Seu Template de dados de onboarding de clientes KYC

A aplicação do cliente é o identificador principal do caso que agrupa todas as atividades e todos os eventos relacionados à jornada de onboarding de um único cliente. Cada aplicação segue um caminho que vai do envio até a aprovação e ativação da conta ou a rejeição.

No Process Mining, esse atributo é essencial para reconstruir a jornada completa de cada aplicação. Ele permite que os analistas visualizem a sequência completa de eventos, acompanhem o status de cada aplicação e comparem diferentes caminhos. A análise dos casos com base nesse ID ajuda a identificar variantes comuns do processo, gargalos e desvios do procedimento padrão.

Esse ID é a base do Process Mining, pois conecta todos os eventos individuais em instâncias de processo coerentes e completas para análise.

Esse geralmente é o ID principal do caso no Pega, normalmente disponível como pzInsKey ou como um equivalente mais amigável para o negócio no objeto de trabalho do tipo de caso principal.

Esse atributo registra o nome de uma atividade de negócio ou de um evento do sistema, como 'Aplicação enviada', 'Revisão de Conformidade iniciada' ou 'Aplicação rejeitada'. Ele representa uma única etapa do processo geral de onboarding do cliente.

A análise das atividades é o núcleo do Process Mining. Esse atributo é usado para criar o mapa do processo, mostrando o fluxo entre diferentes etapas. Ele ajuda a identificar a sequência de eventos, medir a frequência de cada atividade e apontar quais tarefas são mais comuns ou consomem mais tempo.

Esse atributo define as etapas do mapa do processo, permitindo visualizar, analisar e entender o fluxo do processo.

Essas informações normalmente são capturadas no histórico de auditoria do Pega, nas tabelas de histórico, ou podem ser derivadas das alterações de status do caso.

Esse atributo registra a data e a hora exatas em que uma atividade começou. Ele fornece a ordem cronológica de todos os eventos dentro de um único caso de aplicação do cliente.

Os registros de data e hora são fundamentais para a análise de processos relacionada à performance. Eles são usados para calcular a duração das atividades, o tempo de espera entre as etapas e o tempo total do ciclo de ponta a ponta do processo de onboarding. Esses dados são essenciais para identificar gargalos, medir a aderência ao SLA e entender a eficiência do processo.

Os registros de data e hora fornecem o contexto cronológico necessário para calcular durações, analisar a performance do processo e identificar atrasos.

Esse é um elemento padrão do histórico de auditoria do Pega, geralmente encontrado como pxTimeCreated nas tabelas de histórico de cada evento.

Esse atributo armazena a data-alvo de conclusão de uma aplicação, conforme definida pelo acordo de nível de serviço (SLA). O SLA pode variar de acordo com fatores como tipo de cliente, nível de risco ou produto.

Essa data é essencial para o Dashboard 'Acompanhamento da aderência ao SLA' e para o KPI associado. Ela serve como referência para comparar a data real de conclusão. A análise dos casos que não cumprem a meta do SLA ajuda a identificar atrasos sistêmicos e priorizar melhorias no processo para garantir a conformidade com os compromissos de serviço.

Fornece a referência para medir a performance dentro do prazo, algo essencial para a satisfação do cliente e o controle operacional.

O Pega tem uma estrutura integrada de gestão de SLA. Essa data normalmente é armazenada em propriedades como pySLAGoal ou em uma propriedade de SLA personalizada no caso.

Esse atributo identifica a unidade organizacional ou o time ao qual o usuário executor pertence, como 'Time de triagem', 'Conformidade' ou 'Operações de onboarding'.

Analisar o processo por departamento é essencial para o Dashboard 'Distribuição da carga de trabalho por departamento'. Isso ajuda os gestores a entender como o trabalho flui entre diferentes times, identificar gargalos entre áreas e avaliar a alocação de recursos em todo o processo de onboarding. Esse atributo é fundamental para otimizar as transferências e equilibrar as cargas de trabalho.

Permite analisar o fluxo do processo e os gargalos entre diferentes unidades de negócio, apoiando a gestão de recursos e a otimização organizacional.

Essas informações normalmente estão associadas ao perfil do usuário no Pega, no registro de Operator ID, e podem ser combinadas com os dados de eventos. A propriedade pode ser pyWorkGroup.

Esse atributo registra a data e a hora exatas em que uma atividade terminou. Ele é usado em conjunto com a Hora de início para calcular o tempo de processamento de atividades individuais.

Ter uma Hora de término distinta permite uma análise de performance mais precisa. Isso ajuda a diferenciar o tempo de processamento ativo, que corresponde à duração entre a Hora de início e a Hora de término, do tempo de espera, que corresponde à duração entre a Hora de término de uma atividade e a Hora de início da próxima. Essa distinção é essencial para identificar gargalos reais e diferenciá-los das filas.

Permite calcular com precisão o tempo de processamento das atividades, algo essencial para uma análise detalhada de performance e para a identificação de gargalos.

Essa informação pode estar disponível no histórico de auditoria do Pega ou precisar ser derivada usando a Hora de início do evento seguinte como a Hora de término do evento atual.

Quando o status final de uma aplicação é 'Rejeitada', esse atributo informa o motivo específico, como 'Verificação de antecedentes reprovada', 'Documentação incompleta' ou 'Perfil de alto risco'.

Esse atributo é o principal direcionador do Dashboard 'Análise de rejeições de aplicações'. Ao segmentar os casos rejeitados por motivo, a empresa consegue identificar os pontos de falha mais comuns no processo de onboarding. Esse insight é essencial para implementar melhorias direcionadas, reduzir a taxa de rejeição, melhorar a experiência do cliente e aumentar a eficiência operacional.

Fornece insights acionáveis sobre os motivos das falhas das aplicações, permitindo melhorias direcionadas no processo para aumentar a taxa de sucesso.

Provavelmente, essa seria uma propriedade específica definida no caso quando ele muda para o status 'Rejeitado'. Consulte a documentação do Pega KYC para conhecer os campos padrão de motivo da rejeição.

Esse atributo representa o risco avaliado do cliente, geralmente classificado como 'Baixo', 'Médio' ou 'Alto'. O nível de risco normalmente é determinado por um mecanismo automatizado de pontuação com base nos dados do cliente e nos resultados da triagem.

O nível de risco é um importante direcionador das variações do processo. Aplicações de alto risco geralmente exigem etapas adicionais de diligência, como uma revisão de Conformidade ampliada, o que resulta em ciclos mais longos. Analisar o processo por nível de risco ajuda a justificar essas variações e garantir que os controles de risco funcionem de forma eficaz sem causar atrasos desnecessários.

Explica as variações no caminho e na duração do processo, pois o nível de risco geralmente determina o grau de diligência necessário.

Essa seria uma propriedade calculada no caso, preenchida por uma regra de decisão ou um modelo de pontuação do Pega. Consulte a documentação do Pega KYC.

Esse atributo indica o status geral da aplicação ao final do processo, como 'Aprovada', 'Rejeitada' ou 'Retirada'. Ele também pode refletir o último status conhecido de casos em andamento.

Essa é uma dimensão crítica para a análise de resultados. Ela é usada diretamente no Dashboard 'Análise de rejeições de aplicações' para segmentar os casos e entender por que determinados resultados ocorrem. A análise dos fluxos que levam a diferentes status ajuda a identificar as melhores práticas dos casos aprovados e as causas-raiz dos casos rejeitados.

Ele define o resultado de negócio de um caso, permitindo uma análise aprofundada que compara caminhos bem-sucedidos e malsucedidos.

Esse geralmente é o status final (pyStatusWork) do objeto de trabalho do caso no Pega.

Esse atributo armazena o ID do funcionário ou usuário do sistema responsável por concluir uma tarefa específica no processo KYC, como um responsável por Conformidade ou um robô de triagem automatizada. Nas etapas automatizadas, pode ser o ID de uma conta de sistema ou de serviço.

A análise por usuário ajuda a entender a distribuição da carga de trabalho, a performance individual e as necessidades de treinamento. Ela também pode ser usada para investigar desvios do processo, identificando quais usuários ou times estão envolvidos em fluxos fora do padrão.

Esse atributo vincula as atividades do processo a pessoas ou times específicos, permitindo analisar a carga de trabalho, avaliar a performance e realizar verificações de Conformidade.

Esse é um campo padrão no histórico de auditoria do Pega, normalmente armazenado como pxUpdateOperator ou uma propriedade semelhante nas tabelas de histórico.

Esse atributo booleano é verdadeiro quando a atividade é executada por um agente automatizado, como um mecanismo de triagem ou uma regra do sistema, e falso quando é executada por um usuário humano.

Distinguir atividades automatizadas de atividades manuais é essencial para a análise de automação. Isso ajuda a medir a eficácia da automação existente, identificar tarefas manuais que são boas candidatas à automação futura e entender a interação entre pessoas e sistemas no processo.

Ele separa as atividades executadas por pessoas das atividades executadas por sistemas, algo fundamental para qualquer iniciativa ou análise de automação.

Isso pode ser derivado do ID do usuário associado ao evento. Se o OperatorId corresponder a uma conta de sistema ou de agente conhecida, esse indicador será definido como verdadeiro.

Esse atributo booleano é verdadeiro quando uma atividade específica, como 'Revisão de documentos', ocorre mais de uma vez no mesmo caso. Ele geralmente é acionado por eventos como 'Informações adicionais solicitadas'.

Identificar retrabalho é essencial para encontrar ineficiências do processo e pontos de atrito para o cliente. O Dashboard 'Retrabalho e loops do processo' usa esse atributo para quantificar a frequência e o impacto do retrabalho. Reduzir o retrabalho costuma ser um objetivo importante, pois isso resulta em processamento mais rápido, custos operacionais menores e uma experiência melhor para o cliente.

Evidencia ineficiências do processo, tarefas redundantes e loops, que são alvos prioritários de melhoria.

Esse indicador é derivado durante a análise dos dados, verificando a repetição de nomes de atividades dentro do mesmo ID de caso. Por exemplo, quando 'Revisão de documentos concluída' aparece uma segunda vez.

Esse atributo é o ID exclusivo que vincula a aplicação a um registro de cliente no sistema de dados mestres. Ele representa a entidade, pessoa física ou organização, que é objeto do processo KYC.

Enquanto o ID da aplicação acompanha o processo, o ID do cliente permite analisar várias aplicações do mesmo cliente ou enriquecer os dados do processo com atributos específicos do cliente, como segmento ou histórico. Isso possibilita uma visão do processo de onboarding centrada no cliente.

Conecta os dados do processo aos dados mestres do cliente, permitindo uma análise mais completa com base nos atributos e no histórico do cliente.

Essa seria uma propriedade central do caso KYC, vinculando-o ao modelo de dados do cliente dentro do Pega ou de um CRM externo.

Esse atributo armazena o país associado ao cliente que está passando pelo onboarding. Essas informações são um dado essencial para a avaliação de risco e para determinar o nível de diligência necessário.

Na análise, o país do cliente pode revelar padrões importantes. Algumas jurisdições podem estar associadas a um risco maior, levando a processos de onboarding mais longos e complexos. Essa dimensão permite analisar a performance por região geográfica e ajuda a garantir que os requisitos regionais de Conformidade sejam atendidos com eficiência.

Permite analisar o processo geograficamente, algo frequentemente relacionado à complexidade regulatória e aos níveis de risco.

Essa seria uma propriedade do objeto de dados do cliente associado ao caso.

Esse atributo especifica o produto ou serviço para o qual o cliente está passando pelo onboarding, como 'Conta bancária de varejo', 'Empréstimo corporativo' ou 'Serviços de investimento'.

O produto pode influenciar o processo de onboarding, pois diferentes produtos podem ter requisitos regulatórios e níveis de complexidade distintos. Analisar o processo por produto ajuda a identificar se determinadas linhas de produto têm ciclos mais longos ou taxas de rejeição maiores, gerando insights para a otimização do processo específico de cada produto.

Permite segmentar a análise do processo por linha de produto, revelando diferenças de performance e oportunidades de otimização.

Essa seria uma propriedade do caso, selecionada no início do processo de aplicação.

Esse atributo especifica a aplicação de origem na qual o evento foi registrado. Para esse processo, o valor seria sempre 'Pega KYC'.

Embora possa parecer redundante quando todos os dados vêm de um único sistema, esse atributo é essencial para a governança de dados e se torna fundamental ao integrar dados de vários sistemas. Ele garante clareza sobre a origem dos dados e ajuda a solucionar problemas de integração.

Ele fornece um contexto essencial sobre a origem dos dados, garantindo a governança de dados e permitindo análises entre vários sistemas de origem.

Esse geralmente é um valor estático adicionado durante o processo de extração e transformação dos dados para identificar a origem do conjunto de dados.

Esse atributo classifica cada caso concluído como 'No prazo' ou 'Atrasado', com base na comparação entre o registro de data e hora real da conclusão e a 'Data-alvo do SLA'.

Essa é a métrica central do Dashboard 'Acompanhamento da aderência ao SLA' e do KPI 'Taxa de aderência ao SLA'. Ela fornece uma visão clara e imediata da performance em relação aos compromissos de serviço. A análise das características dos casos atrasados ajuda a identificar as causas-raiz dos atrasos e reduzir o risco de futuras violações do SLA.

Mede diretamente a performance em relação aos compromissos, algo essencial para a gestão operacional, a Conformidade e a satisfação do cliente.

É derivado pela comparação entre o registro de data e hora da atividade final do caso e o campo SlaTargetDate. Se o horário de conclusão for posterior à meta, o status será 'Atrasado'.

Esse atributo acompanha o estado dos documentos exigidos pelo processo KYC, com valores como 'Aguardando cliente', 'Recebido', 'Verificado' ou 'Rejeitado'. Esse status pode mudar várias vezes ao longo de um único caso.

Esse é um atributo essencial para o Dashboard 'Volume e status do onboarding' e para a análise 'Velocidade de verificação de documentos'. Ele permite uma visão detalhada de uma das áreas mais comuns de gargalo. Ao acompanhar por quanto tempo os documentos permanecem em cada status, a empresa consegue identificar atrasos no envio pelo cliente ou na revisão interna.

Fornece visibilidade sobre o subprocesso de tratamento de documentos, ajudando a identificar e resolver atrasos comuns na verificação de documentos.

Provavelmente, essa seria uma propriedade de um objeto de dados relacionado ou de uma lista de páginas associada ao caso principal, acompanhando cada documento exigido. Consulte a documentação do Pega KYC.

Essa métrica calculada mede a duração de ponta a ponta de cada aplicação do cliente, do primeiro ao último evento. Normalmente, ela é calculada como a diferença entre o registro de data e hora da atividade final e o da atividade inicial de um determinado caso.

O tempo de ciclo é um dos principais indicadores-chave de performance (KPI) da eficiência do processo e da experiência do cliente. Ele é usado no Dashboard 'Análise geral do tempo de ciclo do onboarding' para monitorar os tempos médios de processamento, identificar casos de longa duração e acompanhar o impacto das iniciativas de melhoria do processo ao longo do tempo.

Esse é um KPI crítico que mede diretamente a velocidade e a eficiência gerais do processo de onboarding sob a perspectiva do cliente.

Essa métrica é calculada na ferramenta de Process Mining pela diferença entre os registros de data e hora máximo e mínimo de cada ID de caso.

Esse atributo categoriza a aplicação de onboarding, por exemplo, 'Cliente pessoa física', 'Cliente corporativo' ou 'Pessoa física de alto patrimônio'. Diferentes tipos de caso geralmente seguem variações distintas do processo, com etapas, SLAs e perfis de risco diferentes.

Analisar o processo por tipo de caso permite uma comparação mais relevante da performance. Isso ajuda a entender se determinados tipos de onboarding estão mais sujeitos a atrasos ou rejeições. Essa segmentação é essencial para adaptar as melhorias do processo às necessidades específicas de diferentes jornadas do cliente.

Permite segmentar os dados do processo em categorias distintas, possibilitando uma análise de performance mais precisa e relevante.

Esse geralmente é o nome da classe da instância do caso no Pega ou uma propriedade dedicada no caso que define seu tipo.

Esse atributo indica o momento mais recente em que os dados foram extraídos do sistema de origem. Normalmente, ele é igual para todos os registros dentro de uma única carga de dados.

Esse registro de data e hora é importante para entender o nível de atualização dos dados analisados. Ele permite saber quão atual é a análise do processo e quando a próxima atualização dos dados é esperada, algo essencial para os Dashboards de monitoramento operacional.

Informa aos usuários o nível de atualização dos dados, garantindo que eles entendam se a análise reflete o estado atual ou um período passado.

Esse valor é gerado e gravado no conjunto de dados durante o processo de extração, transformação e carregamento (ETL).