Je datatemplate voor leningaanvragen

Dit attribuut vertegenwoordigt een enkele taak of mijlpaal in de levenscyclus van de leningaanvraag, zoals 'Initial Review Performed' of 'Underwriting Completed'. Deze activiteiten vormen de stappen in de proceskaart, en hun volgorde definieert de processtroom.

Het analyseren van de volgorde, frequentie en duur van deze activiteiten helpt bij het vinden van gemeenschappelijke procespaden, afwijkingen en knelpunten. Het is belangrijk voor het begrijpen van welk werk wordt gedaan en in welke volgorde, en vormt de basis van alle process mining-analyse.

Dit attribuut definieert de stappen van het proces, wat de visualisatie en analyse van de processtroom mogelijk maakt, wat de kern is van process mining.

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

De Loan Application ID identificeer jeniek elke individuele leningaanvraag gedurende de gehele levenscyclus. Het dient als de centrale entiteit om alle gerelateerde activiteiten en data te groeperen, wat een complete trace van het herkomstation traject voor een specifieke lening mogelijk maakt.

In process mining fungeert deze ID als de Case-ID. Elke gebeurtenis, van indiening tot de definitieve beslissing, is gekoppeld aan deze kenmerk. Dit maakt de reconstructie van de end-to-end processtroom voor elke aanvraag mogelijk, wat fundamenteel is voor doorlooptijdanalyse, variantanalyse en bottleneck identification.

Dit is de essentiële Case-ID die alle processtappen met elkaar verbindt, waardoor het mogelijk wordt om het end-to-end traject van elke leningaanvraag te analyseren.

Dit is doorgaans de primaire key van het Loan object in nCino, vaak gerefereerd als LLC_Loan__c.Naam of een vergelijkbaar uniek kenmerk veld.

De Starttijd, of gebeurtenis timestamp, registreert de exacte datum en tijd dat een activiteit plaatsvond. Deze chronologische data is belangrijk voor het correct ordenen van gebeurtenissen en het reconstrueren van de processtroom zoals deze in werkelijkheid heeft plaatsgevonden.

Deze timestamp is de basis voor alle tijd-gebaseerde analyse. Het wordt gebruikt om doorlooptijden tussen activiteiten te berekenen, wachttijden en vertragingen te vinden, en de totale case duur te meten. Nauwkeurige tijdstempels zijn belangrijk voor prestaties monitoring en bottleneck analysis.

Deze timestamp geeft de chronologische volgorde van gebeurtenissen weer, wat belangrijk is voor het berekenen van alle prestaties meetwaarden zoals doorlooptijden en duren.

Dit kan afkomstig zijn van systeem-gegenereerde tijdstempels zoals 'CreatedDate' op gerelateerde records of de timestamp van een specifieke veldwijziging in de veldhistorie.

Dit attribuut identificeert de bronapplicatie waar de gebeurtenis data vandaan komt. Voor dit proces zal dit doorgaans 'nCino' zijn.

Hoewel het overbodig kan lijken als alle data uit één systeem komt, is het belangrijk voor data governance en wordt het belangrijk bij het integreren van data uit meerdere systemen, zoals een aparte credit scoring engine of document management platform. Het zorgt voor duidelijkheid over de herkomst van de data.

Identificeert de oorsprong van de data, wat belangrijk is voor data governance, probleemoplossing en bij het combineren van data uit meerdere systemen.

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

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

In dashboards en rapporten is deze Informatie belangrijk voor gebruikers om te begrijpen hoe actueel de analyse is. Het helpt bij het beheren van verwachtingen en zorgt ervoor dat beslissingen worden genomen op basis van een begrepen tijdsbestek van de onderliggende data.

Biedt belangrijke context over de relevantie van data, zodat gebruikers begrijpen hoe up-to-date de procesanalyse is.

Deze timestamp wordt gegenereerd door de data-extractie tool of het ETL proces op het moment van de data-extractie.

Dit attribuut identificeert de indieningsbron van de leningaanvraag. Verschillende kanalen kunnen variërende niveaus van data compleetheid en klantinteractie hebben, wat van invloed kan zijn op de daaropvolgende processtroom.

Het analyseren van het proces per kanaal helpt bij het ewaarderen van de kanaalefficiëntie. Zo kan men bijvoorbeeld de doorlooptijden en herstelwerk rates vergelijken van aanvragen die online zijn ingediend versus die in een filiaal. Deze inzichten kunnen strategische beslissingen over kanaalinvesteringen en procesoptimalisatie voor specifieke bronnen onderbouwen.

Helpt de efficiëntie, snelheid en kwaliteit van verschillende indieningskanalen te vergelijken, wat strategische verbeteringen en investeringen stuurt.

Dit wordt doorgaans opgeslagen in een picklist- of tekstveld op het Loan object, vaak genaamd 'Channel' of 'Source'.

Dit attribuut legt het resultaat vast van de 'Loan Decision Rendered' activiteit. Het is een kritiek case-level attribuut dat de uiteindelijke staat van een voltooid leningaanvraagproces definieert.

Dit attribuut is belangrijk voor resultaatgerichte analyse. Het maakt het mogelijk om processtromen te vergelijken die leiden tot verschillende uitkomsten, bijvoorbeeld door de gemeenschappelijke paden van goedgekeurde versus afgewezen aanvragen te analyseren. Het is ook de basis voor het berekenen van belangrijke meetwaarden zoals de percentage afgewezen leningen.

Maakt het filteren en vergelijken van processen mogelijk op basis van hun uiteindelijke bedrijfsresultaat, wat belangrijk is voor het vinden welke procespatronen leiden tot succes of falen.

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

De End Time markeert de voltooiing van een activiteit. Het verschil tussen de Starttijd en End Time van een activiteit vertegenwoordigt de verwerkingstijd.

Dit attribuut is belangrijk voor het onderscheiden van verwerkingstijd (actief werk) en wachttijd (inactieve tijd tussen activiteiten). Het analyseren van verwerkingstijden helpt te vinden welke specifieke stappen het meest tijdrovend zijn, terwijl het gat tussen de End Time van de ene activiteit en de Starttijd van de volgende overdrachtsvertragingen onthult.

Maakt de berekening van precieze verwerkingstijden van activiteiten mogelijk, wat belangrijk is voor het onderscheiden van actieve werktijd van inactieve wachttijd.

Dit kan afkomstig zijn van systeem-gegenereerde tijdstempels zoals 'LastModifiedDate' op gerelateerde records, of de timestamp van een volgende veldwijziging in de veldhistorie.

Dit attribuut vertegenwoordigt de hoofdsom van de lening waarvoor wordt aangevraagd. Het leningbedrag kan de complexiteit en duur van het herkomstation proces aanzienlijk beïnvloeden, waarbij grotere of complexere leningen vaak extra controle of stappen vereisen.

In analyse is Loan Bedrag een krachtig hulpmiddel voor segmentatie. Het maakt het mogelijk om te onderzoeken of leningen met een hogere waarde langer duren om te processen, hogere herstelwerk rates hebben, of andere procespaden volgen. Het is ook belangrijk voor financiële rapportage en het begrijpen van de waarde van de te processen leningportefeuille.

Biedt belangrijke financiële context en maakt segmentatieanalyse mogelijk om te zien of de leningwaarde correleert met procescomplexiteit, duur of resultaten.

Bevindt zich in een valutaveld op het Loan-object, vaak genaamd 'Bedrag' (LLC_Loan__c.LLC_BI__Bedrag__c).

Dit attribuut geeft de functionele groep aan, zoals 'Origination', 'Underwriting' of 'Closing', die de activiteit bezit. Dit kan worden afgeleid van het profiel van de toegewezen gebruiker of een specifiek veld op de lening record.

Het analyseren van het proces vanuit een afdelingsperspectief is belangrijk voor het begrijpen van cross-functionele samenwerking. Het helpt de overdrachtstijden tussen afdelingen te meten, identificeert vertragingen veroorzaakt door interdepartementale transfers, en biedt een high-level overzicht van waar het werk in de organisatie wordt uitgevoerd.

Belangrijk voor het analyseren van interdepartementale overdrachten, het meten van teamprestaties en het vinden van cross-functionele knelpunten.

Deze Informatie kan worden afgeleid van het Department veld van de toegewezen gebruiker op hun Gebruiker record, of van een aangepast 'Team' of 'Queue' assignment veld op het Loan object.

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

Het analyseren van data per gebruiker helpt bij het begrijpen van de werkdrukverdeling, individuele prestaties en brongebruik. Het kan overbelaste medewerkers of teams inzichtelijk maken en best presterende medewerkers vinden, wat waardevol is voor bronmanagement en training.

Dit maakt analyse van werkdrukverdeling, teamprestaties en bron-allocatie mogelijk, wat helpt bij het vinden van knelpunten gerelateerd aan specifieke gebruikers of teams.

Doorgaans vanuit het 'OwnerId' veld op het Loan object of gerelateerde Task objects, dat kan worden gejoined met het Gebruiker object om de naam van de gebruiker te krijgen.

Dit attribuut categoriseert de leningaanvraag op basis van het aangeboden financiële product. Verschillende leningproducten hebben vaak verschillende procesvariaties, doorlooptijden en risicoprofielen.

Het segmenteren van de procesanalyse op Loan Product Type is belangrijk voor een zinvolle vergelijking. Het helpt te begrijpen hoe verschillende producten de procesefficiëntie beïnvloeden en maakt de creatie van op maat gemaakte dashboards mogelijk, zoals het bijhouden van disbursement doorlooptijd voor hypotheken versus autoleningen. Dit zorgt ervoor dat prestaties in de juiste zakelijke context worden geëwaardeerd.

Maakt procesanalyse mogelijk om te worden gesegmenteerd op basis van bedrijfscontext, en onthult hoe verschillende producten de procesefficiëntie, doorlooptijd en paden beïnvloeden.

Dit wordt doorgaans opgeslagen in een 'Product' of 'Loan Type' veld op het nCino Loan object (LLC_Loan__c).

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

Case Duration is een primaire key prestaties indicator voor de algehele procesefficiëntie. Het wordt gebruikt in dashboards om de distributie van doorlooptijden te visualiseren, langlopende cases te vinden en prestatietrends over tijd te volgen. Het analyseren van de factoren die correleren met langere case duurs is een belangrijk doel van veel process mining-projecten.

Vertegenwoordigt de totale end-to-end doorlooptijd, een kritieke KPI voor het meten van de algehele procesgezondheid en klantervaring.

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

Deze flag maakt onderscheid tussen mensgedreven taken en geautomatiseerde systeem gebeurtenissen. Een kredietcheck kan bijvoorbeeld een geautomatiseerde activiteit zijn, terwijl een underwriting beslissing doorgaans handmatig is.

Het vinden van geautomatiseerde stappen is belangrijk voor automatisering discovery en analyse. Het maakt het mogelijk om de impact van automatisering op doorlooptijden en efficiëntie te meten, en helpt bij het vinden van handmatige activiteiten die potentiële kandidaten zijn voor toekomstige automatiseringsinitiatieven.

Onderscheidt systeem- en menselijke activiteiten, wat fundamenteel is voor het meten van de impact van automatisering en het vinden van nieuwe automatiseringsmogelijkheden.

Dit wordt doorgaans afgeleid op basis van de gebruiker die geassocieerd is met de gebeurtenis. Als de gebruiker een 'System' of 'Integration' gebruiker is, wordt de flag op true gezet.

Dit boolean attribuut wordt ingesteld op true als een activiteit, zoals 'Supporting Documents Requested', meer dan eens voorkomt voor dezelfde leningaanvraag. Het identificeert gevallen van herstelwerk, die vaak een bron van procesinefficiëntie zijn.

Het analyseren van herstelwerk is een kern Process Mining use case. De 'IsRework' flag maakt eenvoudige filtering en kwantificering van herstelwerksgevallen mogelijk. Het helpt dashboards zoals de 'Loan Application Rework Analysis' aan te drijven en wordt gebruikt om KPI's zoals de herstelwerk rate te berekenen, en benadrukt gebieden waar processtappen bij de eerste poging falen.

Benadrukt procesinefficiënties door herhaald werk te markeren, waardoor gerichte analyse mogelijk wordt om kostbare lussen te begrijpen en te verminderen.

Dit attribuut wordt berekend tijdens data transformation door gebruik te maken van window functions om te controleren of dezelfde activiteit al is voorgekomen voor een gegeven Case-ID.

Dit attribuut bevat de numerieke credit score die door een kredietbureau wordt geretourneerd tijdens de 'Credit Check Completed' activiteit. Het is een belangrijke factor in het underwriting en besluitvormingsproces.

In process mining kan de credit score worden gebruikt om te analyseren of er een correlatie is tussen de score en het procesgedrag. Vereisen aanvragen met lagere credit scores bijvoorbeeld meer handmatige stappen, duren ze langer in underwriting, of hebben ze een hogere decline rate? Dit kan nuttige inzichten opleveren in risicogebaseerde procesvariaties.

Maakt analyse mogelijk van hoe een belangrijke beslissingsfactor, de credit score, correleert met procespaden, doorlooptijden en uitkomsten.

Deze data wordt vaak opgeslagen in een specifiek veld op een gerelateerd 'Credit Report' of 'Financials' object gekoppeld aan het hoofd Loan object.

Wanneer de 'Decision Outcome' van een lening 'Declined' is, geeft dit attribuut verdere details over de oorzaak. Redenen kunnen een slechte credit score, onvoldoende inkomen of onvolledige documentatie zijn.

Het analyseren van afwijzingsredenen is belangrijk voor bedrijfsverbetering. Het kan trends zichtbaar maken die wijzen op problemen met leencriteria, product-market fit, of problemen in het aanvraagproces zelf. Deze inzichten kunnen het bedrijf helpen zijn strategieën te verfijnen en de goedkeuringspercentages te verbeteren.

Biedt de hoofdoorzaak voor afgewezen aanvragen, waardoor analyse mogelijk is om trends te vinden en de leencriteria of aanvraagprocessen te verbeteren.

Doorgaans opgeslagen in een picklist- of tekstveld op het Loan object dat verplicht wordt wanneer de lening wordt verplaatst naar een 'Declined' status.

Dit attribuut biedt het resultaat van een SLA check, doorgaans voor een specifieke stage zoals underwriting. Het vergelijkt de werkelijke doorlooptijd met de vooraf gedefinieerde SLA target en wijst een status toe zoals 'Met' of 'Breached'.

Dit attribuut is belangrijk voor prestaties monitoring tegenover zakelijke verplichtingen. Het ondersteunt direct het 'Underwriting SLA Adherence' dashboard en KPI, en geeft een duidelijk en onmiddellijk signaal van compliance. Het maakt het mogelijk om in te zoomen op de kenmerken van overtreden aanvragen om de hoofdoorzaken van vertragingen te begrijpen.

Biedt een helder, categorisch resultaat van de prestaties ten opzichte van targets, waardoor het eenvoudig is om de SLA-compliance te monitoren en de oorzaken van overtredingen te analyseren.

Dit wordt berekend in de data transformation layer door de werkelijke duur van een processegment (bijv. underwriting doorlooptijd) te vergelijken met het 'UnderwritingSlaTarget' attribuut.

Dit attribuut definieert de verwachte Service Level Agreement (SLA) voor het underwriting deel van het proces. Het dient als een benchmark waartegen de werkelijke prestaties worden gemeten.

Deze target wordt gebruikt om SLA-naleving rates te berekenen. Door de werkelijke underwriting doorlooptijd te vergelijken met deze target, kunnen aanvragen worden gemarkeerd als 'Met' of 'Breached'. Dit is belangrijk voor het 'Underwriting SLA Adherence' dashboard en gerelateerde KPI's.

Biedt de benchmark die nodig is om de prestaties te meten ten opzichte van service level agreements, waardoor SLA-naleving monitoring mogelijk worden.

Deze waarde kan worden opgeslagen op het Loan object of worden afgeleid van business rules op basis van attributen zoals Loan Product Type of Loan Bedrag.