Su Template de datos para el onboarding de clientes KYC

Este atributo registra el nombre de una actividad empresarial o un evento del sistema, como «Solicitud enviada», «Revisión de cumplimiento iniciada» o «Solicitud rechazada». Representa un único paso del proceso general de onboarding del cliente.

El análisis de las actividades es el núcleo de Process Mining. Este atributo se utiliza para crear el mapa de procesos y mostrar el flujo entre los distintos pasos. Ayuda a identificar la secuencia de eventos, medir la frecuencia de cada actividad y determinar qué tareas son más habituales o requieren más tiempo.

Este atributo define los pasos del mapa de procesos y permite visualizar, analizar y comprender el flujo del proceso.

Esta información suele capturarse en el registro de auditoría de Pega, en las tablas de historial, o puede derivarse de los cambios de estado del caso.

Este atributo registra la fecha y hora exactas en que comenzó una actividad. Proporciona el orden cronológico de todos los eventos de un caso de solicitud de cliente.

Las marcas de tiempo son fundamentales para analizar el rendimiento del proceso. Se utilizan para calcular la duración de las actividades, el tiempo de espera entre pasos y el tiempo total del ciclo de onboarding. Estos datos son esenciales para identificar cuellos de botella, medir el cumplimiento de los SLA y comprender la eficiencia del proceso.

Las marcas de tiempo proporcionan el contexto cronológico necesario para calcular duraciones, analizar el rendimiento del proceso e identificar retrasos.

Es un elemento estándar del registro de auditoría de Pega y suele aparecer como pxTimeCreated en las tablas de historial de cada evento.

Customer Application es el identificador principal del caso que agrupa todas las actividades y eventos relacionados con el proceso de onboarding de un único cliente. Cada solicitud sigue un recorrido desde el envío hasta la aprobación y activación de la cuenta, o hasta el rechazo.

En Process Mining, este atributo es esencial para reconstruir el recorrido completo de cada solicitud. Permite consultar la secuencia íntegra de eventos, seguir el estado de cada solicitud y comparar diferentes recorridos. El análisis de los casos a partir de este ID ayuda a identificar variantes habituales del proceso, cuellos de botella y desviaciones respecto al procedimiento estándar.

Este ID es la base de Process Mining, ya que conecta todos los eventos individuales y los convierte en instancias de proceso coherentes y completas para su análisis.

Normalmente, este es el ID principal del caso en Pega, disponible a menudo como pzInsKey o como un equivalente orientado al negocio en el objeto de trabajo del tipo de caso principal.

Este atributo identifica la unidad organizativa o el equipo al que pertenece el usuario que realizó la actividad, como «Equipo de screening», «Cumplimiento» u «Operaciones de onboarding».

Analizar el proceso por departamento es fundamental para el panel de control «Distribución de la carga de trabajo por departamento». Ayuda a los responsables a comprender cómo fluye el trabajo entre los distintos equipos, identificar cuellos de botella interfuncionales y evaluar la asignación de recursos en todo el proceso de onboarding. Es clave para optimizar las transferencias y equilibrar las cargas de trabajo.

Permite analizar el flujo del proceso y los cuellos de botella entre distintas unidades de negocio, y facilita la gestión de recursos y la optimización organizativa.

Esta información suele estar asociada al perfil del usuario en Pega, en el registro Operator ID, y puede combinarse con los datos de eventos. La propiedad podría ser pyWorkGroup.

Este atributo indica el estado general de la solicitud al finalizar el proceso, como «Aprobada», «Rechazada» o «Retirada». También puede reflejar el último estado conocido de los casos en curso.

Es una dimensión fundamental para analizar los resultados. Se utiliza directamente en el panel de control «Análisis de rechazos de solicitudes» para segmentar los casos y comprender por qué se producen determinados resultados. Analizar los recorridos que conducen a distintos estados ayuda a identificar buenas prácticas en los casos aprobados y las causas raíz de los rechazos.

Define el resultado empresarial de un caso y permite comparar eficazmente los recorridos satisfactorios con los que no lo son.

Normalmente, es el estado final (pyStatusWork) del objeto de trabajo del caso en Pega.

Este atributo almacena la fecha objetivo de finalización de una solicitud, definida por el acuerdo de nivel de servicio (SLA). El SLA puede variar en función de factores como el tipo de cliente, el nivel de riesgo o el producto.

Esta fecha es esencial para el panel de control «Seguimiento del cumplimiento del SLA» y el KPI asociado. Sirve como referencia para comparar la fecha real de finalización. Analizar los casos que no cumplen el objetivo del SLA ayuda a identificar retrasos sistémicos y priorizar mejoras para garantizar el cumplimiento de los compromisos de servicio.

Proporciona la referencia para medir el rendimiento puntual, algo fundamental para la satisfacción del cliente y el control operativo.

Pega cuenta con un marco integrado de gestión de SLA. Esta fecha suele almacenarse en propiedades como pySLAGoal o en una propiedad de SLA personalizada del caso.

Este atributo registra la fecha y hora exactas en que terminó una actividad. Se utiliza junto con la hora de inicio para calcular el tiempo de procesamiento de cada actividad.

Contar con una hora de finalización diferenciada permite analizar el rendimiento con mayor precisión. Ayuda a distinguir entre el tiempo de procesamiento activo, es decir, la duración entre la hora de inicio y la hora de finalización, y el tiempo de espera, que transcurre entre la hora de finalización de una actividad y la hora de inicio de la siguiente. Esto es fundamental para localizar los cuellos de botella reales y diferenciarlos de las colas.

Permite calcular con precisión el tiempo de procesamiento de las actividades, algo esencial para analizar el rendimiento en detalle e identificar cuellos de botella.

Puede estar disponible en el registro de auditoría de Pega o ser necesario derivarlo utilizando la hora de inicio del evento siguiente como hora de finalización del evento actual.

Cuando el estado final de una solicitud es «Rechazada», este atributo proporciona el motivo concreto, como «Comprobación de antecedentes fallida», «Documentación incompleta» o «Perfil de alto riesgo».

Este atributo es el principal impulsor del panel de control «Análisis de rechazos de solicitudes». Al segmentar los casos rechazados por motivo, la empresa puede identificar los puntos de fallo más habituales del proceso de onboarding. Esta información es fundamental para aplicar mejoras específicas, reducir la tasa de rechazo, mejorar la experiencia del cliente y aumentar la eficiencia operativa.

Proporciona información útil sobre los motivos por los que fallan las solicitudes y permite aplicar mejoras específicas para aumentar la tasa de éxito.

Probablemente sería una propiedad específica establecida en el caso cuando este pasa al estado «Rechazado». Consulte la documentación de Pega KYC para conocer los campos estándar de motivos de rechazo.

Este atributo representa el riesgo evaluado del cliente, normalmente clasificado como «Bajo», «Medio» o «Alto». El nivel de riesgo suele determinarlo un motor de puntuación automatizado a partir de los datos del cliente y los resultados del screening.

El nivel de riesgo influye considerablemente en las variaciones del proceso. Las solicitudes de alto riesgo suelen requerir pasos adicionales de diligencia debida, como una revisión de cumplimiento reforzada, lo que prolonga los tiempos de ciclo. Analizar el proceso por nivel de riesgo ayuda a justificar estas variaciones y a garantizar que los controles de riesgo funcionan correctamente sin provocar retrasos innecesarios.

Explica las variaciones en el recorrido y la duración del proceso, ya que el nivel de riesgo suele determinar el grado de diligencia debida necesario.

Sería una propiedad calculada del caso, cumplimentada por una regla de decisión o un modelo de puntuación de Pega. Consulte la documentación de Pega KYC.

Este atributo almacena el ID del empleado o usuario del sistema responsable de completar una tarea específica del proceso de KYC, como un responsable de cumplimiento o un bot de screening automatizado. En los pasos automatizados, puede tratarse del ID de una cuenta de sistema o de servicio.

El análisis por usuario ayuda a comprender la distribución de la carga de trabajo, el rendimiento individual y las necesidades de formación. También puede utilizarse para investigar desviaciones del proceso, identificando los usuarios o equipos implicados en recorridos no estándar.

Este atributo vincula las actividades del proceso con personas o equipos concretos, lo que permite analizar la carga de trabajo, evaluar el rendimiento y realizar comprobaciones de cumplimiento.

Es un campo estándar del registro de auditoría de Pega, normalmente almacenado como pxUpdateOperator o como una propiedad similar en las tablas de historial.

Este atributo booleano es verdadero si la actividad fue ejecutada por un agente automatizado, como un motor de screening o una regla del sistema, y falso si la realizó un usuario humano.

Distinguir entre actividades automatizadas y manuales es fundamental para analizar la automatización. Ayuda a medir la eficacia de la automatización existente, identificar tareas manuales que podrían automatizarse en el futuro y comprender la interacción entre las personas y los sistemas que participan en el proceso.

Separa las actividades realizadas por personas de las ejecutadas por sistemas, algo fundamental para cualquier iniciativa o análisis de automatización.

Puede derivarse del ID de usuario asociado al evento. Si OperatorId corresponde a un sistema o una cuenta de agente conocidos, este indicador se establece como verdadero.

Este atributo booleano es verdadero si una actividad específica, como «Revisión de documentos», se produce más de una vez en el mismo caso. A menudo se activa por eventos como «Información adicional solicitada».

Identificar el retrabajo es esencial para detectar ineficiencias del proceso y puntos de fricción para el cliente. El panel de control «Retrabajo y ciclos del proceso» utiliza este atributo para cuantificar la frecuencia y el impacto del retrabajo. Reducirlo suele ser un objetivo prioritario, ya que permite agilizar el procesamiento, reducir los costes operativos y mejorar la experiencia del cliente.

Pone de relieve las ineficiencias del proceso, las tareas redundantes y los ciclos, que son objetivos prioritarios de mejora.

Este indicador se deriva durante el análisis de datos comprobando si se repiten nombres de actividades dentro del mismo ID de caso. Por ejemplo, si «Revisión de documentos completada» aparece por segunda vez.

Este atributo realiza el seguimiento del estado de los documentos necesarios para el proceso de KYC, con valores como «Pendiente del cliente», «Recibido», «Verificado» o «Rechazado». El estado puede cambiar varias veces durante un mismo caso.

Es un atributo clave para el panel de control «Rendimiento y estado del onboarding» y el análisis «Velocidad de verificación de documentos». Permite examinar en detalle una de las áreas con más cuellos de botella. Al medir cuánto tiempo permanecen los documentos en cada estado, la empresa puede identificar retrasos en el envío por parte del cliente o en la revisión interna.

Proporciona visibilidad sobre el subproceso de gestión de documentos y ayuda a identificar y resolver retrasos habituales en la verificación documental.

Probablemente sería una propiedad de un objeto de datos relacionado o de una lista de páginas asociada al caso principal, que realiza el seguimiento de cada documento requerido. Consulte la documentación de Pega KYC.

Este atributo clasifica cada caso completado como «A tiempo» o «Con retraso», comparando su marca de tiempo real de finalización con su «Fecha objetivo del SLA».

Es la métrica principal del panel de control «Seguimiento del cumplimiento del SLA» y del KPI «Tasa de cumplimiento del SLA». Proporciona una visión clara e inmediata del rendimiento frente a los compromisos de servicio. Analizar las características de los casos con retraso ayuda a identificar las causas raíz de los retrasos y a reducir el riesgo de futuros incumplimientos del SLA.

Mide directamente el rendimiento frente a los compromisos, algo fundamental para la gestión operativa, el cumplimiento y la satisfacción del cliente.

Se obtiene comparando la marca de tiempo de la actividad final del caso con el campo SlaTargetDate. Si la hora de finalización es posterior al objetivo, el estado es «Con retraso».

Este atributo es el ID único que vincula la solicitud con un registro de cliente en el sistema maestro de datos. Representa a la entidad, ya sea una persona o una organización, objeto del proceso de KYC.

Mientras que el ID de la solicitud realiza el seguimiento del proceso, el ID del cliente permite analizar varias solicitudes del mismo cliente o enriquecer los datos del proceso con atributos específicos del cliente, como su segmento o historial. Esto permite adoptar una perspectiva centrada en el cliente sobre el proceso de onboarding.

Conecta los datos del proceso con los datos maestros del cliente y permite realizar análisis más completos basados en los atributos y el historial del cliente.

Sería una propiedad principal del caso de KYC que lo vincula con el modelo de datos del cliente dentro de Pega o con un CRM externo.

Este atributo almacena el país asociado al cliente que está realizando el onboarding. Esta información es un dato clave para evaluar el riesgo y determinar el nivel de diligencia debida necesario.

En el análisis, el país del cliente puede revelar patrones importantes. Algunas jurisdicciones pueden asociarse con un riesgo mayor y dar lugar a procesos de onboarding más largos y complejos. Esta dimensión permite analizar el rendimiento por ubicación geográfica y ayuda a garantizar que los requisitos regionales de cumplimiento se satisfacen de forma eficiente.

Permite analizar geográficamente el proceso, que a menudo está relacionado con la complejidad normativa y los niveles de riesgo.

Sería una propiedad del objeto de datos del cliente asociado al caso.

Este atributo especifica el producto o servicio para el que se realiza el onboarding del cliente, como «Cuenta bancaria para particulares», «Préstamo corporativo» o «Servicios de inversión».

El producto puede influir en el proceso de onboarding, ya que cada producto puede tener requisitos normativos y niveles de complejidad diferentes. Analizar el proceso por producto ayuda a identificar si determinadas líneas de producto presentan tiempos de ciclo más largos o tasas de rechazo más elevadas, y proporciona información para optimizar procesos específicos de cada producto.

Permite segmentar el análisis del proceso por línea de producto y revelar diferencias de rendimiento y oportunidades de optimización.

Sería una propiedad del caso, seleccionada al inicio del proceso de solicitud.

Este atributo especifica la aplicación de origen en la que se registró el evento. En este proceso, el valor sería siempre «Pega KYC».

Aunque pueda parecer redundante si todos los datos proceden de un único sistema, este atributo es fundamental para la gobernanza de datos y resulta imprescindible al integrar datos de varios sistemas. Garantiza la claridad sobre la procedencia de los datos y ayuda a resolver problemas de integración.

Proporciona un contexto esencial sobre el origen de los datos, garantiza la gobernanza de datos y permite analizar información procedente de varios sistemas de origen.

Normalmente, es un valor estático que se añade durante la extracción y transformación de datos para identificar el origen del conjunto de datos.

Esta métrica calculada mide la duración completa de cada solicitud del cliente, desde el primer evento hasta el último. Normalmente se calcula como la diferencia entre la marca de tiempo de la actividad final y la de la actividad inicial de un caso determinado.

El tiempo de ciclo es un indicador clave de rendimiento (KPI) principal para medir la eficiencia del proceso y la experiencia del cliente. Se utiliza en el panel de control «Análisis general del tiempo de ciclo del onboarding» para supervisar los tiempos medios de procesamiento, identificar casos de larga duración y seguir el impacto de las iniciativas de mejora del proceso a lo largo del tiempo.

Es un KPI fundamental que mide directamente la velocidad y la eficiencia generales del proceso de onboarding desde la perspectiva del cliente.

Esta métrica se calcula en la herramienta de Process Mining como la diferencia entre las marcas de tiempo máxima y mínima de cada ID de caso.

Este atributo clasifica la solicitud de onboarding, por ejemplo, «Cliente particular», «Cliente corporativo» o «Persona con un patrimonio elevado». Los distintos tipos de caso suelen seguir variantes de proceso diferentes, con pasos, SLA y perfiles de riesgo específicos.

Analizar el proceso por tipo de caso permite comparar el rendimiento de forma más significativa. Ayuda a determinar si ciertos tipos de onboarding son más propensos a sufrir retrasos o rechazos. Esta segmentación es fundamental para adaptar las mejoras del proceso a las necesidades específicas de cada recorrido del cliente.

Permite segmentar los datos del proceso en categorías diferenciadas y realizar análisis de rendimiento más precisos y relevantes.

Normalmente, es el nombre de la clase de la instancia del caso en Pega o una propiedad específica del caso que define su tipo.

Este atributo indica la hora más reciente en la que se extrajeron los datos del sistema de origen. Normalmente es la misma para todos los registros de una única carga de datos.

Esta marca de tiempo es importante para comprender la actualidad de los datos analizados. Permite saber hasta qué punto está actualizado el análisis del proceso y cuándo se espera la próxima actualización de datos, algo fundamental para los Dashboards de supervisión operativa.

Informa sobre la actualidad de los datos y permite saber si el análisis refleja el estado actual o un periodo anterior.

Este valor se genera y se incorpora al conjunto de datos durante el proceso de extracción, transformación y carga (ETL).