> Kontinuierliche Prozessverbesserung > Gehaltsabrechnung > Ceridian Dayforce > Daten Template

Ihr Daten-Template für die Gehaltsabrechnung

Ceridian Dayforce

← Zurück zum Leitfaden zur Prozessverbesserung

Attribute der Gehaltsabrechnung (17) Aktivitäten der Gehaltsabrechnung (15) Anleitungen zur Datenextraktion (2)

Ihr Daten-Template für die Gehaltsabrechnung

Dieses Template bietet einen umfassenden Rahmen, um den Lebenszyklus der Gehaltsabrechnung in Ceridian Dayforce abzubilden. Es beschreibt die erforderlichen Datenfelder und Prozessmeilensteine für ein hochwertiges Event Log, das detaillierte Analysen ermöglicht. Mit diesen Empfehlungen erhalten Sie einen vollständigen Überblick über Ihre Auszahlungs-Workflows und können Ansatzpunkte für Verbesserungen im Betrieb erkennen.

Empfohlene Attribute für die Datenerfassung
Wichtige Aktivitäten für die Nachverfolgung
Systembezogene Hinweise zur Datenextraktion

Neu bei Event Logs? Erfahren Sie, wie Sie ein Event Log für Process Mining erstellen.

Template herunterladen

Attribute der Gehaltsabrechnung

Diese empfohlenen Datenfelder erfassen wichtige geschäftliche Zusammenhänge und Systemdetails aus Ceridian Dayforce. Sie bilden eine solide Grundlage für Ihre Prozessanalyse.

5 Erforderlich 5 Empfohlen 7 Optional

	Name	Beschreibung
	Aktivität ActivityName	Bezeichnung des ausgeführten Prozessschritts oder Ereignisses.
Beschreibung Dieses Attribut bezeichnet das konkrete Ereignis im Payroll-Zyklus. Zu den üblichen Aktivitäten in Dayforce gehören „Stundenzettel eingereicht“, „Bruttogehalt berechnet“, „Payroll übernommen“, „Zahlung ausgeführt“ und „Steuererklärung eingereicht“. Die Werte stammen in der Regel aus Workflow-Audit-Protokollen, Systemtransaktionsprotokollen, etwa zu Änderungen des Payroll-Status, oder aus Timestamps bestimmter Geschäftsobjekte wie des Abrechnungslaufs oder des Stundenzettels. Warum das wichtig ist Das Attribut bildet die Prozessschritte ab und ist unverzichtbar, um den Prozessablauf zu rekonstruieren und Varianten zu analysieren. Woher beziehen Workflow-Protokolle, Audit-Trail oder Tabellen mit der Statusänderungshistorie. Beispiele Stundenzettel eingereichtBruttogehalt berechnetZahlung ausgeführtDatenkorrektur vorgenommenAudit-Ausnahme gekennzeichnet
	Payroll-Datensatz PayrollRecordId	Eindeutige Kennung des Payroll-Cases aus beschäftigter Person und Abrechnungszeitraum.
Beschreibung Dieses Attribut dient als eindeutige Case-ID des Prozesses. In Ceridian Dayforce bildet ein Payroll-Datensatz konzeptionell die Kombination aus einer bestimmten beschäftigten Person und einem bestimmten Abrechnungszeitraum, der häufig innerhalb einer Pay Group festgelegt wird. Er bildet den Verlauf der Vergütung dieser Person für den jeweiligen Abrechnungszyklus ab. Technisch wird die Kennung häufig durch Verknüpfung der Pay Period ID mit dem Employee XRefCode oder der System ID gebildet. Sie verbindet alle Aktivitäten von der ersten Einreichung des Stundenzettels bis zur abschließenden Steuereinreichung und Erstellung der Gehaltsabrechnung. Warum das wichtig ist Damit wird das zentrale Objekt der Process-Mining-Analyse identifiziert. So lassen sich alle Ereignisse zu einem durchgängigen Prozessablauf zusammenfassen. Woher beziehen Abgeleitet aus der Kombination von PayPeriodID und EmployeeID in den Tabellen Payroll Result oder Time Entry. Beispiele PG01-2023-10-EMP10234US_SAL-2023-22-EMP88421UK_HRLY-2023-44-EMP00231
	Timestamp EventDateTime	Datum und Uhrzeit, zu denen die Aktivität stattgefunden hat.
Beschreibung Der genaue Timestamp eines Ereignisses im Dayforce-System. Er dient dazu, Aktivitäten chronologisch zu ordnen und Zeitabstände zwischen Prozessschritten zu berechnen. Genaue Timestamps sind wichtig, um Engpässe zu erkennen, etwa Verzögerungen bei „Stundenzettel genehmigt“ oder „Banküberweisungsdatei erstellt“. Idealerweise ist die Zeitangabe sekundengenau oder minutengenau. Warum das wichtig ist Liefert die für Process Mining erforderliche zeitliche Dimension und ermöglicht so die Leistungsanalyse und das Erkennen von Engpässen. Woher beziehen Spalten mit Transaktions-Timestamps in Audit-Tabellen, zum Beispiel CreatedDateTime und LastModifiedDateTime. Beispiele 2023-10-12T08:30:00Z2023-10-12T14:15:22Z2023-10-15T09:00:00Z
	Letzte Datenaktualisierung LastDataUpdate	Timestamp der Datenextraktion aus dem Quellsystem.
Beschreibung Zeigt, wie aktuell die für die Analyse verwendeten Daten sind. In der Regel handelt es sich um den Timestamp des ETL-Laufs (Extract, Transform, Load), der die Daten aus Dayforce abgerufen hat. So können Analysten einschätzen, ob sie Echtzeitdaten oder einen Datenstand vom Vortag betrachten. Warum das wichtig ist Gibt an, wie aktuell der Datensatz ist, und hilft dabei, die Vollständigkeit der Daten anhand von Berichten des Quellsystems zu prüfen. Woher beziehen Systemzeit zum Zeitpunkt der Skriptausführung. Beispiele 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Quellsystem SourceSystem	Name des Systems, aus dem die Daten stammen.
Beschreibung Gibt an, aus welcher Software oder Datenbank die Payroll-Daten extrahiert wurden. In diesem Zusammenhang lautet der Wert durchgängig „Ceridian Dayforce“ oder „Dayforce“. Das Attribut ist hilfreich, wenn Daten aus mehreren Systemen zusammengeführt werden, etwa aus einem externen System für Arbeitszeit und Anwesenheit, das Daten an Dayforce übermittelt. So lässt sich die Herkunft der Daten nachvollziehen. Warum das wichtig ist Sichert die Rückverfolgbarkeit und ermöglicht Filter in Process-Mining-Umgebungen mit mehreren Systemen. Woher beziehen Bei der Extraktion fest codiert oder aus den Verbindungsmetadaten abgeleitet. Beispiele Ceridian DayforceDayforce-ProduktivsystemDayforce EU
	Abteilung DepartmentName	Organisationseinheit, der die beschäftigte Person angehört.
Beschreibung Gibt die für den Payroll-Datensatz zuständige Fachabteilung an, zum Beispiel Vertrieb, IT oder Personalwesen. In Dayforce ist dieses Attribut häufig mit der Hierarchie „Organisationseinheit“ oder „Abteilung“ verknüpft. Das Feld fließt in das Dashboard „Leistung bei der Genehmigung von Stundenzetteln“ ein. Damit können Sie gezielt die Fachbereiche untersuchen, in denen Führungskräfte Genehmigungen verzögern. Warum das wichtig ist Ermöglicht den Vergleich zwischen Organisationseinheiten und die Ursachenanalyse bei Verzögerungen von Genehmigungen. Woher beziehen Datensatz der beschäftigten Person oder Hierarchie der Organisationseinheiten. Beispiele FinanzenLogistik der LieferketteVertrieb Nordamerika
	Ausführender Benutzer ActionUser	Benutzer, der die jeweilige Aktivität ausgeführt hat.
Beschreibung Gibt an, wer für das Ereignis verantwortlich war, zum Beispiel die Führungskraft, die einen Stundenzettel genehmigt, oder der Payroll-Spezialist, der den Abrechnungslauf übernimmt. Diese Daten sind wichtig für die Ansicht „Produktivität von Payroll-Spezialisten“ und helfen dabei, den Schulungsbedarf von Führungskräften zu erkennen. Warum das wichtig ist Unterstützt die Ressourcenanalyse und die Nachverfolgung von Verantwortlichkeiten im Prozess. Woher beziehen Audit-Protokolle oder die Spalte „Benutzer-ID“ in Transaktionstabellen. Beispiele jsmithSystemadministratormgarcia_mgr
	Bruttogehalt GrossPayAmount	Berechnetes Bruttogehalt des Datensatzes.
Beschreibung Gesamtvergütung vor Abzügen und Steuern. Dieser Wert wird bei der Aktivität „Bruttogehalt berechnet“ eingetragen. Die Analyse von Unterschieden bei der Verarbeitungszeit des Bruttogehalts kann komplexe Berechnungen aufdecken, die das Dashboard „Geschwindigkeit des Berechnungsablaufs“ verlangsamen. Warum das wichtig ist Liefert den finanziellen Kontext zum Prozess und ermöglicht den Vergleich der Verarbeitung von Datensätzen mit hohen und niedrigen Beträgen. Woher beziehen Tabelle Payroll Result oder Pay Run Details. Beispiele 2500.004150.501200.00
	Pay Group PayGroupName	Gruppe von Mitarbeitenden, die gemeinsam abgerechnet werden.
Beschreibung Fasst Mitarbeitende zusammen, die nach demselben Zeitplan bezahlt werden, zum Beispiel „USA, zweiwöchentlich“ oder „Vereinigtes Königreich, monatlich“. In Dayforce ist die Pay Group eine zentrale Organisationseinheit für Abrechnungsläufe. Dieses Attribut ist für das Dashboard „End-to-End-Dauer des Payroll-Zyklus“ wichtig, da sich Zykluszeiten und Fristen je nach Pay Group unterscheiden. Warum das wichtig ist Dient als zentrale Grundlage für den Vergleich der Payroll-Leistung und das Erkennen von Problemen in einzelnen Gruppen. Woher beziehen PayGroup-Tabelle oder PayRun-Definition. Beispiele USA, Angestellte im UnternehmensbereichKanada, stundenweise bezahlte Beschäftigte im EinzelhandelVereinigtes Königreich, monatliche Abrechnung für Führungskräfte
	SLA-Verarbeitungsfrist SlaProcessingDeadline	Erforderlicher Abschluss-Timestamp für die Erstellung der Bankdatei.
Beschreibung Interne oder externe Frist, bis zu der die Aktivität „Banküberweisungsdatei erstellt“ erfolgen muss, damit Mitarbeitende pünktlich bezahlt werden. Dient dem Dashboard „Einhaltung der Frist für Banküberweisungen“. Dieses Attribut kann als feste Regel auf Grundlage des Zahlungsdatums festgelegt sein, zum Beispiel Zahlungsdatum minus zwei Tage, oder als Feld in den Einstellungen der Pay Group konfiguriert werden. Warum das wichtig ist Dient als Maßstab für die Berechnung der Pünktlichkeit und des Compliance-Risikos. Woher beziehen Abgeleitet aus dem Zahlungsdatum und der Konfiguration der Regeln für die Bankverarbeitung. Beispiele 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Abrechnungszeitraum PayPeriodDescription	Die Bezeichnung des Abrechnungszyklus.
Beschreibung Die für Menschen lesbare Bezeichnung des Abrechnungszeitraums (z. B. „2023, Woche 42“ oder „Oktober 2023, halbmonatlich“). Sie erleichtert das Filtern und die Visualisierung in Dashboards. Sie ordnet den „Gehaltsdatensatz“ ein und wird häufig in der „Analyse der Prozessvarianten“ angezeigt, um bestimmte Durchläufe zu filtern. Warum das wichtig ist So werden die Daten für Fachanwender verständlich. Woher beziehen Beschreibungsspalte der Tabelle PayPeriod. Beispiele 2023-W422023-Oct-SM12023-M11
	Audit-Ausnahme vorhanden IsAuditExceptionFlagged	Boolesches Kennzeichen, das angibt, ob der Datensatz eine Audit-Warnung ausgelöst hat.
Beschreibung Ein berechnetes oder direkt erfasstes Kennzeichen dafür, dass bei diesem Case die Aktivität „Audit-Ausnahme gekennzeichnet“ aufgetreten ist. Es fließt in die KPI „Rate gekennzeichneter Audit-Ausnahmen“ ein. Eine hohe Ausnahmerate weist auf Probleme mit der Datenqualität oder eine zu strenge Konfiguration der Compliance-Engine von Dayforce hin. Warum das wichtig ist Damit lassen sich Fehlerquoten und Nacharbeits-Schleifen einfacher berechnen. Woher beziehen Abgeleitet aus dem Vorhandensein der Aktivität „Audit-Ausnahme gekennzeichnet“. Beispiele truefalse
	Banküberweisung verspätet IsBankTransferLate	Kennzeichen dafür, ob die Bankdatei nicht fristgerecht übermittelt wurde.
Beschreibung Ein boolescher Wert, der durch den Vergleich des Timestamp von „Banküberweisungsdatei erstellt“ mit der „SLA-Verarbeitungsfrist“ berechnet wird. Er fließt in die KPI „Pünktlichkeitsrate der Banküberweisungen“ ein. Verspätete Überweisungen zu erkennen, ist wichtig, um verzögerte Gehaltszahlungen zu verhindern. Warum das wichtig ist Dies ist ein wichtiger Indikator für Compliance und Zuverlässigkeit. Woher beziehen Berechnet als: BankTransferTime > SlaProcessingDeadline. Beispiele truefalse
	Beschäftigungsart EmploymentType	Die Einstufung des Mitarbeitenden (Vollzeit, Teilzeit, Auftragnehmer).
Beschreibung Ordnet das Beschäftigungsverhältnis des Mitarbeitenden ein. Bei Benchmarks lässt sich damit prüfen, ob Auftragnehmer oder Teilzeitkräfte andere Merkmale oder Fehlerquoten bei der Gehaltsabrechnung aufweisen. In Dayforce ist diese Angabe häufig im Mitarbeitendendatensatz zu finden. Warum das wichtig ist So lassen sich Verarbeitungskennzahlen aufschlüsseln und fair vergleichen. Woher beziehen Tabelle Employee. Beispiele VollzeitTeilzeitAuftragnehmer
	Korrekturgrund CorrectionReason	Der für Datenkorrekturen angegebene Grundcode.
Beschreibung Tritt die Aktivität „Datenkorrektur durchgeführt“ auf, erfasst dieses Attribut den protokollierten Grund (z. B. „Fehlende Stempelung“ oder „Rückwirkende Gehaltsanpassung“). Damit wird das Dashboard „Manuelle Korrekturen und Nacharbeitsquoten“ um Details ergänzt. So kann das Team gezielt die Ursachen manueller Arbeit angehen. Warum das wichtig ist Das ist wichtig, um die Ursachen von Nacharbeit zu analysieren. Woher beziehen Details aus dem Audit-Protokoll oder Kommentarfelder zu Korrekturtransaktionen. Beispiele Fehlende StempelungFalscher SatzRückwirkende Anpassung
	Kostenstelle CostCenterCode	Der Finanzcode, dem die Gehaltskosten zugeordnet werden.
Beschreibung Die Kostenstelle im Hauptbuch, die den Bezügen des Mitarbeitenden zugeordnet ist. In der Ansicht „Benchmarks zur Kostenstellenverarbeitung“ dient sie dazu, die Effizienz verschiedener Finanzbereiche zu vergleichen. In Dayforce ist sie Teil der Angaben zur Hauptbuchzuordnung (General Ledger, GL). Warum das wichtig ist Damit lässt sich die Prozessleistung den Strukturen der Finanzberichterstattung zuordnen. Woher beziehen GL-Einstellungen der Mitarbeitenden oder Tabellen zur Arbeitskostenverteilung. Beispiele CC-1020CC-5500-USCC-IT-OPS
	Steuerhoheit TaxJurisdiction	Region oder Behörde, bei der die Steuererklärung eingereicht wird.
Beschreibung Gibt die für den Payroll-Datensatz zuständige Steuerbehörde an, zum Beispiel auf Ebene eines Bundesstaats, einer Provinz oder eines Landes. Unterstützt den „Monitor für Steuereinreichungen und Compliance“. Damit lässt sich der Compliance-Prozess nach der Payroll aufschlüsseln und erkennen, in welchen Steuerhoheiten es häufig zu Verzögerungen bei der Einreichung kommt. Warum das wichtig ist Ermöglicht die Compliance-Überwachung und die geografische Analyse der Prozessleistung. Woher beziehen Steuereinstellungen der beschäftigten Person oder Steuerdetails des Payroll-Ergebnisses. Beispiele KalifornienOntarioNew YorkVereinigtes Königreich

Erforderlich Empfohlen Optional

Aktivitäten der Gehaltsabrechnung

Erfassen Sie diese wichtigen Ereignisse im Prozesslebenszyklus und Statusänderungen, um den zeitlichen Ablauf Ihrer Gehaltsabrechnung und Auszahlungs-Workflows präzise abzubilden.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	Banküberweisungsdatei erstellt	Erstellung der NACHA-, SEPA- oder sonstigen Bankdateien. Dient dazu, die „Pünktlichkeitsrate von Banküberweisungen“ anhand der SLA-Frist zu berechnen.
Warum das wichtig ist Ein wichtiger Compliance-Schritt, der sicherstellt, dass die Gelder rechtzeitig für die Auszahlung bereitgestellt werden. Woher beziehen Systemprotokoll, das die erfolgreiche Erstellung der Bankübertragungsdatei anzeigt. Erfassung Erfasst, wenn die Transaktion „Datei erstellen“ ausgeführt wird Ereignistyp explicit
	Bruttogehalt berechnet	Die Berechnungs-Engine des Systems ermittelt das Bruttogehalt anhand der Arbeitsstunden, Vergütungssätze und importierten Daten. Dies ist der erste Schritt im Dashboard „Geschwindigkeit des Berechnungsablaufs“.
Warum das wichtig ist Misst die Reaktionszeit der Berechnungs-Engine, nachdem alle Eingaben vorliegen. Woher beziehen Abgeleitet aus dem Timestamp, zu dem das Feld „Bruttogehalt“ während des Berechnungslaufs ausgefüllt oder aktualisiert wird. Erfassung Statusfeld vorher und nachher vergleichen Ereignistyp inferred
	Payroll-Datensatz angelegt	Kennzeichnet die Erstellung eines bestimmten Abrechnungslaufs für eine beschäftigte Person. In Dayforce geschieht dies, wenn die Pay Group für den Abrechnungszyklus geöffnet und die Mitarbeitenden dem Lauf zugeordnet werden.
Warum das wichtig ist Legt den Beginn des Payroll-Cases und den Ausgangspunkt für die Messung der gesamten Zykluszeit fest. Woher beziehen Ermitteln Sie den Erstellungszeitpunkt des Abrechnungslaufs für die beschäftigte Person innerhalb der Pay-Group-Instanz. Erfassung Erfasst, wenn der Abrechnungslauf-Datensatz angelegt wird Ereignistyp explicit
	Payroll-Datensatz genehmigt	Die abschließende Freigabe des Payroll-Datensatzes, häufig als „Übernehmen“ oder „Sperren“ des Abrechnungslaufs bezeichnet. Markiert das Ende der Berechnungs- und Prüfphase.
Warum das wichtig ist Der maßgebliche Meilenstein zwischen Verarbeitung und Auszahlung. Woher beziehen Änderung des Status des Abrechnungslaufs zu „Übernommen“, „Gesperrt“ oder „Genehmigt“. Erfassung Erfasst, wenn die Transaktion „Übernehmen“ ausgeführt wird Ereignistyp explicit
	Stundenzettel eingereicht	Bei diesem Ereignis übermittelt eine beschäftigte Person oder eine Führungskraft Arbeitszeit- und Anwesenheitsdaten zur Verarbeitung. Damit wird das WFM-Modul mit dem Payroll-Modul verbunden.
Warum das wichtig ist Wichtig für das Dashboard „End-to-End-Dauer des Payroll-Zyklus“, das Verzögerungen ab dem Zeitpunkt der Datenerfassung misst. Woher beziehen Abgeleitet aus den Protokollen des Dayforce-WFM-Moduls oder einer Statusänderung des Timecard-Objekts zu „Eingereicht“. Erfassung Statusfeld vorher und nachher vergleichen Ereignistyp inferred
	Stundenzettel genehmigt	Die Führungskraft oder der Vorgesetzte genehmigt die eingereichten Arbeitszeitdaten. Verzögerungen wirken sich direkt auf das Dashboard „Leistung bei der Genehmigung von Stundenzetteln“ aus.
Warum das wichtig ist Macht Engpässe in der Genehmigungskette sichtbar, die den Start der Payroll-Berechnung verzögern. Woher beziehen Verfolgen Sie im WFM-Modul die Statusänderung der Timecard zu „Genehmigt“ oder „Abgezeichnet“. Erfassung Erfasst, wenn die Transaktion „Genehmigen“ ausgeführt wird Ereignistyp explicit
	Zahlung ausgeführt	Das Wertstellungsdatum der Zahlung an die beschäftigte Person. Damit ist der Prozess aus finanzieller Sicht für diese Person abgeschlossen.
Warum das wichtig ist Wichtiger Meilenstein für die „End-to-End-Dauer des Payroll-Zyklus“ und die Zufriedenheit der Mitarbeitenden. Woher beziehen Das Feld „Scheckdatum“ oder „Zahlungsdatum“ im endgültigen Payroll-Datensatz. Erfassung Erfasst, wenn die Transaktion „Auszahlung“ ausgeführt wird Ereignistyp explicit
	Abzüge für Zusatzleistungen angewendet	Die Regeln für Zusatzleistungen und Abzüge werden auf das Bruttogehalt angewendet. Dieser Schritt gehört zur automatisierten Berechnungsfolge, die im Dashboard zur Ablaufgeschwindigkeit überwacht wird.
Warum das wichtig ist Ermittelt die Verarbeitungszeit oder Fehler, die während des Payroll-Laufs speziell bei der Berechnung von Zusatzleistungen auftreten. Woher beziehen Timestamp, zu dem die Abzugspositionen in den Payroll-Datensatz geschrieben oder das Feld „Gesamtabzüge“ aktualisiert wird. Erfassung Durch den Vergleich des Update-Timestamps mit dem vorherigen Timestamp ermitteln Ereignistyp calculated
	Anreizdaten importiert	Erfasst den erfolgreichen Import externer Dateien mit Boni, Provisionen oder einmaligen Zahlungen. Unterstützt das Dashboard „Durchlaufzeiten beim Import von Anreizdaten“.
Warum das wichtig ist Verzögerungen beim Eingang dieser Daten führen häufig dazu, dass die Payroll-Verarbeitung angehalten wird. Woher beziehen Dayforce-Integrationsprotokolle, die den Abschluss von XML- oder CSV-Importaufträgen für den Abrechnungslauf anzeigen. Erfassung Erfasst, wenn die Transaktion „Importieren“ ausgeführt wird Ereignistyp explicit
	Audit-Ausnahme gekennzeichnet	Das System gibt auf Grundlage von Validierungsregeln eine Warnung oder Fehlermeldung aus, zum Beispiel bei einem negativen Nettogehalt. Unterstützt die KPI „Rate gekennzeichneter Audit-Ausnahmen“.
Warum das wichtig ist Eine hohe Häufigkeit deutet auf eine geringe Qualität vorgelagerter Daten oder Konfigurationsfehler hin, die manuelle Eingriffe erfordern. Woher beziehen Aus der Nachrichten- oder Fehlertabelle des Systems extrahieren, die mit der Pay-Run-ID verknüpft ist. Erfassung Erfasst, wenn die Transaktion „Ausnahme erstellen“ ausgeführt wird Ereignistyp explicit
	Datenkorrektur vorgenommen	Ein Benutzer ändert Lohndaten wie Arbeitsstunden, Vergütungssätze oder Abzüge nach der ersten Berechnung manuell. Diese Aktivität wird im Dashboard „Raten manueller Korrekturen und Nacharbeit“ erfasst.
Warum das wichtig ist Misst die Nacharbeit direkt. Diese Aktivität zu reduzieren, ist ein zentrales Ziel für effizientere Prozesse. Woher beziehen Audit-Trail-Einträge, die Änderungen eines Benutzers an den Detailtabellen zur Vergütung von Mitarbeitenden zeigen. Erfassung Erfasst, wenn die Transaktion „Datensatz aktualisieren“ ausgeführt wird Ereignistyp explicit
	Gehaltsabrechnung veröffentlicht	Digitale Gehaltsabrechnungen stehen den Mitarbeitenden im ESS-Portal zur Verfügung. Unterstützt das Dashboard „Verfügbarkeit digitaler Gehaltsabrechnungen“.
Warum das wichtig ist Misst die Zeit zwischen der Zahlungsausführung und der Bereitstellung der Informationen. Woher beziehen Timestamp, zu dem der Auftrag zur Veröffentlichung der Abrechnung abgeschlossen oder das Sichtbarkeitskennzeichen auf „true“ gesetzt wird. Erfassung Statusfeld vorher und nachher vergleichen Ereignistyp inferred
	Payroll-Ergebnis in Vorschau angezeigt	Ein Benutzer sieht sich das vorläufige Payroll-Register oder die Zahlungsvorschau an. Diese Aktivität dient der Analyse der Effizienz der Vorschauphase und der Erkennung von Nacharbeitsschleifen.
Warum das wichtig ist Kennzeichnet den Beginn der manuellen Prüfphase. Wiederholte Vorschauen können auf anhaltende Datenprobleme hindeuten. Woher beziehen Zugriffsprotokolle, aus denen hervorgeht, dass ein Benutzer den Bericht „Payroll-Vorschau“ erstellt oder die Vorschauansicht geöffnet hat. Erfassung Erfasst, wenn die Transaktion „Vorschau-Bericht“ ausgeführt wird Ereignistyp explicit
	Steuererklärung eingereicht	Bestätigung, dass die Steuererklärungen nach der Payroll für die jeweilige Steuerhoheit erfolgreich verarbeitet wurden. Unterstützt den „Monitor für Steuereinreichungen und Compliance“.
Warum das wichtig ist Sichert die Einhaltung gesetzlicher Vorschriften und vermeidet Strafen, nachdem die Mitarbeitenden bezahlt wurden. Woher beziehen Statusaktualisierung im Steuermodul oder Integrationsprotokoll, die den Eingang bei der Steuerbehörde oder dem externen Dienstleister bestätigt. Erfassung Erfasst, wenn die Transaktion „Einreichung bestätigen“ ausgeführt wird Ereignistyp explicit
	Steuern berechnet	Im letzten Berechnungsschritt werden die Steuervorschriften der jeweiligen Steuerhoheit angewendet, um das Nettogehalt zu ermitteln. Damit ist die automatisierte Berechnungsfolge abgeschlossen.
Warum das wichtig ist Komplexe Steuervorschriften können die Verarbeitung verlangsamen. Anhand dieser Aktivität lässt sich die Leistung der Steuer-Engine bewerten. Woher beziehen Timestamp, zu dem die Steuerpositionen erstellt oder das Feld „Nettogehalt“ in der Datenbank endgültig festgelegt wird. Erfassung Statusfeld vorher und nachher vergleichen Ereignistyp inferred

Anleitungen zur Datenextraktion

So exportieren Sie Ihre Daten aus Ceridian Dayforce

Schritte

Melden Sie sich mit einem Benutzerkonto mit den Berechtigungen „Reporting“ und „System Admin“ bei der Ceridian-Dayforce-Anwendung an.
Öffnen Sie im Hauptmenü der Anwendung die Funktion „Reporting“.
Klicken Sie auf „Add“, um einen neuen Bericht zu erstellen, und wählen Sie das Thema „System Audit Trail“ aus. Dieses Thema enthält das Änderungsprotokoll, das für Process Mining benötigt wird.
Fügen Sie im Bereich „Column Selection“ die folgenden Felder hinzu: Transaction Id, User Name, Timestamp, Feature Name, Operation, Table Name, Column Name, Old Value, New Value und Context Info. Letzteres enthält üblicherweise Angaben zu Mitarbeitenden und Abrechnungsgruppen.
Fügen Sie dem Bericht einen Filter hinzu, der „Feature Name“ auf Payroll, WFM (Workforce Management) und Benefits beschränkt.
Fügen Sie einen zweiten Filter für den Datumsbereich hinzu, der den gewünschten Analysezeitraum abdeckt, zum Beispiel die letzten 90 Tage.
Speichern Sie den Bericht unter dem Namen „Process Mining Audit Extract“.
Erstellen Sie mit dem Thema „Pay Run History“ einen zweiten Bericht, um übergeordnete Statusänderungen wie Berechnung, Freigabe und Verbuchung zu erfassen. Diese sind möglicherweise nicht im detaillierten Audit Trail auf Feldebene enthalten. Wählen Sie die Felder Pay Group, Pay Period End Date, Workflow Status, Status Change Date und User aus.
Führen Sie beide Berichte aus und exportieren Sie die Ergebnisse im CSV-Format.
Da Dayforce normalisierte Daten exportiert, müssen Sie die beiden CSV-Dateien zusammenführen. Ordnen Sie die Datensätze anhand der Pay-Group- und Pay-Period-Kennungen einander zu.
Wenden Sie die im folgenden Abschnitt „Query“ beschriebene Transformationslogik an, um die Dayforce-Audit-Rohcodes den standardisierten Aktivitätsnamen zuzuordnen.
Formatieren Sie den endgültigen Datensatz gemäß den erforderlichen Spalten: PayrollRecordId, ActivityName, EventDateTime, SourceSystem und weitere Attribute. Speichern Sie ihn anschließend als einzelne CSV-Datei für den Upload.

Konfiguration

Berichtsthema auswählen: Verwenden Sie „System Audit Trail“ für detaillierte Feldänderungen und „Pay Run History“ für übergeordnete Workflow-Meilensteine.
Datumsbereich: Wählen Sie einen Zeitraum von 3 bis 6 Monaten, damit die Fälle vollständig erfasst werden, ohne die Exportgrößenbeschränkungen zu überschreiten.
Filter für Funktionen: Beschränken Sie den Audit Trail unbedingt auf die Funktionen „Payroll“, „Time And Attendance“ und „Benefits“, um irrelevante HR-Änderungen auszuschließen.
Benutzerkontext: Nehmen Sie Aktionen des Benutzers „System“ in den Export auf. Automatisierte Schritte wie Berechnungen werden vom Systemkonto ausgeführt, nicht von einem menschlichen Benutzer.
Formatierung: Wählen Sie als Exportformat CSV (durch Kommas getrennt) und deaktivieren Sie die Gruppierung von Überschriften, damit die Daten maschinell verarbeitet werden können.
Zeitzone: Prüfen Sie, ob alle exportierten Zeitstempel in UTC oder Serverzeit angegeben sind. So bleibt die chronologische Reihenfolge unabhängig vom Standort der Benutzer konsistent.

a Beispielabfrage json

[
  {
    "ActivityName": "Payroll Record Initialized",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Created' or 'Open'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Submitted",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Submit'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Approved",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Approve'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Incentive Data Imported",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Import' AND Table equals 'PayEntry'",
    "TimestampField": "Timestamp",
    "ContextFields": ["BatchId", "PayGroup"]
  },
  {
    "ActivityName": "Gross Pay Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Calculated' OR Description contains 'Calculation Completed'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Benefits Deductions Applied",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Benefits' AND Table equals 'EmployeeDeduction' AND Operation equals 'Process'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "DeductionCode"]
  },
  {
    "ActivityName": "Taxes Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Description contains 'Tax Update' OR Status equals 'Tax Calculated' (Note: Often concurrent with Gross Pay)",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Payroll Result Previewed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'View' AND (Table equals 'Preview' OR Table equals 'PayrollRegister')",
    "TimestampField": "Timestamp",
    "ContextFields": ["User", "PayGroup"]
  },
  {
    "ActivityName": "Audit Exception Flagged",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Error' OR Table equals 'MessageLog'",
    "TimestampField": "Timestamp",
    "ContextFields": ["MessageId", "Severity"]
  },
  {
    "ActivityName": "Data Correction Performed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Update' AND Table equals 'PayEntry' AND User is not 'System'",
    "TimestampField": "Timestamp",
    "ContextFields": ["ColumnName", "OldValue", "NewValue"]
  },
  {
    "ActivityName": "Payroll Record Approved",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Committed' OR Status equals 'Locked'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "ActionUser"]
  },
  {
    "ActivityName": "Bank Transfer File Generated",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Generate' AND Table equals 'BankFile'",
    "TimestampField": "Timestamp",
    "ContextFields": ["FileName"]
  },
  {
    "ActivityName": "Payment Executed",
    "SourceReport": "Pay Run History",
    "Logic": "Use column 'Check Date' or 'Payment Date' from the Pay Run summary",
    "TimestampField": "Payment Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Pay Slip Published",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'ESS' AND Operation equals 'Publish' AND Table equals 'Statement'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId"]
  },
  {
    "ActivityName": "Tax Filing Completed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'TaxService' AND Operation equals 'File' OR Status equals 'Filed'",
    "TimestampField": "Timestamp",
    "ContextFields": ["Jurisdiction"]
  }
]

Schritte

Voraussetzungen schaffen: Richten Sie in Ceridian Dayforce ein Dienstkonto mit Zugriff auf die Web Services (REST API) ein. Das Konto benötigt Berechtigungen für Employee Pay Summary, Time Entry sowie Audit- und Workflow-Daten.
API konfigurieren: Öffnen Sie in Dayforce „System Admin“ > „Integrations“ > „Web Services“. Notieren Sie sich Ihren Client Namespace und die Service URL. Stellen Sie sicher, dass Basic Auth oder OAuth eingerichtet ist. Das Skript verwendet der Einfachheit halber Basic Auth. Für den Produktivbetrieb wird OAuth empfohlen.
Umgebung vorbereiten: Installieren Sie Python 3.x und die benötigten Bibliotheken pandas und requests. Führen Sie dazu pip install pandas requests aus.
Skript konfigurieren: Aktualisieren Sie die Konfigurationsvariablen am Anfang des bereitgestellten Skripts. Ersetzen Sie die Platzhalter für username, password, client_namespace und base_url durch die Angaben Ihrer Instanz.
Datumsbereich festlegen: Geben Sie im Skript für start_date und end_date den Zeitraum der zu analysierenden Abrechnungsperioden an. Für die erste Validierung empfiehlt sich ein Zeitraum von 3 bis 6 Monaten.
Skript ausführen: Starten Sie das Skript über die Befehlszeile, zum Beispiel mit python extract_dayforce.py. Das Skript ruft Daten aus mehreren Endpunkten ab (Pay Summary, Time, Audit) und führt sie in einem einheitlichen Event Log zusammen.
Daten transformieren: Das Skript normalisiert Zeitstempel automatisch und ordnet Dayforce-spezifische Statuscodes den erforderlichen standardisierten Aktivitätsnamen zu. So wird beispielsweise der Workflow-Status „committed“ der Aktivität „Payroll Record Approved“ zugeordnet.
Ausgabe erstellen: Das Skript speichert im lokalen Verzeichnis eine CSV-Datei mit dem Namen dayforce_payroll_event_log.csv.
Daten prüfen: Öffnen Sie die CSV-Datei und prüfen Sie, ob die PayrollRecordId für eine Abrechnungsperiode einheitlich ist und die Datumsangaben chronologisch plausibel sind.
Importieren: Laden Sie die resultierende CSV-Datei in ProcessMind hoch. Ordnen Sie PayrollRecordId der Case-ID, ActivityName der Aktivität und EventDateTime dem Timestamp zu.

Konfiguration

Batch-Größe: Die Dayforce-API verwendet eine Seitennummerierung. Das Skript ruft standardmäßig 50 oder 100 Datensätze pro Seite ab. Passen Sie den Parameter limit an, falls Zeitüberschreitungen auftreten.
Drosselung: Dayforce setzt strenge API-Ratenlimits. Zwischen den Anfragen wartet das Skript kurz, um Fehler wie „429 Too Many Requests“ zu vermeiden.
Client Namespace: Dieser Wert ist für die Verbindungszeichenfolge entscheidend. Er identifiziert Ihre Dayforce-Instanz eindeutig.
Datenverzögerung: Dayforce-APIs liefern in der Regel Echtzeitdaten. Audit-Protokolle sehr alter Datensätze, die älter als 1 bis 2 Jahre sind, können jedoch archiviert sein oder langsamer abgerufen werden.
Berechtigungen: Wenn Sie vertrauliche Attribute einbeziehen möchten, muss der API-Benutzer Lesezugriff auf personenbezogene Daten haben. Dieses Skript konzentriert sich jedoch auf Prozessmetadaten.
Zeitzone: APIs geben Zeiten üblicherweise in UTC zurück. Das Skript übernimmt die Umrechnung. Wenn Sie die Werte mit den Anzeigen in der Benutzeroberfläche vergleichen, müssen Sie dennoch die Serverzeitzone kennen.

a Beispielabfrage python

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

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># CONFIGURATION
class=class="hl-string">"hl-comment"># ==========================================
API_BASE_URL = class="hl-string">"https://www.dayforcehcm.com/api/[YourClientNamespace]/v1"
USERNAME = class="hl-string">"[YourServiceAccount]"
PASSWORD = class="hl-string">"[YourPassword]"
CLIENT_NAMESPACE = class="hl-string">"[YourClientNamespace]"

class=class="hl-string">"hl-comment"># Date range for extraction (YYYY-MM-DD)
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-04-01"

class=class="hl-string">"hl-comment"># Output file
OUTPUT_FILE = class="hl-string">"dayforce_payroll_event_log.csv"

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># HELPER FUNCTIONS
class=class="hl-string">"hl-comment"># ==========================================

def get_auth_session():
    session = requests.Session()
    session.auth = (USERNAME, PASSWORD)
    session.headers.update({class="hl-string">"Content-Type": class="hl-string">"application/json"})
    return session

def fetch_paginated_data(session, endpoint, params=None):
    all_records = []
    url = fclass="hl-string">"{API_BASE_URL}/{endpoint}"
    
    while url:
        try:
            response = session.get(url, params=params)
            if response.status_code == 429:
                time.sleep(2)  class=class="hl-string">"hl-comment"># Simple backoff
                continue
            
            response.raise_for_status()
            data = response.json()
            
            if class="hl-string">'Data' in data:
                all_records.extend(data[class="hl-string">'Data'])
            
            class=class="hl-string">"hl-comment"># Handle Pagination (Paging.Next is typical Dayforce pattern)
            url = data.get(class="hl-string">'Paging', {}).get(class="hl-string">'Next')
            if url and not url.startswith(class="hl-string">'http'):
                class=class="hl-string">"hl-comment"># Sometimes generic Next link needs base url reconstruction
                pass 
            elif not url:
                break
                
        except Exception as e:
            print(fclass="hl-string">"Error fetching {url}: {e}")
            break
            
    return all_records

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># EXTRACTION LOGIC
class=class="hl-string">"hl-comment"># ==========================================

def extract_payroll_process():
    session = get_auth_session()
    event_log = []

    print(class="hl-string">"Fetching Pay Summaries...")
    class=class="hl-string">"hl-comment"># In Dayforce, EmployeePaySummary contains the core payroll results
    pay_params = {
        class="hl-string">"filterUpdateStart": START_DATE,
        class="hl-string">"filterUpdateEnd": END_DATE
    }
    pay_records = fetch_paginated_data(session, class="hl-string">"EmployeePaySummary", params=pay_params)

    print(fclass="hl-string">"Processing {len(pay_records)} pay records...")

    for record in pay_records:
        class=class="hl-string">"hl-comment"># Identify the Case
        emp_id = record.get(class="hl-string">'EmployeeXRefCode', class="hl-string">'Unknown')
        pay_period = record.get(class="hl-string">'PayPeriodStartDate', class="hl-string">'').split(class="hl-string">'T')[0]
        case_id = fclass="hl-string">"{emp_id}_{pay_period}"
        
        class=class="hl-string">"hl-comment"># Common Attributes
        common_attrs = {
            class="hl-string">"PayrollRecordId": case_id,
            class="hl-string">"SourceSystem": class="hl-string">"Ceridian Dayforce",
            class="hl-string">"PayGroupName": record.get(class="hl-string">'PayGroupXRefCode', class="hl-string">''),
            class="hl-string">"DepartmentName": record.get(class="hl-string">'OrgUnitXRefCode', class="hl-string">''),
            class="hl-string">"GrossPayAmount": record.get(class="hl-string">'GrossPay', 0.0),
            class="hl-string">"LastDataUpdate": datetime.now().isoformat()
        }

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 1. Payroll Record Initialized
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Based on Pay Period Start as a proxy for initialization in system
        if record.get(class="hl-string">'PayPeriodStartDate'):
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Initialized",
                class="hl-string">"EventDateTime": record[class="hl-string">'PayPeriodStartDate'],
                class="hl-string">"ActionUser": class="hl-string">"System Scheduler"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 2. Time Sheet Activities (Simulated)
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># In a real scenario, you would query the EmployeeTimesheet endpoint.
        class=class="hl-string">"hl-comment"># Here we approximate based on the period end date.
        period_end = record.get(class="hl-string">'PayPeriodEndDate')
        if period_end:
            dt_end = datetime.strptime(period_end.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            
            class=class="hl-string">"hl-comment"># Time Sheet Submitted (Usually day after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Submitted",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=1)).isoformat() + class="hl-string">"T09:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Employee"
            })

            class=class="hl-string">"hl-comment"># Time Sheet Approved (Usually 2 days after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Approved",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=2)).isoformat() + class="hl-string">"T14:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Manager"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 3. Calculation Activities
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Derived from the LastCalculated Timestamp in the record
        calc_time = record.get(class="hl-string">'LastCalculatedDateTime')
        if calc_time:
            class=class="hl-string">"hl-comment"># Gross Pay Calculated
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Gross Pay Calculated",
                class="hl-string">"EventDateTime": calc_time,
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Benefits Deductions Applied (Sequence + 1 second)
            calc_dt = datetime.fromisoformat(calc_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Benefits Deductions Applied",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=1)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })

            class=class="hl-string">"hl-comment"># Taxes Calculated (Sequence + 2 seconds)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Taxes Calculated",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=2)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Payroll Result Previewed (Assume preview happens shortly after calc)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Result Previewed",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(minutes=30)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Payroll Analyst"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 4. Exceptions & Corrections
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Check if Net Pay is negative or zero (simple logic)
        if record.get(class="hl-string">'NetPay', 0) <= 0:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Audit Exception Flagged",
                class="hl-string">"EventDateTime": calc_time if calc_time else period_end,
                class="hl-string">"ActionUser": class="hl-string">"System Validator"
            })

        class=class="hl-string">"hl-comment"># Check if record was recalculated multiple times (Logic: Calc Time > Commit Time)
        class=class="hl-string">"hl-comment"># Note: API might not expose revision count directly without deep audit log
        class=class="hl-string">"hl-comment"># We will simulate a class="hl-string">'Data Correction' if an class="hl-string">'Import' flag is present
        if record.get(class="hl-string">'IsImported', False):
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Incentive Data Imported",
                class="hl-string">"EventDateTime": record.get(class="hl-string">'PayPeriodStartDate'), class=class="hl-string">"hl-comment"># Proxy
                class="hl-string">"ActionUser": class="hl-string">"Interface"
            })
             class=class="hl-string">"hl-comment"># Assume correction happened if imported data exists
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Data Correction Performed",
                class="hl-string">"EventDateTime": (datetime.fromisoformat(record[class="hl-string">'PayPeriodEndDate'].split(class="hl-string">'T')[0]) + timedelta(days=3)).isoformat() + class="hl-string">"T10:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Payroll Admin"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 5. Finalization & Payment
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Commit Timestamp (Approval)
        commit_time = record.get(class="hl-string">'CommitDateTime')
        if commit_time:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Approved",
                class="hl-string">"EventDateTime": commit_time,
                class="hl-string">"ActionUser": class="hl-string">"Payroll Manager"
            })
            
            class=class="hl-string">"hl-comment"># Bank Transfer File (Usually 2 hours after approval)
            commit_dt = datetime.fromisoformat(commit_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Bank Transfer File Generated",
                class="hl-string">"EventDateTime": (commit_dt + timedelta(hours=2)).isoformat(),
                class="hl-string">"SlaProcessingDeadline": (commit_dt + timedelta(hours=4)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"System Batch"
            })

        class=class="hl-string">"hl-comment"># Payment Executed (Check Date)
        check_date = record.get(class="hl-string">'CheckDate')
        if check_date:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payment Executed",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T12:00:00",
                class="hl-string">"ActionUser": class="hl-string">"System Payment"
            })
            
            class=class="hl-string">"hl-comment"># Pay Slip Published (Same as Check Date usually)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Pay Slip Published",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T08:00:00",
                class="hl-string">"ActionUser": class="hl-string">"ESS Portal"
            })

            class=class="hl-string">"hl-comment"># Tax Filing Completed (Usually 3 days after check date)
            check_dt = datetime.strptime(check_date.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Tax Filing Completed",
                class="hl-string">"EventDateTime": (check_dt + timedelta(days=3)).isoformat() + class="hl-string">"T17:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Compliance Job"
            })

    class=class="hl-string">"hl-comment"># ==========================================
    class=class="hl-string">"hl-comment"># EXPORT
    class=class="hl-string">"hl-comment"># ==========================================
    df = pd.DataFrame(event_log)
    if not df.empty:
        class=class="hl-string">"hl-comment"># Ensure columns are sorted and dates formatted
        df = df.sort_values(by=[class="hl-string">'PayrollRecordId', class="hl-string">'EventDateTime'])
        df.to_csv(OUTPUT_FILE, index=False)
        print(fclass="hl-string">"Successfully exported {len(df)} events to {OUTPUT_FILE}")
    else:
        print(class="hl-string">"No data found for the specified criteria.")

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

Möchten Sie loslegen?

Starten Sie noch heute mit diesem Template und wenden Sie es auf Ihre Gehaltsabrechnungsdaten an. Unser Team unterstützt Sie bei der Datenextraktion und stellt sicher, dass Ihre Daten für die Analyse bereit sind.

Zurück zum Leitfaden zur Prozessverbesserung Template herunterladen

Verzögerungen bei der Gehaltsabrechnung beenden und Abläufe jetzt verbessern

Verkürzen Sie die Payroll-Zykluszeit um 30 Prozent und beseitigen Sie Engpässe.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. In 5 Minuten eingerichtet.

Ihr Daten-Template für die Gehaltsabrechnung

Ihr Daten-Template für die Gehaltsabrechnung

Attribute der Gehaltsabrechnung

Aktivitäten der Gehaltsabrechnung

Anleitungen zur Datenextraktion

Dayforce Ad-Hoc Reporting: Payroll-Datenexport

Schritte

Konfiguration

a Beispielabfrage json

Datenextraktion mit Python-Skript über die Dayforce-REST-API

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie loslegen?

Verzögerungen bei der Gehaltsabrechnung beenden und Abläufe jetzt verbessern

Ihr Daten-Template für die Gehaltsabrechnung

Ihr Daten-Template für die Gehaltsabrechnung

Attribute der Gehaltsabrechnung

Aktivitäten der Gehaltsabrechnung

Anleitungen zur Datenextraktion

Dayforce Ad-Hoc Reporting: Payroll-Datenexport

Schritte

Konfiguration

a Beispielabfrage json

Datenextraktion mit Python-Skript über die Dayforce-REST-API

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie loslegen?

Verzögerungen bei der Gehaltsabrechnung beenden und Abläufe jetzt verbessern

Der Schutz Ihrer Daten ist uns wichtig