann beispielsweise untersucht werden, ob Kunden mit hohem Risiko längere Durchlaufzeiten haben oder häufiger manuell bearbeitet werden. Das ist für das Dashboard „Risk & Compliance Review Deep Dive“ besonders hilfreich.

Quantifiziert das Kundenrisiko und ermöglicht die Analyse, wie sich Risikoniveaus auf Prozessdauer, Nachbearbeitung und Ergebnisse auswirken.

Dies ist ein zentrales Ergebnis des Moduls Client Risk Assessment von Fenergo. Es wird im Case oder in der Kundenentität gespeichert.

Das SLA-Zieldatum bezeichnet die vereinbarte Frist für den Abschluss des gesamten Onboarding-Prozesses eines Kundenantrags. Es ist ein wichtiger Referenzwert für die Messung der tatsächlichen Leistung.

Dieses Attribut ist entscheidend für das Dashboard „SLA Compliance Monitoring“ und die Berechnung des KPIs „SLA Adherence Rate“. Es ermöglicht die frühzeitige Steuerung von Cases, bei denen ein SLA-Verstoß droht, und hilft bei der Priorisierung der Arbeit.

Definiert das angestrebte Abschlussdatum und ist damit entscheidend für die Überwachung der SLA-Einhaltung sowie die Priorisierung überfälliger Cases.

Dieses Datum wird häufig anhand des Einreichungsdatums des Antrags und der im SLA-Management-Modul von Fenergo konfigurierten Geschäftsregeln berechnet.

Wenn der finale Status eines Antrags „Rejected“ lautet, gibt dieses Attribut den konkreten Grund an. Beispiele sind „Failed Background Check“, „Incomplete Documentation“ oder „High Risk Profile“.

Dieses Attribut ist für die Ursachenanalyse abgelehnter Anträge von großer Bedeutung. Es unterstützt direkt das Dashboard „Application Rework and Rejection“, indem es Ablehnungen kategorisiert. So kann das Unternehmen häufige Probleme erkennen und Korrekturmaßnahmen einleiten, um die Erstprüfungsquote zu verbessern.

Liefert wichtige Erkenntnisse darüber, warum Anträge scheitern, und ermöglicht dadurch eine Ursachenanalyse zur Senkung der Ablehnungsquote.

Typischerweise zu finden in einem Reason-Code- oder Notizfeld, das im Fenergo-Case-Workflow mit dem finalen Ablehnungsstatus verknüpft ist.

Dieses Attribut identifiziert die Quelle, über die der Antrag eingereicht wurde, beispielsweise ein Online-Portal, eine Filiale oder ein Relationship Manager. Die Quelle kann die Datenqualität und den Bearbeitungsaufwand beeinflussen.

Diese Dimension wird im Dashboard „Application Source & Type Efficiency“ verwendet, um die Leistung verschiedener Kanäle zu vergleichen. Sie hilft Unternehmen zu verstehen, welche Kanäle besonders effizient sind und bei welchen eine Prozessoptimierung erforderlich sein kann.

Identifiziert die Quelle von Anträgen und ermöglicht die Analyse von Kanaleffizienz, Kosten und Customer Experience.

Diese Information kann in einem Formular zur initialen Datenerfassung in Fenergo erfasst oder aus einem vorgelagerten System übergeben werden.

Diese Kennzahl zählt für jeden Case, wie oft die Aktivität 'Additional Information Requested' auftritt. Ein höherer Wert weist auf mehr Rückfragen und Abstimmungen hin, die den Prozess verzögern und zu einer schlechteren Customer Experience führen können.

Dieses Attribut unterstützt direkt die KPI 'Cases with Additional Info Requests'. Sie können damit Anträge mit übermäßig vielen Anfragen identifizieren. Das kann auf Probleme bei der initialen Datenerfassung oder auf komplexe Anforderungen an den Case hindeuten. Die Analyse hilft dabei, die Informationsbeschaffung zu vereinfachen.

Quantifiziert Reibungsverluste für Kunden und Prozessverzögerungen durch unvollständige Erstinformationen und hilft, die Datenerfassung zu verbessern.

Dies ist eine berechnete Kennzahl. Sie wird ermittelt, indem die Anzahl der 'Additional Information Requested'-Events für jede 'CustomerApplication'-ID gezählt wird.

Dieses Attribut unterscheidet zwischen Aufgaben, die das System automatisch ausführt, beispielsweise initiales Screening und Systemprüfungen, und Aufgaben, die ein Benutzer manuell bearbeitet. In der Regel wird dafür geprüft, ob der ausführende Benutzer ein System- oder Servicekonto ist.

Die Analyse dieses Kennzeichens ist entscheidend, um den Automatisierungsgrad des Prozesses zu verstehen. Sie hilft dabei, die Auswirkungen der Automatisierung auf Effizienz, Kosten und Geschwindigkeit zu quantifizieren und weitere Automatisierungsmöglichkeiten zu erkennen.

Unterscheidet zwischen menschlichen und systemgestützten Aktivitäten. Das ist für die Automatisierungsanalyse und das Verständnis der Ressourcenkosten entscheidend.

Dieses Kennzeichen wird üblicherweise aus dem Feld 'InitiatingUser' abgeleitet. Eine Liste bekannter Systembenutzer-IDs setzt den Wert auf true.

Dieses Attribut identifiziert Aktivitäten, die einen Rückschritt im Prozess darstellen, beispielsweise die Rückkehr zu 'Document Review', nachdem 'Compliance Review' bereits begonnen hat, oder jedes Auftreten von 'Additional Information Requested'.

Die Identifizierung von Nacharbeit ist entscheidend, um Ineffizienz und Reibungsverluste im Prozess zu verstehen. Dieses Kennzeichen ermöglicht die direkte Berechnung der KPI 'Rework Loop Rate' und hilft dabei, die Auswirkungen unnötiger, wiederholter Prozessschritte sichtbar zu machen und zu quantifizieren.

Macht ineffiziente Nacharbeitsschleifen im Prozess sichtbar. So können Sie Verschwendung quantifizieren und Verbesserungsbereiche erkennen, um die First-Time-Right-Rate zu erhöhen.

Dieses Kennzeichen wird mithilfe von Process-Mining-Verfahren abgeleitet, die die Reihenfolge der Aktivitäten analysieren. Wenn beispielsweise auf 'Activity A' 'Activity B' folgt und anschließend im selben Case erneut 'Activity A' erscheint, gilt die zweite Ausführung von 'Activity A' als Nacharbeit.

Die Customer ID ist die eindeutige Referenz für die Kundenentität im Stammdatensystem. Während die Antragsnummer die Case-ID des Prozesses ist, verknüpft die Customer ID die Onboarding-Aktivität mit einem bestimmten Kunden.

Mit diesem Attribut können Sie die Onboarding-Historie eines einzelnen Kunden analysieren, etwa wenn dieser im Laufe der Zeit mehrere Onboarding-Prozesse durchlaufen hat. Außerdem lassen sich Prozessdaten mit weiteren kundenbezogenen Daten verknüpfen, um eine umfassendere Geschäftsperspektive zu erhalten.

Verknüpft den Onboarding-Prozess mit einer eindeutigen Kundenentität und ermöglicht kundenbezogene Analysen sowie die Anreicherung von Daten.

Diese ID wird im Kunden- oder Datensatz der juristischen Entität in Fenergo gespeichert und dem Onboarding-Case zugeordnet.

Dieses Attribut unterteilt Kunden anhand ihrer Rechtsform oder ihrer Beziehung zum Finanzinstitut in verschiedene Kategorien. Unterschiedliche Kundentypen durchlaufen häufig unterschiedliche Onboarding-Pfade mit variierender Komplexität und unterschiedlichen Anforderungen an die Due Diligence.

Die Analyse nach Kundentyp hilft, Leistungsunterschiede zwischen Segmenten zu erkennen. Sie ist entscheidend für das Dashboard „Application Source & Type Efficiency“, um Durchlaufzeiten und Genehmigungsquoten zu vergleichen und gezielte Prozessverbesserungen abzuleiten.

Ermöglicht den Vergleich der Prozessleistung über verschiedene Kundensegmente hinweg, die häufig eine unterschiedliche Komplexität und unterschiedliche SLAs aufweisen.

Diese Informationen sind typischerweise in der Kunden- oder Client-Entität in Fenergo gespeichert und mit dem Antrags-Case verknüpft.

Dieses Attribut gibt das mit dem Kunden verbundene Land an. Davon hängen häufig die geltenden regulatorischen Vorgaben und Risikofaktoren für den Onboarding-Prozess ab.

Die Analyse nach Land ermöglicht den Vergleich von Durchlaufzeit, Risikoniveau und Prozesskomplexität zwischen Jurisdiktionen. Sie hilft zu verstehen, wie regionale Unterschiede die operative Leistung beeinflussen, und unterstützt die Einhaltung lokaler Vorschriften.

Ermöglicht die geografische Segmentierung des Prozesses und ist damit entscheidend für die Analyse regulatorischer Auswirkungen und regionaler Leistungsunterschiede.

Diese Information gehört zu den zentralen Kundendaten, die während des Antragsprozesses erfasst und in der Client-Entität in Fenergo gespeichert werden.

Dieses Attribut ist ein binäres Kennzeichen für die SLA-Leistung eines abgeschlossenen Cases. Es wird auf 'true' gesetzt, wenn der Timestamp der abschließenden Aktivität am oder vor dem 'SlaTargetDate' liegt, andernfalls auf 'false'.

Dieses berechnete Feld vereinfacht die SLA-Überwachung und Berichterstellung. Sie können es aggregieren, um die KPI 'SLA Adherence Rate' zu berechnen, oder als Filter verwenden, um die Merkmale SLA-konformer und nicht SLA-konformer Cases zu analysieren.

Misst die SLA-Leistung direkt und ermöglicht die einfache Berechnung der KPI SLA Adherence Rate sowie die Filterung nicht SLA-konformer Cases.

Dieses Attribut wird abgeleitet, indem der Timestamp der letzten Case-Aktivität, beispielsweise 'Application Approved' oder 'Application Rejected', mit dem 'SlaTargetDate' verglichen wird.

Der Case Owner ist die Person oder Gruppe, der die Hauptverantwortung für einen Onboarding-Case übertragen wurde. Diese Person ist in der Regel für den fristgerechten und erfolgreichen Abschluss verantwortlich.

Dieses Attribut unterstützt die Analyse von Arbeitslast und Leistung auf Ebene der Case Manager. Sie können damit prüfen, ob bestimmte Case Owner längere Durchlaufzeiten oder höhere Ablehnungsquoten aufweisen. Das kann auf Schulungsbedarf oder eine unausgewogene Ressourcenverteilung hindeuten.

Identifiziert die verantwortliche Person oder das zuständige Team eines Cases und ermöglicht so die Leistungsanalyse von Case Managern.

Dies ist üblicherweise ein bestimmtes Feld in der primären Case-Entität von Fenergo, das die Zuordnung des Cases angibt.