Templat data pengajuan pinjaman Anda

Loan Application ID mengidentifikasi setiap permohonan pinjaman secara unik sepanjang siklusnya, mulai dari pengajuan hingga keputusan akhir dan pencairan dana. ID ini menjadi entitas utama untuk mengelompokkan semua aktivitas dan data terkait, sehingga seluruh perjalanan pengajuan pinjaman dapat ditelusuri.

Dalam process mining, atribut ini penting untuk menyusun tampilan kasus. Setiap Loan Application ID mewakili satu instans proses dari awal hingga akhir. Analisis berdasarkan ID ini memungkinkan penghitungan metrik di tingkat kasus, seperti waktu siklus total, putaran pekerjaan ulang, dan hasil akhir. Dengan begitu, Anda dapat memahami alur pengajuan pinjaman secara menyeluruh.

Ini adalah pengenal kasus utama yang menghubungkan semua peristiwa terkait menjadi satu proses dari awal hingga akhir, sehingga analisis proses dapat dilakukan.

Biasanya, ini adalah kunci utama pada data utama aplikasi pinjaman atau transaksi dalam Temenos. Lihat dokumentasi Temenos untuk mengetahui nama tabel dan kolom yang tepat, misalnya yang terkait dengan modul AA.ARRANGEMENT.

Nama Aktivitas menjelaskan langkah atau tahap tertentu dalam proses pengajuan pinjaman, seperti 'Application Submitted' atau 'Credit Check Completed'. Aktivitas ini menjadi dasar peta proses dan menunjukkan urutan peristiwa untuk setiap aplikasi pinjaman.

Dengan menganalisis aktivitas ini, Anda dapat melihat alur proses, menemukan jalur yang umum, mengetahui penyimpangan, dan mengidentifikasi hambatan. Urutan dan frekuensi aktivitas penting untuk memahami cara proses berjalan sebenarnya dibandingkan dengan rancangan awalnya.

Atribut ini menentukan langkah-langkah dalam proses, sehingga peta proses dapat ditampilkan dan alur proses, hambatan, serta penyimpangan dapat dianalisis.

Informasi ini biasanya diperoleh dari log peristiwa, catatan perubahan status, atau tabel jejak audit di Temenos. Anda mungkin perlu memetakan kode status atau jenis peristiwa teknis ke nama aktivitas yang mudah dipahami pengguna.

Stempel Waktu Peristiwa mencatat waktu tepat saat suatu aktivitas berlangsung. Data kronologis ini penting untuk mengurutkan peristiwa dengan benar dan melakukan analisis proses berbasis waktu.

Atribut ini memungkinkan penghitungan indikator kinerja utama, seperti waktu siklus, waktu pemrosesan, dan waktu tunggu antaraktivitas. Atribut ini juga digunakan untuk menemukan keterlambatan, mengukur kinerja berdasarkan perjanjian tingkat layanan (SLA), dan memahami dinamika waktu dalam proses pengajuan pinjaman. Tanpa stempel waktu yang akurat, process mining tidak dapat dilakukan.

Stempel waktu ini penting untuk mengurutkan peristiwa dengan benar dan menghitung semua metrik durasi, seperti waktu siklus dan hambatan.

Biasanya ditemukan bersama kolom aktivitas atau status di log peristiwa atau tabel jejak audit Temenos. Cari kolom bernama 'TIMESTAMP', 'EVENT_DATE', atau nama serupa.

Atribut metadata ini mencatat tanggal dan waktu ekstraksi atau pembaruan data terbaru dari sistem sumber. Atribut ini tidak menunjukkan peristiwa bisnis, melainkan seberapa baru data yang dianalisis.

Informasi ini penting untuk memahami kemutakhiran analisis process mining dan mendukung tata kelola data. Pengguna dapat mengetahui apakah data yang dilihat diperbarui secara real-time, harian, atau mingguan. Hal ini memberi konteks untuk temuan dan keputusan mereka.

Menunjukkan kemutakhiran data. Informasi ini penting untuk tata kelola data dan membantu pengguna memahami seberapa baru analisis yang mereka lihat.

Ini adalah atribut metadata yang ditambahkan selama proses ekstraksi, transformasi, dan pemuatan data (ETL). Biasanya, nilainya diatur ke stempel waktu saat ETL dijalankan.

Atribut ini menunjukkan sistem informasi sumber tempat data aktivitas berasal. Dalam lingkungan TI yang kompleks, peristiwa pengajuan pinjaman mungkin tercatat di beberapa sistem, seperti portal front-end, platform perbankan inti, dan sistem manajemen dokumen.

Mencantumkan sistem sumber penting untuk tata kelola data, pemecahan masalah, dan memahami titik interaksi teknologi dalam proses. Informasi ini membantu memvalidasi keakuratan data dan dapat mengungkap proses yang terpecah di berbagai platform.

Menunjukkan asal data. Informasi ini penting untuk validasi data, pemecahan masalah, dan memahami integrasi proses.

Ini adalah atribut metadata yang biasanya ditambahkan selama proses ekstraksi dan transformasi data. Nilainya dapat berupa nilai tetap, seperti 'Temenos Transact', untuk semua catatan dari sistem tersebut.

Hasil Keputusan mencatat status akhir pengajuan pinjaman setelah tahap analisis kredit dan persetujuan selesai. Ini adalah metrik hasil penting untuk keseluruhan proses.

Atribut ini penting untuk menganalisis efektivitas proses. Gunakan atribut ini untuk menghitung tingkat persetujuan dan penolakan. Jika dipadukan dengan atribut lain, seperti Skor Kredit atau Jenis Pemohon, atribut ini membantu menilai konsistensi keputusan pemberian pinjaman. Memahami alasan pengajuan ditolak menjadi kunci untuk perbaikan proses.

Menunjukkan hasil akhir proses dari sisi bisnis, sehingga Anda dapat menganalisis tingkat persetujuan, alasan penolakan, dan konsistensi keputusan.

Biasanya disimpan sebagai kolom status pada data utama pengajuan pinjaman di Temenos. Kolom ini umumnya diperbarui saat aktivitas 'Keputusan Pinjaman Ditetapkan'.

Atribut ini mengelompokkan setiap pengajuan pinjaman berdasarkan produk keuangan yang diminta. Alur proses, SLA, dan profil risiko tiap produk pinjaman sering kali berbeda.

Analisis proses berdasarkan Jenis Produk Pinjaman penting untuk menghasilkan perbandingan yang bermakna. Pengelompokan ini membantu menjelaskan perbedaan waktu siklus, tingkat persetujuan, dan jalur proses. Contohnya, proses pengajuan KPR biasanya lebih rumit dan lebih lama daripada pinjaman pribadi. Atribut ini memungkinkan perbandingan yang setara dan perbaikan yang lebih terarah.

Memungkinkan Anda mengelompokkan proses untuk membandingkan kinerja dan melihat perbedaan antar lini bisnis, yang sering kali memiliki kebutuhan proses tersendiri.

Ini adalah atribut utama pengajuan pinjaman, biasanya terdapat di tabel pengajuan utama di Temenos. Cari kolom seperti 'PRODUCT_ID' atau 'PRODUCT_CATEGORY'.

Atribut ini menunjukkan jumlah pokok pinjaman yang diajukan. Jumlah pinjaman dapat sangat memengaruhi jalur proses, tingkat pemeriksaan, dan persetujuan yang diperlukan.

Analisis proses berdasarkan jumlah pinjaman membantu Anda melihat apakah pinjaman bernilai lebih tinggi mengikuti proses yang berbeda dan lebih ketat. Analisis ini juga dapat menjelaskan perbedaan waktu siklus dan upaya analisis kredit. Misalnya, pinjaman di atas batas tertentu mungkin memerlukan tahap persetujuan tambahan. Anda dapat melihat dan memvalidasi tahap tersebut dengan process mining.

Memungkinkan analisis berdasarkan nilai pinjaman untuk melihat pengaruh jumlah pinjaman terhadap kerumitan proses, waktu siklus, dan tingkat persetujuan yang diperlukan.

Ini adalah kolom utama pada data pengajuan pinjaman di Temenos. Cari kolom seperti 'AMOUNT' atau 'REQUESTED_AMOUNT'.

Kanal Pengajuan menunjukkan cara nasabah mengirimkan pengajuan. Tiap kanal dapat memiliki kualitas data, ekspektasi nasabah, dan kebutuhan pemrosesan yang berbeda. Hal ini memengaruhi kinerja proses secara keseluruhan.

Analisis proses berdasarkan kanal membantu Anda mengetahui kanal mana yang paling efisien dan kanal mana yang perlu diperbaiki. Contohnya, pengajuan melalui portal online mungkin rata-rata diproses lebih cepat daripada pengajuan di cabang. Wawasan ini berguna untuk menyusun strategi kanal dan mengalokasikan sumber daya.

Memungkinkan analisis kinerja di berbagai kanal interaksi nasabah, sehingga Anda dapat mengoptimalkan proses dan pengalaman pengguna pada tiap kanal.

Informasi ini biasanya dicatat saat proses dimulai dan disimpan pada data utama pengajuan pinjaman. Cari kolom 'SOURCE' atau 'CHANNEL' di Temenos.

Atribut ini menunjukkan pegawai atau anggota tim yang menjalankan tugas tertentu dalam proses pengajuan pinjaman. Dalam process mining, pihak ini sering disebut 'sumber daya'.

Dengan menganalisis kinerja setiap petugas pinjaman, Anda dapat memahami pembagian beban kerja, menemukan kinerja terbaik, dan mengetahui peluang pelatihan atau standardisasi proses. Atribut ini menjadi dasar dashboard kinerja sumber daya dan pengelolaan beban kerja. Manajer dapat menggunakannya untuk meningkatkan efisiensi tim dan menyeimbangkan pembagian tugas.

Mengaitkan tindakan pengguna dengan individu atau tim tertentu, sehingga beban kerja dan kinerja dapat dianalisis serta sumber daya dapat dioptimalkan.

Informasi ini biasanya ditemukan di tabel jejak audit dan sering dikaitkan dengan ID pengguna. Cari kolom seperti 'USER_ID', 'PROCESSED_BY', atau 'OWNER' dalam catatan peristiwa atau transaksi di Temenos.

Skor kredit adalah angka yang menggambarkan kelayakan kredit pemohon, berdasarkan data dari biro kredit. Skor ini menjadi faktor penting dalam analisis kredit dan pengambilan keputusan.

Dalam process mining, skor kredit merupakan atribut konteks yang penting. Anda dapat menggunakannya untuk menganalisis konsistensi keputusan pinjaman dengan membandingkan skor dan hasil akhir. Skor ini juga dapat digunakan untuk mengelompokkan pengajuan dan melihat apakah pengajuan dengan skor lebih rendah membutuhkan waktu pemrosesan lebih lama atau lebih banyak penanganan manual.

Memberikan konteks penting untuk pengambilan keputusan, sehingga Anda dapat menganalisis pengaruh kelayakan kredit terhadap jalur, durasi, dan hasil proses.

Data ini biasanya diterima dari layanan biro kredit eksternal dan disimpan dalam tabel nasabah atau tabel khusus pengajuan di Temenos.

Waktu Selesai menandai selesainya aktivitas tertentu. Waktu Mulai menunjukkan kapan peristiwa dimulai, sedangkan Waktu Selesai diperlukan untuk mengetahui durasinya. Untuk peristiwa yang berlangsung seketika, Waktu Selesai dapat sama dengan Waktu Mulai.

Dalam analisis proses, data waktu mulai dan selesai diperlukan untuk menghitung waktu pemrosesan aktivitas secara akurat. Data ini membantu membedakan waktu saat aplikasi benar-benar dikerjakan dari waktu saat aplikasi menunggu langkah berikutnya. Pembedaan ini penting untuk menemukan hambatan efisiensi yang sebenarnya.

Memungkinkan penghitungan waktu pemrosesan aktivitas secara akurat. Ini penting untuk membedakan waktu kerja aktif dari waktu tunggu saat menganalisis hambatan.

Informasi ini mungkin tersedia sebagai kolom 'END_TIME' terpisah di log audit, atau perlu dihitung menggunakan Waktu Mulai aktivitas berikutnya dalam urutan. Lihat dokumentasi Temenos untuk mengetahui detail pencatatan peristiwa.

Atribut ini memberikan konteks untuk 'Hasil Keputusan'. Untuk pengajuan yang ditolak, atribut ini mencatat alasan penolakan, seperti 'Penghasilan Tidak Memadai', 'Rasio Utang terhadap Penghasilan Terlalu Tinggi', atau 'Riwayat Kredit Buruk'.

Informasi ini sangat berguna untuk mencari akar penyebab penolakan. Dengan menganalisis alasan penolakan yang paling umum, organisasi dapat menemukan masalah pada tahap prakualifikasi, memperbaiki komunikasi dengan nasabah, atau menyesuaikan kriteria pemberian pinjaman. Informasi ini juga mendukung upaya mengurangi pengerjaan ulang dan meningkatkan kualitas pengajuan yang masuk ke proses.

Memberikan konteks penting untuk pengajuan yang ditolak, sehingga Anda dapat mencari akar penyebab, meningkatkan kualitas pengajuan, dan mengurangi pemrosesan yang tidak perlu.

Sering disimpan pada kolom catatan terkait atau kode alasan yang terhubung dengan status keputusan akhir di Temenos.

Atribut ini menunjukkan unit bisnis atau departemen yang menjalankan aktivitas, seperti 'Pengajuan', 'Analisis Kredit', atau 'Penyelesaian'. Atribut ini membantu Anda memahami perpindahan pekerjaan antarbagian organisasi.

Analisis proses berdasarkan departemen penting untuk menemukan inefisiensi lintas fungsi dan keterlambatan saat pekerjaan berpindah tangan. Analisis ini dapat menunjukkan kesenjangan komunikasi atau keterbatasan sumber daya di departemen tertentu, sehingga hambatan dalam organisasi terlihat jelas.

Membantu Anda melihat alur kerja antar tim, menganalisis waktu perpindahan pekerjaan, dan menemukan hambatan dalam organisasi.

Informasi ini sering kali tidak tersedia langsung di log peristiwa. Anda dapat memperolehnya dengan mencocokkan pengguna (atribut 'AssignedLoanOfficer') dengan departemennya menggunakan sumber data induk SDM.

Atribut boolean ini membedakan aktivitas yang dijalankan oleh pengguna dengan aktivitas yang dilakukan sistem otomatis, seperti pemeriksaan kredit otomatis atau aturan validasi awal.

Memahami tingkat otomatisasi penting untuk menemukan peluang meningkatkan efisiensi. Anda dapat membandingkan kecepatan dan konsistensi langkah otomatis dengan langkah manual. Analisis ini membantu menentukan prioritas inisiatif otomatisasi berikutnya dan mengukur dampaknya.

Membedakan aktivitas yang dijalankan sistem dan aktivitas yang dilakukan manusia. Informasi ini penting untuk menemukan peluang otomatisasi dan mengukur dampak otomatisasi yang sudah diterapkan.

Informasi ini sering diperoleh dari pengguna yang terkait dengan aktivitas. Jika pengguna tersebut adalah akun sistem atau layanan, aktivitas ditandai sebagai otomatis. Jenis peristiwa juga dapat menjadi dasar penentuan.

Atribut ini mengelompokkan pemohon ke dalam kategori yang relevan, seperti 'Nasabah Baru', 'Nasabah Lama', atau 'Bisnis'. Proses dapat berbeda menurut jenis pemohon. Contohnya, pengajuan nasabah lama mungkin diproses lebih cepat karena datanya sudah tersedia.

Analisis proses berdasarkan jenis pemohon membantu Anda memahami pengalaman tiap kelompok nasabah. Analisis ini dapat menunjukkan peluang untuk menyederhanakan proses bagi nasabah lama atau memberi dukungan lebih kepada nasabah baru. Pengelompokan ini penting untuk analisis 'Konsistensi Hasil Keputusan Pinjaman'.

Memungkinkan Anda menganalisis perbedaan proses bagi nasabah baru dan nasabah lama, sehingga perjalanan nasabah dapat disesuaikan dan diperbaiki.

Informasi ini biasanya diperoleh dengan memeriksa apakah pemohon sudah memiliki profil atau ID nasabah di Temenos saat mengajukan pinjaman.

Penanda boolean ini mengidentifikasi aktivitas yang menunjukkan pengerjaan ulang, yaitu saat suatu langkah atau rangkaian langkah harus diulang. Contohnya, jika aktivitas 'Dokumen Pendukung Diminta' terjadi setelah 'Analisis Kredit Dimulai', berarti proses kembali ke langkah sebelumnya.

Mendeteksi dan menandai pengerjaan ulang adalah salah satu kegunaan utama process mining. Atribut ini memudahkan penghitungan KPI 'Tingkat Pengerjaan Ulang Pengajuan'. Analisis penyebab pengerjaan ulang, seperti dokumen awal yang tidak lengkap, penting untuk meningkatkan efisiensi proses, mengurangi biaya, dan memperpendek waktu siklus.

Menunjukkan aktivitas yang menjadi bagian dari rangkaian proses yang tidak efisien, sehingga pengerjaan ulang dapat dihitung dan akar penyebabnya dianalisis dengan mudah.

Atribut ini tidak tersedia di sistem sumber. Nilainya dihitung oleh mesin process mining dengan mendeteksi rangkaian aktivitas yang berulang dalam satu kasus.

Atribut boolean ini menandai apakah tahap analisis kredit untuk pengajuan pinjaman melanggar Service Level Agreement (SLA). Penentuannya dilakukan dengan membandingkan durasi aktual proses analisis kredit dengan 'Target SLA Analisis Kredit'.

Penanda ini memudahkan analisis dan pelaporan dengan menunjukkan secara jelas apakah SLA dipatuhi atau tidak. Penanda ini digunakan langsung di dashboard dan KPI untuk memantau tingkat pelanggaran SLA dari waktu ke waktu, berdasarkan produk, atau berdasarkan petugas pinjaman. Dengan begitu, Anda dapat mengelola kinerja dan risiko kepatuhan secara proaktif.

Memberikan indikator sederhana, ya atau tidak, untuk kepatuhan SLA. Anda dapat dengan mudah memfilter, menggabungkan, dan menganalisis frekuensi serta akar penyebab pelanggaran SLA.

Atribut ini tidak tersedia di sistem sumber. Nilainya dihitung dengan mengukur durasi antara aktivitas 'Analisis Kredit Dimulai' dan 'Analisis Kredit Selesai', lalu membandingkannya dengan atribut 'UnderwritingSlaTarget'.

Target SLA Analisis Kredit menetapkan tingkat layanan yang diharapkan untuk tahap analisis kredit, biasanya dalam jam atau hari kerja. Target ini dapat berbeda menurut jenis atau jumlah pinjaman.

Atribut ini menjadi tolok ukur untuk mengukur kinerja aktual. Atribut ini digunakan langsung di dashboard 'SLA Analisis Kredit dan Status Kepatuhan' dan diperlukan untuk menghitung KPI 'Tingkat Pelanggaran SLA'. Analisis pelanggaran membantu menemukan penyebab keterlambatan serta mengelola risiko operasional dan kepatuhan.

Memberikan tolok ukur kinerja yang jelas, sehingga Anda dapat mengukur kepatuhan terhadap SLA dan menemukan pengajuan yang berisiko melewati target.

Nilainya dapat disimpan sebagai nilai tetap berdasarkan aturan bisnis atau sebagai kolom pada pengajuan pinjaman. Nilai ini mungkin berasal dari data induk produk di Temenos.

Wilayah Nasabah menunjukkan lokasi geografis pemohon, seperti 'Amerika Utara', 'Eropa', atau negara bagian tertentu. Atribut ini memungkinkan Anda mengelompokkan proses berdasarkan wilayah.

Analisis kinerja per wilayah dapat mengungkap perbedaan efisiensi proses, tingkat persetujuan, atau popularitas produk. Wawasan ini dapat digunakan untuk pemasaran yang lebih terarah, alokasi sumber daya, serta menemukan praktik terbaik atau tantangan di tiap wilayah.

Memungkinkan analisis geografis untuk membandingkan kinerja proses antarwilayah, menemukan hambatan regional, dan memahami perbedaan pasar.

Informasi ini terdapat dalam profil atau alamat nasabah yang disimpan di Customer Information File (CIF) atau data induk nasabah sejenis di Temenos.