Jouw datatemplate voor leningaanvragen

Dit attribuut staat voor één taak of mijlpaal in de levenscyclus van een leningaanvraag, zoals 'Initial Review Performed' of 'Underwriting Completed'. Deze activiteiten vormen de knooppunten in de proceskaart. Hun volgorde bepaalt de procesflow.

Door de volgorde, frequentie en duur van deze activiteiten te analyseren, zie je veelvoorkomende procesroutes, afwijkingen en knelpunten. Dit is belangrijk om te begrijpen welk werk wordt uitgevoerd en in welke volgorde. Het vormt de basis van elke process-mininganalyse.

Dit attribuut definieert de processtappen. Daarmee kun je de procesflow visualiseren en analyseren, de kern van process mining.

Dit wordt meestal afgeleid uit wijzigingen in de velden 'Stage' of 'Status' op het Loan-object in nCino, of uit gerelateerde Task- of Event-records.

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 het volledige traject van een specifieke lening volgen.

In process mining fungeert deze ID als Case ID. Elke gebeurtenis, van indiening tot het definitieve besluit, is aan deze identificatie gekoppeld. Daarmee kun je de end-to-end procesflow van elke aanvraag reconstrueren. Dat is de basis voor analyse van doorlooptijden, varianten en knelpunten.

Dit is de essentiële Case ID die alle processtappen verbindt. Zo kun je het volledige traject van elke leningaanvraag analyseren.

Dit is meestal de primaire sleutel van het Loan-object in nCino, vaak aangeduid als LLC_Loan__c.Name of een vergelijkbaar uniek identificatieveld.

De Start Time, of eventtimestamp, legt de exacte datum en tijd van een activiteit vast. Deze chronologische data is nodig om gebeurtenissen in de juiste volgorde te zetten en de procesflow te reconstrueren zoals die in werkelijkheid plaatsvond.

Deze timestamp vormt de basis voor alle tijdanalyses. Je gebruikt hem om doorlooptijden tussen activiteiten te berekenen, wachttijden en vertragingen te vinden en de totale duur van een case te meten. Nauwkeurige timestamps zijn belangrijk voor prestatiemonitoring en knelpuntenanalyse.

Deze timestamp bepaalt de chronologische volgorde van gebeurtenissen. Dat is nodig om alle prestatiemaatstaven te berekenen, zoals doorlooptijden en tijdsduur.

Dit kan afkomstig zijn van door het systeem gegenereerde timestamps, zoals 'CreatedDate' op gerelateerde records, of van de timestamp van een specifieke veldwijziging in de field history.

Dit attribuut identificeert de bronapplicatie waaruit de eventdata afkomstig is. Voor dit proces is dat meestal 'nCino'.

Als alle data uit één systeem komt, lijkt dit misschien overbodig. Toch is het belangrijk voor datagovernance en wordt het onmisbaar wanneer je data uit meerdere systemen combineert, zoals een afzonderlijke kredietscore-engine of een documentbeheerplatform. Zo blijft duidelijk waar de data vandaan komt.

Identificeert de herkomst van de data. Dit is belangrijk voor datagovernance, probleemoplossing en het combineren van data uit meerdere systemen.

Dit is een statische waarde, 'nCino', die tijdens het data-extractie- en transformatieproces wordt toegevoegd.

Dit attribuut registreert de datum en tijd van de laatste data-extractie uit het bronsysteem. Het geeft context bij de actualiteit van de geanalyseerde data.

In dashboards en rapporten is deze informatie belangrijk om te begrijpen hoe actueel de analyse is. Zo kun je verwachtingen goed managen en zorg je dat beslissingen worden genomen op basis van een duidelijk tijdsbeeld van de onderliggende data.

Geeft belangrijke context over de actualiteit van de data, zodat je begrijpt hoe actueel de procesanalyse is.

Deze timestamp wordt tijdens het ophalen van de data gegenereerd door de data-extractietool of het ETL-proces.

Dit attribuut identificeert de bron waaruit de leningaanvraag afkomstig is. Verschillende kanalen kunnen verschillen in volledigheid van de data en klantinteractie. Dat kan de verdere procesflow beïnvloeden.

Met een analyse per kanaal beoordeel je de efficiëntie van elk kanaal. Je kunt bijvoorbeeld de doorlooptijden en herstelwerkpercentages van online aanvragen vergelijken met aanvragen uit een filiaal. Deze inzichten helpen bij beslissingen over investeringen in kanalen en procesoptimalisatie voor specifieke bronnen.

Helpt de efficiëntie, snelheid en kwaliteit van verschillende aanvraagkanalen te vergelijken en ondersteunt gerichte verbeteringen en investeringen.

Dit staat meestal in een picklistveld op het Loan-object, vaak met de naam 'Channel' of 'Source'.

Dit attribuut legt het resultaat vast van de activiteit 'Loan Decision Rendered'. Het is een belangrijk attribuut op caseniveau dat de eindstatus van een afgerond leningaanvraagproces bepaalt.

Dit attribuut is essentieel voor analyse op basis van uitkomsten. Je kunt procesflows vergelijken die tot verschillende uitkomsten leiden, bijvoorbeeld de meest voorkomende paden van goedgekeurde en afgewezen aanvragen. Het vormt ook de basis voor KPI's zoals het afwijzingspercentage van leningen.

Hiermee kun je processen filteren en vergelijken op basis van hun uiteindelijke bedrijfsuitkomst. Zo zie je welke procespatronen tot succes of mislukking leiden.

Meestal te vinden in een veld 'Status' of 'Stage' op het Loan-object nadat het proces is afgerond. De specifieke waarden zijn afhankelijk van de configuratie.

De eindtijd markeert het moment waarop een activiteit is afgerond. Het verschil tussen de starttijd en eindtijd van een activiteit is de verwerkingstijd.

Dit attribuut is belangrijk om verwerkingstijd, actief werk, te onderscheiden van wachttijd, de inactieve tijd tussen activiteiten. Met een analyse van verwerkingstijden zie je welke stappen de meeste tijd kosten. Het verschil tussen de eindtijd van de ene activiteit en de starttijd van de volgende laat overdrachtsvertragingen zien.

Maakt een nauwkeurige berekening van verwerkingstijden per activiteit mogelijk. Zo kun je actieve werktijd onderscheiden van inactieve wachttijd.

Dit kan afkomstig zijn uit door het systeem gegenereerde timestamps, zoals 'LastModifiedDate' op gerelateerde records, of uit de timestamp van een daaropvolgende veldwijziging in de veldhistorie.

Dit attribuut staat voor het hoofdbedrag van de aangevraagde lening. Het leningbedrag kan de complexiteit en doorlooptijd van het aanvraagproces sterk beïnvloeden. Grotere of complexere leningen vragen vaak om extra controles of stappen.

In analyses is het leningbedrag een handig middel voor segmentatie. Je kunt onderzoeken of leningen met een hogere waarde langer duren, vaker herstelwerk bevatten of andere procespaden volgen. Het is ook belangrijk voor financiële rapportage en om de waarde van de verwerkte leningenportefeuille te begrijpen.

Geeft belangrijke financiële context en maakt segmentatie mogelijk. Zo zie je of de waarde van een lening samenhangt met procescomplexiteit, doorlooptijd of uitkomst.

Staat in een valutaveld op het Loan-object, vaak met de naam 'Amount' (LLC_Loan__c.LLC_BI__Amount__c).

Dit attribuut geeft aan welke functionele groep, zoals 'Origination', 'Underwriting' of 'Closing', eigenaar is van de activiteit. Je kunt dit afleiden uit het profiel van de toegewezen gebruiker of uit een apart veld op de leningrecord.

Een analyse per afdeling is belangrijk om de samenwerking tussen functies te begrijpen. Je kunt overdrachtstijden tussen afdelingen meten, vertragingen door overdrachten tussen afdelingen vinden en op hoofdlijnen zien waar het werk in de organisatie wordt uitgevoerd.

Belangrijk voor het analyseren van overdrachten tussen afdelingen, het meten van teamprestaties en het vinden van knelpunten tussen functies.

Deze informatie kan worden afgeleid uit het veld Department van de toegewezen gebruiker op diens User-record, of uit een aangepast veld voor de toewijzing van 'Team' of 'Queue' op het Loan-object.

Dit attribuut identificeert de medewerker die een specifieke taak heeft uitgevoerd of in een bepaalde fase aan de leningaanvraag is toegewezen. In nCino wordt dit vaak bijgehouden als de 'Owner' van de record.

Met een analyse per gebruiker krijg je inzicht in de verdeling van de werklast, individuele prestaties en de inzet van bronnen. Zo zie je welke medewerkers of teams overbelast zijn en wie goed presteert. Dat helpt bij gebruikersbeheer en training.

Hiermee kun je de verdeling van de werklast, teamprestaties en toewijzing van bronnen analyseren. Zo vind je knelpunten die samenhangen met specifieke gebruikers of teams.

Meestal afkomstig uit het veld 'OwnerId' op het Loan-object of gerelateerde Task-objecten. Je kunt dit koppelen aan het User-object om de naam van de gebruiker op te halen.

Dit attribuut deelt de leningaanvraag in op basis van het aangeboden financiële product. Verschillende leningproducten hebben vaak hun eigen procesvarianten, doorlooptijden en risicoprofielen.

Door de procesanalyse te segmenteren op type leningproduct kun je producten goed vergelijken. Je ziet hoe verschillende producten de procesefficiëntie beïnvloeden en kunt gerichte dashboards maken, bijvoorbeeld om de verwerkingscapaciteit van hypotheekaanvragen en autoleningen te vergelijken. Zo beoordeel je prestaties binnen de juiste bedrijfscontext.

Maakt het mogelijk om de procesanalyse te segmenteren op bedrijfscontext. Zo zie je hoe verschillende producten de procesefficiëntie, doorlooptijd en procespaden beïnvloeden.

Dit staat meestal in een veld 'Product' of 'Loan Type' op het nCino Loan-object (LLC_Loan__c).

Deze berekende metriek meet de end-to-end-doorlooptijd van elke leningaanvraag. Het is de totale tijd waarin een case actief is in het proces.

De caseduur is een belangrijke KPI voor de algehele procesefficiëntie. In dashboards wordt deze gebruikt om de verdeling van doorlooptijden te visualiseren, langlopende cases te vinden en prestatietrends in de tijd te volgen. Een analyse van factoren die samenhangen met langere caseduren is een belangrijk doel van veel process mining-projecten.

Staat voor de totale end-to-end-doorlooptijd. Dit is een belangrijke KPI om de algehele procesgezondheid en klantervaring te meten.

Dit wordt berekend door voor elke LoanApplicationId het verschil te nemen tussen de maximale en minimale EventTime.

Deze vlag maakt onderscheid tussen taken die door mensen worden uitgevoerd en geautomatiseerde systeemevents. Zo kan een kredietcontrole automatisch verlopen, terwijl een underwritingbesluit meestal handmatig wordt genomen.

Door geautomatiseerde stappen te identificeren, kun je automatisering ontdekken en analyseren. Je meet het effect van automatisering op doorlooptijden en efficiëntie en vindt handmatige activiteiten die geschikt zijn voor toekomstige automatisering.

Maakt onderscheid tussen systeemactiviteiten en menselijke activiteiten. Dat is belangrijk om het effect van automatisering te meten en nieuwe automatiseringsmogelijkheden te vinden.

Dit wordt meestal afgeleid van de gebruiker die aan het event is gekoppeld. Als de gebruiker een 'System'- of 'Integration'-gebruiker is, wordt de vlag op true gezet.

Dit boolean-attribuut wordt op true gezet als een activiteit, zoals 'Supporting Documents Requested', meer dan één keer voorkomt voor dezelfde leningaanvraag. Zo worden gevallen van herstelwerk zichtbaar, die vaak leiden tot inefficiëntie.

De analyse van herstelwerk is een veelgebruikte toepassing van process mining. Met de vlag 'IsRework' kun je herstelwerk eenvoudig filteren en kwantificeren. De vlag ondersteunt dashboards zoals 'Loan Application Rework Analysis' en wordt gebruikt voor KPI's zoals het herstelwerkpercentage. Zo zie je waar processtappen niet in één keer goed gaan.

Maakt procesinefficiëntie zichtbaar door herhaald werk te markeren. Zo kun je kostbare lussen gericht analyseren en verminderen.

Dit attribuut wordt tijdens de datatransformatie berekend met windowfuncties die controleren of dezelfde activiteit al eerder heeft plaatsgevonden voor een bepaalde Case ID.

Dit attribuut bevat de numerieke kredietscore die tijdens de activiteit 'Credit Check Completed' door een kredietbureau is teruggegeven. Het is een belangrijke factor in het underwriting- en besluitvormingsproces.

In process mining kun je de kredietscore gebruiken om te analyseren of deze samenhangt met procesgedrag. Hebben aanvragen met een lagere kredietscore bijvoorbeeld meer handmatige stappen nodig, duurt underwriting dan langer of worden ze vaker afgewezen? Zo krijg je waardevolle inzichten in risicogestuurde procesvarianten.

Maakt analyse mogelijk van de manier waarop een belangrijke beslisfactor, de kredietscore, samenhangt met procespaden, doorlooptijden en uitkomsten.

Deze data staat vaak in een apart veld op een gerelateerd object 'Credit Report' of 'Financials' dat aan het hoofdobject Loan is gekoppeld.

Wanneer de 'Decision Outcome' van een lening 'Declined' is, geeft dit attribuut meer informatie over de oorzaak. Mogelijke redenen zijn een lage kredietscore, onvoldoende inkomen of onvolledige documentatie.

Een analyse van afwijsredenen is belangrijk voor bedrijfsverbetering. Je kunt trends ontdekken die wijzen op problemen met kredietcriteria, de aansluiting van het product op de markt of het aanvraagproces zelf. Deze inzichten helpen de strategie aan te scherpen en het goedkeuringspercentage te verhogen.

Geeft de onderliggende oorzaak van afgewezen aanvragen. Zo kun je trends analyseren en kredietcriteria of aanvraagprocessen verbeteren.

Meestal opgeslagen in een picklist- of tekstveld op het Loan-object. Dit veld wordt verplicht zodra de lening de status 'Declined' krijgt.

Dit attribuut bepaalt de verwachte Service Level Agreement (SLA) voor het underwritinggedeelte van het proces. Het dient als norm waartegen de werkelijke prestaties worden gemeten.

Deze doelstelling wordt gebruikt om de naleving van de SLA te berekenen. Door de werkelijke doorlooptijd van underwriting te vergelijken met deze doelstelling, kun je aanvragen markeren als 'Met' of 'Breached'. Dit is belangrijk voor het dashboard 'Underwriting SLA Adherence' en de bijbehorende KPI's.

Geeft de norm die nodig is om prestaties tegen service level agreements te meten en SLA-naleving te bewaken.

Deze waarde kan op het Loan-object staan of worden afgeleid uit bedrijfsregels op basis van attributen zoals het type leningproduct of het leningbedrag.

Dit attribuut geeft het resultaat van een SLA-controle, meestal voor een specifieke fase zoals underwriting. De werkelijke doorlooptijd wordt vergeleken met de vooraf bepaalde SLA-doelstelling. Daarna krijgt de case een status zoals 'Met' of 'Breached'.

Dit attribuut is belangrijk voor het bewaken van prestaties ten opzichte van bedrijfsafspraken. Het ondersteunt rechtstreeks het dashboard en de KPI 'Underwriting SLA Adherence' en geeft een duidelijk signaal over compliance. Je kunt doorklikken naar de kenmerken van aanvragen die de SLA niet halen om de oorzaken van vertragingen te vinden.

Geeft een duidelijke, categorische uitkomst van de prestaties ten opzichte van doelstellingen. Zo kun je SLA-compliance eenvoudig bewaken en oorzaken van overschrijdingen analyseren.

Dit wordt berekend in de datatransformatielaag door de werkelijke duur van een processegment, bijvoorbeeld de underwritingdoorlooptijd, te vergelijken met het attribuut 'UnderwritingSlaTarget'.