> Průběžné zlepšování procesů > Účetní zápisy v procesu Record to Report > BlackLine > Datová šablona

Šablona dat pro proces Record to Report - Journal Entry

BlackLine

Atributy procesu Record to Report - Journal Entry(19) Aktivity procesu Record to Report - Journal Entry(12) Návody k extrakci dat(2)

Šablona dat pro proces Record to Report - Journal Entry

Tato šablona vám pomůže shromáždit správná data pro analýzu procesu Record to Report - Journal Entry. Uvádí potřebné atributy, aktivity, které je vhodné sledovat, a praktický postup, jak data získat z BlackLine. Díky ní připravíte všechna data potřebná pro process mining.

Doporučené atributy ke shromáždění
Aktivity, které je vhodné sledovat
Postup extrakce dat

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

Stáhnout šablonu

Atributy procesu Record to Report - Journal Entry

Toto jsou doporučená datová pole pro záznam událostí, který použijete k podrobné analýze procesu Record to Report - Journal Entry.

5 Povinné 6 Doporučené 8 Volitelné

	Název	Popis
	Aktivita ActivityName	Název konkrétní obchodní události, ke které v určitém okamžiku došlo v procesu zpracování účetního zápisu.
Popis Tento atribut popisuje jednotlivý krok nebo úlohu v životním cyklu účetního zápisu, například „Journal Entry Created“, „Journal Entry Approved“ nebo „Journal Entry Posted“. Každá aktivita představuje samostatnou událost v procesu. Analýza pořadí těchto aktivit umožňuje zobrazit a pochopit průběh procesu. Je základem pro odhalování odchylek, měření doby mezi kroky a identifikaci opakovaných oprav, například když je účetní zápis zamítnut a znovu odeslán. Proč je to důležité Určuje jednotlivé kroky procesu. Je nezbytný pro zobrazení mapy procesu, analýzu jeho průběhu a odhalení odchylek nebo úzkých míst. Kde data získat Obvykle se odvozuje ze záznamů událostí, záznamů o změnách stavu nebo auditních stop v BlackLine. Může být potřeba namapovat systémové kódy stavů na srozumitelné názvy aktivit. Příklady Účetní zápis vytvořenÚčetní zápis odeslánSchválení účetního zápisuZaúčtování účetního zápisu
	Čas zahájení EventTime	Přesné časové razítko označující, kdy došlo ke konkrétní aktivitě nebo události.
Popis Čas události zaznamenává datum a čas, kdy k obchodní události došlo. Určuje chronologické pořadí a dobu trvání všech aktivit v procesu. Toto časové razítko je nezbytné pro všechny časové analýzy v process mining. Používá se k výpočtu doby cyklu, čekání a trvání jednotlivých aktivit. Umožňuje odhalovat úzká místa, sledovat výkonnost v čase a vyhodnocovat dodržování dohod o úrovni služeb. Proč je to důležité Toto časové razítko je základem všech ukazatelů výkonnosti, včetně doby cyklu a analýzy úzkých míst. Umožňuje sestavit chronologický průběh procesu. Kde data získat Tyto údaje jsou zaznamenány v polích časových razítek v záznamech událostí nebo transakcí v BlackLine. Příklady 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	ID účetního zápisu JournalEntryId	Jedinečný identifikátor účetního zápisu, který slouží jako hlavní identifikátor případu pro sledování jeho životního cyklu.
Popis ID účetního zápisu jednoznačně identifikuje každou sadu finančních transakcí zaznamenaných v hlavní knize. Slouží jako hlavní identifikátor, který propojuje všechny související aktivity, například vytvoření, kontrolu, schválení a zaúčtování. V process mining je toto ID nezbytné pro propojení všech událostí, které patří k jednomu případu účetního zápisu. Analýza průběhu procesu podle tohoto identifikátoru umožňuje rekonstruovat celý proces od zahájení až po závěrečné sesouhlasení a podrobně vyhodnotit dobu cyklu, úzká místa i odchylky v procesu. Proč je to důležité Jde o základní identifikátor případu, který umožňuje sledovat celý životní cyklus jednoho účetního zápisu a analyzovat jeho průběh. Kde data získat Jde o primární klíč v tabulkách účetních zápisů BlackLine nebo v exportovaných datech. Konkrétní název pole najdete v dokumentaci BlackLine. Příklady JE2024-001234JE2024-001235JE2024-001236
	Poslední aktualizace dat LastDataUpdate	Časové razítko označující, kdy byla data naposledy obnovena nebo získána ze zdrojového systému.
Popis Tento atribut označuje datum a čas posledního načtení dat. Ukazuje, jak aktuální jsou analyzovaná data, a uživatelé tak vědí, jak čerstvé informace mají k dispozici. Jde o důležitá metadata pro každý dashboard nebo analýzu process mining. Uživatelé podle nich poznají, jak aktuální jsou získané poznatky, a mohou posoudit, zda zobrazení zahrnuje i nejnovější transakce. Proč je to důležité Zajišťuje přehled o aktuálnosti dat, takže uživatelé vědí, jak současný stav procesní analýza zachycuje. Kde data získat Toto časové razítko vytvoří a přidá do datové sady nástroj pro extrakci dat nebo proces ETL při svém spuštění. Příklady 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Zdrojový systém SourceSystem	Systém, ze kterého byla data o účetních zápisech získána.
Popis Tento atribut označuje zdrojový systém dat o událostech. V tomto případě půjde obvykle o BlackLine, ale mohou sem patřit také data z navazujícího ERP systému, pokud proces začíná v něm. Určení zdrojového systému je důležité pro správu dat a pochopení kontextu procesu, zejména pokud se kombinují data z více systémů. Pomáhá řešit problémy s načítáním dat a ověřovat jejich původ. Proč je to důležité Poskytuje důležitý kontext o původu dat, zajišťuje jejich dohledatelnost a pomáhá spravovat integraci dat z různých platforem. Kde data získat Obvykle jde o neměnnou hodnotu, kterou nástroj přidá při extrakci a transformaci dat, aby označil jejich zdroj. Příklady BlackLineSAP S/4HANAOracle NetSuite
	Částka účetního zápisu JournalEntryAmount	Celková peněžní hodnota účetního zápisu, obvykle součet částek na straně Má dáti.
Popis Tento atribut vyjadřuje finanční hodnotu účetního zápisu. Pomáhá posoudit finanční dopad neefektivního procesu, například zpoždění při zaúčtování zápisů s vysokou hodnotou. Analýza podle hodnoty zápisu umožňuje zohlednit významnost částek. Zlepšování procesů můžete například zaměřit na zápisy s vysokou hodnotou, zjistit, zda procházejí jiným schvalovacím postupem, nebo porovnat délku jejich zpracování. Díky tomu získáte pro analýzu průběhu procesu důležitý obchodní kontext. Proč je to důležité Poskytuje finanční kontext a umožňuje zohlednit významnost částek, například upřednostnit zápisy s vysokou hodnotou nebo odhalit odchylky v procesu podle hodnoty zápisu. Kde data získat Jde o vypočítané nebo standardní pole v záhlaví účetního zápisu v BlackLine, které představuje celkovou částku na straně Má dáti nebo Dal. Příklady 15000.00250.75125000.50500.00
	Důvod zamítnutí RejectionReason	Důvod, který uvedl kontrolor při zamítnutí účetního zápisu.
Popis Když je účetní zápis vrácen k opravě, schvalovatel obvykle uvede důvod zamítnutí. Tento atribut zachycuje daný důvod, který může být předem definovaným kódem nebo volným textem. Atribut je důležitý pro analýzu příčin opakovaných oprav. Analýza nejčastějších důvodů zamítnutí může odhalit systémové problémy, například nedostatečné školení, nejasná pravidla nebo chybějící podklady. Přímo podporuje dashboard „Journal Entry Rejection & Rework Analysis“ a pomáhá snížit celkovou míru zamítnutí. Proč je to důležité Je nezbytný pro analýzu příčin opakovaných oprav. Pomáhá zjistit, proč jsou účetní zápisy zamítány, a zaměřit zlepšování procesů na konkrétní problémy. Kde data získat Tyto údaje se obvykle zaznamenávají do pole komentáře nebo kódu důvodu, když uživatel v BlackLine zvolí akci „Reject“. Příklady Nesprávný kód účtuChybějící podkladyPřekročen limitDuplicitní zápis
	Kód společnosti CompanyCode	Jedinečný identifikátor právnické osoby nebo společnosti, pro kterou se účetní zápis vytváří.
Popis Kód společnosti označuje konkrétní právnickou osobu v rámci skupiny. Jde o základní organizační jednotku finančního účetnictví, která zajišťuje zaúčtování transakcí ke správné společnosti. V process mining slouží kód společnosti jako důležitý rozměr pro filtrování a porovnávání. Umožňuje analyzovat výkonnost procesu napříč jednotlivými společnostmi a odhalovat úzká místa, rozdíly v dodržování pravidel i příležitosti ke sjednocení procesů. Přímo podporuje dashboard „Approval To Posting Delay Analysis“. Proč je to důležité Umožňuje porovnávat výkonnost a sjednocovat procesy napříč různými právnickými osobami nebo obchodními jednotkami. Kde data získat Jde o důležité pole v záhlaví účetního zápisu v BlackLine, které se často synchronizuje z podkladového ERP systému. Příklady 1000US01DE012500
	Stav účetního zápisu JournalEntryStatus	Aktuální stav účetního zápisu v jeho životním cyklu, například „In Progress“, „Approved“ nebo „Posted“.
Popis Tento atribut označuje aktuální stav případu účetního zápisu v okamžiku extrakce dat. Ukazuje, v jaké fázi celého procesu se zápis nachází. Process mining rekonstruuje průběh procesu z aktivit, ale konečný stav se hodí pro filtrování a tvorbu souhrnných dashboardů. Pomáhá rychle najít zápisy, které čekají na schválení nebo uvízly v určitém stavu, což je užitečné při analýze nevyřízené práce. Proč je to důležité Poskytuje přehled o aktuálním stavu zápisů, což se hodí při analýze nevyřízené práce a rozpracovaných případů. Kde data získat Jde o standardní pole stavu účetního zápisu v BlackLine. Příklady ProbíháČeká na schváleníSchválenoZaúčtovánoZamítnuto
	Typ účetního zápisu JournalEntryType	Klasifikace účetního zápisu, například standardní, opakující se nebo storno.
Popis Typ účetního zápisu rozděluje zápisy podle jejich povahy nebo účelu. Mezi běžné typy patří standardní ruční zápisy, automaticky generované systémové zápisy, opakující se zápisy pro časové rozlišení na konci měsíce nebo storno zápisy, které se automaticky stornují v následujícím období. Tento atribut je důležitý pro segmentaci a srovnávací analýzu. Umožňuje porovnat průběh procesu, například dobu cyklu nebo míru zamítnutí, u různých typů zápisů. Pomáhá zjistit, zda jsou některé typy problematičtější nebo méně efektivní, a zaměřit zlepšování procesů na konkrétní oblasti. Proč je to důležité Umožňuje analyzovat jednotlivé typy účetních zápisů a zjistit, zda procházejí různými cestami nebo se liší jejich výkonnost. Kde data získat Jde o standardní pole v záhlaví účetního zápisu v BlackLine. Přesný název pole najdete v dokumentaci BlackLine. Příklady StandardníOpakující seStornoČasové rozlišení
	Uživatel UserName	Jméno nebo ID uživatele, který provedl danou aktivitu.
Popis Tento atribut označuje osobu odpovědnou za konkrétní krok procesu, například za odeslání, kontrolu nebo schválení účetního zápisu. Může jít o jméno nebo jedinečné ID uživatele. Analýza aktivit podle uživatelů pomáhá pochopit rozložení pracovní zátěže, výkonnost jednotlivců a potřeby školení. Odpovídá například na otázky: „Je práce v týmu rozdělená rovnoměrně?“ nebo „Kteří uživatelé schvalují zápisy nejdéle?“ Je důležitá také pro analýzu shody a auditních stop. Proč je to důležité Umožňuje analyzovat pracovní zátěž a porovnávat výkonnost členů týmu. Pomáhá také odhalit úzká místa související se zdroji nebo potřebu školení. Kde data získat Tyto údaje jsou dostupné v auditních protokolech BlackLine, obvykle v polích „User ID“ nebo „Changed By“ přiřazených k jednotlivým událostem. Příklady j.doea.smithr.joness.patel
	Automatizovaný IsAutomated	Příznak označující, zda účetní zápis vytvořil nebo zaúčtoval automatizovaný proces.
Popis Tento logický atribut rozlišuje účetní zápisy, které uživatelé vytvořili a zpracovali ručně, od zápisů generovaných automaticky systémem, například opakujících se zápisů nebo zápisů ze systémových integrací. Analýza tohoto atributu pomáhá vyhodnotit účinnost automatizace. Umožňuje přímo porovnat dobu cyklu, chybovost a náklady u automatizovaných a ručních procesů. To je důležité při přípravě podkladů pro další automatizaci i při měření návratnosti stávajících iniciativ. Proč je to důležité Umožňuje přímo porovnat ruční a automatizované procesy, což je důležité při měření dopadu a návratnosti investic do automatizace. Kde data získat Lze jej odvodit z pole „Journal Entry Type“ (například „Recurring“) nebo z pole „User“, pokud se pro automatizované zaúčtování používají systémoví uživatelé, například „SYSTEM“ nebo „BATCH“. Příklady truefalse
	Byly provedeny opravy IsRework	Vypočítaný příznak, který má hodnotu true, pokud byl účetní zápis alespoň jednou zamítnut.
Popis Tento logický příznak označuje účetní zápisy, u kterých bylo nutné provést opravy. Obvykle se nastaví na true, pokud případ obsahuje aktivitu „Journal Entry Rejected“, po které následuje aktivita „Corrected and Resubmitted“. Atribut usnadňuje analýzu oprav, protože uživatelé mohou snadno filtrovat všechny případy, které byly zamítnuty. Je nezbytný pro výpočet KPI „Journal Entry Rejection Rate“ a podrobnější analýzu v dashboardu „Journal Entry Rejection & Rework Analysis“, která ukazuje časové a finanční dopady problémů s kvalitou. Proč je to důležité Snadno označí případy, u kterých bylo nutné provést opravy, a zjednoduší výpočet míry zamítnutí i analýzu dopadu problémů s kvalitou. Kde data získat Tento příznak se vypočítá v nástroji process mining kontrolou pořadí aktivit v každém případu. Příklady truefalse
	Datum zaúčtování PostingDate	Datum, kdy je účetní zápis oficiálně zaúčtován do hlavní knihy.
Popis Datum zaúčtování je datum účinnosti transakce ve finančních záznamech. V účetnictví je důležité, protože určuje fiskální období, ve kterém se transakce vykáže. Časové razítko události zaznamenává, kdy k zaúčtování došlo, zatímco samotné datum zaúčtování je důležitým datovým atributem. Ve finanční analýze se používá k ověření, zda jsou zápisy zaúčtovány ve správném období, a k analýze prodlev mezi datem transakce, schválení a zaúčtování. Proč je to důležité Toto datum je důležité pro přesnost finančního výkaznictví a pomáhá ověřit, zda jsou zápisy zaúčtovány ve správném účetním období. Kde data získat Jde o standardní datové pole v záhlaví účetního zápisu v BlackLine. Příklady 2023-10-312023-11-012023-10-30
	Dokument přiložen IsDocumentAttached	Příznak označující, zda byly k účetnímu zápisu přiloženy podklady.
Popis Tento logický atribut označuje, zda byl k účetnímu zápisu přiložen alespoň jeden podklad, například faktura nebo výpočet. Přiložení podkladů bývá podmínkou schválení. Tento příznak je důležitý pro dashboard „Journal Entry Documentation Compliance“ a KPI „Documentation Attachment Rate“. Pomáhá zjistit, zda chybějící dokumentace často způsobuje zamítnutí nebo zpoždění, a ověřit dodržování pravidel, která vyžadují přílohy před odesláním ke kontrole. Proč je to důležité Přímo měří dodržování pravidel pro dokumentaci a pomáhá odhalit častou příčinu zpoždění a zamítnutí při schvalování. Kde data získat Pravděpodobně jde o odvozené pole, které se vypočítá ověřením, zda před odesláním existuje záznam o příloze propojený s ID účetního zápisu. Příklady truefalse
	Měna Currency	Kód měny částky uvedené v účetním zápisu.
Popis Tento atribut určuje měnu částky účetního zápisu, například USD, EUR nebo GBP. Je nezbytný pro správnou interpretaci finanční hodnoty transakcí. U mezinárodních organizací poskytuje analýza podle měny užitečný kontext. Umožňuje filtrovat procesní analýzu podle konkrétní měny a je nezbytným polem pro každý dashboard, který sčítá finanční částky. Proč je to důležité Poskytuje potřebný kontext k finančním částkám, zajišťuje jejich správnou interpretaci a umožňuje analýzu podle měny. Kde data získat Jde o standardní pole v záhlaví účetního zápisu v BlackLine, obvykle pojmenované „Document Currency“ nebo podobně. Příklady USDEURGBPJPY
	Oddělení Department	Obchodní oddělení nebo nákladové středisko spojené s účetním zápisem.
Popis Tento atribut určuje oddělení, nákladové středisko nebo funkční oblast, která účetní zápis zadala nebo které jsou přiřazeny náklady. Poskytuje další organizační kontext. Analýza procesu podle oddělení ukazuje, jak jednotlivé části firmy využívají proces zpracování účetních zápisů. Může odhalit rozdíly v efektivitě, dodržování pravidel nebo četnosti oprav a upozornit na oblasti, které potřebují větší podporu nebo sjednocení procesů. Proč je to důležité Umožňuje porovnat výkonnost procesu mezi obchodními odděleními a odhalit rozdíly i příležitosti ke sjednocení. Kde data získat Tyto údaje jsou obvykle součástí položek nebo záhlaví účetního zápisu v BlackLine a často jsou propojené s účtem hlavní knihy. Příklady FinanceMarketingProdejProvoz
	Prodleva mezi schválením a zaúčtováním ApprovalToPostingLag	Vypočítaná doba mezi konečným schválením a skutečným zaúčtováním účetního zápisu.
Popis Tento ukazatel měří prodlevu mezi úplným schválením účetního zápisu a jeho zaúčtováním do hlavní knihy. Vypočítá se jako časový rozdíl mezi aktivitami „Journal Entry Approved“ a „Journal Entry Posted“. Jde o důležitý KPI pro odhalování úzkých míst po schválení, která mohou výrazně zpozdit finanční uzávěrku. Dashboard „Approval To Posting Delay Analysis“ využívá tento ukazatel k analýze příčin, proč se schválené zápisy nezaúčtují včas, a pomáhá zefektivnit závěrečné kroky procesu. Proč je to důležité Měří efektivitu kroků po schválení a pomáhá odhalit a odstranit zpoždění, která prodlužují finanční uzávěrku. Kde data získat Tento ukazatel se vypočítá v nástroji process mining jako doba mezi událostmi „Journal Entry Approved“ a „Journal Entry Posted“ u každého případu. Příklady P0DT1H10MP1DT2H0MP0DT0H5M
	Sesouhlasený účet AccountReconciled	Číslo účtu hlavní knihy, který se účetním zápisem sesouhlasuje.
Popis Tento atribut označuje konkrétní účet v účtové osnově, kterého se zápis týká nebo který se sesouhlasuje. Účetní zápisy jsou často součástí procesu sesouhlasení účtů a tento atribut propojuje zápis s příslušným účtem. Atribut přímo podporuje dashboard „Journal Entry Reconciliation Cycle Time“. Analýza procesu podle účtů může odhalit, zda sesouhlasení některých účtů pravidelně trvá déle, což může ukazovat na složitost nebo problémy s daty u těchto účtů. Proč je to důležité Propojuje proces účetního zápisu s konkrétními sesouhlasovanými účty a umožňuje cíleně analyzovat úzká místa při sesouhlasení. Kde data získat Tyto údaje jsou součástí podrobností o položkách účetního zápisu v BlackLine. Pokud zápis ovlivňuje více účtů, může být potřeba údaje agregovat na úroveň případu. Příklady 101000210500400100550200

Povinné Doporučené Volitelné

Aktivity procesu Record to Report - Journal Entry

Zachyťte tyto důležité kroky a milníky v záznamu událostí, abyste mohli přesně zjistit a analyzovat průběh účetních zápisů.

6 Doporučené 6 Volitelné

	Aktivita	Popis
	Schválení účetního zápisu	Tato aktivita znamená, že účetní zápis prošel všemi požadovanými kontrolami a schvalovacími kroky. Zaznamená se, když zápis schválí poslední oprávněný uživatel a jeho stav se změní na „Approved“.
Proč je to důležité Jde o důležitý milník, který uzavírá schvalovací proces. Doba od události „Journal Entry Submitted“ do této události představuje dobu schvalovacího cyklu, důležitý KPI pro měření efektivity workflow. Kde data získat Událost se odvozuje ze změny stavu účetního zápisu na „Approved“. ID uživatele, který zápis schválil jako poslední, a čas schválení se obvykle zaznamenávají v auditní historii BlackLine. Zachycení Odvozuje se z časového razítka, kdy se stav účetního zápisu změní na „Approved“. Typ události inferred
	Sesouhlasení účetního zápisu	Označuje dokončení životního cyklu, kdy je účetní zápis zahrnut do dokončeného a certifikovaného sesouhlasení účtu. V BlackLine tomu odpovídá certifikace sesouhlasení, které tento zápis obsahuje.
Proč je to důležité Tato aktivita představuje konečný bod celého procesu. Doba od události „Journal Entry Posted“ do stavu „Reconciled“ měří efektivitu sesouhlasení účtů v rámci finanční uzávěrky. Kde data získat Jde o odvozenou událost. Určí se podle toho, kdy se stav sesouhlasení účtu obsahujícího daný účetní zápis změní v modulu Account Reconciliation v BlackLine na „Certified“. Zachycení Odvozuje se propojením účetního zápisu s příslušným sesouhlasením účtu a zaznamenáním data jeho certifikace. Typ události inferred
	Účetní zápis odeslán	K této aktivitě dochází, když zpracovatel formálně odešle účetní zápis ke kontrole a schválení. Obvykle se zaznamená jako změna stavu, například z „Rozpracováno“ na „Odesláno“, spolu s časovým razítkem.
Proč je to důležité Tím končí fáze přípravy a začíná schvalovací cyklus. Jde o důležitý milník pro měření délky přípravy i schvalování. Kde data získat Tato aktivita se pravděpodobně odvozuje ze změny stavu záznamu účetního zápisu v BlackLine. Čas události určuje časové razítko změny stavu na „Odesláno ke schválení“ nebo na podobnou hodnotu. Zachycení Odvozuje se z časového razítka, kdy se stavové pole účetního zápisu změní na „Odesláno“ nebo „Čeká na schválení“. Typ události inferred
	Účetní zápis vytvořen	Tato aktivita označuje zahájení případu účetního zápisu. Zaznamená se, když uživatel v BlackLine vytvoří nový záznam účetního zápisu. Systém mu přidělí jedinečné ID účetního zápisu a uloží čas vytvoření i údaje o uživateli.
Proč je to důležité Jde o hlavní počáteční událost procesu. Analýza doby od této aktivity k dalším aktivitám ukáže celkovou dobu zpracování a pomůže odhalit zpoždění hned na začátku workflow. Kde data získat Tato událost se zaznamenává přímo v modulu účetních zápisů BlackLine. Získává se z časového razítka vytvoření a údajů o uživateli přiřazených ke každému ID účetního zápisu v hlavní tabulce účetních zápisů nebo v historii auditu. Zachycení Zaznamenává se z časového razítka „Datum vytvoření“ přiřazeného k záznamu účetního zápisu. Typ události explicit
	Účetní zápis zamítnut	Tato aktivita označuje zamítnutí účetního zápisu kontrolorem nebo schvalovatelem. Zaznamená se, když uživatel zvolí akci „Zamítnout“, která změní stav zápisu na „Zamítnuto“ a uloží se do auditního protokolu.
Proč je to důležité Tato aktivita je důležitá pro odhalení opakované práce, problémů s kvalitou a potřeb školení. Analýza četnosti a důvodů zamítnutí i následného opakovaného zpracování pomáhá zlepšit proces a zkrátit dobu zpracování. Kde data získat Obvykle se odvozuje ze změny stavu účetního zápisu na „Zamítnuto“ nebo „Vyžaduje opravu“. Historie BlackLine zaznamenává časové razítko i uživatele, který zápis zamítl. Zachycení Odvozuje se z časového razítka, kdy se stav účetního zápisu změní na „Zamítnuto“. Typ události inferred
	Zaúčtování účetního zápisu	Označuje okamžik, kdy je schválený účetní zápis oficiálně zaevidován v hlavní knize. V BlackLine jde často o samostatnou akci, po které se stav zápisu změní na „Posted“.
Proč je to důležité Jde o důležitý milník, který se často považuje za provozní konec procesu. Doba od události „Journal Entry Approved“ do této aktivity ukazuje efektivitu kroků po schválení. Kde data získat Obvykle se odvozuje ze změny stavu na „Posted“. Událost může být také zaznamenána v tabulce historie zaúčtování nebo v auditní stopě spolu s konkrétním datem a časovým razítkem zaúčtování. Zachycení Odvozuje se z časového razítka, kdy se stav účetního zápisu změní na „Posted“. Důležité je také pole s datem zaúčtování. Typ události inferred
	Odvolání schválení	Tato aktivita zachycuje situaci, kdy schvalovatel odvolá již udělené schválení a účetní zápis se vrátí do předchozího stavu. Zaznamená se při změně stavu z „Approved“ zpět na dřívější stav, například „In Preparation“.
Proč je to důležité Tato vzácná, ale důležitá aktivita upozorňuje na výjimky v procesu a možné problémy zjištěné po schválení, ale před zaúčtováním. Může poukazovat na chyby v datech nebo změny pravidel, které se zápisu týkají. Kde data získat Jde o odvozenou událost, kterou lze rozpoznat podle změny stavu z „Approved“ na stav, který ještě neznamená zaúčtování a umožňuje úpravy. Tato akce by měla být zaznamenána v podrobných auditních protokolech BlackLine. Zachycení Rozpozná se podle změny stavu z „Approved“ zpět na předchozí stav, například „In Preparation“ nebo „Submitted“. Typ události inferred
	Ověření zaúčtování	Potvrzuje, že zaúčtovaný účetní zápis byl úspěšně přijat a zaevidován v cílovém ERP systému. Může jít o automatickou výměnu potvrzení mezi systémy nebo o ruční potvrzovací krok.
Proč je to důležité Tato aktivita uzavírá krok zaúčtování a ověřuje správnost dat mezi systémy. Doba od stavu „Posted“ do stavu „Verified“ může odhalit problémy s integrací nebo zpoždění při synchronizaci systémů. Kde data získat Může jít o výslovně zaznamenanou událost v protokolu systémové integrace nebo o událost odvozenou ze změny stavu na hodnotu jako „Posted and Verified“. Pokud se ověření provádí ručně, uživatel změní stav. Zachycení Odvozuje se ze změny stavu na „Verified“ nebo z potvrzovacího příznaku přijatého z cílového ERP systému. Typ události inferred
	Přiložena podpůrná dokumentace	Označuje, že uživatel přiložil k účetnímu zápisu jeden nebo více podpůrných dokumentů. Tato událost se obvykle zaznamenává v auditním protokolu nebo v související tabulce příloh propojené s ID účetního zápisu.
Proč je to důležité Sledování této aktivity je důležité pro kontrolu dodržování pravidel a efektivity. Pomáhá zjistit, zda schvalování zdržuje chybějící dokumentace, a podporuje KPI „Míra přiložení dokumentace“. Kde data získat V BlackLine jde obvykle o výslovně zaznamenanou událost v auditní stopě nebo protokolu příloh. Záznam obsahuje ID účetního zápisu, uživatele, který soubor přiložil, a časové razítko. Zachycení Událost se zaznamená do auditní stopy systému nebo do vyhrazené tabulky historie příloh pokaždé, když je k účetnímu zápisu nahrán soubor. Typ události explicit
	Účetní zápis opraven a znovu odeslán	K této události dochází poté, co byl účetní zápis zamítnut, jeho zpracovatel provedl potřebné opravy a znovu jej odeslal. Událost se zaznamená při změně stavu z „Rejected“ zpět na „Submitted for Approval“.
Proč je to důležité Tato aktivita pomáhá vyčíslit čas a úsilí věnované opravám. Doba mezi událostmi „Journal Entry Rejected“ a touto událostí představuje čas potřebný na přepracování, což je důležitý ukazatel efektivity. Kde data získat Událost se odvozuje ze sledu změn stavu v datech BlackLine, konkrétně z přechodu ze stavu „Rejected“ zpět na „Submitted“ nebo „Pending Approval“ u stejného ID účetního zápisu. Zachycení Odvozuje se ze změny stavu z „Rejected“ na „Submitted“ nebo „Pending Approval“. Typ události inferred
	Účetní zápis zkontrolován	Označuje formální kontrolu v několikaúrovňovém schvalovacím procesu, kterou provádí určený kontrolor. Obvykle se zaznamená jako změna stavu nebo konkrétní položka protokolu s informací o provedené kontrole.
Proč je to důležité V organizacích, které oddělují kontrolu od schválení, pomáhá tato aktivita určit úzká místa ve schvalovacím řetězci. Ukazuje, jak dlouho zápisy čekají na úvodní kontrolu a jak dlouho na konečné schválení. Kde data získat Ve workflow BlackLine může jít o výslovnou událost v protokolu historie schvalování nebo se aktivita odvozuje ze změny stavu na „Zkontrolováno“ či „Čeká na konečné schválení“. Zaznamenává se uživatel i časové razítko. Zachycení Odvozuje se z časového razítka, kdy se stav účetního zápisu změní na hodnotu označující dokončení kontroly. Typ události inferred
	Zpracování storna účetního zápisu	Tato aktivita zachycuje vytvoření a zaúčtování nového účetního zápisu, který stornuje dříve zaúčtovaný zápis. Obvykle se zahájí po zjištění chyby v původním zápisu.
Proč je to důležité Tato událost výrazně poukazuje na problémy s kvalitou dat v předchozích krocích. Sledování četnosti storen pomáhá měřit míru úprav po zaúčtování a odhalit oblasti, kde je potřeba zvýšit přesnost. Kde data získat Často jde o výslovně zaznamenanou událost, kdy uživatel v BlackLine u zaúčtovaného zápisu zvolí akci „Reverse“. Systém vytvoří nový storno zápis, který bývá propojen s původním ID účetního zápisu. Zachycení Zaznamená se při uložení akce „Reverse“ nebo při vytvoření nového účetního zápisu s příznakem storna a odkazem na ID původního zápisu. Typ události explicit

Doporučené Volitelné

Návody k extrakci dat

Jak získat data z BlackLine

Kroky

Přihlaste se do své instance BlackLine pomocí uživatelského účtu s potřebnými oprávněními k finančním výkazům.
Přejděte do modulu výkazů. Obvykle ho najdete v nabídce, například v části „Reports“ > „Standard Reports“.
V seznamu dostupných standardních výkazů vyhledejte a vyberte „Journal Entry & Services Report“ nebo podobně pojmenovaný souhrnný výkaz účetních zápisů.
Nastavte parametry výkazu. Zadejte požadované „Date Range“ pro extrakci, které odpovídá období, jež chcete analyzovat. Pro začátek doporučujeme období 3 až 6 měsíců.
Pomocí filtrů omezte data. Minimálně vyberte příslušné „Company Code(s)“. Můžete také filtrovat podle „Journal Status“ a zahrnout všechny relevantní stavy od vytvoření po zaúčtování.
Ve výstupu vyberte všechny dostupné sloupce, aby výkaz obsahoval potřebná data, uživatelská pole a stavy pro vytvoření záznamu událostí. Důležitá jsou například data vytvoření, odeslání, schválení a zaúčtování i role uživatelů.
Spusťte výkaz přímo v rozhraní BlackLine. Po jeho vygenerování použijte funkci „Export“ nebo „Download“ a uložte data jako soubor CSV s názvem „blackline_report.csv“.
Připravte prostředí Python s nainstalovanou knihovnou pandas. Pokud ji nemáte, nainstalujte ji příkazem: pip install pandas.
Uložte dodaný skript Python do stejné složky jako stažený soubor „blackline_report.csv“.
Spusťte skript Python. Načte původní výkaz CSV, převede data tak, že pro každou obchodní aktivitu vytvoří samostatný řádek, a v požadovaném formátu vygeneruje soubor „event_log.csv“.
Před nahráním zkontrolujte soubor „event_log.csv“, zda jsou data kvalitní a úplná.
Nahrajte výsledný soubor „event_log.csv“ do ProcessMind k analýze.

Konfigurace

Název výkazu: Journal Entry & Services Report. Přesný název se může lišit podle konfigurace BlackLine.
Rozsah dat: Pro úvodní analýzu doporučujeme extrahovat data za 3 až 6 měsíců. Filtr data ve výkazu obvykle pracuje s datem vytvoření nebo zaúčtování účetního zápisu. Ověřte, které datum se používá, abyste získali správná data.
Důležité filtry:
- Kód společnosti: Vždy zadejte kódy společností, které chcete analyzovat. Omezíte tak objem dat a zaměříte analýzu.
- Stav účetního zápisu: Vyberte všechny stavy, například In Preparation, Submitted, Approved, Rejected a Posted, abyste zachytili celý proces od začátku do konce.
- Typ účetního zápisu: Pokud to rozsah analýzy vyžaduje, filtrujte konkrétní typy zápisů, například Standard nebo Recurring.
Předpoklady: Účet uživatele, který výkaz spouští, musí mít v BlackLine oprávnění zobrazit data účetních zápisů a spouštět standardní výkazy. Obvykle je potřeba role, například „Accountant“ nebo „Reporting User“.
Výkon: Export velkého objemu dat za dlouhé období nebo pro mnoho kódů společností může zatížit zdroje a jeho generování v rozhraní BlackLine může trvat dlouho. Pokud narazíte na problémy s výkonem nebo vypršení časového limitu, rozdělte výkaz na menší dávky.

Ukázkový dotaz python

import pandas as pd
import numpy as np
import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Define the input file name from BlackLine
input_filename = class="hl-string">'blackline_report.csv'
class=class="hl-string">"hl-comment"># Define the output file for ProcessMind
output_filename = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># --- Column Mapping ---
class=class="hl-string">"hl-comment"># Map the BlackLine report column names to the required event log attribute names.
class=class="hl-string">"hl-comment"># Adjust the keys in this dictionary to match the exact column headers in your CSV export.
column_mapping = {
    class="hl-string">'Journal ID': class="hl-string">'JournalEntryId',
    class="hl-string">'Journal Type': class="hl-string">'JournalEntryType',
    class="hl-string">'Company': class="hl-string">'CompanyCode',
    class="hl-string">'Amount': class="hl-string">'JournalEntryAmount',
    class="hl-string">'Current Status': class="hl-string">'JournalEntryStatus',
    class="hl-string">'Rejection Reason': class="hl-string">'RejectionReason',
    class="hl-string">'Preparer': class="hl-string">'PreparerUserName',
    class="hl-string">'Submitter': class="hl-string">'SubmitterUserName',
    class="hl-string">'Reviewer': class="hl-string">'ReviewerUserName',
    class="hl-string">'Approver': class="hl-string">'ApproverUserName',
    class="hl-string">'Poster': class="hl-string">'PosterUserName',
    class="hl-string">'Verifier': class="hl-string">'VerifierUserName',
    class="hl-string">'Reverser': class="hl-string">'ReverserUserName',
    class="hl-string">'Reconciler': class="hl-string">'ReconcilerUserName',
    class="hl-string">'Creation Date': class="hl-string">'CreationTimestamp',
    class="hl-string">'Attachment Date': class="hl-string">'AttachmentTimestamp',
    class="hl-string">'Submission Date': class="hl-string">'SubmissionTimestamp',
    class="hl-string">'Review Date': class="hl-string">'ReviewTimestamp',
    class="hl-string">'Rejection Date': class="hl-string">'RejectionTimestamp',
    class="hl-string">'Resubmission Date': class="hl-string">'ResubmissionTimestamp',
    class="hl-string">'Approval Date': class="hl-string">'ApprovalTimestamp',
    class="hl-string">'Rescind Date': class="hl-string">'RescindTimestamp',
    class="hl-string">'Posting Date': class="hl-string">'PostingTimestamp',
    class="hl-string">'Verification Date': class="hl-string">'VerificationTimestamp',
    class="hl-string">'Reversal Date': class="hl-string">'ReversalTimestamp',
    class="hl-string">'Reconciliation Date': class="hl-string">'ReconciliationTimestamp'
}

class=class="hl-string">"hl-comment"># --- Data Loading ---
try:
    df_raw = pd.read_csv(input_filename)
except FileNotFoundError:
    print(fclass="hl-string">"Error: The file {input_filename} was not found. Please ensure it's in the same directory as the script.")
    exit()

class=class="hl-string">"hl-comment"># Rename columns based on the mapping
df = df_raw.rename(columns=column_mapping)

class=class="hl-string">"hl-comment"># Ensure all required timestamp columns exist, fill with NaT if not
for col in column_mapping.values():
    if class="hl-string">'Timestamp' in col and col not in df.columns:
        df[col] = pd.NaT

class=class="hl-string">"hl-comment"># Convert date columns to datetime objects, coercing errors to NaT (Not a Time)
date_cols = [col for col in df.columns if class="hl-string">'Timestamp' in col]
for col in date_cols:
    df[col] = pd.to_datetime(df[col], errors=class="hl-string">'coerce')

all_events = []
last_data_update = datetime.datetime.now()

class=class="hl-string">"hl-comment"># --- Activity Extraction ---

class=class="hl-string">"hl-comment"># 1. Journal Entry Created
event_created = df[df[class="hl-string">'CreationTimestamp'].notna()].copy()
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Created'
event_created[class="hl-string">'EventTime'] = event_created[class="hl-string">'CreationTimestamp']
event_created[class="hl-string">'UserName'] = event_created.get(class="hl-string">'PreparerUserName')
all_events.append(event_created)

class=class="hl-string">"hl-comment"># 2. Supporting Documentation Attached
if class="hl-string">'AttachmentTimestamp' in df.columns:
    event_attached = df[df[class="hl-string">'AttachmentTimestamp'].notna()].copy()
    event_attached[class="hl-string">'ActivityName'] = class="hl-string">'Supporting Documentation Attached'
    event_attached[class="hl-string">'EventTime'] = event_attached[class="hl-string">'AttachmentTimestamp']
    class=class="hl-string">"hl-comment"># Assuming the submitter or preparer attached the document
    event_attached[class="hl-string">'UserName'] = event_attached.get(class="hl-string">'SubmitterUserName', event_attached.get(class="hl-string">'PreparerUserName'))
    all_events.append(event_attached)

class=class="hl-string">"hl-comment"># 3. Journal Entry Submitted
event_submitted = df[df[class="hl-string">'SubmissionTimestamp'].notna()].copy()
event_submitted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Submitted'
event_submitted[class="hl-string">'EventTime'] = event_submitted[class="hl-string">'SubmissionTimestamp']
event_submitted[class="hl-string">'UserName'] = event_submitted.get(class="hl-string">'SubmitterUserName')
all_events.append(event_submitted)

class=class="hl-string">"hl-comment"># 4. Journal Entry Reviewed
if class="hl-string">'ReviewTimestamp' in df.columns:
    event_reviewed = df[df[class="hl-string">'ReviewTimestamp'].notna()].copy()
    event_reviewed[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reviewed'
    event_reviewed[class="hl-string">'EventTime'] = event_reviewed[class="hl-string">'ReviewTimestamp']
    event_reviewed[class="hl-string">'UserName'] = event_reviewed.get(class="hl-string">'ReviewerUserName')
    all_events.append(event_reviewed)

class=class="hl-string">"hl-comment"># 5. Journal Entry Rejected
if class="hl-string">'RejectionTimestamp' in df.columns:
    event_rejected = df[df[class="hl-string">'RejectionTimestamp'].notna()].copy()
    event_rejected[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Rejected'
    event_rejected[class="hl-string">'EventTime'] = event_rejected[class="hl-string">'RejectionTimestamp']
    event_rejected[class="hl-string">'UserName'] = event_rejected.get(class="hl-string">'ReviewerUserName', event_rejected.get(class="hl-string">'ApproverUserName'))
    all_events.append(event_rejected)

class=class="hl-string">"hl-comment"># 6. Entry Corrected and Resubmitted
if class="hl-string">'ResubmissionTimestamp' in df.columns:
    event_resubmitted = df[df[class="hl-string">'ResubmissionTimestamp'].notna()].copy()
    event_resubmitted = event_resubmitted[event_resubmitted[class="hl-string">'ResubmissionTimestamp'] > event_resubmitted.get(class="hl-string">'RejectionTimestamp', pd.NaT)]
    event_resubmitted[class="hl-string">'ActivityName'] = class="hl-string">'Entry Corrected and Resubmitted'
    event_resubmitted[class="hl-string">'EventTime'] = event_resubmitted[class="hl-string">'ResubmissionTimestamp']
    event_resubmitted[class="hl-string">'UserName'] = event_resubmitted.get(class="hl-string">'SubmitterUserName')
    all_events.append(event_resubmitted)

class=class="hl-string">"hl-comment"># 7. Journal Entry Approved
event_approved = df[df[class="hl-string">'ApprovalTimestamp'].notna()].copy()
event_approved[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Approved'
event_approved[class="hl-string">'EventTime'] = event_approved[class="hl-string">'ApprovalTimestamp']
event_approved[class="hl-string">'UserName'] = event_approved.get(class="hl-string">'ApproverUserName')
all_events.append(event_approved)

class=class="hl-string">"hl-comment"># 8. Approval Rescinded
if class="hl-string">'RescindTimestamp' in df.columns:
    event_rescinded = df[df[class="hl-string">'RescindTimestamp'].notna()].copy()
    event_rescinded[class="hl-string">'ActivityName'] = class="hl-string">'Approval Rescinded'
    event_rescinded[class="hl-string">'EventTime'] = event_rescinded[class="hl-string">'RescindTimestamp']
    event_rescinded[class="hl-string">'UserName'] = event_rescinded.get(class="hl-string">'ApproverUserName')
    all_events.append(event_rescinded)

class=class="hl-string">"hl-comment"># 9. Journal Entry Posted
event_posted = df[df[class="hl-string">'PostingTimestamp'].notna()].copy()
event_posted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Posted'
event_posted[class="hl-string">'EventTime'] = event_posted[class="hl-string">'PostingTimestamp']
event_posted[class="hl-string">'UserName'] = event_posted.get(class="hl-string">'PosterUserName')
all_events.append(event_posted)

class=class="hl-string">"hl-comment"># 10. Posting Verified
if class="hl-string">'VerificationTimestamp' in df.columns:
    event_verified = df[df[class="hl-string">'VerificationTimestamp'].notna()].copy()
    event_verified[class="hl-string">'ActivityName'] = class="hl-string">'Posting Verified'
    event_verified[class="hl-string">'EventTime'] = event_verified[class="hl-string">'VerificationTimestamp']
    event_verified[class="hl-string">'UserName'] = event_verified.get(class="hl-string">'VerifierUserName')
    all_events.append(event_verified)

class=class="hl-string">"hl-comment"># 11. Journal Entry Reversal Processed
if class="hl-string">'ReversalTimestamp' in df.columns:
    event_reversal = df[df[class="hl-string">'ReversalTimestamp'].notna()].copy()
    event_reversal[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reversal Processed'
    event_reversal[class="hl-string">'EventTime'] = event_reversal[class="hl-string">'ReversalTimestamp']
    event_reversal[class="hl-string">'UserName'] = event_reversal.get(class="hl-string">'ReverserUserName')
    all_events.append(event_reversal)

class=class="hl-string">"hl-comment"># 12. Journal Entry Reconciled
if class="hl-string">'ReconciliationTimestamp' in df.columns:
    event_reconciled = df[df[class="hl-string">'ReconciliationTimestamp'].notna()].copy()
    event_reconciled[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reconciled'
    event_reconciled[class="hl-string">'EventTime'] = event_reconciled[class="hl-string">'ReconciliationTimestamp']
    event_reconciled[class="hl-string">'UserName'] = event_reconciled.get(class="hl-string">'ReconcilerUserName')
    all_events.append(event_reconciled)


class=class="hl-string">"hl-comment"># --- Final Assembly ---
if all_events:
    event_log = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Add required constant value attributes
    event_log[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    event_log[class="hl-string">'LastDataUpdate'] = last_data_update

    class=class="hl-string">"hl-comment"># Select and order columns for the final output
    final_columns = [
        class="hl-string">'JournalEntryId',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'SourceSystem',
        class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName',
        class="hl-string">'JournalEntryType',
        class="hl-string">'CompanyCode',
        class="hl-string">'JournalEntryAmount',
        class="hl-string">'JournalEntryStatus',
        class="hl-string">'RejectionReason'
    ]

    class=class="hl-string">"hl-comment"># Filter for only the columns that exist in the dataframe to avoid errors
    existing_columns = [col for col in final_columns if col in event_log.columns]
    event_log = event_log[existing_columns]

    class=class="hl-string">"hl-comment"># Sort the event log
    event_log = event_log.sort_values(by=[class="hl-string">'JournalEntryId', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Save to CSV
    event_log.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"Successfully created event log: {output_filename}")
else:
    print(class="hl-string">"No events were generated. Please check your input file and column mappings.")

Kroky

Předpoklady a nastavení: Ověřte, že máte nainstalovaný Python 3.6 nebo novější. Pomocí pip nainstalujte potřebné knihovny: pip install requests pandas. Od správce BlackLine si vyžádejte přihlašovací údaje API (Client ID, Client Secret, Refresh Token) a základní URL BlackLine vaší organizace.
Nastavení proměnných skriptu: Otevřete Python skript a najděte část s konfigurací. Zadejte Client ID, Client Secret, Refresh Token a základní URL. Období extrakce nastavte pomocí proměnných START_DATE a END_DATE ve formátu „YYYY-MM-DD“.
Ověření totožnosti: Skript nejprve zavolá funkci get_access_token. Ta odešle vaše přihlašovací údaje na ověřovací endpoint BlackLine (/api/oauth/token) a získá dočasný přístupový token potřebný pro další požadavky API.
Načtení úvodního seznamu účetních zápisů: Skript odešle stránkovaný požadavek na endpoint /api/v2/journals s filtrem podle zadaného období vytvoření. Projde jednotlivé stránky a shromáždí základní údaje o všech účetních zápisech v daném rozsahu.
Načtení podrobné historie událostí: Pro každé ID účetního zápisu z předchozího kroku skript provede dvě další volání API. Nejprve načte historii zápisu z endpointu, například /api/v2/journals/{id}/history, aby získal podrobný auditní záznam změn stavů, schválení a zamítnutí. Poté zavolá endpoint příloh, například /api/v2/journals/{id}/attachments, a zjistí, kdy byly přidány podpůrné dokumenty.
Převod dat na záznam událostí: Skript zpracuje odpovědi API ve formátu JSON. Projde každý účetní zápis a související záznamy historie a příloh. Převede původní data do strukturovaného záznamu událostí a vytvoří samostatný řádek pro každou z 12 požadovaných aktivit, například „Vytvoření účetního zápisu“, „Odeslání účetního zápisu“ a „Schválení účetního zápisu“.
Převod změn stavů na aktivity: Důležité aktivity se odvodí z dat z endpointu historie. Například položka historie, která uvádí změnu stavu na „Submitted“, se převede na aktivitu „Odeslání účetního zápisu“. Skript obsahuje pravidla pro převod různých typů událostí z historie na standardizované názvy aktivit požadované službou ProcessMind.
Vytvoření DataFrames: Skript používá knihovnu pandas k vytvoření DataFrames. Nejprve vytvoří DataFrame pro událost „Created“ z hlavního seznamu účetních zápisů. Poté vytvoří další DataFrame se všemi ostatními aktivitami odvozenými z historie a záznamů příloh. Oba spojí do jednoho úplného záznamu událostí.
Doplnění metadat a sjednocení sloupců: Po spojení dat skript přidá požadované sloupce metadat, včetně SourceSystem (pevně nastaveného na „BlackLine“) a LastDataUpdate (nastaveného na čas spuštění skriptu). Přejmenuje také sloupce podle požadovaného schématu, například pole API id na JournalEntryId.
Export do CSV: Nakonec skript exportuje hotový DataFrame se záznamem událostí do souboru CSV s názvem blackline_journal_entry_event_log.csv. Soubor je naformátovaný a připravený k přímému nahrání do ProcessMind.

Konfigurace

Přihlašovací údaje API: Potřebujete platné Client ID, Client Secret a Refresh Token pro BlackLine REST API. Uchovávejte je bezpečně a nevkládejte je přímo do produkčních skriptů.
Základní URL: Skript vyžaduje konkrétní základní URL API vaší organizace BlackLine, například https://api.blackline.com.
Rozsah dat: Skript používá proměnné START_DATE a END_DATE. Pro úvodní analýzu doporučujeme období zahrnující poslední 3 až 6 měsíců. Získáte tak dostatek dat, aniž by jejich objem byl příliš velký.
Limit stránkování: Proměnná LIMIT určuje počet záznamů načtených při jednom volání API. Výchozí hodnota bývá 100. Její změna může ovlivnit výkon, proto ji ponechte na doporučené hodnotě, pokud vám podpora BlackLine nedoporučí jinak.
Potřebná oprávnění: Uživatel API přiřazený k přihlašovacím údajům musí mít dostatečná oprávnění ke čtení účetních zápisů, jejich historie a příloh pro kódy společností, které chcete analyzovat.
Prostředí Python: Ke spuštění skriptu potřebujete funkční prostředí Python 3.6 nebo novější s nainstalovanými knihovnami requests a pandas.

Ukázkový dotaz python

import requests
import pandas as pd
from datetime import datetime
import time

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your BlackLine API credentials and base URL
CLIENT_ID = class="hl-string">'[Your Client ID]'
CLIENT_SECRET = class="hl-string">'[Your Client Secret]'
REFRESH_TOKEN = class="hl-string">'[Your Refresh Token]'
BASE_URL = class="hl-string">'[Your BlackLine API Base URL, e.g., https://api.blackline.com]'

class=class="hl-string">"hl-comment"># --- Extraction Parameters ---
START_DATE = class="hl-string">'2023-01-01' class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
END_DATE = class="hl-string">'2023-12-31'   class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
LIMIT = 100 class=class="hl-string">"hl-comment"># Records per page

def get_access_token():
    class="hl-string">"""Authenticates with BlackLine to get an access token."""
    auth_url = fclass="hl-string">"{BASE_URL}/api/oauth/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'refresh_token',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'refresh_token': REFRESH_TOKEN
    }
    response = requests.post(auth_url, data=payload)
    response.raise_for_status() class=class="hl-string">"hl-comment"># Raise an exception for bad status codes
    return response.json()[class="hl-string">'access_token']

def main():
    class="hl-string">"""Main function to extract, transform, and save journal entry event data."""
    print(class="hl-string">"Starting BlackLine Journal Entry extraction...")
    
    try:
        access_token = get_access_token()
        headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return

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

    class=class="hl-string">"hl-comment"># 1. Fetch all journals within the date range
    print(fclass="hl-string">"Fetching journals created between {START_DATE} and {END_DATE}...")
    journals = []
    offset = 0
    while True:
        journals_url = fclass="hl-string">"{BASE_URL}/api/v2/journals"
        params = {
            class="hl-string">'createdStartDate': START_DATE,
            class="hl-string">'createdEndDate': END_DATE,
            class="hl-string">'limit': LIMIT,
            class="hl-string">'offset': offset
        }
        try:
            response = requests.get(journals_url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            journals.extend(data.get(class="hl-string">'data', []))
            if class="hl-string">'nextLink' not in data or not data.get(class="hl-string">'data'):
                break
            offset += LIMIT
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching journals: {e}")
            break

    print(fclass="hl-string">"Found {len(journals)} journals. Now fetching detailed events for each...")

    class=class="hl-string">"hl-comment"># 2. For each journal, fetch history and attachments
    for journal in journals:
        journal_id = journal.get(class="hl-string">'id')
        if not journal_id:
            continue

        class=class="hl-string">"hl-comment"># --- Activity: Journal Entry Created ---
        events.append({
            class="hl-string">'JournalEntryId': journal_id,
            class="hl-string">'ActivityName': class="hl-string">'Journal Entry Created',
            class="hl-string">'EventTime': journal.get(class="hl-string">'createdDate'),
            class="hl-string">'UserName': journal.get(class="hl-string">'createdBy', {}).get(class="hl-string">'username'),
            class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
            class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
            class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
            class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
            class="hl-string">'RejectionReason': None
        })

        class=class="hl-string">"hl-comment"># Fetch history for other activities
        try:
            history_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/history"
            history_response = requests.get(history_url, headers=headers)
            history_response.raise_for_status()
            history_items = history_response.json().get(class="hl-string">'data', [])
            
            for item in history_items:
                activity_name = None
                rejection_reason = None
                
                class=class="hl-string">"hl-comment"># This mapping requires knowledge of your specific BlackLine history event descriptions
                class=class="hl-string">"hl-comment"># The following are common examples. Adjust them based on your BlackLine configuration.
                event_description = item.get(class="hl-string">'description', class="hl-string">'').lower()
                if class="hl-string">'submitted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Submitted'
                elif class="hl-string">'reviewed' in event_description:
                    activity_name = class="hl-string">'Journal Entry Reviewed'
                elif class="hl-string">'rejected' in event_description:
                    activity_name = class="hl-string">'Journal Entry Rejected'
                    rejection_reason = item.get(class="hl-string">'comment') class=class="hl-string">"hl-comment"># Assuming comment contains the reason
                elif class="hl-string">'resubmitted' in event_description:
                    activity_name = class="hl-string">'Entry Corrected and Resubmitted'
                elif class="hl-string">'approved' in event_description and class="hl-string">'final' in event_description: class=class="hl-string">"hl-comment"># Example for final approval
                    activity_name = class="hl-string">'Journal Entry Approved'
                elif class="hl-string">'approval rescinded' in event_description:
                    activity_name = class="hl-string">'Approval Rescinded'
                elif class="hl-string">'posted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Posted'
                elif class="hl-string">'posting verified' in event_description:
                     activity_name = class="hl-string">'Posting Verified'
                
                if activity_name:
                    events.append({
                        class="hl-string">'JournalEntryId': journal_id,
                        class="hl-string">'ActivityName': activity_name,
                        class="hl-string">'EventTime': item.get(class="hl-string">'eventDate'),
                        class="hl-string">'UserName': item.get(class="hl-string">'user', {}).get(class="hl-string">'username'),
                        class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                        class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                        class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                        class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                        class="hl-string">'RejectionReason': rejection_reason
                    })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch history for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># Fetch attachments
        try:
            attachments_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/attachments"
            attachments_response = requests.get(attachments_url, headers=headers)
            attachments_response.raise_for_status()
            attachments = attachments_response.json().get(class="hl-string">'data', [])
            for attachment in attachments:
                events.append({
                    class="hl-string">'JournalEntryId': journal_id,
                    class="hl-string">'ActivityName': class="hl-string">'Supporting Documentation Attached',
                    class="hl-string">'EventTime': attachment.get(class="hl-string">'uploadedDate'),
                    class="hl-string">'UserName': attachment.get(class="hl-string">'uploadedBy', {}).get(class="hl-string">'username'),
                    class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                    class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                    class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                    class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                    class="hl-string">'RejectionReason': None
                })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch attachments for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># --- Activities based on journal fields (may need customization) ---
        if journal.get(class="hl-string">'isReversed'):
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reversal Processed',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reversalDate]'), class=class="hl-string">"hl-comment"># Placeholder for reversal date field
                class="hl-string">'UserName': journal.get(class="hl-string">'[reversalUser]'), class=class="hl-string">"hl-comment"># Placeholder for user field
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': class="hl-string">'Reversed',
                class="hl-string">'RejectionReason': None
            })

        if journal.get(class="hl-string">'reconciliationId'): class=class="hl-string">"hl-comment"># Assuming this indicates reconciliation
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reconciled',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reconciliationCertifiedDate]'), class=class="hl-string">"hl-comment"># Placeholder for certified date
                class="hl-string">'UserName': journal.get(class="hl-string">'[reconciliationCertifier]'), class=class="hl-string">"hl-comment"># Placeholder for certifier user
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                class="hl-string">'RejectionReason': None
            })
        class=class="hl-string">"hl-comment"># Introduce a small delay to respect API rate limits
        time.sleep(0.1)

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

    class=class="hl-string">"hl-comment"># 3. Create DataFrame and save to CSV
    print(class="hl-string">"Transforming data and saving to CSV...")
    df = pd.DataFrame(events)

    class=class="hl-string">"hl-comment"># Add metadata columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    df[class="hl-string">'LastDataUpdate'] = last_data_update
    
    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'JournalEntryId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName', class="hl-string">'JournalEntryType', class="hl-string">'CompanyCode', class="hl-string">'JournalEntryAmount', class="hl-string">'JournalEntryStatus', class="hl-string">'RejectionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
            
    df = df[final_columns] class=class="hl-string">"hl-comment"># Order columns

    output_filename = class="hl-string">'blackline_journal_entry_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Chcete začít?

Použijte tuto šablonu k přípravě dat a získejte přehled o procesu Record to Report - Journal Entry. Začněte zvyšovat efektivitu a zlepšovat shodu už dnes.

Zpět na průvodce zlepšováním

Stáhnout šablonu

Zvyšte efektivitu procesu Record to Report - Journal Entry

Zkraťte dobu zpracování účetních zápisů o 30 % a uzavírejte účetní období rychleji a přesněji.

Spusťte zkušební verzi

Platební kartu nepotřebujete • Nastavení zabere jen několik minut

Šablona dat pro proces Record to Report - Journal Entry

Šablona dat pro proces Record to Report - Journal Entry

Atributy procesu Record to Report - Journal Entry

Aktivity procesu Record to Report - Journal Entry

Návody k extrakci dat

Export sestavy Journal Entry & Services Report z BlackLine

Kroky

Konfigurace

Ukázkový dotaz python

Extrakce pomocí Python skriptu přes BlackLine REST API

Kroky

Konfigurace

Ukázkový dotaz python

Chcete začít?

Zvyšte efektivitu procesu Record to Report - Journal Entry