> Průběžné zlepšování procesů > Správa výdajů > Ramp > Datová šablona

Šablona dat pro správu výdajů

Ramp

Atributy správy výdajů(19) Aktivity při správě výdajů(12) Návody k získání dat(3)

Šablona dat pro správu výdajů

Tato šablona vám ukáže, jaká data shromáždit pro analýzu a optimalizaci správy výdajů. Obsahuje základní atributy, důležité aktivity ke sledování a praktické pokyny k získání dat z Ramp. Pomůže vám shromáždit všechny informace potřebné k odhalení možností zlepšení procesu.

Doporučené atributy ke shromáždění
Důležité aktivity ke sledování
Pokyny k získání dat z Ramp

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

Stáhnout šablonu

Atributy správy výdajů

Jde o základní datová pole, která je třeba zahrnout do záznamu událostí, abyste mohli správu výdajů důkladně analyzovat.

3 Povinné 6 Doporučené 10 Volitelné

	Název	Popis
	Časové razítko události EventTimestamp	Přesné datum a čas, kdy činnost proběhla.
Popis Každá činnost v procesu má časové razítko, které zaznamenává, kdy proběhla. Tyto časové údaje slouží k seřazení událostí a jsou základem veškeré časové analýzy. V process mining se časová razítka používají k výpočtu doby mezi činnostmi, měření celkové délky případu a odhalování zdržení. Tyto informace jsou důležité pro sledování výkonnosti a hledání možností, jak proces zlepšit. Proč je to důležité Tento atribut určuje časové pořadí událostí a je nezbytný pro výpočty doby trvání i analýzu výkonnosti. Kde data získat Tyto informace se obvykle nacházejí u záznamů činností nebo stavů v záznamech událostí či transakčních datech Ramp. Příklady 2023-10-26T10:00:00Z2023-10-26T14:30:00Z2023-10-27T09:00:00Z
	ID vyúčtování výdajů ExpenseReportId	Jedinečný identifikátor každého vyúčtování výdajů, který slouží jako hlavní identifikátor případu v procesu.
Popis ID vyúčtování výdajů sdružuje všechny události a činnosti související s jedním podáním výdajů. Umožňuje sledovat celý průběh vyúčtování v časovém pořadí, od prvního záznamu až po konečnou platbu. V process mining je tento atribut nezbytný pro rekonstrukci celého průběhu každého vyúčtování. Pokud jej použijete jako ID případu, analýza může přesně vypočítat dobu zpracování, odhalit úzká místa a zobrazit různé cesty, kterými vyúčtování procházejí při schvalování. Proč je to důležité Tento základní atribut propojuje všechny související činnosti do jedné instance procesu a umožňuje analyzovat celý proces od začátku do konce. Kde data získat Tento identifikátor by měl být dostupný v hlavní tabulce vyúčtování výdajů nebo transakcí v Ramp. Příklady ER-2023-08-1123ER-2023-09-4591ER-2023-10-0024
	Název činnosti ActivityName	Název konkrétní události nebo úkolu, který v daném okamžiku proběhl v procesu správy výdajů.
Popis Tento atribut popisuje jeden krok v životním cyklu vyúčtování výdajů, například „Podání výdaje“, „Schválení manažerem“ nebo „Proplacení výdaje“. Tyto činnosti tvoří uzly mapy procesu a umožňují zobrazit a analyzovat jeho průběh. Analýza činností pomáhá zjistit, které kroky se opakují nejčastěji, kde vznikají úzká místa a jak se liší jednotlivá workflow. Je základem pro pochopení pořadí činností a měření výkonnosti v každé fázi. Proč je to důležité Určuje kroky v mapě procesu a umožňuje zobrazit a analyzovat jeho průběh od začátku do konce. Kde data získat Obvykle se odvozuje ze záznamů událostí nebo záznamů o změnách stavu jednotlivých vyúčtování v Ramp. Příklady Podání výdajeSchválení manažeremČeká na kontrolu finančním týmemProplacení výdaje
	Celková částka vyúčtování ReportTotalAmount	Celková peněžní hodnota vyúčtování výdajů.
Popis Tento atribut představuje součet všech výdajů zahrnutých do jednoho vyúčtování. Jde o důležitý finanční ukazatel, který pomáhá porozumět vzorcům výdajů. Při analýze procesu lze podle částky rozdělit případy a zjistit, zda vyúčtování s vysokou hodnotou procházejí jiným schvalováním nebo se zpracovávají déle. Atribut je základem dashboardů pro analýzu výdajů a pomáhá hledat možnosti úspor. Proč je to důležité Poskytuje důležitý finanční rozměr analýzy. Umožňuje rozdělit vyúčtování podle hodnoty a sledovat celkové výdaje. Kde data získat Jde o základní pole objektu vyúčtování výdajů v Ramp. Příklady 150.752500.0089.99
	Důvod vrácení k opravě RevisionReason	Důvod uvedený při vrácení vyúčtování zaměstnanci k opravě.
Popis Když schvalující osoba vyúčtování zamítne nebo vrátí, obvykle uvede důvod. Tento atribut jej zaznamenává, například „Chybí účtenka“, „Nesprávná kategorie“ nebo „Výdaj v rozporu s pravidly“. Tyto informace jsou velmi užitečné pro dashboard „Četnost a příčiny oprav vyúčtování“. Analýza nejčastějších důvodů opakované práce pomáhá odhalit systémové problémy při podávání a zavést cílené školení nebo úpravy systému, které omezí chyby. Proč je to důležité Ukazuje přímé příčiny opakované práce a umožňuje cíleně zlepšit kvalitu podání hned napoprvé. Kde data získat Tyto údaje se zaznamenávají v komentářích nebo podrobnostech zamítnutí při události „Vrácení výdaje k opravě“ v Ramp. Příklady Chybí podrobná účtenkaVýdaj překračuje limit stanovený pravidlyVybrána nesprávná kategorie výdajeDuplicitní transakce
	Jméno uživatele UserName	Jméno nebo ID uživatele, který provedl danou činnost, například zaměstnance, který podal výdaj, nebo schvalující osoby.
Popis Tento atribut určuje osobu odpovědnou za konkrétní událost v procesu, například za podání, schválení nebo kontrolu vyúčtování. Může jít o jméno zaměstnance nebo jedinečné ID uživatele. Analýza podle uživatele pomáhá porozumět rozložení pracovní zátěže, určit nejvýkonnější pracovníky a odhalit, kdo potřebuje další školení. Je důležitá pro dashboardy sledující výkonnost schvalování a správu zdrojů. Proč je to důležité Přiřazuje činnosti v procesu konkrétním osobám. Umožňuje analyzovat výkonnost jednotlivých zdrojů a určit potřeby školení. Kde data získat Údaje o uživatelích se obvykle zaznamenávají v auditní stopě nebo historii transakcí každého vyúčtování v Ramp. Příklady Alice JohnsonBob SmithCharlie BrownAutomatizace systému
	Kategorie výdaje ExpenseCategory	Kategorie přiřazená výdaji, například „Cestování“, „Software“ nebo „Stravování“.
Popis Tento atribut zařazuje výdaje do předem stanovených kategorií, což pomáhá sledovat a řídit firemní výdaje. Jedno vyúčtování může obsahovat položky z více kategorií. Analýza podle kategorie výdajů je nezbytná pro dashboard „Analýza kategorií výdajů“. Finančním týmům pomáhá zjistit, za co se utrácejí peníze, sledovat dodržování rozpočtu a odhalovat vývojové trendy či neobvyklé výdaje. Proč je to důležité Umožňuje podrobnou analýzu výdajů, pomáhá určit hlavní zdroje nákladů a najít možnosti, jak lépe využít rozpočet. Kde data získat V Ramp jde obvykle o podrobnost na úrovni jednotlivé položky vyúčtování. Pro některé analýzy může být nutné data seskupit na úrovni celého vyúčtování. Příklady LetenkaStravování a zábavaPředplatné softwaruKancelářské potřeby
	Oddělení zaměstnance EmployeeDepartment	Oddělení zaměstnance, který podal vyúčtování výdajů.
Popis Tento atribut označuje obchodní jednotku nebo oddělení, do kterého zaměstnanec podávající výdaje patří, například „Prodej“, „Technologie“ nebo „Marketing“. Jde o důležitý rozměr analýzy, protože umožňuje filtrovat a porovnávat výkonnost procesu v různých částech organizace. Může odhalit rozdíly v době schvalování, četnosti oprav a dodržování pravidel mezi odděleními a pomoci zacílit zlepšování. Proč je to důležité Umožňuje porovnávat ukazatele procesu mezi různými obchodními jednotkami a odhalit rozdíly v efektivitě, dodržování pravidel a výdajích. Kde data získat Tyto informace jsou pravděpodobně součástí uživatelského profilu zaměstnance v Ramp nebo propojeného HR systému. Příklady ProdejMarketingTechnologieFinance
	Příznak porušení pravidel PolicyViolationFlag	Příznak, který označuje, zda bylo vyúčtování označeno kvůli porušení pravidel.
Popis Tento logický atribut má hodnotu true, pokud automatické kontroly systému zjistí možné porušení firemních pravidel pro výdaje, například překročení limitu nebo duplicitní výdaj. Příznak je důležitý pro dashboard „Odhalování porušení pravidel“ a související KPI. Pomáhá měřit účinnost kontrol a odhalovat časté případy nedodržování pravidel. Na základě těchto informací lze upravit pravidla nebo proškolit zaměstnance. Proč je to důležité Přímo měří dodržování pravidel a pomáhá odhalovat a omezovat nepovolené výdaje i související rizika. Kde data získat V Ramp jde pravděpodobně o systémový příznak, který se nastaví při automatické kontrole pravidel během podání nebo schvalování. Příklady truefalse
	Byla nutná oprava IsRework	Vypočítaný příznak, který uvádí, zda byl výkaz výdajů alespoň jednou vrácen k úpravě.
Popis Tento booleovský atribut se odvozuje podle toho, zda u daného případu nastala aktivita „Výkaz výdajů vrácen k úpravě“. U každého výkazu, který prošel alespoň jedním cyklem úprav, se nastaví na true. Příznak zjednodušuje výpočet KPI „Míra úprav výkazů výdajů“ a umožňuje snadno filtrovat a porovnávat výkazy schválené napoprvé s těmi, které bylo nutné upravit. Analýza těchto skupin může ukázat časové a finanční dopady úprav. Proč je to důležité Umožňuje snadno vyčlenit případy, které vyžadovaly opravu, a vyčíslit četnost i dopad vracení výkazů k úpravě. Kde data získat Jde o vypočítané pole. Při transformaci dat se určí podle toho, zda případ obsahuje aktivitu související s úpravou. Příklady truefalse
	Čas ukončení události EventEndTime	Časové razítko označující konec činnosti, která měla určitou dobu trvání.
Popis Mnoho činností proběhne okamžitě, některé, například „Provedena kontrola zásad“, ale mohou mít měřitelnou dobu trvání. Tento atribut zaznamenává čas jejich ukončení a doplňuje údaj StartTime. Záznam času začátku i konce umožňuje přesně vypočítat dobu zpracování činnosti. To je důležité pro KPI, jako je „Průměrná doba kontroly zásad“, i pro zjištění, jak dlouho trvají konkrétní automatizované nebo manuální úkoly v rámci celého procesu. Proč je to důležité Umožňuje přesně vypočítat dobu jednotlivých činností, což je důležité pro odhalení neefektivních kroků procesu. Kde data získat U činností s určitou dobou trvání by se tento údaj zaznamenával v datech událostí Ramp. U okamžitých událostí může být stejný jako StartTime. Příklady 2023-10-26T10:00:05Z2023-10-26T14:35:10Z2023-10-27T09:10:00Z
	Počet schvalovacích kroků ApprovalStepCount	Celkový počet formálních schvalovacích kroků, kterými výkaz výdajů prošel.
Popis Tato vypočítaná metrika počítá počet různých schvalovacích aktivit, například „Schváleno manažerem“ a „Schváleno finančním oddělením“, které proběhly u jednoho výkazu výdajů. Pomáhá vyčíslit složitost schvalovacího workflow. Atribut se používá pro KPI „Průměrný počet schvalovacích kroků na výkaz“ a dashboard „Jednoduché schvalovací cesty výdajů“. Analýza počtu kroků, zejména ve vztahu k částce nebo kategorii výkazu, může ukázat, zda se u jednoduchých výdajů s nízkou hodnotou nepoužívá zbytečně složitý schvalovací proces. Proč je to důležité Vyčísluje složitost workflow a pomáhá hledat možnosti zjednodušení, zejména u výkazů s nízkým rizikem. Kde data získat Počítá výskyty konkrétních schvalovacích aktivit u každého případu v záznamu událostí. Příklady 123
	Poslední aktualizace dat LastDataUpdate	Časové razítko poslední aktualizace dat ze zdrojového systému.
Popis Tento atribut zaznamenává datum a čas posledního získání dat. Informuje o tom, jak aktuální jsou analyzovaná data. Pro správnou interpretaci výsledků je důležité vědět, jak jsou data stará. Atribut uživatelům ukazuje, zda pracují s aktuálními informacemi. Proč je to důležité Informuje uživatele o aktuálnosti dat a pomáhá zajistit, aby analýza vycházela z platných a relevantních informací. Kde data získat Toto časové razítko se vytvoří a přidá při získávání dat. Příklady 2023-11-01T06:00:00Z
	Schvalovatel z finančního oddělení FinanceApprover	Uživatel z finančního týmu, který schválil výkaz výdajů.
Popis U workflow, která zahrnují kontrolu finančním oddělením, tento atribut určuje konkrétní osobu nebo tým, který provedl konečné schválení. Atribut umožňuje analyzovat výkonnost jednotlivců i týmů v dashboardu „Efektivita kontroly finančním oddělením“. Pomáhá odhalit úzká místa, vyhodnotit rozložení pracovní zátěže a měřit účinnost této fáze kontroly. Proč je to důležité Umožňuje podrobně analyzovat výkonnost kontroly finančním oddělením a hledat možnosti, jak zlepšit důležitý kontrolní bod v procesu. Kde data získat Tento údaj by se zaznamenal v historii schvalování výkazu výdajů v Ramp během kontroly finančním oddělením. Příklady Finanční tým ADavid LeeAutomatizační bot finančního oddělení
	Schvalující manažer ApprovingManager	Jméno manažera, který provedl krok schválení.
Popis Tento atribut určuje manažera odpovědného za kontrolu a schválení vyúčtování výdajů zaměstnance. Nejde o uživatele, který vyúčtování podal. Sledování schvalujícího manažera je důležité pro dashboard „Doba schválení manažerem“. Umožňuje analyzovat vytížení a výkonnost při schvalování a zjistit, kteří manažeři schvalují rychle a u kterých vznikají úzká místa. Tyto informace mohou pomoci lépe rozdělit práci nebo poskytnout další podporu. Proč je to důležité Umožňuje analyzovat výkonnost jednotlivých schvalujících osob a odhalovat úzká místa ve workflow schvalování. Kde data získat Tato informace je součástí údajů o schvalovacím workflow v Ramp. Zaznamená se, když manažer provede akci u výkazu. Příklady Jane DoeJohn MillerSusan Chen
	Výsledek auditu AuditOutcome	Výsledek interního nebo externího auditu výkazu výdajů.
Popis U výkazů výdajů, které procházejí formálním auditem, tento atribut zaznamenává konečný výsledek, například „Schváleno“, „Částečně zamítnuto“ nebo „Je třeba doplnit informace“. Tato data jsou základem dashboardu „Výkonnost auditu výdajů“. Pomáhají vyhodnotit účinnost auditu, sledovat četnost jednotlivých výsledků a porozumět finančnímu dopadu zjištění. Proč je to důležité Měří účinnost a výsledky auditu a pomáhá odhalit nedostatky v oblasti shody a kontrolních mechanismů. Kde data získat Pokud se k podrobnému auditu výdajů používá modul auditu Ramp nebo integrovaný systém, výsledek by se zaznamenával tam. Příklady Úspěšně prošelÚspěšně prošel s připomínkamiZamítnutoPředáno k eskalaci
	Zdrojový systém SourceSystem	Určuje zdrojovou aplikaci, ze které byla data získána.
Popis Tento atribut určuje systém, ve kterém jsou uložena původní procesní data. V tomto případě jde o Ramp. Hodí se v prostředí, kde se kombinují data z více systémů, protože pomáhá zachovat přehled o jejich původu. Při analýze umožňuje filtrovat data podle zdroje a lze jej využít také k ověřování a správě dat. Proč je to důležité Uvádí původ dat, což je důležité pro jejich správu i při integraci dat z více systémů. Kde data získat Obvykle jde o neměnnou hodnotu („Ramp“), která se přidává při získávání a transformaci dat. Příklady Ramp
	Způsob odeslání SubmissionMethod	Kanál, kterým byl výkaz výdajů odeslán, například mobilní aplikace nebo webový portál.
Popis Tento atribut uvádí, jak zaměstnanec odeslal výkaz výdajů. Mezi běžné způsoby patří mobilní aplikace, webový prohlížeč na počítači nebo přeposlání e-mailu. Analýza způsobu odeslání může přinést informace o chování uživatelů a využívání technologií. Pokud se například výkazy odeslané určitým kanálem často vracejí k úpravám, může to ukazovat na problémy s jeho ovládáním. Proč je to důležité Poskytuje kontext k chování uživatelů a pomáhá zjistit, zda některé kanály odeslání souvisejí s vyšším počtem chyb nebo delším zpracováním. Kde data získat Tyto informace mohou být zaznamenány v metadatech události odeslání v systémových protokolech Ramp. Příklady Mobilní aplikaceWebový portálE-mail
	Způsob proplacení ReimbursementMethod	Způsob, kterým byla provedena platba náhrady výdajů, například převodem ACH nebo bankovním převodem.
Popis Tento atribut určuje platební kanál, kterým zaměstnanec obdržel náhradu výdajů. Jednotlivé způsoby se mohou lišit dobou zpracování i souvisejícími náklady. Analýza proplácení podle způsobu platby pomáhá určit nejefektivnější kanály. Dashboard „Výkonnost způsobů proplácení“ tato data využívá k porovnání doby zpracování a spolehlivosti, což může vést k optimalizaci platebních postupů. Proč je to důležité Umožňuje porovnat výkonnost jednotlivých platebních kanálů a hledat způsoby, jak zvýšit rychlost a spolehlivost. Kde data získat Tyto informace by měly být dostupné v záznamech o platbách nebo náhradách výdajů v Ramp. Příklady Převod ACHKredit z firemní kartyPřímý vklad

Povinné Doporučené Volitelné

Aktivity při správě výdajů

Jde o důležité kroky a milníky procesu, které je třeba zachytit v záznamu událostí pro přesné mapování procesů a měření výkonnosti.

5 Doporučené 7 Volitelné

	Aktivita	Popis
	Podání výdaje	Zaměstnanec potvrdí, že jsou vyplněny všechny potřebné údaje o výdaji, a odešle jej ke schválení. Touto výslovnou akcí uživatele se výdaj změní ze stavu „koncept“ nebo „vyžaduje pozornost“ na stav „čeká na schválení“.
Proč je to důležité Tato činnost je důležitým milníkem, který oficiálně zahajuje schvalování a proplácení výdaje. Slouží jako výchozí bod pro měření SLA schválení a proplacení. Kde data získat Událost se zaznamená z historie stavů výdaje. Odpovídá akci uživatele, který odeslal transakci ke kontrole. Zachycení Událost se zaznamená, když uživatel klikne na tlačítko „Odeslat“ a změní se stav výdaje. Typ události explicit
	Proplacení výdaje	Platba výdaje byla úspěšně zpracována a odeslána zaměstnanci. Pro zaměstnance jde obvykle o poslední krok a zároveň o konec platebního cyklu.
Proč je to důležité Jde o hlavní koncovou událost procesu proplácení. Doba od podání do tohoto okamžiku je důležitým KPI pro spokojenost zaměstnanců a efektivitu procesu. Kde data získat Událost se zachytí z protokolů zpracování plateb nebo z integrace s poskytovatelem plateb. Stav výdaje v Ramp se změní na „Proplaceno“ nebo „Zaplaceno“. Zachycení Událost se zaznamená, když platební systém potvrdí úspěšný převod peněz. Typ události explicit
	Schválení manažerem	Manažer výdaj zkontroloval a schválil. Ten tak může pokračovat k dalšímu kroku, například ke kontrole finančním týmem nebo k proplacení. Událost se zaznamená při výslovné akci uživatele.
Proč je to důležité Tento důležitý milník potvrzuje úspěšné dokončení první úrovně schválení. Je zásadní pro analýzu workflow schvalování a odhalení úzkých míst. Kde data získat Událost se zaznamená v historii schvalování výdaje, když manažer klikne na „Schválit“. Záznam událostí by měl obsahovat ID schvalující osoby a časové razítko. Zachycení Událost se zaznamená, když uživatel s oprávněním manažera klikne na „Schválit“. Typ události explicit
	Synchronizace s účetním systémem	Data o transakci výdaje byla úspěšně zaúčtována v propojeném účetním systému, například NetSuite, QuickBooks nebo Xero. Tato událost označuje dokončení účetní části procesu.
Proč je to důležité Jde o poslední činnost v celém procesu. Zdržení v této fázi může ovlivnit přesnost finančního výkaznictví i rychlost účetní závěrky. Kde data získat Událost se zaznamená v protokolu integrace nebo jako změna stavu výdaje v Ramp. Hledejte stav jako „Synchronizováno“, „Zaúčtováno“ nebo „Exportováno“. Zachycení Po úspěšné synchronizaci dat vytvoří záznam služba integrace s účetním systémem. Typ události explicit
	Vznik výdaje	Zaznamenává vznik výdaje. Obvykle k němu dojde automaticky při použití firemní karty nebo když zaměstnanec ručně vytvoří záznam o výdaji hrazeném z vlastních prostředků. Událost se zpravidla zachytí z dat o transakci nebo z akcí v uživatelském rozhraní.
Proč je to důležité Jde o hlavní počáteční událost životního cyklu výdaje. Analýza doby od této události pomáhá zjistit, jak dlouho trvá podání a jak rychle celý proces probíhá. Kde data získat Údaj pochází z protokolů transakcí kartou Ramp nebo z časového razítka vytvoření ručně zadaného výdaje. V tabulce výdajů nebo transakcí vyhledejte událost vytvoření prvního záznamu. Zachycení Událost se zaznamená přímo při zpracování karetní transakce nebo při vytvoření nového záznamu o výdaji uživatelem. Typ události explicit
	Čeká na kontrolu finančním týmem	Schválený výdaj byl předán finančnímu nebo účetnímu týmu a nyní čeká na kontrolu. Obvykle k tomu dochází u výdajů s vysokou hodnotou nebo u výdajů označených při kontrole pravidel. Činnost lze odvodit ze změny stavu.
Proč je to důležité Označuje začátek kontroly finančním týmem. Měření délky této fáze pomáhá posoudit vytížení a efektivitu týmu a odhalit možnosti automatizace. Kde data získat Lze ji odvodit ze změny stavu výdaje na „Čeká na schválení finančním týmem“ po schválení manažerem. Je třeba mít přístup k historii stavů výdaje. Zachycení Údaj se odvozuje z časového razítka, kdy se stav výdaje změní na „Čeká na kontrolu finančním týmem“. Typ události inferred
	Čeká na kontrolu manažerem	Výdaj byl podán a nyní čeká na kontrolu přímým nadřízeným zaměstnance. Tento stav lze odvodit ze změny stavu výdaje po podání na „Čeká na schválení manažerem“ nebo podobnou hodnotu.
Proč je to důležité Označuje začátek fáze schvalování manažerem. Analýza doby strávené v tomto stavu je důležitá pro měření a zkracování doby schválení. Kde data získat Stav lze odvodit ze změny stavu výdaje na hodnotu jako „Čeká na schválení“ a z přiřazení do fronty manažera. Je třeba sledovat historii stavů. Zachycení Údaj se odvozuje z časového razítka, kdy se stav výdaje změní na „Čeká na schválení manažerem“. Typ události inferred
	Kontrola pravidel	Systém automaticky ověří výdaj podle nastavených firemních pravidel a označí případná porušení. Tato událost se obvykle vytvoří automaticky krátce po podání.
Proč je to důležité Měří účinnost automatických kontrol dodržování pravidel a jejich vliv na proces. Pomáhá odhalit častá porušení pravidel a oblasti, ve kterých je třeba zaměstnance proškolit. Kde data získat Událost se pravděpodobně zaznamenává v auditní stopě nebo protokolu souvisejícím s transakcí výdaje. Hledejte systémové události jako „policy_check“ nebo „compliance_scan“. Zachycení Po automatické kontrole transakce modulem pro ověřování pravidel se vytvoří záznam v systémovém protokolu. Typ události explicit
	Naplánování proplacení	U výdajů hrazených z vlastních prostředků zaměstnance byla schválená částka zařazena ke zpracování platby. Událost znamená, že výdaj prošel všemi schváleními a je připraven k proplacení.
Proč je to důležité Tento milník odděluje schvalování od zpracování platby. Pomáhá rozlišit zdržení při zpracování platby od zdržení při schvalování. Kde data získat Událost lze pravděpodobně odvodit ze změny stavu výdaje na „Čeká na proplacení“ nebo „Připraveno k platbě“ po konečném schválení. Pokud se platby zpracovávají v dávkách, může jít také o samostatnou událost. Zachycení Údaj se odvozuje ze změny stavu na „Připraveno k proplacení“ nebo z vytvoření záznamu v tabulce platebních dávek. Typ události inferred
	Připojení účtenky	Zaznamenává okamžik, kdy se k výdaji přiřadí účtenka, ať už automaticky pomocí párování OCR, nebo ručně uživatelem. Událost se zachytí po úspěšném propojení souboru účtenky se záznamem transakce.
Proč je to důležité Sledování této činnosti pomáhá odhalit zdržení způsobená chybějícími doklady. Jde o důležitý krok pro dodržování pravidel a připravenost na audit. Kde data získat Událost se zaznamená v historii výdaje nebo transakce při nahrání či spárování účtenky. Hledejte událost vytvoření přílohy nebo příznak označující „receipt_attached“. Zachycení Událost vznikne, když systém propojí obrázek nebo soubor účtenky se záznamem výdaje. Typ události explicit
	Schválení finančním týmem	Finanční tým výdaj zkontroloval a udělil konečné schválení. Výdaj tak může být proplacen a synchronizován s účetním systémem. Událost se zaznamená při výslovné akci člena finančního týmu.
Proč je to důležité Jde o poslední schválení před platbou. Analýza této činnosti pomáhá porozumět celkové době schvalování a efektivitě finančního týmu. Kde data získat Událost se zaznamená v historii schvalování výdaje. Hledejte událost schválení spojenou s uživatelem z finančního oddělení. Zachycení Událost se zaznamená, když uživatel s oprávněním finančního týmu klikne na „Schválit“. Typ události explicit
	Vrácení výdaje k opravě	Schvalující osoba, manažer nebo pracovník finančního týmu, výdaj zamítla a vrátila jej zaměstnanci k opravě. Událost se zachytí změnou stavu na „Vyžaduje opravu“ nebo „Zamítnuto“.
Proč je to důležité Tato činnost představuje opakování části procesu, které přímo prodlužuje dobu zpracování. Sledování těchto událostí pomáhá odhalit časté chyby v podání a zvýšit podíl správných podání napoprvé. Kde data získat Událost lze odvodit ze změny stavu výdaje na „Vyžaduje opravu“ nebo podobnou hodnotu. Měla by být propojena se schvalující osobou, která tuto akci zahájila. Zachycení Údaj se odvozuje z časového razítka, kdy se stav výdaje změní na „Vyžaduje opravu“ nebo „Zamítnuto“. Typ události inferred

Doporučené Volitelné

Návody k získání dat

Jak získat data z Ramp

Kroky

Přihlaste se k účtu Ramp s oprávněním Admin nebo Bookkeeper.
V nabídce vlevo přejděte do sekce Transactions. Zobrazují se zde všechny výdaje z firemních karet.
Nastavte požadované filtry. Minimálně zvolte Date Range pro období, které chcete analyzovat. Podle potřeby můžete rozsah zúžit také pomocí filtrů, jako jsou Status, Category nebo Department.
Vpravo nahoře nad seznamem transakcí klikněte na tlačítko Export.
V okně exportu vyberte jako typ exportu Transactions a jako formát CSV. Stáhněte soubor a pojmenujte ho transactions_export.csv.
V nabídce vlevo přejděte do sekce Reimbursements. Zobrazují se zde všechny výdaje hrazené zaměstnanci z vlastních prostředků.
Nastavte stejný filtr období jako při exportu transakcí, aby byla data konzistentní.
Klikněte na Export a stáhněte data o náhradách výdajů ve formátu CSV. Soubor pojmenujte reimbursements_export.csv.
Oba exportované soubory CSV (transactions_export.csv a reimbursements_export.csv) uložte do stejné složky jako dodaný skript Python.
Spusťte skript Python. Načte oba soubory, převede data tak, aby každý obchodní případ měl vlastní řádek, a sloučí je do jednoho strukturovaného záznamu událostí.
Skript vytvoří soubor ramp_event_log.csv ve formátu požadovaném ProcessMind.
Nahrajte soubor ramp_event_log.csv do ProcessMind k analýze.

Konfigurace

Oprávnění: K přístupu a exportu úplných datových sad transakcí a náhrad výdajů musíte mít v Ramp roli „Admin“ nebo „Bookkeeper“.
Období: Pro úvodní analýzu vyberte období alespoň 6 až 12 měsíců, abyste zachytili dostatek variant procesu. Při průběžném sledování můžete použít kratší a aktuálnější období.
Konzistence dat: Při exportu souborů Transactions i Reimbursements použijte přesně stejné období a filtry, aby byla datová sada konzistentní.
Formát exportu: U obou exportů vždy zvolte formát CSV. Skript pro transformaci zpracovává soubory oddělené čárkami.
Názvy souborů: Použijte názvy transactions_export.csv a reimbursements_export.csv, případně upravte odpovídající proměnné cest k souborům ve skriptu pro transformaci.

Ukázkový dotaz python

import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration ---
TRANSACTIONS_FILE = class="hl-string">'transactions_export.csv'
REIMBURSEMENTS_FILE = class="hl-string">'reimbursements_export.csv'
OUTPUT_FILE = class="hl-string">'ramp_event_log.csv'

class=class="hl-string">"hl-comment"># --- Load Data ---
def load_data():
    try:
        transactions_df = pd.read_csv(TRANSACTIONS_FILE)
        reimbursements_df = pd.read_csv(REIMBURSEMENTS_FILE)
        print(class="hl-string">"Successfully loaded transactions and reimbursements files.")
        return transactions_df, reimbursements_df
    except FileNotFoundError as e:
        print(fclass="hl-string">"Error: {e}. Make sure '{TRANSACTIONS_FILE}' and '{REIMBURSEMENTS_FILE}' are in the same directory.")
        return None, None

class=class="hl-string">"hl-comment"># --- Main Transformation Logic ---
def transform_to_event_log(transactions_df, reimbursements_df):
    events = []

    class=class="hl-string">"hl-comment"># Standardize column names for easier processing
    class=class="hl-string">"hl-comment"># These names are based on typical Ramp CSV exports, adjust if your export has different headers
    transactions_df.rename(columns={
        class="hl-string">'Transaction ID': class="hl-string">'ExpenseReportId',
        class="hl-string">'User Name': class="hl-string">'UserName',
        class="hl-string">'Department': class="hl-string">'EmployeeDepartment',
        class="hl-string">'Amount': class="hl-string">'ReportTotalAmount',
        class="hl-string">'Category Name': class="hl-string">'ExpenseCategory',
        class="hl-string">'Transaction Date': class="hl-string">'ExpenseIncurredTimestamp',
        class="hl-string">'Receipts Attached At': class="hl-string">'ReceiptAttachedTimestamp',
        class="hl-string">'Submitted At': class="hl-string">'ExpenseSubmittedTimestamp',
        class="hl-string">'Manager Approved At': class="hl-string">'ManagerApprovedTimestamp',
        class="hl-string">'Needs Review At': class="hl-string">'FinanceReviewPendingTimestamp',
        class="hl-string">'Admin Approved At': class="hl-string">'FinanceApprovedTimestamp',
        class="hl-string">'Accounting Sync At': class="hl-string">'SyncedTimestamp',
        class="hl-string">'Memo': class="hl-string">'RevisionReason',
        class="hl-string">'State': class="hl-string">'Status'
    }, inplace=True)

    reimbursements_df.rename(columns={
        class="hl-string">'Reimbursement ID': class="hl-string">'ExpenseReportId',
        class="hl-string">'User Name': class="hl-string">'UserName',
        class="hl-string">'Department': class="hl-string">'EmployeeDepartment',
        class="hl-string">'Amount': class="hl-string">'ReportTotalAmount',
        class="hl-string">'Category Name': class="hl-string">'ExpenseCategory',
        class="hl-string">'Created At': class="hl-string">'ReimbursementScheduledTimestamp',
        class="hl-string">'Paid Out At': class="hl-string">'ReimbursementExecutedTimestamp',
        class="hl-string">'Memo': class="hl-string">'RevisionReason',
        class="hl-string">'State': class="hl-string">'Status'
    }, inplace=True)

    class=class="hl-string">"hl-comment"># Combine card transactions and reimbursements into a single dataframe for processing common events
    class=class="hl-string">"hl-comment"># Note: Reimbursements will be processed separately for reimbursement-specific events
    combined_df = transactions_df

    class=class="hl-string">"hl-comment"># Process activities from the combined dataframe
    for _, row in combined_df.iterrows():
        base_event = {
            class="hl-string">'ExpenseReportId': row.get(class="hl-string">'ExpenseReportId'),
            class="hl-string">'UserName': row.get(class="hl-string">'UserName'),
            class="hl-string">'EmployeeDepartment': row.get(class="hl-string">'EmployeeDepartment'),
            class="hl-string">'ReportTotalAmount': row.get(class="hl-string">'ReportTotalAmount'),
            class="hl-string">'ExpenseCategory': row.get(class="hl-string">'ExpenseCategory'),
            class="hl-string">'PolicyViolationFlag': class="hl-string">'FLAGGED' in str(row.get(class="hl-string">'Flags')), class=class="hl-string">"hl-comment"># Infer from class="hl-string">'Flags' column
            class="hl-string">'RevisionReason': row.get(class="hl-string">'RevisionReason')
        }

        class=class="hl-string">"hl-comment"># Activity: Expense Incurred
        if pd.notna(row.get(class="hl-string">'ExpenseIncurredTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Incurred', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseIncurredTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Receipt Attached
        if pd.notna(row.get(class="hl-string">'ReceiptAttachedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Receipt Attached', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReceiptAttachedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Expense Submitted
        if pd.notna(row.get(class="hl-string">'ExpenseSubmittedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Submitted', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseSubmittedTimestamp')})
            class=class="hl-string">"hl-comment"># Inferred Activity: Policy Check Performed (assumed to happen right after submission)
            policy_check_ts = pd.to_datetime(row.get(class="hl-string">'ExpenseSubmittedTimestamp')) + pd.Timedelta(seconds=1)
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Policy Check Performed', class="hl-string">'EventTimestamp': policy_check_ts.isoformat()})
            class=class="hl-string">"hl-comment"># Inferred Activity: Manager Review Pending (starts when submitted)
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Manager Review Pending', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseSubmittedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Manager Approved
        if pd.notna(row.get(class="hl-string">'ManagerApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Manager Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ManagerApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Review Pending
        if pd.notna(row.get(class="hl-string">'FinanceReviewPendingTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Review Pending', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceReviewPendingTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Approved
        if pd.notna(row.get(class="hl-string">'FinanceApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Synced with Accounting System
        if pd.notna(row.get(class="hl-string">'SyncedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Synced with Accounting System', class="hl-string">'EventTimestamp': row.get(class="hl-string">'SyncedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Expense Sent Back for Revision
        if row.get(class="hl-string">'Status') == class="hl-string">'REJECTED' and pd.notna(row.get(class="hl-string">'Updated At')):
             events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Sent Back for Revision', class="hl-string">'EventTimestamp': row.get(class="hl-string">'Updated At')}) class=class="hl-string">"hl-comment"># Using last updated time for rejection

    class=class="hl-string">"hl-comment"># Process reimbursement-specific activities
    for _, row in reimbursements_df.iterrows():
        base_event = {
            class="hl-string">'ExpenseReportId': row.get(class="hl-string">'ExpenseReportId'),
            class="hl-string">'UserName': row.get(class="hl-string">'UserName'),
            class="hl-string">'EmployeeDepartment': row.get(class="hl-string">'EmployeeDepartment'),
            class="hl-string">'ReportTotalAmount': row.get(class="hl-string">'ReportTotalAmount'),
            class="hl-string">'ExpenseCategory': row.get(class="hl-string">'ExpenseCategory'),
            class="hl-string">'PolicyViolationFlag': False, class=class="hl-string">"hl-comment"># Typically less flagging on reimbursements
            class="hl-string">'RevisionReason': row.get(class="hl-string">'RevisionReason')
        }

        class=class="hl-string">"hl-comment"># Activity: Reimbursement Scheduled
        if row.get(class="hl-string">'Status') == class="hl-string">'APPROVED' and pd.notna(row.get(class="hl-string">'ReimbursementScheduledTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Reimbursement Scheduled', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReimbursementScheduledTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Reimbursement Executed
        if row.get(class="hl-string">'Status') == class="hl-string">'PAID' and pd.notna(row.get(class="hl-string">'ReimbursementExecutedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Reimbursement Executed', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReimbursementExecutedTimestamp')})

    if not events:
        print(class="hl-string">"Warning: No events were generated. Check the input files and column names.")
        return None

    class=class="hl-string">"hl-comment"># Create final DataFrame
    event_log_df = pd.DataFrame(events)
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp'])
    event_log_df.sort_values(by=[class="hl-string">'ExpenseReportId', class="hl-string">'EventTimestamp'], inplace=True)
    
    return event_log_df

class=class="hl-string">"hl-comment"># --- Main execution block ---
if __name__ == class="hl-string">"__main__":
    transactions_df, reimbursements_df = load_data()
    if transactions_df is not None and reimbursements_df is not None:
        event_log = transform_to_event_log(transactions_df, reimbursements_df)
        if event_log is not None:
            event_log.to_csv(OUTPUT_FILE, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
            print(fclass="hl-string">"Successfully created event log with {len(event_log)} events. Saved to '{OUTPUT_FILE}'.")

Kroky

Předpoklady a nastavení prostředí: Ověřte, že máte nainstalovaný Python verze 3.8 nebo novější. Potřebné knihovny Python nainstalujete příkazem pip install requests pandas. K vytvoření přihlašovacích údajů API potřebujete také administrátorský přístup k instanci Ramp.
Vytvoření přihlašovacích údajů Ramp API: Přihlaste se k účtu Ramp. Přejděte do Settings a v postranní nabídce vyberte Developer API. Klikněte na „Create App“, pojmenujte aplikaci a nastavte požadované rozsahy oprávnění. Budete potřebovat transactions:read, reimbursements:read a users:read. Po vytvoření si bezpečně zkopírujte Client ID a Client Secret.
Nastavení skriptu Python: Vytvořte nový soubor Python, například extract_ramp_log.py. Vložte do něj dodaný skript Python. Nastavte Client ID a Client Secret jako proměnné prostředí nebo je pro účely testování zadejte přímo do skriptu. Z bezpečnostních důvodů doporučujeme použít proměnné prostředí.
Nastavení období pro získání dat: Ve skriptu najděte proměnné START_DATE a END_DATE v bloku spuštění main. Upravte je podle období, za které chcete data získat. Pro úvodní analýzu doporučujeme období 3 až 6 měsíců.
Spuštění skriptu: Spusťte skript v terminálu příkazem python extract_ramp_log.py. Skript se ověří vůči Ramp API, získá data z koncových bodů users, transactions a reimbursements a automaticky zpracuje stránkování.
Jak fungují volání API: Skript nejprve získá údaje o všech uživatelích a vytvoří mapování ID uživatelů na jména a oddělení. Poté načte všechny náhrady výdajů z vybraného období. U každé náhrady získá historii schvalování a plateb.
Převod dat na záznam událostí: Hlavní část skriptu projde jednotlivé náhrady a související historii stavů. Každou změnu stavu, například „MANAGER_APPROVAL“ nebo „FINISHED“, převede na samostatnou aktivitu, například „Čeká na kontrolu manažerem“ nebo „Náhrada vyplacena“. Načte také související údaje o transakcích a vytvoří události „Výdaj vznikl“ a „Doklad přiložen“.
Doplnění dat: Skript doplní záznam událostí o údaje o uživatelích, odděleních a kategoriích výdajů pro každou událost. Výsledkem je ucelená datová sada pro analýzu procesu.
Kontrola výstupu: Po dokončení skript vytvoří ve stejné složce soubor ramp_event_log.csv. Otevřete ho v tabulkovém procesoru, zkontrolujte data a ověřte, že se načetla podle očekávání.
Příprava k nahrání: Vytvořený soubor CSV obsahuje požadované sloupce ExpenseReportId, ActivityName, EventTimestamp a další doporučené atributy. Soubor můžete rovnou nahrát do platformy ProcessMind.

Konfigurace

Přihlašovací údaje API: K ověření jsou potřeba platné hodnoty Client ID a Client Secret. Vytvoříte je v dashboardu Ramp v části Settings > Developer API.
Rozsahy oprávnění API: Skript potřebuje konkrétní oprávnění k přístupu k datům. Ověřte, že jsou pro váš klíč API povoleny následující rozsahy: transactions:read (údaje o výdajích a dokladech), reimbursements:read (odeslání, schválení a stav platby) a users:read (jméno a oddělení zaměstnance).
Období: Rozsah získaných dat určují parametry START_DATE a END_DATE ve skriptu. Doporučujeme začít nedávným obdobím, například posledními 3 až 6 měsíci, aby úvodní datová sada nebyla příliš velká. Filtr se použije na datum vytvoření náhrady výdajů.
Stránkování: Skript automaticky zpracovává stránkování API pomocí kurzoru starting_after, který poskytuje Ramp API. Záznamy načítá po dávkách, maximálně 100 na jeden požadavek, aby získal všechna data z vybraného období.
Omezení počtu požadavků: Ramp API má limit, obvykle 600 požadavků za minutu. Dodaný skript je zpravidla dostatečně efektivní. U velmi rozsáhlých datových sad ale může být nutné mezi volání API vložit krátké prodlevy, pokud narazíte na limit požadavků.

Ukázkový dotaz python

import os
import requests
import pandas as pd
from datetime import datetime, timezone

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># It is recommended to use environment variables for credentials
CLIENT_ID = os.getenv(class="hl-string">'RAMP_CLIENT_ID', class="hl-string">'[Your_Ramp_Client_ID]')
CLIENT_SECRET = os.getenv(class="hl-string">'RAMP_CLIENT_SECRET', class="hl-string">'[Your_Ramp_Client_Secret]')

API_BASE_URL = class="hl-string">'https://api.ramp.com/v1'
TOKEN_URL = class="hl-string">'https://api.ramp.com/v1/public/customer/token'

class=class="hl-string">"hl-comment"># --- Main Functions ---

def get_access_token():
    class="hl-string">"""Authenticates with the Ramp API to get a bearer token."""
    headers = {class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded'}
    data = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'scope': class="hl-string">'transactions:read reimbursements:read users:read'
    }
    try:
        response = requests.post(TOKEN_URL, headers=headers, data=data)
        response.raise_for_status()
        return response.json()[class="hl-string">'access_token']
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error obtaining access token: {e}")
        if e.response is not None:
            print(fclass="hl-string">"Response body: {e.response.text}")
        return None

def fetch_paginated_data(endpoint, access_token, params=None):
    class="hl-string">"""Fetches all data from a paginated Ramp API endpoint."""
    all_data = []
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    url = fclass="hl-string">"{API_BASE_URL}{endpoint}"
    
    while url:
        try:
            response = requests.get(url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            all_data.extend(data.get(class="hl-string">'data', []))
            url = data.get(class="hl-string">'next') class=class="hl-string">"hl-comment"># Ramp uses a full URL for the next page
            params = None class=class="hl-string">"hl-comment"># Subsequent requests use the class="hl-string">'next' URL which includes params
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching data from {endpoint}: {e}")
            break
            
    return all_data

def map_state_to_activity(state, reason_code):
    class="hl-string">"""Maps reimbursement state history to a user-friendly activity name."""
    if reason_code == class="hl-string">'REJECTED':
        return class="hl-string">'Expense Sent Back for Revision'
    
    state_map = {
        class="hl-string">'SUBMITTED': class="hl-string">'Expense Submitted',
        class="hl-string">'MANAGER_APPROVAL': class="hl-string">'Manager Review Pending',
        class="hl-string">'ACCOUNTING_APPROVAL': class="hl-string">'Finance Review Pending',
        class="hl-string">'MANAGER_APPROVED': class="hl-string">'Manager Approved',
        class="hl-string">'ACCOUNTING_APPROVED': class="hl-string">'Finance Approved',
        class="hl-string">'PAYMENT_SCHEDULED': class="hl-string">'Reimbursement Scheduled',
        class="hl-string">'PAYMENT_PROCESSING': class="hl-string">'Reimbursement Executed', class=class="hl-string">"hl-comment"># Approximation
        class="hl-string">'FINISHED': class="hl-string">'Reimbursement Executed',
        class="hl-string">'SYNCED': class="hl-string">'Synced with Accounting System'
    }
    return state_map.get(state)

class=class="hl-string">"hl-comment"># --- Main Execution ---
def main():
    class="hl-string">"""Main script to extract, transform, and save the event log."""
    print(class="hl-string">"Starting Ramp data extraction...")
    access_token = get_access_token()
    if not access_token:
        print(class="hl-string">"Failed to get access token. Exiting.")
        return

    class=class="hl-string">"hl-comment"># 1. Fetch Users for enrichment
    print(class="hl-string">"Fetching users...")
    users = fetch_paginated_data(class="hl-string">'/users', access_token)
    user_map = {u[class="hl-string">'id']: {class="hl-string">'name': fclass="hl-string">"{u['first_name']} {u['last_name']}", class="hl-string">'department': u.get(class="hl-string">'department')} for u in users}
    print(fclass="hl-string">"Found {len(user_map)} users.")

    class=class="hl-string">"hl-comment"># 2. Fetch Reimbursements within a date range
    START_DATE = class="hl-string">'2023-01-01T00:00:00Z'
    END_DATE = class="hl-string">'2023-12-31T23:59:59Z'
    print(fclass="hl-string">"Fetching reimbursements from {START_DATE} to {END_DATE}...")
    reimbursement_params = {class="hl-string">'created_at_gte': START_DATE, class="hl-string">'created_at_lte': END_DATE}
    reimbursements = fetch_paginated_data(class="hl-string">'/reimbursements', access_token, params=reimbursement_params)
    print(fclass="hl-string">"Found {len(reimbursements)} reimbursements.")

    event_log = []

    class=class="hl-string">"hl-comment"># 3. Process each reimbursement to create the event log
    for r in reimbursements:
        case_id = r[class="hl-string">'id']
        report_total = r[class="hl-string">'amount']
        submitter_id = r[class="hl-string">'user_id']
        submitter_details = user_map.get(submitter_id, {class="hl-string">'name': class="hl-string">'Unknown User', class="hl-string">'department': None})
        expense_category = r.get(class="hl-string">'merchant_name') class=class="hl-string">"hl-comment"># Best available proxy for category
        
        class=class="hl-string">"hl-comment"># Process reimbursement state history
        for history in r.get(class="hl-string">'state_history', []):
            activity_name = map_state_to_activity(history[class="hl-string">'state'], history.get(class="hl-string">'reason_code'))
            if activity_name:
                event_log.append({
                    class="hl-string">'ExpenseReportId': case_id,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': history[class="hl-string">'created_at'],
                    class="hl-string">'UserName': user_map.get(history.get(class="hl-string">'user_id'), submitter_details)[class="hl-string">'name'],
                    class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                    class="hl-string">'ReportTotalAmount': report_total,
                    class="hl-string">'ExpenseCategory': expense_category,
                    class="hl-string">'PolicyViolationFlag': None, class=class="hl-string">"hl-comment"># Not directly available in reimbursement history
                    class="hl-string">'RevisionReason': history.get(class="hl-string">'reason_notes')
                })

        class=class="hl-string">"hl-comment"># Fetch and process associated transactions
        for tx_id in r.get(class="hl-string">'transaction_ids', []):
            try:
                tx_response = requests.get(fclass="hl-string">"{API_BASE_URL}/transactions/{tx_id}", headers={class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'})
                tx_response.raise_for_status()
                tx = tx_response.json()

                class=class="hl-string">"hl-comment"># Activity: Expense Incurred
                event_log.append({
                    class="hl-string">'ExpenseReportId': case_id,
                    class="hl-string">'ActivityName': class="hl-string">'Expense Incurred',
                    class="hl-string">'EventTimestamp': tx[class="hl-string">'user_transaction_time'],
                    class="hl-string">'UserName': submitter_details[class="hl-string">'name'],
                    class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                    class="hl-string">'ReportTotalAmount': report_total,
                    class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                    class="hl-string">'PolicyViolationFlag': tx.get(class="hl-string">'flagged_for_review'),
                    class="hl-string">'RevisionReason': None
                })

                class=class="hl-string">"hl-comment"># Activity: Receipt Attached
                if tx.get(class="hl-string">'receipts') and len(tx[class="hl-string">'receipts']) > 0:
                    receipt_time = tx[class="hl-string">'receipts'][0].get(class="hl-string">'upload_time', tx[class="hl-string">'user_transaction_time']) class=class="hl-string">"hl-comment"># Use transaction time as fallback
                    event_log.append({
                        class="hl-string">'ExpenseReportId': case_id,
                        class="hl-string">'ActivityName': class="hl-string">'Receipt Attached',
                        class="hl-string">'EventTimestamp': receipt_time,
                        class="hl-string">'UserName': submitter_details[class="hl-string">'name'],
                        class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                        class="hl-string">'ReportTotalAmount': report_total,
                        class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                        class="hl-string">'PolicyViolationFlag': tx.get(class="hl-string">'flagged_for_review'),
                        class="hl-string">'RevisionReason': None
                    })

                class=class="hl-string">"hl-comment"># Activity: Policy Check Performed (Approximation)
                if tx.get(class="hl-string">'flagged_for_review'):
                    event_log.append({
                        class="hl-string">'ExpenseReportId': case_id,
                        class="hl-string">'ActivityName': class="hl-string">'Policy Check Performed',
                        class="hl-string">'EventTimestamp': r.get(class="hl-string">'created_at'), class=class="hl-string">"hl-comment"># Use submission time as proxy
                        class="hl-string">'UserName': class="hl-string">'System',
                        class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                        class="hl-string">'ReportTotalAmount': report_total,
                        class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                        class="hl-string">'PolicyViolationFlag': True,
                        class="hl-string">'RevisionReason': None
                    })

            except requests.exceptions.RequestException as e:
                print(fclass="hl-string">"Could not fetch transaction {tx_id}: {e}")

    if not event_log:
        print(class="hl-string">"No events were generated. Check the date range and API responses.")
        return

    class=class="hl-string">"hl-comment"># 4. Create and save DataFrame
    print(class="hl-string">"Finalizing event log...")
    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">'ExpenseReportId', class="hl-string">'EventTimestamp'])

    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'ExpenseReportId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'UserName',
        class="hl-string">'EmployeeDepartment', class="hl-string">'ReportTotalAmount', class="hl-string">'ExpenseCategory',
        class="hl-string">'PolicyViolationFlag', class="hl-string">'RevisionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
    
    df = df[final_columns]

    output_filename = class="hl-string">'ramp_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%f%z')
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Kroky

Ověřte, že vaše předplatné Ramp zahrnuje nativní integraci s datovým skladem a že ji může správce nastavit. Vyberte podporovaný datový sklad, například Snowflake nebo BigQuery, a nakonfigurujte přístup podle bezpečnostních standardů vaší organizace. Přesné cesty v nabídce a cílové objekty závisí na nastavení Ramp, proto použijte [Nastavte podle svého systému].
Nakonfigurujte cílový datový sklad, databázi nebo projekt, schéma nebo datovou sadu, oblast, přihlašovací údaje a rozsah synchronizace. Poznamenejte si názvy replikovaných tabulek a sloupců zobrazené v Ramp. Názvy tabulek nepředpokládejte, protože se liší podle integrace a nastavení účtu.
Najděte replikovaná data o výkazech výdajů, transakcích, dokladech, schvalování, zásadách, náhradách výdajů a synchronizaci účetnictví. Namapujte jednotlivé zdroje na pole potřebná pro záznam událostí. Pokud některá požadovaná událost životního cyklu není zaznamenána přímo, najděte zdrojovou historii stavů nebo auditní data, která ji zachycují.
Určete období pro získání dat, nejlépe tři až šest měsíců, pomocí položek [Počáteční datum] a [Koncové datum]. Filtry podle společnosti nebo organizační jednotky použijte pouze tehdy, pokud jsou odpovídající pole ve zdroji dostupná. Zachovejte časové pásmo zdroje nebo převeďte všechna časová razítka na zdokumentované společné časové pásmo.
Vytvořte pohled nebo dotaz v datovém skladu, který sjednotí zdrojová pole do položek ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag a RevisionReason. V dodaném dotazu nahraďte všechny zástupné názvy tabulek a sloupců v hranatých závorkách názvy z replikovaného schématu.
Každou aktivitu životního cyklu načtěte jako samostatný řádek události. Níže uvedený dotaz obsahuje samostatný úplný blok SELECT pro každou z 12 požadovaných aktivit. Události neodvozujte z nesouvisejících záznamů. U aktivit založených na stavu použijte historii stavů nebo tabulku událostí, nikoli pouze aktuální stav výkazu, aby se zachovaly i historické změny.
Ověřte identifikátory, časová razítka, názvy aktivit, práci s duplicitami a hodnotami null. Zkontrolujte, že každá událost patří ke správnému ExpenseReportId a že se opakované události zachovají, pokud zdroj zaznamenává více oprávněných výskytů.
Exportujte výsledek do CSV nebo jiného tabulkového formátu podporovaného ProcessMind. Zahrňte přesné názvy požadovaných sloupců ExpenseReportId, ActivityName a EventTimestamp, dostupné doporučené atributy a soubor nahrajte s identifikátorem případu Expense Report ID. ProcessMind načítá záznam událostí tak, jak je, proto neočekávejte, že chybějící aktivity doplní.

Konfigurace

Cíl integrace: Nakonfigurujte nativní integraci Ramp s datovým skladem Snowflake nebo BigQuery. Přesné nastavení účtu najdete v části [Nastavte podle svého systému].
Zdrojové objekty: Použijte replikované objekty pro výkazy výdajů, transakce, doklady, schvalování, zásady, náhrady výdajů a synchronizaci účetnictví, které jsou dostupné v datovém skladu. Zástupné hodnoty [Název vaší tabulky] a [Název vašeho sloupce] nahraďte ověřenými názvy z integrace.
Období: Začněte daty za tři až šest měsíců. Období prodlužte až poté, co ověříte náklady datového skladu, dobu trvání dotazu, objem událostí a limity nahrávání ProcessMind.
Filtrování podle data: Pokud chcete zachytit všechny aktivity, které v daném období proběhly, filtrujte podle časového razítka události, nikoli pouze podle data vytvoření výkazu.
Organizační filtry: Filtrujte podle kódu společnosti, právního subjektu, oddělení, programu karet nebo jiných údajů pouze tehdy, pokud jsou tato pole v replikovaných datech dostupná. Pokud potřebujete omezit data na konkrétní společnost, použijte [Filtr společnosti].
Historie aktivit: Upřednostňujte neměnné auditní záznamy nebo historii stavů. Tabulky s aktuálním stavem nemusí zachovávat historii přiložení dokladu, odeslání, schválení, úprav, náhrad výdajů ani synchronizace účetnictví.
Práce s časovými razítky: Sjednoťte časová razítka do jednoho časového pásma a zaznamenejte, zda zdrojové hodnoty používají UTC, nebo místní čas. Pokud je to možné, zachovejte přesnost zdroje.
Potřebná oprávnění: Správce může potřebovat oprávnění ke konfiguraci integrace, vytváření nebo dotazování objektů datového skladu a přístupu k údajům o výdajích, schvalování, náhradách a účetnictví.
Licence a dostupnost: Dostupnost replikace datového skladu, historických auditních údajů, údajů o náhradách výdajů a údajů o synchronizaci účetnictví závisí na tarifu Ramp, povolených modulech, nastavení integrace a zásadách uchovávání dat.
Výkon: Omezte období hned na začátku, vybírejte pouze potřebné sloupce, podle potřeby filtrujte podle organizace a u rozsáhlých datových sad vytvořte mezilehlý normalizovaný pohled nebo tabulku. Rozdělte data do oddílů nebo je seskupte podle možností cílového datového skladu.
Průběžné načítání: Při opakovaném načítání použijte jako značku posledního zpracování nejvyšší zpracované EventTimestamp a přidejte krátké překrývající se období. Duplicitní události odstraňujte pouze na základě ověřeného identifikátoru zdrojové události, protože jejich odstranění může změnit obraz procesu.

Ukázkový dotaz python

import os
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"WAREHOUSE_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = class="hl-string">"[Start date]"
END_DATE = class="hl-string">"[End date]"
COMPANY_FILTER = class="hl-string">"[Company filter]"

engine = create_engine(CONNECTION_STRING)

sql = text(class="hl-string">"""
WITH
expense_incurred AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Incurred' AS ActivityName,
        [Expense incurred timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense incurred table]
    WHERE [Expense incurred timestamp column] >= :start_date
      AND [Expense incurred timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
receipt_attached AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Receipt Attached' AS ActivityName,
        [Receipt attached timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your receipt attachment table]
    WHERE [Receipt attached timestamp column] >= :start_date
      AND [Receipt attached timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_submitted AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Submitted' AS ActivityName,
        [Submission timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense submission table]
    WHERE [Submission timestamp column] >= :start_date
      AND [Submission timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
policy_check_performed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Policy Check Performed' AS ActivityName,
        [Policy check timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your policy check table]
    WHERE [Policy check timestamp column] >= :start_date
      AND [Policy check timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Review Pending' AS ActivityName,
        [Manager pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Manager Approval'
      AND [Manager pending timestamp column] >= :start_date
      AND [Manager pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Approved' AS ActivityName,
        [Manager approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your manager approval table]
    WHERE [Manager approval timestamp column] >= :start_date
      AND [Manager approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Review Pending' AS ActivityName,
        [Finance pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Finance Approval'
      AND [Finance pending timestamp column] >= :start_date
      AND [Finance pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Approved' AS ActivityName,
        [Finance approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your finance approval table]
    WHERE [Finance approval timestamp column] >= :start_date
      AND [Finance approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_sent_back AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Sent Back for Revision' AS ActivityName,
        [Revision timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        [Revision reason column] AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] IN ('Needs Revision', 'Rejected')
      AND [Revision timestamp column] >= :start_date
      AND [Revision timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_scheduled AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Scheduled' AS ActivityName,
        [Reimbursement scheduled timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement schedule table]
    WHERE [Reimbursement scheduled timestamp column] >= :start_date
      AND [Reimbursement scheduled timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_executed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Executed' AS ActivityName,
        [Reimbursement executed timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement payment table]
    WHERE [Reimbursement executed timestamp column] >= :start_date
      AND [Reimbursement executed timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
synced_with_accounting AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Synced with Accounting System' AS ActivityName,
        [Accounting sync timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your accounting synchronization table]
    WHERE [Accounting sync timestamp column] >= :start_date
      AND [Accounting sync timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
)
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_incurred
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM receipt_attached
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_submitted
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM policy_check_performed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_sent_back
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_scheduled
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_executed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM synced_with_accounting
ORDER BY ExpenseReportId, EventTimestamp, ActivityName
""")

with engine.connect() as connection:
    event_log = pd.read_sql(
        sql,
        connection,
        params={
            class="hl-string">"start_date": START_DATE,
            class="hl-string">"end_date": END_DATE,
            class="hl-string">"company_filter": COMPANY_FILTER
        }
    )

event_log[class="hl-string">"EventTimestamp"] = pd.to_datetime(event_log[class="hl-string">"EventTimestamp"], errors=class="hl-string">"coerce", utc=True)
event_log = event_log[event_log[class="hl-string">"ExpenseReportId"].notna() & event_log[class="hl-string">"EventTimestamp"].notna()].copy()
event_log.to_csv(class="hl-string">"ramp_expense_event_log.csv", index=False)
print(event_log.head())
print(event_log.groupby(class="hl-string">"ActivityName", dropna=False).size())

Chcete začít?

Využijte tuto šablonu ke zlepšení správy výdajů, zvýšení efektivity a urychlení schvalování. Začněte optimalizovat provoz ještě dnes.

Zpět na průvodce zlepšováním

Stáhnout šablonu

Zvyšte efektivitu: optimalizujte správu výdajů v Ramp

Odhalte neefektivitu, zjednodušte schvalování a zkraťte dobu zpracování o 30 %.

Začněte zkušební verzi zdarma

Bez platební karty, nastavení zabere jen několik minut.

Šablona dat pro správu výdajů

Šablona dat pro správu výdajů

Atributy správy výdajů

Aktivity při správě výdajů

Návody k získání dat

Vestavěný export transakcí a náhrad výdajů z Ramp do CSV

Kroky

Konfigurace

Ukázkový dotaz python

Získání dat pomocí skriptu Python přes Ramp Developer API

Kroky

Konfigurace

Ukázkový dotaz python

Synchronizace datového skladu Ramp (Snowflake/BigQuery)

Kroky

Konfigurace

Ukázkový dotaz python

Chcete začít?

Zvyšte efektivitu: optimalizujte správu výdajů v Ramp