> Amélioration continue des processus > Octroi de prêts > Blend > Modèle de données

Votre modèle de données pour l’octroi de prêts

Blend

Attributs de l’octroi de prêts (20) Activités d’octroi de prêts (16) Guides d’extraction (3)

Votre modèle de données pour l’octroi de prêts

Ce modèle fournit une feuille de route claire pour recueillir les données nécessaires à l’analyse de votre processus d’octroi de prêts. Il présente les attributs essentiels à collecter, les activités clés à suivre et des conseils pratiques pour extraire ces informations de votre système Blend. Utilisez-le pour vérifier que vos données sont prêtes à fournir des analyses pertinentes grâce au Process Mining.

Attributs recommandés à collecter
Activités clés à suivre
Recommandations pour l’extraction

Vous découvrez les journaux d’événements ? En savoir plus sur la création d’un journal d’événements pour le Process Mining.

Télécharger le modèle

Attributs de l’octroi de prêts

Ces champs de données sont essentiels pour constituer un journal d’événements fiable et analyser complètement votre processus d’octroi de prêts.

5 Obligatoire 5 Recommandé 10 Facultatif

	Nom	Description
	Heure de début EventStartTime	Horodatage indiquant le début officiel d’une activité ou d’un événement précis.
Description L’heure de début de l’événement correspond à la date et à l’heure précises auxquelles une étape du processus a été lancée. Cet horodatage est essentiel pour ordonner correctement les événements et calculer la durée des activités ainsi que les temps d’attente entre celles-ci. Dans l’analyse, cet horodatage sert à classer les activités de chaque demande de prêt et à créer un journal d’événements chronologique. Il constitue la base de tous les calculs temporels, notamment les durées de cycle, les temps de traitement et les temps d’attente, indispensables pour repérer les retards et évaluer la performance au regard des accords de niveau de service (SLA). Pourquoi c’est important Cet horodatage est essentiel pour ordonner les événements, calculer les durées du processus et identifier les goulots d’étranglement et les retards dans le flux de travail d’octroi de prêts. Où les obtenir Il correspond à l’horodatage de création ou de début d’un enregistrement d’événement dans les journaux d’événements ou les tables de piste d’audit de Blend. Exemples 2023-10-26T10:00:00Z2023-11-15T14:35:10Z2024-01-05T09:12:45Z
	Identifiant de la demande de prêt LoanApplicationId	Identifiant unique de chaque demande de prêt individuelle soumise via la plateforme Blend.
Description L’identifiant de la demande de prêt identifie de manière unique chaque demande tout au long de son cycle de vie. Il sert d’entité centrale pour regrouper toutes les activités et données associées, ce qui permet de retracer intégralement le parcours de montage d’un prêt donné. Dans le Process Mining, cet identifiant est fondamental pour construire la carte du processus de bout en bout, car chaque événement enregistré doit être rattaché à une demande précise. Il permet d’analyser les parcours individuels, de comparer les différents chemins et d’agréger les indicateurs au niveau du dossier, comme la durée totale du cycle ou la fréquence des reprises. Pourquoi c’est important Il s’agit du Case ID essentiel qui relie toutes les étapes du processus et permet de reconstituer et d’analyser l’intégralité du parcours de montage du prêt pour chaque demandeur. Où les obtenir Il s’agit d’une clé primaire des principales entités de données relatives aux demandes de prêt dans Blend. Elle est généralement disponible dans tous les exports de données et points de terminaison d’API liés aux prêts. Exemples APP-2024-10583BLND-0034981-A1800123987
	Nom de l’activité ActivityName	Nom de l’événement métier ou de la tâche précise qui s’est produite à un moment donné pour une demande de prêt.
Description Cet attribut décrit une étape ou une étape clé du processus de montage du prêt, comme « Demande soumise », « Vérification de crédit terminée » ou « Fonds décaissés ». Chaque activité représente un événement distinct du cycle de vie du processus. L’analyse de la séquence et de la durée de ces activités permet de créer une carte détaillée du processus. Cette carte sert à identifier les parcours fréquents, les écarts par rapport à la procédure standard et les goulots d’étranglement qui retardent les demandes. Comprendre le déroulement des activités constitue la première étape de toute initiative d’amélioration des processus. Pourquoi c’est important Cet attribut constitue l’ossature de la carte du processus, en définissant les étapes et les jalons qui composent le parcours de montage du prêt. Où les obtenir Ces informations sont généralement générées à partir de journaux d’événements, d’enregistrements de changements d’état ou de pistes d’audit dans Blend. Elles correspondent aux principales étapes du flux de travail d’octroi de prêts. Exemples Demande soumiseÉtude du dossier commencéeFonds décaissésDemande refusée
	Dernière mise à jour des données LastDataUpdateTime	Horodatage indiquant la dernière actualisation ou extraction des données de cet événement depuis le système source.
Description Cet horodatage indique la dernière extraction des données depuis Blend. Il ne correspond pas au moment où l’événement s’est produit, mais à celui où l’enregistrement a été mis à jour dans le jeu de données utilisé pour l’analyse. Il s’agit d’un attribut de métadonnées essentiel pour la gouvernance et l’assurance qualité des données. Il aide les utilisateurs à évaluer l’actualité des données analysées et est indispensable pour vérifier la fiabilité des Dashboards et des rapports, notamment dans les scénarios de supervision quasi temps réel. Pourquoi c’est important Garantit la transparence des données en indiquant leur niveau d’actualité, un élément essentiel pour pouvoir se fier à l’exactitude de l’analyse du processus. Où les obtenir Cet horodatage est ajouté par le pipeline d’ingestion des données au moment où celles-ci sont interrogées et extraites du système source Blend. Exemples 2024-03-10T02:00:00Z2024-03-11T02:00:00Z2024-03-12T02:00:00Z
	Système source SourceSystemName	Identifie le système source à partir duquel les données d’événements ont été extraites, à savoir « Blend ».
Description Cet attribut indique le système de référence à l’origine des données. Pour cette vue du processus, sa valeur sera toujours « Blend ». Même si cela peut sembler redondant lorsque toutes les données proviennent d’un seul système, il s’agit d’une bonne pratique. Cet attribut devient particulièrement utile lors de l’intégration de données provenant d’autres systèmes, comme une plateforme bancaire centrale ou un CRM, car il permet aux analystes de retracer la lignée des données et de résoudre les problèmes d’intégration. Pourquoi c’est important Fournit des informations essentielles sur la lignée des données et clarifie l’origine des données du processus, ce qui est particulièrement important dans les environnements intégrés. Où les obtenir Il s’agit généralement d’une valeur statique (« Blend ») ajoutée lors de l’extraction et de la transformation des données afin d’indiquer l’origine des enregistrements. Exemples BlendBlend_ProductionBlend_US
	Agent de crédit affecté AssignedLoanOfficer	Nom ou identifiant de l’agent de crédit ou du souscripteur chargé de l’activité.
Description Cet attribut identifie le collaborateur, par exemple l’agent de crédit ou le souscripteur, qui a réalisé une tâche donnée ou qui est affecté à la demande de prêt. Il est essentiel pour comprendre la répartition de la charge de travail et la performance individuelle. L’analyse permet de filtrer la carte du processus par utilisateur ou par équipe, de comparer les performances et d’identifier les besoins de formation. Le Dashboard « Charge de travail et performance des agents de crédit » s’appuie directement sur cet attribut pour visualiser la répartition des dossiers et les temps moyens de traitement par agent, afin de maintenir une charge de travail équilibrée et efficace. Pourquoi c’est important Relie les activités du processus à des personnes précises et permet d’analyser la charge de travail, de suivre la performance et d’optimiser les ressources. Où les obtenir Consultez la documentation de Blend. Cette information est probablement stockée dans les champs d’affectation des utilisateurs associés aux dossiers de prêt ou à des tâches précises. Exemples John SmithJane Doej.smith@lender.comuser_1024
	Canal de la demande ApplicationChannel	Canal par lequel la demande de prêt a été initialement soumise.
Description Cet attribut indique l’origine ou le canal de soumission de la demande, par exemple « Portail en ligne », « Application mobile », « Agence » ou « Courtier ». Chaque canal peut présenter un parcours ou un niveau d’efficacité différent. L’analyse des performances par canal permet d’identifier ceux qui sont les plus efficaces, affichent les taux d’approbation les plus élevés ou génèrent le plus de reprises. Le Dashboard « Vue d’ensemble des performances par canal de demande » utilise cet attribut pour fournir une analyse comparative et orienter les décisions stratégiques concernant les ressources à consacrer à l’amélioration des processus. Pourquoi c’est important Permet de comparer les performances des différents canaux de soumission et d’identifier les moyens les plus efficaces d’acquérir de nouvelles demandes. Où les obtenir Consultez la documentation de Blend. Cette information peut être enregistrée dans les métadonnées initiales de la demande. Exemples Portail en ligneApplication mobileEn agenceCourtier
	Heure de fin EventEndTime	Horodatage indiquant la fin d’une activité. Pour les événements jalons, il est souvent identique à l’heure de début.
Description Cet attribut indique la date et l’heure précises auxquelles une activité s’est terminée. Pour les événements jalons comme « Demande soumise », l’heure de fin peut être identique à l’heure de début. Pour les activités ayant une durée, comme « Souscription commencée » et « Décision de souscription rendue », elle indique l’achèvement de l’activité. La présence d’une heure de début et d’une heure de fin permet de calculer précisément le temps de traitement d’une activité. Il devient ainsi possible de distinguer le temps consacré au traitement actif d’une tâche du temps d’attente avant son démarrage, ce qui est essentiel pour analyser correctement les goulots d’étranglement. Pourquoi c’est important Permet de calculer précisément les temps de traitement des activités et de distinguer le temps de travail actif du temps d’attente. Où les obtenir Il correspond à l’horodatage d’achèvement ou de fin d’un enregistrement d’événement dans les journaux d’événements ou les tables de piste d’audit de Blend. Exemples 2023-10-26T10:00:00Z2023-11-15T18:02:15Z2024-01-05T09:12:45Z
	Produit de prêt LoanProduct	Type précis de produit de prêt demandé, par exemple un prêt immobilier ou un prêt personnel.
Description Cet attribut catégorise la demande de prêt selon le type de produit financier demandé par le demandeur. Les exemples incluent « Prêt immobilier à taux fixe sur 30 ans », « Ligne de crédit garantie par la valeur nette du logement » ou « Prêt automobile ». L’analyse du processus par produit de prêt est essentielle pour repérer les variations de durée de cycle, de taux d’approbation ou de parcours propres à certains produits. Elle permet de cibler les améliorations, car le processus d’un prêt personnel simple peut être très différent de celui d’un prêt immobilier complexe. Les Dashboards utilisent souvent cet attribut pour segmenter les KPI et comparer les performances entre les différentes lignes d’activité. Pourquoi c’est important Permet de segmenter l’analyse du processus et de comprendre comment les performances et les parcours diffèrent selon les produits de prêt. Où les obtenir Consultez la documentation de Blend. Cette information correspond généralement à un champ principal de l’enregistrement de la demande de prêt. Exemples Prêt hypothécaire à taux fixe sur 30 ansPrêt hypothécaire à taux fixe sur 15 ansLigne de crédit hypothécairePrêt automobile
	Résultat de la décision DecisionOutcome	Résultat final de la demande de prêt, par exemple Approuvée, Rejetée ou Retirée.
Description Cet attribut au niveau du dossier enregistre le statut ou la décision finale concernant une demande de prêt. Il indique si le prêt a finalement été approuvé et financé, refusé par le prêteur ou retiré par le demandeur. Il s’agit d’un attribut essentiel pour l’analyse des résultats. Il permet de comparer les parcours des demandes approuvées et rejetées afin d’identifier les facteurs associés à la réussite ou à l’échec. Le Dashboard « Analyse des résultats des décisions de prêt » et le KPI du taux de rejet des demandes de prêt s’appuient directement sur ces données pour comprendre et améliorer les taux d’approbation. Pourquoi c’est important Cet attribut est essentiel à l’analyse fondée sur les résultats. Il permet de comparer les instances de processus abouties et non abouties afin d’améliorer les taux d’approbation. Où les obtenir Consultez la documentation de Blend. Il s’agit généralement du champ de statut final d’un dossier de prêt clôturé. Exemples ApprouvéRejetéRetiré
	Durée du dossier CaseDuration	Durée totale calculée entre le premier et le dernier événement d’une demande de prêt.
Description Cette métrique mesure la durée totale du cycle de bout en bout de chaque demande de prêt. Elle est calculée en soustrayant l’horodatage du tout premier événement de celui du tout dernier événement enregistré pour un « LoanApplicationId » donné. La durée du dossier est un KPI principal de l’efficacité globale du processus. Elle est utilisée dans le Dashboard « Durée du cycle de bout en bout de l’approbation du prêt » pour fournir une vue d’ensemble de la performance. L’analyse de cette métrique et de ses variations selon des attributs tels que le produit de prêt ou le canal est fondamentale pour comprendre et améliorer la rapidité de l’ensemble du processus de montage du prêt. Pourquoi c’est important Représente la durée totale du cycle de bout en bout d’une demande de prêt, un KPI essentiel pour mesurer la rapidité et l’efficacité globales du processus. Où les obtenir Cette durée est calculée dans l’outil de Process Mining en soustrayant l’horodatage du premier événement de celui du dernier événement pour chaque dossier. Exemples 25 jours 8 heures42 jours 3 heures15 jours 12 heures
	État du bien PropertyState	État des États-Unis dans lequel se situe le bien associé au prêt.
Description Cet attribut identifie l’État dans lequel se trouve le bien financé, ce qui est particulièrement pertinent pour les demandes de prêt immobilier. Les réglementations applicables aux prêts et les conditions de marché peuvent varier considérablement d’un État à l’autre. Il fournit une dimension géographique à l’analyse. Il permet de comparer les performances du processus, notamment les durées de cycle et les taux d’approbation, entre différentes régions. Cette analyse peut révéler des goulots d’étranglement régionaux, montrer l’incidence des réglementations locales sur le processus et faciliter une allocation plus efficace des ressources. Pourquoi c’est important Permet une analyse géographique du processus de montage des prêts et peut révéler des écarts de performance régionaux ainsi que l’incidence des réglementations. Où les obtenir Consultez la documentation de Blend. Il s’agit d’un champ standard recueilli dans le cadre des informations sur le bien d’une demande de prêt immobilier. Exemples CANYTXFL
	Montant du prêt LoanAmount	Montant total du prêt demandé par le demandeur.
Description Cet attribut contient le montant principal du prêt demandé. Le montant du prêt peut influencer fortement la complexité et le niveau d’exigence du processus de souscription. L’analyse du processus selon le montant du prêt permet une segmentation utile. Par exemple, les prêts de montant très élevé peuvent suivre un parcours différent et plus rigoureux que les prêts de faible montant. Cette analyse peut expliquer les variations de durée de cycle et de taux d’approbation et sert souvent à répartir les dossiers dans différentes tranches de valeur. Pourquoi c’est important Fournit un contexte métier essentiel et permet d’analyser les demandes selon leur valeur financière, souvent corrélée à la complexité du processus. Où les obtenir Consultez la documentation de Blend. Il s’agit d’un champ standard et essentiel de tout formulaire de demande de prêt. Exemples 350000.0050000.001250000.00
	Motif du rejet RejectionReason	Motif précis fourni lorsqu’une demande de prêt est refusée.
Description Lorsque le « Résultat de la décision » d’une demande de prêt est « Rejetée », cet attribut indique la raison sous-jacente du refus. Les motifs courants incluent « Score de crédit insuffisant », « Ratio dette/revenu élevé » ou « Documentation incomplète ». Ces données sont très utiles pour l’analyse des causes profondes. En étudiant les motifs de rejet les plus fréquents, l’entreprise peut repérer les problèmes systémiques liés au processus de demande, à la qualité des demandeurs ou aux critères d’octroi. Le Dashboard « Analyse des résultats des décisions de prêt » utilise ces informations pour orienter les mesures d’amélioration du taux d’approbation global. Pourquoi c’est important Explique les raisons des rejets de prêts et permet de prendre des mesures ciblées pour traiter les problèmes récurrents et améliorer le taux de réussite des demandes. Où les obtenir Consultez la documentation de Blend. Cette information est probablement disponible dans l’historique des décisions ou des statuts d’une demande rejetée. Exemples Ratio d’endettement trop élevéScore de crédit faibleDemande incomplète
	Objectif de SLA de la souscription UnderwritingSlaTarget	Durée cible, en heures ou en jours, pour achever l’étape de souscription.
Description Cet attribut définit l’objectif de l’accord de niveau de service (SLA) pour la phase de souscription du processus de montage du prêt. Il représente le délai maximal acceptable entre le début de la souscription et le rendu de la décision. Cet objectif sert de référence pour évaluer la performance. En comparant la durée réelle de la souscription à cet objectif de SLA, il est possible de calculer le KPI du taux de respect du SLA de souscription et d’identifier les dépassements. Il constitue un élément fondamental du Dashboard « Respect du niveau de service de la souscription », qui surveille la conformité et aide à prioriser les demandes susceptibles de dépasser leur SLA. Pourquoi c’est important Fournit une référence claire pour évaluer la performance, mesurer le respect du SLA et repérer les retards de souscription. Où les obtenir Consultez la documentation de Blend ou la configuration des règles métier. Il peut s’agir d’un paramètre configurable selon le produit de prêt ou d’autres facteurs. Exemples 48 heures3 jours24 heures
	Reprise IsRework	Indicateur calculé qui précise si une activité constitue la répétition d’une étape précédente au sein du même dossier.
Description Cet indicateur booléen prend la valeur True si la même activité s’est déjà produite auparavant dans le même dossier de demande de prêt. Par exemple, si « Documents demandés » apparaît une deuxième fois pour le même prêt, cette occurrence est identifiée comme une reprise. L’identification des reprises est essentielle pour repérer les inefficacités, les points de friction et les boucles du processus. Le Dashboard « Analyse des reprises et des nouvelles soumissions » et le KPI du taux de reprise par demande de prêt s’appuient sur cet attribut pour quantifier la fréquence et l’incidence du travail répété. La mise en évidence de ces occurrences aide à concentrer les efforts d’amélioration sur la réalisation correcte des tâches dès la première fois. Pourquoi c’est important Signale directement les inefficacités et les boucles du processus, ce qui facilite la quantification et l’analyse de l’impact des tâches répétées. Où les obtenir Cette mesure est généralement calculée par l’outil de Process Mining, qui peut détecter les activités répétées au sein d’une trace de cas. Elle peut également être calculée lors de la préparation des données. Exemples truefalse
	Score de crédit CreditScore	Score de crédit du demandeur au moment de la vérification de crédit.
Description Cet attribut stocke le score de crédit numérique renvoyé par un bureau de crédit lors de l’activité « Vérification de crédit terminée ». Le score de crédit est un facteur essentiel pour évaluer la solvabilité du demandeur et prendre une décision de prêt. Dans l’analyse des processus, le score de crédit peut servir à segmenter les demandes et à comprendre l’influence de cette information déterminante sur les résultats. Les analystes peuvent par exemple étudier si les scores plus faibles sont associés à des durées de souscription plus longues ou à des taux de rejet plus élevés. Cela permet de mieux comprendre l’incidence de l’évaluation des risques sur l’efficacité du processus. Pourquoi c’est important Facteur essentiel de la prise de décision, qui permet d’analyser l’incidence du profil de risque du demandeur sur le parcours, la durée et les résultats du processus. Où les obtenir Consultez la documentation de Blend. Cette information est généralement récupérée auprès d’un bureau de crédit tiers par l’intermédiaire d’une intégration, puis stockée dans le profil du demandeur. Exemples 780650815
	SLA de souscription dépassé IsUnderwritingSlaBreached	Indicateur calculé qui précise si l’étape de souscription a dépassé l’objectif de SLA défini.
Description Cet attribut booléen (Vrai/Faux) est obtenu en comparant la durée réelle du processus de souscription à « UnderwritingSlaTarget ». Si la durée réelle est supérieure à l’objectif, l’indicateur prend la valeur True. Cet indicateur simplifie l’analyse et la création de Dashboards en transformant une comparaison temporelle complexe en indicateur binaire. Il est utilisé directement dans le Dashboard « Respect du niveau de service de la souscription » pour compter les dépassements et calculer le KPI du taux de respect du SLA de souscription. Il permet d’identifier rapidement tous les dossiers qui n’ont pas respecté les niveaux de service. Pourquoi c’est important Fournit un indicateur binaire clair du non-respect du SLA, simplifie le reporting et permet de filtrer rapidement les demandes ayant dépassé le délai. Où les obtenir Il s’agit d’un champ calculé. La logique est la suivante : (UnderwritingDecisionRendered.Timestamp - UnderwritingCommenced.Timestamp) > UnderwritingSlaTarget. Exemples truefalse
	Type de demandeur ApplicantType	Catégorie du demandeur, par exemple « Nouveau client » ou « Client existant ».
Description Cet attribut répartit les demandeurs en catégories selon leur relation avec l’établissement prêteur. Il peut notamment distinguer les « Nouveaux clients », les « Clients existants », les « Collaborateurs internes » ou les « Recommandations de partenaires ». Les différents types de demandeurs peuvent être soumis à des règles de processus distinctes ou bénéficier de données déjà disponibles, ce qui peut influer sur les délais de traitement et les taux d’approbation. L’analyse des variations du processus selon le type de demandeur peut révéler des possibilités de simplification pour les clients existants ou des points de friction pour les nouveaux clients. Pourquoi c’est important Permet d’analyser les différences de processus selon la relation client, qui peut influer sur la disponibilité des données, l’évaluation des risques et la rapidité globale. Où les obtenir Consultez la documentation de Blend. Cette information peut être déduite par rapprochement entre les informations du demandeur et une base de référence clients, ou être enregistrée directement. Exemples Nouveau clientClient existantPartenaire privilégié
	Type de document DocumentType	Type de document demandé ou reçu, par exemple « Bulletin de salaire » ou « Relevé bancaire ».
Description Cet attribut précise le type exact de document justificatif concerné par des activités telles que « Documents demandés » ou « Documents reçus ». Ce niveau de détail est essentiel pour comprendre la gestion documentaire du processus de prêt. L’analyse par type de document permet de répondre à des questions telles que : « Quels documents sont le plus souvent redemandés ? » ou « Quels documents les demandeurs mettent-ils le plus de temps à fournir ? ». Le Dashboard « Analyse de l’efficacité des demandes de documents » s’appuie sur cet attribut pour repérer les tendances et les inefficacités du processus de collecte documentaire, avec pour objectif de réduire les reprises et les retards. Pourquoi c’est important Fournit un niveau de détail précis sur les activités liées aux documents et aide à repérer les inefficacités ainsi que les demandes répétées pour certains types de documents. Où les obtenir Consultez la documentation de Blend. Cette information devrait être disponible dans les détails des tâches ou événements de gestion documentaire. Exemples Bulletin de salaireFormulaire W-2Relevé bancaireDéclaration fiscale

Obligatoire Recommandé Facultatif

Activités d’octroi de prêts

Voici les étapes et les jalons essentiels à suivre dans votre journal d’événements pour découvrir précisément le processus et identifier les goulots d’étranglement.

7 Recommandé 9 Facultatif

	Activité	Description
	Décision d’octroi rendue	Marque la fin de l’examen réalisé par le souscripteur et aboutit à une décision telle que « Approuvé », « Approuvé sous conditions » ou « Refusé ». Cet événement clôt l’analyse principale de la souscription.
Pourquoi c’est important Cette activité constitue le point de référence pour mesurer la durée du cycle de souscription et le respect des SLA. Le résultat de la décision est un attribut essentiel pour analyser les taux d’approbation et les motifs de refus. Où les obtenir Il s’agit souvent d’un événement explicite enregistré lorsque le souscripteur saisit sa décision dans le système. Il peut également être déduit d’un changement de statut à la sortie de la souscription, par exemple vers « Approuvé » ou « Refusé ». Collecte Utilisez l’horodatage de l’événement de soumission de la décision par le souscripteur ou celui du changement de statut qui suit. Type d’événement explicit
	Demande commencée	Indique le moment où un chargé de prêts ou un demandeur commence à créer une nouvelle demande de prêt dans le système Blend. Il s’agit souvent du premier enregistrement créé, avant même que toutes les informations requises aient été recueillies et que la demande ait été officiellement soumise.
Pourquoi c’est important Cette activité constitue le déclencheur initial du processus d’octroi de prêts. Elle permet de mesurer le temps nécessaire aux demandeurs pour remplir et soumettre leur demande, ainsi que d’analyser les taux d’abandon. Où les obtenir Cet événement correspond probablement à l’horodatage de création de l’enregistrement de la demande de prêt dans la table principale des demandes de Blend. Il peut être déduit du premier horodatage associé à l’identifiant de la demande de prêt. Collecte Utilisez l’horodatage de création de l’enregistrement principal de la demande de prêt. Type d’événement inferred
	Demande refusée	Cette activité indique que la demande de prêt a été officiellement refusée à l’issue de l’examen de souscription. Il s’agit d’une issue finale alternative et défavorable du processus.
Pourquoi c’est important Il s’agit d’un événement de fin du parcours défavorable. L’analyse du volume et des motifs de refus est essentielle pour affiner les critères d’octroi et améliorer le KPI du taux de rejet des demandes de prêt. Où les obtenir Cet événement correspond à la décision « Refusé » rendue par le souscripteur. Il est enregistré comme une mise à jour finale du statut dans Blend, avec un horodatage et un code motif associés. Collecte Utilisez l’horodatage du changement de statut final vers « Refusé » ou « Rejeté ». Type d’événement explicit
	Demande soumise	Représente la soumission officielle de la demande de prêt complétée par le demandeur ou le chargé de prêts en vue de son traitement. Il s’agit d’un événement essentiel qui marque officiellement le début du traitement et de la période d’étude du dossier.
Pourquoi c’est important Il s’agit du point de départ officiel pour mesurer le délai de traitement de bout en bout et les accords de niveau de service (SLA). Cet événement permet de distinguer la phase de préparation de la demande de la phase de traitement actif. Où les obtenir Blend enregistre probablement cet événement de manière explicite ou sous la forme d’un changement de statut dans la piste d’audit de la demande de prêt, par exemple lorsque le statut passe de « Draft » à « Submitted ». Collecte Identifiez l’horodatage de l’événement ou du changement de statut correspondant à la soumission de la demande. Type d’événement explicit
	Étude du dossier commencée	Représente le début de l’étude du dossier, lorsqu’un analyste commence l’examen détaillé de la demande de prêt et des documents justificatifs. Cet événement est généralement enregistré lorsqu’un analyste s’attribue le dossier ou lorsque son statut passe à « In Underwriting ».
Pourquoi c’est important Il s’agit d’une étape majeure qui marque le début de la phase de décision la plus importante. Elle constitue le point de départ pour mesurer le KPI du taux de respect des SLA de l’étude des dossiers et identifier les goulots d’étranglement en amont de cette phase. Où les obtenir Cet événement peut être déduit du changement de statut de la demande vers « Underwriting in Progress » ou « Assigned to Underwriter », accompagné de l’horodatage correspondant. Collecte Identifiez l’horodatage du changement de statut du prêt vers un état lié à l’étude du dossier. Type d’événement inferred
	Fonds décaissés	Représente l’achèvement réussi du processus de montage du prêt, lorsque le montant du prêt est transféré au demandeur ou à la partie concernée. Cet événement marque la fin d’un parcours de demande de prêt abouti.
Pourquoi c’est important Il s’agit de l’événement de fin du parcours nominal. Le délai jusqu’à cette activité fournit la durée globale du cycle de montage du prêt, un KPI essentiel. Où les obtenir Cet événement est probablement enregistré lorsqu’un agent de crédit met à jour le statut de la demande sur « Financé » ou « Clôturé » dans Blend, après confirmation du service de financement. Il peut également provenir d’une intégration avec le système bancaire central. Collecte Utilisez l’horodatage du changement de statut vers « Financé », « Décaissé » ou « Terminé ». Type d’événement inferred
	Offre de prêt acceptée	Représente l’acceptation formelle de l’offre de prêt et de ses conditions par le demandeur. Il s’agit d’une étape importante, qui confirme son intention de poursuivre la demande de prêt.
Pourquoi c’est important Cette activité est un indicateur important de la conversion réussie entre l’approbation et la clôture. L’analyse du délai d’acceptation peut fournir des indications sur l’attractivité de l’offre par rapport à la concurrence. Où les obtenir Cet événement est enregistré lorsque le demandeur signe électroniquement l’offre ou indique autrement son acceptation dans le portail Blend, ce qui déclenche une mise à jour horodatée du statut. Collecte Utilisez l’horodatage de la signature électronique ou de l’action d’acceptation du demandeur dans le système. Type d’événement explicit
	Convention de prêt signée	Cette activité marque la signature finale de l’ensemble des documents de clôture par le demandeur et rend la convention de prêt juridiquement contraignante. Il s’agit de la dernière étape requise de sa part avant le décaissement des fonds.
Pourquoi c’est important Il s’agit de la confirmation finale du demandeur et d’une condition préalable au financement. Les retards à ce stade peuvent décaler le calendrier de décaissement et nuire à la satisfaction client. Où les obtenir Cet événement est enregistré par la plateforme de signature électronique intégrée à Blend, qui consigne l’horodatage de la finalisation de la signature. Collecte Enregistrez l’horodatage de la finalisation du processus de signature électronique du dossier de prêt final. Type d’événement explicit
	Demande retirée	Indique que le demandeur a choisi de retirer sa demande avant qu’une décision finale ne soit prise ou avant le financement. Il s’agit d’une issue défavorable pour le processus.
Pourquoi c’est important Il s’agit d’un événement de fin du parcours défavorable. L’analyse du moment et des raisons des retraits peut apporter des éclairages sur l’expérience client, la concurrence et les points de friction du processus. Où les obtenir Cet événement est enregistré par un changement de statut vers « Retirée » dans Blend. Le changement peut être déclenché par le demandeur depuis le portail ou effectué manuellement par un agent de crédit. Collecte Utilisez l’horodatage de l’événement ou du changement de statut vers « Retirée ». Type d’événement explicit
	Documents de clôture envoyés	Indique que l’ensemble final des documents de clôture requis par la loi a été envoyé au demandeur pour examen avant signature. Il s’agit d’une étape de conformité soumise à des délais précis, qui doit précéder la clôture définitive.
Pourquoi c’est important Le suivi de cet événement est essentiel pour garantir le respect des délais d’attente obligatoires, notamment la période d’examen de trois jours prévue par la règle TILA-RESPA Integrated Disclosure (TRID). Où les obtenir Cet événement est probablement enregistré dans les journaux de communication ou de gestion documentaire de Blend, avec l’horodatage précis de l’envoi du dossier de documents de clôture. Collecte Recherchez un événement horodaté lié à l’envoi du dossier « Closing Disclosure ». Type d’événement explicit
	Documents demandés	Indique que le système ou un chargé de prêts a envoyé au demandeur une demande de documents justificatifs requis, comme des bulletins de salaire ou des relevés bancaires. Il s’agit souvent d’une action automatisée ou manuelle dans le flux de travail de la demande.
Pourquoi c’est important L’analyse de cette activité aide à identifier les goulots d’étranglement liés à la collecte des documents. Plusieurs occurrences pour un même cas révèlent des reprises et des inefficacités du processus, qui peuvent être mesurées avec le KPI du taux de demandes répétées de documents. Où les obtenir Cette activité est généralement enregistrée dans un module de suivi documentaire ou de liste de contrôle de Blend, avec un horodatage pour chaque demande. Collecte Utilisez les journaux d’événements des fonctionnalités de gestion documentaire ou de communication avec les demandeurs. Type d’événement explicit
	Documents reçus	Indique que le demandeur a téléversé ou fourni tout ou partie des documents justificatifs demandés. Cet événement est souvent nécessaire pour faire passer la demande à l’étape suivante, par exemple l’étude du dossier.
Pourquoi c’est important Le délai entre la demande et la réception des documents constitue une source fréquente de retard. Son suivi permet de mesurer la réactivité des demandeurs et l’efficacité du processus de collecte documentaire. Où les obtenir Cet événement est enregistré au moyen des horodatages correspondant au téléversement des documents ou au passage de leur statut à « Received » dans le système de gestion documentaire de Blend. Collecte Utilisez les horodatages des téléversements de documents ou des mises à jour de statut dans la liste de contrôle documentaire. Type d’événement explicit
	Informations initiales envoyées	Cette activité indique le moment où le premier ensemble de documents d’information légalement requis est envoyé au demandeur. Il s’agit d’une étape essentielle de conformité qui doit intervenir au début du processus.
Pourquoi c’est important Le suivi de cette activité liée à la conformité est essentiel pour les audits réglementaires. L’analyse de son calendrier permet de vérifier le respect de réglementations telles que RESPA et TILA. Où les obtenir Cet événement est probablement enregistré dans un module de communication ou de gestion documentaire de Blend, avec un horodatage correspondant à la génération et à l’envoi du dossier d’information. Collecte Recherchez dans le journal d’événements l’entrée horodatée correspondant à l’envoi du dossier « Initial Disclosure ». Type d’événement explicit
	Offre de prêt générée	Cette activité intervient après une décision de souscription « Approuvé ». Elle correspond à la création du document officiel d’offre de prêt à envoyer au demandeur et formalise les conditions du prêt approuvé.
Pourquoi c’est important Le délai entre la décision de souscription et la génération de l’offre peut révéler des retards administratifs. Il s’agit d’une étape importante du parcours vers l’acceptation du prêt. Où les obtenir Cette information est probablement enregistrée dans un journal de génération de documents de Blend, avec un horodatage indiquant la création du document d’offre de prêt. Collecte Utilisez l’horodatage de création de l’enregistrement du document d’offre de prêt. Type d’événement explicit
	Vérification de solvabilité lancée	Cette activité indique qu’une demande de consultation du rapport de crédit du demandeur auprès d’un bureau de crédit a été lancée. Il s’agit d’une étape essentielle pour évaluer la solvabilité du demandeur.
Pourquoi c’est important Il s’agit d’une étape importante de collecte des données. L’analyse du temps nécessaire au lancement et à l’achèvement du contrôle de crédit aide à identifier les retards liés aux intégrations avec des services tiers. Où les obtenir Cet événement est généralement enregistré sous la forme d’un appel API à une agence d’évaluation du crédit, avec un horodatage dans les journaux système ou la piste d’audit de Blend. Collecte Recherchez l’entrée horodatée correspondant à la demande de rapport de crédit. Type d’événement explicit
	Vérification de solvabilité terminée	Indique le moment où le rapport et le score de crédit du demandeur ont été reçus avec succès du bureau de crédit et associés au dossier de prêt. Cet événement signifie que les données de crédit sont disponibles pour examen.
Pourquoi c’est important La durée entre le lancement et l’achèvement du contrôle de crédit mesure l’efficacité des services tiers. Ces données sont essentielles pour les étapes ultérieures d’étude du dossier et d’évaluation des risques. Où les obtenir Cet événement est enregistré à la réception d’une réponse positive de l’API de l’agence d’évaluation du crédit. Il comporte un horodatage dans les journaux de Blend ou prend la forme d’une mise à jour du statut de la tâche de contrôle de crédit. Collecte Recherchez l’entrée horodatée correspondant à la réponse du bureau de crédit ou la mise à jour du statut « Completed ». Type d’événement explicit

Recommandé Facultatif

Guides d’extraction

Comment récupérer vos données depuis Blend

Étapes

Obtenir les identifiants API : avant de commencer, contactez votre administrateur Blend ou le support Blend afin d’obtenir les identifiants API. Vous aurez besoin d’un Client ID et d’un Client Secret disposant des autorisations nécessaires pour accéder à l’API de reporting.
Configurer le script d’extraction : enregistrez le script fourni dans la section Query ci-dessous dans un fichier nommé extract_blend_data.sh. Ouvrez le fichier et remplacez les valeurs d’exemple de CLIENT_ID, CLIENT_SECRET, START_DATE (par exemple, '2023-01-01') et END_DATE (par exemple, '2023-06-30') par vos informations.
Rendre le script exécutable : ouvrez un terminal ou une ligne de commande, accédez au répertoire dans lequel vous avez enregistré le script, puis exécutez la commande chmod +x extract_blend_data.sh pour le rendre exécutable.
Exécuter le script d’extraction : lancez le script avec ./extract_blend_data.sh. Il s’authentifiera d’abord auprès de Blend, puis demandera deux rapports : loan_applications et milestones. Il interrogera ensuite l’API jusqu’à ce que les rapports soient prêts à être téléchargés.
Vérifier les fichiers téléchargés : une fois le script exécuté avec succès, deux fichiers compressés se trouveront dans le même répertoire : loan_applications.csv.gz et milestones.csv.gz. Utilisez un outil tel que gunzip pour les décompresser en loan_applications.csv et milestones.csv.
Comprendre les données brutes : le fichier loan_applications.csv contient une ligne par demande de prêt, avec les Attributs dimensionnels. Le fichier milestones.csv contient plusieurs lignes par demande de prêt, chacune représentant un événement de jalon précis avec un horodatage.
Transformer les données en Event Log : les fichiers bruts doivent être transformés en un Event Log unique. Utilisez un outil de transformation des données, tel que Python avec Pandas, une base de données ou un outil ETL, pour appliquer la logique suivante : a. Charger les données : importez loan_applications.csv et milestones.csv dans votre outil. b. Créer les événements de base des demandes : à partir des données loan_applications, créez l’événement « Application Started » à l’aide de l’horodatage de création de la demande. Il constituera votre premier ensemble de lignes. c. Dépivoter les données de jalons : traitez les données milestones. Pour chaque enregistrement de jalon correspondant à l’une des activités requises, par exemple « ApplicationSubmitted » ou « Funded », créez une nouvelle ligne dans votre Event Log. Associez le nom du jalon Blend à l’ActivityName requis. d. Joindre les Attributs : joignez les données de jalons dépivotées aux données loan_applications à l’aide de l’identifiant de la demande de prêt. Vous ajoutez ainsi des Attributs tels que LoanProduct et ApplicationChannel à chaque ligne d’événement.
Mapper les colonnes au schéma ProcessMind : créez la table finale de l’Event Log avec les noms de colonnes requis. La logique de correspondance est la suivante :
- LoanApplicationId : à partir de la colonne d’identifiant blend_loan_uuid ou d’une colonne similaire.
- ActivityName : mappé depuis le nom du jalon ou basé sur l’événement de création initial.
- EventStartTime : à partir de l’horodatage completedAt du jalon ou de l’horodatage createdAt de la demande.
- EventEndTime : peut être identique à EventStartTime pour les événements de jalon.
- SourceSystemName : définissez cette valeur statique sur « Blend ».
- LastDataUpdateTime : définissez-la sur l’horodatage d’exécution du script.
- Renseignez les Attributs recommandés, par exemple AssignedLoanOfficer, à partir des données jointes de loan_applications.
Exporter au format CSV : exportez les données transformées finales dans un fichier CSV unique. Vérifiez que le fichier est encodé en UTF-8 et que les en-têtes correspondent exactement aux noms d’Attributs spécifiés. Le fichier est alors prêt à être importé dans ProcessMind.

Configuration

Identifiants API : un Client ID et un Client Secret valides sont nécessaires pour l’authentification. Ils doivent être demandés à Blend.
Environnement API : vérifiez que vous utilisez l’URL de base correspondant à votre environnement Blend, par exemple api.blend.com pour la production.
Types de rapports : cette extraction repose sur deux types de rapports standard : loan_applications pour les Attributs des demandes et milestones pour les données d’événements. Des rapports personnalisés peuvent être disponibles, mais ils ne sont pas couverts par cette méthode.
Période : le script nécessite une START_DATE et une END_DATE au format « YYYY-MM-DD ». Pour une première analyse, une période de 3 à 6 mois est recommandée afin de trouver un équilibre entre le volume de données et la qualité de l’analyse du processus. Des périodes très longues peuvent entraîner l’expiration du délai de génération du rapport par l’API ou allonger considérablement son traitement.
Autorisations : les identifiants API utilisés doivent disposer des portées et des autorisations nécessaires pour demander et télécharger les données de reporting.
Format des données : l’API renvoie les données sous forme de fichiers CSV compressés au format GZIP. Votre environnement doit disposer d’outils permettant de les décompresser, par exemple gunzip.

a Exemple de requête bash

#!/bin/bash

# === Configuration ===
# Replace with your Blend API credentials and desired date range.
CLIENT_ID="[Your Blend Client ID]"
CLIENT_SECRET="[Your Blend Client Secret]"

# Date range for the report in YYYY-MM-DD format.
START_DATE="[YYYY-MM-DD]"
END_DATE="[YYYY-MM-DD]"

# Blend API Environment URL
BASE_URL="https://api.blend.com"

# === Script Body ===
echo "Starting Blend data extraction..."

# 1. Authenticate and get a bearer token
echo "Authenticating with Blend API..."
TOKEN_RESPONSE=$(curl -s -X POST "${BASE_URL}/oauth/token" \
  -H "Content-Type: application/json" \
  -d '{
    "client_id": "'"${CLIENT_ID}"'",
    "client_secret": "'"${CLIENT_SECRET}"'",
    "grant_type": "client_credentials"
  }')

ACCESS_TOKEN=$(echo ${TOKEN_RESPONSE} | sed -E 's/.*"access_token":"([^"]+)".*/\1/')

if [ -z "${ACCESS_TOKEN}" ] || [ "${ACCESS_TOKEN}" == "null" ]; then
  echo "Authentication failed. Check your credentials."
  echo "Response: ${TOKEN_RESPONSE}"
  exit 1
fi
echo "Authentication successful."

# Function to request, poll, and download a report
fetch_report() {
  local report_type=$1
  echo "\nRequesting report: ${report_type}"

  # 2. Request the report
  REQUEST_RESPONSE=$(curl -s -X POST "${BASE_URL}/reporting/reports" \
    -H "Authorization: Bearer ${ACCESS_TOKEN}" \
    -H "Content-Type: application/json" \
    -d '{
      "type": "'"${report_type}"'",
      "startDate": "'"${START_DATE}"'",
      "endDate": "'"${END_DATE}"'"
    }')

  REPORT_ID=$(echo ${REQUEST_RESPONSE} | sed -E 's/.*"id":"([^"]+)".*/\1/')

  if [ -z "${REPORT_ID}" ] || [ "${REPORT_ID}" == "null" ]; then
    echo "Failed to request report ${report_type}."
    echo "Response: ${REQUEST_RESPONSE}"
    return 1
  fi
  echo "Report requested successfully. Report ID: ${REPORT_ID}"

  # 3. Poll for report completion
  while true; do
    STATUS_RESPONSE=$(curl -s -X GET "${BASE_URL}/reporting/reports/${REPORT_ID}" \
      -H "Authorization: Bearer ${ACCESS_TOKEN}")
    
    REPORT_STATUS=$(echo ${STATUS_RESPONSE} | sed -E 's/.*"status":"([^"]+)".*/\1/')
    echo "Current status for ${report_type}: ${REPORT_STATUS}"

    if [ "${REPORT_STATUS}" == "complete" ]; then
      DOWNLOAD_URL=$(echo ${STATUS_RESPONSE} | sed -E 's/.*"url":"([^"]+)".*/\1/')
      break
    elif [ "${REPORT_STATUS}" == "failed" ]; then
      echo "Report generation failed for ${report_type}."
      return 1
    fi
    sleep 30 # Wait for 30 seconds before checking again
  done

  # 4. Download the report
  echo "Report is ready. Downloading from ${DOWNLOAD_URL}"
  curl -s -o "${report_type}.csv.gz" "${DOWNLOAD_URL}"

  if [ $? -eq 0 ]; then
    echo "Successfully downloaded ${report_type}.csv.gz"
  else
    echo "Download failed for ${report_type}."
    return 1
  fi
}

# Fetch both required reports
fetch_report "loan_applications"
fetch_report "milestones"

echo "\nExtraction script finished."
echo "Next steps: Decompress the .csv.gz files and use a transformation tool to create the final event log."

Étapes

Activer la transmission des données dans Blend : contactez votre Customer Success Manager Blend ou le support Blend pour demander l’activation de la fonctionnalité Automated Data Delivery pour votre compte. Cette activation est indispensable avant toute configuration.
Préparer votre compartiment AWS S3 : créez un compartiment Amazon S3 dédié à la réception des exports de données. Vous devrez créer une politique IAM accordant à Blend un accès programmatique (s3:PutObject) à ce compartiment précis. Blend vous fournira son identifiant de compte AWS à utiliser dans la politique de confiance.
Configurer la destination de transmission : dans le panneau d’administration Blend, accédez à la section Data Delivery ou Integrations. Ajoutez une nouvelle destination, sélectionnez « S3 Bucket » et saisissez les informations requises : le nom de votre compartiment S3, sa région et l’ARN du rôle IAM que vous avez créé pour Blend.
Sélectionner les objets de données à exporter : configurez une nouvelle tâche d’export. Sélectionnez les objets de données contenant les informations de jalon nécessaires. Les objets clés comprennent généralement « LoanApplication », « MilestoneEvents », « ApplicationDecision » et « DocumentEvents ». Vérifiez que tous les champs contenant les horodatages des activités requises figurent dans le schéma d’export.
Planifier la tâche d’export : définissez la fréquence de transmission. Une planification quotidienne est recommandée pour le Process Mining afin de conserver des données suffisamment à jour. Lancez une première exécution pour obtenir le premier fichier de données.
Mettre en place un processus de transformation ETL : les données transmises par Blend seront dans un format brut, tel que JSON ou CSV, souvent avec une ligne par demande de prêt. Vous devez créer un script ETL automatisé, à l’aide d’un outil comme AWS Glue, Python ou une autre plateforme d’intégration des données. Ce script lira les fichiers bruts depuis S3.
Transformer les données en Event Log : la tâche principale du script ETL consiste à dépivoter les données brutes au format large pour les convertir en Event Log au format long. Pour chaque demande de prêt, le script doit générer une ligne distincte pour chaque jalon ou activité clé, en associant les champs d’horodatage à la colonne « ActivityName ». Utilisez la logique de requête fournie comme modèle pour cette transformation.
Charger et formater les données pour ProcessMind : le script ETL doit écrire l’Event Log final transformé dans un nouvel emplacement ou une nouvelle base de données. Exportez la table finale dans un fichier CSV. Vérifiez que les en-têtes de colonnes correspondent aux Attributs requis (LoanApplicationId, ActivityName, EventStartTime, etc.) avant l’importation dans l’outil de Process Mining.

Configuration

Fonctionnalité Blend Data Delivery : cette fonctionnalité doit être activée pour votre instance par le support Blend. Elle n’est pas disponible par défaut.
Compartiment AWS S3 et rôle IAM : un compartiment S3 correctement configuré ainsi qu’un rôle IAM établissant une relation de confiance avec le compte AWS de Blend sont nécessaires. La politique doit accorder les autorisations s3:PutObject.
Objets de données à exporter : sélectionnez soigneusement les objets de données à exporter depuis Blend. Vous aurez généralement besoin de données au niveau du prêt, de données de jalons et de données de décision pour couvrir toutes les activités requises.
Format de fichier : choisissez un format structuré pour la transmission, tel que JSON ou Parquet. JSON est souvent flexible pour traiter les structures de données imbriquées courantes dans les demandes de prêt.
Fréquence de transmission : une transmission quotidienne (24 hours) est recommandée. Une fréquence supérieure peut être possible, mais elle augmente la charge de traitement.
Données historiques : la configuration standard fournit des flux de données continus. Pour réaliser une analyse historique complète, vous devez vous coordonner avec le support Blend afin d’organiser un réapprovisionnement historique ponctuel.

a Exemple de requête sql

/*
This is a conceptual transformation query executed by an ETL tool (e.g., AWS Glue, Python script)
on the raw data files (e.g., loan_applications.json) delivered by Blend to your S3 bucket.
The source 'blend_raw_data' represents the parsed file content.
*/
SELECT
    applicationId AS LoanApplicationId,
    'Application Started' AS ActivityName,
    createdAt AS EventStartTime,
    createdAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE createdAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Application Submitted' AS ActivityName,
    submittedAt AS EventStartTime,
    submittedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE submittedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Initial Disclosures Sent' AS ActivityName,
    milestones.initialDisclosuresSentAt AS EventStartTime,
    milestones.initialDisclosuresSentAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.initialDisclosuresSentAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Documents Requested' AS ActivityName,
    milestones.documentsFirstRequestedAt AS EventStartTime,
    milestones.documentsFirstRequestedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.documentsFirstRequestedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Documents Received' AS ActivityName,
    milestones.documentsAllReceivedAt AS EventStartTime,
    milestones.documentsAllReceivedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.documentsAllReceivedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Credit Check Initiated' AS ActivityName,
    milestones.creditCheckInitiatedAt AS EventStartTime,
    milestones.creditCheckInitiatedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.creditCheckInitiatedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Credit Check Completed' AS ActivityName,
    milestones.creditCheckCompletedAt AS EventStartTime,
    milestones.creditCheckCompletedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.creditCheckCompletedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Underwriting Commenced' AS ActivityName,
    milestones.underwritingStartedAt AS EventStartTime,
    milestones.underwritingStartedAt AS EventEndTime,
    underwriterName AS AssignedLoanOfficer, -- Assumes an underwriter field exists
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.underwritingStartedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Underwriting Decision Rendered' AS ActivityName,
    decision.timestamp AS EventStartTime,
    decision.timestamp AS EventEndTime,
    underwriterName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    decision.outcome AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE decision.timestamp IS NOT NULL AND decision.outcome IN ('Approved', 'Approved with Conditions', 'Denied')

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Loan Offer Generated' AS ActivityName,
    milestones.loanOfferGeneratedAt AS EventStartTime,
    milestones.loanOfferGeneratedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.loanOfferGeneratedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Closing Disclosures Sent' AS ActivityName,
    milestones.closingDisclosuresSentAt AS EventStartTime,
    milestones.closingDisclosuresSentAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.closingDisclosuresSentAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Loan Offer Accepted' AS ActivityName,
    milestones.loanOfferAcceptedAt AS EventStartTime,
    milestones.loanOfferAcceptedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.loanOfferAcceptedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Loan Agreement Signed' AS ActivityName,
    milestones.closingCompletedAt AS EventStartTime,
    milestones.closingCompletedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE milestones.closingCompletedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Funds Disbursed' AS ActivityName,
    fundedAt AS EventStartTime,
    fundedAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    finalDecision AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE fundedAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Application Withdrawn' AS ActivityName,
    withdrawnAt AS EventStartTime,
    withdrawnAt AS EventEndTime,
    loanOfficerName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    'Withdrawn' AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE withdrawnAt IS NOT NULL

UNION ALL

SELECT
    applicationId AS LoanApplicationId,
    'Application Denied' AS ActivityName,
    decision.timestamp AS EventStartTime,
    decision.timestamp AS EventEndTime,
    underwriterName AS AssignedLoanOfficer,
    productType AS LoanProduct,
    'Denied' AS DecisionOutcome,
    submissionChannel AS ApplicationChannel,
    'Blend' AS SourceSystemName,
    GETDATE() AS LastDataUpdateTime
FROM blend_raw_data
WHERE decision.outcome = 'Denied'

Étapes

Prérequis et configuration de l’environnement : vérifiez que Python 3.6 ou une version ultérieure est installé sur votre système. Installez les bibliothèques Python nécessaires en exécutant pip install requests pandas. Obtenez les identifiants API, notamment un Client ID et un Client Secret, auprès de votre administrateur Blend. Ils sont nécessaires pour vous authentifier auprès de l’API publique Blend.
Configurer le script Python : ouvrez le script Python fourni dans un éditeur de texte. Remplacez les valeurs d’exemple de CLIENT_ID, CLIENT_SECRET, API_BASE_URL, START_DATE et END_DATE par les informations propres à votre instance Blend et par la période d’extraction souhaitée.
Vérifier la correspondance des jalons : le script associe certaines clés de jalon Blend aux activités requises du processus. Examinez le dictionnaire MILESTONE_MAPPING dans le script. La configuration Blend de votre organisation peut utiliser des clés différentes. Vous devrez peut-être consulter votre administrateur Blend ou la documentation de l’API pour confirmer et ajuster ces clés en fonction de votre instance.
Exécuter le script d’extraction : lancez le script depuis la ligne de commande à l’aide de la commande python your_script_name.py. Le script s’authentifiera d’abord auprès de l’API Blend, récupérera un jeton d’accès, puis commencera à récupérer les données de prêt pour la période indiquée.
Processus de récupération des données : le script parcourt tous les prêts créés pendant la période définie. Pour chaque prêt, il récupère les informations principales, puis effectue un nouvel appel API pour récupérer tous les jalons associés. Il affiche l’avancement dans la console et indique le nombre de prêts traités.
Construction de l’Event Log : le script traite en mémoire les données récupérées sur les prêts et les jalons. Il construit une liste d’événements pour chaque demande de prêt et crée une ligne distincte pour chacune des 16 activités requises, telles que Application Started, Documents Received et Underwriting Decision Rendered. Il utilise les horodatages de l’objet prêt et les dates de fin des jalons.
Gestion des statuts finaux : pour les activités terminales telles que Application Denied ou Application Withdrawn, le script vérifie le statut final du prêt. Si le prêt présente l’un de ces statuts, il crée l’événement correspondant en utilisant comme heure d’événement l’horodatage de dernière mise à jour du prêt.
Transformation et formatage des données : tous les événements individuels sont regroupés dans un DataFrame Pandas unique. Le script vérifie que les types de données et les noms de colonnes (LoanApplicationId, ActivityName, EventStartTime, etc.) correspondent aux exigences de ProcessMind. EventStartTime et EventEndTime sont formatés selon une chaîne ISO 8601 cohérente.
Exporter au format CSV : une fois tous les prêts traités, le script enregistre le DataFrame final dans un fichier CSV nommé blend_event_log.csv, dans le même répertoire que le script. Ce fichier est alors prêt à être importé dans ProcessMind.

Configuration

Identifiants API : vous devez fournir un Client ID et un Client Secret valides pour vous authentifier auprès de l’API publique Blend. Ces identifiants doivent être conservés de manière sécurisée et ne pas être inscrits directement dans les scripts de production.
URL de base de l’API : le script nécessite l’URL de base de l’API de votre instance Blend, par exemple https://api.blend.com.
Période : les paramètres START_DATE et END_DATE définissent la période d’extraction, selon la date de création des demandes de prêt. Il est recommandé de commencer par une période de 3 à 6 mois afin de maîtriser le volume de données et la charge de l’API.
Correspondance des clés de jalon : le script s’appuie sur un dictionnaire (MILESTONE_MAPPING) pour convertir les clés de jalon internes de Blend, par exemple sent-initial-disclosure, en noms d’activités lisibles. Ces clés sont configurables dans Blend et doivent être vérifiées et ajustées selon la configuration propre à votre organisation.
Limitation du débit de l’API : l’API Blend limite le nombre de requêtes pouvant être effectuées par minute. Le script fourni inclut un délai d’attente élémentaire, mais pour les jeux de données très volumineux, une stratégie de reprise avec temporisation exponentielle plus avancée peut être nécessaire afin d’éviter d’atteindre ces limites.

a Exemple de requête python

import requests
import pandas as pd
import time
import datetime

class=class="hl-string">"hl-comment"># --- Configuration Settings ---
CLIENT_ID = class="hl-string">'YOUR_CLIENT_ID'
CLIENT_SECRET = class="hl-string">'YOUR_CLIENT_SECRET'
class=class="hl-string">"hl-comment"># Use https://api.blend.com for production or the appropriate sandbox URL
API_BASE_URL = class="hl-string">'https://api.blend.com'
class=class="hl-string">"hl-comment"># Set the date range for loan creation (YYYY-MM-DD)
START_DATE = class="hl-string">'2023-01-01'
END_DATE = class="hl-string">'2023-06-30'

class=class="hl-string">"hl-comment"># --- Blend Milestone Key to Activity Name Mapping ---
class=class="hl-string">"hl-comment"># CRITICAL: These keys may differ based on your Blend configuration.
class=class="hl-string">"hl-comment"># Please verify and update them to match your instance.
MILESTONE_MAPPING = {
    class="hl-string">'sent-initial-disclosure': class="hl-string">'Initial Disclosures Sent',
    class="hl-string">'borrower-documents-requested': class="hl-string">'Documents Requested',
    class="hl-string">'borrower-documents-received': class="hl-string">'Documents Received',
    class="hl-string">'credit-report-ordered': class="hl-string">'Credit Check Initiated',
    class="hl-string">'credit-report-received': class="hl-string">'Credit Check Completed',
    class="hl-string">'underwriting-started': class="hl-string">'Underwriting Commenced',
    class="hl-string">'underwriting-decision-complete': class="hl-string">'Underwriting Decision Rendered',
    class="hl-string">'loan-terms-generated': class="hl-string">'Loan Offer Generated',
    class="hl-string">'sent-closing-disclosure': class="hl-string">'Closing Disclosures Sent',
    class="hl-string">'loan-terms-accepted': class="hl-string">'Loan Offer Accepted',
    class="hl-string">'signed-closing-documents': class="hl-string">'Loan Agreement Signed',
    class="hl-string">'funding-complete': class="hl-string">'Funds Disbursed'
}

def get_access_token():
    class="hl-string">"""Authenticates with the Blend API to get an access token."""
    auth_url = fclass="hl-string">'{API_BASE_URL}/oauth/token'
    payload = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET
    }
    response = requests.post(auth_url, json=payload)
    response.raise_for_status()
    return response.json()[class="hl-string">'access_token']

def get_loans(token, start_date, end_date):
    class="hl-string">"""Fetches all loans within a specified date range."""
    loans_url = fclass="hl-string">'{API_BASE_URL}/loans'
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'Content-Type': class="hl-string">'application/json'}
    params = {class="hl-string">'createdAfter': start_date, class="hl-string">'createdBefore': end_date, class="hl-string">'limit': 100}
    all_loans = []
    
    while loans_url:
        response = requests.get(loans_url, headers=headers, params=params)
        response.raise_for_status()
        data = response.json()
        all_loans.extend(data[class="hl-string">'loans'])
        loans_url = data.get(class="hl-string">'nextLink')
        params = {}
        print(fclass="hl-string">'Fetched {len(all_loans)} loans so far...')
        time.sleep(1) class=class="hl-string">"hl-comment"># Respect API rate limits
    return all_loans

def get_milestones_for_loan(token, loan_id):
    class="hl-string">"""Fetches all milestones for a specific loan ID."""
    milestones_url = fclass="hl-string">'{API_BASE_URL}/loans/{loan_id}/milestones'
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'Content-Type': class="hl-string">'application/json'}
    response = requests.get(milestones_url, headers=headers)
    response.raise_for_status()
    return response.json().get(class="hl-string">'milestones', [])

def main():
    class="hl-string">"""Main function to orchestrate the extraction process."""
    print(class="hl-string">'Starting Blend data extraction...')
    try:
        access_token = get_access_token()
        loans = get_loans(access_token, START_DATE, END_DATE)
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">'Error communicating with Blend API: {e}')
        return

    event_log = []
    last_data_update_time = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

    for i, loan in enumerate(loans):
        print(fclass="hl-string">'Processing loan {i+1}/{len(loans)}: {loan["id"]}')
        loan_id = loan[class="hl-string">'id']
        common_attributes = {
            class="hl-string">'LoanApplicationId': loan_id,
            class="hl-string">'SourceSystemName': class="hl-string">'Blend',
            class="hl-string">'LastDataUpdateTime': last_data_update_time,
            class="hl-string">'LoanProduct': loan.get(class="hl-string">'loanType'),
            class="hl-string">'ApplicationChannel': loan.get(class="hl-string">'channel'),
            class="hl-string">'AssignedLoanOfficer': loan.get(class="hl-string">'loanTeam', [{}])[0].get(class="hl-string">'name'),
            class="hl-string">'DecisionOutcome': loan.get(class="hl-string">'status')
        }

        class=class="hl-string">"hl-comment"># 1. Application Started
        if loan.get(class="hl-string">'created'):
            event_log.append({
                **common_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Application Started',
                class="hl-string">'EventStartTime': loan[class="hl-string">'created'],
                class="hl-string">'EventEndTime': loan[class="hl-string">'created']
            })

        class=class="hl-string">"hl-comment"># 2. Application Submitted
        if loan.get(class="hl-string">'submitted'):
            event_log.append({
                **common_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Application Submitted',
                class="hl-string">'EventStartTime': loan[class="hl-string">'submitted'],
                class="hl-string">'EventEndTime': loan[class="hl-string">'submitted']
            })
        
        class=class="hl-string">"hl-comment"># Process milestones
        try:
            milestones = get_milestones_for_loan(access_token, loan_id)
            for milestone in milestones:
                activity_name = MILESTONE_MAPPING.get(milestone.get(class="hl-string">'key'))
                if activity_name and milestone.get(class="hl-string">'completedDate'):
                    event_log.append({
                        **common_attributes,
                        class="hl-string">'ActivityName': activity_name,
                        class="hl-string">'EventStartTime': milestone[class="hl-string">'completedDate'],
                        class="hl-string">'EventEndTime': milestone[class="hl-string">'completedDate']
                    })
            time.sleep(0.5) class=class="hl-string">"hl-comment"># Respect API rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">'Could not fetch milestones for loan {loan_id}: {e}')

        class=class="hl-string">"hl-comment"># Handle terminal statuses from the loan object
        loan_status = loan.get(class="hl-string">'status')
        last_updated_time = loan.get(class="hl-string">'updated')
        if loan_status == class="hl-string">'withdrawn':
            event_log.append({
                **common_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Application Withdrawn',
                class="hl-string">'EventStartTime': last_updated_time,
                class="hl-string">'EventEndTime': last_updated_time
            })
        elif loan_status == class="hl-string">'declined':
            event_log.append({
                **common_attributes,
                class="hl-string">'ActivityName': class="hl-string">'Application Denied',
                class="hl-string">'EventStartTime': last_updated_time,
                class="hl-string">'EventEndTime': last_updated_time
            })

    if not event_log:
        print(class="hl-string">'No events were generated. Please check your date range and configuration.')
        return

    class=class="hl-string">"hl-comment"># Create and save DataFrame
    df = pd.DataFrame(event_log)
    class=class="hl-string">"hl-comment"># Reorder columns for clarity
    column_order = [
        class="hl-string">'LoanApplicationId', class="hl-string">'ActivityName', class="hl-string">'EventStartTime', class="hl-string">'EventEndTime',
        class="hl-string">'SourceSystemName', class="hl-string">'LastDataUpdateTime', class="hl-string">'AssignedLoanOfficer',
        class="hl-string">'LoanProduct', class="hl-string">'DecisionOutcome', class="hl-string">'ApplicationChannel'
    ]
    df = df[column_order]
    
    output_filename = class="hl-string">'blend_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">'Extraction complete. Event log saved to {output_filename}')

if __name__ == class="hl-string">'__main__':
    main()

Prêt à commencer ?

Ce modèle est conçu pour simplifier la collecte de vos données et accélérer votre démarche d’optimisation de l’octroi de prêts. Commencez dès aujourd’hui à transformer votre processus.

Retour au guide d’amélioration Télécharger le modèle

Optimisez dès maintenant votre processus d’octroi de prêts dans Blend

Réduisez de 50 % le délai de décision et éliminez les retards accumulés dans Blend.

Démarrer l’essai gratuit

Aucune carte bancaire requise. La configuration ne prend que quelques minutes.

Votre modèle de données pour l’octroi de prêts

Votre modèle de données pour l’octroi de prêts

Attributs de l’octroi de prêts

Activités d’octroi de prêts

Guides d’extraction

API de reporting Blend pour les données groupées d’octroi de prêts

Étapes

Configuration

a Exemple de requête bash

Transmission automatisée des données vers un compartiment S3 client

Étapes

Configuration

a Exemple de requête sql

Extraction par script Python via l’API publique Blend

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Optimisez dès maintenant votre processus d’octroi de prêts dans Blend

Votre modèle de données pour l’octroi de prêts

Votre modèle de données pour l’octroi de prêts

Attributs de l’octroi de prêts

Activités d’octroi de prêts

Guides d’extraction

API de reporting Blend pour les données groupées d’octroi de prêts

Étapes

Configuration

a Exemple de requête bash

Transmission automatisée des données vers un compartiment S3 client

Étapes

Configuration

a Exemple de requête sql

Extraction par script Python via l’API publique Blend

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Optimisez dès maintenant votre processus d’octroi de prêts dans Blend

Nous attachons de l’importance à votre confidentialité