Jouw datatemplate voor leningaanvragen

Dit attribuut legt de naam vast van elke stap in de levenscyclus van een leningaanvraag, zoals 'Application Submitted', 'Credit Check Completed' of 'Loan Decision Rendered'. Deze activiteiten vormen de knooppunten van de ontdekte proceskaart.

Het analyseren van de volgorde en frequentie van activiteiten vormt de kern van process mining. Je begrijpt hiermee de werkelijke procesflow, ontdekt afwijkingen van de standaardprocedure en brengt knelpunten of veel rework in kaart. De specifieke activiteitsnamen zijn belangrijk voor het berekenen van KPI's per procesfase, zoals Underwriting Processing Time.

Activiteiten bepalen de stappen van het proces. Door hun volgorde, frequentie en duur te analyseren, krijg je inzicht in de procesflow en kun je deze verbeteren.

Deze informatie komt meestal uit systeemlogs met events, registraties van statuswijzigingen of registraties van afgeronde taken in Finastra Fusion Mortgagebot.

De eventtimestamp, of starttijd, legt het precieze moment vast waarop een activiteit plaatsvond. Deze tijdsdata is essentieel om events chronologisch te ordenen en een nauwkeurige weergave van de procesflow op te bouwen.

In analyses worden timestamps gebruikt om alle metriek op basis van doorlooptijd te berekenen, waaronder de totale doorlooptijd, verwerkingstijden van afzonderlijke activiteiten en wachttijden tussen stappen. Zo kun je bottlenecks identificeren, SLA-naleving monitoren en prestatietrends in de tijd volgen. Dit is belangrijk voor dashboards zoals 'Analyse van de totale verwerkingstijd van leningen' en 'Trend in de doorlooptijd van leninggoedkeuringen'.

Timestamps geven de chronologische volgorde van events aan en zijn essentieel voor het berekenen van alle prestatiemetrieken, zoals doorlooptijden en wachttijden.

Deze data staat meestal naast het activiteiten- of statusrecord in de event logs of transactietabellen van het systeem, vaak met het label 'Aanmaakdatum' of 'Statustimestamp'.

De Loan Application ID identificeert elke afzonderlijke leningaanvraag gedurende de volledige levenscyclus. De ID is de centrale entiteit waaraan alle bijbehorende activiteiten en data worden gekoppeld. Zo kun je de volledige route van een specifieke lening volgen.

Bij procesanalyse is deze ID de basis voor het opbouwen van een end-to-end-overzicht van elke case. Alle activiteiten, van 'Application Submitted' tot 'Funds Disbursed' of 'Loan Closed as Rejected', zijn aan deze ene identificatie gekoppeld. Daarmee kun je doorlooptijden berekenen, procesvarianten herkennen en specifieke leningroutes volgen.

Dit is de essentiële Case ID die alle gerelateerde events aan één procesinstantie koppelt. Daarmee vormt de ID de basis voor elke process mining-analyse.

Dit is de primaire identificatie van een leningaanvraag binnen Finastra Fusion Mortgagebot. De ID is meestal beschikbaar in alle modules en tabellen die met leningverwerking te maken hebben.

Dit attribuut geeft aan uit welk systeem de data afkomstig is, bijvoorbeeld 'Finastra Fusion Mortgagebot'. In omgevingen met meerdere geïntegreerde systemen helpt dit veld om bronnen van elkaar te onderscheiden.

Bij een analyse met één systeem is dit vaak een statische waarde. Bij het samenvoegen van data uit verschillende platforms, zoals een afzonderlijk CRM- of documentbeheersysteem, wordt het belangrijker. Zo blijft de herkomst van de data duidelijk en kun je problemen met de datakwaliteit terugleiden naar de juiste bron.

Geeft belangrijke context over de herkomst van data, zorgt voor traceerbaarheid en ondersteunt datagovernance, vooral in omgevingen met meerdere systemen.

Dit is meestal een statische waarde die tijdens het data-extractie- en transformatieproces (ETL) wordt toegevoegd. De waarde identificeert 'Finastra Fusion Mortgagebot' als bron.

Dit attribuut registreert de datum en tijd waarop de data voor het laatst uit het bronsysteem is opgehaald. Het geeft context bij de actualiteit van de geanalyseerde data.

Bij elke analyse of elk dashboard is het belangrijk om te weten hoe recent de data is, zodat je onderbouwde beslissingen kunt nemen. Deze timestamp laat zien of je naar realtime-informatie kijkt of naar een momentopname uit een specifieke periode. Dat verschil is relevant voor monitoring van de bedrijfsvoering en voor strategische analyses.

Laat zien hoe actueel de data is, zodat analyses gebaseerd zijn op data waarvan de ouderdom bekend en acceptabel is.

Deze waarde wordt tijdens het data-extractie- en transformatieproces (ETL) voor de dataset gegenereerd en vastgelegd.

Dit attribuut geeft aan waar de aanvraag vandaan komt, bijvoorbeeld via een onlineportaal, mobiele app, rechtstreeks via een loan officer of via een externe broker.

Inzicht in het kanaal is belangrijk voor operationele en strategische analyses. Het dashboard 'Analyse van de totale verwerkingstijd van leningen' gebruikt dit attribuut om de efficiëntie van verschillende kanalen te vergelijken. Zo zie je of bepaalde kanalen leiden tot langere verwerkingstijden, hogere afwijzingspercentages of meer herstelwerk. Dat levert input op voor procesoptimalisatie en de marketingstrategie.

Maakt prestatievergelijkingen tussen verschillende klantgerichte kanalen mogelijk. Zo kun je kanaalspecifieke processen en de inzet van capaciteit verbeteren.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze informatie wordt vaak vastgelegd wanneer de aanvraag wordt aangemaakt.

Dit attribuut legt de uiteindelijke bedrijfsuitkomst van het proces voor leningverstrekking per aanvraag vast. Het is een belangrijk attribuut op caseniveau dat bepaalt of een procesinstantie succesvol is afgerond.

Dit attribuut vormt de basis voor het dashboard 'Trends in afgewezen leningaanvragen' en de analyse 'Consistentie van leningbesluiten per risico'. Door de procesmap op uitkomst te filteren en uit te splitsen, kunnen analisten veelvoorkomende procespatronen herkennen die tot afwijzing of goedkeuring leiden. Het ondersteunt rechtstreeks de berekening van de KPI voor het afwijzingspercentage van leningaanvragen.

Bepaalt de bedrijfsuitkomst van elke case. Zo kun je succesvolle en niet-succesvolle procesflows vergelijken en de onderliggende oorzaken vinden.

Dit is meestal de eindstatus van een leningaanvraagcase. Je vindt deze in de hoofdcase- of aanvraagtabel van Finastra Fusion Mortgagebot.

Waar StartTime vastlegt wanneer een activiteit begint, markeert EndTime het moment waarop deze is afgerond. Bij veel events in het proces voor leningverstrekking kunnen de start- en eindtijd gelijk zijn, omdat het om een momentopname gaat. Voor activiteiten met een meetbare duur, zoals 'Underwriting Review', is dit veld wel belangrijk.

Met een afzonderlijke EndTime kun je de verwerkingstijd van een activiteit rechtstreeks berekenen, in plaats van die af te leiden uit de starttijd van de volgende activiteit. Dat is nauwkeuriger, omdat je echte verwerkingstijd onderscheidt van inactiviteit of wachttijd. Dit is belangrijk voor het dashboard 'Diepgaande analyse van underwriting-bottlenecks'.

Maakt een nauwkeurige berekening van de verwerkingstijd van activiteiten mogelijk. Zo kun je die onderscheiden van de daaropvolgende wachttijd en bottlenecks beter analyseren.

Raadpleeg de documentatie of systeemlogs van Finastra Fusion Mortgagebot. Dit kan zijn vastgelegd als 'Completion Date' of 'End Date', of moet worden afgeleid als de waarde niet expliciet beschikbaar is.

Dit attribuut identificeert de primaire medewerker, de loan officer, die de aanvraag behandelt. Deze persoon is vaak het belangrijkste aanspreekpunt voor de aanvrager en begeleidt de aanvraag door het proces.

Deze dimensie is belangrijk voor analyses van prestaties en werkbelasting. Dashboards zoals 'Verdeling van de werkbelasting van loan officers' gebruiken dit attribuut rechtstreeks om het aantal actieve leningen en de gemiddelde verwerkingstijd per medewerker te visualiseren. Zo kan het management goed presterende medewerkers herkennen, zien wie overbelast is en bepalen waar de verdeling van capaciteit of training nodig is.

Maakt analyses van de verdeling van werkbelasting en prestaties van medewerkers mogelijk en helpt bottlenecks door capaciteit of best practices te identificeren.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze data staat waarschijnlijk in de kopgegevens van de leningaanvraag of in een toewijzingstabel die is gekoppeld aan de module voor gebruikersbeheer.

Dit attribuut identificeert specifiek de underwriter die verantwoordelijk is voor de belangrijke underwritingfase van het proces. De underwriter beoordeelt het risico van de lening en doet een aanbeveling voor goedkeuring of afwijzing.

Voor het dashboard 'Diepgaande analyse van underwriting-bottlenecks' is dit attribuut essentieel. Je kunt er verwerkingstijden en wachttijden in underwriting mee uitsplitsen per underwriter. Zo krijg je zicht op prestatieverschillen, kun je zorgen voor consistente besluitvorming en de werkbelasting binnen het underwritingteam beheren.

Belangrijk voor een gedetailleerde analyse van de underwritingfase. Hiermee kun je prestaties vergelijken en de werkbelasting van het underwritingteam beheren.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze informatie wordt meestal vastgelegd wanneer de case aan de underwritingwachtrij of aan een specifieke underwriter wordt toegewezen.

Dit boolean-attribuut maakt onderscheid tussen taken die automatisch door het systeem worden uitgevoerd, zoals een eerste kredietcontrole of het genereren van een standaarddisclosure, en taken die medewerkers handmatig uitvoeren.

Met dit attribuut kun je de mate van automatisering in het proces begrijpen. Je kunt de snelheid en consistentie van geautomatiseerde en handmatige stappen vergelijken. Dat helpt om nieuwe mogelijkheden voor automatisering te vinden, de efficiëntie te verbeteren en het risico op menselijke fouten te verkleinen.

Helpt de mate van automatisering in het proces te meten en mogelijkheden te vinden om de efficiëntie verder te verbeteren met nieuwe automatiseringsinitiatieven.

Dit wordt meestal bepaald door de 'User' te controleren die aan een activiteit is gekoppeld. Als de gebruiker een systeem- of serviceaccount is, wordt de waarde op true gezet.

Dit booleaanse attribuut krijgt de waarde 'true' als een specifieke activiteit, zoals 'Supporting Documents Requested' of 'Underwriting Review Returned', meer dan één keer voorkomt voor dezelfde Loan Application ID. Zo kun je reworklussen expliciet markeren en kwantificeren.

In het dashboard 'Rework and Redundant Steps Map' kun je deze indicator gebruiken om reworklussen visueel te markeren of cases met veel rework te filteren. De KPI Rework Activity Rate berekenen is eenvoudig: tel de events waarbij 'IsRework' de waarde true heeft. Zo kun je verbeteracties richten op de oorzaken van herhaald werk, zoals onduidelijke communicatie of fouten bij gegevensinvoer.

Maakt rework zichtbaar en meetbaar. Zo kun je de oorzaken en gevolgen van inefficiënte processen en lussen eenvoudiger analyseren.

Dit attribuut wordt berekend in de datatransformatielaag door te controleren of dezelfde activiteitsnaam al voor de betreffende CaseId is voorgekomen.

Dit booleaanse attribuut is het resultaat van een vergelijking tussen de werkelijke duur van een fase en de bijbehorende SLA-doelstelling. De waarde is bijvoorbeeld 'true' als de tijd tussen 'Underwriting Commenced' en 'Underwriting Completed' langer is dan de 'Underwriting SLA Target'.

Deze indicator vereenvoudigt de analyse in het dashboard 'SLA Adherence and Breach Analysis' door een duidelijke binaire dimensie voor filtering en aggregatie te creëren. Hiermee kun je snel de KPI SLA Adherence Rate berekenen en inzoomen op specifieke kenmerken, zoals Loan Type of Branch, van aanvragen die hun service level agreements vaak overschrijden.

Geeft voor elke case een eenvoudige, duidelijke indicatie van een SLA-overschrijding. Zo kun je de onderliggende oorzaken van overschrijdingen eenvoudig filteren, aggregeren en analyseren.

Dit attribuut wordt berekend tijdens de datavoorbereiding. De logica is: (Actual Duration > UnderwritingSlaTarget) ? true : false.

Dit attribuut bevat de numerieke kredietscore die tijdens de activiteit 'Kredietcontrole voltooid' bij een kredietbureau is opgevraagd. Het is een belangrijke factor bij het beoordelen van de kredietwaardigheid van de aanvrager.

In het dashboard 'Consistentie van leningbesluiten per risico' wordt de kredietscore afgezet tegen de uiteindelijke besluituitkomst. Zo kun je controleren of kredietbesluiten eerlijk, consistent en in lijn met de risicobereidheid van de instelling zijn. De analyse kan mogelijke inconsistenties zichtbaar maken, bijvoorbeeld wanneer aanvragers met vergelijkbare scores verschillende uitkomsten krijgen.

Dit belangrijke datapunt voor risicobeoordeling helpt om de consistentie en eerlijkheid van leningbesluiten te analyseren.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze data staat meestal in een speciaal veld nadat de informatie via een koppeling bij een kredietinformatiebureau is opgehaald.

Dit attribuut staat voor het hoofdbedrag van de aangevraagde hypotheek. Het is een belangrijke financiële metriek per aanvraag en heeft vaak invloed op het proces. Voor grotere 'Jumbo'-leningen kunnen bijvoorbeeld extra goedkeuringsstappen nodig zijn.

In analyses kun je het leningbedrag gebruiken om het proces uit te splitsen en verbanden te onderzoeken tussen de waarde van de lening en verwerkingstijden, goedkeuringspercentages of de mate van controle. Zo kan blijken dat leningen boven een bepaalde grens in de underwritingfase structureel langer duren. Het geeft waardevolle bedrijfscontext bij de procesflow.

Maakt financiële analyses van de leningenportefeuille mogelijk en helpt onderzoeken of de waarde van de lening invloed heeft op het procesgedrag, zoals de doorlooptijd of goedkeuringspercentages.

Dit is een kernveld dat tijdens het indienen van de aanvraag wordt ingevuld en in de hoofddata van de leningaanvraag in Finastra Fusion Mortgagebot wordt opgeslagen.

Dit attribuut deelt de leningaanvraag in op basis van het specifieke hypotheekproduct dat de aanvrager aanvraagt. Verschillende leningtypen hebben vaak eigen procesvereisten, complianceregels en risicoprofielen.

Het proces analyseren per leningtype is een belangrijke basisstap. Zo kan blijken dat bepaalde producten een veel langere doorlooptijd of hogere afwijzingspercentages hebben. Deze uitsplitsing is belangrijk om productspecifieke bottlenecks te vinden en ervoor te zorgen dat compliancecontroles, zoals in de analyse 'Paden met compliance-overtredingen', correct worden toegepast.

Verschillende leningproducten hebben vaak verschillende procespaden en SLA's. Daarom is dit attribuut belangrijk voor zinvolle vergelijkingen en filters.

Dit is een basisgegeven dat aan het begin van het aanvraagproces wordt geselecteerd en in de hoofddata van de leningaanvraag in Finastra Fusion Mortgagebot wordt opgeslagen.

Wanneer de 'Besluituitkomst' van een lening 'Afgewezen' is, geeft dit attribuut de specifieke oorzaak aan. Dat kan variëren van een slechte kredietgeschiedenis en onvoldoende inkomen tot ontbrekende documentatie of problemen met de taxatie van het onderpand.

Dit attribuut is belangrijk voor het dashboard 'Trends in afgewezen leningaanvragen'. Door de meest voorkomende afwijsredenen te analyseren, krijg je concrete aanknopingspunten voor procesverbetering. Veel afwijzingen door ontbrekende documentatie kunnen bijvoorbeeld aangeven dat het verzamelen van documenten of de communicatie met aanvragers beter moet.

Geeft de onderliggende oorzaak van mislukte processen. Zo kun je gericht verbeteren, het goedkeuringspercentage verhogen en verspilde inspanning verminderen.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze data staat meestal in een reden-codeveld of notitieveld dat aan de eindstatus van het besluit is gekoppeld.

De risicocategorie is een classificatie die aan een leningaanvraag wordt toegekend op basis van verschillende factoren, waaronder kredietscore, schuld-inkomensratio en loan-to-value-ratio. Zo wordt de risicobeoordeling teruggebracht tot enkele begrijpelijke niveaus.

Dit attribuut is essentieel voor het dashboard 'Consistentie van leningbesluiten per risico'. Door leningen in categorieën te groeperen, kun je beter zien of de besluituitkomsten consistent zijn voor aanvragen met vergelijkbare risicoprofielen. Deze analyse ondersteunt compliance met regelgeving en helpt het interne risicobeoordelingsmodel te verfijnen.

Vereenvoudigt complexe risicodata, zodat je op hoofdlijnen de consistentie van besluiten en de aansluiting op de risicostrategie van de organisatie kunt analyseren.

Dit kan een veld zijn dat door de interne decision engine van Finastra Fusion Mortgagebot of een gerelateerde risicobeheermodule wordt berekend en opgeslagen.

Dit attribuut specificeert het Service Level Agreement-doel (SLA) voor de duur van het underwritingproces, meestal uitgedrukt in werkuren of werkdagen. Het doel kan verschillen per leningtype of risicocategorie.

Dit is een belangrijke invoer voor het dashboard 'Analyse van SLA-naleving en overschrijdingen' en de KPI voor het totale SLA-nalevingspercentage. Door de werkelijke verwerkingstijd van underwriting met dit doel te vergelijken, kun je elke case markeren als 'Gehaald' of 'Overschreden'. Zo monitor je prestaties ten opzichte van beloften aan klanten of interne doelen en vind je de onderliggende oorzaken van SLA-overschrijdingen.

Geeft de norm waartegen werkelijke prestaties worden gemeten. Zo kun je SLA-naleving rechtstreeks monitoren en overschrijdingen identificeren.

Dit kan zijn opgeslagen als een statische bedrijfsregel of als een veld op de leningaanvraag zelf. De waarde kan ook zijn afgeleid door een rules engine binnen Finastra Fusion Mortgagebot.

Dit attribuut identificeert de specifieke vestiging of het kantoor dat verantwoordelijk is voor de lening. Het is een belangrijke organisatiedimensie voor grote instellingen met meerdere locaties.

In het dashboard 'Verdeling van de werkbelasting van loan officers' kun je prestaties met dit attribuut op locatieniveau samenvoegen. Zo vergelijk je de efficiëntie, werkbelasting en uitkomsten van verschillende vestigingen, zie je regionale prestatieverschillen en onderbouw je de verdeling van capaciteit binnen de organisatie.

Maakt prestatievergelijkingen en analyses van werkbelasting tussen verschillende geografische of organisatorische eenheden mogelijk.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze data is waarschijnlijk gekoppeld aan het gebruikersprofiel van de loan officer of wordt geselecteerd tijdens de intake van de aanvraag.

Deze metriek meet hoelang een leningaanvraag niets doet nadat de kredietcontrole is afgerond, maar voordat underwriting daadwerkelijk start. De waarde wordt berekend als de tijd tussen de timestamp van 'Credit Check Completed' en 'Underwriting Commenced'.

Deze KPI is belangrijk voor de 'Underwriting Bottleneck Deep Dive', omdat hiermee wachttijd wordt onderscheiden van actieve verwerkingstijd. Lange wachttijden kunnen wijzen op een tekort aan capaciteit, een inefficiënte werkverdeling of systeemvertragingen. Het verkorten van deze wachttijd is vaak een belangrijk doel om de totale snelheid en efficiëntie van het proces te verbeteren.

Maakt de wachttijd vóór een belangrijke procesfase zichtbaar. Zo krijg je een duidelijk aangrijpingspunt om inactieve tijd te verminderen en de doorstroming te verbeteren.

Dit attribuut wordt berekend tijdens data-analyse of ETL door voor elke case het tijdsverschil tussen de events 'Credit Check Completed' en 'Underwriting Commenced' te bepalen.