> Continue verbetering > KYC Klantacceptatie > Refinitiv World Check > datatemplate

Uw KYC-onboarding van klanten datatemplate

Refinitiv World-Check

KYC Klantacceptatie Attributen (19) KYC Klantacceptatie Activiteiten (14) Extractiegidsen (2)

Uw KYC-onboarding van klanten datatemplate

Dit template leidt je door het verzamelen van de benodigde data voor het analyseren van je KYC-klantonboarding proces. Het schetst de belangrijke attributen om vast te leggen, de belangrijkste activiteiten om te volgen, en biedt een handvaten voor het extraheren van deze Informatie uit je bronsystemen. Gebruik dit hulpmiddel om ervoor te zorgen dat je alle benodigde data beschikbaar is voor effectieve procesanalyse en -verbetering.

Aanbevolen attributen om vast te leggen
Belangrijkste activiteiten om te volgen
Richtlijnen voor data-extractie

Nieuw met event logs? Leer hoe je een process mining event log creëert.

Template downloaden

KYC Klantacceptatie Attributen

Dit zijn de aanbevolen velden om op te nemen in uw event log voor volledige KYC-klantonboarding analyse.

3 Verplicht 5 Aanbevolen 11 Optioneel

	Naam	Omschrijving
	Activiteitsnaam ActivityName	De naam van een specifiek bedrijfsgebeurtenis of een taak die plaatsvond binnen het KYC onboardingproces.
Omschrijving De activiteitsnaam beschrijft een enkele stap of gebeurtenis in het klant onboardingtraject, zoals 'Aanvraag ingediend', 'Analistenreview gestart' of 'Screening voltooid - Geen bijzonderheden'. Deze activiteiten vormen de stappen van de proceskaart en bieden een gedetailleerde uitsplitsing van de end-to-end workflow. Activiteiten analyseren vormt de kern van process mining. Door de volgorde en frequentie van verschillende activiteiten om bij te houden, kunnen analysesten de werkelijke processtroom bekijken, veelvoorkomende paden vinden, afwijkingen van de standaardprocedure detecteren en specifieke stappen precies aanwijzen die vertragingen of herstelwerk veroorzaken. Dit attribuut is belangrijk voor het bouwen van proceskaarten en het berekenen van activiteitsniveau meetwaarden. Het belang Dit attribuut definieert de individuele stappen van het proces, wat belangrijk is voor het bekijken en visualiseren van de processtroom en het vinden van knelpunten. Vindplaats Deze Informatie wordt doorgaans gevonden in event logs of audit trail-tabellen, vaak geassocieerd met statuswijzigingen in de casemanagement entiteit. Voorbeelden Potentiële Match GeïdentificeerdAnalistbeoordeling gestartVals Positief BevestigdAanvraag Goedgekeurd
	Klantenaanvraag CustomerApplication	De unieke kenmerk voor de onboarding aanvraag van één klant, dienend als de primaire case kenmerk.
Omschrijving De Klant Application is de centrale case kenmerk die alle gebeurtenissen en activiteiten groepeert die gerelateerd zijn aan het onboardingtraject van één klant. Het maakt volledige, chronologische tracking van de voortgang van elke klant mogelijk door het gehele Know Your Klant (KYC) proces, van de initiële indiening tot de uiteindelijke beslissing. In process mining-analyse is dit attribuut onmisbaar bij het reconstrueren van de volledige traject van elke aanvraag. Het maakt de visualisatie van processtromen, berekening van totale doorlooptijden en identificatie van varianten mogelijk. Door cases gegroepeerd op deze kenmerk te analyseren, kunnen organisaties verschillende paden begrijpen die een aanvraag kan nemen, knelpunten vinden en de efficiëntie van diverse onboardingprocessen vergelijken. Het belang Dit is de essentiële case kenmerk die alle gerelateerde activiteiten verbindt, waardoor het mogelijk wordt het end-to-end klant onboardingproces te analyseren. Vindplaats Deze kenmerk is doorgaans de primary key in de hoofdaanvraag- of casemanagementtabel binnen het Refinitiv World-Check systeem of een geïntegreerd CRM. Voorbeelden APP-2023-00123APP-2023-00124APP-2023-00125
	TijdsTip Gebeurtenis EventTime	De timestamp die aangeeft wanneer een specifieke activiteit of gebeurtenis heeft plaatsgevonden.
Omschrijving Event Time geeft de precieze datum en tijd aan dat een activiteit werd geregistreerd. Deze timestamp is de chronologische basis van het proces, waardoor gebeurtenissen correct kunnen worden geordend om de casegeschiedenis te reconstrueren. Dit attribuut is belangrijk voor alle tijdsgebaseerde analyse in process mining. Het wordt gebruikt om de tijd tussen activiteiten (doorlooptijden en wachttijden) te berekenen, de totale case-duur te meten, procesprestaties over tijd te analyseren en te controleren op naleving van Service Level Agreements (SLA's). Zonder nauwkeurige tijdstempels is het onmogelijk om procesprestaties te begrijpen en temporele knelpunten te vinden. Het belang De timestamp voor elke activiteit is belangrijk voor het berekenen van alle op duur gebaseerde meetwaarden, het bekijken van de procesvolgorde en het uitvoeren van bottleneckanalyse. Vindplaats Dit is een standaard veld in elk event log of audit trail tabel, vaak genaamd 'Timestamp', 'EventDate' of 'CreationDate'. Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:22:15Z
	Afdeling DepartmentName	De afdeling of het functionele team dat verantwoordelijk is voor het uitvoeren van de activiteit.
Omschrijving Dit attribuut specificeert de businessunit of het team, zoals 'Onboarding', 'Compliance' of 'Quality Assurance', waartoe de gebruiker behoort. Het maakt analyse mogelijk op een hoger organisatieniveau dan de individuele gebruiker. Analyseren per afdeling is belangrijk voor het vinden van interdepartementale knelpunten en het meten van overdrachtstijden. Het helpt visualiseren hoe werk stroomt tussen verschillende teams en waar vertragingen optreden bij deze overgangen. Deze weergave is zeer waardevol voor het optimaliseren van cross-functionele samenwerking en het verbeteren van de algehele procesefficiëntie. Het belang Maakt de analyse van procesprestaties per afdeling mogelijk en is belangrijk voor het vinden van vertragingen bij overdrachten tussen verschillende teams. Vindplaats Deze Informatie kan worden opgeslagen bij het gebruikersprofiel in het systeem of een gerelateerd HR-systeem. Het moet mogelijk worden gekoppeld aan de gebeurtenis data met behulp van de user ID. Voorbeelden Onboarding TeamCompliance ReviewSenior management
	Eindtijd van het gebeurtenis EventEndTime	De timestamp waarop een specifieke activiteit of een gebeurtenis is afgerond.
Omschrijving De Event End Time markeert de voltooiing van een activiteit. Hoewel veel gebeurtenissen als onmiddellijk kunnen worden gemodelleerd (waarbij StartTime gelijk is aan EndTime), hebben sommige activiteiten een meetbare duur, zoals 'Analistenreview gestart' en 'Analistenreview voltooid'. Het hebben van zowel start- als eindtijden maakt een precieze meting van de verwerkingstijd mogelijk. In procesanalyse is een eindtijd belangrijk voor het berekenen van de exacte verwerkingstijd van een activiteit, in tegenstelling tot de doorlooptijd die wachttijd omvat. Dit helpt te onderscheiden tussen de tijd die een case actief wordt bewerkt en de tijd dat deze stilstaat in een wachtrij. Dit is belangrijk voor bron-optimalisatie en efficiëntieanalyse. Het belang Maakt de precieze berekening van de activiteitsverwerkingstijd mogelijk, waarbij actieve werktijd wordt gescheiden van inactieve wachttijd voor een nauwkeurigere prestatieanalyse. Vindplaats Voor activiteiten met een duur kan dit worden opgeslagen in een apart veld zoals 'CompletionDate' of 'EndDate' in de event log of audit trail-tabellen. Voorbeelden 2023-10-26T10:45:00Z2023-10-26T12:00:00Z2023-10-27T15:00:00Z
	Reviewer ID ReviewerId	De kenmerk van de gebruiker, analysest of geautomatiseerde agent die de activiteit heeft uitgevoerd.
Omschrijving De Reviewer ID, of gebruiker, geeft aan wie een bepaalde taak in het KYC-proces heeft uitgevoerd. Dit kan een compliance analysest, een onboarding specialist, of een systeemaccount voor geautomatiseerde activiteiten zijn. Het volgen van deze Informatie biedt inzicht in werkbelastingverdeling en individuele prestaties. Dit attribuut is belangrijk voor bron-gebaseerde analyse. Het helpt bij het begrijpen van prestatieverschillen tussen gebruikers of teams, het vinden van trainingsbehoeften en het optimaliseren van werkdrukverdeling. Het is ook een sleutelcomponent voor het analyseren van overdrachten, sociale netwerken en compliance brongebruik. Het belang Maakt analyse van werkdrukverdeling, gebruikersprestaties en afdelingsoverdrachten mogelijk, wat belangrijk is voor bron-optimalisatie. Vindplaats Typisch te vinden in event logs of audit trails, vaak benoemd als 'GebruikerID', 'PerformedBy' of 'Owner'. Voorbeelden analyst_jdoesystem_auto_screenermanager_bsmith
	Risiconiveau RiskLevel	De berekende risicoclassificatie van de klantenaanvraag, zoals Laag, Gemiddeld of Hoog.
Omschrijving De Risk Level is een belangrijk stuk Informatie in KYC-processen, dat het niveau van de vereiste due diligence bepaalt. Het wordt vaak bepaald op basis van factoren zoals klanttype, geografie en de aard van hun business. Deze classificatie kan de procesweg die een aanvraag aflegt aanzienlijk beïnvloeden. In procesanalyse is het segmenteren van cases op Risiconiveau belangrijk. Het helpt variaties in doorlooptijden en processtromen te verklaren; zo kunnen high-risk aanvragen meer stappen vereisen en langer duren. Dit attribuut is belangrijk voor de dashboards 'Afwijzingspercentage aanvragen en redenen' en 'Doorlooptijd initiatie achtergrondcontrole' om te begrijpen hoe risico resultaten en efficiëntie beïnvloedt. Het belang Het segmenteren van het proces op risiconiveau is belangrijk om te begrijpen waarom bepaalde cases langer duren of verschillende paden volgen, en voor het analyseren van afwijzingspercentages. Vindplaats Dit is een belangrijk data punt op de klantaanvraag- of caserecord. Raadpleeg de casemanagementmodule in Refinitiv World-Check. Voorbeelden LaagGemiddeldHoog
	SLA-streefdatum SlaTargetDate	De streefdatum waarop het klant onboardingproces voltooid moet zijn.
Omschrijving De SLA Target Date is de deadline voor het voltooien van de gehele onboarding case, zoals gedefinieerd door de service level agreement met de klant of interne beleidsregels. Deze datum is de benchmark waartegen de werkelijke voltooiingstijden worden gemeten. Dit attribuut is onmisbaar voor het 'SLA Naleving en Overtreding Analyse' dashboard. Het wordt gebruikt om te berekenen of een case op tijd is voltooid of niet. Het analyseren van SLA-overtredingen helpt bij het vinden van systemische problemen in het proces die vertragingen veroorzaken en stelt de organisatie in staat corrigerende maatregelen te nemen om de tijdigheid te verbeteren en te voldoen aan complianceregelgeving. Het belang Dit is de benchmark voor het meten van on-time prestaties en is belangrijk voor het berekenen van de het SLA-nalevingspercentage en het analyseren van overtredingen. Vindplaats Deze datum wordt vaak berekend op basis van de datum van de aanvraag en bedrijfsregels. Het kan worden opgeslagen als een veld op de case record. Voorbeelden 2023-11-10T17:00:00Z2023-11-15T17:00:00Z2023-11-20T17:00:00Z
	Aanvraagkanaal ApplicationChannel	Het kanaal waarlangs de klantaanvraag werd ingediend, zoals Online Portal, In-filiaal of Mobiele App.
Omschrijving De Application Channel geeft de indieningsbron van de klantaanvraag aan. Verschillende kanalen kunnen variërende niveaus van datacompleetheid, -kwaliteit en klantdemografie hebben, wat het downstream proces kan beïnvloeden. Dit attribuut is belangrijk voor het 'Application Throughput by Channel' dashboard. Door het volume, de doorlooptijd en de resultaten van aanvragen uit verschillende kanalen te analyseren, kan een organisatie vinden welke kanalen het meest efficiënt zijn en welke procesverbeteringen nodig hebben. Deze analyse ondersteunt strategische beslissingen over bron-allocatie en kanaalinvestering. Het belang Helpt de prestaties en efficiëntie van verschillende indieningskanalen te analyseren, en zo strategische beslissingen over technologie en klantervaring te onderbouwen. Vindplaats Deze Informatie wordt doorgaans vastgelegd aan het begin van het proces en opgeslagen als een attribuut op de aanvraagrecord. Voorbeelden Online portaalMobiele appIn-filiaalRelationship Manager
	Bronsysteem SourceSystem	Het systeem waaruit de gebeurtenis data werd opgehaald, in dit geval Refinitiv World-Check.
Omschrijving Dit attribuut identificeert de herkomst van de procesdata. Hoewel het een constante waarde kan zijn bij een enkelvoudige extractie, wordt het belangrijk wanneer data uit meerdere systemen (zoals een CRM en World-Check) wordt gecombineerd om een volledig procesoverzicht te creëren. In analyse helpt dit bij data governance, probleemoplossing en het begrijpen van de context van de data. Activiteiten die bijvoorbeeld in een kernscreeningsysteem worden gelogd, kunnen andere eigenschappen of detailniveaus hebben dan die van een perifeer systeem. Het zorgt ervoor dat data lineage duidelijk en auditable is. Het belang Identificeert de herkomst van de data, wat belangrijk is voor data governance, validatie en bij het samenvoegen van data uit meerdere bronnen. Vindplaats Dit is vaak een statische waarde die wordt toegevoegd tijdens het data-extractie-, transformatie- en laadproces (ETL) om de dataset te labelen. Voorbeelden Refinitiv World-CheckWorldCheckOne
	Is Geautomatiseerd IsAutomated	Een indicator die aangeeft of de activiteit door een systeem (true) of een mens (false) is uitgevoerd.
Omschrijving Dit boolean attribuut onderscheidt geautomatiseerde systeemtaken van handmatige activiteiten die door gebruikers worden uitgevoerd. Bijvoorbeeld, 'Geautomatiseerde Screening Uitgevoerd' zou als geautomatiseerd worden gemarkeerd, terwijl 'Analistenreview Gestart' handmatig zou zijn. Dit onderscheid is belangrijk voor automatiseringsanalyse. Het helpt de impact van automatisering op procesefficiëntie te meten, te vinden welke handmatige taken kandidaten zijn voor toekomstige automatisering, en de interactie tussen menselijke en systeemactoren te begrijpen. Het maakt een duidelijke scheiding mogelijk van systeemverwerkingstijd en handmatige verwerkingstijd. Het belang Onderscheidt tussen systeem- en menselijke activiteiten, wat belangrijk is voor het meten van de impact van automatisering en het vinden van nieuwe automatiseringsmogelijkheden. Vindplaats Dit wordt doorgaans afgeleid op basis van de activiteitsnaam of de user ID die geassocieerd is met het gebeurtenis (bijv. als de gebruiker een 'systeem' account is). Voorbeelden truefalse
	Is herstelwerk IsRework	Een indicator die aangeeft of een activiteit voor de tweede of daaropvolgende keer binnen dezelfde case wordt uitgevoerd.
Omschrijving IsRework is een berekend boolean attribuut dat aangeeft wanneer een activiteit wordt herhaald binnen dezelfde klantaanvraagcase. Als 'Risicobeoordeling uitgevoerd' bijvoorbeeld meer dan één keer voorkomt voor één aanvraag, worden de daaropvolgende gebeurtenissen als herstelwerk gemarkeerd. Dit attribuut is belangrijk voor het vinden van procesinefficiënties, loops en onnodige herhalingen. Het ondersteunt direct het 'Risk Assessment Rework and Efficiency' dashboard en de 'Risk Assessment Rework Rate' KPI. Het analyseren van herstelwerk helpt bij het blootleggen van problemen met kwaliteit, duidelijkheid van Informatie of besluitvorming, wat leidt tot verspilde inspanning en langere doorlooptijden. Het belang Accentueert procesinefficiënties door herhaalde activiteiten te signaleren, waardoor analyse van herstelwerk-loops mogelijk wordt om de kwaliteit te verbeteren en de doorlooptijden te verkorten. Vindplaats Dit wordt berekend tijdens datatransformatie door de volgorde van activiteiten binnen elke case te analyseren en niet-initiële voorvallen van een activiteit te markeren. Voorbeelden truefalse
	Klant-ID CustomerId	Een unieke kenmerk voor de klantentiteit die wordt onboarded.
Omschrijving De Klant ID is de unieke kenmerk voor het klantprofiel. Dit is onderscheiden van de Klant Application ID, aangezien één klant in de loop der tijd meerdere aanvragen kan indienen. Dit attribuut koppelt het onboardingproces aan de master klantrecord. In analyse maakt de Klant ID het mogelijk om herhaalde aanvragen van dezelfde klant te volgen en kan het worden gebruikt om de procesdata te verrijken met andere klantattributen uit een CRM- of masterdatasysteem. Dit maakt een meer volledig beeld op het klanttraject mogelijk, voorbij een enkele onboarding-instantie. Het belang Koppelt de onboarding case aan een specifieke klant, waardoor analyse van herhaalde aanvragen en verrijking met master klantdata mogelijk worden. Vindplaats Dit is een sleutelveld op de aanvraag- of case-record, dat deze koppelt aan de masterdata van de klant. Voorbeelden CUST-98765CUST-98766CUST-98767
	Klantland CustomerCountry	Het land van residentie of oprichting voor de klant.
Omschrijving Dit attribuut geeft de geografische locatie van de klant aan. Het land is een belangrijke factor in risicobeoordeling en regulatieve vereisten voor KYC-processen. Verschillende jurisdicties hebben verschillende regels, wat de processtroom en duur kan beïnvloeden. Het analyseren van het proces per land stelt organisaties in staat prestaties te vergelijken over verschillende regio's, locatie-specifieke knelpunten te vinden en naleving van lokale regelgeving te waarborgen. Het biedt een geografische dimensie aan de procesanalyse, die belangrijke operationele verschillen kan zichtbaar maken. Het belang Maakt geografische analyse van het proces mogelijk, wat helpt bij het vinden van regionale variaties in prestaties, risico en compliancevereisten. Vindplaats Dit is een standaard veld op het klantprofiel of aanvraagformulier. Voorbeelden USAGBRSGPDEU
	Klanttype CustomerType	De classificatie van de klant, zoals Individu, Corporatie of Trust.
Omschrijving Klanttype categoriseert de entiteit die wordt onboarded. Verschillende typen klanten hebben vaak verschillende onboardingvereisten, risicoprofielen en wettelijke verplichtingen. Het onboarden van een bedrijf is bijvoorbeeld doorgaans complexer dan het onboarden van een individu. Dit attribuut wordt gebruikt voor segmentatieanalyse, met name voor het 'KYC Klanttype Prestatie' dashboard. Het maakt het mogelijk om de procesefficiëntie, doorlooptijden en afwijzingspercentages te vergelijken tussen verschillende klantsegmenten. Dit helpt organisaties de onboardingervaring af te stemmen en te optimaliseren voor specifieke klanttypen. Het belang Maakt prestatievergelijking tussen verschillende klantsegmenten mogelijk, wat helpt bij het afstemmen en optimaliseren van het onboardingproces voor elk type. Vindplaats Dit is een fundamenteel attribuut dat is opgeslagen op de klant- of aanvraagrecord binnen het bronsysteem. Voorbeelden IndividueelBedrijfNon-profitTrust
	Match ID MatchId	De unieke kenmerk voor een potentiële match die is gevonden tijdens een World-Check screening.
Omschrijving Wanneer het geautomatiseerde screeningsproces een potentiële match vindt met sanctielijsten, PEP-lijsten of negatieve media, wordt er vaak een Match ID gegenereerd om de specifieke bevinding te traceren. Dit ID koppelt de aanvraagcase aan de specifieke record in de World-Check database die de alert activeerde. Dit attribuut is nuttig voor gedetailleerde compliance-analyse. Het stelt analysesten in staat om de aard van matches te onderzoeken, de oplossing van specifieke meldingen te volgen (bijvoorbeeld het bevestigen van een vals positief of een ware match), en te begrijpen welke soorten meldingen het meest voorkomen of het langst duren om op te lossen. Het biedt een dieper detailniveau in de activiteit 'Potentiële Match Geïdentificeerd'. Het belang Biedt een gedetailleerde link naar de specifieke screeningsresultaten, waardoor een diepere analyse van matchoplostijden en alarmtypen mogelijk worden. Vindplaats Deze ID zou worden gegenereerd door de World-Check screening engine en gelogd tegen de aanvraag case wanneer een potentiële match wordt gevonden. Voorbeelden WC-MATCH-459021WC-MATCH-459022WC-MATCH-459023
	Reden van afwijzing RejectionReason	De specifieke reden die wordt gegeven wanneer een klantaanvraag wordt afgewezen.
Omschrijving Wanneer een aanvraag wordt afgewezen, legt de Afwijsreden vast waarom die beslissing is genomen. Redenen kunnen zijn 'Sancties Match', 'Onvolledige Documentatie' of 'Hoog Risicoprofiel'. Dit biedt waardevolle, gestructureerde feedback over de kwaliteit van binnenkomende aanvragen en de effectiviteit van het screeningsproces. Dit attribuut is de belangrijkste drijfveer voor het 'aanvraag-afwijzingspercentage en Redenen' dashboard. Het analyseren van deze redenen helpt bij het vinden van de hoofdoorzaken van afwijzingen, wat kan leiden tot procesverbeteringen, duidelijkere communicatie met aanvragers en mogelijk een vermindering van onnodige afwijzingen. Het biedt kwalitatieve context bij de kwantitatieve KPI voor het afwijzingspercentage. Het belang Biedt de hoofdoorzaak voor afwijzingen van aanvragen, wat belangrijk is voor het vinden van verbeterpunten in het onboardingproces om het afwijzingspercentage te verlagen. Vindplaats Dit wordt geregistreerd wanneer de 'Aanvraag Afgewezen' gebeurtenis plaatsvindt, waarschijnlijk als een veld op de case of aanvraagrecord. Voorbeelden PEP MatchSanctielijst TrefferMislukte DocumentverificatieNegatieve Media
	SLA Overtreden SlaBreached	Een boolean vlag die aangeeft of de onboarding case is voltooid na de SLA Target Date.
Omschrijving Dit attribuut is een berekende vlag die aangeeft of een case zijn Service Level Agreement heeft overtreden. Het wordt bepaald door de timestamp van de uiteindelijke voltooiingsactiviteit (bijv. 'Aanvraag goedgekeurd' of 'Aanvraag afgewezen') te vergelijken met de 'SLA-streefdatum' voor de case. Deze vlag vormt de basis voor het 'SLA Naleving en Overtreding Analyse' dashboard en de 'SLA Naleving Rate' KPI. Het vereenvoudigt analyse door gebruikers in staat te stellen snel te filteren op alle overtreden cases. Door de proceskenmerken van overtreden cases te analyseren, kunnen organisaties de hoofdoorzaken van vertragingen vinden en verbeteringsinspanningen effectief richten. Het belang Meet direct de naleving van service level agreements, waardoor eenvoudige filtering en hoofdoorzakanalyse van vertraagde cases mogelijk is. Vindplaats Dit wordt berekend tijdens datatransformatie door de timestamp van de uiteindelijke activiteit voor een case te vergelijken met het SLA-streefdatum veld. Voorbeelden truefalse
	Tijdstip van extractie LastDataUpdate	De timestamp waarop de data voor dit gebeurtenis voor het voor het laatst is bijgewerkt of opgehaald uit het bronsysteem.
Omschrijving Dit attribuut geeft de relevantie van de data aan. Het registreert de datum en tijd van de laatste data-extractie uit Refinitiv World-Check. Dit is belangrijk voor het begrijpen van de tijdigheid van de process mining-dashboards en analyses. Voor analysedoeleinden stelt dit gebruikers in staat te weten of ze naar bijna realtime-data kijken of een momentopname van een specifiek tijdsTip. Het is belangrijk voor data governance en voor het beheren van gebruikersverwachtingen over de relevantie van de geleverde inzichten. Het belang Biedt belangrijke context over de relevantie van data, zodat gebruikers begrijpen hoe up-to-date de procesanalyse is. Vindplaats Deze timestamp wordt gegenereerd en toegevoegd tijdens het data-extractieproces (ETL). Voorbeelden 2023-11-01T02:00:00Z2023-11-02T02:00:00Z

Verplicht Aanbevolen Optioneel

KYC Klantacceptatie Activiteiten

Dit zijn de belangrijkste processtappen en mijlpalen om vast te leggen in uw event log voor accurate procesdiscovery.

8 Aanbevolen 6 Optioneel

	Activiteit	Omschrijving
	Aanvraag Afgewezen	De klantaanvraag wordt formeel afgewezen, vaak als gevolg van een 'Match gevonden' in World-Check of andere risicofactoren. Dit gebeurtenis is de uiteindelijke negatieve uitkomst van het onboardingproces.
Het belang Dit is het primaire faaleindpunt van het proces. Het analyseren van afwijzingsgebeurtenissen, met name de redenen en voorafgaande activiteiten, is belangrijk voor procesverbetering en het verminderen van onnodige afwijzingen. Vindplaats Deze uiteindelijke bedrijfsbeslissing wordt vastgelegd in het upstream CRM- of kernapplicatiesysteem, niet in World-Check zelf. Data moet uit dat systeem worden gehaald. Vastleggen Event gelogd in het bronapplicatiesysteem, vaak met een corresponderende afwijzingsredencode. Gebeurtenistype explicit
	Aanvraag ingediend	Deze activiteit markeert de initiatie van het KYC onboardingproces wanneer een klant zijn aanvraag indient. Dit gebeurtenis wordt doorgaans vastgelegd in een CRM- of een kernapplicatiesysteem, dat vervolgens het screeningsproces in Refinitiv World-Check triggert.
Het belang Dit is het primaire start gebeurtenis voor het end-to-end klant onboardingtraject. Het analyseren van de tijd vanaf dit punt tot voltooiing geeft de totale onboarding doorlooptijd, wat belangrijk is voor het meten van klantervaring en SLA-naleving. Vindplaats Dit gebeurtenis is niet native voor World-Check. Het moet afkomstig zijn van een upstream systeem, zoals een CRM of klantaccountbeheerplatform, en worden gecorreleerd met de Klant Application ID. Vastleggen Event gelogd in het bronapplicatiesysteem bij de initiële indiening. Gebeurtenistype explicit
	Account Geactiveerd	De account van de klant wordt aangemaakt en geactiveerd in het kernsysteem, waarmee het onboardingtraject wordt voltooid. Dit volgt op de uiteindelijke goedkeuring van de aanvraag en maakt de account klaar voor gebruik.
Het belang Dit is de laatste, waarde-leverende stap in het proces. De duur van aanvraagindiening tot accountactivatie is een belangrijke metriek voor operationele efficiëntie en klanttevredenheid. Vindplaats Dit gebeurtenis wordt niet vastgelegd in World-Check. Het wordt vastgelegd in het kernbank- of klantaccountsysteem en moet worden gecorreleerd met de Klant Application ID. Vastleggen Event gelogd in het core accountsysteem bij accountactivatie. Gebeurtenistype explicit
	Analistbeoordeling gestart	Een compliance-analysest start het handmatige onderzoek naar potentiële matches voor een klantaanvraag. Dit omvat het beoordelen van de details van de potentiële matches tegen de klantInformatie om de relevantie te bepalen.
Het belang Dit markeert de start van de handmatige compliancereview, een veelvoorkomende bottleneck. Het meten van de tijd vanaf 'Potentiële Match Geïdentificeerd' tot deze activiteit onthult wachtrijvertragingen, terwijl de duur van de review de efficiëntie van de analysest aangeeft. Vindplaats Dit kan worden afgeleid wanneer een analysest een case 'claimt' of opent vanuit de reviewwachtrij. Het systeem kan dit gebeurtenis expliciet loggen in een audit trail wanneer de status van de casus wijzigt naar 'In review' of wordt toegewezen aan een specifieke gebruiker. Vastleggen Afgeleid van een wijziging in de status van de casus naar 'In behandeling' of de toewijzing van de casus aan een analysest. Gebeurtenistype inferred
	Screening voltooid - Geen bijzonderheden	De screeningscase is officieel gesloten met een 'Geen bijzonderheden' resultaat, wat betekent dat er geen ware matches werden gevonden. Deze beslissing wordt teruggekoppeld naar het bronsysteem, waardoor het onboardingproces kan doorgaan.
Het belang Deze activiteit vertegenwoordigt de succesvolle, 'happy path' voltooiing van het screeningsproces. Het dient als een belangrijk eindpunt voor het meten van de doorlooptijd van standaard, low-risk aanvragen. Vindplaats Afgeleid van de uiteindelijke status van de casus die wijzigt naar 'Geen bijzonderheden', 'Compleet' of 'Gesloten - Geen match'. De timestamp van deze uiteindelijke statuswijziging wordt gebruikt. Vastleggen Afgeleid van de timestamp van de uiteindelijke case status die een duidelijk resultaat aangeeft. Gebeurtenistype inferred
	Screening voltooid - Match gevonden	De screeningscase is officieel gesloten met een 'Match gevonden' resultaat, wat aangeeft dat een bevestigd risico werd geïdentificeerd. Deze beslissing activeert een ander downstream proces, zoals volledige due diligence of afwijzing.
Het belang Dit is het primaire 'unhappy path' eindpunt voor het screeningsproces. Het analyseren van deze cases helpt risicoprofielen en de effectiviteit van de screeningcontroles te begrijpen. Vindplaats Afgeleid van de uiteindelijke status van de casus die wijzigt naar 'Match gevonden', 'Risico geïdentificeerd' of 'Gesloten - Positief'. De timestamp van deze uiteindelijke statuswijziging wordt gebruikt. Vastleggen Afgeleid van de timestamp van de uiteindelijke case status die een bevestigde match aangeeft. Gebeurtenistype inferred
	Screeningsaanvraag aangemaakt	Een nieuwe screening case wordt formeel aangemaakt voor een klantaanvraag binnen het Refinitiv World-Check systeem. Dit wordt getriggerd door een API call of handmatige invoer vanuit een upstream systeem en vertegenwoordigt het begin van de risico-intelligentiecontrole.
Het belang Dit markeert de officiële start van het screening subproces. De tijd tussen 'Aanvraag ingediend' en deze activiteit onthult vertragingen bij overdrachten tussen het line-of-business systeem en de compliance functie. Vindplaats Vastgelegd in de World-Check casemanagement logs of het audit trail. De aanmaak gebeurtenis en de timestamp daarvan voor de specifieke case of entiteit ID zouden worden gebruikt. Vastleggen Automatisch gelogd wanneer een nieuwe screening case in het systeem wordt aangemaakt. Gebeurtenistype explicit
	Ware Match Bevestigd	Een analysest bevestigt dat een potentiële match inderdaad de gescreende klant is, waarmee een potentieel risico wordt geïdentificeerd. Dit is een kritieke mijlpaal die doorgaans verdere due diligence of afwijzing van de aanvraag triggert.
Het belang Dit is een belangrijke risicobeperkende uitkomst en een belangrijk moment in het proces. Het beïnvloedt direct de uiteindelijke beslissing over de klantaanvraag en is belangrijk voor compliancerapportage en -analyse. Vindplaats Dit is een expliciete gebruikersactie waarbij de analysest een specifieke match afdoet als een 'Ware Match' of 'Bevestigde Match'. Dit gebeurtenis wordt gelogd in het case audit trail. Vastleggen Gelogd wanneer een analysest formeel een match bevestigt in het systeem. Gebeurtenistype explicit
	Aanvraag Goedgekeurd	De klantaanvraag is volledig goedgekeurd na een succesvolle KYC screening en alle andere vereiste controles. Dit gebeurtenis vindt doorgaans plaats in het bronsysteem na ontvangst van een 'Geen bijzonderheden' resultaat van World-Check.
Het belang Dit markeert de succesvolle zakelijke uitkomst van het onboardingproces. Het volgen van de tijd vanaf indiening tot dit punt onthult de volledige 'time-to-yes' voor een nieuwe klant. Vindplaats Dit gebeurtenis is niet native voor World-Check. Het moet afkomstig zijn van het upstream CRM- of kernapplicatiesysteem, dat de uiteindelijke bedrijfsbeslissing neemt. Vastleggen Event gelogd in het bronapplicatiesysteem bij definitieve goedkeuring. Gebeurtenistype explicit
	Aanvullende Informatie aangevraagd	De analysest bepaalt dat meer Informatie nodig is om de potentiële match op te lossen en vraagt deze aan bij de businessunit. Dit plaatst de case in een wachtende status totdat de Informatie is verstrekt.
Het belang Frequente voorkomens van deze activiteit duiden op problemen met de kwaliteit van de initiële data die voor screening is aangeleverd. Deze activiteit introduceert aanzienlijke vertragingen, aangezien deze afhankelijk is van externe teams, en is een belangrijke aanjager van lange doorlooptijden. Vindplaats Dit kan een expliciete gebruikersactie zijn die is gelogd in de casenotities of auditlog. Alternatief kan het worden afgeleid uit een case statuswijziging naar 'Wachtend op Informatie' of 'RFI'. Vastleggen Gelogd wanneer een analysest een functie gebruikt om de case te markeren als 'meer Informatie nodig'. Gebeurtenistype explicit
	Case Geëscaleerd voor Beoordeling	Een eerstelijns analysest escaleert een complexe of risicovolle case naar een senior analysest of manager voor een definitieve beslissing. Dit is een belangrijk overdrachtspunt binnen het compliance-team.
Het belang Escalaties veroorzaken vaak knelpunten en verlengen de doorlooptijd. Het analyseren van de frequentie en redenen voor escalaties kan trainingsbehoeften voor junior analysesten of onduidelijkheid in reviewbeleid inzichtelijk maken. Vindplaats Vastgelegd als een expliciete actie in de case workflow of het audit trail. Dit kan ook worden afgeleid uit een wijziging in de gebruiker die aan de case is toegewezen, met name aan een gebruiker met hogere rechten. Vastleggen Gelogd via een speciale 'Escaleren' knop of workflow actie binnen de case. Gebeurtenistype explicit
	Geautomatiseerde Screening Uitgevoerd	Het World-Check systeem screent automatisch de klantgegevens tegen zijn risico-intelligentie database. Dit is een systeemgestuurde activiteit die een initiële set resultaten produceert, zoals potentiële matches of een status 'Geen bijzonderheden'.
Het belang Deze activiteit is de eerste waarde-toevoegende stap binnen het screeningsproces. Vertragingen vóór dit punt duiden op systeem- of data-gereedheidsproblemen, terwijl de uitkomst de daaropvolgende handmatige werkbelasting bepaalt. Vindplaats Dit gebeurtenis kan expliciet worden gelogd in de case audit trail of worden afgeleid van de timestamp wanneer initiële screeningsresultaten beschikbaar komen voor de case. Vastleggen Systeemlogboekinvoer gegenereerd na voltooiing van de geautomatiseerde databasescan. Gebeurtenistype explicit
	Potentiële Match Geïdentificeerd	Het geautomatiseerde screeningproces heeft één of meer potentiële matches gevonden die handmatige review door een analysest vereisen. Dit gebeurtenis brengt de case van een geautomatiseerde status naar een handmatige onderzoekswachtrij.
Het belang Deze activiteit is een kritiek vertakkingspunt in het proces. Cases met potentiële matches volgen een langer, complexer pad, en het volgen hiervan helpt bij bronplanning en bottleneckanalyse voor het reviewteam. Vindplaats Afgeleid van een wijziging in de status van de casus naar 'Review vereist', 'Mogelijke match' of een vergelijkbare status binnen de World-Check casemanagementmodule. Vastleggen Afgeleid van een case statuswijziging die aangeeft dat handmatige review nu nodig is. Gebeurtenistype inferred
	Vals Positief Bevestigd	De analysest concludeert dat een potentiële match niet hetzelfde is als de gescreende klant. De match wordt afgewezen en het screeningsproces voor dat specifieke alarm is opgelost.
Het belang Dit vertegenwoordigt een veelvoorkomende uitkomst van het reviewproces. Inzicht in de tijd die nodig is om false positives af te handelen, helpt de efficiëntie van de analysest en de nauwkeurigheid van de geautomatiseerde screeninglogica te meten. Vindplaats Dit is een expliciete gebruikersactie waarbij de analysest een specifieke match afdoet als 'False Positive' of 'Geen Match'. Deze actie wordt doorgaans gelogd in de case historie. Vastleggen Gelogd wanneer een analysest een potentiële match formeel afwijst in het systeem. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Hoe u je data uit Refinitiv World-Check haalt

Stappen

Inloggen bij World-Check One: Open het Refinitiv World-Check One portaal met uw inloggegevens.
Navigeer naar Casemanagement: Open de sectie Casemanagement waar alle screening cases worden opgeslagen en beheerd.
Bereid de Casusrapport Export voor: Ga naar de rapportage- of exportfunctie binnen Casemanagement. Dit kan gelabeld zijn als 'Export Cases' of 'Case Report'.
Configureer het Casusrapport: Selecteer de kolommen die moeten worden opgenomen in de export. Zorg ervoor dat u velden selecteert die overeenkomen met de Case-ID (KlantApplication), aanmaakdatum, oplossingsdatum, casusstatus (bijv. Clear, Match Found) en risiconiveau.
Exporteer de Casemanagement Data: Definieer uw datumbereik, typisch de laatste 3 tot 6 maanden activiteit beslaand. Pas eventuele benodigde filters toe, zoals per gebruikersgroep of casustype. Exporteer de data als een CSV-bestand en noem het case_report.csv.
Bereid de Audit Trail Export voor: Navigeer naar de audit trail of auditlog rapportagesectie van World-Check One. Dit bevat gedetailleerde gebeurtenisgeschiedenissen voor elke case.
Configureer en Exporteer de Audit Trail: Selecteer alle relevante kolommen, inclusief de Case-ID, gebeurtenisnaam of -beschrijving, gebeurtenis timestamp, en de gebruiker die de actie heeft uitgevoerd. Exporteer deze data voor hetzelfde datumbereik als het casusrapport. Sla het bestand op als audit_trail.csv.
Bron Externe Processtappen: Verzamel data voor activiteiten die buiten World-Check plaatsvinden, zoals Application Submitted, Application Approved, Account Activated en Application Rejected. Deze data komt typisch uit een CRM- of core banking systeem. Exporteer deze data met de KlantApplication ID en relevante tijdstempels.
Combineer en Transformeer Data: Laad de geëxporteerde CSV-bestanden (case_report.csv, audit_trail.csv en de externe systeemdata) in een data preparatie tool of script.
Map Audit Events naar Activiteiten: Verwerk het audit_trail.csv bestand. Map de ruwe gebeurtenisbeschrijvingen van de auditlog naar de gestandaardiseerde ActiviteitNaam waarden. Bijvoorbeeld, een auditlog entry zoals 'Case Assigned to Analyst' wordt 'Analyst Review Started'.
Map Case Status Wijzigingen naar Activiteiten: Verwerk het case_report.csv bestand om activiteiten te genereren op basis van statuswijzigingen. Gebruik de casusoplossingsdatum en uiteindelijke status om de 'Screening Completed - Clear' of 'Screening Completed - Match Found' gebeurtenissen te creëren.
Creëer de Finale Event Log: Voeg alle verwerkte data van de verschillende bronbestanden samen in één CSV-bestand. Zorg ervoor dat het uiteindelijke bestand de vereiste kolommen bevat: KlantApplication, ActiviteitNaam, en EventTime, samen met eventuele aanbevolen attributen. Sla dit bestand op voor upload naar de process mining-tool.

Configuratie

Rapporttypen: U moet ten minste twee afzonderlijke rapporten genereren: een samenvattend Casemanagement rapport en een gedetailleerd Audit Trail rapport.
Datumbereik: Voor een initiële analyse selecteert u een datumbereik van minimaal 3-6 maanden om voldoende voltooide en lopende cases vast te leggen. Zorg ervoor dat het datumbereik consistent is in alle geëxporteerde bestanden.
Exportformaat: Kies CSV (Comma Separated Values) als exportformaat voor eenvoudige verwerking.
Belangrijke Kolommen (Casusrapport): Zorg ervoor dat uw case-export Case-ID, Creation Timestamp, Resolution Timestamp, Final Status, Assigned Analyst en Risk Level bevat.
Belangrijke Kolommen (Audit Trail Rapport): Zorg ervoor dat uw auditlog export Case-ID, Event Description, Event Timestamp en Gebruiker ID bevat.
Verplichten: Toegang tot het World-Check One portaal met gebruikersrechten die het bekijken en exporteren van casemanagement- en auditlog data mogelijk maken, is vereist. Dit kan verhoogde privileges vereisen boven een standaard analysestenrol.

a Voorbeeldquery config

/*
This is a configuration and mapping guide, not an executable script. 
The process relies on manually exporting two reports from World-Check One and combining them with data from an upstream system (e.g., CRM).
*/

-- Step 1: Export 'Case Management Report' as case_report.csv
-- Step 2: Export 'Audit Trail Report' as audit_trail.csv
-- Step 3: Export relevant events from CRM/core system as source_system_events.csv

-- Step 4: Combine and map the files using a script or ETL tool to create the final event log.

-- Mapping logic for final_event_log.csv

-- Part A: Data from source_system_events.csv
SELECT
  ApplicationID AS CustomerApplication,
  'Application Submitted' AS ActivityName,
  SubmissionTimestamp AS EventTime,
  NULL AS EventEndTime,
  OriginatorID AS ReviewerId,
  OriginatingDept AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Submission'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Application Approved' AS ActivityName,
  ApprovalTimestamp AS EventTime,
  NULL AS EventEndTime,
  ApproverID AS ReviewerId,
  ApprovingDept AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Approval'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Account Activated' AS ActivityName,
  ActivationTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Operations' AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Activation'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Application Rejected' AS ActivityName,
  RejectionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ReviewerID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Rejection'

-- Part B: Data from World-Check audit_trail.csv
UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Request Created' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Created%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Automated Screening Performed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Automated Screening Completed%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Potential Match Identified' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Potential Match Found%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Analyst Review Started' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Assigned%' OR EventDescription LIKE '%Review Started%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Additional Information Requested' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Information Requested%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Case Escalated for Review' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Escalated%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'False Positive Confirmed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Match Dismissed as False Positive%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'True Match Confirmed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Match Confirmed as True%'

-- Part C: Data from World-Check case_report.csv
UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Completed - Clear' AS ActivityName,
  ResolutionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ResolverID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskLevel AS RiskLevel,
  NULL AS SlaTargetDate
FROM case_report.csv
WHERE FinalStatus = 'Clear'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Completed - Match Found' AS ActivityName,
  ResolutionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ResolverID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskLevel AS RiskLevel,
  NULL AS SlaTargetDate
FROM case_report.csv
WHERE FinalStatus = 'Match Found'

Stappen

Verplichten en Setup: Zorg ervoor dat Python 3.6+ is geïnstalleerd, samen met de requests- en pandas-bibliotheken. Verkrijg uw World-Check One API Key en API Secret via uw Refinitiv-vertegenwoordiger of het ontwikkelaarsportaal. Sla deze inloggegevens veilig op.
Authenticatielogica ontwikkelen: Creëer in uw Python-script een functie om een POST-verzoek te sturen naar het World-Check One het inloggen-endpoint. Gebruik uw API Key en Secret om een tijdelijk bearer token te verkrijgen dat nodig is voor latere API-calls.
Bronsysteemdata vinden: Het proces begint en eindigt buiten World-Check. Identificeer het bronsysteem, zoals een CRM of core banking platform, dat initiële applicatiedata opslaat. U zult gebeurtenissen zoals Application Submitted, Application Approved, Account Activated en Application Rejected uit deze bron moeten extraheren. Dit kan via een databasequery of een andere API.
World-Check Cases ophalen: Gebruikmakend van het geauthenticeerde token, doe een GET-verzoek naar het /cases-endpoint van de World-Check One API. Gebruik queryparameters om cases te filteren op een specifiek datumbereik, bijvoorbeeld gebaseerd op hun aanmaak- of wijzigingsdatum.
API Paginatie afhandelen: World-Check API-responsen zijn gepagineerd. Uw script moet de respons controleren op paginatiedetails en door alle pagina's lussen om de complete lijst van cases voor uw gespecificeerde datumbereik op te halen.
Case Details en Geschiedenis ophalen: Voor elke opgehaalde Case-ID, doe opeenvolgende GET-verzoeken naar endpoints zoals /cases/{case_system_id} en /cases/{case_system_id}/audit-trail. Deze endpoints bieden de gedetailleerde statuswijzigingen, resolutiedetails en gebruikersacties die aan de case zijn gekoppeld.
Ruwe Data naar Activiteiten mappen: Dit is een kritieke transformatiestap. Schrijf logica om door de API-responsdata (case details, audit trail) voor elke case te itereren. Map specifieke statuswijzigingen, resultaatcodes en audit gebeurtenissen naar de vereiste bedrijfsactiviteiten. Een case creation gebeurtenis wordt bijvoorbeeld Screening Request Created, en een result resolution van False Positive wordt False Positive Confirmed.
Databronnen combineren: Voeg de data die is opgehaald uit World-Check samen met de data uit je bronsysteem (uit stap 3). Gebruik de KlantApplication ID als de gemeenschappelijke sleutel om een compleet end-to-end event log voor elke klant te creëren.
Data structureren en verrijken: Assembleer alle gemapte gebeurtenissen in een enkele lijst met records. Zorg ervoor dat voor elk record alle vereiste attributen (KlantApplication, ActiviteitNaam, EventTime) en aanbevolen attributen zijn ingevuld. Bereken EventEndTime waar mogelijk, wellicht door de timestamp van het volgende gebeurtenis voor die case te gebruiken.
Exporteren naar CSV: Converteer de uiteindelijke lijst met gebeurtenisrecords naar een pandas DataFrame. Herschik de kolommen om overeen te komen met het vereiste formaat en exporteer het DataFrame naar een CSV-bestand. Zorg ervoor dat het bestand wordt opgeslagen met UTF-8-codering om compatibel te zijn met ProcessMind.

Configuratie

API-gegevens: Een geldige API Key en API Secret voor de World-Check One Screening API zijn vereist. Deze moeten voorzien zijn van de nodige permissies om case- en auditdata te lezen.
API Base URL: Het script moet geconfigureerd zijn met de juiste base URL voor uw World-Check API-omgeving, bijvoorbeeld, https://api.world-check.com/v2/.
Datumbereik: Implementeer start_date en end_date parameters in het script om de extractieperiode te beheersen. Voor initiële analyse wordt een bereik van 3 tot 6 maanden aanbevolen. Voor continue monitoring, draai het script incrementeel voor kortere periodes, zoals de vorige dag of week.
Connectie met bronsysteem: Connectiedetails voor de upstream- en downstream systemen (bijv. CRM, core banking platform) zijn nodig om de niet-screening gebeurtenissen op te halen. Dit kan een database connectiestring of een ander API-endpoint en credentials zijn.
Paginatiebeheer: Het script moet een paginagrootte specificeren, vaak limit genoemd, bij het maken van API-calls om cases weer te geven. Een waarde tussen 50 en 100 is doorgaans efficiënt. De logica moet het ophalen van alle pagina's correct afhandelen.

a Voorbeeldquery python

import requests
import pandas as pd
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration and Placeholders ---
WC_API_KEY = class="hl-string">'[Your World-Check API Key]'
WC_API_SECRET = class="hl-string">'[Your World-Check API Secret]'
WC_API_BASE_URL = class="hl-string">'https://api.world-check.com/v2' class=class="hl-string">"hl-comment"># Use correct URL for your environment

class=class="hl-string">"hl-comment"># Date range for the extraction
START_DATE = (datetime.now() - timedelta(days=90)).strftime(class="hl-string">'%Y-%m-%dT%H:%M:%SZ')
END_DATE = datetime.now().strftime(class="hl-string">'%Y-%m-%dT%H:%M:%SZ')

class=class="hl-string">"hl-comment"># --- MOCK FUNCTIONS (Replace with actual data source connections) ---

def get_source_system_events(application_ids):
    class="hl-string">"""Simulates fetching pre- and post-screening events from a CRM or core system."""
    print(fclass="hl-string">'Fetching source system events for {len(application_ids)} applications...')
    mock_events = []
    for i, app_id in enumerate(application_ids):
        class=class="hl-string">"hl-comment"># Simulate initial application events
        mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Submitted', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i+5)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Sales'})
        class=class="hl-string">"hl-comment"># Simulate final outcome events
        if i % 3 == 0:
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Approved', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Onboarding'})
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Account Activated', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i-1)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Operations'})
        else:
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Rejected', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Compliance'})
    return mock_events

def get_worldcheck_cases(token):
    class="hl-string">"""Simulates fetching a list of cases from the World-Check API."""
    print(class="hl-string">'Fetching World-Check cases...')
    class=class="hl-string">"hl-comment"># In a real implementation, you would call GET /cases with date filters and handle pagination
    mock_case_list = [
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-001', class="hl-string">'name': class="hl-string">'John Doe', class="hl-string">'caseSystemId': class="hl-string">'WC-001', class="hl-string">'customReference': class="hl-string">'APP-1001', class="hl-string">'creationDate': class="hl-string">'2023-10-01T10:00:00Z', class="hl-string">'riskLevel': class="hl-string">'Medium'},
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-002', class="hl-string">'name': class="hl-string">'Jane Smith', class="hl-string">'caseSystemId': class="hl-string">'WC-002', class="hl-string">'customReference': class="hl-string">'APP-1002', class="hl-string">'creationDate': class="hl-string">'2023-10-02T11:30:00Z', class="hl-string">'riskLevel': class="hl-string">'Low'},
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-003', class="hl-string">'name': class="hl-string">'Peter Jones', class="hl-string">'caseSystemId': class="hl-string">'WC-003', class="hl-string">'customReference': class="hl-string">'APP-1003', class="hl-string">'creationDate': class="hl-string">'2023-10-03T09:05:00Z', class="hl-string">'riskLevel': class="hl-string">'High'}
    ]
    return mock_case_list

def get_worldcheck_case_details(case_system_id, token):
    class="hl-string">"""Simulates fetching the audit trail and results for a single World-Check case."""
    print(fclass="hl-string">'Fetching details for case {case_system_id}...')
    class=class="hl-string">"hl-comment"># This mock data simulates a complex history for one case to generate multiple activities
    if case_system_id == class="hl-string">'WC-001':
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-01T10:05:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-01T10:06:00Z', class="hl-string">'event': class="hl-string">'MATCH_FOUND', class="hl-string">'details': class="hl-string">'Potential match identified', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T14:00:00Z', class="hl-string">'event': class="hl-string">'REVIEW_STARTED', class="hl-string">'details': class="hl-string">'Case assigned', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T15:30:00Z', class="hl-string">'event': class="hl-string">'MATCH_RESOLVED', class="hl-string">'details': class="hl-string">'Match resolved as False Positive', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T11:00:00Z', class="hl-string">'event': class="hl-string">'ESCALATED', class="hl-string">'details': class="hl-string">'Case escalated to senior analyst', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T09:00:00Z', class="hl-string">'event': class="hl-string">'INFORMATION_REQUESTED', class="hl-string">'details': class="hl-string">'Additional documents requested', class="hl-string">'user': class="hl-string">'senior_analyst'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-05T16:00:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed as Clear', class="hl-string">'user': class="hl-string">'senior_analyst'}
            ]
        }
    elif case_system_id == class="hl-string">'WC-003':
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T09:10:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T09:11:00Z', class="hl-string">'event': class="hl-string">'MATCH_FOUND', class="hl-string">'details': class="hl-string">'Potential match identified', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T10:00:00Z', class="hl-string">'event': class="hl-string">'REVIEW_STARTED', class="hl-string">'details': class="hl-string">'Case assigned', class="hl-string">'user': class="hl-string">'analyst2'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T11:25:00Z', class="hl-string">'event': class="hl-string">'MATCH_RESOLVED', class="hl-string">'details': class="hl-string">'Match resolved as True Positive', class="hl-string">'user': class="hl-string">'analyst2'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T12:00:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed with matches', class="hl-string">'user': class="hl-string">'analyst2'}
            ]
        }
    else: class=class="hl-string">"hl-comment"># Simple class="hl-string">'Clear' case
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T11:35:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T11:36:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed as Clear', class="hl-string">'user': class="hl-string">'SYSTEM'}
            ]
        }

class=class="hl-string">"hl-comment"># --- Main Extraction Logic ---

def main():
    class="hl-string">"""Main function to run the extraction process."""
    class=class="hl-string">"hl-comment"># 1. Authenticate (real implementation)
    class=class="hl-string">"hl-comment"># token = get_wc_auth_token()
    token = class="hl-string">'mock_token' class=class="hl-string">"hl-comment"># Using a mock token for this example

    class=class="hl-string">"hl-comment"># 2. Get list of cases from World-Check
    cases = get_worldcheck_cases(token)
    if not cases:
        print(class="hl-string">'No cases found for the specified period.')
        return

    event_log = []

    class=class="hl-string">"hl-comment"># 3. Process each case from World-Check
    for case in cases:
        app_id = case.get(class="hl-string">'customReference')
        if not app_id:
            continue

        class=class="hl-string">"hl-comment"># Add class="hl-string">'Screening Request Created' event
        event_log.append({
            class="hl-string">'CustomerApplication': app_id,
            class="hl-string">'ActivityName': class="hl-string">'Screening Request Created',
            class="hl-string">'EventTime': case[class="hl-string">'creationDate'],
            class="hl-string">'ReviewerId': class="hl-string">'SYSTEM',
            class="hl-string">'DepartmentName': class="hl-string">'Compliance',
            class="hl-string">'RiskLevel': case.get(class="hl-string">'riskLevel')
        })

        details = get_worldcheck_case_details(case[class="hl-string">'caseSystemId'], token)
        for event in details.get(class="hl-string">'auditTrail', []):
            activity = None
            user = event.get(class="hl-string">'user', class="hl-string">'SYSTEM')
            department = class="hl-string">'Compliance' if user != class="hl-string">'SYSTEM' else class="hl-string">'System'
            
            class=class="hl-string">"hl-comment"># 4. Map audit trail events to activities
            if event[class="hl-string">'event'] == class="hl-string">'AUTOMATED_SCREENING':
                activity = class="hl-string">'Automated Screening Performed'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_FOUND':
                activity = class="hl-string">'Potential Match Identified'
            elif event[class="hl-string">'event'] == class="hl-string">'REVIEW_STARTED':
                activity = class="hl-string">'Analyst Review Started'
            elif event[class="hl-string">'event'] == class="hl-string">'INFORMATION_REQUESTED':
                activity = class="hl-string">'Additional Information Requested'
            elif event[class="hl-string">'event'] == class="hl-string">'ESCALATED':
                activity = class="hl-string">'Case Escalated for Review'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_RESOLVED' and class="hl-string">'False Positive' in event[class="hl-string">'details']:
                activity = class="hl-string">'False Positive Confirmed'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_RESOLVED' and class="hl-string">'True Positive' in event[class="hl-string">'details']:
                activity = class="hl-string">'True Match Confirmed'
            elif event[class="hl-string">'event'] == class="hl-string">'CASE_CLOSED' and class="hl-string">'Clear' in event[class="hl-string">'details']:
                activity = class="hl-string">'Screening Completed - Clear'
            elif event[class="hl-string">'event'] == class="hl-string">'CASE_CLOSED' and class="hl-string">'matches' in event[class="hl-string">'details']:
                activity = class="hl-string">'Screening Completed - Match Found'

            if activity:
                event_log.append({
                    class="hl-string">'CustomerApplication': app_id,
                    class="hl-string">'ActivityName': activity,
                    class="hl-string">'EventTime': event[class="hl-string">'timestamp'],
                    class="hl-string">'ReviewerId': user,
                    class="hl-string">'DepartmentName': department,
                    class="hl-string">'RiskLevel': case.get(class="hl-string">'riskLevel')
                })
    
    class=class="hl-string">"hl-comment"># 5. Get events from source system
    application_ids = [case[class="hl-string">'customReference'] for case in cases if case.get(class="hl-string">'customReference')]
    source_events = get_source_system_events(application_ids)
    event_log.extend(source_events)

    class=class="hl-string">"hl-comment"># 6. Create and format DataFrame
    if not event_log:
        print(class="hl-string">'No events were generated.')
        return

    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'])
    df = df.sort_values(by=[class="hl-string">'CustomerApplication', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Add EventEndTime by shifting the EventTime of the next event
    df[class="hl-string">'EventEndTime'] = df.groupby(class="hl-string">'CustomerApplication')[class="hl-string">'EventTime'].shift(-1)
    
    class=class="hl-string">"hl-comment"># Add placeholder for non-extractable attribute
    df[class="hl-string">'SlaTargetDate'] = pd.NaT

    class=class="hl-string">"hl-comment"># 7. Finalize and Export
    output_columns = [
        class="hl-string">'CustomerApplication',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'EventEndTime',
        class="hl-string">'ReviewerId',
        class="hl-string">'DepartmentName',
        class="hl-string">'RiskLevel',
        class="hl-string">'SlaTargetDate'
    ]
    class=class="hl-string">"hl-comment"># Ensure all required columns exist, even if empty
    for col in output_columns:
        if col not in df.columns:
            df[col] = None
    
    df = df[output_columns]

    output_filename = class="hl-string">'event_log_worldcheck.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
    print(fclass="hl-string">'Successfully exported event log to {output_filename}')

if __name__ == class="hl-string">'__main__':
    main()

Uw KYC-onboarding van klanten datatemplate

Uw KYC-onboarding van klanten datatemplate

KYC Klantacceptatie Attributen

KYC Klantacceptatie Activiteiten

Extractiegidsen

Refinitiv World-Check One Case en Audit Log Export

Stappen

Configuratie

a Voorbeeldquery config

Python Script met behulp van de World-Check One Screening API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te starten?

Optimaliseer nu de KYC-klantonboarding, verhoog de compliance

Uw KYC-onboarding van klanten datatemplate

Uw KYC-onboarding van klanten datatemplate

KYC Klantacceptatie Attributen

KYC Klantacceptatie Activiteiten

Extractiegidsen

Refinitiv World-Check One Case en Audit Log Export

Stappen

Configuratie

a Voorbeeldquery config

Python Script met behulp van de World-Check One Screening API

Stappen

Configuratie

a Voorbeeldquery python

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Optimaliseer nu de KYC-klantonboarding, verhoog de compliance