Hitelkezelési és követelésbehajtási adatsablon

Az esemény időpontja, vagyis az időbélyeg azt a pontos pillanatot jelöli, amikor egy adott tevékenység megtörtént a folyamatban. Segítségével időrendbe állíthatók az egyes számlákhoz tartozó események. Ez az adat minden időalapú elemzéshez szükséges.

A process mining az esemény időpontja alapján számítja ki az olyan teljesítménymutatókat, mint a tevékenységek közötti ciklusidő, az ügy teljes időtartama és a szolgáltatási szintű megállapodások teljesülése. Például a „Számla elküldve” és a „Fizetés beérkezett” közötti idő közvetlenül hat a vevőkövetelések átlagos behajtási idejére (DSO). Az időbélyegek elemzése segít feltárni a késedelmeket, mérni a folyamatlépések hatékonyságát és azonosítani a szűk keresztmetszeteket.

Ez az időbélyeg szükséges az események sorrendbe állításához, a ciklusidők és időtartamok kiszámításához, valamint minden időalapú teljesítményelemzéshez.

Jellemzően a tranzakcióhoz vagy állapotváltozáshoz tartozó bizonylat létrehozási dátumaként, könyvelési dátumaként vagy rendszer-naplóbejegyzés időbélyegeként rögzítik.

A számlaszám minden számlabizonylathoz rendelt egyedi alfanumerikus kód. Ez a számlázáshoz kapcsolódó összes tevékenység és tranzakció központi hivatkozási pontja, a számla létrehozásától a teljes kiegyenlítésig vagy leírásig.

A process mining során a számlaszám kapcsolja össze az összes kapcsolódó eseményt, például a „Számla létrehozva”, a „Fizetés beérkezett” és a „Kifogás rögzítve” eseményt egyetlen folyamatpéldánnyá vagy üggyé. Így a számla teljes életciklusa elejétől a végéig megjeleníthető és elemezhető. A számlaszám szerint csoportosított folyamatok elemzésével feltárhatók a szűk keresztmetszetek, mérhetők a ciklusidők, és megérthetők a számlák kezelésének eltérései.

Ez az ügy egyedi azonosítója (Case ID), amely összekapcsolja az összes kapcsolódó eseményt, így rekonstruálható és elemezhető a számla teljes életciklusa.

Jellemzően a forrásként használt pénzügyi rendszer számla- vagy vevőkövetelési bizonylatának fejlécadatai között található.

A tevékenység neve a hitelkezelési és követeléskezelési folyamat egy konkrét lépését vagy mérföldkövét jelöli. Ezek alkotják a folyamattérképet, és olyan műveleteket írnak le, mint a „Számla elküldve az ügyfélnek”, az „Emlékeztető elküldve” vagy a „Fizetés számlához rendelve”.

A tevékenységek sorrendjének és gyakoriságának elemzése a process mining alapja. Segít feltárni a tényleges folyamatmenetet, összevetni azt a tervezett modellel, valamint azonosítani az eltéréseket, az ismételt munkát és a nem hatékony útvonalakat. Például a „Kifogás rögzítve” események nagy gyakorisága a számlák pontatlanságára vagy a termékminőséggel kapcsolatos problémákra utalhat.

Ez az attribútum határozza meg a folyamat lépéseit. Ez adja a folyamattérkép alapját, és lehetővé teszi a folyamatmenetek és eltérések elemzését.

A forrásrendszer pénzügyi, értékesítési vagy követeléskezelési moduljaiban rögzített különféle állapotváltozásokból, tranzakciókódokból vagy eseménynaplókból származik.

A forrásrendszer attribútum megadja, melyik alkalmazásban vagy platformon rögzítették eredetileg az eseményadatot. Összetett informatikai környezetben egyetlen folyamat, például a hitelkezeléstől a pénz beérkezéséig tartó folyamat, több rendszeren is átívelhet. A számlázás történhet például ERP-rendszerben, a fizetési felszólítások kezelése pedig egy külön követeléskezelési platformon.

Ez az attribútum segít megérteni a folyamat technológiai hátterét. Használható az adatok ellenőrzésére, a rendszerspecifikus folyamateltérések feltárására és a platformok közötti integrációs problémák diagnosztizálására. Az elemzés például kimutathatja, hogy rendszeresen késedelem keletkezik az ERP-rendszer és a követeléskezelő eszköz közötti átadáskor.

Megmutatja az adatok forrását, ami segít megérteni a különböző rendszerek közötti folyamateltéréseket és ellenőrizni az adatokat.

Ezt az információt gyakran az adatkinyerés (ETL) során adják hozzá, vagy a forrástáblák technikai metaadatai között található.

Ez az attribútum rögzíti, mikor töltötték be utoljára az adatokat a forrásrendszerből a process mining környezetbe. Metaadatként jelzi az elemzett adatkészlet frissességét.

Az utolsó adatfrissítés ismerete segít ellenőrizni, hogy az elemzés vagy a dashboard a folyamat aktuális állapotát mutatja-e. Az adatok helyes értelmezéséhez azt is megadja, meddig terjednek. Ez különösen fontos a folyamatban lévő ügyek vagy a közel valós idejű KPI-k figyelésekor, mert jelzi, mennyire naprakészek az eredmények.

Jelzi az adatok frissességét, így értelmezhető, mennyire aktuális az elemzés, és az is látható, meddig terjednek az adatok.

Ezt a metaadatot jellemzően az ETL-eszköz vagy az adatfolyam hozza létre és tárolja az adatok betöltésekor.

A fizetési felszólítási szint azt mutatja, hogy a lejárt számla meddig jutott a hivatalos követeléskezelési kommunikációban. Ezt gyakran szám vagy kód jelöli: az 1. szint lehet egy udvarias emlékeztető, a 4. szint pedig az utolsó felszólítás a jogi eljárás előtt.

A fizetési felszólítási szint elemzése segít felmérni a felszólítási stratégia eredményességét. A process mining megmutathatja, mely folyamatmenetek vezetnek magasabb szintekhez, és hogy az egyes szintek ösztönzik-e a fizetést. Az elemzés például feltárhatja, hogy a legtöbb fizetés a 2. szintű felszólítás után érkezik be, ezért a 3. és 4. szint kevéssé eredményes és költséges. Ez segít optimalizálni a felszólítások időzítését és tartalmát.

A követeléskezelési intézkedések intenzitását méri, és segít felmérni a felszólítási stratégia eredményességét az egyes szakaszokban.

A követeléskezelési modulokban vagy a vevőkövetelési adatok között található, gyakran az ügyfélszámlához vagy egy konkrét lejárt bizonylathoz kapcsolva.

A fizetési határidő az a dátum, ameddig be kell érkeznie a számla ellenértékének ahhoz, hogy a fizetés határidőben teljesítettnek számítson. Ezt általában a számla kiállításának dátuma és a megállapodott fizetési feltételek alapján számítják ki.

Ez a dátum a követeléskezelési folyamat teljesítménymérésének egyik fő viszonyítási pontja. Ennek alapján állapítható meg, hogy késik-e a fizetés, mikor induljon el a fizetési felszólítási eljárás, és hogyan készüljenek a korosítási kimutatások. A process mining a fizetési határidő alapján számítja ki az olyan KPI-kat, mint a határidőben fizetett számlák aránya és a vevőkövetelések átlagos behajtási ideje (DSO), továbbá elemzi, mennyire eredményes a követeléskezelés a fizetési határidőkhöz képest.

A határidőben történő fizetés teljesítményének elsődleges viszonyítási pontja, és szükséges az olyan KPI-k kiszámításához, mint a DSO és a fizetések időben történő teljesítése.

A számla fejlécadatai között található. Közvetlen mezőként is szerepelhet, vagy a számla dátuma és a fizetési feltételek alapján számítható ki.

A kifogás oka rögzíti, miért tagadja meg az ügyfél a számla kifizetését. Gyakori ok például a hibás ár, a sérült áru, a mennyiségi eltérés vagy a hiányzó dokumentáció. Ezt az adatot általában a hivatalos kifogási ügy megnyitásakor rögzítik.

A kifogás oka fontos attribútum az okok feltárásához. A különböző kifogási okok gyakoriságának elemzésével a vállalat a követeléskezelési részlegen kívüli rendszerszintű problémákat is azonosíthat, például a szállítás, a számlázás pontossága vagy a vevői rendelés rögzítése terén. A process mining azt is megmutathatja, hogyan hatnak a különböző kifogási okok a rendezés idejére és a folyamatmenetre, így hatékonyabbá tehető a kifogáskezelés.

Segít feltárni a fizetési késedelmek és kifogások kiváltó okait, így azonosíthatók és orvosolhatók a számlázás, a szállítás vagy az értékesítés korábbi szakaszaiban jelentkező problémák.

A kifogáskezelési modulokban vagy CRM-rendszerekben tárolják, illetve a számlán vagy a vevőkövetelési bizonylaton szereplő okkódként található.

A követeléskezelő neve azonosítja azt a személyt vagy csoportot, amelyhez a lejárt számlát rendelték, és amely a követeléskezelési tevékenységeket végzi. Ez lehet könyvelő, erre kijelölt követeléskezelő vagy követeléskezelési csapat.

Ez az attribútum lehetővé teszi az egyéni és csapatszintű teljesítmény elemzését. A folyamatok követeléskezelő szerinti szűrésével vagy összehasonlításával feltárhatók a legjobban teljesítők bevált gyakorlatai, azonosíthatók a képzési igények, és elemezhető a munkaterhelés eloszlása. Segít megérteni, hogyan hatnak az emberek a követeléskezelési folyamatra, például a fizetési időkre és a leírásokra.

Lehetővé teszi a csapatok és az egyes munkatársak teljesítményének, a munkaterhelés eloszlásának, valamint a követeléskezelők és stratégiák eredményességének elemzését.

A vevőkövetelési tranzakciós adatokban, az ügyféltörzsben vagy a követeléskezelési modulokban található. Olyan mezőknek felelhet meg, mint a „Könyvelő” vagy a „Felhasználói azonosító”.

A számla állapota jelzi, hogy a számla éppen hol tart az életciklusában. Az állapot az eseményekkel együtt változik: a létrehozáskor „Nyitott”, a fizetési határidő elmulasztása után „Lejárt”, végül pedig „Fizetett” vagy „Leírva” lesz.

Ez az attribútum pillanatképet ad a vevőkövetelések aktuális állapotáról. A process mining elemzésben segít az ügyek kategorizálásában és a különböző folyamatváltozatok kimenetelének megértésében. Ha például összehasonlítja a „Kifogásolt” és a „Fizetett” állapothoz vezető folyamatmeneteket, feltárhatja a fizetési nehézségek kiváltó okait. Az aktív ügyek, például az összes jelenleg „Lejárt” számla szűrésére is használható, így elemezhetők a folyamatban lévő követeléskezelési tevékenységek.

Világosan megmutatja a számlák aktuális állapotát, így elemezhetők a folyamatok kimenetelei, és kiszűrhetők az adott szakaszban lévő ügyek, például a „Lejárt” vagy „Kifogásolt” számlák.

Jellemzően a számla vagy a vevőkövetelési bizonylat fejlécének állapotmezőjében található.

A számla összege az a teljes pénzösszeg, amelyet kiszámláznak az ügyfélnek, és amelynek megfizetését elvárják tőle. Ez minden számlához tartozó alapvető pénzügyi adat.

Ez az attribútum szükséges a pénzügyi hatások elemzéséhez. Ha a folyamatmutatókat összevetik a számla összegével, rangsorolhatják a követeléskezelési feladatokat. Az elemzés például kimutathatja, hogy a nagy összegű számlák kifizetése tovább tart, vagy gyakrabban emelnek velük kapcsolatban kifogást. Az adat felhasználható olyan pénzügyi KPI-k kiszámítására is, mint a vevőkövetelések átlagos behajtási ideje (DSO), valamint a szűk keresztmetszetekhez vagy leírásokhoz kapcsolódó pénzösszegek meghatározására.

Pénzügyi elemzéshez, a nagy összegű számlák követeléskezelésének rangsorolásához és a folyamatbeli hiányosságok pénzügyi hatásának számszerűsítéséhez szükséges.

A forrásrendszer vevőkövetelési vagy számlázási moduljában, a számla fejlécadatai között található szokásos mező.

Az ügyfélazonosító a rendszerben szereplő ügyfélszámlát egyedileg azonosító kód. Összekapcsolja a számlát azzal a jogi személlyel, amely felelős a fizetésért.

A process mining elemzésben az ügyfélazonosító fontos szempont a szegmentáláshoz. Segítségével megvizsgálható egyes ügyfelek vagy ügyfélcsoportok folyamatainak teljesítménye. Így feltárható például, hogy mely ügyfelek fizetnek rendszeresen késve, kik emelnek gyakran kifogást, illetve hogy bizonyos folyamatbeli hiányosságok csak az ügyfélkör egy részét érintik-e. Ezek az eredmények segítenek az ügyfelekhez igazítani a követeléskezelési stratégiát és javítani az ügyfélkapcsolatokat.

Lehetővé teszi a folyamatadatok ügyfél szerinti szegmentálását, az ügyfélviselkedés elemzését, a problémás ügyfélszámlák azonosítását és a követeléskezelési stratégiák testre szabását.

A pénzügyi vagy értékesítési rendszer számlabizonylatának fejlécében található, vagy az ügyféltörzs táblái alapján kapcsolható össze.

A fizetési feltételek határozzák meg az értékesítés feltételeit, elsősorban a fizetés időzítését. Ezeket általában kód vagy rövid szöveg jelöli, például „Net 30” (fizetés 30 napon belül) vagy „2/10 Net 30” (10 napon belüli fizetés esetén 2% kedvezmény, egyébként a teljes összeg 30 napon belül esedékes).

Ez az attribútum segít értelmezni a számla fizetési határidejét és az ügyfél fizetési szokásait. A folyamat fizetési feltételek szerinti elemzésével kideríthető, hogy bizonyos feltételek mellett gyakoribb-e a késedelmes fizetés vagy a számlakifogás. Az elemzés a korai fizetésért adott kedvezmények eredményességének felmérésére és az ügyfelekkel folytatott jövőbeli fizetésifeltétel-egyeztetések támogatására is használható, így javítható a pénzforgalom.

Segít értelmezni a számlák fizetési határidejét, és elemezni, hogyan hatnak a különböző fizetési megállapodások a határidőben történő fizetés arányára és a pénzforgalomra.

Az ügyféltörzsben, illetve a vevői rendelés vagy a számla fejlécében tárolják.

A számla pénzneme jelzi, milyen pénznemben, például USD-ben, EUR-ban vagy JPY-ben állították ki a számlát, és milyen pénznemben várják a fizetést. Ez különösen fontos a nemzetközi tevékenységet végző vállalatoknál.

A process mining gyakran inkább a folyamatmenetekre összpontosít, mint a pénznemek közötti átváltásra, de ez az attribútum szükséges a számla összegének helyes értelmezéséhez. Lehetővé teszi az elemzés adott pénznemre szűrését, illetve a folyamat pénznem szerinti szegmentálását. Így megvizsgálható, hogy bizonyos pénznemek tranzakciói eltérő mintát követnek-e, például a nemzetközi fizetések késedelme vagy a külföldi piacokon alkalmazott eltérő követeléskezelési stratégia miatt.

Segít értelmezni a számla összegét, és lehetővé teszi az elemzés pénznem szerinti szegmentálását, ami a nemzetközi tevékenységet végző vállalatok számára lehet fontos.

A számla fejlécadatai között szereplő szokásos mező.

Az ügyfélszegmens közös jellemzők alapján csoportosítja az ügyfeleket. A szegmensek kialakításakor figyelembe vehető például az iparág (például gyártás vagy kiskereskedelem), a méret (például nagyvállalat vagy kis- és középvállalkozás), a földrajzi régió vagy a stratégiai érték (például arany, ezüst, bronz).

Ez az attribútum részletesebb és stratégiai szempontú elemzést tesz lehetővé a követeléskezelési folyamatról. A különböző szegmensek folyamatainak összehasonlításával feltárhatók az ügyfélcsoportok eltérő fizetési szokásai és nehézségei. A nemzetközi ügyfelek fizetési ciklusa például hosszabb lehet a határokon átnyúló banki ügyintézés miatt. Ezek az eredmények segítenek az egyes szegmensekhez igazított követeléskezelési stratégiák és szabályzatok kialakításában, javítva a hatékonyságot és az ügyfelek elégedettségét.

Lehetővé teszi a különböző ügyfélcsoportok összehasonlítását, és segít célzott követeléskezelési stratégiák és szabályzatok kialakításában.

Jellemzően a CRM- vagy ERP-rendszer ügyféltörzsében található.

A vállalatkód olyan szervezeti egység azonosítója, amely önálló jogi személyt vagy olyan elkülönült üzleti területet jelöl, amelyről pénzügyi kimutatás készül. Több jogi személyből álló szervezetben minden tranzakcióhoz egy adott vállalatkód tartozik.

Ez az attribútum alapvető a szervezeti szintű elemzéshez. Lehetővé teszi a folyamatok teljesítményének összehasonlítását a különböző jogi személyek, leányvállalatok vagy üzleti egységek között. Az összehasonlítás feltárhatja a folyamatok hatékonyságában, a szabályzatok betartásában és a követeléskezelők teljesítményében mutatkozó különbségeket, így megoszthatók a bevált gyakorlatok és szükség esetén egységesíthetők a folyamatok.

Lehetővé teszi a folyamatok összehasonlítását és a teljesítmény mérését a szervezeten belüli különböző jogi személyek, leányvállalatok vagy üzleti egységek között.

Az ERP-rendszer pénzügyi bizonylatain, így a számlákon is szereplő szokásos szervezeti mező.