Datatemplate voor KYC-klantonboarding

De activiteitsnaam beschrijft één stap of mijlpaal in het onboardingtraject van de klant, zoals 'Eerste screening uitgevoerd' of 'Aanvraag goedgekeurd'. De opeenvolging van activiteiten vormt de basis van de proceskaart.

Door dit attribuut te analyseren, kun je de processtroom visualiseren, veelvoorkomende en alternatieve routes herkennen en meten hoe vaak elke stap voorkomt. Zo zie je welke acties worden uitgevoerd en in welke volgorde.

Dit attribuut beschrijft de stappen in het proces. Daarmee kun je een proceskaart maken en de processtroom en variaties analyseren.

Deze informatie staat doorgaans in de workflow- of auditlogtabellen van Fenergo, gekoppeld aan statusovergangen van cases of aan de afronding van taken.

De klantaanvraag is de centrale identificatiecode die alle activiteiten en gebeurtenissen voor het KYC-onboardingproces van één klant groepeert. Hiermee kun je een aanvraag van begin tot eind volgen, vanaf de eerste indiening tot de definitieve afhandeling, of de aanvraag nu is goedgekeurd, afgewezen of gesloten.

Bij process mining is dit attribuut essentieel om het volledige traject van elke aanvraag te reconstrueren. Je kunt er processtromen, doorlooptijden, variaties en bottlenecks per aanvraag mee analyseren. Zo zie je duidelijk hoe afzonderlijke cases worden afgehandeld.

Dit is de essentiële Case-ID die alle bijbehorende gebeurtenissen met elkaar verbindt. Zo kun je het volledige klantonboardingproces analyseren.

Dit is doorgaans de primaire sleutel in de centrale casebeheer- of klantlevenscyclusbeheerentiteit van Fenergo.

Dit attribuut registreert de exacte datum en tijd waarop een specifieke activiteit begon. Het geeft de chronologische volgorde die nodig is om de processtroom te reconstrueren en vormt de basis voor alle tijdsanalyses.

Bij process mining gebruik je de starttijd om de duur van activiteiten, de wachttijd ertussen en de totale doorlooptijd van de case te berekenen. De starttijd vormt de tijdsbasis van het event log en is belangrijk voor prestatie- en bottleneckanalyses.

Dit timestamp is nodig om gebeurtenissen chronologisch te ordenen en tijdsmetingen zoals doorlooptijden en duur te berekenen.

Te vinden in het auditspoor, event log of de workflowgeschiedenis van Fenergo, vaak met de naam 'Timestamp', 'StartDate' of 'CreationDate'.

Dit attribuut geeft aan uit welk systeem de gebeurtenisdata afkomstig zijn. Voor dit proces is dat steeds Fenergo. In gecombineerde datasets helpt het om verschillende databronnen van elkaar te onderscheiden.

Je kunt dit attribuut gebruiken om data uit specifieke systemen te filteren of de herkomst van data te controleren. Zo blijft duidelijk welke data uit welk systeem komen wanneer je data uit meerdere systemen combineert voor een volledig beeld van het proces.

Geeft aan waar de data vandaan komen. Dit is belangrijk voor datagovernance, validatie en de controle of de analyse op de juiste bron is gebaseerd.

Dit is doorgaans een vaste waarde die tijdens de data-extractie wordt toegevoegd om de herkomst van de records aan te geven.

Dit attribuut registreert de datum en tijd van de meest recente data-update. Zo weet je hoe actueel de geanalyseerde data zijn en kun je de actualiteit van de inzichten beoordelen.

In dashboards en rapporten laat deze informatie zien hoe recent de data zijn. Zo is duidelijk of de analyse de bedrijfsvoering realtime weergeeft of op een momentopname uit het verleden is gebaseerd.

Geeft aan hoe actueel de data zijn, zodat je weet hoe recent de procesanalyse is.

Deze waarde wordt tijdens het proces voor data-extractie en -laden (ETL) aan de dataset toegevoegd.

Dit attribuut geeft aan hoe de aanvraag is afgehandeld of wat de huidige status is als het proces nog loopt. Veelvoorkomende waarden zijn 'Goedgekeurd', 'Afgewezen' en 'In behandeling'.

Deze dimensie is belangrijk voor uitkomstanalyse. Je kunt processtromen filteren en vergelijken op basis van de uitkomst. Dat is nodig voor het dashboard 'Herstelwerk en afwijzingen van aanvragen' en voor het berekenen van KPI’s zoals het afwijzingspercentage van aanvragen.

Geeft de uitkomst van een case aan. Zo kun je de routes van goedgekeurde en afgewezen aanvragen vergelijken en succespercentages analyseren.

Dit is doorgaans de laatste status die voor de case is vastgelegd in het casebeheersysteem van Fenergo.

Dit attribuut geeft de organisatorische context van de gebruiker die een activiteit uitvoerde, bijvoorbeeld 'Compliance', 'Onboarding Operations' of 'Sales'. De informatie is vaak afgeleid van het gebruikersprofiel.

Deze dimensie is belangrijk om overdrachten tussen afdelingen te analyseren en bottlenecks tussen teams op te sporen. Het dashboard 'Activiteitenverdeling medewerkers' gebruikt dit attribuut om werk per team of afdeling samen te voegen.

Hiermee kun je de procesprestaties per afdeling analyseren en overdrachten tussen afdelingen, vertragingen en de werkverdeling in kaart brengen.

Mogelijk moet je deze informatie ophalen uit een aparte tabel met gebruikers- of HR-stamgegevens, op basis van de ID 'InitiatingUser'. Fenergo kan de informatie ook in het gebruikersprofiel opslaan.

Dit attribuut registreert de exacte datum en tijd waarop een specifieke activiteit eindigde. Samen met de starttijd bepaalt het de actieve duur van een taak.

Bij process mining gebruik je de eindtijd samen met de starttijd om de verwerkingstijd van elke activiteit te berekenen. Zo zie je welke processtappen de meeste tijd kosten en kun je de efficiëntie van de inzet van medewerkers analyseren.

Hiermee bereken je de verwerkingstijd van activiteiten. Zo kun je langlopende taken en bottlenecks in de prestaties opsporen.

Te vinden in het auditspoor of de workflowgeschiedenistabellen van Fenergo, vaak met de naam 'EndDate' of 'CompletionDate', of af te leiden uit de starttijd van de volgende gebeurtenis.

Dit attribuut geeft aan welke medewerker of systeemgebruiker een taak of gebeurtenis heeft uitgevoerd. Het kan een unieke gebruikers-ID, een naam of een rol zijn.

Door op gebruiker te analyseren, krijg je inzicht in de werkverdeling en individuele prestaties en kun je opleidingsbehoeften herkennen. Dit attribuut is belangrijk voor het dashboard 'Activiteitenverdeling medewerkers' en om in te zoomen op activiteiten van specifieke personen of teams.

Legt vast welke gebruiker een actie heeft uitgevoerd. Zo kun je de werkverdeling, teamprestaties en inzet van middelen analyseren.

Deze informatie staat doorgaans naast de gebeurtenisdetails in de auditlogs of taakgeschiedenistabellen van Fenergo, vaak onder 'UserID', 'UserName' of 'ModifiedBy'.

De risicoscore is een numerieke maat voor het mogelijke risico van een klant. De score wordt berekend op basis van verschillende factoren, zoals het rechtsgebied, de sector en de resultaten van screenings. De regelengine van Fenergo berekent deze score doorgaans.

Met dit attribuut kun je verbanden leggen tussen risiconiveaus en het procesverloop. Zo kan een analyse laten zien of klanten met een hoog risico langere doorlooptijden hebben of vaker handmatige tussenkomst nodig hebben. Dit is nuttig voor het dashboard 'Verdieping in risico- en compliancebeoordeling'.

Drukt het klant risico uit in een score. Zo kun je analyseren hoe risiconiveaus de procesduur, het herstelwerk en de uitkomsten beïnvloeden.

Dit is een belangrijke uitkomst van de module Client Risk Assessment van Fenergo. De score wordt opgeslagen bij de case of cliëntentiteit.

De SLA-streefdatum is de afgesproken deadline voor het volledige onboardingproces van een klantaanvraag. Je gebruikt deze datum als maatstaf om de werkelijke prestaties te beoordelen.

Dit attribuut is nodig voor het dashboard 'SLA-naleving bewaken' en voor het berekenen van de KPI 'SLA-nalevingspercentage'. Zo kun je cases die het risico lopen hun SLA te overschrijden tijdig opvolgen en werk prioriteren.

Geeft de streefdatum voor afronding aan. Zo kun je de SLA-naleving bewaken en achterstallige cases prioriteren.

Deze datum wordt vaak berekend op basis van de indieningsdatum van de aanvraag en de bedrijfsregels in de SLA-beheermodule van Fenergo.

Deze metriek telt per case hoe vaak de activiteit 'Aanvullende informatie gevraagd' voorkomt. Een hoger aantal betekent meer heen-en-weercontact. Dat kan het proces vertragen en de klantervaring verslechteren.

Dit attribuut ondersteunt rechtstreeks de KPI 'Cases met verzoeken om aanvullende informatie'. Je kunt aanvragen met veel verzoeken opsporen. Dat kan wijzen op problemen met de eerste gegevensverzameling of op complexe casevereisten. Door dit te analyseren, kun je het verzamelen van informatie verbeteren.

Meet de extra inspanning voor klanten en vertragingen door onvolledige informatie bij de start. Zo kun je de gegevensverzameling verbeteren.

Dit is een berekende metriek: het aantal gebeurtenissen 'Aanvullende informatie gevraagd' wordt geteld voor elke 'CustomerApplication'-ID.

Dit attribuut geeft aan via welke bron de aanvraag is ingediend, bijvoorbeeld via een onlineportaal, een fysiek kantoor of een relatiemanager. De bron kan invloed hebben op de datakwaliteit en de vereiste verwerking.

In het dashboard 'Efficiëntie per aanvraagbron en klanttype' gebruik je deze dimensie om de prestaties van verschillende kanalen te vergelijken. Zo zie je welke kanalen het efficiëntst zijn en waar procesoptimalisatie nodig is.

Geeft aan via welk kanaal aanvragen binnenkomen. Zo kun je de efficiëntie, kosten en klantervaring per kanaal analyseren.

Deze informatie kan worden vastgelegd in een eerste gegevensinvoerformulier in Fenergo of worden aangeleverd door een eerder systeem.

De case-eigenaar is de persoon of groep die de hoofdverantwoordelijkheid voor een onboardingcase krijgt toegewezen. Deze persoon is doorgaans verantwoordelijk voor een tijdige en succesvolle afronding.

Met dit attribuut kun je de werkbelasting en prestaties van casemanagers analyseren. Je kunt bijvoorbeeld nagaan of bepaalde case-eigenaren langere doorlooptijden of hogere afwijzingspercentages hebben. Dat kan wijzen op opleidingsbehoeften of een ongelijke verdeling van middelen.

Geeft aan welke persoon of welk team verantwoordelijk is voor een case. Zo kun je de prestaties van casemanagers analyseren.

Dit is meestal een specifiek veld bij de primaire case-entiteit in Fenergo, waarin de toewijzing van de case wordt vastgelegd.

Dit attribuut maakt onderscheid tussen taken die automatisch door het systeem worden uitgevoerd, zoals een eerste screening of systeemcontroles, en taken die een gebruiker handmatig uitvoert. Vaak wordt dit bepaald door te controleren of de uitvoerende gebruiker een systeem- of serviceaccount is.

Door deze waarde te analyseren, zie je in hoeverre het proces is geautomatiseerd. Je kunt het effect van automatisering op efficiëntie, kosten en snelheid meten en mogelijkheden voor verdere automatisering herkennen.

Maakt onderscheid tussen activiteiten van medewerkers en systemen. Dit is belangrijk voor automatiseringsanalyse en inzicht in de kosten van de ingezette middelen.

Dit wordt doorgaans afgeleid uit het veld 'InitiatingUser'. Een lijst met bekende systeemgebruikers-ID’s bepaalt of deze waarde op true wordt gezet.

Dit attribuut markeert activiteiten die een stap terug in het proces betekenen, zoals teruggaan naar 'Documentbeoordeling' nadat de 'Compliancebeoordeling' is gestart, of een gebeurtenis waarbij 'Aanvullende informatie gevraagd' voorkomt.

Door herstelwerk te herkennen, krijg je inzicht in inefficiëntie en vertragingen in het proces. Met deze waarde kun je de KPI 'Percentage herstelwerkcycli' rechtstreeks berekenen en de impact van onnodige, herhaalde processtappen zichtbaar maken en meten.

Maakt inefficiënte herstelwerkcycli zichtbaar. Zo kun je verspilling meten en verbeterpunten vinden om het percentage dat in één keer goed gaat te verhogen.

Deze waarde wordt afgeleid met process mining-technieken die de volgorde van activiteiten analyseren. Als bijvoorbeeld 'Activiteit A' wordt gevolgd door 'Activiteit B' en daarna opnieuw door 'Activiteit A' voor dezelfde case, geldt de tweede 'Activiteit A' als herstelwerk.

De klant-ID is de unieke verwijzing naar de cliëntentiteit in het stamgegevenssysteem. Het aanvraagnummer is de Case-ID van het proces; de klant-ID koppelt de onboardingactiviteiten aan een specifieke klant.

Met dit attribuut kun je de onboardinggeschiedenis van één klant analyseren, bijvoorbeeld wanneer die klant in de loop der tijd meerdere onboardingprocessen heeft doorlopen. Je kunt procesdata ook combineren met andere klantgegevens voor een vollediger beeld van de bedrijfsvoering.

Koppelt het onboardingproces aan een unieke klantentiteit. Zo kun je analyses vanuit de klant uitvoeren en data aanvullen.

Deze ID wordt opgeslagen bij de cliënt- of rechtspersoonsregistratie in Fenergo en gekoppeld aan de onboardingcase.

Dit attribuut deelt klanten in op basis van hun juridische structuur of relatie met de financiële instelling. Verschillende klanttypen volgen vaak andere onboardingroutes, met uiteenlopende complexiteit en eisen voor klantonderzoek.

Door het proces per klanttype te analyseren, kun je prestatieverschillen tussen segmenten herkennen. Dit is belangrijk voor het dashboard 'Efficiëntie per aanvraagbron en klanttype', waarmee je doorlooptijden en goedkeuringspercentages vergelijkt en gerichte procesverbeteringen kunt bepalen.

Hiermee kun je de procesprestaties van verschillende klantsegmenten vergelijken, die vaak verschillen in complexiteit en SLA’s.

Deze informatie staat doorgaans bij de klant- of cliëntentiteit in Fenergo en is gekoppeld aan de aanvraagcase.

Dit attribuut geeft het land van de klant aan. Dat bepaalt vaak welke regelgeving en risicofactoren van toepassing zijn op het onboardingproces.

Door het proces per land te analyseren, kun je doorlooptijden, risiconiveaus en procescomplexiteit tussen rechtsgebieden vergelijken. Zo zie je hoe regionale verschillen de prestaties beïnvloeden en kun je controleren of het proces aan lokale regelgeving voldoet.

Hiermee kun je het proces per regio indelen. Dat is belangrijk om de invloed van regelgeving en regionale prestaties te analyseren.

Deze informatie maakt deel uit van de centrale klantgegevens die tijdens de aanvraag worden vastgelegd en bij de cliëntentiteit in Fenergo worden opgeslagen.

Als de uiteindelijke status van een aanvraag 'Afgewezen' is, geeft dit attribuut de specifieke reden. Voorbeelden zijn 'Achtergrondcontrole niet doorstaan', 'Documentatie onvolledig' en 'Hoog risicoprofiel'.

Dit attribuut is belangrijk voor oorzaakanalyse van afgewezen aanvragen. Het ondersteunt het dashboard 'Herstelwerk en afwijzingen van aanvragen' door afwijzingen in categorieën in te delen. Zo kan de organisatie veelvoorkomende problemen herkennen en maatregelen nemen om het percentage aanvragen dat in één keer wordt goedgekeurd te verhogen.

Geeft inzicht in de redenen waarom aanvragen mislukken. Met oorzaakanalyse kun je het afwijzingspercentage verlagen.

Doorgaans te vinden in een veld met een redencode of notities bij de definitieve afwijzingsstatus in de caseworkflow van Fenergo.

Dit attribuut geeft met een binaire waarde aan of een afgeronde case aan de SLA voldoet. De waarde is 'true' als het timestamp van de laatste afsluitende activiteit op of vóór de 'SlaTargetDate' valt, en anders 'false'.

Met dit berekende veld kun je de SLA eenvoudig bewaken en rapporteren. Je kunt de waarden samenvoegen om de KPI 'SLA-nalevingspercentage' te berekenen en cases filteren om de kenmerken van cases die wel en niet aan de SLA voldoen te analyseren.

Meet rechtstreeks de SLA-prestaties. Zo kun je eenvoudig het SLA-nalevingspercentage berekenen en cases filteren die niet aan de SLA voldoen.

Dit wordt bepaald door het timestamp van de laatste caseactiviteit, bijvoorbeeld 'Aanvraag goedgekeurd' of 'Aanvraag afgewezen', te vergelijken met de 'SlaTargetDate'.