Uw KYC-onboarding van klanten datatemplate

De activiteitsnaam beschrijft een enkele stap of mijlpaal in de customer onboardingtraject, zoals 'Initial Screening Performed' of 'Application Approved'. Deze reeks activiteiten vormt de basis van de proceskaart.

Het analyseren van dit attribuut maakt de visualiseren van de processtroom, identificatie van gemeenschappelijke en alternatieve paden, en meting van de frequentie van elke stap mogelijk. Het is belangrijk voor het begrijpen welke acties worden uitgevoerd en in welke volgorde.

Dit attribuut definieert de stappen in het proces, waardoor de creatie van een proceskaart en analyse van processtroom en variaties mogelijk is.

Deze Informatie is doorgaans te vinden in Fenergo's workflow of auditlogtabellen, geassocieerd met case state transitions of taakvoltooiingen.

De Klant Application is de centrale kenmerk die alle gerelateerde activiteiten en gebeurtenissen groepeert voor het KYC onboarding proces van een enkele klant. Het maakt end-to-end tracking van een applicatie mogelijk, van initiële indiening tot uiteindelijke oplossing, of deze nu is goedgekeurd, afgewezen of gesloten.

In process mining is dit attribuut onmisbaar bij het reconstrueren van het volledige traject van elke applicatie. Het maakt de analyse van processtromen, doorlooptijden, variaties en knelpunten per applicatie mogelijk, en biedt een duidelijk beeld van hoe individuele cases worden afgehandeld.

Dit is de essentiële Case-ID die alle gerelateerde gebeurtenissen verbindt, waardoor het mogelijk wordt om het end-to-end customer onboardingproces te analyseren.

Dit is doorgaans de primary key in Fenergo's core case management of client levenscyclus management entity.

Dit attribuut registreert de exacte datum en tijd waarop een specifieke activiteit startte. Het biedt de chronologische volgorde die nodig is om de processtroom te reconstrueren en is belangrijk voor alle tijdgebonden analyses.

In process mining wordt de starttijd gebruikt om de duur van activiteiten, de wachttijd ertussen, en de algehele doorlooptijd van de case te berekenen. Het vormt de tijdsbasis van de event log en is kritisch voor prestaties en bottleneckanalyse.

Deze timestamp is belangrijk voor het chronologisch ordenen van gebeurtenissen en het berekenen van alle tijdgebonden meetwaarden zoals doorlooptijden en doorlooptijden.

Gevonden in Fenergo's audit trail, event log, of workflow history tabellen, vaak gelabeld als 'Timestamp', 'StartDate', of 'CreationDate'.

Dit attribuut identificeert het oorspronkelijke systeem voor de gebeurtenis data. Voor dit proces zal dit consistent Fenergo zijn, maar in blended datasets helpt het om databronnen te differentiëren.

Het belangrijkste gebruik in analyse is om data van specifieke systemen te filteren of om dataherkomst te verifiëren. Het zorgt voor duidelijkheid in omgevingen waar data van meerdere systemen gecombineerd kan worden voor een volledig procesoverzicht.

Identificeert de herkomst van de data, wat belangrijk is voor data governance, validatie en het waarborgen dat de analyse gebaseerd is op de juiste bron.

Dit is doorgaans een statische waarde die tijdens het data-extractieproces wordt toegevoegd om de herkomst van het records te labelen.

Dit attribuut registreert de datum en tijd van de meest recente data refresh. Het biedt context voor de relevantie van de geanalyseerde data en is belangrijk voor het begrijpen van de tijdigheid van de inzichten.

In dashboards en rapporten wordt deze Informatie gebruikt om gebruikers te Informapakketmeren over de relevantie van de data. Het helpt verwachtingen te managen over of de analyse real-time operations of een historische snapshot geeft weer.

Biedt belangrijke context over de relevantie van de data, zodat gebruikers begrijpen hoe actueel de procesanalyse is.

Deze waarde wordt gegenereerd en gestempeld op de dataset tijdens het data-extractie and loading (ETL) proces.

Dit attribuut biedt de organisatorische context voor de gebruiker die een activiteit heeft uitgevoerd, zoals 'Compliance', 'Onboarding Operations' of 'Sales'. Het wordt vaak afgeleid van gebruikersprofiel Informatie.

Deze dimensie is belangrijk voor het analyseren van procesoverdrachten tussen verschillende afdelingen en het vinden van cross-functionele knelpunten. Het ondersteunt direct het 'Staff Activiteit Distribution' dashboard door aggregatie van werk op team- of afdelingsniveau mogelijk te maken.

Maakt analyse van procesprestaties per afdeling mogelijk, waarbij interdepartementale overdrachten, vertragingen en werkdrukverdeling worden belicht.

Dit moet mogelijk worden gekoppeld vanuit een aparte user of HR stamdata tabel met behulp van de 'InitiatingGebruiker' ID. Fenergo kan dit ook opslaan als onderdeel van het user's profile.

Dit attribuut geeft de status van de applicatie aan aan het einde van het proces of de huidige staat indien nog lopende. Veelvoorkomende waarden zijn 'Approved', 'Rejected' of 'In Progress'.

Dit is een kritische dimensie voor uitkomstanalyse. Het maakt het filteren en vergelijken van processtromen mogelijk op basis van hun uiteindelijke resultaat, wat belangrijk is voor het 'Application Rework and Rejection' dashboard en voor het berekenen van KPI's zoals de Application Rejection Rate.

Definieert de uitkomst van een case, waardoor krachtige analyse mogelijk is om paden van goedgekeurde versus afgewezen applicaties te vergelijken en succespercentages te begrijpen.

Dit is doorgaans de definitieve status die is vastgelegd op de case entity in Fenergo's case management systeem.

Dit attribuut registreert de exacte datum en tijd waarop een specifieke activiteit eindigde. Het vormt een aanvulling op de starttijd om de actieve duur van een taak te definiëren.

In process mining wordt de eindtijd gebruikt met de starttijd om de verwerkingstijd voor elke activiteit te berekenen. Dit is belangrijk voor het vinden welke stappen in het proces de meeste tijd verbruiken en voor het analyseren van bron efficiëntie.

Maakt de berekening van activity verwerkingstijden mogelijk, wat fundamenteel is voor het vinden van langlopende taken en prestaties knelpunten.

Gevonden in Fenergo's audit trail of workflow history tabellen, vaak gelabeld als 'EndDate', 'CompletionDate', of afgeleid van de starttijd van de daaropvolgende gebeurtenis.

Dit attribuut identificeert de specifieke medewerker of systeemgebruiker die verantwoordelijk is voor het uitvoeren van een bepaalde taak of gebeurtenis. Het kan een unieke user ID, een naam of een rol zijn.

Analyseren per gebruiker helpt bij het begrijpen van de werklastverdeling, individuele prestaties en het vinden van trainingsbehoeften. Het is belangrijk voor het 'Staff Activiteit Distribution' dashboard en voor het inzoomen op activiteiten die door specifieke individuen of teams worden uitgevoerd.

Traceert welke gebruiker een actie heeft uitgevoerd, waardoor analyse van werklastverdeling, team prestaties en bron-allocatie mogelijk is.

Deze Informatie wordt doorgaans opgeslagen in Fenergo's auditlogs of taakgeschiedenistabellen, samen met de gebeurtenis details, vaak als 'GebruikerID', 'GebruikerNaam' of 'ModifiedBy'.

De Risk Score is een kwantitatieve maatstaf voor het potentiële risico dat aan een klant is verbonden, berekend op basis van verschillende factoren zoals jurisdictie, branche en screeningresultaten. Fenergo's rules engine berekent doorgaans deze score.

Dit attribuut maakt correlatie mogelijk tussen risiconiveaus en procesgedrag. Analyse kan bijvoorbeeld uitwijzen of klanten met een hoog risico langere doorlooptijden ervaren of meer handmatige interventie vereisen, wat nuttig is voor het 'Risk & Compliance Review Deep Dive' dashboard.

Kwantificeert klantrisico, waardoor analyses mogelijk zijn over hoe risiconiveaus de procesduur, herstelwerk en resultaten beïnvloeden.

Dit is een belangrijke output van Fenergo's Client Risk Assessment module. Het wordt opgeslagen op de case of cliëntentiteit.

De SLA Target Date representeert de overeengekomen deadline voor het voltooien van het gehele onboarding proces voor een klantapplicatie. Het is een kritische benchmark waartegen de werkelijke prestaties worden gemeten.

Dit attribuut is belangrijk voor het 'SLA Compliance Monitoring' dashboard en voor het berekenen van de 'SLA Adherence Rate' KPI. Het maakt proactief beheer van cases mogelijk die dreigen hun SLA te overschrijden en helpt bij het prioriteren van werk.

Definieert de doeldatum voor voltooiing, wat belangrijk is voor het monitoren van SLA-compliance en het prioriteren van achterstallige cases.

Deze datum wordt vaak berekend op basis van de indieningsdatum van de applicatie en business rules die zijn ingesteld binnen Fenergo's SLA management module.

Deze metriek telt de voorkomens van de activiteit 'Additional Information Requested' voor elke case. Een hogere telling betekent meer heen-en-weer communicatie, wat het proces kan vertragen en leiden tot een slechte klantervaring.

Dit attribuut ondersteunt direct de 'Cases with Additional Info Requests' KPI. Het wordt gebruikt om applicaties met buitensporige verzoeken te vinden, wat kan wijzen op problemen met initiële data collection of complexe case vereisten. Het analyseren hiervan helpt de Informatievergaring te optimaliseren.

Kwantificeert klantfrustratie en procesvertragingen veroorzaakt door onvolledige initiële Informatie, wat helpt bij het verbeteren van de stap voor gegevensverzameling.

Dit is een berekende metriek, afgeleid door het tellen van het aantal 'Additional Information Requested' gebeurtenissen voor elke 'KlantApplication' ID.

Dit attribuut identificeert de indieningsbron van de applicatie, bijvoorbeeld via een online portal, een fysieke vestiging, of via een relationship manager. De bron kan de datakwaliteit en verwerkingsvereisten beïnvloeden.

Deze dimensie wordt gebruikt in het 'Application Source & Type Efficiency' dashboard om de prestaties van verschillende kanalen te vergelijken. Het helpt bedrijven te begrijpen welke kanalen het meest efficiënt zijn en welke procesoptimalisatie vereisen.

Identificeert de bron van applicaties, waardoor analyse van kanaalefficiëntie, kosten en klantervaring mogelijk is.

Deze Informatie kan worden vastgelegd in een initiële data-entry formulier binnen Fenergo of worden doorgegeven vanuit een upstream systeem.

De Case Owner is de persoon of groep die primair verantwoordelijk is voor een onboarding case. Deze persoon is doorgaans verantwoordelijk voor de tijdige en succesvolle voltooiing ervan.

Dit attribuut helpt bij het analyseren van de workload en prestaties op case manager niveau. Het kan worden gebruikt om te zien of bepaalde case owners langere doorlooptijden of hogere afwijzingspercentages hebben, wat mogelijk duidt op trainingsbehoeften of bron-onevenwichtigheden.

Identificeert de verantwoordelijke persoon of het team voor een case, waardoor prestaties analyse van case managers mogelijk worden.

Dit is meestal een specifiek veld op de primaire case entity in Fenergo, dat case assignment aangeeft.

Dit attribuut differentieert tussen taken die automatisch door het systeem worden uitgevoerd (bijv. initiële screening, systeemcontroles) en taken die handmatig door een gebruiker worden uitgevoerd. Dit wordt vaak bepaald door te controleren of de uitvoerende gebruiker een systeem- of serviceaccount is.

Het analyseren van deze vlag is belangrijk voor het begrijpen van het automatiseringsniveau in het proces. Het helpt de impact van automatisering op efficiëntie, kosten en snelheid te kwantificeren, en identificeert kansen voor verdere automatisering.

Maakt onderscheid tussen menselijke en systeem activiteiten, wat belangrijk is voor automatiseringsanalyse en het begrijpen van bronkosten.

Dit wordt doorgaans afgeleid op basis van het 'InitiatingGebruiker' veld. Een lijst van bekende systeem user ID's wordt gebruikt om deze vlag op true te zetten.

Dit attribuut identificeert activiteiten die een stap terug in het proces vertegenwoordigen, zoals terugkeren naar 'Document Review' nadat een 'Compliance Review' al is gestart, of elke keer dat 'Additional Information Requested' voorkomt.

Het vinden van herstelwerk is belangrijk voor het begrijpen van procesinefficiëntie en knelpunten. Deze vlag maakt de directe berekening van de 'Rework Loop Rate' KPI mogelijk en helpt de impact van verspillende, repetitieve stappen in de processtroom te visualiseren en te kwantificeren.

Belicht inefficiënte herstelwerk-lussen in het proces, wat helpt om verspilling te kwantificeren en verbetergebieden te vinden om de 'first-time-right' percentages te verhogen.

Deze vlag wordt afgeleid met behulp van process mining technieken die de volgorde van activiteiten analyseren. Bijvoorbeeld, als 'Activiteit A' wordt gevolgd door 'Activiteit B' en dan 'Activiteit A' opnieuw verschijnt voor dezelfde case, is de tweede 'Activiteit A' herstelwerk.

De Klant ID is de unieke referentie voor de klantentiteit in het stamdata systeem. Hoewel het applicatienummer de case ID is voor het proces, linkt de Klant ID de onboarding activiteit aan een specifieke klant.

Dit attribuut maakt het analyseren van de onboarding historie van een enkele klant mogelijk, bijvoorbeeld als ze in de loop van de tijd meerdere onboarding processen hebben doorlopen. Het maakt ook het samenvoegen van procesdata met andere klantgerelateerde data mogelijk voor een vollediger bedrijfsoverzicht.

Koppelt het onboardingproces aan een unieke klantentiteit, waardoor klantgerichte analyse en dataverrijking mogelijk zijn.

Deze ID is opgeslagen op de cliënt- of juridische entiteitsrecord binnen Fenergo en geassocieerd met de onboarding case.

Dit attribuut segmenteert klanten in verschillende categorieën op basis van hun juridische structuur of relatie met de financiële instelling. Verschillende klanttypes volgen vaak verschillende onboarding paden met variërende complexiteit en due diligence vereisten.

Het analyseren van het proces per Klant Type helpt bij het vinden van prestatieverschillen tussen segmenten. Het is belangrijk voor het 'Application Source & Type Efficiency' dashboard om doorlooptijden en goedkeuringspercentages te vergelijken, wat leidt tot op maat gemaakte procesverbeteringen.

Maakt vergelijking van procesprestaties mogelijk tussen verschillende klantsegmenten, die vaak variërende complexiteit en SLA's hebben.

Deze Informatie wordt doorgaans opgeslagen op de klant- of cliëntentiteit binnen Fenergo en gekoppeld aan de applicatie case.

Dit attribuut specificeert het land dat geassocieerd is met de klant, wat vaak de specifieke regulatieve regels en risicofactoren bepaalt die van toepassing zijn op het onboarding proces.

Het analyseren van het proces per land maakt jurisdictionele vergelijkingen van doorlooptijd, risiconiveaus en procescomplexiteit mogelijk. Het helpt bij het begrijpen hoe regionale verschillen de operationele prestaties beïnvloeden en zorgt voor naleving van lokale regelgeving.

Maakt segmentatie van het proces mogelijk op basis van geografie, wat belangrijk is voor het analyseren van de regulatoire impact en regionale prestaties.

Deze Informatie maakt deel uit van de kern klantdata die tijdens het applicatieproces is vastgelegd en opgeslagen op de cliëntentiteit in Fenergo.

Wanneer de definitieve status van een applicatie 'Rejected' is, biedt dit attribuut de specifieke reden. Voorbeelden zijn 'Failed Background Check', 'Incomplete Documentation' of 'High Risk Profile'.

Dit is een belangrijk attribuut voor rootcause-analyse van mislukte applicaties. Het ondersteunt direct het 'Application Rework and Rejection' dashboard door storingen te categoriseren, waardoor het bedrijf gemeenschappelijke problemen kan vinden en corrigerende maatregelen kan implementeren om de first-time pass rate te verbeteren.

Biedt kritisch inzicht in waarom applicaties mislukken, waardoor rootcause-analyse mogelijk wordt om afwijzingspercentages te verlagen.

Doorgaans te vinden in een reason code of notes veld geassocieerd met de definitieve afwijzingsstatus in Fenergo's case workflow.

Dit attribuut is een binaire indicator van SLA prestaties voor een voltooide case. Het wordt ingesteld op 'true' als de timestamp van de laatste, afsluitende activiteit op of voor de 'SLA-streefdatum' ligt, en anders op 'false'.

Dit berekende veld vereenvoudigt SLA monitoring en rapportage. Het maakt eenvoudige aggregatie mogelijk om de algehele 'SLA Adherence Rate' KPI te berekenen en om te filteren voor het analyseren van de proceskenmerken van compliant versus niet-compliant cases.

Meet direct de SLA-prestaties, waardoor eenvoudige berekening van de SLA-nalevingspercentage (KPI) en filtering voor niet-compliant cases mogelijk worden.

Dit wordt afgeleid door de timestamp van de uiteindelijke case activiteit (bijv. 'Application Approved', 'Application Rejected') te vergelijken met de 'SLA-streefdatum'.