融資プロセスデータテンプレート

アクティビティ名は、「申請提出済み」や「信用調査完了」など、ローンオリジネーションプロセス内の個別のステップまたはマイルストーンを説明します。これらのアクティビティは、各ローン申請のイベントシーケンスを示すプロセスマップの根幹を成します。

これらのアクティビティを分析することで、プロセスフローを視覚化し、一般的な経路を特定し、逸脱を発見し、ボトルネックを特定することができます。アクティビティの順序と頻度は、設計されたプロセスと比較して、実際にプロセスがどのように運用されているかを理解するための基本的な要素です。

プロセスのステップを定義し、プロセスマップの可視化と、プロセスフロー、ボトルネック、逸脱の分析を可能にします。

この情報は通常、Temenos内のイベントログ、ステータス変更レコード、または監査証跡テーブルから導出されます。技術的なステータスコードやイベントタイプから、ユーザーフレンドリーなアクティビティ名へのマッピングが必要となる場合があります。

イベントタイムスタンプは、アクティビティが発生した正確な瞬間を記録します。この時系列データは、イベントを正しく順序付けし、すべての時間ベースのプロセス分析にとって不可欠です。

この属性により、サイクルタイム、処理時間、アクティビティ間の待機時間などの主要なパフォーマンス指標の計算が可能になります。遅延の特定、サービスレベル契約（SLA）に対するパフォーマンスの測定、およびローンオリジネーションプロセスの時間的ダイナミクスの理解に使用されます。正確なタイムスタンプがなければ、プロセスマイニングは不可能です。

このタイムスタンプは、イベントを正しく順序付けし、サイクルタイムやボトルネックなど、すべての期間ベースのメトリクスを計算するために不可欠です。

通常、Temenos内のイベントログまたは監査証跡テーブルのアクティビティまたはステータスフィールドの横にあります。「TIMESTAMP」、「EVENT_DATE」などのフィールドを探してください。

ローン申請IDは、提出から最終決定、資金調達まで、そのライフサイクル全体を通じて個々のローンリクエストを一意に識別します。これは、関連するすべてのアクティビティとデータをグループ化するための中央エンティティとして機能し、特定のローンのオリジネーションジャーニーの完全な追跡を可能にします。

プロセスマイニングにおいて、この属性はケースビューを構築するために不可欠です。各ローン申請IDは単一のエンドツーエンドのプロセスインスタンスを表します。この識別子を通じてデータを分析することで、総サイクルタイム、手戻りループ、最終結果などのケースレベルのメトリクスを計算でき、ローンオリジネーションフローの包括的な理解を提供します。

これは、関連するすべてのイベントを単一のエンドツーエンドプロセスに接続し、プロセス分析を可能にする不可欠なケース識別子です。

これは通常、Temenos内の主要なローン申請または取引エンティティの主キーです。AA.ARRANGEMENTモジュールに関連するものなど、特定のテーブルとフィールド名についてはTemenosのドキュメントを参照してください。

この属性は、アクティビティデータの発生源である情報システムを識別します。複雑なIT環境では、ローンオリジネーションイベントは、フロントエンドポータル、コアバンキングプラットフォーム、文書管理システムなど、複数のシステムに記録される場合があります。

ソースシステムを特定することは、データガバナンス、トラブルシューティング、およびプロセスにおける技術的な接点の理解にとって重要です。データ精度を検証し、異なるプラットフォーム間でのプロセス断片化を明らかにすることができます。

データの起源を特定します。これはデータ検証、トラブルシューティング、プロセス統合の理解にとって重要です。

これは、データ抽出および変換プロセス中に通常追加されるメタデータ属性です。そのシステムからのすべてのレコードについて、「Temenos Transact」のような静的値にすることができます。

このメタデータ属性は、ソースシステムからの最新のデータ抽出または更新の日時を記録します。これはビジネスイベントを表すものではなく、分析されるデータの鮮度を示します。

この情報は、プロセスマイニング分析のタイムリー性を理解し、データガバナンスのために不可欠です。ユーザーがリアルタイムデータ、日次データ、週次データのいずれを見ているのかを知るのに役立ち、その発見と決定のコンテキストを設定します。

データの鮮度を示します。これはデータガバナンスにとって、またユーザーが分析のタイムリーさを理解するために不可欠です。

これは、データ抽出、変換、ロード（ETL）プロセス中に追加されるメタデータ属性です。通常、ETL実行のタイムスタンプに設定されます。

信用スコアは、申請者の信用度を数値化したもので、信用情報機関から取得されます。これは、引受審査および意思決定プロセスにおける重要な要素です。

プロセスマイニングにおいて、信用スコアは重要なコンテキスト属性です。スコアと最終結果を関連付けることで、ローン決定の一貫性を分析するのに役立ちます。また、スコアの低い申請が処理に時間がかかったり、より多くの手動介入を必要としたりするかどうかを確認するために、申請をセグメント化するためにも使用できます。

意思決定のための重要なコンテキストを提供し、信用力がプロセス経路、期間、結果にどのように影響するかを分析できます。

このデータは通常、外部の信用情報機関サービスから受信され、Temenos内の顧客または申請固有のテーブルに保存されます。

この属性は、ローンオリジネーションプロセスで特定のタスクを実行した従業員またはチームメンバーを識別します。プロセスマイニングでは、しばしば「リソース」と呼ばれます。

ローン担当者別にパフォーマンスを分析することは、ワークロードの配分を理解し、トップパフォーマーを特定し、トレーニングやプロセス標準化の機会を発見するのに役立ちます。これは、リソースパフォーマンスとワークロード管理に関連するダッシュボードの基本であり、管理者がチームの効率を最適化し、アサインメントのバランスを取ることを可能にします。

ユーザーアクションを特定の個人またはチームに割り当て、ワークロード分析、パフォーマンス比較、リソース最適化を可能にします。

この情報は、通常、監査証跡テーブル（多くの場合、ユーザーIDにリンクされている）に見られます。Temenos内のイベントまたはトランザクションレコードで、「USER_ID」、「PROCESSED_BY」、または「OWNER」のようなフィールドを探してください。

「決定結果」は、引受審査と承認の段階が完了した後の融資申請の最終ステータスを捕捉します。これはプロセス全体の重要な成果指標です。

この属性は、プロセスの有効性を分析するために不可欠です。承認率と却下率の計算に使用され、信用スコアや申請者タイプなどの他の属性と組み合わせることで、貸付決定の一貫性を評価するのに役立ちます。申請が却下される理由を理解することは、プロセス改善の鍵となります。

プロセスの最終的なビジネス成果を表し、承認率、却下理由、および決定の一貫性の分析を可能にします。

通常、Temenosの主要なローン申請レコードのステータスフィールドとして保存されます。このフィールドは通常、「ローン決定を下す」アクティビティで更新されます。

申請チャネルは、顧客が使用した提出方法を示します。チャネルによってデータ品質、顧客の期待、処理要件が異なり、プロセス全体のパフォーマンスに影響を与えます。

チャネル別にプロセスを分析することで、どのチャネルが最も効率的で、どのチャネルがプロセス改善を必要としているかを特定できます。たとえば、オンラインポータルからの申請は、支店で提出されたものよりも平均して速い場合があります。この洞察は、チャネル戦略とリソース配分を最適化するために価値があります。

異なる顧客インタラクションチャネル全体でのパフォーマンス分析を可能にし、チャネル固有のプロセスとユーザーエクスペリエンスの最適化を支援します。

この情報は通常、プロセスの開始時に取得され、主要なローン申請レコードに保存されます。Temenos内で「SOURCE」または「CHANNEL」フィールドを探してください。

終了時刻は、特定のアクティビティの完了を示します。開始時刻がイベントの開始を示しますが、その継続時間を理解するには終了時刻が必要です。瞬間的なイベントの場合、終了時刻は開始時刻と同じになることがあります。

プロセス分析において、開始時刻と終了時刻の両方を持つことは、アクティビティの処理時間を正確に計算するために不可欠です。これにより、申請が実際に作業されている時間（処理時間）と、次のステップを待機している時間（待機時間）とを区別することができ、真の効率ボトルネックを特定する上で重要となります。

アクティビティの処理時間を正確に計算することを可能にします。これは、ボトルネック分析において、実際の作業時間とアイドル状態の待機時間を区別するために不可欠です。

これは監査ログで個別の「END_TIME」フィールドとして利用できる場合もあれば、シーケンス内の後続アクティビティの開始時刻を使用して導出する必要がある場合もあります。イベントロギングの詳細についてはTemenosのドキュメントを参照してください。

この属性は、要求されている金融商品に基づいて各ローン申請を分類します。異なるローン商品は、多くの場合、明確なプロセスフロー、SLA、およびリスクプロファイルを持っています。

ローン商品タイプ別にプロセス分析をセグメント化することは、意味のある比較のために不可欠です。これにより、サイクルタイム、承認率、およびプロセスパスの変動を説明するのに役立ちます。たとえば、住宅ローンの申請プロセスは、個人ローンプロセスよりも本質的に複雑で時間がかかります。この属性により、公平な比較とターゲットを絞った改善が可能になります。

プロセスをセグメント化して、異なる事業ライン間でのパフォーマンスを比較し、ばらつきを特定できます。事業ラインごとに独自のプロセス要件があることが多いため、この機能は重要です。

これはローン申請の中核属性であり、通常Temenosの主要な申請テーブルにあります。「PRODUCT_ID」や「PRODUCT_CATEGORY」に関連するフィールドを探してください。

この属性は、申請されているローンの元本額を表します。ローン金額は、プロセス経路、審査レベル、および必要な承認に大きな影響を与える可能性があります。

ローン金額に基づいてプロセスを分析することで、高額ローンが異なる、より厳格なプロセスを辿るかどうかを理解するためのセグメンテーションが可能になります。これは、サイクルタイムと引受審査の労力の変動を説明するのに役立ちます。たとえば、特定のしきい値を超えるローンは追加の承認ステップを必要とする場合があり、これをプロセスマイニングで可視化し、検証することができます。

金額ベースの分析を可能にし、融資額がプロセスの複雑性、サイクルタイム、必要な承認レベルにどのように影響するかを確認できます。

これはTemenosのローン申請レコードにおける基本的なフィールドです。「AMOUNT」や「REQUESTED_AMOUNT」のようなフィールドを探してください。

引受SLA目標は、引受審査段階に対する期待されるサービスレベル契約を定義し、通常は営業時間または日数で測定されます。この目標は、ローン商品タイプや金額などの要因によって異なる場合があります。

この属性は、実際のパフォーマンスが測定されるベンチマークとして機能します。「引受SLA＆コンプライアンスステータス」ダッシュボードで直接使用され、「SLA違反率」KPIの計算に必要です。違反を分析することで、遅延の原因を特定し、運用リスクとコンプライアンスリスクを管理するのに役立ちます。

パフォーマンスの明確なベンチマークを提供し、SLA遵守の測定と目標違反のリスクがある申請の特定を可能にします。

これはビジネスルールに基づいて静的値として保存される場合もあれば、ローン申請のフィールドとして、Temenosの製品マスターデータから導出される可能性もあります。

処理時間とは、アクティビティの「終了時間」と「開始時間」の差として計算される、アクティブな作業時間を表す計算メトリックです。アクティビティ間の待機時間とは対照的です。

このメトリックはボトルネック分析の基本です。処理時間と待機時間を分離することで、アナリストは遅延が非効率なアクティビティ（長い処理時間）によって引き起こされているのか、それともキューや引き渡し遅延（長い待機時間）によって引き起こされているのかを判断できます。これは改善 effortsを正しく目標設定するために不可欠です。

アクティビティの実際の作業時間を測定し、ボトルネック分析においてプロセス非効率性と待機時間を区別するのに役立ちます。

この属性はソースシステムには存在しません。各アクティビティの「EndTime」から「EventTimestamp」（StartTime）を差し引くことで、データ変換中に計算されます。

このBoolean属性は、ローン申込の融資審査工程がサービスレベル合意（SLA）を遵守しているかを判定する計算フラグです。実際の審査期間と「Underwriting SLA Target」を比較して算出されます。

このフラグによってSLA遵守状況が明確な二値指標として可視化されるため、分析やレポート作成が容易になります。ダッシュボードやKPIで直接活用することで、期間・商品・担当者別のSLA超過率を追跡し、パフォーマンス改善やコンプライアンスリスクの管理に役立てることができます。

SLAコンプライアンスに関する単純なYes/Noインジケーターを提供し、SLA違反の頻度と根本原因のフィルタリング、集計、分析を容易にします。

この属性はソースシステムにはありません。「引受審査開始」と「引受審査完了」のアクティビティ間の期間を測定し、「UnderwritingSlaTarget」属性と比較することで算出されます。

このブール型フラグは、手戻りを表すアクティビティを識別します。これは、ステップまたは一連のステップが繰り返されなければならなかったことを意味します。たとえば、「引受審査開始」の後に「追加書類請求」が発生した場合、プロセスがループバックしていることを示します。

手戻りを検出しフラグを立てることは、プロセスマイニングの中核的な強みです。この属性により、「申請手戻り率」KPIを簡単に定量化できます。初期申請の不備など、手戻りの原因を分析することは、プロセス効率の向上、コスト削減、サイクルタイムの短縮に不可欠です。

非効率なプロセスループの一部であるアクティビティを強調表示し、手戻りの定量化と根本原因分析を容易にします。

この属性はソースシステムにはありません。プロセスマイニングエンジンが単一のケース内で繰り返されるアクティビティシーケンスを検出することによって計算されます。

この属性は、「決定結果」のコンテキストを提供します。却下された申請については、「収入不足」、「高DTI比率」、「信用履歴不良」など、根底にある理由を特定します。

この情報は、却下の根本原因分析にとって非常に貴重です。最も一般的な却下理由を分析することで、組織は事前審査段階の問題を特定し、顧客とのコミュニケーションを改善し、または貸付基準を調整することができます。これは、手戻りを減らし、パイプラインに入る申請全体の品質を向上させるための取り組みを直接サポートします。

却下された申請に対して重要なコンテキストを提供し、申請品質の向上と不要な処理の削減のための根本原因分析を可能にします。

多くの場合、テメノス内の最終決定ステータスにリンクされた関連するメモまたは理由コードフィールドに保存されます。

この属性は、申請者を「新規顧客」、「既存顧客」、「法人」などの意味のあるグループにセグメント化します。既存顧客の処理は既存データのために速いなど、申請者のタイプに基づいてプロセスが異なる場合があります。

申請者タイプ別にプロセスを分析することは、異なる顧客セグメントがプロセスをどのように経験するかを理解するのに役立ちます。既存顧客のジャーニーを効率化したり、新規顧客により多くのサポートを提供したりする機会を明らかにすることができます。このセグメンテーションは、「ローン決定結果の一貫性」分析にとって重要です。

新規顧客と既存顧客でプロセスが異なるかどうかを分析するためのセグメンテーションを可能にし、顧客ジャーニーの調整と改善を支援します。

この情報は通常、申請時にTemenos内に申請者の既存の顧客プロファイルまたはIDがあるかどうかを確認することによって導出されます。

このブール型属性は、人間ユーザーが実行するアクティビティと、自動信用調査や初期検証ルールなどの自動化システムが実行するアクティビティを区別します。

自動化レベルを理解することは、さらなる効率化の機会を特定する上で重要です。これにより、自動化されたステップと手動のステップの速度と一貫性を比較できます。この分析は、将来の自動化イニシアチブを優先順位付けし、その影響を測定するのに役立ちます。

システム主導型と人間主導型のアクティビティを区別します。これは、自動化の機会を特定し、既存の自動化の影響を測定するために不可欠です。

これは多くの場合、アクティビティに関連付けられたユーザーに基づいて導出されます。ユーザーがシステムまたはサービスアカウントである場合、アクティビティは自動化されたものとしてフラグ付けされます。イベントタイプ自体に基づくこともあります。

この属性は、「オリジネーション」、「引受審査」、「クロージング」など、特定のアクティビティを実行したビジネスユニットまたは部門を示します。これにより、組織の異なる部門間の引き渡しを理解するのに役立ちます。

部門別にプロセスを分析することは、部門間の非効率性や引き渡し時の遅延を特定するために不可欠です。特定の部門内のコミュニケーションギャップやリソース制約を浮き彫りにし、組織のボトルネックを明確に可視化します。

異なるチーム間のワークフローを可視化し、引き渡し時間や組織的なボトルネックの分析を可能にします。

これは、イベントログに直接存在するフィールドではないことがよくありますが、ユーザー（「AssignedLoanOfficer」属性）をHRマスターデータソースを使用してそれぞれの部門にマッピングすることで導出できます。

顧客地域は、申請者の地理的位置（「北米」、「ヨーロッパ」、または特定の州など）を提供します。これにより、プロセスの地理的セグメンテーションが可能になります。

地域別のパフォーマンスを分析することで、プロセス効率、承認率、または製品の人気度における地域差を明らかにできます。この洞察は、ターゲットマーケティング、リソース配分、および地域ごとのベストプラクティスや課題の特定に利用できます。

地域別分析を可能にし、異なる地域間のプロセスパフォーマンスを比較し、地域固有のボトルネックを特定し、市場の違いを理解できます。

この情報は、Temenos内の顧客情報ファイル（CIF）またはそれに相当する顧客マスターデータに保存されている顧客のプロファイルまたは住所詳細の一部です。