Uw KYC-onboarding van klanten datatemplate

De activiteitsnaam beschrijft een stap in de KYC-onboarding-workflow, zoals 'Aanvraag ingediend', 'Documentbeoordeling uitgevoerd' of 'Aanvraag goedgekeurd'. Elke activity vertegenwoordigt een afzonderlijke actie of mijlpaal in het proces.

Dit attribuut is belangrijk voor het construeren van de proceskaart, die de flow van activiteiten visueel weergeeft. Het maakt de analyse van procesvarianten, knelpunten tussen specifieke stappen en de frequentie van herstelwerk-loops mogelijk. Het analyseren van activiteiten is belangrijk om te begrijpen wat er in het proces gebeurt.

Dit attribuut vormt de basis van de proceskaart, waardoor u de volgorde van gebeurtenissen in het klantacceptatietraject kunt visualiseren en analyseren.

Doorgaans te vinden in een event log- of audittrail-tabel binnen LexisNexis Risk Solutions die processtappen volgt.

De Klant Application is de centrale kenmerk die alle gerelateerde activiteiten en gegevenspunten koppelt voor het onboardingtraject van één klant. Het begint wanneer een aanvraag wordt ingediend en volgt de case totdat deze is voltooid of afgewezen.

In process mining is dit attribuut belangrijk voor het groeperen van alle gebeurtenissen in een coherente case, wat een end-to-end-analyse van de onboarding levenscyclus mogelijk maakt. Het maakt de reconstructie van de gehele processtroom voor elke aanvrager mogelijk, wat fundamenteel is voor het berekenen van doorlooptijden, het analyseren van procesvarianten en het volgen van de status van een aanvraag over tijd.

Dit is de fundamentele Case-ID. Zonder deze kun je het end-to-end traject van een klantaanvraag niet traceren, wat procesanalyse onmogelijk maakt.

Dit is de primaire case-kenmerk binnen de LexisNexis Risk Solutions case management module.

Deze timestamp markeert het begin van een activity, en voorziet in de chronologische volgorde voor alle gebeurtenissen binnen een case. Het is de basis voor alle tijdsgebonden analyse in process mining.

Met behulp van de Event Timestamp is het mogelijk om de duur van activiteiten, de wachttijd ertussen en de totale end-to-end doorlooptijd van het onboardingproces te berekenen. Deze gegevens zijn belangrijk voor het vinden van knelpunten, het monitoren van SLA-naleving en het begrijpen van procesefficiëntie.

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

Te vinden in de event log- of audittrail-tabellen, naast de activiteitsnaam.

Dit attribuut weerspiegelt de algehele status van de case op een gegeven moment of het uiteindelijke resultaat. Gangbare statussen zijn 'In behandeling', 'Goedgekeurd', 'Afgewezen' of 'Wacht op Informatie'.

Sollicitatiestatus is belangrijk voor het volgen van de resultaten van het onboardingproces. Het wordt gebruikt in de 'Redenen & Stadia van Aanvraagafwijzing' en 'Dagelijkse Doorvoer en Aanvraagstatus'-dashboards om succespercentages en operationele flow te monitoren. Het analyseren van hoe status verandert over tijd biedt inzicht in de case levenscyclus.

Volgt de uitkomst van elke aanvraag, wat belangrijk is voor het berekenen van belangrijke KPI's zoals het Aanvraagafwijzingspercentage en het monitoren van de doorvoer.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit is doorgaans een sleutelveld op het hoofd case- of applicatieobject.

Het Department attribuut specificeert de functionele groep die verantwoordelijk is voor een activity, zoals 'Compliance', 'Onboarding Operations' of 'Fraudedetectie'.

Dit attribuut wordt gebruikt om het proces vanuit een departementaal oogpunt te analyseren, wat analyse van overdrachten tussen verschillende teams mogelijk maakt. Het is een primaire dimensie in het 'Resource Allocatie en Werkdruk'-dashboard en helpt bij het vinden van cross-functionele inefficiënties of vertragingen in communicatie tussen afdelingen.

Maakt analyse van procesoverdrachten en prestaties per functioneel gebied mogelijk, wat helpt bij het vinden van cross-departementale knelpunten.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Moet mogelijk worden samengevoegd uit een gebruikers- of HR-stamdata tabel.

Deze timestamp markeert de voltooiing van een activity. Het verschil tussen de End Time en de Starttijd voor een gebeurtenis vertegenwoordigt de verwerkingstijd.

End Time is belangrijk voor het nauwkeurig berekenen van hoe lang elke stap duurt, wat een primaire input is voor het 'Activiteit Verwerking- & Wachttijden'-dashboard. Het helpt onderscheid te maken tussen de tijd dat een bron actief aan een taak werkte versus de tijd dat de case wachtte tot de volgende stap begon.

Maakt de precieze berekening van de activiteitverwerkingstijd mogelijk, wat belangrijk is voor het vinden van inefficiënte stappen en het analyseren van de bron workload.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Vaak beschikbaar in event logs die zowel start- als eindgebeurtenissen vastleggen.

LexisNexis Risk Solutions is gespecialiseerd in risicobeoordeling. Dit attribuut vertegenwoordigt de output van die beoordeling en categoriseert elke aanvraag op basis van het potentiële risicoprofiel. Het risiconiveau bepaalt vaak de vereiste intensiteit en duur van het due diligence-proces.

Dit attribuut is de basisdimensie voor het 'Risiconiveau vs. Onboardingduur'-dashboard. Het analyseren van het proces per risiconiveau kan zichtbaar maken of aanvragen met een hoog risico significant langer duren, zoals verwacht, of dat aanvragen met een laag risico onnodig worden vertraagd. Het helpt bij het bevestigen en verfijnen van risicogebaseerde onboardingstrategieën.

Belangrijk voor risicogebaseerde analyse, om te begrijpen hoe klantrisicoprofielen de procescomplexiteit, -duur en -paden beïnvloeden.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit is een kernoutput van de risicobeoordelingsmodules.

De SLA Target Date definieert de Service Level Agreement voor het voltooien van een aanvraag. Deze datum wordt vaak bepaald op basis van factoren zoals het aanvraagtype, klantsegment of jurisdictie.

Dit attribuut is belangrijk voor het 'SLA Target Nalevingsmonitoring'-dashboard en de 'SLA Nalevingspercentage' KPI. Door de daadwerkelijke voltooiingsdatum te vergelijken met de SLA Target Date, kunnen organisaties hun prestaties meten ten opzichte van afspraken, cases vinden die risico lopen op het schenden van SLA's, en de grondoorzaken van vertragingen onderzoeken.

Maakt prestatiemeting tegen service level agreements mogelijk, en belicht procesinefficiënties die SLA-overschrijdingen veroorzaken.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit kan op de case worden opgeslagen of berekend op basis van bedrijfsregels.

Dit attribuut identificeert de specifieke persoon die een taak heeft uitgevoerd, zoals een compliance officer die een documentbeoordeling uitvoert. Het helpt bij het analyseren van de werklastverdeling en individuele prestaties.

In analyse is Assigned Gebruiker belangrijk voor het 'Resource Allocatie en Werkdruk'-dashboard. Het maakt het mogelijk om de proceskaart te filteren op gebruiker, prestaties tussen teamleden te vergelijken en kansen voor training of workload rebalancing te vinden. Het kan ook helpen knelpunten aan te wijzen die worden veroorzaakt door specifieke gebruikersgroepen.

Dit attribuut is belangrijk voor het analyseren van prestaties van medewerkers, werklastverdeling en het vinden van kansen voor automatisering of bron-optimalisatie.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Meestal te vinden in audit trails of taakbeheertabellen.

Dit attribuut categoriseert aanvragen op basis van het type entiteit dat wordt ge-onboard. Verschillende application types volgen vaak verschillende procespaden en hebben verschillende risicoprofielen en SLA-doelstellingen.

Het analyseren van het proces per Application Type maakt segmentatie van de data mogelijk om de efficiëntie en complexiteit van het onboarden van verschillende soorten klanten te vergelijken. Het is een veelgebruikt filter in de meeste dashboards om een gedetailleerder beeld van de prestaties te geven.

Maakt krachtige segmentatie van het proces mogelijk, zichtbaar makend hoe verschillende soorten applicaties worden behandeld en waar specifieke knelpunten voor elk type bestaan.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit is doorgaans een kernveld op het applicatie- of caseobject.

Dit attribuut identificeert het bronsysteem dat de gebeurtenis data heeft gegenereerd, zoals LexisNexis Risk Solutions of een geïntegreerd extern tool. In complexe omgevingen kan data voor een enkel proces afkomstig zijn van meerdere systemen.

Het begrijpen van het bronsysteem is nuttig voor datavalidatie, probleemoplossing en het analyseren van procesvarianten die specifiek kunnen zijn voor een bepaald systeem. Het helpt de data-integriteit te waarborgen en biedt context over hoe en waar een activity werd vastgelegd.

Identificeert de oorsprong van de data, wat belangrijk is voor data-governance, validatie en het begrijpen van procesuitvoering over verschillende IT-systemen heen.

Deze Informatie kan worden opgeslagen als een statische waarde of in een specifiek veld binnen de data-export of API-respons.

Hoewel 'AssignedGebruiker' de gebruiker voor elke activity vastlegt, identificeert dit attribuut specifiek de compliance-specialist die betrokken is bij kritieke beoordelingsstappen. Dit maakt een gerichtere analyse van de compliance-functie mogelijk.

Dit attribuut is belangrijk voor het 'Compliance Review Duur en Achterstand'-dashboard. Het helpt bij het analyseren van de workload en prestaties van het compliance-team, en identificeert of specifieke beoordelaars knelpunten zijn of dat het gehele team onderbezet is.

Biedt gericht inzicht in de compliance-functie, waardoor een gedetailleerde analyse mogelijk is van de workload van beoordelaars en de prestaties in dit kritieke, vaak vertraagde processtadium.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit kan worden afgeleid door 'AssignedGebruiker' te filteren op compliance-gerelateerde activiteiten.

Cyclustijd meet de totale verstreken tijd vanaf de allereerste gebeurtenis (bijv. 'Application Submitted') tot de allerlaatste gebeurtenis (bijv. 'klantonboarding Completed' of 'Application Rejected') voor één enkele case.

Dit is een primaire KPI voor het meten van de algehele procesgezondheid en wordt gevisualiseerd in het 'Onboarding End-to-End Cycle Time' dashboard. Het bijhouden van de gemiddelde cyclustijd stelt organisaties in staat de impact van procesverbeteringen te monitoren en te vinden hoe verschillende factoren, zoals risiconiveau of applicatietype, de algehele klantervaring beïnvloeden.

Dit is een belangrijke Key Performance Indicator die de totale time-to-waarde voor de klant meet, wat direct impact heeft op klanttevredenheid en operationele efficiëntie.

Dit is een berekende metriek, afgeleid door de timestamp van het eerste gebeurtenis af te trekken van de timestamp van het laatste gebeurtenis voor elke case.

Dit boolean attribuut maakt onderscheid tussen taken die worden uitgevoerd door systeemautomatisering (bijv. een initiële screeningcheck) en taken die menselijke interventie vereisen (bijv. een handmatige documentbeoordeling).

'Is Automated' wordt gebruikt om de 'Handmatige Activiteit Proportie' KPI te berekenen en om de effectiviteit van automatiseringsinitiatieven te analyseren. Op de proceskaart kan het de interface tussen geautomatiseerde en handmatige stappen benadrukken, en helpen bij het vinden van kansen voor verdere automatisering om kosten en verwerkingstijden te verminderen.

Onderscheidt handmatige en geautomatiseerde taken, wat belangrijk is voor het vinden van automatiseringskansen en het meten van hun impact.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit kan een flag zijn in de event log of worden afgeleid op basis van de 'AssignedGebruiker' (bijv. een 'systeem' gebruiker).

Deze boolean-waarde wordt ingesteld op 'true' wanneer een activity wordt herhaald binnen dezelfde case, zoals een 'Documentbeoordeling uitgevoerd' die een tweede keer plaatsvindt na 'Aanvullende Informatie aangevraagd'. Het duidt aan dat het proces is teruggegaan.

'Is Rework' is belangrijk voor het 'Herwerk- en Herhalingsanalyse'-dashboard en de 'Herwerkluspercentage' KPI. Het maakt de kwantificering van verspilde inspanning mogelijk en helpt bij het vinden van de grondoorzaken van rework, zoals onduidelijke instructies of slechte datakwaliteit, waardoor gerichte procesverbeteringen mogelijk worden.

Kwantificeert direct inefficiëntie en verspilde inspanning in het proces, en belicht activiteiten die frequent worden herhaald en kosten en cyclustijden opdrijven.

Dit is een berekend attribuut, doorgaans afgeleid binnen de process mining-tool door herhaalde volgordes van activiteiten binnen een case te detecteren.

Het Channel attribuut identificeert de indieningsbron van de aanvraag. Het kanaal kan de datakwaliteit, het klantgedrag en de soorten problemen die tijdens onboarding optreden beïnvloeden.

Dit attribuut wordt gebruikt om procesprestaties over verschillende kanalen te vergelijken. Het 'Onboarding Funnel Conversiepercentages'-dashboard kan bijvoorbeeld worden gefilterd op kanaal om te zien of mobiele aanvragers vaker afhaken dan web-aanvragers, wat Informatie geeft voor kanaalspecifieke procesverbeteringen.

Helpt bij het analyseren van procesprestaties per indieningskanaal, en identificeert variaties die de kanaalstrategie en verbeteringen van de gebruikerservaring kunnen Informapakketmeren.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Deze Informatie wordt doorgaans vastgelegd aan het begin van het aanvraagproces.

Dit attribuut specificeert het land van de klant, wat een kritieke factor is in KYC vanwege variërende internationale regelgeving en risiconiveaus die gepaard gaan met verschillende jurisdicties.

Het analyseren van het proces per Klant Land kan significante verschillen in doorlooptijden en procescomplexiteit zichtbaar maken. Aanvragen uit hoogrisico-jurisdicties kunnen bijvoorbeeld aanvullende compliance-controles vereisen, wat leidt tot langere duren. Deze analyse helpt bij bronplanning en het instellen van realistische SLA's voor verschillende regio's.

Maakt jurisdictie-analyse mogelijk, wat belangrijk is voor het begrijpen hoe regionale regelgeving en risicofactoren de procesprestaties beïnvloeden.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Dit is een standaardveld in de klantstamdata.

Wanneer de definitieve status van een aanvraag 'Afgewezen' is, geeft dit attribuut de specifieke reden. Voorbeelden zijn 'Mislukte identiteitsverificatie', 'Sanctielijstmatch' of 'Onvolledige documentatie'.

Deze gegevens zijn de primaire input voor het 'Redenen & Stadia van Aanvraagafwijzing'-dashboard. Het analyseren van afwijzingsredenen helpt bij het vinden van veelvoorkomende faalpunten in het proces, wat kan leiden tot verbeteringen in aanvraagrichtlijnen, klantcommunicatie of interne beoordelingscriteria. Het begrijpen waarom aanvragen worden afgewezen is belangrijk voor het verbeteren van het algehele goedkeuringspercentage.

Biedt direct inzicht in waarom onboarding mislukt, waardoor gerichte verbeteringen mogelijk zijn om het goedkeuringspercentage van aanvragen te verhogen.

Raadpleeg de documentatie van LexisNexis Risk Solutions of de systeembeheerder. Vaak te vinden in een veld dat wordt gevuld wanneer de applicatiestatus op 'Rejected' wordt gezet.

Dit attribuut categoriseert elke voltooide case op basis van de naleving van de 'SLA-streefdatum'. Typische waarden zijn 'Voldaan' of 'Overtreden'.

Dit berekende veld is de basis van het 'SLA Target Nalevingsmonitoring'-dashboard en de 'SLA Nalevingspercentage' KPI. Het biedt een helder, overzichtelijk beeld van de prestaties ten opzichte van serviceafspraken en maakt drill-down analyse mogelijk om de gemeenschappelijke kenmerken te begrijpen van cases die hun SLA's schenden.

Biedt een helder, binair resultaat voor SLA-prestaties, waardoor het eenvoudig is om de naleving van serviceniveautargets te volgen, te rapporteren en te analyseren.

Dit is een berekend attribuut, afgeleid door de timestamp van de laatste activity te vergelijken met de 'SLA-streefdatum' voor elke case.

Dit attribuut voorziet in een timestamp voor de laatste update van de dataset. Het wordt doorgaans toegepast op de gehele dataset tijdens het data-extractie- en laadproces.

Deze Informatie is belangrijk voor dashboard-gebruikers om de relevantie van de data die ze analyseren te begrijpen. Het zorgt ervoor dat beslissingen gebaseerd zijn op data die zo actueel is als vereist en helpt verwachtingen te managen door de tijd heenigheid van de inzichten.

Biedt belangrijke context over de relevantie van data, en zorgt ervoor dat analyses relevant zijn en dat beslissingen niet gebaseerd zijn op verouderde Informatie.

Dit wordt doorgaans gegenereerd en gestempeld op de dataset tijdens het ETL (Extract, Transform, Load)-proces.