> Průběžné zlepšování procesů > Zaškolení nového zaměstnance > BambooHR > Datová šablona

Šablona dat pro nástup zaměstnanců

BambooHR

Atributy procesu nástupu zaměstnanců(19) Aktivity při nástupu zaměstnanců(15) Návody k získání dat(2)

Šablona dat pro nástup zaměstnanců

Tato šablona vám poskytne potřebné pokyny ke shromáždění dat pro podrobnou analýzu procesu nástupu zaměstnanců. Uvádí základní datové atributy, které je třeba zaznamenávat, důležité aktivity ke sledování a jasný postup, jak tato data získat z BambooHR. Pomocí této šablony připravíte kvalitní záznam událostí a získáte přesné informace o průběhu nástupu.

Doporučené atributy ke shromáždění
Důležité aktivity pro mapování procesů
Postup získání dat z BambooHR krok za krokem

Pracujete se záznamy událostí poprvé? Přečtěte si, jak vytvořit záznam událostí pro process mining.

Stáhnout šablonu

Atributy procesu nástupu zaměstnanců

Jde o základní datová pole, která je třeba zahrnout do záznamu událostí, aby bylo možné důkladně analyzovat proces nástupu zaměstnanců.

5 Povinné 6 Doporučené 8 Volitelné

	Název	Popis
	Časové razítko události EventTimestamp	Přesné datum a čas dokončení nebo uskutečnění aktivity nástupu.
Popis Časové razítko události označuje přesný okamžik, kdy proběhla konkrétní aktivita. Tyto časové údaje jsou nezbytné pro chronologické seřazení událostí a výpočet doby mezi jednotlivými kroky procesu. Tento atribut je základem veškeré časové analýzy v process mining. Používá se k výpočtu doby cyklu, čekání a celkové délky procesu. Analýza časových razítek ukáže, které fáze trvají nejdéle, umožní porovnat výkon s dohodnutými úrovněmi služeb a odhalit zpoždění, která zhoršují zkušenost nových zaměstnanců. Proč je to důležité Časové razítko určuje chronologické pořadí událostí a je nezbytné pro analýzu výkonu a délky procesu, například pro výpočet doby cyklu a odhalení zpoždění. Kde data získat Získává se z různých datových polí v BambooHR, která odpovídají dokončení aktivit, například „Offer Acceptance Date“ nebo „Background Check Completion Date“, případně ze systémových záznamů změn stavů. Příklady 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Název aktivity ActivityName	Název konkrétního úkolu nebo milníku, který nastal během procesu nástupu.
Popis Tento atribut zaznamenává název každé samostatné události nebo kroku v průběhu nástupu zaměstnance. Příklady: „Nabídka přijata“, „Prověrka dokončena“ nebo „Úvodní školení první den dokončeno“. Při analýze se název aktivity používá k sestavení mapy procesu, která ukazuje pořadí událostí a průběh práce. Pomáhá odhalovat úzká místa, analyzovat četnost aktivit a porozumět různým cestám neboli variantám, kterými noví zaměstnanci procházejí. Analýza pořadí aktivit odhalí odchylky od standardního procesu i možnosti zlepšení. Proč je to důležité Určuje jednotlivé kroky procesu, tvoří základ mapy procesu a umožňuje analyzovat workflow, úzká místa a varianty. Kde data získat Odvozuje se ze změn stavů, dokončení úkolů nebo konkrétních datových polí v kontrolních seznamech pro nástup nebo náborových workflow v BambooHR. Příklady Nabídka přijataDokumenty odeslányVyžádáno zajištění ITKontrolní schůzka po 30 dnech dokončena
	Případ nástupu OnboardingCase	Jedinečný identifikátor, který sdružuje všechny aktivity nástupu jednoho nového zaměstnance.
Popis Případ nástupu slouží jako hlavní identifikátor celého procesu nástupu zaměstnance. Propojuje všechny související události, od přijetí nabídky až po dokončení kontrolní schůzky po 30 dnech, do jednoho celku. Při analýze process mining je tento atribut základem pro rekonstrukci průběhu procesu od začátku do konce u každého nového zaměstnance. Umožňuje zobrazit mapy procesů, vypočítat KPI na úrovni případu, například celkovou dobu cyklu, a analyzovat různé varianty procesu. Bez jednotného identifikátoru případu by nebylo možné sledovat jednotlivé kroky nástupu konkrétního zaměstnance. Proč je to důležité Jde o primární klíč, který propojuje všechny související události a umožňuje analyzovat celý průběh nástupu každého nového zaměstnance. Kde data získat Jde o koncepční identifikátor, který se často odvozuje kombinací ID zaměstnance a konkrétního přijetí nebo data nástupu. BambooHR totiž nemusí obsahovat samostatné pole „Onboarding Case ID“. Identifikátor je potřeba vytvořit při přípravě dat. Příklady ONB-00123ONB-00124ONB-00125
	Poslední aktualizace dat LastDataUpdate	Časové razítko označující, kdy byla data naposledy obnovena ze zdrojového systému.
Popis Tento atribut zaznamenává datum a čas posledního načtení nebo aktualizace dat. Uživatelé díky němu vědí, jak aktuální a relevantní data jsou. V každé analýze, zejména při sledování probíhajících procesů, je důležité vědět, jak čerstvá data jsou. Časové razítko pomáhá uživatelům důvěřovat zobrazovaným údajům a poznat, zda zachycují aktuální stav provozu, nebo starší situaci. Je důležité pro dashboardy, které sledují aktivní případy nástupu. Proč je to důležité Informuje uživatele o aktuálnosti dat, aby věděli, jak současný stav procesu analýza zachycuje. Kde data získat Toto časové razítko se vytvoří a připojí k datové sadě při načtení a uložení dat. Příklady 2024-05-21T08:00:00Z
	Zdrojový systém SourceSystem	Označuje systém, ze kterého byla tato data získána.
Popis Tento atribut určuje původ dat, v tomto případě BambooHR. Pomáhá se správou dat a poskytuje kontext, zejména při kombinování dat z více systémů. Výslovné uvedení zdrojového systému je důležité pro sledování původu dat a řešení problémů. Ve větších analytických prostředích pomáhá uživatelům porozumět kontextu dat a dohledat jejich původ, pokud se objeví otázky nebo nesrovnalosti. Proč je to důležité Poskytuje důležitý kontext o původu dat, který je potřebný pro správu a ověřování dat i pro jejich propojení z více zdrojů. Kde data získat Jde o neměnnou hodnotu „BambooHR“, která se přidává při transformaci dat. Příklady BambooHR
	Čas dokončení EndTimestamp	Časové razítko dokončení aktivity, pokud lze změřit její trvání.
Popis Zatímco StartTime (EventTimestamp) označuje, kdy aktivita proběhla, EndTimestamp zaznamenává její dokončení. Je důležitý zejména u aktivit, které netrvají okamžik, například „Prověrka“, která má stav zahájení a dokončení. Použití časového razítka začátku i konce umožňuje přesněji vypočítat dobu zpracování jednotlivých aktivit. Díky tomu lze odlišit čas věnovaný práci na úkolu od čekání na zahájení dalšího kroku. Tento detail je důležitý pro podrobnou analýzu úzkých míst. Proč je to důležité Umožňuje přesně vypočítat dobu zpracování aktivit a odlišit aktivní práci od čekání. Kde data získat Odvozuje se z časových razítek navazujících aktivit. Například EndTimestamp pro „Zahájení prověrky“ odpovídá časovému razítku aktivity „Dokončení prověrky“. Příklady 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	ID zaměstnance EmployeeId	Jedinečný identifikátor přidělený každému zaměstnanci v BambooHR.
Popis ID zaměstnance je jedinečný klíč, který identifikuje konkrétního zaměstnance v systému HR. Během jeho působení ve firmě zůstává stejné. Primárním identifikátorem procesu je případ nástupu, ID zaměstnance je však důležité pro propojení údajů o nástupu s hlavním záznamem zaměstnance. Díky tomu lze data doplnit o další údaje, například pracovní pozici nebo oddělení, a podrobněji analyzovat, jak se zkušenost s nástupem liší podle typu zaměstnance. Proč je to důležité Jednoznačně identifikuje nového zaměstnance. Umožňuje doplnit další údaje o zaměstnanci a sledovat jeho celý pracovní cyklus i po skončení nástupu. Kde data získat V BambooHR je k dispozici jako standardní pole v záznamu zaměstnance. Příklady 601856018660187
	Místo výkonu práce Location	Hlavní pracoviště nebo kancelář nového zaměstnance.
Popis Tento atribut určuje fyzickou kancelář nebo geografické místo, kde bude nový zaměstnanec pracovat. Může jít o město, kancelářskou budovu nebo označení „Práce na dálku“. Analýza podle místa pomáhá odhalit regionální rozdíly v procesu nástupu. Doba doručení vybavení se například může mezi jednotlivými místy výrazně lišit nebo mohou mít různé kanceláře vlastní postupy úvodního školení. Analýza pomáhá sjednotit proces tam, kde je to možné, a zároveň zachovat potřebné místní odlišnosti. Proč je to důležité Pomáhá odhalit regionální rozdíly ve výkonnosti procesu, například zpoždění při doručování vybavení nebo odlišné místní postupy úvodního školení. Kde data získat Standardní pole v profilu zaměstnance v BambooHR, obvykle v části s údaji o zaměstnání nebo místě výkonu práce. Příklady Kancelář v New YorkuLondýn, Spojené královstvíPráce na dálku (USA)Ústředí v San Franciscu
	Oddělení Department	Oddělení, do kterého nový zaměstnanec nastupuje.
Popis Tento atribut určuje organizační oddělení, například „Technické oddělení“, „Obchod“ nebo „Marketing“, do kterého nový zaměstnanec patří. Umožňuje rozdělit a porovnávat výkonnost procesu. Analýza nástupu podle oddělení pomáhá pochopit rozdíly ve výkonnosti napříč organizací. Odpovídá například na otázky: „Ve kterých odděleních trvá nástup nejdéle?“ nebo „Je v některých odděleních nižší míra dokončení povinných školení?“ Tyto poznatky umožňují cíleně zasáhnout a sdílet osvědčené postupy mezi odděleními. Proč je to důležité Umožňuje porovnat efektivitu nástupu, dobu cyklu a míru dodržování požadavků v různých částech organizace. Kde data získat Standardní pole v údajích o pracovním zařazení zaměstnance v BambooHR. Příklady Technické odděleníObchodMarketingLidské zdroje
	Pracovní pozice JobTitle	Konkrétní role nebo pozice nového zaměstnance.
Popis Tento atribut obsahuje oficiální název pracovní pozice nového zaměstnance, například „Softwarový inženýr“, „Obchodní zástupce“ nebo „Produktový manažer“. Jde o další důležitý údaj pro analýzu procesu nástupu. Různé pozice mohou mít odlišné požadavky na nástup, například specializované školení nebo přípravu vybavení. Analýza podle pracovní pozice může odhalit, zda některé role čelí delším zpožděním nebo procházejí jinými variantami procesu. Díky tomu lze nástup přizpůsobit a zlepšit podle konkrétních požadavků dané pozice. Proč je to důležité Umožňuje analyzovat nástup podle náročnosti a požadavků jednotlivých rolí a přizpůsobit jej různým pozicím. Kde data získat Standardní pole v údajích o pracovním zařazení zaměstnance v BambooHR. Příklady Seniorní softwarový inženýrKoordinátor marketinguRegionální obchodní ředitel
	Vedoucí pracovník HiringManager	Jméno manažera, kterému nový zaměstnanec podléhá.
Popis Tento atribut určuje přímého nadřízeného nového zaměstnance. Vedoucí pracovník často hraje při nástupu důležitou roli a odpovídá například za představení týmu nebo stanovení počátečních cílů. Analýza výsledků nástupu podle vedoucího pracovníka může ukázat, kdo nové členy týmu začleňuje nejlépe a kdo potřebuje další podporu nebo školení. Pomáhá také odhalit osvědčené postupy úspěšných manažerů, které lze sdílet napříč organizací a zlepšit tak jednotnost i kvalitu nástupu. Proč je to důležité Umožňuje analyzovat výsledky podle manažera a určit, kdo zvládá nástup efektivně a kdo může potřebovat větší podporu. Kde data získat Obvykle se nachází v informacích o pracovní pozici zaměstnance nebo v podrobnostech o jeho nadřízených v BambooHR. Příklady Jane DoeJohn SmithEmily Jones
	Datum nástupu StartDate	Oficiální první pracovní den nového zaměstnance.
Popis Datum nástupu je důležitým milníkem procesu nástupu zaměstnance. Odděluje činnosti před nástupem, jako jsou prověrky a vyřizování dokumentů, od činností po nástupu, například úvodního zaškolení a školení. Toto datum slouží jako důležitý referenční bod pro řadu analýz. Používá se například k výpočtu KPI „Připravenost na první pracovní den“, který ukazuje, zda byly všechny potřebné úkoly před nástupem dokončeny včas. Pomáhá také vyhodnotit včasnost těchto činností a jejich vliv na produktivitu během prvního dne. Proč je to důležité Slouží jako důležitý milník pro rozlišení činností před nástupem a po něm a pro ověření, zda jsou noví zaměstnanci připraveni na první pracovní den. Kde data získat Odpovídá poli „Datum přijetí“, které je standardní součástí záznamu zaměstnance v BambooHR. Příklady 2023-11-012023-11-152023-12-01
	Doba trvání procesu nástupu OnboardingCycleTime	Celková doba trvání procesu nástupu v jednom případě.
Popis Tato vypočítaná metrika měří celkovou dobu procesu nástupu v každém případě, obvykle od „Nabídka přijata“ po „Dokončení kontroly po 30 dnech“. Udává celkový čas, který uplynul od začátku do konce procesu. Jde o hlavní KPI pro hodnocení celkové efektivity procesu. V dashboardech se používá ke sledování průměrné doby nástupu, porovnání výsledků mezi odděleními nebo rolemi a měření dopadu iniciativ na zlepšování procesů. Kratší doba procesu obvykle souvisí s lepší zkušeností nového zaměstnance a nižšími administrativními náklady. Proč je to důležité Jde o důležitý KPI pro měření celkové efektivity procesu a sledování zlepšení v čase. Kde data získat Vypočítá se jako rozdíl mezi časovým razítkem první a poslední aktivity v případu. Příklady 35 dní42 dní28 dní
	Jméno nového zaměstnance NewHireName	Celé jméno zaměstnance, který prochází procesem nástupu.
Popis Tento atribut obsahuje jméno nového zaměstnance. Využívá se především pro provozní účely, například v reportech nebo dashboardech, které potřebují identifikovat konkrétní osoby. Při analýze process mining se jména často anonymizují nebo nahrazují identifikačními čísly zaměstnanců, aby byly dodrženy předpisy na ochranu osobních údajů. V provozních dashboardech, které HR nebo vedoucí používají ke sledování aktivních případů, však jméno poskytuje okamžitý a srozumitelný kontext. Proč je to důležité Poskytuje srozumitelný kontext ke konkrétním případům, zejména v provozních dashboardech pro HR a vedoucí. Kde data získat Standardní pole v osobních údajích zaměstnance v BambooHR. Příklady Alice JohnsonRobert WilliamsMaria Garcia
	Opakovaný úkon IsRework	Příznak, který označuje, zda se aktivita opakuje po předchozím provedení stejného kroku.
Popis Tento vypočítaný booleovský atribut má hodnotu true, pokud se aktivita, například „Odeslání sady dokumentů“, v jednom případu nástupu objeví více než jednou. Označuje opakování kroku, které obvykle signalizuje chybu, chybějící informace nebo neefektivní postup. Odhalování opakované práce patří mezi možnosti process mining. Tento příznak usnadňuje její filtrování a vyčíslení. Podporuje dashboardy a KPI zaměřené na opakovanou práci a pomáhá odhalit překážky a plýtvání v procesu. Omezení opakované práce zkracuje dobu procesu a zlepšuje zkušenost nového zaměstnance i týmu HR. Proč je to důležité Označením opakovaných aktivit upozorňuje na neefektivní postupy, chyby a zbytečně vynaloženou práci. Kde data získat Jde o vypočítané pole. Logika pro odhalování opakovaných posloupností aktivit v jednom případu je implementována v nástroji process mining. Příklady truefalse
	Pracovní status EmploymentStatus	Aktuální status nového zaměstnance v průběhu pracovního poměru.
Popis Tento atribut sleduje, jak se status nového zaměstnance mění, například z „Nabídka přijata“ na „Před nástupem“ a poté na „Aktivní“. Poskytuje přehled o tom, v jaké fázi celého procesu se zaměstnanec nachází. V process mining lze tento atribut na úrovni případu použít k filtrování aktivních případů nástupu nebo k analýze doby, po kterou případy zůstávají v určitém statusu. Hodí se zejména pro dashboardy, které v reálném čase zobrazují všechny probíhající procesy nástupu a pomáhají HR i vedoucím sledovat jejich průběh. Proč je to důležité Poskytuje přehled o statusu případu nástupu, umožňuje filtrovat aktivní případy a sledovat celkový průběh. Kde data získat Jde o standardní pole v záznamu zaměstnance v BambooHR. Příklady AktivníNeaktivníUkončený pracovní poměrNa dovolené
	Tým Team	Konkrétní tým v rámci oddělení, do kterého je nový zaměstnanec zařazen.
Popis Tento atribut poskytuje podrobnější informace o organizačním zařazení než oddělení. Určuje konkrétní tým, například „Vývojáři frontendu“ nebo „Tým pro firemní prodej“. Analýza na úrovni oddělení je užitečná, ale pohled na jednotlivé týmy může odhalit konkrétnější poznatky. Ukáže rozdíly ve výkonnosti týmů s podobnou náplní práce a pomůže zjistit, jak místní postupy, například představení kolegům nebo školení, ovlivňují celý proces nástupu. To se hodí zejména ve velkých odděleních, kde je potřeba podrobnější členění. Proč je to důležité Oproti pohledu na oddělení nabízí podrobnější přehled a umožňuje porovnávat výkonnost a rozdíly v procesech mezi jednotlivými týmy. Kde data získat V BambooHR může jít o standardní nebo vlastní pole, často součást organizačního zařazení zaměstnance. Příklady Vývoj platformyProdej středně velkým firmámObsahový marketing
	Vykonavatel události EventPerformer	Uživatel nebo systém, který provedl aktivitu při nástupu zaměstnance.
Popis Tento atribut určuje osobu, tým nebo automatizovaný systém odpovědný za dokončení dané aktivity. Například specialista HR může dokončit aktivitu „Odeslání sady dokumentů“, zatímco vedoucí náboru zajistí „Představení týmu“. Tyto informace jsou velmi užitečné při analýze zdrojů a rozložení pracovní zátěže. Pomáhají určit, které týmy nebo role se podílejí na aktivitách s nejdelší dobou trvání nebo na aktivitách představujících úzké místo. Umožňují také analyzovat úkoly prováděné konkrétními skupinami uživatelů, což může pomoci při plánování zdrojů a automatizace. Proč je to důležité Ukazuje, kdo provádí jednotlivé úkoly. To je důležité pro analýzu pracovní zátěže, efektivní využití zdrojů a pochopení chování jednotlivých uživatelů. Kde data získat Tyto informace mohou být zaznamenány v protokolech auditu nebo v podrobnostech o dokončení úkolu v BambooHR. Často jsou spojeny s uživatelem, který záznam aktualizoval. Příklady Správce HRDavid Chen (vedoucí náboru)Automatizace systémuPodpora IT
	Země Country	Země, ve které je nový zaměstnanec zaměstnán.
Popis Tento atribut určuje zemi zaměstnání. Pro mezinárodní organizace jde o důležitý rozměr analýzy. Procesy nástupu i související předpisy se mohou v jednotlivých zemích výrazně lišit. Analýza podle země pomáhá organizacím tyto rozdíly pochopit, zajistit shodu s místními zákony a tam, kde je to vhodné, najít příležitosti ke sjednocení postupů napříč regiony. Může také objasnit rozdíly v délce procesu způsobené místními svátky nebo administrativními postupy. Proč je to důležité Mezinárodním organizacím pomáhá analyzovat rozdíly v procesech, zajistit shodu s místními předpisy a řídit požadavky na nástup zaměstnanců v jednotlivých regionech. Kde data získat Standardní pole v údajích o pracovišti nebo adrese zaměstnance v BambooHR. Příklady Spojené státySpojené královstvíNěmeckoKanada

Povinné Doporučené Volitelné

Aktivity při nástupu zaměstnanců

Jde o důležité kroky a milníky procesu, které je třeba zaznamenat do záznamu událostí pro přesné mapování procesů a sledování výkonnosti.

7 Doporučené 8 Volitelné

	Aktivita	Popis
	Dokumenty podepsány	Tato událost nastane, když nový zaměstnanec podepíše všechny požadované dokumenty v balíčku pro nástup. BambooHR ji zaznamená automaticky po dokončení všech elektronických podpisů v odeslaném balíčku.
Proč je to důležité Vyplnění dokumentů je důležitou podmínkou pro první den nového zaměstnance. Sledování tohoto milníku pomáhá zajistit dodržení požadavků a připravenost, předcházet opakované práci a omezit zpoždění nástupu. Kde data získat Zaznamená se časové razítko, kdy se stav odeslaného balíčku dokumentů změní v BambooHR na „Completed“. Zachycení Po dokončení posledního požadovaného elektronického podpisu v balíčku pro nového zaměstnance se zaznamená samostatná událost. Typ události explicit
	Kontrolní schůzka po 30 dnech dokončena	Označuje dokončení první formální kontrolní schůzky nového zaměstnance s manažerem, která se obvykle koná přibližně po 30 dnech. V BambooHR se zaznamená, když se úkol „30-Day Check-in“ nebo formulář hodnocení výkonu označí jako dokončený.
Proč je to důležité Tento milník je důležitý pro včasnou zpětnou vazbu, řešení problémů a udržení zaměstnanců. Sledování jeho dokončení pomáhá zajistit pravidelný kontakt s novými zaměstnanci v důležitém období. Kde data získat Zaznamená se časové razítko dokončení úkolu „30-Day Check-in“ nebo formuláře hodnocení výkonu v BambooHR. Zachycení Událost se zaznamená, když manažer označí úkol nebo formulář kontrolní schůzky jako „Completed“. Typ události explicit
	Nabídka přijata	Tato aktivita označuje oficiální začátek nástupu, kdy kandidát formálně přijme pracovní nabídku. V BambooHR se obvykle zaznamená změnou stavu kandidáta v systému pro sledování uchazečů (ATS) na „Hired“. Tím se vytvoří profil zaměstnance a kontrolní seznam pro nástup.
Proč je to důležité Jde o výchozí bod každého případu nástupu. Analýza doby od této události k dalším událostem pomáhá měřit celkovou efektivitu a rychlost procesu před nástupem. Kde data získat Odvozuje se od data, kdy se stav kandidáta v modulu ATS BambooHR změní na „Hired“, nebo od vyplnění pole s datem nástupu zaměstnance. Zachycení Určete časové razítko, kdy se pole „status“ u uchazeče změní na „Hired“. Typ události inferred
	Povinné školení dokončeno	Označuje úspěšné dokončení povinného školení novým zaměstnancem. BambooHR událost zaznamená, když se stav přiřazeného školení v modulu pro sledování školení změní na „Completed“.
Proč je to důležité Jde o důležitý milník z hlediska dodržování požadavků. Sledování dokončení pomáhá ověřit, že firma plní právní požadavky a interní zásady a že zaměstnanci mají potřebné znalosti pro svou roli. Kde data získat Zaznamená se časové razítko změny stavu záznamu o školení na „Completed“ v modulu Training v BambooHR. Zachycení Po změně pole stavu záznamu o školení na „Completed“ se zaznamená samostatná událost. Typ události explicit
	Prověrka dokončena	Tato aktivita znamená, že prověrka nového zaměstnance byla úspěšně dokončena a jsou k dispozici její výsledky. V BambooHR se zaznamená, když se úkol „Background Check“ v kontrolním seznamu pro nástup označí jako „Completed“.
Proč je to důležité Jde o důležitý milník z hlediska dodržování požadavků. Dlouhá doba mezi zahájením a dokončením může představovat výrazné úzké místo. Sledování této doby pomáhá zajistit splnění požadavků před nástupem ještě před datem nástupu. Kde data získat Zaznamená se časové razítko dokončení úkolu „Background Check“ v seznamu úkolů pro nástup nového zaměstnance. Zachycení Událost se zaznamená, když se stav úkolu prověrky změní na „Completed“. Typ události explicit
	Úkoly nástupu dokončeny	Tato aktivita označuje dokončení všech přiřazených úkolů v kontrolním seznamu pro nástup nového zaměstnance. Událost lze odvodit, když seznam úkolů dosáhne 100% dokončení nebo když se zaškrtne poslední úkol „Complete Onboarding“.
Proč je to důležité Tím se uzavírá strukturovaná část nástupu založená na úkolech. Potvrzuje, že byly úspěšně dokončeny všechny administrativní a přípravné kroky. Kde data získat Odvozuje se od časového razítka posledního dokončeného úkolu v seznamu úkolů pro nástup zaměstnance nebo od okamžiku, kdy se celkový stav nástupu změní na „Complete“. Zachycení Určete nejpozdější časové razítko dokončení ze všech úkolů přiřazených k jednomu případu nástupu. Typ události inferred
	Úvodní školení první den dokončeno	Označuje dokončení úvodního setkání pro nového zaměstnance, které se věnuje firemní kultuře, zásadám a představení kolegů. V kontrolním seznamu pro nástup v BambooHR se zaznamená, když HR nebo vedoucí pracovník označí úkol „First Day Orientation“ jako dokončený.
Proč je to důležité Jde o důležitý milník pro zapojení zaměstnance a jeho začlenění do firmy. Pravidelné a včasné uskutečnění pomáhá novým zaměstnancům uspět a zajistit jim pozitivní zkušenost. Kde data získat Zaznamená se časové razítko dokončení úkolu „First Day Orientation“ v seznamu úkolů pro nástup. Zachycení Událost se zaznamená, když se úkol úvodního školení označí jako „Completed“. Typ události explicit
	Dokumenty odeslány	Označuje okamžik, kdy se novému zaměstnanci odešle balíček dokumentů k prostudování a podpisu. Obsahuje například formuláře I-9 a W-4 a firemní zásady. BambooHR událost zaznamená, když administrátor HR odešle balíček prostřednictvím funkcí správy dokumentů v systému.
Proč je to důležité Tato aktivita zahajuje důležitý administrativní workflow. Doba od odeslání dokumentů do jejich vyplnění ukazuje, jak efektivně proces dokumentace probíhá. Kde data získat Zaznamená se časové razítko odeslání balíčku dokumentů novému zaměstnanci k elektronickému podpisu v BambooHR. Zachycení Po provedení akce „Send Packet“ se v systému zaznamená samostatná událost. Typ události explicit
	Objednáno vybavení	Označuje okamžik, kdy se pro nového zaměstnance objedná potřebné vybavení, například notebook nebo telefon. V kontrolním seznamu pro nástup v BambooHR se tato událost obvykle zaznamená po dokončení úkolu „Order Equipment“.
Proč je to důležité Tato aktivita je důležitým milníkem, který zajišťuje, že nový zaměstnanec bude mít potřebné vybavení. Zpoždění přímo ovlivňuje jeho připravenost a produktivitu první den. Kde data získat Zaznamená se časové razítko dokončení úkolu „Order Equipment“ v seznamu úkolů pro nástup v BambooHR. Zachycení Událost se zaznamená, když se stav úkolu „Order Equipment“ změní na „Completed“. Typ události explicit
	Představení týmu dokončeno	Označuje formální představení nového zaměstnance jeho nejbližším kolegům v týmu. Obvykle jde o méně formální aktivitu vedenou manažerem, která se zaznamená dokončením odpovídajícího úkolu v kontrolním seznamu pro nástup v BambooHR.
Proč je to důležité Začlenění do kolektivu je důležitou součástí úspěšného nástupu. Sledování této aktivity pomáhá ověřit, že manažeři dokončují důležité kroky, vítají nové zaměstnance a podporují soudržnost týmu. Kde data získat Zaznamená se časové razítko dokončení úkolu „Team Introduction“ v seznamu úkolů pro nástup. Úkol bývá přiřazen vedoucímu pracovníkovi. Zachycení Událost se zaznamená, když manažer označí úkol „Team Introduction“ jako „Completed“. Typ události explicit
	Přiřazeno povinné školení	Tato událost nastane, když se novému zaměstnanci přiřadí povinné školení k dodržování předpisů nebo školení potřebné pro jeho roli. V BambooHR se zaznamená v modulu pro sledování školení, když se do záznamu zaměstnance přidá nové školení.
Proč je to důležité Tento okamžik je výchozím bodem pro měření plnění požadavků na školení. Analýza doby od přiřazení do dokončení pomáhá zajistit, aby zaměstnanci včas splnili požadavky předpisů i firmy. Kde data získat Zaznamená se datum vytvoření záznamu o školení přiřazeného konkrétnímu zaměstnanci v modulu Training v BambooHR. Zachycení Po vytvoření nového záznamu v tabulce pro sledování školení zaměstnanců se zaznamená samostatná událost. Typ události explicit
	Vybavení doručeno	Tato aktivita znamená, že objednané vybavení bylo fyzicky doručeno a je připravené pro nového zaměstnance. V kontrolním seznamu pro nástup v BambooHR se obvykle sleduje jako samostatný úkol „Equipment Delivered“ nebo „Workspace Setup“.
Proč je to důležité Doba mezi objednáním a doručením upozorní na možná úzká místa v dodavatelském řetězci nebo logistice. Díky jejímu sledování lze zajistit, že veškeré vybavení bude připravené před datem nástupu zaměstnance. Kde data získat Zaznamená se časové razítko dokončení úkolu „Equipment Delivered“ nebo „Workspace Setup“ v seznamu úkolů pro nástup. Zachycení Událost se zaznamená, když se stav úkolu doručení nebo přípravy změní na „Completed“. Typ události explicit
	Vytvořen profil zaměstnance	Označuje oficiální vytvoření záznamu nového zaměstnance v HRIS, tedy přechod z kandidáta na zaměstnance. Událost se odvozuje od data vytvoření záznamu zaměstnance v hlavní databázi BambooHR. K tomu obvykle dojde po přijetí nabídky.
Proč je to důležité Tato aktivita je základem všech dalších kroků nástupu, například přípravy IT účtů a nastavení výplaty. Poskytuje jasný časový údaj o tom, kdy zaměstnanec oficiálně vstoupil do systému. Kde data získat Odvozuje se od časového razítka vytvoření záznamu nového zaměstnance v hlavních tabulkách s údaji o zaměstnancích. Zachycení Použijte časové razítko metadat „created_at“ nebo jeho ekvivalent z hlavního záznamu zaměstnance. Typ události inferred
	Vyžádáno zajištění IT	Tato aktivita označuje formální požadavek zaslaný oddělení IT na vytvoření potřebných účtů a přístupů pro nového zaměstnance. V BambooHR se obvykle zaznamená vytvořením a přiřazením předem definovaného úkolu „IT Provisioning“ v kontrolním seznamu pro nástup.
Proč je to důležité Včasné zajištění IT je důležité pro produktivní první den. Sledování této události pomáhá měřit rychlost reakce IT a odhalit zpoždění při zřizování přístupů do systémů. Kde data získat Zaznamená se datum a čas vytvoření úkolu „IT Account Provisioning“ nebo podobného úkolu v seznamu úkolů pro nástup nového zaměstnance. Zachycení Událost se zaznamená při vytvoření úkolu pro zajištění IT v kontrolním seznamu pro nástup. Typ události explicit
	Zahájena prověrka	Označuje okamžik, kdy se prostřednictvím integrované služby zadá požadavek na prověrku nového zaměstnance. V BambooHR se tato událost obvykle zaznamená vytvořením konkrétního úkolu „Background Check“ nebo změnou jeho stavu na zahájený v seznamu úkolů pro nástup.
Proč je to důležité Sledování zahájení prověrek pomáhá odhalit zpoždění při prověřování před nástupem. Tento krok bývá důležitý pro dodržení požadavků i včasné přijetí zaměstnance. Kde data získat Zaznamená se datum vytvoření nebo zahájení úkolu „Background Check“ v seznamu úkolů pro nástup v BambooHR. Zachycení Událost se zaznamená při vytvoření úkolu prověrky nebo při změně jeho stavu na „In Progress“. Typ události explicit

Doporučené Volitelné

Návody k získání dat

Jak získat data z BambooHR

Kroky

Přihlaste se do BambooHR: Přihlaste se ke svému účtu BambooHR s uživatelským účtem, který má oprávnění vytvářet a spouštět vlastní reporty.
Otevřete vlastní reporty: V hlavní nabídce přejděte do části Reports. V oddílu „Manage Reports“ klikněte na „Add Report“.
Nastavte report: Zadejte výstižný název, například „Export process mining nástupu zaměstnanců“. Podle potřeby přidejte stručný popis.
Vyberte pole reportu: Na kartě „Fields“ vyberte všechny sloupce potřebné pro záznam událostí. Zahrňte identifikátory zaměstnanců, důležité atributy a všechna relevantní data odpovídající aktivitám při nástupu. Vyberte například tato pole:
- Číslo zaměstnance
- Jméno, příjmení
- Oddělení, pracovní pozice, pracoviště
- Vedoucí náboru
- Datum přijetí (pro aktivitu „Vytvoření profilu zaměstnance“)
- Všechna vlastní datová pole, která používáte pro milníky, například „Datum přijetí nabídky“.
- Data dokončení všech relevantních úkolů při nástupu a odchodu. Vyberte konkrétní úkoly, například „Datum dokončení prověrky“, „Datum odeslání sady dokumentů“, „Datum dokončení sady dokumentů“, „Datum žádosti o přípravu IT vybavení“ a další.
- Data z modulu školení, například „Datum přidělení povinného školení“ a „Datum dokončení povinného školení“.
Nastavte filtry reportu: Na kartě „Filters“ určete rozsah dat. Doporučujeme filtrovat podle „Hire Date“ a vybrat konkrétní období, například posledních 6 měsíců. Report tak nebude příliš velký a jeho spuštění nevyprší.
Uložte a spusťte report: Po nastavení všech polí a filtrů klikněte na „Save & Run“. Ve výsledcích v rozhraní BambooHR ověřte, že report obsahuje očekávané zaměstnance a datové sloupce.
Exportujte data: Klikněte na tlačítko exportu, které obvykle znázorňuje ikona cloudu nebo šipky, a jako formát vyberte „Comma Separated Values (.csv)“. Uložte soubor do počítače pod výstižným názvem, například bamboohr_onboarding_export.csv.
Připravte transformační skript: Zkopírujte celý Python skript uvedený v části „query“ tohoto dokumentu a uložte jej ve stejné složce jako exportovaný soubor CSV pod názvem transform_bamboohr.py.
Nainstalujte potřebnou knihovnu: Pokud nemáte nainstalovaný pandas, otevřete terminál nebo příkazový řádek a spusťte příkaz: pip install pandas.
Spusťte transformaci: V terminálu nebo příkazovém řádku přejděte do složky se soubory a spusťte skript příkazem: python transform_bamboohr.py. Skript zpracuje široký export CSV a vytvoří soubor event_log.csv ve správném dlouhém formátu pro process mining.
Nahrajte data do ProcessMind: Soubor event_log.csv je připravený k nahrání do aplikace ProcessMind.

Konfigurace

Předpoklady: Potřebujete balíček BambooHR Advantage, který zahrnuje pokročilé funkce reportingu a nástupu zaměstnanců. Vaše uživatelská role musí mít oprávnění vytvářet, zobrazovat a exportovat vlastní reporty obsahující údaje o zaměstnancích.
Pole reportu: Základem této metody je správný výběr polí. Report musí mít „široký“ formát, tedy jeden řádek na zaměstnance a samostatný sloupec s datem pro každou aktivitu při nástupu. Jako identifikátor případu musíte zahrnout Employee # a také všechny relevantní atributy, například Department, Job Title a Hiring Manager.
Vlastní pole a úkoly: Způsob získání dat závisí na tom, jak vaše organizace používá BambooHR. Aktivity jako „Přijetí nabídky“ nebo „Objednání vybavení“ musí být zaznamenány ve vlastních datových polích nebo jako úkoly v kontrolním seznamu nástupu. U těchto úkolů vyberte pole s datem dokončení, nikoli pouze jejich názvy.
Filtry časového období: Kvůli výkonu a relevanci vždy filtrujte report podle „Hire Date“. Pro analýzu procesů obvykle stačí průběžné období posledních 6 až 12 měsíců. Export tak nebude zbytečně velký.
Plánování reportu: Pro průběžné sledování můžete využít funkci BambooHR, která umožňuje naplánovat pravidelné spouštění vlastního reportu a jeho zasílání e-mailem, například každý týden. Tím lze automatizovat první část získávání dat.

Ukázkový dotaz python

import pandas as pd
import numpy as np
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># The input file exported from BambooHR.
BAMBOOHR_EXPORT_FILE = class="hl-string">'bamboohr_onboarding_export.csv'

class=class="hl-string">"hl-comment"># The final output file ready for ProcessMind.
EVENT_LOG_FILE = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># This dictionary maps the column names from your BambooHR export to the desired Activity Name.
class=class="hl-string">"hl-comment"># You MUST update the keys (the column names) to exactly match the headers in your exported CSV file.
class=class="hl-string">"hl-comment"># For example, if your class="hl-string">'Background Check Completed' task completion date column is named class="hl-string">'Onboarding: Background Check - Completed On', update it below.
ACTIVITY_MAPPING = {
    class="hl-string">'[Offer Accepted Date Custom Field]': class="hl-string">'Offer Accepted',
    class="hl-string">'[Background Check Initiated Task Completion Date]': class="hl-string">'Background Check Initiated',
    class="hl-string">'[Background Check Completed Task Completion Date]': class="hl-string">'Background Check Completed',
    class="hl-string">'[Paperwork Packet Sent Task Completion Date]': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'[Paperwork Packet Completed Task Completion Date]': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'Hire Date': class="hl-string">'Employee Profile Created',
    class="hl-string">'[IT Provisioning Requested Task Completion Date]': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'[Equipment Ordered Task Completion Date]': class="hl-string">'Equipment Ordered',
    class="hl-string">'[Equipment Delivered Task Completion Date]': class="hl-string">'Equipment Delivered',
    class="hl-string">'[First Day Orientation Completed Task Completion Date]': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'[Mandatory Training Assigned Date]': class="hl-string">'Mandatory Training Assigned',
    class="hl-string">'[Team Introduction Completed Task Completion Date]': class="hl-string">'Team Introduction Completed',
    class="hl-string">'[Mandatory Training Completed Date]': class="hl-string">'Mandatory Training Completed',
    class="hl-string">'[30-Day Check-in Completed Task Completion Date]': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'[Onboarding Tasks Completed Date]': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script ---
def transform_bamboohr_export():
    class="hl-string">"""Loads the wide BambooHR report, transforms it into a long event log format, and saves it to a new CSV."""
    print(fclass="hl-string">"Reading BambooHR export from '{BAMBOOHR_EXPORT_FILE}'...")
    try:
        df = pd.read_csv(BAMBOOHR_EXPORT_FILE)
    except FileNotFoundError:
        print(fclass="hl-string">"Error: The file '{BAMBOOHR_EXPORT_FILE}' was not found. Please ensure it is in the same directory as the script.")
        return

    print(class="hl-string">"Identifying attribute and activity columns...")
    class=class="hl-string">"hl-comment"># Use Employee # as the unique case identifier.
    id_vars = [class="hl-string">'Employee class="hl-comment">#']
    
    class=class="hl-string">"hl-comment"># Define recommended attributes to keep for each event.
    class=class="hl-string">"hl-comment"># Update these column names if they are different in your export.
    attribute_vars = [
        class="hl-string">'Department', 
        class="hl-string">'Job Title', 
        class="hl-string">'Location', 
        class="hl-string">'Hiring Manager'
    ]

    class=class="hl-string">"hl-comment"># All columns that exist in the dataframe and are in our mapping are treated as value_vars for melting.
    value_vars = [col for col in ACTIVITY_MAPPING.keys() if col in df.columns]
    
    if not value_vars:
        print(class="hl-string">"Error: None of the specified activity columns in ACTIVITY_MAPPING were found in the CSV.")
        print(class="hl-string">"Please check your column names.")
        return

    class=class="hl-string">"hl-comment"># Ensure all identifier and attribute columns are present.
    all_id_vars = id_vars + attribute_vars
    missing_cols = [col for col in all_id_vars if col not in df.columns]
    if missing_cols:
        print(fclass="hl-string">"Warning: The following columns were not found and will be skipped: {', '.join(missing_cols)}")
        all_id_vars = [col for col in all_id_vars if col in df.columns]

    print(class="hl-string">"Unpivoting data to create event log...")
    class=class="hl-string">"hl-comment"># Unpivot the dataframe from wide to long format.
    event_log_df = df.melt(
        id_vars=all_id_vars,
        value_vars=value_vars,
        var_name=class="hl-string">'ActivityName',
        value_name=class="hl-string">'EventTimestamp'
    )

    class=class="hl-string">"hl-comment"># Drop rows where the event did not occur (timestamp is null).
    event_log_df.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    
    print(class="hl-string">"Formatting columns for ProcessMind...")
    class=class="hl-string">"hl-comment"># Replace the source column names with the clean activity names.
    event_log_df[class="hl-string">'ActivityName'] = event_log_df[class="hl-string">'ActivityName'].map(ACTIVITY_MAPPING)

    class=class="hl-string">"hl-comment"># Rename columns to match the required schema.
    event_log_df.rename(columns={class="hl-string">'Employee class="hl-comment">#': class="hl-string">'OnboardingCase'}, inplace=True)
    event_log_df[class="hl-string">'EmployeeId'] = event_log_df[class="hl-string">'OnboardingCase']

    class=class="hl-string">"hl-comment"># Add static columns required by the schema.
    event_log_df[class="hl-string">'SourceSystem'] = class="hl-string">'BambooHR'
    event_log_df[class="hl-string">'LastDataUpdate'] = datetime.now().strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = event_log_df[class="hl-string">'EventTimestamp'] class=class="hl-string">"hl-comment"># Assuming point-in-time events
    
    class=class="hl-string">"hl-comment"># Ensure timestamp format is consistent.
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EndTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')

    class=class="hl-string">"hl-comment"># Reorder columns for clarity.
    final_columns = [
        class="hl-string">'OnboardingCase', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'EmployeeId', class="hl-string">'Department', class="hl-string">'Job Title', class="hl-string">'Location', class="hl-string">'HiringManager', class="hl-string">'EndTimestamp'
    ]
    class=class="hl-string">"hl-comment"># Filter to only include columns that exist.
    final_columns = [col for col in final_columns if col in event_log_df.columns]
    event_log_df = event_log_df[final_columns]

    class=class="hl-string">"hl-comment"># Sort the data.
    event_log_df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'], inplace=True)

    print(fclass="hl-string">"Saving event log to '{EVENT_LOG_FILE}'...")
    event_log_df.to_csv(EVENT_LOG_FILE, index=False)
    print(class="hl-string">"Transformation complete.")

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

Kroky

Předpoklady a nastavení: Ověřte, že máte v systému nainstalovaný Python 3.6 nebo novější. Nainstalujte potřebné knihovny pandas a requests příkazem v terminálu: pip install pandas requests.
Vytvořte API klíč BambooHR: Přihlaste se k účtu BambooHR s oprávněními správce. Klikněte na ikonu profilu vpravo nahoře, vyberte „API Keys“ a vytvořte nový API klíč. Zadejte výstižný název, například „ProcessMiningExtraction“, a nastavte přístup pouze pro čtení údajů o zaměstnancích, úkolech při nástupu a záznamech o školení. Vygenerovaný klíč bezpečně zkopírujte.
Nastavte Python skript: Uložte poskytnutý Python skript do souboru, například extract_onboarding.py. Otevřete soubor a nahraďte zástupné hodnoty COMPANY_SUBDOMAIN jedinečnou subdoménou vaší společnosti, tedy částí adresy BambooHR před „.bamboohr.com“, a API_KEY klíčem vytvořeným v předchozím kroku.
Nastavte časové období pro získání dat: Upravte proměnné START_DATE a END_DATE ve skriptu. Určují období, ze kterého se do exportu zahrnou noví zaměstnanci. Použijte formát „YYYY-MM-DD“.
Spusťte skript: Spusťte skript z terminálu příkazem: python extract_onboarding.py. Skript se připojí k BambooHR API, načte potřebná data a začne je zpracovávat.
Seznamte se s voláními API: Skript nejprve zavolá endpoint reportu adresáře zaměstnanců a získá seznam všech zaměstnanců přijatých ve zvoleném období. Tento seznam slouží jako základ pro identifikátor OnboardingCase.
Postupné načítání dat: U každého nalezeného nového zaměstnance skript provede další volání API, aby získal podrobné údaje o profilu, přidělené úkoly při nástupu a záznamy o školení. Tím se shromáždí všechny relevantní údaje o průběhu nástupu každého zaměstnance.
Transformace a mapování dat: Skript převede nezpracovaná data JSON z API do strukturovaného záznamu událostí. Pomocí předem definovaného slovníku TASK_TO_ACTIVITY_MAP převede názvy úkolů při nástupu v BambooHR na standardizované názvy aktivit potřebné pro process mining. Události jako „Přijetí nabídky“ a „Vytvoření profilu zaměstnance“ se odvozují z dat přijetí zaměstnance a vytvoření jeho profilu.
Zkontrolujte výstup v konzoli: Během běhu skript vypisuje do konzole informace o průběhu, včetně počtu nalezených nových zaměstnanců a jména právě zpracovávaného zaměstnance. Sledujte případné chyby a upozornění.
Vytvořte soubor se záznamem událostí: Po zpracování všech zaměstnanců skript spojí data do jednoho datového rámce a uloží je do souboru CSV bamboohr_onboarding_event_log.csv ve stejné složce. Soubor obsahuje sloupce potřebné pro ProcessMind.
Připravte data k nahrání: Otevřete vytvořený soubor CSV a zkontrolujte jeho obsah. Před nahráním do nástroje process mining ověřte, že sloupce OnboardingCase, ActivityName a EventTimestamp obsahují správné hodnoty.

Konfigurace

Oprávnění API klíče: API klíč použitý k získání dat musí mít alespoň oprávnění pouze pro čtení těchto údajů: osobní údaje zaměstnanců, informace o pracovních pozicích, pracovní status, úkoly při nástupu a záznamy o školení.
Subdoména společnosti: Skript potřebuje jedinečnou subdoménu BambooHR vaší společnosti, aby mohl sestavit správné adresy URL endpointů API.
Časové období (START_DATE, END_DATE): Tyto proměnné skriptu určují období pro získání dat podle data přijetí zaměstnanců. Doporučujeme začít nedávným obdobím 3 až 6 měsíců, abyste ověřili kvalitu dat a udrželi objem exportu pod kontrolou. Pro analýzu celé historie můžete období rozšířit, počítejte však s limity počtu volání API.
Mapování aktivit (TASK_TO_ACTIVITY_MAP): Tento slovník ve skriptu je důležitý. Přiřazuje přesné názvy úkolů při nástupu v BambooHR ke standardizovaným názvům aktivit. Zkontrolujte ho a upravte podle nastavení BambooHR ve vaší organizaci.
Identifikátor zdrojového systému: Proměnná SOURCE_SYSTEM je ve skriptu pevně nastavena na „BambooHR“. Pokud potřebujete v konečném záznamu událostí jiný identifikátor, můžete ji změnit.
Výkon: Pokud ve zvoleném období nastoupily tisíce zaměstnanců, může běh skriptu kvůli opakovaným voláním API pro každého zaměstnance trvat dlouho. Doporučujeme spouštět jej mimo špičku, abyste omezili dopad na výkon a předešli případnému omezení počtu volání API.

Ukázkový dotaz python

import requests
import pandas as pd
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration Settings --- #
class=class="hl-string">"hl-comment"># Replace with your companyclass="hl-string">'s subdomain (e.g., 'yourcompany' from yourcompany.bamboohr.com)
COMPANY_SUBDOMAIN = class="hl-string">'[Your Company Subdomain]'
class=class="hl-string">"hl-comment"># Replace with your BambooHR API Key
API_KEY = class="hl-string">'[Your BambooHR API Key]'

class=class="hl-string">"hl-comment"># Define the date range for new hires to extract (based on hire date)
START_DATE = class="hl-string">'2023-01-01'
END_DATE = class="hl-string">'2023-12-31'

SOURCE_SYSTEM = class="hl-string">'BambooHR'

class=class="hl-string">"hl-comment"># --- Critical: Customize this mapping to match your BambooHR task names --- #
TASK_TO_ACTIVITY_MAP = {
    class="hl-string">'Background Check': class="hl-string">'Background Check Completed',
    class="hl-string">'Send New Hire Packet': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'Complete New Hire Packet': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'IT Provisioning Request': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'Order Equipment': class="hl-string">'Equipment Ordered',
    class="hl-string">'Equipment Delivered': class="hl-string">'Equipment Delivered',
    class="hl-string">'First Day Orientation': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'Introduce to Team': class="hl-string">'Team Introduction Completed',
    class="hl-string">'30-Day Check-in': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'Complete Onboarding': class="hl-string">'Onboarding Tasks Completed'
}

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

def get_new_hires(start_date, end_date):
    class="hl-string">"""Fetches employees hired within the specified date range."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/reports/custom'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    
    payload = {
        class="hl-string">'title': class="hl-string">'New Hire Report',
        class="hl-string">'fields': [class="hl-string">'employeeId', class="hl-string">'created', class="hl-string">'hireDate', class="hl-string">'department', class="hl-string">'jobTitle', class="hl-string">'location', class="hl-string">'supervisor'],
        class="hl-string">'filters': {
            class="hl-string">'lastChanged': {
                class="hl-string">'includeNull': class="hl-string">'false'
            },
            class="hl-string">'hireDate': {
                class="hl-string">'operator': class="hl-string">'between',
                class="hl-string">'value': start_date,
                class="hl-string">'value2': end_date
            }
        }
    }
    
    print(fclass="hl-string">"Fetching new hires from {start_date} to {end_date}...")
    response = requests.post(url, auth=auth, headers=headers, json=payload)
    response.raise_for_status()
    data = response.json()
    print(fclass="hl-string">"Found {len(data.get('employees', []))} new hires.")
    return data.get(class="hl-string">'employees', [])

def get_onboarding_tasks(employee_id):
    class="hl-string">"""Fetches onboarding tasks for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/onboarding/tasks'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'tasks', [])
    return []

def get_training_records(employee_id):
    class="hl-string">"""Fetches training records for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/training/'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json()
    return []

def main():
    class="hl-string">"""Main function to orchestrate the extraction and transformation."""
    try:
        new_hires = get_new_hires(START_DATE, END_DATE)
    except requests.exceptions.HTTPError as e:
        print(fclass="hl-string">"Error fetching new hires: {e}")
        print(fclass="hl-string">"Response content: {e.response.text}")
        return

    event_log = []
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    for employee in new_hires:
        emp_id = employee[class="hl-string">'employeeId']
        print(fclass="hl-string">"Processing Employee ID: {emp_id}...")

        base_event = {
            class="hl-string">'OnboardingCase': emp_id,
            class="hl-string">'EmployeeId': emp_id,
            class="hl-string">'Department': employee.get(class="hl-string">'department'),
            class="hl-string">'JobTitle': employee.get(class="hl-string">'jobTitle'),
            class="hl-string">'Location': employee.get(class="hl-string">'location'),
            class="hl-string">'HiringManager': employee.get(class="hl-string">'supervisor'),
            class="hl-string">'SourceSystem': SOURCE_SYSTEM,
            class="hl-string">'LastDataUpdate': last_data_update
        }

        class=class="hl-string">"hl-comment"># 1. Offer Accepted (inferred from hireDate)
        if employee.get(class="hl-string">'hireDate'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Offer Accepted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z",
                class="hl-string">'EndTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z"
            })

        class=class="hl-string">"hl-comment"># 2. Employee Profile Created
        if employee.get(class="hl-string">'created'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Employee Profile Created',
                class="hl-string">'EventTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T'),
                class="hl-string">'EndTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T')
            })
        
        class=class="hl-string">"hl-comment"># 3. Onboarding Task Events
        tasks = get_onboarding_tasks(emp_id)
        task_completion_dates = []
        for task in tasks:
            activity_name = TASK_TO_ACTIVITY_MAP.get(task.get(class="hl-string">'title'))
            if activity_name and task.get(class="hl-string">'completedDate'):
                event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z"
                })
                task_completion_dates.append(task.get(class="hl-string">'completedDate'))

            class=class="hl-string">"hl-comment"># Handle Background Check Initiated (assumed from task creation)
            if task.get(class="hl-string">'title') == class="hl-string">'Background Check' and task.get(class="hl-string">'createdDate'):
                 event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': class="hl-string">'Background Check Initiated',
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z"
                })

        class=class="hl-string">"hl-comment"># 4. Training Events
        trainings = get_training_records(emp_id)
        for training in trainings:
            if training.get(class="hl-string">'type') in [class="hl-string">'Compliance Training', class="hl-string">'Role-Specific Training', class="hl-string">'Mandatory Training']:
                if training.get(class="hl-string">'assignedDate'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Assigned',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z"
                    })
                if training.get(class="hl-string">'completed'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Completed',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z"
                    })

    if not event_log:
        print(class="hl-string">"No events were generated. Please check your date range and API permissions.")
        return

    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
    df = df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'])
    
    output_filename = class="hl-string">'bamboohr_onboarding_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"\nExtraction complete. Event log saved to '{output_filename}'.")

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

Chcete začít?

Pomocí této šablony připravte data k analýze a pusťte se do zlepšování procesu nástupu zaměstnanců. Začněte hledat úzká místa a zvyšovat efektivitu.

Zpět na průvodce zlepšováním

Stáhnout šablonu

Zlepšete proces nástupu zaměstnanců v BambooHR

Dosáhněte 95% shody s požadavky a odstraňte zpoždění při nástupu.

Začněte se zkušební verzí

Platební kartu nepotřebujete. Začněte zlepšovat proces hned.

Šablona dat pro nástup zaměstnanců

Šablona dat pro nástup zaměstnanců

Atributy procesu nástupu zaměstnanců

Aktivity při nástupu zaměstnanců

Návody k získání dat

Export vlastního reportu z BambooHR

Kroky

Konfigurace

Ukázkový dotaz python

Získání dat pomocí Python skriptu přes BambooHR REST API

Kroky

Konfigurace

Ukázkový dotaz python

Chcete začít?

Zlepšete proces nástupu zaměstnanců v BambooHR