Ihre KYC-Kunden-Onboarding-Datenvorlage

Der Aktivitätsname beschreibt einen eindeutigen Schritt oder Meilenstein auf der Kunden-Onboarding-Reise, wie 'Antrag eingereicht', 'Compliance-Prüfung eingeleitet' oder 'Antrag genehmigt'. Jede Aktivität repräsentiert eine spezifische Aktion, die von einem Benutzer oder einem System ausgeführt wird und den Antrag im Prozess voranbringt.

Dieses Attribut ist grundlegend für die Visualisierung der Prozesslandkarte, die den Kern des Process Mining bildet. Durch die Analyse der Sequenz und Häufigkeit verschiedener Aktivitäten können Analysten den tatsächlichen Prozessfluss verstehen, gemeinsame Pfade identifizieren, Prozessabweichungen entdecken und Bereiche der Nacharbeit oder Wiederholung aufzeigen. Die Klarheit und Konsistenz der Aktivitätsnamen sind entscheidend für den Aufbau eines aussagekräftigen und verständlichen Prozessmodells.

Es definiert die Schritte des Prozesses und ermöglicht die Visualisierung und Analyse des Prozessflusses, von Engpässen und Variationen.

Gefunden in Event Logs, Audit-Trails oder Transaktionstabellen, die Geschäftsprozessschritte aufzeichnen.

Die Kundenantrags-ID ist ein eindeutiger Schlüssel, der jeder neuen Kunden-Onboarding-Anfrage vom Moment ihrer Initiierung bis zu ihrer Fertigstellung oder Beendigung zugewiesen wird. Dieser Identifikator fungiert als zentraler Faden, der alle individuellen Aktivitäten, Events und Datenpunkte einer einzigen Onboarding-Reise miteinander verbindet, was ihn zum kritischsten Attribut für Process Mining macht.

In der Analyse ermöglicht diese ID die Rekonstruktion des End-to-End-Prozesses für jeden Kunden. Sie ermöglicht die Verfolgung des Antragsprozesses, die Berechnung seiner gesamten Durchlaufzeit und den Vergleich seines Pfades mit anderen. Alle Prozessvarianten, Engpässe und Performance-Metriken werden auf Antragsbasis analysiert, was nur durch die korrekte Identifizierung und Verwendung dieses Attributs als Case ID möglich ist.

Es ist unerlässlich, alle zusammenhängenden Events zu einem einzigen End-to-End-Prozess zu gruppieren, was die Grundlage jeder Process Mining Analyse bildet.

Typischerweise im Header oder in der primären Tabelle des Kundenantrags- oder Fallmanagementsystems zu finden.

Die Event Start Time ist das präzise Datum und die Uhrzeit, die den Beginn einer Aktivität markiert. Sie ist eine der drei wesentlichen Säulen des Process Mining, neben der Case ID und dem Aktivitätsnamen. Diese Timestamp-Daten ermöglichen die chronologische Reihenfolge der Events innerhalb jedes Falls, was notwendig ist, um den Prozessfluss so zu rekonstruieren, wie er tatsächlich stattgefunden hat.

Dieses Attribut ist die Grundlage für alle zeitbezogenen Analysen. Es wird verwendet, um die Dauer von Aktivitäten (wenn eine Endzeit verfügbar ist), die Wartezeit zwischen Aktivitäten (Übergabezeit) und die gesamte Durchlaufzeit des gesamten Onboarding-Prozesses zu berechnen. Die Analyse dieser Dauern hilft, Engpässe zu identifizieren, die SLA-Einhaltung zu messen und die gesamte Prozess-Performance zu überwachen.

Es liefert die chronologische Reihenfolge der Events, die wesentlich ist, um das Prozessmodell zu entdecken und alle zeitbasierten Performance-Metriken zu berechnen.

Befindet sich in Event Logs, Anwendungs-Audit-Trails oder Transaktionstabellen, oft beschriftet als 'Timestamp', 'Erstellungsdatum' oder 'Startzeit'.

Dieses Attribut zeichnet das Datum und die Uhrzeit der letzten Datenextraktion oder -aktualisierung auf. Es ist nicht Teil des Geschäftsprozesses selbst, aber eine entscheidende Metadaten für die Datenvalidierung und -Governance. Es schafft Transparenz über die Aktualität der analysierten Daten.

In der Prozessanalyse ist die Kenntnis des letzten Datenaktualisierungszeitpunkts unerlässlich, um die Aktualität der generierten Erkenntnisse zu verstehen. Es hilft Benutzern, den Daten zu vertrauen, indem es bestätigt, wie aktuell sie sind, und Fehlinterpretationen aufgrund veralteter Informationen verhindert. Für die kontinuierliche Überwachung kann dieses Attribut verwendet werden, um Warnmeldungen einzurichten, falls Datenaktualisierungen verzögert werden oder fehlschlagen, wodurch die kontinuierliche Zuverlässigkeit der Process Mining Dashboards gewährleistet wird.

Es gewährleistet Datentransparenz, indem es die Aktualität des Datensatzes anzeigt, was entscheidend für die Relevanz und Genauigkeit der Analyse ist.

Generiert während des Datenextraktions-, Transformations- und Ladeprozesses (ETL); oft in den Metadaten des Datensatzes gefunden.

Das Quellsystem-Attribut gibt die Anwendung oder Plattform an, die die Daten für eine bestimmte Aktivität generiert hat. In komplexen Umgebungen kann der KYC-Prozess mehrere Systeme umfassen, wie z.B. ein CRM für die Antragsstellung, eine dedizierte KYC-Plattform für die Risikobewertung und ein Kernbankensystem für die Kontoeröffnung.

Die Analyse des Prozesses nach Quellsystem hilft, die technologische Landschaft und ihre Auswirkungen auf den Prozess zu verstehen. Sie kann Integrationsprobleme, Datenverzögerungen zwischen Systemen oder Abweichungen in der Informationserfassung durch verschiedene Systeme aufzeigen. Diese Sichtweise ist wertvoll für IT- und Prozessoptimierungsteams, die die Systemarchitektur zur Unterstützung des Onboarding-Prozesses optimieren möchten.

Es bietet Kontext dazu, wo jeder Prozessschritt stattfindet, und hilft dabei, systemübergreifende Ineffizienzen und Datenintegrationsherausforderungen zu identifizieren.

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

Der Antragsstatus gibt die endgültige Verfügung eines Antrags an, wie z. B. 'Genehmigt', 'Abgelehnt' oder 'Zurückgezogen'. Er repräsentiert das Geschäftsergebnis des Prozesses und ist eine kritische Dimension für die Performance-Messung.

Dieses Attribut ist essenziell für die ergebnisbasierte Analyse. Es ermöglicht den Vergleich von Prozesspfaden, die zu erfolgreichen Ergebnissen führen, versus solchen, die zu Ablehnungen führen. Analysten können dies nutzen, um Prozessmuster zu identifizieren, die mit hohen Ablehnungsraten verbunden sind, KPIs wie die 'Antragsablehnungsrate' zu berechnen und eine 'Onboarding Funnel Analysis' zu erstellen, um zu sehen, wo Antragsteller abspringen. Das Verständnis, warum Anträge scheitern, ist der erste Schritt zur Verbesserung des Prozesses, um die Erfolgsrate zu erhöhen.

Es definiert das Geschäftsergebnis jedes Falls und ermöglicht die Analyse, warum Anträge abgelehnt werden und wie die Genehmigungsrate verbessert werden kann.

Typischerweise in der Hauptfall- oder Antragstabelle zu finden, die den Endstatus des Datensatzes angibt.

Die Benutzer-ID identifiziert die Person oder den System-Bot, die für die Ausführung einer bestimmten Aktivität im Prozess verantwortlich ist. Dies könnte ein Compliance-Beauftragter, ein Datenerfasser oder eine automatisierte Risikobewertungsmaschine sein. Die Konsistenz der Benutzeridentifikation ist entscheidend für eine genaue Ressourcenanalyse.

Dieses Attribut bietet eine menschenzentrierte Sicht auf den Prozess. Es ist unerlässlich für die Analyse der Arbeitslastverteilung, der individuellen und Teamleistung sowie der Ressourcenallokation. Durch das Filtern der Process Map nach Benutzer-ID können Manager verstehen, wie verschiedene Mitarbeiter Aufgaben bearbeiten, Schulungsmöglichkeiten identifizieren und sicherstellen, dass die Arbeit ausgewogen ist. Es hilft auch bei der Kollaborationsanalyse, indem es aufzeigt, wie Aufgaben zwischen verschiedenen Personen übergeben werden.

Es ermöglicht die Analyse von Arbeitslast, Ressourcen-Performance und Kollaborationsmustern, wodurch ein besseres Ressourcenmanagement und Schulungen ermöglicht werden.

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

Die Benutzerabteilung gibt die funktionale Gruppe oder das Team an, zu der der Benutzer, der die Aktivität durchgeführt hat, gehört, z.B. 'Compliance', 'Kunden-Onboarding' oder 'Operations'. Dies bietet einen übergeordneten organisatorischen Kontext im Vergleich zur einzelnen Benutzer-ID.

Die Analyse des Prozesses aus Abteilungs-Sicht ist entscheidend, um die abteilungsübergreifende Zusammenarbeit zu verstehen und systemische Bottlenecks zu identifizieren. Sie hilft, die Übergaben zwischen verschiedenen Teams zu visualisieren, die oft eine Hauptursache für Verzögerungen und Ineffizienzen sind. Diese Informationen sind entscheidend für die Optimierung von Teamstrukturen, die Klärung von Verantwortlichkeiten und die Verbesserung von Kommunikationskanälen, um ein reibungsloseres Onboarding-Erlebnis zu schaffen.

Es ermöglicht die Analyse der Prozess-Performance und der Übergaben zwischen verschiedenen Teams, wodurch Möglichkeiten zur Verbesserung der funktionsübergreifenden Zusammenarbeit aufgezeigt werden.

Oft in Benutzerprofildaten verfügbar, die mit der Benutzer-ID verknüpft sind, oder direkt auf der Transaktion aufgezeichnet.

Die Event End Time markiert das präzise Datum und die Uhrzeit, zu der eine Aktivität abgeschlossen wurde. In Verbindung mit der Event Start Time ermöglicht sie die exakte Berechnung der Bearbeitungszeit für jede einzelne Aufgabe. Nicht alle Systeme bieten sowohl Start- als auch Endzeiten; einige bieten möglicherweise nur einen einzigen Timestamp, der den Abschluss darstellt.

Eine Endzeit ist für die Performance-Analyse sehr wertvoll. Sie ermöglicht die Erstellung detaillierter Metriken wie die 'Durchschnittliche Compliance-Prüfzeit', indem sie zwischen der Zeit, die ein Mitarbeiter aktiv an einer Aufgabe gearbeitet hat (Bearbeitungszeit), und der Zeit, die die Aufgabe in einer Warteschlange wartete (Wartezeit), unterscheidet. Dieses Detailniveau ist entscheidend, um Engpässe genau zu identifizieren und Verbesserungsbemühungen entweder auf die Ressourcenkapazität oder auf Prozessübergaben zu konzentrieren.

Es ermöglicht die präzise Berechnung von Aktivitätsbearbeitungszeiten, was hilft, zwischen aktiver Arbeitszeit und Leerlauf-Wartezeit zu unterscheiden.

Gefunden in Event Logs oder Transaktionstabellen zusammen mit der Startzeit. Kann als 'Endzeit', 'Abschlussdatum' oder 'Zuletzt geändert am' beschriftet sein.

Der Kundentyp klassifiziert den Antragsteller in verschiedene Kategorien, zum Beispiel 'Einzelperson', 'Unternehmen', 'Treuhandfonds' oder 'Gemeinnützige Organisation'. Verschiedene Kundentypen haben oft stark unterschiedliche Onboarding-Anforderungen und Prozesskomplexitäten.

Dies ist ein wichtiges Segmentierungsattribut für die Analyse. Durch das Filtern der Prozesslandkarte und KPIs nach Kundentyp können Organisationen signifikante Variationen aufdecken. Zum Beispiel beinhaltet das Onboarding eines Unternehmenskunden typischerweise komplexere Schritte wie die Verifizierung des wirtschaftlichen Eigentümers, was für eine Einzelperson nicht erforderlich ist. Diese Analyse stellt sicher, dass jede Prozessvariante für ihr spezifisches Segment so effizient wie möglich ist und hilft bei der Anpassung von Prozessverbesserungen.

Es ermöglicht die Segmentierung des Prozesses, um die Onboarding-Reise für verschiedene Kundentypen zu vergleichen und zu optimieren.

Wird normalerweise zu Beginn des Antragsprozesses erfasst und in der Hauptkunden- oder Antragstabelle gespeichert.

Die Risikostufe ist ein entscheidendes Ergebnis des KYC-Prozesses und kategorisiert Kunden basierend auf Faktoren wie Branche, geografischer Herkunft und Transaktionsmustern. Diese Klassifizierung bestimmt den Grad der Prüfung und Due Diligence, die für ihren Antrag erforderlich sind.

Im Process Mining ist dieses Attribut eine leistungsstarke Dimension für die Konformitäts- und Variantenanalyse. Der Prozess für einen Kunden mit hohem Risiko sollte per Definition anders und strenger sein als für einen Kunden mit niedrigem Risiko. Durch den Vergleich der tatsächlichen Prozessabläufe für verschiedene Risikostufen mit den erwarteten Verfahren können Unternehmen die Einhaltung interner Richtlinien und Vorschriften überprüfen. Es hilft, Fragen zu beantworten wie: 'Durchlaufen Kunden mit hohem Risiko stets eine verstärkte Due Diligence?' oder 'Verbringen wir zu viel Zeit mit Kunden mit niedrigem Risiko?'.

Es ist unerlässlich für Compliance und Risikomanagement und ermöglicht die Analyse, ob Due-Diligence-Prozesse für verschiedene Risikoprofile angemessen variieren.

Berechnet von einer Risiko-Engine oder manuell zugewiesen von einem Compliance-Beauftragten. Gespeichert im Hauptkunden- oder Antragsdatensatz.

Wenn der Status eines Antrags 'Abgelehnt' ist, liefert der Ablehnungsgrund die spezifische Ursache, wie 'Unvollständige Dokumentation', 'Hohes Risikoprofil' oder 'Sanktionsübereinstimmung'. Dieses Attribut fügt den fehlgeschlagenen Prozessen einen entscheidenden Kontext hinzu.

Die Analyse von Ablehnungsgründen ist grundlegend für das 'Antragsablehnungsanalyse' Dashboard. Sie hilft Unternehmen, eine Ursachenanalyse durchzuführen, um die häufigsten Fehlerpunkte im Onboarding-Prozess zu verstehen. Durch die Kategorisierung und Quantifizierung dieser Gründe können Organisationen Verbesserungen priorisieren. Wenn zum Beispiel 'Unvollständige Dokumentation' ein Hauptgrund ist, könnte sich das Unternehmen darauf konzentrieren, die Anweisungen für Kunden zu klären oder das Dokumentenübermittlungsportal zu verbessern.

Es liefert die Grundursache für fehlgeschlagene Anträge und ermöglicht gezielte Verbesserungen, um die Ablehnungsrate zu reduzieren und die Kundenerfahrung zu verbessern.

Wird normalerweise in der Hauptantrags- oder Falltabelle gespeichert und oft gefüllt, wenn der Status auf 'Abgelehnt' gesetzt wird.

Dieses Attribut identifiziert die Methode, mit der der Kunde seinen Antrag eingereicht hat, z.B. 'Webportal', 'Mobile App' oder 'Filiale'. Verschiedene Kanäle können unterschiedliche Datenerfassungsprozesse und Kundenerlebnisse aufweisen.

Die Analyse des Prozesses nach Kanal hilft, die Leistung und Effizienz jedes Kundenkontaktpunkts zu bewerten. Sie kann Fragen beantworten wie: 'Werden mobile Anträge schneller bearbeitet als Webanträge?' oder 'Ist die Nacharbeitsquote bei Anträgen, die in der Filiale eingereicht werden, höher?'. Diese Erkenntnisse sind wertvoll für die Optimierung der Customer Journey über alle Kanäle hinweg und die effektive Zuweisung von Ressourcen.

Es ermöglicht den Vergleich der Prozesseffizienz und Kundenerfahrung über verschiedene Einreichungskanäle hinweg, wie Web, Mobil oder persönlich.

Wird typischerweise ganz am Anfang des Prozesses aufgezeichnet, wenn der Antrag erstmalig erstellt wird.

Dieses boolesche Attribut unterscheidet zwischen Aufgaben, die von Software oder Bots ausgeführt werden, und solchen, die von menschlichen Benutzern durchgeführt werden. Automatisierte Aktivitäten können die anfängliche Datenvalidierung, das Sanktionsscreening oder das Senden standardisierter Mitteilungen umfassen.

Die Analyse dieses Attributs ist entscheidend für die Bewertung der Effektivität von Automatisierungsinitiativen. Durch den Vergleich der Geschwindigkeit und Ergebnisse automatisierter Schritte mit manuellen können Unternehmen Möglichkeiten für weitere Automatisierungen identifizieren, um Kosten und Zykluszeiten zu reduzieren. Es hilft auch bei der Überwachung der Leistung automatisierter Systeme und stellt sicher, dass diese im End-to-End-Prozess wie erwartet funktionieren.

Es hilft, die Auswirkungen und die Effizienz der Automatisierung im Prozess zu messen, indem es Möglichkeiten für weitere robotische oder systematische Verbesserungen identifiziert.

Kann ein dediziertes Feld im Event Log sein oder basierend auf der Benutzer-ID abgeleitet werden, zum Beispiel wenn die ID 'SYSTEM' oder 'BOT' ist.

Die Kunden-ID ist ein eindeutiger Identifikator für den Kunden, der über mehrere Interaktionen oder Anwendungen hinweg bestehen bleibt. Während die Kundenantrags-ID eine einzelne Onboarding-Reise verfolgt, kann die Kunden-ID mehrere Onboarding-Versuche oder andere Prozesse für denselben Kunden verknüpfen.

Dieses Attribut bietet eine kundenorientierte Analyse, die über einen einzelnen Fall hinausgeht. Es ist nützlich, um wiederkehrende Antragsteller zu verstehen, die langfristige Beziehung eines Kunden zu analysieren oder den Onboarding-Prozess mit anderen Prozessen wie 'Kreditantrag' oder 'Kontoführung' zu verbinden. Obwohl nicht essenziell für eine Single-Prozess-Ansicht, bereichert es die Daten für komplexeres, objektzentriertes Process Mining.

Es ermöglicht eine kundenorientierte Sichtweise, die mehrere Onboarding-Versuche oder verschiedene Prozesse, die mit demselben Kunden verbunden sind, miteinander verknüpft.

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

Das Kundenland spezifiziert den geografischen Standort des Antragstellers. Dies ist eine entscheidende Information in KYC-Prozessen, da Vorschriften und Risikofaktoren von Land zu Land erheblich variieren können.

Die geografische Analyse bietet eine weitere wichtige Erkenntnisebene. Onboarding-Prozesse können sich aufgrund länderspezifischer rechtlicher Anforderungen unterscheiden. Durch das Filtern nach Kundenland können Unternehmen überprüfen, ob diese jurisdiktionalen Varianten korrekt befolgt werden. Es können auch Performance-Unterschiede aufgezeigt werden, wie z. B. längere Durchlaufzeiten für Anträge aus Hochrisikoländern, was aufgrund erhöhter Due-Diligence-Anforderungen erwartet werden kann.

Es ermöglicht die Analyse von Prozessvariationen und Performance basierend auf der Geografie, was entscheidend ist, um die Einhaltung lokaler Vorschriften zu gewährleisten.

Erfasst vom Kunden während des Antragsprozesses und gespeichert im Kunden- oder Antragsdatensatz.

Das Service Level Agreement (SLA) Zieldatum ist der festgelegte Termin für den Abschluss des Kunden-Onboarding-Prozesses. Dieses Datum wird oft durch interne Richtlinien oder vertragliche Verpflichtungen bestimmt und dient als Maßstab für die Messung der Aktualität.

Dieses Attribut ist die Grundlage für das 'SLA Performance Monitoring' Dashboard. Durch den Vergleich des tatsächlichen Abschlussdatums eines Antrags mit seinem SLA Target Date kann die 'SLA Einhaltungsrate' berechnet werden. Die Analyse von Fällen, die ihr SLA verpasst haben, hilft, die spezifischen Aktivitäten oder Abteilungen zu identifizieren, die Verzögerungen verursachen. Dies ermöglicht ein proaktives Management von Arbeitswarteschlangen und Ressourcenzuweisungen, um SLA-Verletzungen zu minimieren und die Kundenzufriedenheit zu verbessern.

Es bietet einen Performance-Benchmark, der die Messung der SLA-Einhaltung und die Identifizierung von Fällen mit Verzögerungsrisiko ermöglicht.

Oft berechnet und im Hauptantragsdatensatz gespeichert, wenn der Fall erstellt wird, basierend auf dem Antragstyp oder anderen Kriterien.