Il Suo template dei dati per l’inserimento dei clienti KYC

Questo attributo registra il nome di un’attività aziendale o di un evento di sistema, ad esempio «Domanda inviata», «Revisione di conformità avviata» o «Domanda respinta». Rappresenta una singola fase del processo complessivo di inserimento del cliente.

L’analisi delle attività è alla base del Process Mining. Questo attributo viene utilizzato per creare la mappa del processo e mostrare il flusso tra le diverse fasi. Aiuta a individuare la sequenza degli eventi, misurare la frequenza di ciascuna attività e identificare le attività più comuni o che richiedono più tempo.

Questo attributo definisce le fasi della mappa del processo e permette di visualizzare, analizzare e comprendere il flusso del processo.

Queste informazioni sono in genere registrate nella cronologia di audit di Pega (tabelle della cronologia) oppure possono essere ricavate dalle modifiche di stato del caso.

La domanda del cliente è l’identificativo principale del caso e raggruppa tutte le attività e gli eventi relativi al percorso di inserimento di un singolo cliente. Ogni domanda segue un percorso che va dall’invio all’approvazione e all’attivazione del conto oppure al rifiuto.

Nel Process Mining, questo attributo è essenziale per ricostruire il percorso completo di ogni domanda. Consente agli analisti di visualizzare la sequenza completa degli eventi, monitorare lo stato di ciascuna domanda e confrontare i diversi percorsi. L’analisi dei casi in base a questo ID aiuta a individuare le varianti di processo più comuni, i colli di bottiglia e gli scostamenti dalla procedura standard.

Questo ID è alla base del Process Mining, perché collega i singoli eventi in istanze di processo coerenti e complete, dall’inizio alla fine, pronte per l’analisi.

In genere è l’ID principale del caso in Pega, spesso disponibile come pzInsKey o con un nome equivalente più comprensibile per l’azienda nell’oggetto di lavoro del tipo di caso principale.

Questo attributo registra la data e l’ora esatte di inizio di un’attività. Definisce l’ordine cronologico di tutti gli eventi relativi a un singolo caso di domanda del cliente.

Le marche temporali sono fondamentali per analizzare le prestazioni del processo. Servono a calcolare la durata delle attività, i tempi di attesa tra una fase e l’altra e il tempo di ciclo complessivo del processo di inserimento. Questi dati sono essenziali per individuare i colli di bottiglia, misurare il rispetto degli SLA e comprendere l’efficienza del processo.

Le marche temporali forniscono il contesto cronologico necessario per calcolare le durate, analizzare le prestazioni del processo e individuare i ritardi.

È un dato standard della cronologia di audit di Pega, spesso registrato come pxTimeCreated nelle tabelle della cronologia di ciascun evento.

Questo attributo memorizza la data prevista per il completamento di una domanda, definita dall’accordo sul livello di servizio (SLA). L’SLA può variare in base a fattori quali il tipo di cliente, il livello di rischio o il prodotto.

Questa data è essenziale per la Dashboard «Monitoraggio del rispetto degli SLA» e per il relativo KPI. Costituisce il valore di riferimento con cui confrontare la data effettiva di completamento. Analizzare i casi che non rispettano l’obiettivo SLA aiuta a individuare ritardi sistemici e a stabilire le priorità per i miglioramenti del processo, così da rispettare gli impegni di servizio.

Fornisce il valore di riferimento per misurare il rispetto delle scadenze, un aspetto fondamentale per la soddisfazione dei clienti e il controllo operativo.

Pega include un framework per la gestione degli SLA. Questa data è in genere memorizzata in proprietà come pySLAGoal o in una proprietà SLA personalizzata del caso.

Questo attributo rappresenta il rischio valutato per il cliente, spesso classificato come «Basso», «Medio» o «Alto». In genere, il livello di rischio viene determinato da un motore di valutazione automatizzato sulla base dei dati del cliente e dei risultati dei controlli.

Il livello di rischio influisce in modo significativo sulle varianti del processo. Le domande ad alto rischio richiedono spesso ulteriori verifiche, come una revisione di conformità approfondita, e comportano tempi di ciclo più lunghi. L’analisi del processo per livello di rischio aiuta a motivare queste differenze e a verificare che i controlli del rischio siano efficaci senza causare ritardi ingiustificati.

Spiega le variazioni del percorso e della durata del processo, poiché il livello di rischio determina spesso il grado di verifica richiesto.

Si tratta di una proprietà calcolata del caso, valorizzata da una regola decisionale o da un modello di valutazione di Pega. Consultare la documentazione di Pega KYC.

Quando lo stato finale di una domanda è «Respinta», questo attributo indica il motivo specifico, ad esempio «Controllo dei precedenti non superato», «Documentazione incompleta» o «Profilo di rischio elevato».

Questo attributo è il principale riferimento per la Dashboard «Analisi delle domande respinte». Suddividendo i casi respinti in base al motivo, l’azienda può individuare i punti in cui il processo di inserimento non va a buon fine più spesso. Queste informazioni sono essenziali per introdurre miglioramenti mirati, ridurre il tasso di rifiuto, migliorare l’esperienza del cliente e aumentare l’efficienza operativa.

Fornisce indicazioni utili sui motivi per cui le domande non vanno a buon fine e permette di introdurre miglioramenti mirati al processo per aumentare il tasso di successo.

Probabilmente si tratta di una proprietà specifica impostata sul caso quando passa allo stato «Respinta». Consultare la documentazione di Pega KYC per individuare i campi standard relativi ai motivi del rifiuto.

Questo attributo registra la data e l’ora esatte di fine di un’attività. Insieme all’ora di inizio, consente di calcolare il tempo di elaborazione delle singole attività.

Disporre di un’ora di fine distinta permette di analizzare le prestazioni con maggiore precisione. Aiuta a distinguere il tempo di elaborazione effettivo, ossia l’intervallo tra l’ora di inizio e quella di fine, dal tempo di attesa, cioè l’intervallo tra l’ora di fine di un’attività e l’ora di inizio della successiva. Questa distinzione è essenziale per individuare i veri colli di bottiglia e distinguerli dalle code.

Consente di calcolare con precisione il tempo di elaborazione delle attività, indispensabile per un’analisi dettagliata delle prestazioni e per individuare i colli di bottiglia.

Potrebbe essere disponibile nella cronologia di audit di Pega oppure potrebbe essere necessario ricavarlo usando come ora di fine dell’evento corrente l’ora di inizio dell’evento successivo.

Questo attributo identifica l’unità organizzativa o il team a cui appartiene l’utente che ha eseguito l’attività, ad esempio «Team di controllo», «Conformità» o «Gestione dell’inserimento».

L’analisi del processo per reparto è fondamentale per la Dashboard «Distribuzione del carico di lavoro per reparto». Aiuta i responsabili a capire come il lavoro passa da un team all’altro, a individuare i colli di bottiglia tra le diverse funzioni e a valutare l’allocazione delle risorse nell’intero processo di inserimento. È essenziale per ottimizzare i passaggi di consegne e bilanciare i carichi di lavoro.

Consente di analizzare il flusso del processo e i colli di bottiglia tra diverse unità aziendali, supportando la gestione delle risorse e l’ottimizzazione organizzativa.

Queste informazioni sono in genere associate al profilo dell’utente in Pega (record Operator ID) e possono essere unite ai dati degli eventi. La proprietà potrebbe essere pyWorkGroup.

Questo attributo indica lo stato complessivo della domanda al termine del processo, ad esempio «Approvata», «Respinta» o «Ritirata». Può anche riportare l’ultimo stato noto per i casi ancora in corso.

È una dimensione fondamentale per l’analisi degli esiti. Viene utilizzato direttamente nella Dashboard «Analisi delle domande respinte» per segmentare i casi e capire perché si verificano determinati esiti. Analizzare i flussi di processo che portano ai diversi stati aiuta a individuare le prassi efficaci nei casi approvati e le cause profonde dei rifiuti.

Definisce l’esito aziendale di un caso e consente di confrontare in modo approfondito i percorsi conclusi con successo con quelli che non hanno avuto esito positivo.

In genere è lo stato finale (pyStatusWork) dell’oggetto di lavoro del caso in Pega.

Questo attributo memorizza l’ID del dipendente o dell’utente di sistema responsabile del completamento di una specifica attività nel processo KYC, ad esempio un addetto alla conformità o un agente automatico di controllo. Per le fasi automatizzate, può trattarsi dell’ID di un account di sistema o di servizio.

L’analisi per utente aiuta a comprendere la distribuzione del carico di lavoro, le prestazioni individuali e le esigenze di formazione. Può inoltre servire a indagare sugli scostamenti dal processo, identificando gli utenti o i team coinvolti nei flussi non standard.

Questo attributo collega le attività del processo a singole persone o team e consente di analizzare il carico di lavoro, valutare le prestazioni e svolgere controlli di conformità.

È un campo standard nella cronologia di audit di Pega, in genere memorizzato come pxUpdateOperator o in una proprietà simile nelle tabelle della cronologia.

Questo attributo booleano è impostato su vero se l’attività è stata eseguita da un agente automatizzato, come un motore di controllo o una regola di sistema, e su falso se è stata svolta da una persona.

Distinguere le attività automatizzate da quelle manuali è fondamentale per l’analisi dell’automazione. Aiuta a misurare l’efficacia dell’automazione esistente, a individuare le attività manuali che potrebbero essere automatizzate in futuro e a comprendere l’interazione tra le persone e i sistemi nel processo.

Distingue le attività svolte dalle persone da quelle eseguite dai sistemi, un aspetto fondamentale per qualsiasi iniziativa o analisi sull’automazione.

Può essere ricavato dall’ID utente associato all’evento. Se OperatorId corrisponde a un account di sistema o di agente noto, l’indicatore viene impostato su vero.

Questo attributo è l’ID univoco che collega la domanda al record del cliente nel sistema dei dati master. Identifica la persona o l’organizzazione oggetto del processo KYC.

L’ID della domanda monitora il processo, mentre l’ID cliente consente di analizzare più domande dello stesso cliente o di arricchire i dati del processo con attributi specifici del cliente, come il segmento o la cronologia. In questo modo è possibile osservare il processo di inserimento dal punto di vista del cliente.

Collega i dati del processo ai dati master dei clienti e consente analisi più approfondite basate sugli attributi e sulla cronologia dei clienti.

È una proprietà fondamentale del caso KYC, che lo collega al modello dei dati del cliente in Pega o in un CRM esterno.

Questo attributo memorizza il paese associato al cliente da inserire. È un dato importante per la valutazione del rischio e per determinare il livello di verifica richiesto.

L’analisi del paese del cliente può rivelare schemi significativi. Alcune giurisdizioni possono essere associate a un rischio più elevato e comportare processi di inserimento più lunghi e complessi. Questa dimensione consente di analizzare le prestazioni su base geografica e aiuta a verificare che i requisiti normativi regionali siano rispettati in modo efficiente.

Consente di analizzare il processo su base geografica, un aspetto spesso legato alla complessità normativa e ai livelli di rischio.

È una proprietà dell’oggetto dati del cliente associato al caso.

Questo attributo specifica il prodotto o il servizio per cui viene inserito il cliente, ad esempio «Conto bancario per privati», «Prestito aziendale» o «Servizi di investimento».

Il prodotto può influire sul processo di inserimento, poiché prodotti diversi possono avere requisiti normativi e livelli di complessità differenti. Analizzare il processo per prodotto aiuta a individuare le linee di prodotto con tempi di ciclo più lunghi o tassi di rifiuto più elevati e fornisce indicazioni per ottimizzare i processi specifici.

Consente di segmentare l’analisi del processo per linea di prodotto, mettendo in luce le differenze nelle prestazioni e le opportunità di ottimizzazione.

È una proprietà del caso, selezionata all’inizio del processo di domanda.

Questo attributo booleano è impostato su vero se una specifica attività, come «Revisione dei documenti», si verifica più di una volta nello stesso caso. Spesso viene attivato da eventi come «Ulteriori informazioni richieste».

Individuare le rilavorazioni è essenziale per rilevare le inefficienze del processo e i punti di attrito per il cliente. La Dashboard «Rilavorazioni e cicli del processo» utilizza questo attributo per quantificare la frequenza e l’impatto delle rilavorazioni. Ridurle è spesso un obiettivo prioritario, perché permette di velocizzare l’elaborazione, contenere i costi operativi e migliorare l’esperienza del cliente.

Mette in evidenza inefficienze, attività ridondanti e cicli del processo, che sono tra i principali ambiti su cui intervenire per migliorarlo.

Questo indicatore viene ricavato durante l’analisi dei dati, verificando se lo stesso nome di attività compare più volte per un ID del caso. Ad esempio, se «Revisione dei documenti completata» compare una seconda volta.

Questo attributo specifica l’applicazione di origine in cui è stato registrato l’evento. Per questo processo, il valore sarebbe sempre «Pega KYC».

Anche se può sembrare ridondante quando tutti i dati provengono da un unico sistema, questo attributo è fondamentale per la governance dei dati e diventa indispensabile quando si integrano dati provenienti da più sistemi. Chiarisce la provenienza dei dati e aiuta a risolvere i problemi di integrazione.

Fornisce un contesto essenziale sull’origine dei dati, supporta la governance dei dati e consente l’analisi di più sistemi di origine.

In genere è un valore statico aggiunto durante l’estrazione e la trasformazione dei dati per indicare l’origine del set di dati.

Questo attributo monitora lo stato dei documenti richiesti per il processo KYC, con valori quali «In attesa del cliente», «Ricevuto», «Verificato» o «Respinto». Lo stato può cambiare più volte nel corso di un singolo caso.

È un attributo chiave per la Dashboard «Volume e stato dell’inserimento» e per l’analisi «Velocità di verifica dei documenti». Consente di osservare nel dettaglio una delle aree in cui si verificano più spesso colli di bottiglia. Monitorando per quanto tempo i documenti rimangono in ciascuno stato, l’azienda può individuare i ritardi nell’invio da parte del cliente o nella revisione interna.

Rende visibile il sottoprocesso di gestione dei documenti e aiuta a individuare e risolvere i ritardi più comuni nella loro verifica.

Probabilmente si tratta di una proprietà di un oggetto dati correlato o di un elenco di pagine associato al caso principale, che monitora ciascun documento richiesto. Consultare la documentazione di Pega KYC.

Questo attributo classifica ogni caso completato come «Nei tempi» o «In ritardo», confrontando la marca temporale effettiva di completamento con la «Data obiettivo SLA».

È la metrica principale della Dashboard «Monitoraggio del rispetto degli SLA» e del KPI «Tasso di rispetto degli SLA». Offre una panoramica chiara e immediata delle prestazioni rispetto agli impegni di servizio. Analizzare le caratteristiche dei casi in ritardo aiuta a individuare le cause profonde dei ritardi e a ridurre il rischio di future violazioni degli SLA.

Misura direttamente il rispetto degli impegni, un aspetto fondamentale per la gestione operativa, la conformità e la soddisfazione dei clienti.

Si ricava confrontando la marca temporale dell’ultima attività del caso con il campo SlaTargetDate. Se il completamento avviene dopo la data obiettivo, lo stato è «In ritardo».

Questa metrica calcolata misura la durata complessiva di ciascuna domanda del cliente, dal primo all’ultimo evento. In genere si calcola come differenza tra la marca temporale dell’ultima attività e quella della prima per un determinato caso.

Il tempo di ciclo è un indicatore chiave di prestazione (KPI) dell’efficienza del processo e dell’esperienza del cliente. Viene utilizzato nella Dashboard «Analisi complessiva del tempo di ciclo dell’inserimento» per monitorare i tempi medi di elaborazione, individuare i casi che richiedono più tempo e seguire nel tempo l’impatto delle iniziative di miglioramento del processo.

È un KPI fondamentale che misura direttamente la velocità e l’efficienza complessive del processo di inserimento dal punto di vista del cliente.

Questa metrica viene calcolata nello strumento di Process Mining sottraendo la marca temporale minima da quella massima per ciascun ID del caso.

Questo attributo classifica la domanda di inserimento, ad esempio «Cliente privato», «Cliente aziendale» o «Persona con patrimonio elevato». Tipi di caso diversi seguono spesso varianti di processo distinte, con fasi, SLA e profili di rischio differenti.

L’analisi del processo per tipo di caso permette di confrontare le prestazioni in modo più significativo. Aiuta a capire se alcuni tipi di inserimento sono più soggetti a ritardi o rifiuti. Questa segmentazione è essenziale per adattare i miglioramenti del processo alle esigenze specifiche dei diversi percorsi dei clienti.

Consente di suddividere i dati del processo in categorie distinte e di analizzare le prestazioni in modo più accurato e pertinente.

In genere è il nome della classe dell’istanza del caso in Pega oppure una proprietà dedicata del caso che ne definisce il tipo.

Questo attributo indica il momento più recente in cui i dati sono stati estratti dal sistema di origine. Di solito il valore è uguale per tutti i record di un singolo caricamento dei dati.

Questa marca temporale è importante per capire quanto sono aggiornati i dati analizzati. Consente agli utenti di sapere a quale momento si riferisce l’analisi del processo e quando è previsto il successivo aggiornamento dei dati, un’informazione essenziale per le Dashboard di monitoraggio operativo.

Indica quanto sono aggiornati i dati, così gli utenti possono capire se l’analisi riflette la situazione attuale o un periodo passato.

Questo valore viene generato e aggiunto al set di dati durante il processo di estrazione, trasformazione e caricamento (ETL).