Szablon danych do onboardingu klientów KYC

Ten atrybut zapisuje dokładną datę i godzinę rozpoczęcia czynności. Pozwala ustalić chronologiczną kolejność wszystkich zdarzeń w ramach jednego wniosku klienta.

Znaczniki czasu są niezbędne do analizy wydajności procesu. Służą do obliczania czasu trwania czynności, oczekiwania między krokami oraz całkowitego czasu realizacji onboardingu. Dane te pomagają wykrywać wąskie gardła, mierzyć dotrzymywanie SLA i oceniać sprawność procesu.

Znaczniki czasu zapewniają kontekst chronologiczny potrzebny do obliczania czasu trwania, analizy wydajności procesu i wykrywania opóźnień.

To standardowy element historii audytowej Pega. W tabelach historii dla każdego zdarzenia często występuje jako pxTimeCreated.

Ten atrybut zapisuje nazwę czynności biznesowej lub zdarzenia systemowego, na przykład „Złożono wniosek”, „Rozpoczęto kontrolę zgodności” albo „Odrzucono wniosek”. Oznacza pojedynczy krok w całym procesie onboardingu klienta.

Analiza czynności stanowi podstawę process mining. Atrybut ten służy do budowania mapy procesu, która pokazuje przepływ między kolejnymi krokami. Pomaga ustalić kolejność zdarzeń, zmierzyć częstotliwość poszczególnych czynności i wskazać zadania, które występują najczęściej lub trwają najdłużej.

Ten atrybut określa kroki na mapie procesu, dzięki czemu można zobrazować, analizować i zrozumieć przebieg procesu.

Te informacje są zwykle zapisywane w historii audytowej Pega (tabelach historii) lub można je odtworzyć na podstawie zmian statusu sprawy.

Wniosek klienta to główny identyfikator sprawy, który łączy wszystkie powiązane działania i zdarzenia dotyczące onboardingu jednego klienta. Każdy wniosek przechodzi ścieżkę od złożenia do zatwierdzenia i aktywacji konta albo odrzucenia.

W process mining ten atrybut pozwala odtworzyć pełny przebieg każdej sprawy. Analitycy mogą przeglądać kolejność zdarzeń, śledzić status wniosków i porównywać ich ścieżki. Analiza spraw według tego identyfikatora pomaga wykrywać typowe warianty procesu, wąskie gardła i odstępstwa od standardowej procedury.

Ten identyfikator stanowi podstawę process mining, ponieważ łączy poszczególne zdarzenia w spójne, kompleksowe instancje procesu, które można analizować.

W Pega jest to zwykle główny identyfikator sprawy, dostępny często jako pzInsKey lub jego odpowiednik zrozumiały dla użytkowników biznesowych w obiekcie roboczym głównego typu sprawy.

Ten atrybut zapisuje dokładną datę i godzinę zakończenia czynności. W połączeniu z czasem rozpoczęcia pozwala obliczyć czas realizacji poszczególnych czynności.

Osobny czas zakończenia umożliwia dokładniejszą analizę wydajności. Pozwala odróżnić czas aktywnej pracy, czyli czas między rozpoczęciem a zakończeniem czynności, od czasu oczekiwania, czyli czasu między zakończeniem jednej czynności a rozpoczęciem kolejnej. Dzięki temu można wskazać rzeczywiste wąskie gardła i odróżnić je od kolejek.

Pozwala dokładnie obliczyć czas realizacji czynności, co jest niezbędne do szczegółowej analizy wydajności i wykrywania wąskich gardeł.

Informacja może być dostępna w historii audytowej Pega. Jeśli jej tam nie ma, czas zakończenia bieżącego zdarzenia można ustalić na podstawie czasu rozpoczęcia kolejnego.

Ten atrybut wskazuje jednostkę organizacyjną lub zespół, do którego należy użytkownik wykonujący czynność, na przykład „Zespół weryfikacji”, „Zespół ds. zgodności” lub „Operacje onboardingu”.

Analiza procesu według działu jest niezbędna na dashboardzie „Rozkład obciążenia według działu”. Pomaga kierownikom zrozumieć przepływ pracy między zespołami, wykrywać wąskie gardła na styku różnych funkcji i oceniać przydział zasobów w całym procesie onboardingu. Ułatwia też usprawnianie przekazywania zadań i równoważenie obciążenia.

Umożliwia analizę przebiegu procesu i wąskich gardeł między jednostkami biznesowymi, wspierając zarządzanie zasobami i usprawnianie organizacji.

Informacje te są zwykle powiązane z profilem użytkownika w Pega (rekordem Operator ID) i można je połączyć z danymi o zdarzeniach. Właściwością może być pyWorkGroup.

Ten atrybut określa ocenione ryzyko związane z klientem, zwykle klasyfikowane jako „Niskie”, „Średnie” lub „Wysokie”. Poziom ryzyka jest zazwyczaj ustalany przez automatyczny mechanizm oceny na podstawie danych klienta i wyników weryfikacji.

Poziom ryzyka wpływa na przebieg procesu. Wnioski wysokiego ryzyka często wymagają dodatkowych czynności sprawdzających, takich jak rozszerzona kontrola zgodności, co wydłuża czas realizacji. Analiza procesu według poziomu ryzyka pomaga uzasadnić te różnice i sprawdzić, czy mechanizmy kontroli ryzyka działają skutecznie, nie powodując niepotrzebnych opóźnień.

Wyjaśnia różnice w przebiegu i czasie trwania procesu, ponieważ poziom ryzyka często określa wymagany zakres analizy due diligence.

To obliczana właściwość sprawy, której wartość ustala reguła decyzyjna lub model oceny w Pega. Szczegóły można znaleźć w dokumentacji Pega KYC.

Jeśli końcowy status wniosku to „Odrzucony”, ten atrybut podaje konkretną przyczynę, na przykład „Negatywny wynik weryfikacji przeszłości”, „Niekompletna dokumentacja” lub „Wysoki poziom ryzyka”.

Atrybut ten jest podstawą dashboardu „Analiza odrzuconych wniosków”. Podział odrzuconych spraw według przyczyny pozwala ustalić, na których etapach onboardingu najczęściej dochodzi do niepowodzeń. Dzięki temu można wdrożyć ukierunkowane usprawnienia, ograniczyć liczbę odrzuceń, poprawić obsługę klienta i zwiększyć sprawność operacji.

Pokazuje, dlaczego wnioski są odrzucane, i pomaga dobrać usprawnienia procesu, które zwiększą odsetek spraw zakończonych powodzeniem.

Prawdopodobnie jest to właściwość ustawiana w sprawie przy zmianie jej statusu na „Odrzucony”. Informacje o standardowych polach przyczyny odrzucenia można znaleźć w dokumentacji Pega KYC.

Ten atrybut wskazuje ogólny status wniosku po zakończeniu procesu, na przykład „Zatwierdzony”, „Odrzucony” lub „Wycofany”. W przypadku trwających spraw może też odzwierciedlać ostatni znany status.

To ważny wymiar analizy wyników. Na dashboardzie „Analiza odrzuconych wniosków” służy do podziału spraw na grupy i ustalenia przyczyn poszczególnych wyników. Analiza ścieżek prowadzących do różnych statusów pomaga wskazać dobre praktyki w zatwierdzonych sprawach i źródłowe przyczyny odrzuceń.

Określa wynik biznesowy sprawy, umożliwiając porównanie ścieżek zakończonych powodzeniem z tymi, które zakończyły się niepowodzeniem.

W Pega jest to zwykle końcowy status sprawy (pyStatusWork) w obiekcie roboczym.

Ten atrybut przechowuje docelową datę zakończenia wniosku określoną w umowie o gwarantowanym poziomie usług (SLA). Termin może zależeć od takich czynników jak typ klienta, poziom ryzyka lub produkt.

Data ta jest niezbędna na dashboardzie „Monitorowanie realizacji SLA” i dla powiązanego z nim KPI. Stanowi punkt odniesienia przy porównywaniu z faktyczną datą zakończenia. Analiza spraw, w których nie dotrzymano terminu SLA, pomaga wykrywać systemowe opóźnienia i ustalać priorytety usprawnień, aby wywiązywać się z zobowiązań wobec klientów.

Stanowi punkt odniesienia przy ocenie terminowości, która ma istotne znaczenie dla zadowolenia klientów i kontroli operacji.

Pega ma wbudowany mechanizm zarządzania SLA. Termin jest zwykle przechowywany we właściwościach takich jak pySLAGoal lub we własnej właściwości SLA zdefiniowanej dla sprawy.

Ten atrybut przechowuje identyfikator pracownika lub użytkownika systemowego odpowiedzialnego za wykonanie konkretnego zadania w procesie KYC, na przykład pracownika ds. zgodności lub automatycznego bota weryfikującego. W przypadku kroków automatycznych może to być identyfikator konta systemowego lub serwisowego.

Analiza według użytkownika pomaga ocenić rozkład obciążenia, indywidualne wyniki i potrzeby szkoleniowe. Ułatwia też badanie odstępstw od procesu przez wskazanie użytkowników lub zespołów zaangażowanych w niestandardowe ścieżki.

Ten atrybut łączy czynności w procesie z konkretnymi osobami lub zespołami, umożliwiając analizę obciążenia, ocenę wyników i kontrolę zgodności.

To standardowe pole w historii audytowej Pega, zwykle zapisywane jako pxUpdateOperator lub podobna właściwość w tabelach historii.

Ta obliczana miara określa całkowity czas realizacji każdego wniosku klienta, od pierwszego do ostatniego zdarzenia. Zwykle oblicza się ją jako różnicę między znacznikiem czasu ostatniej czynności a znacznikiem pierwszej czynności w danej sprawie.

Czas realizacji to podstawowy KPI sprawności procesu i jakości obsługi klienta. Na dashboardzie „Analiza całkowitego czasu realizacji onboardingu” służy do monitorowania średniego czasu obsługi, wykrywania długo trwających spraw i śledzenia wpływu usprawnień procesu.

Ten KPI bezpośrednio mierzy ogólną szybkość i sprawność onboardingu z perspektywy klienta.

Narzędzie process mining oblicza tę miarę jako różnicę między najpóźniejszym a najwcześniejszym znacznikiem czasu dla każdego identyfikatora sprawy.

Ten atrybut logiczny ma wartość true, jeśli czynność wykonał agent automatyczny, na przykład mechanizm weryfikacji lub reguła systemowa, a wartość false, jeśli wykonał ją użytkownik.

Rozróżnienie czynności automatycznych i ręcznych jest niezbędne do analizy automatyzacji. Pozwala ocenić skuteczność obecnych rozwiązań, wskazać zadania ręczne, które warto zautomatyzować, oraz zrozumieć współpracę ludzi i systemów w procesie.

Rozróżnia czynności wykonywane przez ludzi od tych realizowanych przez systemy. To podstawa analizy automatyzacji i planowania jej wdrożenia.

Wartość można ustalić na podstawie identyfikatora użytkownika powiązanego ze zdarzeniem. Jeśli OperatorId odpowiada znanemu kontu systemowemu lub agenta, flaga otrzymuje wartość true.

Ten atrybut logiczny ma wartość true, jeśli konkretna czynność, na przykład „Weryfikacja dokumentów”, występuje w tej samej sprawie więcej niż raz. Często dzieje się tak po zdarzeniu takim jak „Poproszono o dodatkowe informacje”.

Wykrywanie ponownej pracy pomaga wskazać nieefektywne elementy procesu i trudności, z którymi mierzy się klient. Dashboard „Ponowna praca i pętle w procesie” wykorzystuje ten atrybut do określenia częstotliwości i wpływu ponownej pracy. Jej ograniczenie często stanowi jeden z celów, ponieważ skraca czas obsługi, obniża koszty operacyjne i poprawia jakość obsługi klienta.

Ujawnia nieefektywne elementy procesu, zbędne zadania i pętle, które warto objąć działaniami usprawniającymi.

Flaga jest wyliczana podczas analizy danych przez sprawdzenie, czy nazwy czynności powtarzają się w ramach tego samego identyfikatora sprawy. Przykładem jest drugie wystąpienie czynności „Zakończono weryfikację dokumentów”.

Ten atrybut wskazuje, kiedy ostatnio pobrano dane z systemu źródłowego. Zwykle ma tę samą wartość dla wszystkich rekordów w ramach jednego załadowania danych.

Znacznik czasu pozwala ocenić aktualność analizowanych danych. Użytkownicy mogą sprawdzić, na ile aktualna jest analiza procesu i kiedy można spodziewać się kolejnej aktualizacji. Ma to znaczenie przy monitorowaniu operacji na dashboardach.

Informuje użytkowników o aktualności danych i pozwala ocenić, czy analiza odzwierciedla bieżący stan, czy wcześniejszy okres.

Wartość jest generowana i zapisywana w zbiorze danych podczas procesu ekstrakcji, transformacji i ładowania danych (ETL).

Ten atrybut to unikalny identyfikator łączący wniosek z rekordem klienta w systemie danych podstawowych. Wskazuje osobę lub organizację, której dotyczy proces KYC.

Identyfikator wniosku pozwala śledzić proces, a identyfikator klienta umożliwia analizę wielu wniosków tego samego klienta oraz wzbogacenie danych o procesie o informacje dotyczące klienta, takie jak segment lub historia. Dzięki temu można analizować onboarding z perspektywy klienta.

Łączy dane o procesie z danymi podstawowymi klienta, umożliwiając dokładniejszą analizę uwzględniającą jego cechy i historię.

To podstawowa właściwość sprawy KYC, która łączy ją z modelem danych klienta w Pega lub zewnętrznym systemem CRM.

Ten atrybut przechowuje kraj powiązany z klientem obejmowanym onboardingiem. Informacja ta jest ważna przy ocenie ryzyka i ustalaniu wymaganego zakresu analizy due diligence.

Analiza kraju klienta może ujawnić istotne zależności. Niektóre jurysdykcje mogą wiązać się z wyższym ryzykiem, a w konsekwencji z dłuższym i bardziej złożonym onboardingiem. Ten wymiar umożliwia geograficzną analizę wydajności i pomaga sprawdzić, czy wymogi dotyczące zgodności w poszczególnych regionach są spełniane sprawnie.

Umożliwia analizę geograficzną procesu, często powiązaną ze złożonością regulacyjną i poziomem ryzyka.

To właściwość obiektu danych klienta powiązanego ze sprawą.

Ten atrybut określa produkt lub usługę, z której klient będzie korzystać, na przykład „Rachunek bankowy dla klienta indywidualnego”, „Kredyt dla firmy” lub „Usługi inwestycyjne”.

Produkt może wpływać na przebieg onboardingu, ponieważ poszczególne produkty mogą podlegać różnym wymogom regulacyjnym i mieć różny stopień złożoności. Analiza procesu według produktu pomaga ustalić, czy określone linie produktowe wiążą się z dłuższym czasem realizacji lub większą liczbą odrzuceń. Wyniki wskazują możliwości usprawnienia procesu dla konkretnych produktów.

Umożliwia analizę procesu z podziałem na linie produktowe, pokazując różnice w wynikach i możliwości usprawnień.

To właściwość sprawy, której wartość wybiera się na początku składania wniosku.

Ten atrybut śledzi stan dokumentów wymaganych w procesie KYC. Możliwe wartości to na przykład „Oczekuje na dokumenty od klienta”, „Otrzymano”, „Zweryfikowano” lub „Odrzucono”. Status może zmieniać się wielokrotnie w ramach jednej sprawy.

Atrybut ten jest przydatny na dashboardzie „Przepustowość i status onboardingu” oraz w analizie „Czas weryfikacji dokumentów”. Pozwala szczegółowo przyjrzeć się jednemu z najczęstszych obszarów występowania wąskich gardeł. Śledząc czas spędzony w każdym statusie, można wykryć opóźnienia w przekazywaniu dokumentów przez klientów lub ich wewnętrznej weryfikacji.

Pokazuje przebieg podprocesu obsługi dokumentów i pomaga wykrywać oraz usuwać częste opóźnienia w ich weryfikacji.

Prawdopodobnie jest to właściwość powiązanego obiektu danych lub listy stron przypisanej do głównej sprawy, która śledzi wymagane dokumenty. Szczegóły można znaleźć w dokumentacji Pega KYC.

Ten atrybut klasyfikuje każdą zakończoną sprawę jako „W terminie” lub „Po terminie”, porównując faktyczny znacznik czasu zakończenia z „Termin docelowy SLA”.

To podstawowa miara na dashboardzie „Monitorowanie realizacji SLA” i dla KPI „Odsetek spraw zrealizowanych zgodnie z SLA”. Pokazuje, jak przebiega realizacja zobowiązań dotyczących poziomu usług. Analiza cech spraw zakończonych po terminie pomaga ustalić źródłowe przyczyny opóźnień i ograniczyć ryzyko niedotrzymania SLA w przyszłości.

Bezpośrednio mierzy realizację zobowiązań, co ma znaczenie dla zarządzania operacjami, zgodności i zadowolenia klientów.

Wartość ustala się przez porównanie znacznika czasu ostatniej czynności w sprawie z polem SlaTargetDate. Jeśli sprawę zakończono po terminie, jej status to „Po terminie”.

Ten atrybut określa aplikację źródłową, w której zarejestrowano zdarzenie. W tym procesie jego wartością będzie zawsze „Pega KYC”.

Może się wydawać zbędny, jeśli wszystkie dane pochodzą z jednego systemu. Jest jednak ważny z punktu widzenia zarządzania danymi i niezbędny przy łączeniu danych z wielu systemów. Pozwala ustalić pochodzenie danych i ułatwia rozwiązywanie problemów z integracją.

Dostarcza informacji o pochodzeniu danych, wspiera zarządzanie nimi i umożliwia analizę danych z wielu systemów źródłowych.

Zwykle jest to stała wartość dodawana podczas ekstrakcji i transformacji danych, aby oznaczyć źródło zbioru danych.

Ten atrybut określa kategorię wniosku o onboarding, na przykład „Klient indywidualny”, „Klient korporacyjny” lub „Klient zamożny”. Różne typy spraw często przebiegają według odmiennych wariantów procesu, z innymi krokami, SLA i profilami ryzyka.

Analiza procesu według typu sprawy pozwala rzetelniej porównywać wyniki. Pomaga ustalić, czy onboarding określonych grup klientów częściej wiąże się z opóźnieniami lub odrzuceniami. Taki podział ułatwia dopasowanie usprawnień do potrzeb poszczególnych ścieżek klienta.

Pozwala podzielić dane o procesie na odrębne kategorie, co umożliwia dokładniejszą i bardziej miarodajną analizę wydajności.

W Pega jest to zwykle nazwa klasy instancji sprawy lub dedykowana właściwość określająca jej typ.