Templat data pengajuan pinjaman Anda

ID Pengajuan Pinjaman mengidentifikasi setiap pengajuan pinjaman secara unik sepanjang siklusnya. ID ini menjadi acuan utama untuk mengelompokkan semua aktivitas dan data terkait, sehingga seluruh proses pengajuan pinjaman dapat ditelusuri.

Dalam analisis proses, ID ini menjadi dasar untuk menyusun gambaran menyeluruh setiap kasus. Semua aktivitas, mulai dari 'Pengajuan Dikirim' hingga 'Dana Dicairkan' atau 'Pinjaman Ditutup karena Ditolak', terhubung ke satu ID ini. Dengan begitu, Anda dapat menghitung waktu siklus, menemukan variasi proses, dan melacak perjalanan setiap pinjaman.

Ini adalah ID Kasus penting yang menghubungkan semua peristiwa terkait ke dalam satu instans proses. ID ini menjadi dasar analisis process mining.

Ini adalah pengenal utama pengajuan pinjaman di Finastra Fusion Mortgagebot. Biasanya, pengenal ini tersedia di semua modul dan tabel terkait pemrosesan pinjaman.

Atribut ini mencatat nama setiap langkah dalam siklus pengajuan pinjaman, seperti 'Pengajuan Dikirim', 'Pemeriksaan Kredit Selesai', atau 'Keputusan Pinjaman Ditetapkan'. Aktivitas ini menjadi simpul dalam peta proses yang ditemukan.

Menganalisis urutan dan frekuensi aktivitas merupakan inti process mining. Analisis ini membantu memahami alur proses yang sebenarnya, menemukan penyimpangan dari prosedur standar, serta mengidentifikasi hambatan atau bagian yang sering dikerjakan ulang. Nama aktivitas yang spesifik penting untuk menghitung KPI pada setiap tahap, seperti Waktu Pemrosesan Penilaian Kredit.

Aktivitas menentukan langkah-langkah dalam proses. Menganalisis urutan, frekuensi, dan durasinya penting untuk memahami dan memperbaiki alur proses.

Informasi ini biasanya berasal dari log peristiwa sistem, catatan perubahan status, atau entri penyelesaian tugas di Finastra Fusion Mortgagebot.

Stempel waktu peristiwa, atau waktu mulai, mencatat saat persis suatu aktivitas berlangsung. Data waktu ini penting untuk mengurutkan peristiwa secara kronologis dan menyusun gambaran alur proses yang akurat.

Dalam analisis, stempel waktu digunakan untuk menghitung semua metrik berbasis durasi, termasuk waktu siklus keseluruhan, waktu pemrosesan setiap aktivitas, dan waktu tunggu antar langkah. Data ini membantu menemukan hambatan, memantau kepatuhan terhadap SLA, dan melacak tren kinerja dari waktu ke waktu. Semua ini penting untuk dashboard seperti 'Analisis Waktu Pemrosesan Pinjaman Keseluruhan' dan 'Tren Waktu Siklus Persetujuan Pinjaman'.

Stempel waktu menunjukkan urutan kronologis peristiwa dan penting untuk menghitung semua metrik kinerja, seperti waktu siklus dan waktu tunggu.

Data ini biasanya tercatat bersama aktivitas atau pembaruan status di log peristiwa atau tabel transaksi sistem. Nama kolomnya sering berupa 'Tanggal Pembuatan' atau 'Stempel Waktu Status'.

Atribut ini mencatat tanggal dan waktu pengambilan data terbaru dari sistem sumber. Informasi ini menunjukkan seberapa baru data yang dianalisis.

Saat menganalisis data atau melihat dashboard, Anda perlu mengetahui kapan data terakhir diperbarui agar dapat mengambil keputusan yang tepat. Stempel waktu ini membantu pengguna mengetahui apakah data yang dilihat merupakan informasi terkini atau rekaman dari waktu tertentu. Hal ini penting untuk pemantauan operasional maupun analisis strategis.

Memberi tahu pengguna seberapa baru data yang tersedia, sehingga analisis didasarkan pada data dengan usia yang diketahui dan sesuai kebutuhan.

Nilai ini dibuat dan dicatat pada kumpulan data selama proses ekstraksi dan transformasi data (ETL).

Atribut ini menunjukkan sistem asal data, misalnya 'Finastra Fusion Mortgagebot'. Jika beberapa sistem terintegrasi, kolom ini membantu membedakan sumber data.

Dalam analisis yang hanya menggunakan satu sistem, nilainya sering tetap. Namun, kolom ini penting saat menggabungkan data dari berbagai platform, seperti CRM terpisah atau sistem pengelolaan dokumen. Kolom ini memperjelas asal-usul data dan membantu mengatasi masalah kualitas data dengan menelusurinya ke sumber yang tepat.

Memberikan konteks penting tentang asal data, memastikan data dapat ditelusuri, dan mendukung tata kelola data, terutama saat menggunakan beberapa sistem.

Biasanya, nilai tetap ini ditambahkan selama proses ekstraksi dan transformasi data (ETL) untuk menandai 'Finastra Fusion Mortgagebot' sebagai sumber.

Atribut ini mencatat hasil akhir proses pengajuan pinjaman untuk setiap pengajuan. Atribut penting di tingkat kasus ini menunjukkan keberhasilan atau kegagalan suatu instans proses.

Atribut ini menjadi dasar dashboard 'Tren Penolakan Pengajuan Pinjaman' dan analisis 'Konsistensi Keputusan Pinjaman berdasarkan Risiko'. Dengan memfilter dan mengelompokkan peta proses berdasarkan hasil, analis dapat menemukan pola proses yang umum pada pengajuan yang ditolak dan disetujui. Atribut ini juga mendukung penghitungan KPI Tingkat Penolakan Pengajuan Pinjaman.

Menentukan hasil bisnis setiap kasus dan memungkinkan perbandingan alur proses yang berhasil dan tidak berhasil untuk menemukan akar masalah.

Biasanya, atribut ini berupa status akhir kasus pengajuan pinjaman yang tersimpan di tabel kasus utama atau tabel pengajuan dalam Finastra Fusion Mortgagebot.

Atribut ini menunjukkan asal pengajuan, misalnya melalui portal online, aplikasi seluler, petugas pinjaman, atau broker pihak ketiga.

Memahami kanal pengajuan penting untuk analisis operasional dan strategis. Dashboard 'Analisis Waktu Pemrosesan Pinjaman Keseluruhan' menggunakan atribut ini untuk membandingkan efisiensi setiap kanal. Analisis ini dapat menunjukkan apakah kanal tertentu membuat waktu pemrosesan lebih lama, tingkat penolakan lebih tinggi, atau lebih sering memerlukan pengerjaan ulang. Hasilnya dapat menjadi dasar perbaikan proses dan strategi pemasaran.

Memungkinkan perbandingan kinerja berbagai kanal yang berhubungan langsung dengan nasabah, sehingga proses dan alokasi sumber daya untuk setiap kanal dapat diperbaiki.

Periksa dokumentasi Finastra Fusion Mortgagebot. Informasi ini sering dicatat saat pengajuan dibuat.

Atribut ini secara khusus mengidentifikasi penilai kredit yang bertanggung jawab atas tahap penting penilaian kredit. Penilai kredit mengevaluasi risiko pinjaman dan memberikan rekomendasi untuk menyetujui atau menolaknya.

Atribut ini penting untuk dashboard 'Analisis Mendalam Hambatan Penilaian Kredit'. Anda dapat mengelompokkan waktu pemrosesan dan waktu antre penilaian kredit berdasarkan masing-masing penilai. Analisis ini membantu memahami perbedaan kinerja, menjaga konsistensi pengambilan keputusan, dan mengelola beban kerja tim penilai kredit.

Penting untuk menganalisis tahap penilaian kredit secara terperinci, membandingkan kinerja, dan mengelola beban kerja tim penilai kredit.

Periksa dokumentasi Finastra Fusion Mortgagebot. Informasi ini biasanya dicatat saat kasus ditugaskan ke antrean penilaian kredit atau kepada penilai tertentu.

Atribut ini mengidentifikasi pegawai utama yang menangani pengajuan, yaitu petugas pinjaman. Orang ini biasanya menjadi kontak utama pemohon dan bertanggung jawab memandu pengajuan melalui proses.

Dimensi ini penting untuk menganalisis kinerja dan beban kerja. Dashboard seperti 'Distribusi Beban Kerja Petugas Pinjaman' menggunakan atribut ini untuk menampilkan jumlah pinjaman aktif dan rata-rata waktu pemrosesan setiap petugas. Informasi ini membantu manajemen mengenali petugas berkinerja tinggi, petugas yang mungkin kelebihan beban, serta peluang untuk menyeimbangkan sumber daya atau memberikan pelatihan.

Mendukung analisis distribusi beban kerja dan kinerja sumber daya, serta membantu menemukan hambatan terkait sumber daya atau praktik yang baik.

Periksa dokumentasi Finastra Fusion Mortgagebot. Data ini kemungkinan tersimpan di data utama pengajuan pinjaman atau tabel penugasan yang terhubung ke modul manajemen pengguna.

StartTime mencatat kapan aktivitas dimulai, sedangkan EndTime mencatat kapan aktivitas selesai. Untuk banyak peristiwa dalam proses pengajuan pinjaman, waktu mulai dan akhir bisa sama karena peristiwanya terjadi seketika. Namun, kolom ini penting untuk aktivitas yang memiliki durasi terukur, seperti 'Tinjauan Penilaian Kredit'.

Dengan EndTime yang terpisah, Anda dapat menghitung waktu pemrosesan aktivitas secara langsung, tanpa menyimpulkannya dari waktu mulai aktivitas berikutnya. Hasilnya lebih akurat karena waktu pemrosesan dapat dibedakan dari waktu menganggur atau waktu tunggu. Ini penting untuk dashboard 'Analisis Mendalam Hambatan Penilaian Kredit'.

Memungkinkan penghitungan waktu pemrosesan aktivitas secara akurat dan membedakannya dari waktu tunggu setelahnya, sehingga analisis hambatan lebih tepat.

Periksa dokumentasi Finastra Fusion Mortgagebot atau log sistem. Data ini mungkin dicatat sebagai 'Tanggal Penyelesaian' atau 'Tanggal Akhir'. Jika tidak tersedia secara langsung, nilainya mungkin perlu dihitung.

Jika 'Hasil Keputusan' pinjaman adalah 'Ditolak', atribut ini menunjukkan penyebab spesifiknya. Alasannya bisa berupa riwayat kredit yang buruk, pendapatan yang tidak mencukupi, dokumen yang belum lengkap, atau masalah penilaian properti.

Atribut ini penting untuk dashboard 'Tren Penolakan Pengajuan Pinjaman'. Analisis alasan penolakan yang paling sering terjadi memberikan masukan yang dapat ditindaklanjuti untuk perbaikan proses. Misalnya, banyaknya penolakan karena dokumen tidak lengkap bisa menunjukkan perlunya memperbaiki proses pengumpulan dokumen atau komunikasi dengan pemohon.

Menunjukkan akar masalah pada proses yang gagal, sehingga perbaikan dapat diarahkan untuk meningkatkan tingkat persetujuan dan mengurangi upaya yang terbuang.

Periksa dokumentasi Finastra Fusion Mortgagebot. Informasi ini biasanya tersimpan di kolom kode alasan atau catatan yang terkait dengan status keputusan akhir.

Atribut boolean ini membedakan tugas yang dijalankan otomatis oleh sistem, seperti pemeriksaan kredit awal atau pembuatan dokumen pengungkapan standar, dari tugas yang dilakukan secara manual oleh karyawan.

Analisis atribut ini membantu Anda memahami tingkat otomatisasi proses. Anda dapat membandingkan kecepatan dan konsistensi langkah otomatis dengan langkah manual. Informasi ini berguna untuk menemukan peluang otomatisasi tambahan, meningkatkan efisiensi, dan mengurangi risiko kesalahan manusia.

Membantu mengukur tingkat otomatisasi proses dan menemukan peluang untuk meningkatkan efisiensi melalui inisiatif otomatisasi baru.

Biasanya, nilai ini ditentukan dengan memeriksa 'User' yang terkait dengan suatu aktivitas. Jika pengguna tersebut adalah akun sistem atau layanan, penanda ini diatur ke true.

Atribut ini mengelompokkan pengajuan berdasarkan produk hipotek yang diminta pemohon. Setiap jenis pinjaman dapat memiliki persyaratan proses, aturan kepatuhan, dan profil risiko yang berbeda.

Menganalisis proses berdasarkan Jenis Pinjaman merupakan langkah penting. Analisis ini dapat menunjukkan produk tertentu yang memiliki waktu siklus jauh lebih lama atau tingkat penolakan lebih tinggi. Pengelompokan ini membantu menemukan hambatan khusus produk dan memastikan pemeriksaan kepatuhan, seperti yang dianalisis dalam 'Jalur Pelanggaran Kepatuhan', diterapkan dengan benar.

Setiap produk pinjaman dapat memiliki alur proses dan SLA yang berbeda. Karena itu, atribut ini penting untuk perbandingan dan pemfilteran yang bermakna.

Data penting ini dipilih pada awal proses pengajuan dan disimpan dalam data utama pengajuan pinjaman di Finastra Fusion Mortgagebot.

Atribut ini menunjukkan jumlah pokok hipotek yang diajukan. Nilainya menjadi metrik keuangan penting untuk setiap pengajuan dan sering memengaruhi proses. Misalnya, pinjaman 'Jumbo' dengan nilai lebih besar mungkin memerlukan langkah persetujuan tambahan.

Dalam analisis, Jumlah Pinjaman dapat digunakan untuk mengelompokkan proses dan mencari hubungan antara nilai pinjaman dengan waktu pemrosesan, tingkat persetujuan, atau tingkat pemeriksaan. Misalnya, pinjaman di atas batas tertentu mungkin selalu membutuhkan waktu lebih lama pada tahap penilaian kredit. Atribut ini memberikan konteks bisnis yang berguna untuk memahami alur proses.

Mendukung analisis keuangan portofolio pinjaman dan membantu mengetahui apakah nilai pinjaman memengaruhi proses, seperti waktu siklus atau tingkat persetujuan.

Kolom inti ini diisi saat pengajuan dikirim dan disimpan dalam data utama pengajuan pinjaman di Finastra Fusion Mortgagebot.

Kategori Risiko mengelompokkan pengajuan pinjaman berdasarkan beberapa faktor, termasuk skor kredit, rasio utang terhadap pendapatan, dan rasio pinjaman terhadap nilai properti. Kategori ini menyederhanakan penilaian risiko menjadi beberapa tingkat yang mudah dipahami.

Atribut ini penting untuk dashboard 'Konsistensi Keputusan Pinjaman berdasarkan Risiko'. Dengan mengelompokkan pinjaman ke dalam kategori, Anda dapat melihat apakah hasil keputusan konsisten untuk pengajuan dengan profil risiko serupa. Analisis ini mendukung kepatuhan terhadap peraturan dan membantu menyempurnakan model penilaian risiko internal.

Menyederhanakan data risiko yang kompleks agar konsistensi keputusan dan kesesuaiannya dengan strategi risiko perusahaan dapat dianalisis secara umum.

Kolom ini mungkin dihitung dan disimpan oleh mesin keputusan internal Finastra Fusion Mortgagebot atau modul pengelolaan risiko terkait.

Atribut ini menunjukkan cabang atau kantor tertentu yang bertanggung jawab atas pinjaman. Ini menjadi dimensi organisasi yang penting bagi lembaga besar dengan banyak lokasi.

Dashboard 'Distribusi Beban Kerja Petugas Pinjaman' menggunakan atribut ini untuk mengelompokkan analisis kinerja berdasarkan lokasi. Anda dapat membandingkan efisiensi, beban kerja, dan hasil antar cabang, melihat perbedaan kinerja wilayah, serta menentukan alokasi sumber daya di seluruh organisasi.

Mendukung perbandingan kinerja dan analisis beban kerja di berbagai wilayah atau unit organisasi.

Periksa dokumentasi Finastra Fusion Mortgagebot. Informasi ini kemungkinan terkait dengan profil pengguna petugas pinjaman atau dipilih saat pengajuan diterima.

Atribut boolean ini bernilai 'true' jika aktivitas tertentu, seperti 'Dokumen Pendukung Diminta' atau 'Peninjauan Kredit Dikembalikan', terjadi lebih dari sekali untuk ID Pengajuan Pinjaman yang sama. Atribut ini menandai dan menghitung siklus pengerjaan ulang secara langsung.

Di dasbor 'Peta Pengerjaan Ulang dan Langkah Berulang', penanda ini dapat digunakan untuk menyoroti siklus pengerjaan ulang atau memfilter kasus dengan tingkat pengerjaan ulang yang tinggi. KPI Tingkat Aktivitas Pengerjaan Ulang dapat dihitung dengan mudah dengan menghitung peristiwa yang nilai 'IsRework'-nya true. Hasilnya membantu Anda memusatkan upaya perbaikan pada penyebab pekerjaan berulang, seperti komunikasi yang kurang jelas atau kesalahan entri data.

Menandai dan menghitung pengerjaan ulang secara langsung, sehingga penyebab dan dampak inefisiensi serta siklus berulang dalam proses lebih mudah dianalisis.

Atribut ini dihitung pada lapisan transformasi data dengan memeriksa apakah nama aktivitas yang sama sudah muncul untuk CaseId tersebut.

Atribut ini berisi skor kredit numerik yang diperoleh dari biro kredit saat aktivitas 'Pemeriksaan Kredit Selesai'. Skor ini menjadi faktor penting dalam menilai kelayakan kredit pemohon.

Di dashboard 'Konsistensi Keputusan Pinjaman berdasarkan Risiko', skor kredit dibandingkan dengan hasil keputusan akhir. Analisis ini membantu memastikan keputusan pemberian pinjaman adil, konsisten, dan sesuai dengan toleransi risiko lembaga. Analisis juga dapat menunjukkan ketidakkonsistenan, misalnya saat pemohon dengan skor serupa mendapat hasil berbeda.

Data penting untuk menilai risiko dan menganalisis konsistensi serta keadilan keputusan pinjaman.

Periksa dokumentasi Finastra Fusion Mortgagebot. Data ini biasanya tersimpan di kolom khusus setelah diperoleh dari biro pelaporan kredit melalui integrasi.

Atribut boolean ini diperoleh dengan membandingkan durasi aktual suatu tahap dengan target SLA-nya. Contohnya, nilainya 'true' jika waktu antara 'Penilaian Kredit Dimulai' dan 'Penilaian Kredit Selesai' lebih lama daripada 'Target SLA Penilaian Kredit'.

Penanda ini memudahkan analisis di dasbor 'Analisis Kepatuhan dan Pelanggaran SLA' karena menyediakan dimensi biner yang jelas untuk pemfilteran dan agregasi. Anda dapat menghitung KPI Tingkat Kepatuhan SLA dengan cepat, lalu menelusuri karakteristik pengajuan yang sering melanggar SLA, seperti Jenis Pinjaman atau Cabang.

Memberikan penanda yang jelas dan sederhana untuk menunjukkan pelanggaran SLA pada setiap kasus, sehingga Anda dapat memfilter, mengagregasi, dan menganalisis penyebabnya dengan mudah.

Atribut ini dihitung saat persiapan data dengan logika: (Durasi Aktual > UnderwritingSlaTarget) ? true : false.

Atribut ini menentukan target Service Level Agreement (SLA) untuk durasi proses penilaian kredit, biasanya dalam jam atau hari kerja. Target ini dapat berbeda berdasarkan jenis pinjaman atau kategori risiko.

Data ini penting untuk dashboard 'Analisis Kepatuhan dan Pelanggaran SLA' serta KPI Tingkat Kepatuhan SLA Keseluruhan. Dengan membandingkan waktu pemrosesan penilaian kredit aktual dengan target, setiap kasus dapat ditandai 'Terpenuhi' atau 'Terlampaui'. Anda dapat memantau kinerja terhadap janji kepada nasabah atau sasaran internal, serta menemukan akar masalah kegagalan memenuhi SLA.

Menjadi tolok ukur untuk mengukur kinerja aktual, memantau kepatuhan terhadap SLA, dan menemukan kasus yang melampaui target.

Informasi ini mungkin disimpan sebagai aturan bisnis statis atau sebagai kolom pada pengajuan pinjaman. Nilainya juga bisa dihasilkan oleh mesin aturan di Finastra Fusion Mortgagebot.

Metrik ini mengukur waktu menganggur saat pengajuan pinjaman menunggu setelah pemeriksaan kredit selesai, tetapi sebelum proses penilaian kredit dimulai. Nilainya dihitung dari selisih waktu antara peristiwa 'Pemeriksaan Kredit Selesai' dan 'Penilaian Kredit Dimulai'.

KPI ini penting untuk 'Analisis Mendalam Hambatan Penilaian Kredit' karena memisahkan waktu tunggu dari waktu pemrosesan aktif. Waktu antrean yang panjang dapat menunjukkan kekurangan sumber daya, pembagian pekerjaan yang kurang efisien, atau keterlambatan sistem. Mengurangi waktu antrean sering menjadi sasaran utama untuk mempercepat dan meningkatkan efisiensi proses secara keseluruhan.

Memisahkan waktu tunggu sebelum tahap proses yang penting, sehingga Anda memiliki sasaran yang jelas untuk mengurangi waktu menganggur dan memperlancar proses.

Atribut ini dihitung saat analisis data atau ETL dengan mencari selisih waktu antara peristiwa 'Pemeriksaan Kredit Selesai' dan 'Penilaian Kredit Dimulai' untuk setiap kasus.