> Kontinuierliche Prozessoptimierung > Lohn und Gehaltsabrechnung > Ceridian Dayforce > Datenvorlage

Ihr Daten-Template für die Lohnabrechnung

Ceridian Dayforce

Attribute der Lohnabrechnung (18) Aktivitäten der Lohnabrechnung (15) Extraktionsleitfäden (2)

Ihr Daten-Template für die Lohnabrechnung

Dieses Template bietet ein umfassendes Framework zur Abbildung Ihres Lohnabrechnungszyklus innerhalb von Ceridian Dayforce. Es skizziert die wesentlichen Datenfelder und Prozessmeilensteine, die zur Erstellung eines hochwertigen Event Logs für eine tiefgehende Analyse erforderlich sind. Indem Sie diese Richtlinien befolgen, erhalten Sie vollständige Transparenz über Ihre Auszahlungs-Workflows und können Bereiche für operative Verbesserungen identifizieren.

Empfohlene Attribute zur Erfassung
Wichtige Aktivitäten zur Verfolgung
Systemspezifische Extraktionsanleitung

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

Vorlage herunterladen

Attribute der Lohnabrechnung

Diese empfohlenen Datenfelder erfassen wichtige Geschäftskontext- und Systemdetails aus Ceridian Dayforce, um eine solide Grundlage für Ihre Prozessanalyse zu schaffen.

5 Erforderlich 5 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivität ActivityName	Der Name des ausgeführten Prozessschritts oder Events.
Beschreibung Dieses Attribut repräsentiert das spezifische Event, das innerhalb des Lohnabrechnungszyklus auftritt. Standardaktivitäten in Dayforce umfassen „Arbeitszeittabelle eingereicht“, „Bruttolohn berechnet“, „Lohnabrechnung festgeschrieben“, „Zahlung ausgeführt“ und „Steuererklärung abgeschlossen“. Diese Werte werden typischerweise aus den Workflow-Audit-Logs, Systemtransaktions-Logs (z.B. Änderungen im Lohnabrechnungsstatus) oder Timestamps extrahiert, die spezifischen Geschäftsobjekten wie dem Gehaltslauf oder der Arbeitszeittabelle zugeordnet sind. Bedeutung Es definiert die Prozessschritte und ist unerlässlich für die Rekonstruktion des Prozessflusses und die Analyse von Varianten. Datenquelle Workflow-Logs, Audit Trail oder Statusänderungsverlaufstabellen. Beispiele Arbeitszeittabelle eingereichtBruttogehalt berechnetZahlung ausgeführtDatenkorrektur durchgeführtAudit-Ausnahme gekennzeichnet
	Lohnabrechnungsdatensatz PayrollRecordId	Eindeutiger Bezeichner für den Lohnabrechnungs-Case, der Mitarbeiter und Abrechnungsperiode kombiniert.
Beschreibung Dieses Attribut dient als eindeutige Case ID für den Prozess. In Ceridian Dayforce ist ein Lohnabrechnungsdatensatz konzeptionell die Schnittmenge eines spezifischen Mitarbeiters und einer spezifischen Abrechnungsperiode (oft innerhalb einer Pay Group definiert). Es verfolgt den Lebenszyklus der Vergütung dieses Mitarbeiters für diesen spezifischen Zyklus. Technisch gesehen wird dies oft durch die Verkettung der Pay Period ID und des Employee XRefCode oder der System ID konstruiert. Es verknüpft alle Aktivitäten von der anfänglichen Arbeitszeittabellen-Einreichung bis zur endgültigen Steuererklärung und Gehaltszettel-Generierung. Bedeutung Es identifiziert das zentrale Objekt der Process Mining Analyse, wodurch alle Ereignisse in einem einzigen End-to-End-Ausführungspfad gruppiert werden können. Datenquelle Abgeleitet aus der Kombination von PayPeriodID und EmployeeID in den Payroll Result- oder Time Entry-Tabellen. Beispiele PG01-2023-10-EMP10234US_SAL-2023-22-EMP88421UK_HRLY-2023-44-EMP00231
	Timestamp EventDateTime	Das spezifische Datum und die Uhrzeit, wann die Aktivität stattfand.
Beschreibung Der genaue Timestamp, der markiert, wann ein Event im Dayforce-System stattgefunden hat. Dieser wird verwendet, um Aktivitäten chronologisch zu ordnen und die Dauer zwischen den Schritten zu berechnen. Genaue Timestamps sind entscheidend für die Identifizierung von Bottlenecks, wie z.B. Verzögerungen bei der „Arbeitszeittabelle genehmigt“ oder „Banküberweisungsdatei generiert“. Die Granularität sollte idealerweise auf Sekunden oder Minuten genau sein. Bedeutung Es liefert die für Process Mining erforderliche zeitliche Dimension, die Leistungsanalyse und Engpasserkennung ermöglicht. Datenquelle Transaktions-Timestamp-Spalten in Audit-Tabellen (z.B. CreatedDateTime, LastModifiedDateTime). Beispiele 2023-10-12T08:30:00Z2023-10-12T14:15:22Z2023-10-15T09:00:00Z
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp, wann die Daten aus der Quelle extrahiert wurden.
Beschreibung Gibt die Aktualität der für die Analyse verwendeten Daten an. Dies ist typischerweise der Zeitstempel des ETL-Laufs (Extract, Transform, Load), der die Daten aus Dayforce gezogen hat. Es hilft Analysten zu verstehen, ob sie Echtzeitdaten oder eine Momentaufnahme vom Vortag betrachten. Bedeutung Es legt die Aktualität des Datensatzes fest und hilft bei der Validierung der Datenvollständigkeit anhand von Quellsystemberichten. Datenquelle Systemzeit zum Zeitpunkt der Skriptausführung. Beispiele 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Quellsystem SourceSystem	Der Name des Systems, aus dem die `data` stammen.
Beschreibung Identifiziert die Software oder Datenbank, aus der die Gehaltsdaten extrahiert wurden. In diesem Kontext ist der Wert durchweg 'Ceridian Dayforce' oder 'Dayforce'. Dies ist nützlich, wenn Daten aus mehreren Systemen kombiniert werden (z.B. ein externes Zeiterfassungs-System, das Daten an Dayforce liefert), um die Datenherkunft zu verfolgen. Bedeutung Es gewährleistet die Rückverfolgbarkeit und ermöglicht das Filtern in Multi-System Process Mining Setups. Datenquelle Hardcodiert während der Extraktion oder abgeleitet aus Verbindungsmetadaten. Beispiele Ceridian DayforceDayforce ProductionDayforce EU
	Abteilung DepartmentName	Die Organisationseinheit, zu der der Mitarbeiter gehört.
Beschreibung Gibt die funktionale Abteilung (z.B. Vertrieb, IT, HR) an, die mit dem Gehaltsabrechnungsdatensatz verknüpft ist. In Dayforce ist dies oft mit der 'Org Unit'- oder 'Abteilungs'-Hierarchie verbunden. Dieses Feld ist die Grundlage für das Dashboard 'Leistung der Zeiterfassungsbogen-Genehmigung' und ermöglicht einen Drill-down in spezifische Geschäftsbereiche, in denen Führungskräfte Genehmigungen verzögern könnten. Bedeutung Es ermöglicht organisationales Benchmarking und die Ursachenanalyse für Genehmigungsverzögerungen. Datenquelle Mitarbeiterdatensatz oder Organisationseinheiten-Hierarchie. Beispiele FinanzenSupply Chain LogistikVertrieb Nordamerika
	Aktionsbenutzer ActionUser	Der Benutzer, der die spezifische Aktivität ausgeführt hat.
Beschreibung Identifiziert die für das Ereignis verantwortliche Person, z.B. den Manager, der einen Zeiterfassungsbogen genehmigt, oder den Gehaltsabrechnungsspezialisten, der den Gehaltslauf festschreibt. Diese Daten sind entscheidend für die Ansicht 'Produktivität der Gehaltsabrechnungsspezialisten' und zur Identifizierung von Schulungsbedarf bei Führungskräften. Bedeutung Es unterstützt die Ressourcenanalyse und die Verantwortlichkeitsverfolgung innerhalb des Prozesses. Datenquelle Audit-Logs, Benutzer-ID-Spalte in Transaktionstabellen. Beispiele jsmithSystemadministratormgarcia_mgr
	Bruttogehaltsbetrag GrossPayAmount	Das berechnete Bruttogehalt für den Datensatz.
Beschreibung Der gesamte Vergütungsbetrag vor Abzügen und Steuern. Dieser Wert wird während der Aktivität „Bruttolohn berechnet“ gefüllt. Die Analyse von Variationen in der Bruttolohn-Bearbeitungszeit kann helfen, komplexe Berechnungen zu identifizieren, die das Dashboard „Calculation Engine Flow Speed“ verlangsamen. Bedeutung Es bietet den finanziellen Kontext für den Prozess und ermöglicht die Analyse der Verarbeitung von hochwertigen versus geringwertigen Datensätzen. Datenquelle Tabelle „Payroll Result“ oder „Pay Run Details“. Beispiele 2500.004150.501200.00
	Gehaltsgruppe PayGroupName	Die Gruppierung von Mitarbeitern für die Lohnabrechnung.
Beschreibung Kategorisiert Mitarbeitende, die nach demselben Zeitplan bezahlt werden (z.B. 'US Bi-Weekly', 'UK Monthly'). In Dayforce ist die Entgeltgruppe eine primäre Organisationseinheit für Gehaltsläufe. Dieses Attribut ist entscheidend für das Dashboard 'Gesamtdauer des Gehaltsabrechnungszyklus', da verschiedene Entgeltgruppen naturgemäß unterschiedliche Zykluszeiten und Fristen haben. Bedeutung Es ist die primäre Segmentierung für das Benchmarking der Lohn- und Gehaltsabrechnungsleistung und die Identifizierung spezifischer Probleme auf Gruppenebene. Datenquelle PayGroup-Tabelle oder PayRun-Definition. Beispiele US Corporate SalariedCA Retail HourlyUK Executive Monatlich
	SLA-Bearbeitungsfrist SlaProcessingDeadline	Der erforderliche Abschluss-Timestamp für die Generierung der Bankdatei.
Beschreibung Die interne oder externe Frist, bis zu der die Aktivität „Banküberweisungsdatei generiert“ erfolgen muss, um die pünktliche Bezahlung der Mitarbeiter sicherzustellen. Dies wird im Dashboard „Bank Transfer Deadline Compliance“ verwendet. Dieses Attribut kann eine statische Regel basierend auf dem Auszahlungsdatum (z.B. Auszahlungsdatum minus 2 Tage) oder ein konfiguriertes Feld in den Pay Group-Einstellungen sein. Bedeutung Es ist der Benchmark für die Berechnung der Pünktlichkeitsleistung und des Compliance-Risikos. Datenquelle Abgeleitet aus dem Zahlungsdatum und der Konfiguration der Bankverarbeitungsregeln. Beispiele 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Abrechnungsperiode PayPeriodDescription	Der beschreibende Name des Gehaltszyklus.
Beschreibung Die menschenlesbare Bezeichnung für die Abrechnungsperiode (z.B. „2023 Woche 42“, „Oktober 2023 Halbmonatlich“). Dies hilft beim Filtern und bei der Visualisierung in Dashboards. Sie liefert Kontext für den „Payroll Record“ und wird oft in der „Process Variant Path Analysis“ angezeigt, um spezifische Läufe zu filtern. Bedeutung Es macht die Daten für Geschäftsanwender verständlich. Datenquelle Beschreibungspalte der PayPeriod-Tabelle. Beispiele 2023-KW422023-Okt-SM12023-M11
	Bearbeitungszykluszeit (Tage) ProcessingCycleTimeDays	Gesamttage von der Initialisierung bis zur Zahlung.
Beschreibung Die Dauer zwischen „Lohnabrechnungsdatensatz initialisiert“ und „Zahlung ausgeführt“. Diese Metrik unterstützt das Dashboard „End To End Payroll Cycle Duration“. Sie bietet eine übergeordnete Ansicht der Prozessgeschwindigkeit und Effizienz. Bedeutung Es ist das primäre Maß für die Prozessgeschwindigkeit. Datenquelle Berechnet: Zahlungszeitstempel - Initialisierungszeitstempel. Beispiele 3.55.21.0
	Beschäftigungsart EmploymentType	Die Klassifizierung des Mitarbeiters (Vollzeit, Teilzeit, Auftragnehmer).
Beschreibung Kategorisiert die Arbeitsbeziehung des Mitarbeitenden. Wird im Benchmarking verwendet, um festzustellen, ob Auftragnehmer oder Teilzeitmitarbeitende unterschiedliche Merkmale bei der Lohn- und Gehaltsabrechnung oder Fehlerraten aufweisen. Es ist oft im Mitarbeiterdatensatz in Dayforce zu finden. Bedeutung Es ermöglicht die Segmentierung und den fairen Vergleich von Verarbeitungsstatistiken. Datenquelle Mitarbeitertabelle. Beispiele VollzeitTeilzeitAuftragnehmer
	Ist Audit-Ausnahme IsAuditExceptionFlagged	Boolesches Flag, das anzeigt, ob der Datensatz eine Audit-Warnung ausgelöst hat.
Beschreibung Ein berechnetes oder direktes Flag, das anzeigt, dass die Aktivität 'Audit Exception Flagged' für diesen Fall aufgetreten ist. Es ist die Grundlage für den KPI 'Rate der Audit-Ausnahme-Kennzeichnung'. Hohe Fehlerraten weisen auf Probleme mit der Datenqualität oder eine zu strenge Konfiguration in der Dayforce Compliance-Engine hin. Bedeutung Es vereinfacht die Berechnung von Fehlerraten und Nacharbeitschleifen. Datenquelle Abgeleitet aus dem Vorhandensein der Aktivität 'Audit Exception Flagged'. Beispiele truefalsch
	Ist Banküberweisung verspätet IsBankTransferLate	Flag, das anzeigt, ob die Bankdatei die Frist verpasst hat.
Beschreibung Ein boolescher Wert, der durch den Vergleich des Zeitstempels 'Bank Transfer File Generated' mit der 'SLA Processing Deadline' berechnet wird. Dieser Wert ist die Grundlage für den KPI 'Pünktliche Banküberweisungsrate'. Das Erkennen verspäteter Überweisungen ist entscheidend, um verzögerte Mitarbeitendenzahlungen zu verhindern. Bedeutung Es ist ein kritischer Indikator für Compliance und Zuverlässigkeit. Datenquelle Berechnet: BankTransferTime > SlaProcessingDeadline. Beispiele truefalsch
	Korrekturgrund CorrectionReason	Der Grundcode, der für Datenkorrekturen angegeben wird.
Beschreibung Wenn eine Aktivität 'Datenkorrektur durchgeführt' auftritt, erfasst dieses Attribut den protokollierten Grund (z.B. 'Fehlende Stempelung', 'Rückwirkende Gehaltsanpassung'). Dies fügt dem Dashboard 'Manuelle Korrektur- und Nacharbeitsraten' Details hinzu, wodurch das Team spezifische Ursachen für manuelle Arbeit angehen kann. Bedeutung Es ist unerlässlich für die Ursachenanalyse von Nacharbeit. Datenquelle Audit-Log-Details oder Kommentarfelder bei Korrekturtransaktionen. Beispiele Verpasster StempelvorgangFalscher SatzRückwirkende Anpassung
	Kostenstelle CostCenterCode	Der Finanzcode, der für die Lohnabrechnungskosten verrechnet wird.
Beschreibung Die Hauptbuch-Kostenstelle, die den Einkünften des Mitarbeiters zugeordnet ist. Dies wird in der Ansicht „Cost Center Processing Benchmarks“ verwendet, um die Effizienz verschiedener Finanzabteilungen zu vergleichen. In Dayforce ist dies Teil der General Ledger (GL) Zuweisungsdetails. Bedeutung Es verknüpft die Prozessleistung mit Finanzberichtsstrukturen. Datenquelle Mitarbeiter-GL-Einstellungen oder Arbeitsverteilungstabellen. Beispiele CC-1020CC-5500-USCC-IT-OPS
	Steuerhoheitsgebiet TaxJurisdiction	Die Region oder Behörde für die Steuererklärung.
Beschreibung Identifiziert die spezifische Steuerbehörde (z.B. Bundesland, Provinz, Land), die für den Gehaltsabrechnungsdatensatz relevant ist. Dies unterstützt das Dashboard 'Steuererklärungs- und Compliance-Monitor'. Es ermöglicht die Segmentierung des Nach-Lohnabrechnungs-Compliance-Prozesses, wobei Gerichtsbarkeiten hervorgehoben werden, die häufig Verzögerungen bei der Einreichung erfahren. Bedeutung Es ermöglicht die Compliance-Überwachung und die geografische Analyse der Prozessleistung. Datenquelle Mitarbeiter-Steuereinstellungen oder Details zur Gehaltsabrechnungsergebnissteuer. Beispiele KalifornienOntarioNew YorkVereinigtes Königreich

Erforderlich Empfohlen Optional

Aktivitäten der Lohnabrechnung

Erfassen Sie diese wesentlichen Lebenszyklusereignisse und Statusänderungen, um eine präzise chronologische Ansicht Ihrer Lohn- und Gehaltsabrechnungs- und Auszahlungs-Workflows zu erstellen.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	Arbeitszeittabelle eingereicht	Das Event, bei dem ein Mitarbeiter oder Manager Arbeits- und Anwesenheitsdaten zur Verarbeitung einreicht. Dies verbindet das WFM-Modul mit dem Lohnabrechnungsmodul.
Bedeutung Entscheidend für das Dashboard 'Gesamtdauer des Gehaltsabrechnungszyklus', um Verzögerungen ab der Datenentstehung zu messen. Datenquelle Abgeleitet aus den Dayforce WFM-Modulprotokollen oder der Statusänderung des Zeitkartenobjekts zu 'Submitted'. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Arbeitszeittabelle genehmigt	Der Manager oder Vorgesetzte genehmigt die eingereichten Zeitdaten. Verzögerungen hier wirken sich direkt auf das Dashboard „Time Sheet Approval Performance“ aus.
Bedeutung Identifiziert Engpässe in der Genehmigungskette, die die Initialisierung der Gehaltsabrechnungsberechnung verzögern. Datenquelle Verfolgen Sie die Statusänderung der Stempelkarte zu „Genehmigt“ oder „Abgezeichnet“ im WFM-Modul. Erfassen Protokolliert, wenn Transaktion 'Approved' ausgeführt wurde Ereignistyp explicit
	Banküberweisungsdatei generiert	Die Generierung von NACHA-, SEPA- oder anderen Bankdateien. Wird verwendet, um die „On-Time Bank Transfer Rate“ im Vergleich zur SLA-Frist zu berechnen.
Bedeutung Kritischer Compliance-Schritt, der sicherstellt, dass Gelder pünktlich zur Zahlung transferiert werden. Datenquelle System-Jobprotokoll, das die erfolgreiche Generierung der Bankübertragungsdatei anzeigt. Erfassen Protokolliert, wenn die Transaktion „Dateierstellung“ ausgeführt wurde Ereignistyp explicit
	Bruttogehalt berechnet	Die Systemberechnungs-Engine berechnet den Bruttolohnbetrag basierend auf Stunden, Tarifen und importierten Daten. Dies ist der erste Schritt im Dashboard „Calculation Engine Flow Speed“.
Bedeutung Misst die Latenz der Berechnungs-Engine, nachdem die Eingaben abgeschlossen sind. Datenquelle Abgeleitet vom Zeitstempel, wann das Feld 'Bruttogehalt' während des Berechnungs-Batches gefüllt oder aktualisiert wird. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Lohnabrechnungsdatensatz genehmigt	Die endgültige Autorisierung des Lohnabrechnungsdatensatzes, oft als „Festschreibung“ oder „Sperrung“ des Gehaltslaufs bezeichnet. Markiert das Ende der Berechnungs-/Überprüfungsphase.
Bedeutung Der definitive Meilenstein, der die Bearbeitung von der Auszahlung trennt. Datenquelle Änderung des Gehaltslauf-Status zu 'Committed', 'Locked' oder 'Approved'. Erfassen Protokolliert, wenn Transaktion 'Commit' ausgeführt wurde Ereignistyp explicit
	Lohnabrechnungsdatensatz initialisiert	Markiert die Erstellung der spezifischen Gehaltslauf-Instanz für einen Mitarbeiter. In Dayforce geschieht dies, wenn die Pay Group für den Zyklus geöffnet wird und Mitarbeiter dem Lauf zugeordnet werden.
Bedeutung Definiert den Beginn des Gehaltsabrechnungsfalls und die Basislinie zur Messung der gesamten Durchlaufzeit. Datenquelle Identifizieren Sie den Erstellungszeitstempel des Mitarbeiter-Gehaltslauf-Datensatzes innerhalb der Entgeltgruppeninstanz. Erfassen Protokolliert, wenn Gehaltslaufdatensatz erstellt wurde Ereignistyp explicit
	Zahlung ausgeführt	Das Gültigkeitsdatum der Zahlung an den Mitarbeiter. Dies ist der finanzielle Abschluss des Prozesses für den Mitarbeiter.
Bedeutung Wichtiger Meilenstein für die 'Gesamtdauer des Gehaltsabrechnungszyklus' und die Mitarbeiterzufriedenheit. Datenquelle Das Feld „Prüfdatum“ oder „Zahlungsdatum“ im finalisierten Lohnabrechnungsdatensatz. Erfassen Protokolliert, wenn Transaktion 'Disbursement' ausgeführt wurde Ereignistyp explicit
	Audit-Ausnahme gekennzeichnet	Das System generiert eine Warnung oder Fehlermeldung basierend auf Validierungsregeln (z.B. negatives Nettoentgelt). Unterstützt den KPI „Audit Exception Flagging Rate“.
Bedeutung Hohe Frequenz deutet auf schlechte Datenqualität in vorgelagerten Systemen oder Konfigurationsfehler hin, die manuelle Eingriffe erfordern. Datenquelle Extrahieren aus der Nachrichten-/Fehlerprotokoll-Tabelle des Systems, die mit der Pay Run ID verknüpft ist. Erfassen Protokolliert, wenn Transaktion 'Exception Created' ausgeführt wurde Ereignistyp explicit
	Datenkorrektur durchgeführt	Ein Benutzer ändert manuell Gehaltsdaten (Stunden, Sätze, Abzüge) nach der ersten Berechnung. Dies wird im Dashboard 'Manuelle Korrektur- und Nacharbeitsraten' erfasst.
Bedeutung Direktes Maß für Nacharbeit; die Reduzierung dieser Aktivität ist ein primäres Ziel für die Prozesseffizienz. Datenquelle Audit-Trail-Datensätze, die Aktualisierungen von Mitarbeiter-Gehaltsdetailtabellen durch einen Benutzer zeigen. Erfassen Protokolliert, wenn die Transaktion „Datensatz aktualisiert“ ausgeführt wurde Ereignistyp explicit
	Gehaltszettel veröffentlicht	Digitale Lohnabrechnungen werden den Mitarbeitenden im ESS-Portal zur Verfügung gestellt. Unterstützt das Dashboard 'Verfügbarkeit digitaler Lohnabrechnungen'.
Bedeutung Misst die Latenz zwischen Zahlungsausführung und Informationsverfügbarkeit. Datenquelle Timestamp, wenn der Job zur Freigabe der Auszüge abgeschlossen ist oder das Sichtbarkeits-Flag auf „true“ gesetzt wird. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Incentive-Daten importiert	Erfasst den erfolgreichen Import externer Datendateien, die Boni, Provisionen oder einmalige Zahlungen enthalten. Unterstützt das Dashboard „Lead Times für den Import von Incentive-Daten“.
Bedeutung Verzögerungen beim Empfang dieser Daten sind eine häufige Ursache für Verzögerungen in der Lohn- und Gehaltsabrechnung. Datenquelle Dayforce Integrationsprotokolle, die den Abschluss von XML- oder CSV-Importaufträgen für den Gehaltslauf zeigen. Erfassen Protokolliert, wenn die Transaktion „Importieren“ ausgeführt wurde Ereignistyp explicit
	Leistungsabzüge angewendet	Die Anwendung von Leistungsregeln und Abzügen auf das Bruttogehalt. Teil der automatisierten Berechnungssequenz, die vom Flow Speed Dashboard überwacht wird.
Bedeutung Isoliert die Verarbeitungszeit oder Fehler, die spezifisch für die Leistungs-Engine innerhalb des Gehaltslaufs sind. Datenquelle Timestamp, wenn Abzugspositionen in den Lohnabrechnungsdatensatz geschrieben oder das Feld „Gesamtabzüge“ aktualisiert wird. Erfassen Ableiten durch Vergleich des Zeitstempels der Feldaktualisierung mit dem vorherigen Zeitstempel Ereignistyp calculated
	Lohnabrechnungsergebnis in der Vorschau angezeigt	Ein Benutzer prüft das vorläufige Gehaltsregister oder die Gehaltsvorschau. Dies wird zur Analyse der 'Effizienz der Vorschauphase' und zur Identifizierung von Nacharbeitschleifen verwendet.
Bedeutung Zeigt den Beginn der menschlichen Überprüfungsphase an; wiederholte Vorschauen deuten auf fortlaufende Datenprobleme hin. Datenquelle Zugriffsprotokolle, die anzeigen, dass ein Benutzer den Bericht 'Gehaltsabrechnungsvorschau' erstellt oder den Vorschau-Bildschirm geöffnet hat. Erfassen Protokolliert, wenn die Transaktion „Vorschaubericht“ ausgeführt wurde Ereignistyp explicit
	Steuererklärung abgeschlossen	Bestätigung, dass die Steuererklärungen nach der Lohnabrechnung für die jeweilige Gerichtsbarkeit erfolgreich verarbeitet wurden. Unterstützt den 'Steuererklärungs- und Compliance-Monitor'.
Bedeutung Gewährleistet die Einhaltung gesetzlicher Vorschriften und vermeidet Strafen, nachdem die Mitarbeitenden bezahlt wurden. Datenquelle Statusaktualisierung im Steuermodul oder Integrationsprotokoll, die den Empfang durch die Steuerbehörde oder den Drittanbieter bestätigt. Erfassen Protokolliert, wenn die Transaktion „Einreichung bestätigt“ ausgeführt wurde Ereignistyp explicit
	Steuern berechnet	Der letzte Berechnungsschritt, bei dem die Regeln des Steuerhoheitsgebiets angewendet werden, um den Nettolohn zu bestimmen. Schließt die automatisierte Berechnungssequenz ab.
Bedeutung Komplexe Steuerregeln können die Verarbeitung verlangsamen; diese Aktivität hilft, die Leistung der Steuer-Engine zu benchmarken. Datenquelle Timestamp, wenn Steuerpositionen generiert oder das Feld „Nettoentgelt“ in der Datenbank finalisiert wird. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred

Extraktionsleitfäden

So erhalten Sie Ihre `data` aus Ceridian Dayforce

Schritte

Melden Sie sich bei der Ceridian Dayforce Anwendung mit einem Benutzerkonto an, das über Berichts- und Systemadministratorberechtigungen verfügt.
Navigieren Sie im Hauptanwendungsmenü zur Funktion

Konfiguration

Berichtsthemenauswahl: Verwenden Sie 'System Audit Trail' für detaillierte Feldänderungen und 'Pay Run History' für Workflow-Meilensteine auf hoher Ebene.
Datumsbereich: Wählen Sie einen Bereich von 3 bis 6 Monaten, um den Abschluss des Falls ohne Überschreitung der Exportgrößenbeschränkungen zu gewährleisten.
Funktionsfilter: Filtern Sie den Audit Trail streng nach den Funktionen 'Payroll', 'Time And Attendance' und 'Benefits', um Störungen durch irrelevante HR-Änderungen zu reduzieren.
Benutzerkontext: Stellen Sie sicher, dass die Aktionen des 'System'-Benutzers im Export enthalten sind, da automatisierte Schritte (wie Berechnungen) vom Systemkonto und nicht von einem menschlichen Benutzer ausgeführt werden.
Formatierung: Stellen Sie das Exportformat auf CSV (Comma Delimited) ohne Kopfzeilengruppierung ein, um die maschinelle Verarbeitung zu erleichtern.
Zeitzone: Überprüfen Sie, ob alle Export-Zeitstempel in UTC oder der Serverzeit vorliegen, um eine chronologische Konsistenz über verschiedene Benutzerstandorte hinweg zu gewährleisten.

a Beispielabfrage config

[
  {
    "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 einrichten: Stellen Sie sicher, dass Sie ein Dienstkonto in Ceridian Dayforce mit Zugriff auf die Web Services (REST API) haben. Das Konto benötigt Berechtigungen für Employee Pay Summary, Zeiterfassung und Audit-/Workflow-Daten.
API-Konfiguration: Navigieren Sie in Dayforce zu System Admin > Integrations > Web Services. Notieren Sie sich Ihren Client Namespace, die Service-URL und stellen Sie sicher, dass Basic Auth oder OAuth konfiguriert ist. Dieses Skript geht der Einfachheit halber von Basic Auth aus, für die Produktion wird jedoch OAuth empfohlen.
Umgebung vorbereiten: Installieren Sie Python 3.x und die benötigten Bibliotheken. Sie benötigen die Bibliotheken pandas und requests. Führen Sie pip install pandas requests aus, um sie zu installieren.
Skript-Konfiguration: Aktualisieren Sie die Konfigurationsvariablen am Anfang des bereitgestellten Skripts. Ersetzen Sie Platzhalter für Benutzername, Passwort, client_namespace und base_url durch Ihre spezifischen Instanzdetails.
Datumsbereich festlegen: Legen Sie start_date und end_date im Skript fest, um die Gehaltsabrechnungsperioden abzudecken, die Sie analysieren möchten. Ein Fenster von 3-6 Monaten wird für die erste Validierung empfohlen.
Ausführung: Führen Sie das Skript über die Kommandozeile aus (z.B. python extract_dayforce.py). Das Skript fungiert als Orchestrator, der Daten von mehreren Endpunkten (Pay Summary, Time, Audit) abruft und sie zu einem vereinheitlichten Event Log zusammenführt.
Daten-Transformation: Das Skript normalisiert automatisch Zeitstempel und ordnet Dayforce-spezifische Statuscodes den erforderlichen standardmäßigen Activity-Namen zu (z.B. die Zuordnung eines Workflow-Status von 'committed' zu 'Payroll Record Approved').
Ausgabe-Generierung: Das Skript schreibt eine CSV-Datei namens dayforce_payroll_event_log.csv in das lokale Verzeichnis.
Validierung: Öffnen Sie die CSV-Datei und überprüfen Sie, ob die PayrollRecordId für eine einzelne Entgeltperiode konsistent ist und dass die Daten einer logischen chronologischen Reihenfolge folgen.
Import: Laden Sie die resultierende CSV-Datei in ProcessMind hoch. Ordnen Sie PayrollRecordId dem Case ID, ActivityName der Activity und EventDateTime dem Timestamp zu.

Konfiguration

Batch Size: Die Dayforce API verwendet Paginierung. Das Skript verwendet standardmäßig 50 oder 100 Datensätze pro Seite. Passen Sie den Limit-Parameter an, wenn Timeouts auftreten.
Throttling: Dayforce hat strenge API-Ratenlimits. Das Skript enthält grundlegende Sleep-Timer zwischen Anfragen, um 429 Too Many Requests-Fehler zu vermeiden.
Client Namespace: Dies ist entscheidend für die Verbindungszeichenfolge. Es ist der eindeutige Identifikator für Ihre Dayforce-Instanz.
Data Latency: Dayforce APIs spiegeln typischerweise Echtzeitdaten wider, aber Audit-Logs für sehr alte Datensätze (älter als 1-2 Jahre) können archiviert oder langsamer abrufbar sein.
Permissions: Der API-Benutzer muss Lesezugriff auf PII-Felder haben, wenn Sie sensible Attribute einschließen möchten, obwohl sich dieses Skript auf Prozessmetadaten konzentriert.
Time Zone: APIs geben normalerweise UTC zurück. Das Skript übernimmt die Konvertierung, stellen Sie jedoch sicher, dass Sie die Server-Zeitzone kennen, wenn Sie mit UI-Bildschirmen vergleichen.

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()

Ihr Daten-Template für die Lohnabrechnung

Ihr Daten-Template für die Lohnabrechnung

Attribute der Lohnabrechnung

Aktivitäten der Lohnabrechnung

Extraktionsleitfäden

Dayforce Ad-Hoc Reporting Export von Lohn- und Gehaltsabrechnungsdaten

Schritte

Konfiguration

a Beispielabfrage config

Python-Skript-Extraktion über die Dayforce REST API

Schritte

Konfiguration

a Beispielabfrage python

Bereit, um loszulegen?

Lohnabrechnungsverzögerungen stoppen und heute optimieren

Ihr Daten-Template für die Lohnabrechnung

Ihr Daten-Template für die Lohnabrechnung

Attribute der Lohnabrechnung

Aktivitäten der Lohnabrechnung

Extraktionsleitfäden

Dayforce Ad-Hoc Reporting Export von Lohn- und Gehaltsabrechnungsdaten

Schritte

Konfiguration

a Beispielabfrage config

Python-Skript-Extraktion über die Dayforce REST API

Schritte

Konfiguration

a Beispielabfrage python

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Lohnabrechnungsverzögerungen stoppen und heute optimieren