Datatemplate voor leningaanvragen

Dit attribuut staat voor één taak of mijlpaal in de levenscyclus van een leningaanvraag, zoals 'Eerste beoordeling uitgevoerd' of 'Kredietbeoordeling afgerond'. Deze activiteiten vormen de knooppunten in de proceskaart. De volgorde ervan bepaalt de processtroom.

Door de volgorde, frequentie en duur van activiteiten te analyseren, kun je veelvoorkomende procesroutes, afwijkingen en bottlenecks opsporen. Zo zie je welk werk wordt uitgevoerd en in welke volgorde. Dat vormt de basis voor alle process mining-analyses.

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

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

De ID van de leningaanvraag identificeert elke afzonderlijke leningaanvraag gedurende de hele levenscyclus. Deze ID is de centrale sleutel waarmee je alle bijbehorende activiteiten en data groepeert. Zo kun je het volledige aanvraagtraject van een specifieke lening volgen.

Bij process mining fungeert deze ID als Case-ID. Elke gebeurtenis, van de indiening tot het definitieve besluit, wordt aan deze ID gekoppeld. Zo kun je voor elke aanvraag het volledige proces reconstrueren. Dat vormt de basis voor analyses van doorlooptijden, varianten en bottlenecks.

Dit is de Case-ID die alle processtappen met elkaar 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 starttijd, oftewel het timestamp van de gebeurtenis, legt de exacte datum en tijd van een activiteit vast. Met deze chronologische data kun je gebeurtenissen in de juiste volgorde zetten en de processtroom reconstrueren zoals die werkelijk is verlopen.

Dit timestamp vormt de basis voor alle tijdsanalyses. Je gebruikt het om doorlooptijden tussen activiteiten te berekenen, wachttijden en vertragingen op te sporen en de totale duur van een case te meten. Nauwkeurige timestamps zijn belangrijk om prestaties te volgen en bottlenecks te analyseren.

Dit timestamp geeft de chronologische volgorde van gebeurtenissen aan. Die is nodig om prestatiemetrieken zoals doorlooptijden en tijdsduren te berekenen.

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

Dit attribuut geeft aan uit welke brontoepassing de gebeurtenisdata afkomstig is. Voor dit proces is dat meestal 'nCino'.

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

Geeft aan waar de data vandaan komt. Dat is belangrijk voor datagovernance, het oplossen van problemen en het combineren van data uit meerdere systemen.

Dit is een vaste waarde, 'nCino', die tijdens de data-extractie en -transformatie wordt toegevoegd.

Dit attribuut legt de datum en tijd vast van de laatste data-extractie uit het bronsysteem. Zo weet je hoe actueel de data in de analyse is.

In dashboards en rapporten is deze informatie belangrijk om te zien hoe actueel de analyse is. Zo weet je waarop je kunt rekenen en op welke periode de onderliggende data betrekking heeft.

Geeft aan hoe actueel de data is, zodat duidelijk is hoe recent de procesanalyse is.

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

Dit attribuut geeft aan via welk kanaal de leningaanvraag is ingediend. De volledigheid van de data en de interactie met de klant kunnen per kanaal verschillen. Dat kan invloed hebben op het verdere proces.

Door het proces per kanaal te analyseren, kun je de efficiëntie van de kanalen vergelijken. Je kunt bijvoorbeeld de doorlooptijden en het herstelwerk vergelijken van aanvragen die online of in een filiaal zijn ingediend. De uitkomsten helpen bij keuzes over investeringen in kanalen en het verbeteren van processen voor specifieke bronnen.

Helpt de efficiëntie, snelheid en kwaliteit van verschillende aanvraagkanalen te vergelijken en geeft richting aan verbeteringen en investeringen.

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

Dit attribuut legt de uitkomst van de activiteit 'Kredietbesluit vastgelegd' vast. Het is een belangrijk attribuut op caseniveau dat de eindstatus van een afgerond leningaanvraagproces bepaalt.

Met dit attribuut kun je uitkomsten analyseren. Je kunt bijvoorbeeld processtromen vergelijken die tot verschillende uitkomsten leiden en de gebruikelijke routes van goedgekeurde en afgewezen aanvragen bekijken. Ook vormt het de basis voor KPI’s zoals het afwijzingspercentage van leningen.

Hiermee kun je processen filteren en vergelijken op basis van de 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 beschikbare waarden hangen af van de configuratie.

De eindtijd markeert het einde van een activiteit. Het verschil tussen de start- en eindtijd is de verwerkingstijd van die activiteit.

Met dit attribuut kun je verwerkingstijd, oftewel actief werk, onderscheiden van wachttijd tussen activiteiten. Door verwerkingstijden te analyseren, zie je welke stappen de meeste tijd kosten. Het verschil tussen de eindtijd van de ene activiteit en de starttijd van de volgende laat zien waar overdrachten vertraging oplopen.

Hiermee kun je de verwerkingstijd van activiteiten nauwkeurig berekenen en actief werk onderscheiden van wachttijd.

Dit kan afkomstig zijn van door het systeem gegenereerde timestamps, zoals 'LastModifiedDate' op bijbehorende records, of van het timestamp van een volgende veldwijziging in de veldgeschiedenis.

Dit attribuut geeft de hoofdsom van de aangevraagde lening weer. Het leningbedrag kan de complexiteit en duur van het aanvraagproces sterk beïnvloeden. Voor grotere of complexere leningen zijn vaak extra controles of stappen nodig.

In analyses kun je het leningbedrag gebruiken om aanvragen te segmenteren. Zo onderzoek je of leningen met een hoger bedrag langer duren, vaker herstelwerk vragen of een andere procesroute volgen. Het attribuut is ook belangrijk voor financiële rapportages en om de waarde van de leningportefeuille in behandeling te bepalen.

Geeft financiële context en maakt het mogelijk om te onderzoeken of de waarde van een lening samenhangt met de complexiteit, duur of uitkomst van het proces.

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

Dit attribuut geeft aan welke afdeling, zoals 'Aanvraagverwerking', 'Kredietbeoordeling' of 'Afsluiting', verantwoordelijk is voor de activiteit. Je kunt dit afleiden uit het profiel van de toegewezen gebruiker of uit een apart veld op het leningrecord.

Door het proces per afdeling te analyseren, zie je hoe afdelingen samenwerken. Je kunt de overdrachtstijden tussen afdelingen meten, vertragingen door overdrachten opsporen en zien waar in de organisatie het werk wordt uitgevoerd.

Belangrijk om overdrachten tussen afdelingen te analyseren, prestaties per team te meten en bottlenecks tussen afdelingen op te sporen.

Deze informatie kun je afleiden uit het veld 'Department' van de toegewezen gebruiker in diens User-record, of uit een aangepast veld 'Team' of 'Queue' op het Loan-object.

Dit attribuut geeft aan welke medewerker 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 het record.

Door data per gebruiker te analyseren, krijg je inzicht in de werkverdeling, individuele prestaties en de inzet van medewerkers. Zo kun je zien welke medewerkers of teams te veel werk hebben en wie goed presteert. Dat helpt bij het verdelen van werk en het plannen van trainingen.

Hiermee kun je de werkverdeling, teamprestaties en inzet van medewerkers analyseren en bottlenecks bij specifieke gebruikers of teams opsporen.

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

Dit attribuut deelt leningaanvragen in op basis van het financiële product. Verschillende leningproducten hebben vaak andere procesvarianten, doorlooptijden en risicoprofielen.

Door de procesanalyse op type leningproduct uit te splitsen, kun je producten goed met elkaar vergelijken. Je ziet hoe verschillende producten de procesefficiëntie beïnvloeden en kunt dashboards op maat maken, bijvoorbeeld om de uitbetalingen van hypotheken met die van autoleningen te vergelijken. Zo beoordeel je de prestaties in de juiste bedrijfscontext.

Hiermee kun je de procesanalyse uitsplitsen naar bedrijfscontext en zien hoe verschillende producten de procesefficiëntie, doorlooptijd en procesroutes beïnvloeden.

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

Deze berekende metriek meet de end-to-end-doorlooptijd van elke leningaanvraag. De metriek geeft aan hoelang een case actief is in het proces.

De duur van de case is een belangrijke KPI voor de algehele procesefficiëntie. In dashboards kun je de verdeling van doorlooptijden bekijken, langlopende cases opsporen en trends in prestaties volgen. In veel process mining-projecten is het belangrijk om te analyseren welke factoren samenhangen met een langere cas duur.

Geeft de totale end-to-end-doorlooptijd weer, een belangrijke KPI om de algehele procesgezondheid en klantervaring te meten.

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

Deze vlag maakt onderscheid tussen taken die door mensen worden uitgevoerd en automatische systeemgebeurtenissen. Een kredietcontrole kan bijvoorbeeld automatisch verlopen, terwijl een besluit over de kredietbeoordeling meestal handmatig wordt genomen.

Door automatische stappen te herkennen, kun je automatisering analyseren. Je kunt meten wat automatisering doet met doorlooptijden en efficiëntie, en handmatige activiteiten opsporen die mogelijk geschikt zijn voor toekomstige automatisering.

Maakt onderscheid tussen systeemactiviteiten en activiteiten van medewerkers. Zo kun je het effect van automatisering meten en nieuwe mogelijkheden voor automatisering opsporen.

Dit wordt meestal afgeleid van de gebruiker die aan de gebeurtenis is gekoppeld. Is dat een gebruiker van het type 'System' of 'Integration', dan wordt de vlag op true gezet.

Deze booleaanse vlag wordt op true gezet als een activiteit, zoals 'Ondersteunende documenten opgevraagd', meer dan één keer voorkomt voor dezelfde leningaanvraag. Zo herken je herhaalwerk, een veelvoorkomende oorzaak van inefficiënte processen.

Het analyseren van herhaalwerk is een veelgebruikte toepassing van process mining. Met de vlag 'IsRework' kun je herhaalwerk eenvoudig filteren en tellen. De vlag wordt gebruikt in dashboards zoals 'Analyse van herhaalwerk bij leningaanvragen' en voor KPI’s zoals het percentage herhaalwerk. Zo zie je waar processtappen niet in één keer goed gaan.

Maakt inefficiëntie zichtbaar door herhaald werk te markeren. Zo kun je gericht onderzoeken hoe kostbare herhalingen ontstaan en ze verminderen.

Dit attribuut wordt tijdens de datatransformatie berekend met windowfuncties. Die controleren of dezelfde activiteit al eerder is voorgekomen voor een bepaalde Case-ID.

Dit attribuut bevat de numerieke kredietscore die een kredietbureau heeft teruggegeven tijdens de activiteit 'Kredietcontrole afgerond'. De score speelt een belangrijke rol bij de kredietbeoordeling en het besluit.

Met process mining kun je onderzoeken of de kredietscore samenhangt met het procesverloop. Hebben aanvragen met een lagere score bijvoorbeeld meer handmatige stappen nodig, duurt de kredietbeoordeling langer of worden ze vaker afgewezen? Zo krijg je inzicht in procesvarianten die samenhangen met het risico.

Hiermee kun je analyseren hoe een belangrijke factor bij besluitvorming, de kredietscore, samenhangt met procesroutes, doorlooptijden en uitkomsten.

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

Als de 'Besluituitkomst' van een lening 'Afgewezen' is, geeft dit attribuut meer informatie over de reden. Mogelijke redenen zijn een lage kredietscore, onvoldoende inkomen of onvolledige documentatie.

Door afwijzingsredenen te analyseren, kun je het bedrijf verbeteren. Trends kunnen wijzen op problemen met kredietcriteria, de aansluiting tussen product en markt of het aanvraagproces zelf. Met deze inzichten kun je de aanpak aanscherpen en het goedkeuringspercentage verhogen.

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

Meestal opgeslagen in een keuzelijst- of tekstveld op het Loan-object. Dit veld wordt verplicht wanneer de status van de lening verandert naar 'Afgewezen'.

Dit attribuut bepaalt de verwachte Service Level Agreement (SLA) voor de kredietbeoordeling. Het is de norm waarmee je de werkelijke prestaties vergelijkt.

Je gebruikt deze doelwaarde om te berekenen hoe vaak de SLA wordt gehaald. Door de werkelijke doorlooptijd van de kredietbeoordeling met de doelwaarde te vergelijken, kun je aanvragen markeren als 'Gehaald' of 'Overschreden'. Dit is nodig voor het dashboard 'SLA-naleving kredietbeoordeling' en de bijbehorende KPI’s.

Biedt de norm om prestaties aan service level agreements te toetsen en de naleving van SLA’s te volgen.

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

Dit attribuut geeft de uitkomst van een SLA-controle, meestal voor een specifieke fase zoals de kredietbeoordeling. Het vergelijkt de werkelijke doorlooptijd met de vooraf bepaalde SLA-doelwaarde en kent een status toe, zoals 'Gehaald' of 'Overschreden'.

Dit attribuut is belangrijk om prestaties aan bedrijfsafspraken te toetsen. Het ondersteunt rechtstreeks het dashboard en de KPI 'SLA-naleving kredietbeoordeling' en maakt compliance zichtbaar. Je kunt aanvragen waarbij de SLA is overschreden verder analyseren om de oorzaken van vertragingen te achterhalen.

Geeft een duidelijke uitkomst van de prestaties ten opzichte van de doelwaarden. Zo kun je de naleving van SLA’s volgen en oorzaken van overschrijdingen analyseren.

Dit wordt berekend tijdens de datatransformatie door de werkelijke duur van een procesdeel, bijvoorbeeld de doorlooptijd van de kredietbeoordeling, te vergelijken met het attribuut 'UnderwritingSlaTarget'.