Je datatemplate voor leningaanvragen

Dit attribuut registreert de naam van elke stap in de levenscyclus van leningaanvragen, zoals 'Aanvraag Ingediend', 'Kredietcheck Voltooid' of 'Leningsbesluit Genomen'. Deze activiteiten vormen de stappen van de bekijkte procesmap.

Het analyseren van de volgorde en frequentie van deze activiteiten vormt de kern van process mining. Het helpt de feitelijke processtroom te begrijpen, afwijkingen van de standaardprocedure te vinden en knelpunten of gebieden met hoge herstelwerk rates aan te wijzen. De specifieke activiteitnamen zijn belangrijk voor het berekenen van fasespecifieke KPI's zoals Underwriting Bewerkingstijd.

Activiteiten definiëren de stappen van het proces. Het analyseren van hun volgorde, frequentie en duur is onmisbaar voor het begrijpen en verbeteren van de processtroom.

Deze Informatie wordt typisch gegenereerd uit systeem event logs, statuswijzigings of taakvoltooiingsentries binnen Finastra Fusion Mortgagebot.

De 'Loan Application ID' identificeert elke individuele leningsaanvraag uniek gedurende de gehele levenscyclus. Het dient als de centrale entiteit om alle gerelateerde activiteiten en data te groeperen, wat een complete traceerbaarheid van het gehele aanvraagproces voor een specifieke lening mogelijk maakt.

In procesanalyse is deze ID belangrijk voor het opbouwen van een end-to-end beeld van elke case. Alle activiteiten, van 'Aanvraag Ingediend' tot 'Geld Uitbetaald' of 'Lening Afgewezen', zijn gekoppeld aan deze unieke identificatie. Dit maakt het berekenen van doorlooptijden, het vinden van procesvarianten en het volgen van specifieke leningtrajecten mogelijk.

Dit is de essentiële Case-ID die alle gerelateerde gebeurtenissen verbindt tot een enkele procesinstantie, wat de basis vormt voor elke process mining-analyse.

Dit is de primaire identificatie voor een leningaanvraag binnen Finastra Fusion Mortgagebot, typisch beschikbaar in alle modules en tabellen gerelateerd aan leningverwerking.

De Event Timestamp, of Starttijd, legt het precieze moment vast waarop een activiteit plaatsvond. Deze temporele data is belangrijk voor het chronologisch ordenen van gebeurtenissen en het opbouwen van een accurate weergave van de processtroom.

In analyse worden tijdstempels gebruikt om alle duurgebaseerde meetwaarden te berekenen, inclusief de totale doorlooptijd, verwerkingstijden voor individuele activiteiten en wachttijden tussen stappen. Dit maakt de identificatie van knelpunten (knelpunten), monitoring van SLA-naleving en het volgen van prestatietrends over tijd mogelijk, welke kritiek zijn voor dashboards zoals 'Algemene Analyse Verwerkingstijd Leningen' en 'Trend Analyse Doorlooptijd Leninggoedkeuringen'.

Timestamps bieden de chronologische volgorde van gebeurtenissen en zijn belangrijk voor het berekenen van alle prestatiemeetwaarden, zoals doorlooptijden en wachttijden.

Deze data wordt meestal gevonden naast de activiteit- of statusupdate record in de event logs of transactietabellen van het systeem, vaak gelabeld als 'Creation Date' of 'Status Timestamp'.

Dit attribuut specificeert het bronsysteem voor de data, bijvoorbeeld 'Finastra Fusion Mortgagebot'. In omgevingen met meerdere geïntegreerde systemen helpt dit veld bij het onderscheiden van data bronnen.

Hoewel het vaak een statische waarde is in een single-system analyse, wordt het belangrijk bij het samenvoegen van data van verschillende platforms, zoals een apart CRM of document management systeem. Het zorgt ervoor dat data lineage duidelijk is en helpt bij het oplossen van datakwaliteit issues door ze terug te leiden naar de juiste bron.

Biedt belangrijke context over de data-oorsprong, zorgt voor traceerbaarheid en helpt bij data governance, vooral in omgevingen met meerdere systemen.

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

Dit attribuut registreert de datum en tijd van de meest recente data-extractie uit het bronsysteem. Het biedt context voor de relevantie van de geanalyseerde data.

In elke analyse of dashboard is het kennen van hoe actueel de data is onmisbaar voor het nemen van weloverwogen beslissingen. Deze timestamp helpt gebruikers te begrijpen of ze naar real-time Informatie kijken of een snapshot van een specifiek moment, wat belangrijk is voor operationele monitoring versus strategische analyse.

Informeert gebruikers over de relevantie van de data, zodat analyses gebaseerd zijn op data van een bekende en acceptabele leeftijd.

Deze waarde wordt gegenereerd en op de dataset gestempeld tijdens het data-extractie- en transformatieproces (ETL-proces).

Dit attribuut specificeert de herkomst van de aanvraag, bijvoorbeeld of deze via een online portal, een mobiele app, direct via een kredietadviseur of via een externe broker binnenkwam.

Het begrijpen van het kanaal is belangrijk voor operationele en strategische analyse. Het 'Overall Loan Bewerkingstijd Analysis' dashboard gebruikt dit attribuut om de efficiëntie van verschillende kanalen te vergelijken. Dit kan zichtbaar maken of bepaalde kanalen leiden tot langere verwerkingstijden, hogere afwijzingspercentages of meer herstelwerk vereisen, wat inzichten biedt voor procesoptimalisatie en marketingstrategie.

Maakt prestatievergelijking over verschillende klantgerichte kanalen mogelijk, wat helpt bij het optimaliseren van kanaalspecifieke processen en de toewijzing van middelen.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze Informatie wordt vaak vastgelegd op het moment van aanmaak van de aanvraag.

Dit attribuut legt de uiteindelijke bedrijfsresultaat van het leningaanvraagproces voor elke aanvraag vast. Dit is een kritiek attribuut op caseniveau dat het succes of falen van een procesinstantie definieert.

Dit attribuut vormt de basis voor het 'Loan Application Rejection Trends' dashboard en de 'Loan Decision Consistency by Risk' analyse. Door de procesmap te filteren en te segmenteren op outcome, kunnen analysesten veelvoorkomende procespatronen vinden die leiden tot afwijzingen versus goedkeuringen. Het ondersteunt direct de berekening van de KPI voor de Afwijzingsgraad van Leningaanvragen.

Definieert de bedrijfsresultaten van elke case, waardoor vergelijkende analyse tussen succesvolle en onsuccesvolle processtromen mogelijk is om hoofdoorzaken te vinden.

Dit is typisch de uiteindelijke status van een leningaanvraag case, te vinden in de hoofd case of applicatietabel binnen Finastra Fusion Mortgagebot.

Terwijl StartTime vastlegt wanneer een activiteit begint, markeert EndTime de voltooiing ervan. Voor veel gebeurtenissen in leningaanvragen kunnen de start- en eindtijd identiek zijn, wat een onmiddellijke gebeurtenis vertegenwoordigt. Echter, voor activiteiten met een meetbare duur, zoals 'Acceptatie Beoordeling', is dit veld belangrijk.

Het hebben van een aparte EndTime maakt de directe berekening van de activiteit verwerkingstijd mogelijk, in tegenstelling tot het afleiden ervan uit de starttijd van de volgende activiteit. Dit is nauwkeuriger omdat het de werkelijke verwerkingstijd scheidt van idle of wait time, wat belangrijk is voor het 'Underwriting Bottleneck Deep Dive' dashboard.

Maakt de precieze berekening van de verwerkingstijd van activiteiten mogelijk, door deze te onderscheiden van de daaropvolgende wachttijd, wat leidt tot een nauwkeurigere knelpunt (bottleneck)-analyse.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot of systeem logs. Dit kan worden vastgelegd als een 'Voltooiingsdatum', 'Einddatum', of moet mogelijk worden afgeleid als het niet expliciet beschikbaar is.

Dit attribuut identificeert specifiek de acceptant die verantwoordelijk is voor de kritieke underwriting fase van het proces. De acceptant ewaardeert het risico van de lening en doet een aanbeveling voor goedkeuring of afwijzing.

Voor het 'Underwriting Bottleneck Deep Dive' dashboard is dit attribuut belangrijk. Het maakt segmentatie van underwriting verwerkingstijden en queue tijden per individuele acceptant mogelijk. Dit helpt bij het begrijpen van prestatievariaties, het waarborgen van consistentie in besluitvorming en het beheren van de workload binnen het underwriting team.

Belangrijk voor gedetailleerde analyse van de acceptatiefase, waardoor prestatievergelijkingen en werkdrukbeheer voor het acceptatieteam mogelijk zijn.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze Informatie wordt doorgaans vastgelegd wanneer de case wordt toegewezen aan de acceptatiewachtrij of een specifieke acceptant.

Dit attribuut identificeert de primaire medewerker, de kredietadviseur, die de aanvraag afhandelt. Deze persoon is vaak het belangrijkste contactpunt voor de aanvrager en is verantwoordelijk voor het begeleiden van de aanvraag door het proces.

Deze dimensie is belangrijk voor prestatie- en workload analysis. Dashboards zoals het 'Loan Officer Workload Distribution' gebruiken dit attribuut direct om het aantal actieve leningen en gemiddelde verwerkingstijden per adviseur te visualiseren. Het helpt het management om top performers te vinden, degenen die mogelijk overbelast zijn, en kansen voor bron balancing of training te zien.

Maakt analyse van werkdrukverdeling, prestaties van medewerkers en identificatie van brongerelateerde knelpunten (knelpunten) of best practices mogelijk.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Dit wordt waarschijnlijk opgeslagen in de header data van de leningaanvraag of een toewijzingstabel, gekoppeld aan de module voor gebruikersbeheer.

Dit boolean attribuut is het resultaat van het vergelijken van de werkelijke duur van een fase met de target SLA. Het zou bijvoorbeeld 'true' zijn als de tijd tussen 'Underwriting Gestart' en 'Underwriting Voltooid' groter is dan de 'Underwriting SLA Target'.

Deze flag vereenvoudigt de analyse in het 'SLA Adherence and Breach Analysis' dashboard door een duidelijke binaire dimensie te creëren voor filtering en aggregatie. Het maakt snelle berekening van de SLA-nalevingspercentage (KPI) mogelijk en helpt bij het inzoomen op de specifieke kenmerken, zoals Loan Type of Branch, van aanvragen die regelmatig hun service level agreements overschrijden.

Biedt een eenvoudige, duidelijke indicator van SLA-falen voor elke gegeven case, waardoor het gemakkelijk wordt om de hoofdoorzaken van schendingen te filteren, aggregeren en analyseren.

Dit attribuut wordt berekend tijdens data voorbereiding. De logica is: (Werkelijke duur > UnderwritingSlaTarget) ? true : false.

Dit boolean attribuut onderscheidt taken die automatisch door het systeem worden uitgevoerd, zoals een initiële credit check of het genereren van een standaard disclosure, en taken die handmatig door medewerkers worden uitgevoerd.

Het analyseren van dit attribuut helpt bij het begrijpen van het automatiseringsniveau in het proces. Het kan worden gebruikt om de snelheid en consistentie van geautomatiseerde versus handmatige stappen te vergelijken. Dit is waardevol voor het vinden van verdere automatiseringsmogelijkheden om de efficiëntie te verbeteren en het risico op menselijke fouten te verminderen.

Helpt de mate van automatisering in het proces te meten en kansen te vinden voor verdere efficiëntiewinst door nieuwe automatiseringsinitiatieven.

Dit wordt typisch afgeleid door de 'Gebruiker' te controleren die is gekoppeld aan een activiteit. Als de user een systeem- of serviceaccount is, wordt de flag ingesteld op true.

Dit boolean attribuut wordt ingesteld op 'true' als een specifieke activiteit, zoals 'Aanvullende Documenten Opgevraagd' of 'Acceptatie Beoordeling Retour', meer dan eens voorkomt voor dezelfde Loan Application ID. Het helpt bij het expliciet taggen en kwantificeren van herstelwerk-loops.

In het 'Rework and Redundant Steps Map' dashboard kan deze indicator worden gebruikt om herstelwerk-loops visueel te markeren of te filteren op cases met veel herstelwerk. Het berekenen van de Rework Activiteit Rate KPI wordt een eenvoudige kwestie van het tellen van gebeurtenissen waarbij 'IsRework' true is. Dit helpt om verbeteringsinspanningen te richten op de hoofdoorzaken van herhaald werk, zoals onduidelijke communicatie of data invoerfouten.

Identificeert en kwantificeert expliciet herstelwerk, waardoor het gemakkelijker wordt om de oorzaken en effecten van procesinefficiënties en -lussen te analyseren.

Dit attribuut wordt berekend in de datatransformatie laag door te controleren of dezelfde activiteitnaam al eerder is verschenen voor de gegeven CaseId.

Dit attribuut bevat de numerieke kredietscore die is verkregen van een kredietbureau tijdens de activiteit 'Kredietcheck Voltooid'. Het is een sleutelfactor bij het beoordelen van de kredietwaardigheid van de aanvrager.

In het 'Loan Decision Consistency by Risk' dashboard wordt de kredietscore uitgezet tegen de uiteindelijke beslissingsuitkomst. Deze analyse helpt ervoor te zorgen dat leenbeslissingen eerlijk, consistent en in lijn zijn met de risicobereidheid van de instelling. Het kan potentiële inconsistenties inzichtelijk maken waarbij aanvragers met vergelijkbare scores verschillende uitkomsten krijgen.

Een kritiek datapunt voor risicobeoordeling; dit attribuut helpt bij het analyseren van de consistentie en eerlijkheid van leningbesluiten.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Deze data wordt doorgaans opgeslagen in een toegewijd veld nadat deze via een integratie is opgehaald bij een kredietrapportagebureau.

Dit attribuut vertegenwoordigt het hoofdsombedrag van de hypotheek waarvoor wordt aangevraagd. Het is een belangrijke financiële metriek voor elke aanvraag en beïnvloedt vaak het proces zelf; zo kunnen grotere 'Jumbo'-leningen bijvoorbeeld extra goedkeuringsstappen vereisen.

In analyse kan 'Loan Bedrag' worden gebruikt om het proces te segmenteren en correlaties te onderzoeken tussen de leningswaarde en verwerkingstijden, goedkeuringspercentages of het niveau van toegepaste controle. Zo zou men kunnen bekijken dat leningen boven een bepaalde drempel consistent langer duren in de underwriting fase. Het biedt waardevolle bedrijfscontext aan de processtroom.

Maakt financiële analyse van de leningportefeuille mogelijk en helpt te onderzoeken of de leningwaarde van invloed is op procesgedrag, zoals doorlooptijd of goedkeuringspercentages.

Dit is een kernveld dat wordt ingevoerd tijdens het aanvraagproces en wordt opgeslagen in de hoofdleningsaanvraagdata binnen Finastra Fusion Mortgagebot.

Dit attribuut categoriseert de leningsaanvraag op basis van het specifieke hypotheekproduct dat door de aanvrager wordt aangevraagd. Verschillende leningtypen hebben vaak verschillende procesvereisten, compliance regels en risicoprofielen.

Het analyseren van het proces per Loan Type is een fundamentele praktijk. Het kan aantonen dat bepaalde producten aanzienlijk langere doorlooptijden of hogere afwijzingspercentages hebben. Deze segmentatie is belangrijk voor het vinden van productspecifieke knelpunten en voor het garanderen dat compliance-checks, zoals die in de 'Compliance Violation Pathways' analyse, correct worden toegepast.

Verschillende leningproducten hebben vaak verschillende procespaden en SLA's, wat dit attribuut belangrijk maakt voor zinvolle vergelijkende analyse en filtering.

Dit is een fundamenteel data punt dat wordt geselecteerd aan het begin van het aanvraagproces en wordt opgeslagen in de hoofdleningsaanvraagdata in Finastra Fusion Mortgagebot.

Wanneer de 'Decision Outcome' van een lening 'Afgewezen' is, geeft dit attribuut de specifieke oorzaak aan. Redenen kunnen variëren van een slechte kredietgeschiedenis en onvoldoende inkomen tot onvolledige documentatie of problemen met de taxatie van onroerend goed.

Dit is een belangrijk attribuut voor het 'Loan Application Rejection Trends' dashboard. Het analyseren van de meest voorkomende afwijzingsredenen biedt concrete inzichten voor procesverbetering. Een groot aantal afwijzingen als gevolg van onvolledige documentatie kan bijvoorbeeld duiden op de noodzaak om het documentverzamelproces of de communicatie met de aanvrager te verbeteren.

Biedt de hoofdoorzaak voor mislukte processen, waardoor gerichte verbeteringen mogelijk zijn om het goedkeuringspercentage te verhogen en verspilde inspanning te verminderen.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Dit wordt doorgaans opgeslagen in een reden-code of notitieveld gekoppeld aan de definitieve beslissingsstatus.

De Risicocategorie is een classificatie die aan een leningsaanvraag wordt toegekend op basis van verschillende factoren, waaronder kredietscore, schuld-tot-inkomen ratio en lening-tot-waarde ratio. Het vereenvoudigt de risicobeoordeling in een paar begrijpelijke niveaus.

Dit attribuut is belangrijk voor het 'Loan Decision Consistency by Risk' dashboard. Door leningen in categorieën te groeperen, wordt het gemakkelijker om te visualiseren of de besluitvorming consistent is voor aanvragen met vergelijkbare risicoprofielen. Deze analyse ondersteunt naleving van wet- en regelgeving en helpt bij het verfijnen van het interne risicobeoordelingsmodel.

Vereenvoudigt complexe risico-data, waardoor analyse op hoog niveau van besluitconsistentie en afstemming met de bedrijfsrisicostrategie mogelijk is.

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

Dit attribuut specificeert de Service Level Agreement (SLA) target voor de duur van het underwriting proces, vaak uitgedrukt in werkuren of dagen. Deze target kan variëren op basis van factoren zoals leningtype of risicocategorie.

Dit is een kritieke input voor het 'SLA Adherence and Breach Analysis' dashboard en de Overall SLA-nalevingspercentage (KPI). Door de werkelijke underwriting verwerkingstijd te vergelijken met deze target, kan elke case worden gemarkeerd als 'Met' of 'Breached'. Dit maakt monitoring van prestaties ten opzichte van gemaakte beloften aan klanten of interne doelen mogelijk, en voor het vinden van de hoofdoorzaken van SLA-fouten.

Biedt de benchmark waartegen de werkelijke prestaties worden gemeten, waardoor directe monitoring van SLA-compliance en identificatie van schendingen mogelijk is.

Dit kan worden opgeslagen als een statische bedrijfsregel, of als een veld op de leningaanvraag zelf, potentieel afgeleid door een rules engine binnen Finastra Fusion Mortgagebot.

Deze metriek meet de wachttijd die een leningaanvraag doorbrengt nadat de kredietcheck is voltooid, maar voordat de underwriting actief begint. Het wordt berekend als de duur tussen de timestamp van 'Kredietcheck Voltooid' en 'Underwriting Gestart'.

Deze KPI is belangrijk voor de 'Underwriting Bottleneck Deep Dive', omdat het de wachttijd isoleert van de actieve verwerkingstijd. Lange queue tijden kunnen duiden op een tekort aan bronnen, inefficiënte werktoewijzing of systeemvertragingen. Het verminderen van deze queue tijd is vaak een belangrijk doel voor het verbeteren van de algehele processnelheid en -efficiëntie.

Isoleert de wachttijd vóór een kritieke procesfase, en biedt een duidelijk doel voor het verminderen van inactiviteit en het verbeteren van de stroomefficiëntie.

Dit attribuut wordt berekend tijdens data analyse of ETL door het tijdsverschil te vinden tussen de gebeurtenissen 'Kredietcheck Voltooid' en 'Underwriting Gestart' voor elke case.

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

Gebruikt in het 'Loan Officer Workload Distribution' dashboard, maakt dit attribuut prestatieanalyse mogelijk die is geaggregeerd op locatieniveau. Het helpt de efficiëntie, workload en resultaten tussen verschillende filialen te vergelijken, waarbij regionale prestatieverschillen worden benadrukt en de bron allocation binnen de organisatie wordt geïnformeerd.

Maakt prestatiebenchmarking en workload-analyse over verschillende geografische of organisatorische eenheden mogelijk.

Raadpleeg de documentatie van Finastra Fusion Mortgagebot. Dit is waarschijnlijk gekoppeld aan het gebruikersprofiel van de kredietbehandelaar of geselecteerd tijdens de aanvraaginname.