Uw KYC Customer Onboarding Data Template

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

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

Dit attribute 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 audit log tabellen, geassocieerd met case state transitions of taakvoltooiingen.

De Customer Application is de centrale identifier die alle gerelateerde activiteiten en events 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 attribute fundamenteel voor het reconstrueren van het volledige traject van elke applicatie. Het maakt de analyse van processtromen, cycle times, 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 events verbindt, waardoor het mogelijk wordt om het end-to-end customer onboarding proces te analyseren.

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

Dit attribute 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 essentieel voor alle tijdgebaseerde analyses.

In process mining wordt de starttijd gebruikt om de duur van activiteiten, de wachttijd ertussen, en de algehele cycle time van de case te berekenen. Het vormt de temporele ruggengraat van de event log en is kritisch voor performance en bottleneck analyse.

Deze timestamp is cruciaal voor het chronologisch ordenen van events en het berekenen van alle tijdgebaseerde metrics zoals cycle times en duraties.

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

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

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

Identificeert de herkomst van de data, wat cruciaal 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 de records te labelen.

Dit attribute registreert de datum en tijd van de meest recente data refresh. Het biedt context voor de actualiteit van de geanalyseerde data en is belangrijk voor het begrijpen van de tijdigheid van de insights.

In dashboards en rapporten wordt deze informatie gebruikt om gebruikers te informeren over de actualiteit van de data. Het helpt verwachtingen te managen over of de analyse real-time operations of een historische snapshot reflecteert.

Biedt cruciale context over de actualiteit van de data, zodat gebruikers begrijpen hoe actueel de procesanalyse is.

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

Dit attribute biedt de organisatorische context voor de gebruiker die een activiteit heeft uitgevoerd, zoals 'Compliance', 'Onboarding Operations' of 'Sales'. Het wordt vaak afgeleid van user profile informatie.

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

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

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

Dit attribute 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 essentieel 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 attribute 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 essentieel voor het identificeren welke stappen in het proces de meeste tijd verbruiken en voor het analyseren van resource efficiëntie.

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

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

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 attribute maakt correlatie mogelijk tussen risiconiveaus en procesgedrag. Analyse kan bijvoorbeeld uitwijzen of klanten met een hoog risico langere cycle times 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, rework 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 attribute is essentieel 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 cruciaal 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 geconfigureerd binnen Fenergo's SLA management module.

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

Analyseren per gebruiker helpt bij het begrijpen van de workload distributie, individuele prestaties en het identificeren van trainingsbehoeften. Het is essentieel voor het 'Staff Activity 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 workload distributie, team performance en resource allocatie mogelijk is.

Deze informatie wordt doorgaans opgeslagen in Fenergo's audit logs of taakgeschiedenistabellen, samen met de event details, vaak als 'UserID', 'UserName' of 'ModifiedBy'.

Deze metric 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 attribute ondersteunt direct de 'Cases with Additional Info Requests' KPI. Het wordt gebruikt om applicaties met buitensporige verzoeken te identificeren, wat kan wijzen op problemen met initiële data collection of complexe case vereisten. Het analyseren hiervan helpt de informatievergaring te stroomlijnen.

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

Dit is een berekende metric, afgeleid door het tellen van het aantal 'Additional Information Requested' events voor elke 'CustomerApplication' ID.

Dit attribute identificeert de indieningsbron van de applicatie, bijvoorbeeld via een online portal, een fysieke vestiging, of via een relationship manager. De bron kan de data kwaliteit 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.

Processing Time, ook bekend als actieve tijd, is de berekende duur tussen de start- en eind timestamp van een enkele activity. Het vertegenwoordigt de tijd dat een resource actief bezig was met een taak.

Deze metric is fundamenteel voor performance analyse. Het wordt gebruikt in bottleneck analyse dashboards om aan te wijzen welke specifieke activities het meest tijdrovend zijn, waardoor verbeterinspanningen kunnen worden gericht op de gebieden met de grootste impact.

Deze berekende metric meet de actieve werktijd voor elke activiteit, wat cruciaal is voor het identificeren van performance knelpunten.

Berekend als het verschil tussen 'EventEndTime' en 'EventStartTime' (EndTime - StartTime).

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 attribute 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 cycle times of hogere afwijzingspercentages hebben, wat mogelijk duidt op trainingsbehoeften of resource-onevenwichtigheden.

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

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

Dit attribute 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 cruciaal 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 activities, wat essentieel is voor automatiseringsanalyse en het begrijpen van resourcekosten.

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

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

Het identificeren van rework is cruciaal voor het begrijpen van procesinefficiëntie en frictie. 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 identificeren 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' rework.

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

Dit attribute 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 proces data met andere klantgerelateerde data mogelijk voor een uitgebreider 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 attribute 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 Customer Type helpt bij het identificeren van prestatieverschillen tussen segmenten. Het is essentieel voor het 'Application Source & Type Efficiency' dashboard om cycle times en goedkeuringspercentages te vergelijken, wat leidt tot op maat gemaakte procesverbeteringen.

Maakt vergelijking van procesperformance 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 attribute 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 cycle time, risiconiveaus en procescomplexiteit mogelijk. Het helpt bij het begrijpen hoe regionale verschillen de operationele performance beïnvloeden en zorgt voor compliance met lokale regelgeving.

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

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 attribute de specifieke reden. Voorbeelden zijn 'Failed Background Check', 'Incomplete Documentation' of 'High Risk Profile'.

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

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

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

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

Dit berekende field 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-performance, waardoor eenvoudige berekening van de SLA Adherence Rate KPI en filtering voor niet-compliant cases mogelijk wordt.

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