> 持续流程改进 > KYC客户入职 > Refinitiv World Check > 数据模板

您的KYC客户准入数据模板

Refinitiv World-Check

← 返回改进指南

KYC客户准入属性(19) KYC客户准入活动(14) 数据提取指南(2)

您的KYC客户准入数据模板

此模板将指导您收集分析KYC客户准入流程所需的关键数据，列出需要记录的重要属性和跟踪的关键活动，并说明如何从源系统提取这些信息。借助此模板，您可以确保具备开展有效流程分析和改进所需的数据。

建议收集的属性
需要跟踪的关键活动
数据提取指南

刚接触事件日志？了解如何创建流程挖掘事件日志.

下载模板

KYC客户准入属性

以下是建议纳入事件日志的数据字段，可用于全面分析KYC客户准入流程。

3 必填 5 建议填写 11 选填

	名称	说明
	事件时间 EventTime	表示特定活动或事件发生时间的时间戳。
说明事件时间提供活动记录时的准确日期和时间。此时间戳构成流程的时间顺序基础，可按正确顺序排列事件，还原案例历史。此属性是流程挖掘中所有时间分析的关键。它用于计算活动间隔时长（周期时间和等待时间）、衡量案例总时长、分析流程绩效随时间的变化，以及检查是否符合服务级别协议（SLA）。如果时间戳不准确，就无法了解流程绩效或识别时间方面的瓶颈。重要性每项活动的时间戳对于计算各类时长指标、还原流程顺序和分析瓶颈至关重要。获取途径这是任意事件日志或审计跟踪表中的标准字段，常见名称包括“Timestamp”“EventDate”或“CreationDate”。示例 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:22:15Z
	客户申请 CustomerApplication	单个客户开户申请的唯一标识符，也是主要案例标识符。
说明客户申请是核心案例标识符，用于汇总与单个客户开户相关的所有事件和活动。借助此标识符，可以按时间顺序完整跟踪客户从提交申请到最终决定的整个“了解您的客户”（KYC）流程。在流程挖掘分析中，此属性是还原每份申请端到端历程的基础。它支持流程路径可视化、总周期时间计算和流程变体识别。按此标识符对案例分组后，组织可以了解申请可能经历的不同路径，识别瓶颈，并比较不同开户流程的效率。重要性这是关键的案例标识符，可关联所有相关活动，从而分析客户开户的端到端流程。获取途径此标识符通常是Refinitiv World-Check系统或集成CRM中主申请表或案例管理表的主键。示例 APP-2023-00123APP-2023-00124APP-2023-00125
	活动名称 ActivityName	KYC开户流程中发生的特定业务事件或任务的名称。
说明活动名称用于描述客户开户历程中的单个步骤或事件，例如“已提交申请”“分析人员开始审核”或“筛查完成，无异常”。这些活动构成流程图中的节点，详细呈现端到端工作流。活动分析是流程挖掘的核心。通过跟踪不同活动的顺序和频率，分析人员可以发现实际流程路径、识别常见路径、检测偏离标准流程的情况，并找出导致延迟或返工的具体步骤。此属性对于构建流程图和计算活动级指标至关重要。重要性此属性定义流程中的各个步骤，是发现和可视化流程路径、识别瓶颈的基础。获取途径此信息通常记录在事件日志或审计跟踪表中，往往与案例管理实体中的状态变更相关联。示例发现潜在匹配项分析人员开始审核确认误报申请已批准
	SLA目标日期 SlaTargetDate	客户开户流程应完成的目标日期。
说明 SLA目标日期是完成整个开户案例的截止日期，由与客户签订的服务级别协议或内部政策规定。实际完成时间将以此日期为基准进行衡量。此属性是“SLA达成情况及违约分析”仪表板的基础，用于计算案例是否按时完成。分析SLA违约情况有助于发现导致延迟的系统性问题，并采取纠正措施，提升及时性并满足合规要求。重要性这是衡量按时完成情况的基准，对于计算SLA达成率和分析违约情况至关重要。获取途径此日期通常根据申请提交日期和业务规则计算，也可能存储为案例记录中的字段。示例 2023-11-10T17:00:00Z2023-11-15T17:00:00Z2023-11-20T17:00:00Z
	事件结束时间 EventEndTime	表示特定活动或事件完成时间的时间戳。
说明事件结束时间标记活动完成的时刻。许多事件可视为瞬时事件（开始时间等于结束时间），但有些活动具有可衡量的持续时间，例如“分析人员开始审核”和“分析人员完成审核”。同时记录开始和结束时间，才能准确衡量处理时间。在流程分析中，结束时间对于准确计算活动处理时间至关重要。处理时间不包括等待时间，而周期时间则包含等待时间。借助结束时间，可以区分案例处于实际处理状态的时长与在队列中闲置的时长。这对于资源优化和效率分析十分重要。重要性可准确计算活动处理时间，将实际工作时间与闲置等待时间区分开来，从而更准确地分析绩效。获取途径对于有持续时间的活动，事件日志或审计跟踪表中可能会用“CompletionDate”或“EndDate”等单独字段记录结束时间。示例 2023-10-26T10:45:00Z2023-10-26T12:00:00Z2023-10-27T15:00:00Z
	审核人员ID ReviewerId	执行活动的用户、分析人员或自动化代理的标识符。
说明审核人员ID或用户标识用于说明KYC流程中的特定任务由谁执行。执行者可能是合规分析人员、开户专员，也可能是负责自动化活动的系统账户。跟踪此信息有助于了解工作量分配和个人绩效。此属性对于基于资源的分析至关重要。它有助于了解不同用户或团队之间的绩效差异、识别培训需求并优化工作量平衡，也是分析交接、社交网络和合规资源利用情况的重要依据。重要性支持分析工作量分配、用户绩效和部门间交接，对于优化资源至关重要。获取途径通常记录在事件日志或审计跟踪中，字段名称常见为“UserID”“PerformedBy”或“Owner”。示例分析人员_jdoe系统_自动筛查经理_bsmith
	部门 DepartmentName	负责执行活动的部门或职能团队。
说明此属性用于标明用户所属的业务单元或团队，例如“客户开户”“合规”或“质量保证”。借助此属性，可以从高于个人用户的组织层级开展分析。按部门分析对于识别跨部门瓶颈和衡量交接时间至关重要。它有助于直观呈现工作在不同团队间的流转情况，以及交接过程中出现延迟的位置。这一视角对于简化跨职能协作、提升整体流程效率很有价值。重要性支持按部门分析流程绩效，对于识别不同团队之间交接的延迟至关重要。获取途径此信息可能存储在系统中的用户档案或关联的人力资源系统中，可能需要通过用户ID与事件数据关联。示例客户开户团队合规审核高级管理层
	风险等级 RiskLevel	客户申请的风险分类，例如低、中或高。
说明风险等级是KYC流程中的关键信息，决定所需尽职调查的级别。风险等级通常根据客户类型、所在地和业务性质等因素确定，并可能显著影响申请的处理路径。在流程分析中，按风险等级划分案例至关重要。这有助于解释周期时间和流程路径的差异，例如高风险申请可能需要更多步骤、耗时更长。此属性是“申请拒绝率及原因”和“背景调查启动周期时间”仪表板的重要依据，可用于了解风险对结果和效率的影响。重要性按风险等级划分流程，有助于了解某些案例耗时更长或处理路径不同的原因，并分析拒绝率。获取途径这是客户申请或案例记录中的核心数据项。请查看Refinitiv World-Check的案例管理模块。示例低中高
	匹配项ID MatchId	World-Check筛查发现的潜在匹配项的唯一标识符。
说明自动筛查流程发现客户与制裁名单、PEP名单或负面媒体信息可能匹配时，通常会生成匹配ID，用于跟踪具体发现。该ID将申请案例关联到World-Check数据库中触发警报的具体记录。此属性有助于开展详细的合规分析。分析人员可以据此调查匹配情况，跟踪具体警报的处理结果（例如确认误报或确认匹配），并了解哪些类型的警报最常见或处理时间最长。它还能帮助您深入了解“发现潜在匹配”这一活动。重要性关联到具体筛查结果，便于深入分析匹配处理时间和警报类型。获取途径发现潜在匹配时，World-Check筛查引擎会生成此ID，并将其记录在对应的申请案例中。示例 WC-MATCH-459021WC-MATCH-459022WC-MATCH-459023
	客户ID CustomerId	正在办理开户的客户实体的唯一标识符。
说明客户ID是客户档案的唯一标识符，与客户申请ID不同，因为同一客户可能在不同时间提交多份申请。此属性将开户流程与客户主记录关联起来。在分析中，客户ID可用于跟踪同一客户的重复申请，也可从CRM或主数据系统获取其他客户属性，补充流程数据。这样便能超越单次开户记录，更全面地了解客户历程。重要性将开户案例关联到特定客户，以便分析重复申请并补充客户主数据。获取途径这是申请或案例记录中的关键字段，用于关联客户主数据。示例 CUST-98765CUST-98766CUST-98767
	客户所在国家/地区 CustomerCountry	客户居住或注册所在的国家/地区。
说明此属性表示客户所在的地理位置。国家/地区是KYC流程风险评估和监管要求的重要因素。不同司法管辖区的规则各异，可能影响流程路径和处理时长。按国家/地区分析流程，有助于组织比较不同地区的绩效、识别当地特有的瓶颈，并确保符合当地法规。它为流程分析提供地理维度，也能揭示重要的运营差异。重要性支持从地理维度分析流程，帮助识别不同地区在绩效、风险和合规要求方面的差异。获取途径这是客户档案或申请表中的标准字段。示例 USAGBRSGPDEU
	客户类型 CustomerType	客户分类，例如个人、公司或信托。
说明客户类型用于对正在办理开户的实体进行分类。不同类型的客户通常有不同的开户要求、风险特征和监管义务。例如，为公司办理开户通常比为个人办理更复杂。此属性用于细分分析，尤其适用于“按客户类型分析KYC绩效”仪表板。它支持比较不同客户群体的流程效率、周期时间和拒绝率，帮助组织针对不同客户类型调整并优化开户体验。重要性支持比较不同客户群体的绩效，帮助针对各类客户调整并优化开户流程。获取途径这是源系统中客户或申请记录的基本属性。示例个人公司非营利组织信托
	拒绝原因 RejectionReason	拒绝客户申请时填写的具体原因。
说明申请被拒绝时，拒绝原因用于记录作出该决定的理由。原因可能包括“命中制裁名单”“文档不完整”或“风险等级高”。这些结构化反馈有助于评估申请材料质量和筛查流程的有效性。此属性是“申请拒绝率及原因”仪表板的主要分析依据。分析拒绝原因有助于找出拒绝申请的根本原因，进而改进流程、加强与申请人的沟通，并有望减少不必要的拒绝。它还能为量化的拒绝率指标提供定性背景。重要性揭示申请被拒绝的根本原因，有助于找出客户开户流程的改进方向并降低拒绝率。获取途径发生“申请已拒绝”事件时记录，通常作为案例或申请记录中的字段。示例政治公众人物（PEP）匹配命中制裁名单文件验证失败负面媒体信息
	数据最后更新时间 LastDataUpdate	此事件的数据最近一次从源系统刷新或提取时的时间戳。
说明此属性用于说明数据的新鲜度，记录最近一次从Refinitiv World-Check提取数据的日期和时间。这有助于了解流程挖掘仪表板和分析结果的时效性。在分析中，用户可以据此判断所查看的是近实时数据，还是某个特定时间点的快照。此属性对于数据治理以及管理用户对数据时效性的预期至关重要。重要性提供数据新鲜度的重要背景信息，帮助用户了解流程分析数据的更新程度。获取途径此时间戳在数据提取（ETL）过程中生成并添加。示例 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	是否自动执行 IsAutomated	用于标记活动由系统（true）还是人工（false）执行。
说明此布尔属性用于区分自动化系统任务和用户手动执行的活动。例如，“已完成自动筛查”会标记为自动执行，而“分析人员开始审核”则标记为手动执行。这一区分对于自动化分析至关重要。它有助于衡量自动化对流程效率的影响，识别适合未来自动化的手动任务，并了解人员与系统之间的协作情况。您还可以清楚地区分系统处理时间和人工处理时间。重要性区分系统活动和人工活动，有助于衡量自动化的影响并发现新的自动化机会。获取途径通常根据活动名称或事件关联的用户ID推断，例如用户为“system”账户时。示例 truefalse
	是否返工 IsRework	用于标记某项活动是否在同一案例中第二次或多次执行。
说明 IsRework是一个计算得出的布尔属性，用于识别同一客户申请案例中重复发生的活动。例如，单个申请中的“已完成风险评估”发生多次时，后续记录会标记为返工。此属性对于发现流程低效、循环和不必要的重复操作至关重要。它直接支持“风险评估返工与效率”仪表板和“风险评估返工率”KPI。分析返工情况有助于发现质量、信息清晰度或决策方面的问题，这些问题会造成重复劳动并延长周期时间。重要性标记重复活动，突出流程低效之处，便于分析返工循环、提升质量并缩短周期时间。获取途径数据转换期间，通过分析每个案例中的活动顺序计算得出，并标记活动首次发生之后的所有记录。示例 truefalse
	是否违反SLA SlaBreached	用于标记客户准入案例是否在SLA目标日期之后完成。
说明此属性是一个计算标记，用于判断案例是否违反服务级别协议。系统会将最终完成活动（例如“申请已批准”或“申请已拒绝”）的时间戳与案例的“SlaTargetDate”进行比较。此标记是“SLA遵守情况与违约分析”仪表板和“SLA遵守率”KPI的基础。用户可以据此快速筛选所有违反SLA的案例，简化分析。分析这些案例的流程特征，有助于组织找出延误的根本原因，并有针对性地推进改进。重要性直接衡量服务级别协议的遵守情况，便于筛选延误案例并分析根本原因。获取途径数据转换期间，将案例最终活动的时间戳与SlaTargetDate字段进行比较后计算得出。示例 truefalse
	源系统 SourceSystem	提取事件数据的系统，本例中为Refinitiv World-Check。
说明此属性用于标识流程数据的来源。如果数据仅从一个系统提取，该值可能始终不变；但在合并多个系统（如CRM和World-Check）的数据以全面呈现流程时，此属性至关重要。在分析中，它有助于数据治理、问题排查和理解数据背景。例如，核心筛查系统记录的活动与外围系统记录的活动，在属性或详细程度上可能有所不同。此属性还能确保数据来源清晰且可完整审计。重要性标识数据来源，对于数据治理、验证以及合并多个来源的数据至关重要。获取途径此值通常在数据提取、转换和加载（ETL）过程中静态添加，用于标记数据集。示例 Refinitiv World-CheckWorldCheckOne
	申请渠道 ApplicationChannel	客户提交申请的渠道，例如在线门户、网点或移动应用。
说明申请渠道表示客户提交申请的来源。不同渠道的数据完整性、质量和客户特征可能有所不同，进而影响后续流程。此属性是“按渠道分析申请处理量”仪表板的重要依据。通过分析不同渠道申请的数量、周期时间和结果，组织可以识别效率较高的渠道，以及可能需要改进流程的渠道。这些分析有助于制定资源分配和渠道投入方面的战略决策。重要性有助于分析不同申请渠道的绩效和效率，为技术投入和客户体验方面的战略决策提供依据。获取途径此信息通常在流程开始时采集，并作为属性存储在申请记录中。示例在线门户移动应用网点客户经理

必填建议填写选填

KYC客户准入活动

以下是建议记录在事件日志中的关键流程步骤和里程碑，有助于准确发现流程。

8 建议填写 6 选填

	活动	说明
	分析人员开始审核	合规分析人员开始对客户申请中的潜在匹配项进行人工调查，包括将潜在匹配项的详细信息与客户资料进行比对，以判断是否相关。
重要性这标志着人工合规审核开始，也是常见的瓶颈。从“发现潜在匹配项”到此活动的耗时可反映排队延迟，而审核时长则可用于评估分析人员的效率。获取途径当分析人员从审核队列中“认领”或打开案例时，可据此推断。案例状态变为“审核中”或分配给特定用户时，系统也可能在审计跟踪中明确记录此事件。采集根据案例状态变为“审核中”或案例分配给分析人员推断。事件类型 inferred
	申请已拒绝	客户申请被正式拒绝，通常是因为World-Check发现匹配项或存在其他风险因素。这是客户开户流程的最终负面结果。
重要性这是流程的主要失败终点。分析拒绝事件，尤其是拒绝原因及此前发生的活动，对于改进流程、减少不必要的拒绝至关重要。获取途径此最终业务决定记录在上游CRM或核心申请系统中，而非World-Check本身。必须从该系统获取数据。采集源申请系统会记录此事件，通常还会附带相应的拒绝原因代码。事件类型 explicit
	申请已提交	客户提交申请时，KYC入职流程由此启动。此事件通常记录在CRM或核心申请系统中，随后触发Refinitiv World-Check筛查流程。
重要性这是客户端到端入职流程的主要开始事件。分析从此时到流程完成所需的时间，可以得出整体入职周期时间，这是衡量客户体验和SLA达成情况的重要指标。获取途径此事件并非World-Check原生事件，必须从CRM或客户账户管理平台等上游系统获取，并通过客户申请ID进行关联。采集客户首次提交申请时，源应用系统中记录的事件。事件类型 explicit
	确认真实匹配	分析人员确认潜在匹配项确实与正在筛查的客户为同一对象，并识别出潜在风险。这是一个关键里程碑，通常会触发进一步尽职调查或拒绝申请。
重要性这是风险缓释的重要结果，也是流程中的关键节点。它会直接影响客户申请的最终决定，对合规报告和分析也至关重要。获取途径分析人员将特定匹配项判定为“真实匹配”或“已确认匹配”时执行的明确操作。此事件会记录在案例审计跟踪中。采集分析人员在系统中正式确认匹配项时记录。事件类型 explicit
	筛查完成，发现匹配项	筛查案例以“发现匹配项”结果正式关闭，表示已确认存在风险。此决定会触发后续的其他流程，例如强化尽职调查或拒绝申请。
重要性这是筛查流程中主要的非理想路径终点。分析此类案例有助于了解风险特征和筛查控制措施的有效性。获取途径可根据案例最终状态变为“发现匹配项”“已识别风险”或“已关闭，存在匹配项”推断，并使用该状态变更的时间戳。采集根据表明已确认匹配项的案例最终状态时间戳得出。事件类型 inferred
	筛查完成，结果无异常	筛查案例以“无异常”结果正式关闭，表示未发现真实匹配项。此决定会反馈至发起筛查的系统，以便继续办理客户开户流程。
重要性此活动代表筛查流程顺利完成，是理想路径的终点。它是衡量标准低风险申请周期时间的重要节点。获取途径可根据案例最终状态变为“无异常”“已完成”或“已关闭，无匹配项”推断，并使用该状态变更的时间戳。采集根据表明结果无异常的案例最终状态时间戳得出。事件类型 inferred
	筛查请求已创建	Refinitiv World-Check系统为客户申请正式创建新的筛查案例。该操作由上游系统通过API调用或人工录入触发，标志着风险情报检查开始。
重要性这标志着筛查子流程正式开始。从提交申请到此活动之间的时间，反映业务系统与合规职能之间交接的延迟。获取途径记录在World-Check案例管理日志或审计跟踪中。可使用特定案例或实体ID对应的创建事件及时间戳。采集系统创建新的筛查案例时自动记录。事件类型 explicit
	账户已激活	客户账户在核心系统中创建并激活，客户开户流程至此完成。此步骤在申请最终获批后进行，完成后账户即可使用。
重要性这是流程中最终交付价值的步骤。从提交申请到账户激活的时长，是衡量运营效率和客户满意度的重要指标。获取途径 World-Check不会记录此事件。该事件记录在核心银行系统或客户账户系统中，必须通过客户申请ID进行关联。采集账户激活后，核心账户系统会记录此事件。事件类型 explicit
	发现潜在匹配项	自动筛查发现一个或多个潜在匹配项，需要分析人员进行人工审核。此事件会将案例从自动处理状态转入人工调查队列。
重要性这是流程中的关键分支点。存在潜在匹配项的案例会进入更长、更复杂的处理路径。跟踪此环节有助于审核团队规划资源并分析瓶颈。获取途径可根据World-Check案例管理模块中的案例状态变更推断，例如状态变为“需要审核”“潜在匹配项”或类似状态。采集根据表明需要人工审核的案例状态变更推断。事件类型 inferred
	已执行自动筛查	World-Check系统会自动将客户信息与风险情报数据库进行比对筛查。此活动由系统执行，并生成初步结果，例如潜在匹配项或无风险状态。
重要性这是筛查流程中第一个创造价值的步骤。此环节之前的延迟通常表明系统或数据尚未就绪，而筛查结果则决定后续人工处理的工作量。获取途径此事件可能会明确记录在案例审计跟踪中，也可以根据案例初步筛查结果可用时的时间戳推断。采集自动数据库扫描完成后生成的系统日志条目。事件类型 explicit
	案例升级审核	初级分析人员将复杂或高风险案例升级给高级分析人员或经理作最终决定。这是合规团队内部的重要交接环节。
重要性升级处理往往会造成瓶颈并延长周期时间。分析升级频率及原因，有助于发现初级分析人员的培训需求，或审核政策中存在的模糊之处。获取途径作为案例工作流或审计跟踪中的明确操作记录。也可根据案例负责人变更推断，尤其是变更为权限更高的用户时。采集通过案例中的专用“升级”按钮或工作流操作记录。事件类型 explicit
	申请已批准	客户申请在KYC筛查及其他必要检查通过后获得全面批准。通常，源系统收到World-Check返回的“无异常”结果后会记录此事件。
重要性这标志着客户开户流程取得预期业务结果。跟踪从提交申请到此节点的耗时，可了解新客户从申请到获批的完整周期。获取途径 World-Check本身不包含此事件。必须从上游CRM或核心申请系统获取，因为最终业务决定由该系统作出。采集最终批准后，源申请系统会记录此事件。事件类型 explicit
	确认误报	分析人员判定潜在匹配项与正在筛查的客户并非同一对象。该匹配项将被排除，此条警报对应的筛查流程也随之结束。
重要性这是审核流程中的常见结果。了解误报处理所需时间，有助于评估分析人员效率和自动筛查逻辑的准确性。获取途径分析人员将特定匹配项判定为“误报”或“不匹配”时执行的明确操作，通常会记录在案例历史中。采集分析人员在系统中正式排除潜在匹配项时记录。事件类型 explicit
	请求补充信息	分析人员判断需要更多信息才能处理潜在匹配项，并向业务单元提出请求。在收到所需信息之前，案例将处于待处理状态。
重要性此活动频繁发生，说明用于筛查的初始数据质量可能存在问题。由于需要等待外部团队提供信息，此活动会造成明显延迟，也是周期时间过长的主要原因之一。获取途径此操作可能由用户主动执行，并记录在案例备注或审计日志中；也可以根据案例状态变为“等待信息”或“RFI”推断。采集分析人员使用功能将案例标记为需要补充信息时记录。事件类型 explicit

建议填写选填

数据提取指南

如何从Refinitiv World-Check获取数据

步骤

登录World-Check One：使用您的凭据访问Refinitiv World-Check One门户。
进入案例管理：打开案例管理部分，查看和管理所有筛查案例。
准备案例报告导出：在案例管理中找到报告或导出功能，名称可能为“导出案例”或“案例报告”。
配置案例报告：选择要导出的列。请确保包含案例ID（CustomerApplication）、创建日期、处理日期、案例状态（例如“无匹配”或“发现匹配”）和风险等级对应的字段。
导出案例管理数据：设置日期范围，通常涵盖最近3至6个月的活动。按需应用用户组或案例类型等筛选条件。将数据导出为CSV文件，并命名为case_report.csv。
准备审计轨迹导出：进入World-Check One的审计轨迹或审计日志报告部分，其中包含每个案例的详细事件历史。
配置并导出审计轨迹：选择所有相关列，包括案例ID、事件名称或说明、事件时间戳以及执行操作的用户。导出与案例报告相同日期范围的数据，并保存为audit_trail.csv。
获取外部流程步骤数据：获取World-Check之外发生的活动数据，例如Application Submitted、Application Approved、Account Activated和Application Rejected。这些数据通常来自CRM或核心银行系统。导出时请包含CustomerApplicationID和相关时间戳。
合并并转换数据：将导出的CSV文件（case_report.csv、audit_trail.csv和外部系统数据）载入数据准备工具或脚本。
将审计事件映射为活动：处理audit_trail.csv文件，将审计日志中的原始事件说明映射到标准化的ActivityName值。例如，审计日志中的“案例已分配给分析人员”对应“分析人员开始审核”。
将案例状态变更映射为活动：处理case_report.csv文件，根据状态变更生成活动。使用案例处理日期和最终状态，创建“筛查完成-无匹配”或“筛查完成-发现匹配”事件。
创建最终事件日志：将不同源文件中的处理结果合并到一个CSV文件中。确保最终文件包含必需列：CustomerApplication、ActivityName和EventTime，以及建议的属性。保存文件并上传至流程挖掘工具。

配置

报告类型：至少需要生成两份独立报告：案例管理汇总报告和详细审计轨迹报告。
日期范围：首次分析时，建议选择至少3至6个月的日期范围，以涵盖足够数量的已完成和进行中案例。所有导出文件的日期范围应保持一致。
导出格式：选择CSV（逗号分隔值）格式，便于处理。
关键列（案例报告）：确保案例导出文件包含案例ID、创建时间戳、处理时间戳、最终状态、指定分析人员和风险等级。
关键列（审计轨迹报告）：确保审计日志导出文件包含案例ID、事件说明、事件时间戳和用户ID。
前提条件：您需要拥有World-Check One门户访问权限，并具备查看和导出案例管理及审计日志数据的用户权限。所需权限可能高于标准分析人员角色。

查询示例 sql

/*
This is a configuration and mapping guide, not an executable script. 
The process relies on manually exporting two reports from World-Check One and combining them with data from an upstream system (e.g., CRM).
*/

-- Step 1: Export 'Case Management Report' as case_report.csv
-- Step 2: Export 'Audit Trail Report' as audit_trail.csv
-- Step 3: Export relevant events from CRM/core system as source_system_events.csv

-- Step 4: Combine and map the files using a script or ETL tool to create the final event log.

-- Mapping logic for final_event_log.csv

-- Part A: Data from source_system_events.csv
SELECT
  ApplicationID AS CustomerApplication,
  'Application Submitted' AS ActivityName,
  SubmissionTimestamp AS EventTime,
  NULL AS EventEndTime,
  OriginatorID AS ReviewerId,
  OriginatingDept AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Submission'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Application Approved' AS ActivityName,
  ApprovalTimestamp AS EventTime,
  NULL AS EventEndTime,
  ApproverID AS ReviewerId,
  ApprovingDept AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Approval'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Account Activated' AS ActivityName,
  ActivationTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Operations' AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Activation'

UNION ALL

SELECT
  ApplicationID AS CustomerApplication,
  'Application Rejected' AS ActivityName,
  RejectionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ReviewerID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskRating AS RiskLevel,
  SlaDate AS SlaTargetDate
FROM source_system_events.csv
WHERE EventType = 'Rejection'

-- Part B: Data from World-Check audit_trail.csv
UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Request Created' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Created%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Automated Screening Performed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Automated Screening Completed%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Potential Match Identified' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  'SYSTEM' AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Potential Match Found%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Analyst Review Started' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Assigned%' OR EventDescription LIKE '%Review Started%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Additional Information Requested' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Information Requested%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Case Escalated for Review' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Case Escalated%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'False Positive Confirmed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Match Dismissed as False Positive%'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'True Match Confirmed' AS ActivityName,
  EventTimestamp AS EventTime,
  NULL AS EventEndTime,
  UserID AS ReviewerId,
  'Compliance' AS DepartmentName,
  NULL AS RiskLevel,
  NULL AS SlaTargetDate
FROM audit_trail.csv
WHERE EventDescription LIKE '%Match Confirmed as True%'

-- Part C: Data from World-Check case_report.csv
UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Completed - Clear' AS ActivityName,
  ResolutionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ResolverID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskLevel AS RiskLevel,
  NULL AS SlaTargetDate
FROM case_report.csv
WHERE FinalStatus = 'Clear'

UNION ALL

SELECT
  CaseID AS CustomerApplication,
  'Screening Completed - Match Found' AS ActivityName,
  ResolutionTimestamp AS EventTime,
  NULL AS EventEndTime,
  ResolverID AS ReviewerId,
  'Compliance' AS DepartmentName,
  RiskLevel AS RiskLevel,
  NULL AS SlaTargetDate
FROM case_report.csv
WHERE FinalStatus = 'Match Found'

步骤

前提条件和设置：确保已安装Python 3.6+以及requests和pandas库。向Refinitiv代表或开发者门户申请World-Check One API Key和API Secret，并妥善保管这些凭据。
编写身份验证逻辑：在Python脚本中创建一个函数，向World-Check One身份验证端点发送POST请求。使用API Key和Secret获取后续API调用所需的临时Bearer令牌。
确定源系统数据：流程在World-Check之外开始和结束。确定存储初始申请数据的源系统，例如CRM或核心银行平台。您需要从该系统提取Application Submitted、Application Approved、Account Activated和Application Rejected等事件。可通过数据库查询或其他API获取。
获取World-Check案例：使用经过身份验证的令牌，向World-Check One API的/cases端点发送GET请求。使用查询参数按指定日期范围筛选案例，例如根据创建日期或修改日期筛选。
处理API分页：World-Check API响应采用分页方式。脚本必须检查响应中的分页信息，并遍历所有页面，获取指定日期范围内的完整案例列表。
获取案例详情和历史记录：针对获取的每个案例ID，继续向/cases/{case_system_id}和/cases/{case_system_id}/audit-trail等端点发送GET请求。这些端点会返回案例相关的详细状态变更、处理信息和用户操作。
将原始数据映射为活动：这是关键的数据转换步骤。编写逻辑，遍历每个案例的API响应数据（案例详情和审计轨迹），将特定状态变更、结果代码和审计事件映射为所需的业务活动。例如，案例创建事件对应Screening Request Created，结果为False Positive的处理记录对应False Positive Confirmed。
合并数据源：将从World-Check提取的数据与源系统数据（步骤3）合并。使用CustomerApplicationID作为共同键，为每位客户创建完整的端到端事件日志。
整理并补充数据：将所有映射后的事件整理为一组记录。确保每条记录都填入必需属性（CustomerApplication、ActivityName、EventTime）和建议属性。条件允许时计算EventEndTime，例如使用该案例下一事件的时间戳。
导出为CSV：将最终事件记录列表转换为pandas DataFrame。调整列顺序以符合所需格式，并将DataFrame导出为CSV文件。请使用UTF-8编码保存文件，以确保ProcessMind能够读取。

配置

API凭据：需要有效的World-Check One筛查API Key和API Secret，并确保凭据已获准读取案例和审计数据。
API基础URL：脚本必须配置为您所用World-Check API环境的正确基础URL，例如https://api.world-check.com/v2/。
日期范围：在脚本中设置start_date和end_date参数，以控制数据提取时间范围。首次分析建议选择3至6个月。持续监控时，可按较短周期增量运行脚本，例如提取前一天或前一周的数据。
源系统连接：需要上游和下游系统（例如CRM、核心银行平台）的连接信息，以获取非筛查事件。连接信息可以是数据库连接字符串，也可以是其他API端点及其凭据。
分页处理：调用API列出案例时，脚本必须指定页面大小，通常称为limit。一般设置为50至100较为高效。逻辑必须能够正确获取所有页面的数据。

查询示例 python

import requests
import pandas as pd
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration and Placeholders ---
WC_API_KEY = class="hl-string">'[Your World-Check API Key]'
WC_API_SECRET = class="hl-string">'[Your World-Check API Secret]'
WC_API_BASE_URL = class="hl-string">'https://api.world-check.com/v2' class=class="hl-string">"hl-comment"># Use correct URL for your environment

class=class="hl-string">"hl-comment"># Date range for the extraction
START_DATE = (datetime.now() - timedelta(days=90)).strftime(class="hl-string">'%Y-%m-%dT%H:%M:%SZ')
END_DATE = datetime.now().strftime(class="hl-string">'%Y-%m-%dT%H:%M:%SZ')

class=class="hl-string">"hl-comment"># --- MOCK FUNCTIONS (Replace with actual data source connections) ---

def get_source_system_events(application_ids):
    class="hl-string">"""Simulates fetching pre- and post-screening events from a CRM or core system."""
    print(fclass="hl-string">'Fetching source system events for {len(application_ids)} applications...')
    mock_events = []
    for i, app_id in enumerate(application_ids):
        class=class="hl-string">"hl-comment"># Simulate initial application events
        mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Submitted', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i+5)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Sales'})
        class=class="hl-string">"hl-comment"># Simulate final outcome events
        if i % 3 == 0:
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Approved', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Onboarding'})
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Account Activated', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i-1)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Operations'})
        else:
            mock_events.append({class="hl-string">'CustomerApplication': app_id, class="hl-string">'ActivityName': class="hl-string">'Application Rejected', class="hl-string">'EventTime': (datetime.now() - timedelta(days=i)).isoformat() + class="hl-string">'Z', class="hl-string">'DepartmentName': class="hl-string">'Compliance'})
    return mock_events

def get_worldcheck_cases(token):
    class="hl-string">"""Simulates fetching a list of cases from the World-Check API."""
    print(class="hl-string">'Fetching World-Check cases...')
    class=class="hl-string">"hl-comment"># In a real implementation, you would call GET /cases with date filters and handle pagination
    mock_case_list = [
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-001', class="hl-string">'name': class="hl-string">'John Doe', class="hl-string">'caseSystemId': class="hl-string">'WC-001', class="hl-string">'customReference': class="hl-string">'APP-1001', class="hl-string">'creationDate': class="hl-string">'2023-10-01T10:00:00Z', class="hl-string">'riskLevel': class="hl-string">'Medium'},
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-002', class="hl-string">'name': class="hl-string">'Jane Smith', class="hl-string">'caseSystemId': class="hl-string">'WC-002', class="hl-string">'customReference': class="hl-string">'APP-1002', class="hl-string">'creationDate': class="hl-string">'2023-10-02T11:30:00Z', class="hl-string">'riskLevel': class="hl-string">'Low'},
        {class="hl-string">'caseId': class="hl-string">'0a1b2c3d-case-003', class="hl-string">'name': class="hl-string">'Peter Jones', class="hl-string">'caseSystemId': class="hl-string">'WC-003', class="hl-string">'customReference': class="hl-string">'APP-1003', class="hl-string">'creationDate': class="hl-string">'2023-10-03T09:05:00Z', class="hl-string">'riskLevel': class="hl-string">'High'}
    ]
    return mock_case_list

def get_worldcheck_case_details(case_system_id, token):
    class="hl-string">"""Simulates fetching the audit trail and results for a single World-Check case."""
    print(fclass="hl-string">'Fetching details for case {case_system_id}...')
    class=class="hl-string">"hl-comment"># This mock data simulates a complex history for one case to generate multiple activities
    if case_system_id == class="hl-string">'WC-001':
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-01T10:05:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-01T10:06:00Z', class="hl-string">'event': class="hl-string">'MATCH_FOUND', class="hl-string">'details': class="hl-string">'Potential match identified', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T14:00:00Z', class="hl-string">'event': class="hl-string">'REVIEW_STARTED', class="hl-string">'details': class="hl-string">'Case assigned', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T15:30:00Z', class="hl-string">'event': class="hl-string">'MATCH_RESOLVED', class="hl-string">'details': class="hl-string">'Match resolved as False Positive', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T11:00:00Z', class="hl-string">'event': class="hl-string">'ESCALATED', class="hl-string">'details': class="hl-string">'Case escalated to senior analyst', class="hl-string">'user': class="hl-string">'analyst1'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T09:00:00Z', class="hl-string">'event': class="hl-string">'INFORMATION_REQUESTED', class="hl-string">'details': class="hl-string">'Additional documents requested', class="hl-string">'user': class="hl-string">'senior_analyst'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-05T16:00:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed as Clear', class="hl-string">'user': class="hl-string">'senior_analyst'}
            ]
        }
    elif case_system_id == class="hl-string">'WC-003':
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T09:10:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-03T09:11:00Z', class="hl-string">'event': class="hl-string">'MATCH_FOUND', class="hl-string">'details': class="hl-string">'Potential match identified', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T10:00:00Z', class="hl-string">'event': class="hl-string">'REVIEW_STARTED', class="hl-string">'details': class="hl-string">'Case assigned', class="hl-string">'user': class="hl-string">'analyst2'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T11:25:00Z', class="hl-string">'event': class="hl-string">'MATCH_RESOLVED', class="hl-string">'details': class="hl-string">'Match resolved as True Positive', class="hl-string">'user': class="hl-string">'analyst2'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-04T12:00:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed with matches', class="hl-string">'user': class="hl-string">'analyst2'}
            ]
        }
    else: class=class="hl-string">"hl-comment"># Simple class="hl-string">'Clear' case
        return {
            class="hl-string">'auditTrail': [
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T11:35:00Z', class="hl-string">'event': class="hl-string">'AUTOMATED_SCREENING', class="hl-string">'details': class="hl-string">'Screening performed', class="hl-string">'user': class="hl-string">'SYSTEM'},
                {class="hl-string">'timestamp': class="hl-string">'2023-10-02T11:36:00Z', class="hl-string">'event': class="hl-string">'CASE_CLOSED', class="hl-string">'details': class="hl-string">'Case closed as Clear', class="hl-string">'user': class="hl-string">'SYSTEM'}
            ]
        }

class=class="hl-string">"hl-comment"># --- Main Extraction Logic ---

def main():
    class="hl-string">"""Main function to run the extraction process."""
    class=class="hl-string">"hl-comment"># 1. Authenticate (real implementation)
    class=class="hl-string">"hl-comment"># token = get_wc_auth_token()
    token = class="hl-string">'mock_token' class=class="hl-string">"hl-comment"># Using a mock token for this example

    class=class="hl-string">"hl-comment"># 2. Get list of cases from World-Check
    cases = get_worldcheck_cases(token)
    if not cases:
        print(class="hl-string">'No cases found for the specified period.')
        return

    event_log = []

    class=class="hl-string">"hl-comment"># 3. Process each case from World-Check
    for case in cases:
        app_id = case.get(class="hl-string">'customReference')
        if not app_id:
            continue

        class=class="hl-string">"hl-comment"># Add class="hl-string">'Screening Request Created' event
        event_log.append({
            class="hl-string">'CustomerApplication': app_id,
            class="hl-string">'ActivityName': class="hl-string">'Screening Request Created',
            class="hl-string">'EventTime': case[class="hl-string">'creationDate'],
            class="hl-string">'ReviewerId': class="hl-string">'SYSTEM',
            class="hl-string">'DepartmentName': class="hl-string">'Compliance',
            class="hl-string">'RiskLevel': case.get(class="hl-string">'riskLevel')
        })

        details = get_worldcheck_case_details(case[class="hl-string">'caseSystemId'], token)
        for event in details.get(class="hl-string">'auditTrail', []):
            activity = None
            user = event.get(class="hl-string">'user', class="hl-string">'SYSTEM')
            department = class="hl-string">'Compliance' if user != class="hl-string">'SYSTEM' else class="hl-string">'System'
            
            class=class="hl-string">"hl-comment"># 4. Map audit trail events to activities
            if event[class="hl-string">'event'] == class="hl-string">'AUTOMATED_SCREENING':
                activity = class="hl-string">'Automated Screening Performed'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_FOUND':
                activity = class="hl-string">'Potential Match Identified'
            elif event[class="hl-string">'event'] == class="hl-string">'REVIEW_STARTED':
                activity = class="hl-string">'Analyst Review Started'
            elif event[class="hl-string">'event'] == class="hl-string">'INFORMATION_REQUESTED':
                activity = class="hl-string">'Additional Information Requested'
            elif event[class="hl-string">'event'] == class="hl-string">'ESCALATED':
                activity = class="hl-string">'Case Escalated for Review'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_RESOLVED' and class="hl-string">'False Positive' in event[class="hl-string">'details']:
                activity = class="hl-string">'False Positive Confirmed'
            elif event[class="hl-string">'event'] == class="hl-string">'MATCH_RESOLVED' and class="hl-string">'True Positive' in event[class="hl-string">'details']:
                activity = class="hl-string">'True Match Confirmed'
            elif event[class="hl-string">'event'] == class="hl-string">'CASE_CLOSED' and class="hl-string">'Clear' in event[class="hl-string">'details']:
                activity = class="hl-string">'Screening Completed - Clear'
            elif event[class="hl-string">'event'] == class="hl-string">'CASE_CLOSED' and class="hl-string">'matches' in event[class="hl-string">'details']:
                activity = class="hl-string">'Screening Completed - Match Found'

            if activity:
                event_log.append({
                    class="hl-string">'CustomerApplication': app_id,
                    class="hl-string">'ActivityName': activity,
                    class="hl-string">'EventTime': event[class="hl-string">'timestamp'],
                    class="hl-string">'ReviewerId': user,
                    class="hl-string">'DepartmentName': department,
                    class="hl-string">'RiskLevel': case.get(class="hl-string">'riskLevel')
                })
    
    class=class="hl-string">"hl-comment"># 5. Get events from source system
    application_ids = [case[class="hl-string">'customReference'] for case in cases if case.get(class="hl-string">'customReference')]
    source_events = get_source_system_events(application_ids)
    event_log.extend(source_events)

    class=class="hl-string">"hl-comment"># 6. Create and format DataFrame
    if not event_log:
        print(class="hl-string">'No events were generated.')
        return

    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'])
    df = df.sort_values(by=[class="hl-string">'CustomerApplication', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Add EventEndTime by shifting the EventTime of the next event
    df[class="hl-string">'EventEndTime'] = df.groupby(class="hl-string">'CustomerApplication')[class="hl-string">'EventTime'].shift(-1)
    
    class=class="hl-string">"hl-comment"># Add placeholder for non-extractable attribute
    df[class="hl-string">'SlaTargetDate'] = pd.NaT

    class=class="hl-string">"hl-comment"># 7. Finalize and Export
    output_columns = [
        class="hl-string">'CustomerApplication',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'EventEndTime',
        class="hl-string">'ReviewerId',
        class="hl-string">'DepartmentName',
        class="hl-string">'RiskLevel',
        class="hl-string">'SlaTargetDate'
    ]
    class=class="hl-string">"hl-comment"># Ensure all required columns exist, even if empty
    for col in output_columns:
        if col not in df.columns:
            df[col] = None
    
    df = df[output_columns]

    output_filename = class="hl-string">'event_log_worldcheck.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
    print(fclass="hl-string">'Successfully exported event log to {output_filename}')

if __name__ == class="hl-string">'__main__':
    main()

准备好开始了吗？

使用此数据模板，开启KYC客户准入流程的流程挖掘之旅。按照指南操作，您可以发现有价值的洞察，并推动运营持续改进。

返回改进指南

下载模板

立即优化KYC客户准入流程，加强合规管理

让客户顺畅完成准入，将处理时间缩短至24小时。

开始免费试用

无需信用卡。免费体验14天。

您的KYC客户准入数据模板

您的KYC客户准入数据模板

KYC客户准入属性

KYC客户准入活动

数据提取指南

Refinitiv World-Check One案例与审计日志导出

步骤

配置

查询示例 sql

使用World-Check One筛查API的Python脚本

步骤

配置

查询示例 python

准备好开始了吗？

立即优化KYC客户准入流程，加强合规管理