> Kontinuierliche Prozessverbesserung > Onboarding von Mitarbeitenden > BambooHR > Daten Template

Ihr Daten-Template für das Onboarding von Mitarbeitenden

BambooHR

← Zurück zum Leitfaden zur Prozessverbesserung

Attribute für das Onboarding von Mitarbeitenden(19) Aktivitäten beim Onboarding von Mitarbeitenden(15) Anleitungen zum Datenexport(2)

Ihr Daten-Template für das Onboarding von Mitarbeitenden

Dieses Template enthält alle erforderlichen Hinweise, um Daten für eine detaillierte Analyse Ihres Onboarding-Prozesses zusammenzustellen. Es beschreibt die wichtigsten zu erfassenden Datenattribute und Aktivitäten und erklärt, wie Sie diese Daten effizient aus BambooHR exportieren. Mit dieser Ressource erstellen Sie ein aussagekräftiges Event Log und gewinnen genaue Erkenntnisse über den Onboarding-Prozess.

Empfohlene zu erfassende Attribute
Wichtige Aktivitäten für die Prozessentdeckung
Schritt-für-Schritt-Anleitung zum Datenexport aus BambooHR

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

Template herunterladen

Attribute für das Onboarding von Mitarbeitenden

Diese wichtigen Datenfelder gehören in Ihr Event Log und ermöglichen eine umfassende Analyse des Onboarding-Prozesses Ihrer Mitarbeitenden.

5 Erforderlich 6 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivitätsname ActivityName	Der Name der konkreten Aufgabe oder des Meilensteins im Onboarding-Prozess.
Beschreibung Dieses Attribut erfasst den Namen jedes einzelnen Ereignisses oder Schritts im Onboarding-Prozess einer Mitarbeiterin oder eines Mitarbeiters. Beispiele sind „Angebot angenommen“, „Hintergrundüberprüfung abgeschlossen“ und „Einführung am ersten Arbeitstag abgeschlossen“. Bei der Analyse dient der Aktivitätsname zum Aufbau der Prozesslandkarte. Sie zeigt die Abfolge der Ereignisse und den Arbeitsfluss. Das Attribut ist wichtig, um Engpässe zu erkennen, die Häufigkeit von Aktivitäten auszuwerten und die verschiedenen Abläufe oder Varianten neuer Mitarbeitender zu verstehen. Anhand der Abfolge dieser Aktivitäten können Analysten Abweichungen vom Standardprozess und Verbesserungsmöglichkeiten erkennen. Warum das wichtig ist Das Attribut legt die Prozessschritte fest. Es bildet die Grundlage der Prozesslandkarte und ermöglicht die Analyse von Workflow, Engpässen und Varianten. Woher beziehen Abgeleitet aus Statusänderungen, abgeschlossenen Aufgaben oder bestimmten Datumsfeldern in den Onboarding-Checklisten oder Einstellungs-Workflows von BambooHR. Beispiele Angebot angenommenUnterlagenpaket versendetIT-Bereitstellung angefordertCheck-in nach 30 Tagen abgeschlossen
	Ereignis-Timestamp EventTimestamp	Das genaue Datum und die Uhrzeit, zu denen eine Onboarding-Aktivität abgeschlossen wurde oder stattgefunden hat.
Beschreibung Der Ereignis-Timestamp gibt den genauen Zeitpunkt einer bestimmten Aktivität an. Diese Zeitangabe ist erforderlich, um Ereignisse chronologisch zu ordnen und die Dauer zwischen einzelnen Prozessschritten zu berechnen. Dieses Attribut bildet die Grundlage für alle zeitbezogenen Process-Mining-Analysen. Es dient zur Berechnung von Zykluszeiten, Wartezeiten und der gesamten Prozessdauer. Anhand der Timestamps können Unternehmen erkennen, welche Phasen am längsten dauern, die Leistung mit Service-Level-Vereinbarungen vergleichen und Verzögerungen ermitteln, die sich negativ auf die Erfahrung neuer Mitarbeitender auswirken. Warum das wichtig ist Dieser Timestamp gibt die chronologische Reihenfolge der Ereignisse an und ist für Leistungs- und Zeitdaueranalysen unverzichtbar, etwa zur Berechnung von Zykluszeiten und zum Erkennen von Verzögerungen. Woher beziehen Extrahiert aus verschiedenen Datumsfeldern in BambooHR, die den Abschluss von Aktivitäten abbilden, etwa „Offer Acceptance Date“ oder „Background Check Completion Date“, sowie aus Systemprotokollen zu Statusänderungen. Beispiele 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Onboarding-Case OnboardingCase	Die eindeutige Kennung, die alle Onboarding-Aktivitäten einer neuen Mitarbeiterin oder eines neuen Mitarbeiters zusammenfasst.
Beschreibung Der Onboarding-Case dient als zentrale Kennung für den gesamten Onboarding-Prozess einer Mitarbeiterin oder eines Mitarbeiters. Er fasst alle zugehörigen Ereignisse zusammen, von der Annahme des Angebots bis zum abgeschlossenen Check-in nach 30 Tagen. Bei der Process-Mining-Analyse ist dieses Attribut entscheidend, um den durchgängigen Prozessablauf für jede neue Mitarbeiterin und jeden neuen Mitarbeiter zu rekonstruieren. Damit lassen sich Prozesslandkarten visualisieren, KPIs auf Case-Ebene wie die gesamte Zykluszeit berechnen und verschiedene Prozessvarianten analysieren. Ohne eine einheitliche Case-Kennung wäre nicht nachvollziehbar, wie eine einzelne Person die verschiedenen Onboarding-Phasen durchläuft. Warum das wichtig ist Dies ist der Primärschlüssel, der alle zugehörigen Ereignisse miteinander verknüpft und so die Analyse des gesamten Onboardings für jede neue Mitarbeiterin und jeden neuen Mitarbeiter ermöglicht. Woher beziehen Dies ist eine konzeptionelle Kennung, die häufig aus der Employee ID und dem Einstellungsfall oder -datum gebildet wird. BambooHR verfügt möglicherweise nicht über eine explizite Kennung „Onboarding Case ID“. Sie muss daher bei der Datenaufbereitung erstellt werden. Beispiele ONB-00123ONB-00124ONB-00125
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp, der angibt, wann die Daten zuletzt aus dem Quellsystem aktualisiert wurden.
Beschreibung Dieses Attribut erfasst Datum und Uhrzeit der letzten Datenextraktion oder -aktualisierung. So können Benutzer einschätzen, wie aktuell und relevant die Daten sind. Bei jeder Analyse, insbesondere bei der Überwachung laufender Prozesse, ist die Aktualität der Daten entscheidend. Dieser Timestamp hilft Benutzern, den angezeigten Daten zu vertrauen und einzuschätzen, ob sie den aktuellen Betriebszustand oder einen früheren Zeitpunkt abbilden. Für Dashboards zur Überwachung aktiver Onboarding-Cases ist er unverzichtbar. Warum das wichtig ist Informiert Benutzer über die Aktualität der Daten und zeigt, wie aktuell die Prozessanalyse ist. Woher beziehen Dieser Timestamp wird bei der Datenextraktion und dem Laden der Daten erzeugt und dem Datensatz hinzugefügt. Beispiele 2024-05-21T08:00:00Z
	Quellsystem SourceSystem	Gibt das System an, aus dem diese Daten extrahiert wurden.
Beschreibung Dieses Attribut gibt die Herkunft der Daten an, in diesem Fall BambooHR. Es unterstützt die Data Governance und liefert Kontext, insbesondere wenn Daten aus mehreren Systemen zusammengeführt werden. Die Angabe des Quellsystems ist wichtig für die Datenherkunft und die Fehleranalyse. In größeren Analyseumgebungen stellt sie sicher, dass Benutzer den Kontext der Daten verstehen und bei Fragen oder Unstimmigkeiten bis zur Quelle zurückverfolgen können. Warum das wichtig ist Liefert wichtigen Kontext zur Herkunft der Daten. Das ist für Data Governance und Validierung sowie bei der Integration von Daten aus mehreren Quellen relevant. Woher beziehen Dies ist ein statischer Wert, „BambooHR“, der bei der Datentransformation hinzugefügt wird. Beispiele BambooHR
	Abteilung Department	Die Abteilung, der die neue Mitarbeiterin oder der neue Mitarbeiter angehört.
Beschreibung Dieses Attribut gibt die organisatorische Abteilung an, etwa „Engineering“, „Vertrieb“ oder „Marketing“, der die neue Mitarbeiterin oder der neue Mitarbeiter angehört. Es ist eine wichtige Dimension, um die Prozessleistung aufzuschlüsseln und zu vergleichen. Die Analyse des Onboardings nach Abteilung ist entscheidend, um Leistungsunterschiede innerhalb der Organisation zu verstehen. Sie hilft bei Fragen wie: „In welchen Abteilungen dauert das Onboarding am längsten?“ oder „Werden verpflichtende Schulungen in bestimmten Abteilungen seltener abgeschlossen?“ Diese Erkenntnisse ermöglichen gezielte Maßnahmen und den Austausch bewährter Vorgehensweisen zwischen den Abteilungen. Warum das wichtig ist Ermöglicht den Vergleich von Onboarding-Effizienz, Zykluszeiten und Compliance-Quoten zwischen verschiedenen Bereichen der Organisation. Woher beziehen Ein Standardfeld zu den Beschäftigungsinformationen der Mitarbeiterin oder des Mitarbeiters in BambooHR. Beispiele TechnikVertriebMarketingPersonalwesen
	Berufsbezeichnung JobTitle	Die konkrete Rolle oder Position der neuen Mitarbeiterin oder des neuen Mitarbeiters.
Beschreibung Dieses Attribut enthält die offizielle Berufsbezeichnung der neuen Mitarbeiterin oder des neuen Mitarbeiters, zum Beispiel „Softwareentwickler“, „Account Executive“ oder „Produktmanager“. Es ist eine weitere wichtige Dimension für die Analyse des Onboarding-Prozesses. Für verschiedene Rollen können unterschiedliche Anforderungen gelten, etwa spezielle Schulungen oder die Bereitstellung bestimmter Arbeitsmittel. Eine Auswertung nach Berufsbezeichnung zeigt, ob sich Verzögerungen bei bestimmten Rollen häufen oder andere Prozessabläufe gelten. So lässt sich das Onboarding an die jeweiligen Anforderungen der Position anpassen und verbessern. Warum das wichtig ist Ermöglicht die Analyse des Onboardings nach Rollenkomplexität und Anforderungen. So lässt sich das Onboarding auf die jeweiligen Positionen abstimmen. Woher beziehen Ein Standardfeld zu den Beschäftigungsinformationen der Mitarbeiterin oder des Mitarbeiters in BambooHR. Beispiele Senior-SoftwareentwicklerMarketingkoordinatorRegionaler Vertriebsleiter
	Einstellende Führungskraft HiringManager	Der Name der Führungskraft, an die die neue Mitarbeiterin oder der neue Mitarbeiter berichtet.
Beschreibung Dieses Attribut gibt die direkte Führungskraft der neuen Mitarbeiterin oder des neuen Mitarbeiters an. Die einstellende Führungskraft spielt häufig eine wichtige Rolle beim Onboarding und übernimmt Aufgaben wie die Vorstellung im Team und das Festlegen erster Ziele. Die Analyse der Onboarding-Leistung nach einstellender Führungskraft zeigt, wer neue Teammitglieder besonders gut integriert und wer möglicherweise zusätzliche Unterstützung oder Schulungen benötigt. Bewährte Vorgehensweisen erfolgreicher Führungskräfte lassen sich so erkennen und organisationsweit teilen. Das verbessert die Einheitlichkeit und Qualität des Onboardings. Warum das wichtig ist Ermöglicht die Analyse der Leistung nach Führungskraft und zeigt, wer das Onboarding wirksam gestaltet und wer möglicherweise mehr Unterstützung benötigt. Woher beziehen In BambooHR finden Sie diese Angabe normalerweise in den Beschäftigungsdaten oder in den Details zur Berichtslinie der Mitarbeitenden. Beispiele Jane DoeJohn SmithEmily Jones
	End-Timestamp EndTimestamp	Der Timestamp, zu dem eine Aktivität abgeschlossen wird, sofern sich ihre Dauer messen lässt.
Beschreibung Während StartTime (EventTimestamp) den Zeitpunkt einer Aktivität angibt, markiert EndTimestamp ihren Abschluss. Das ist vor allem bei Aktivitäten relevant, die nicht unmittelbar abgeschlossen sind, etwa bei einer „Hintergrundprüfung“ mit einem Start- und einem Abschlussstatus. Mit Start- und End-Timestamp lässt sich die Verarbeitungszeit einzelner Aktivitäten genauer berechnen. So können Sie unterscheiden, wie viel Zeit für die aktive Bearbeitung einer Aufgabe und wie viel für das Warten auf den nächsten Schritt anfällt. Diese Detailtiefe ist für eine eingehende Engpassanalyse entscheidend. Warum das wichtig ist Ermöglicht eine genaue Berechnung der Verarbeitungszeiten von Aktivitäten und unterscheidet zwischen aktiver Arbeitszeit und Wartezeit. Woher beziehen Wird aus den Timestamps aufeinanderfolgender Aktivitäten abgeleitet. Der EndTimestamp für „Hintergrundprüfung gestartet“ entspricht beispielsweise dem Timestamp von „Hintergrundprüfung abgeschlossen“. Beispiele 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	Mitarbeiter-ID EmployeeId	Eine eindeutige Kennung, die jeder Mitarbeiterin und jedem Mitarbeiter in BambooHR zugewiesen wird.
Beschreibung Die Employee ID ist der eindeutige Schlüssel zur Identifizierung einer bestimmten Mitarbeiterin oder eines bestimmten Mitarbeiters im HR-System. Sie bleibt während der gesamten Beschäftigungsdauer unverändert. Der Onboarding-Case ist zwar die primäre Kennung des Prozesses, doch die Employee ID ist entscheidend, um die Onboarding-Daten mit dem Stammdatensatz der jeweiligen Person zu verknüpfen. Dadurch lassen sich weitere Mitarbeiterattribute wie Berufsbezeichnung oder Abteilung ergänzen und Unterschiede beim Onboarding verschiedener Mitarbeitergruppen umfassender analysieren. Warum das wichtig ist Identifiziert neue Mitarbeitende eindeutig. So lassen sich weitere Mitarbeiterdaten ergänzen und ihr gesamter Werdegang über das Onboarding hinaus verfolgen. Woher beziehen Als Standardfeld im Mitarbeiterdatensatz in BambooHR verfügbar. Beispiele 601856018660187
	Standort Location	Der hauptsächliche Arbeitsort oder das Büro der neuen Mitarbeiterin oder des neuen Mitarbeiters.
Beschreibung Dieses Attribut gibt das Büro oder den geografischen Standort an, an dem die neue Mitarbeiterin oder der neue Mitarbeiter tätig sein wird. Das kann eine Stadt, ein Bürogebäude oder die Angabe „Remote“ sein. Die Auswertung nach Standort ist wichtig, um regionale Unterschiede beim Onboarding zu erkennen. So kann die Lieferung von Arbeitsmitteln je nach Standort unterschiedlich lange dauern, oder einzelne Büros haben eigene Einführungsverfahren. Die Analyse hilft, den Prozess nach Möglichkeit zu vereinheitlichen und notwendige lokale Unterschiede zu berücksichtigen. Warum das wichtig ist Hilft, regionale Unterschiede bei der Prozessleistung zu erkennen, etwa Verzögerungen bei der Lieferung von Arbeitsmitteln oder abweichende lokale Einführungsverfahren. Woher beziehen Ein Standardfeld im Profil der Mitarbeiterin oder des Mitarbeiters in BambooHR, üblicherweise unter Beschäftigungs- oder Standortangaben. Beispiele Büro in New YorkLondon, Vereinigtes KönigreichRemote (USA)Hauptsitz in San Francisco
	Ausführende Person EventPerformer	Der Benutzer oder das System, das die Onboarding-Aktivität ausgeführt hat.
Beschreibung Dieses Attribut gibt an, welche Person, welches Team oder welches automatisierte System für den Abschluss einer Aktivität verantwortlich ist. Beispielsweise kann eine HR-Fachkraft die Aktivität „Unterlagenpaket versendet“ abschließen, während die Führungskraft die „Vorstellung im Team“ übernimmt. Diese Information ist für die Ressourcenanalyse und das Verständnis der Arbeitsverteilung sehr wertvoll. Sie hilft dabei, Teams oder Rollen zu ermitteln, die an besonders zeitaufwendigen Aktivitäten oder Engpässen beteiligt sind. Außerdem lassen sich Aufgaben analysieren, die bestimmte Benutzergruppen ausführen. Das kann Entscheidungen zur Ressourcenverteilung und zu Automatisierungsstrategien unterstützen. Warum das wichtig ist Zeigt, wer die einzelnen Aufgaben ausführt. Das ist wichtig für die Arbeitslastanalyse, die Ressourcenoptimierung und das Verständnis benutzerspezifischer Verhaltensweisen. Woher beziehen Diese Information ist möglicherweise in Audit-Protokollen oder den Details zum Aufgabenabschluss in BambooHR erfasst und häufig dem Benutzer zugeordnet, der die Aktualisierung vorgenommen hat. Beispiele HR-AdministrationDavid Chen (Einstellungsleitung)SystemautomatisierungIT-Support
	Beschäftigungsstatus EmploymentStatus	Der aktuelle Beschäftigungsstatus der neuen Mitarbeitenden.
Beschreibung Dieses Attribut erfasst den Status neuer Mitarbeitender im Verlauf des Beschäftigungsverhältnisses, zum Beispiel von „Angebot angenommen“ über „Vor dem Beschäftigungsbeginn“ bis „Aktiv“. So sehen Sie auf einen Blick, an welcher Stelle des Gesamtprozesses sich die Mitarbeitenden befinden. Im Process Mining kann dieses Attribut auf Case-Ebene verwendet werden, um aktive Onboarding-Cases herauszufiltern oder auszuwerten, wie lange Cases in einem bestimmten Status verbleiben. Besonders hilfreich ist es für Dashboards, die einen aktuellen Überblick über alle laufenden Onboarding-Prozesse bieten und HR sowie Führungskräften die Fortschrittskontrolle erleichtern. Warum das wichtig ist Gibt einen Überblick über den Status des Onboarding-Cases. So können Sie aktive Cases filtern und den Gesamtfortschritt verfolgen. Woher beziehen Dies ist ein Standardfeld im Mitarbeitendendatensatz in BambooHR. Beispiele AktivInaktivAusgeschiedenBeurlaubt
	Ist Nacharbeit IsRework	Ein Kennzeichen dafür, dass eine Aktivität einen bereits ausgeführten Schritt wiederholt.
Beschreibung Dieses berechnete boolesche Attribut wird auf „true“ gesetzt, wenn eine Aktivität wie „Unterlagenpaket versendet“ innerhalb desselben Onboarding-Cases mehr als einmal vorkommt. Es weist darauf hin, dass ein Prozessschritt wiederholt werden musste, was meist auf einen Fehler, fehlende Angaben oder Ineffizienz hindeutet. Nacharbeit zu erkennen, gehört zu den zentralen Funktionen des Process Mining. Mit diesem Kennzeichen lassen sich Fälle von Nacharbeit einfach filtern und quantifizieren. Es unterstützt direkt Dashboards und KPIs zur Nacharbeit und macht Reibungsverluste sowie Verschwendung im Prozess sichtbar. Weniger Nacharbeit verkürzt die Durchlaufzeiten und verbessert die Erfahrung sowohl für neue Mitarbeitende als auch für das HR-Team. Warum das wichtig ist Macht Ineffizienzen, Fehler und unnötigen Aufwand sichtbar, indem wiederholte Aktivitäten gekennzeichnet werden. Woher beziehen Dies ist ein berechnetes Feld. Die Logik wird im Process-Mining-Tool umgesetzt, um wiederholte Aktivitätsfolgen innerhalb eines Cases zu erkennen. Beispiele truefalse
	Land Country	Das Land, in dem die neuen Mitarbeitenden beschäftigt sind.
Beschreibung Dieses Attribut gibt das Beschäftigungsland an. Für international tätige Organisationen ist es eine wichtige Auswertungsdimension. Onboarding-Prozesse und Vorschriften können sich von Land zu Land erheblich unterscheiden. Eine Auswertung nach Ländern hilft Organisationen, diese Unterschiede zu verstehen, lokale Gesetze einzuhalten und gegebenenfalls Möglichkeiten zur Standardisierung von Vorgehensweisen in verschiedenen Regionen zu erkennen. Auch Abweichungen bei den Durchlaufzeiten, etwa aufgrund landesspezifischer Feiertage oder Verwaltungsabläufe, lassen sich so erklären. Warum das wichtig ist Für international tätige Organisationen unverzichtbar, um Prozessabweichungen zu analysieren, lokale Vorschriften einzuhalten und länderspezifische Onboarding-Anforderungen zu berücksichtigen. Woher beziehen Ein Standardfeld in den Standort- oder Adressangaben der Mitarbeitenden in BambooHR. Beispiele Vereinigte StaatenVereinigtes KönigreichDeutschlandKanada
	Name der neuen Mitarbeitenden NewHireName	Der vollständige Name der Person, die das Onboarding durchläuft.
Beschreibung Dieses Attribut enthält den Namen der neuen Mitarbeitenden. Es dient vor allem betrieblichen Zwecken, etwa in Berichten oder Dashboards, in denen bestimmte Personen identifiziert werden müssen. Bei Process-Mining-Analysen werden Namen häufig anonymisiert oder durch Mitarbeitenden-IDs ersetzt, um die Datenschutzvorschriften einzuhalten. In operativen Dashboards, mit denen HR oder Führungskräfte aktive Cases verfolgen, bietet der Name jedoch einen unmittelbaren und leicht verständlichen Kontext. Warum das wichtig ist Bietet einen leicht verständlichen Kontext zu einzelnen Cases, insbesondere in operativen Dashboards für HR und Führungskräfte. Woher beziehen Ein Standardfeld in den persönlichen Angaben der Mitarbeitenden in BambooHR. Beispiele Alice JohnsonRobert WilliamsMaria Garcia
	Onboarding-Durchlaufzeit OnboardingCycleTime	Die Gesamtdauer des Onboarding-Prozesses für einen einzelnen Case.
Beschreibung Diese berechnete Kennzahl misst die Durchlaufzeit eines Onboarding-Cases von Anfang bis Ende, üblicherweise von „Angebot angenommen“ bis „30-Tage-Gespräch abgeschlossen“. Sie gibt die Gesamtdauer des Prozesses an. Diese zentrale Leistungskennzahl (KPI) dient dazu, die Gesamteffizienz des Prozesses zu bewerten. In Dashboards können Sie damit durchschnittliche Onboarding-Zeiten verfolgen, die Leistung verschiedener Abteilungen oder Rollen vergleichen und die Auswirkungen von Prozessverbesserungen messen. Eine kürzere Durchlaufzeit geht in der Regel mit einer besseren Erfahrung für neue Mitarbeitende und geringeren Verwaltungskosten einher. Warum das wichtig ist Eine zentrale KPI, um die Gesamteffizienz des Prozesses zu messen und Verbesserungen im Zeitverlauf zu verfolgen. Woher beziehen Wird berechnet, indem die Zeit zwischen dem Timestamp der ersten und der letzten Aktivität im Case ermittelt wird. Beispiele 35 Tage42 Tage28 Tage
	Startdatum StartDate	Der offizielle erste Arbeitstag der neuen Mitarbeitenden.
Beschreibung Das Startdatum ist ein wichtiger Meilenstein im Onboarding-Prozess. Es grenzt Aktivitäten vor dem Beschäftigungsbeginn, etwa Hintergrundprüfungen und das Ausfüllen von Unterlagen, von anschließenden Aktivitäten wie der Einführung und Schulungen ab. Bei vielen Auswertungen dient dieses Datum als zentraler Bezugspunkt. So wird damit beispielsweise die KPI „Bereitschaft am ersten Arbeitstag“ berechnet. Sie zeigt, ob alle erforderlichen Aufgaben vor dem ersten Arbeitstag abgeschlossen wurden. Außerdem hilft das Datum dabei, die fristgerechte Erledigung der Aufgaben vor Beschäftigungsbeginn und deren Auswirkungen auf die Produktivität am ersten Arbeitstag zu untersuchen. Warum das wichtig ist Dient als wichtiger Meilenstein, um Aktivitäten vor und nach Beschäftigungsbeginn voneinander abzugrenzen und zu prüfen, ob neue Mitarbeitende am ersten Arbeitstag bereit sind. Woher beziehen Entspricht dem Feld „Einstellungsdatum“, einem Standardfeld im Mitarbeitendendatensatz in BambooHR. Beispiele 2023-11-012023-11-152023-12-01
	Team Team	Das Team innerhalb einer Abteilung, dem die neuen Mitarbeitenden zugeordnet sind.
Beschreibung Dieses Attribut bietet detailliertere Organisationsangaben als die Abteilung. Es bezeichnet das jeweilige Team, zum Beispiel „Frontend-Entwicklung“ oder „Enterprise-Vertrieb“. Auswertungen auf Abteilungsebene sind hilfreich, doch Analysen auf Teamebene können spezifischere Erkenntnisse liefern. Sie zeigen Leistungsunterschiede zwischen Teams mit ähnlichen Aufgaben und helfen zu verstehen, wie teamspezifische Vorgehensweisen, etwa die Einführung im Team oder Schulungen, den gesamten Onboarding-Prozess beeinflussen. Das ist besonders für große Abteilungen nützlich, in denen eine detailliertere Aufschlüsselung erforderlich ist. Warum das wichtig ist Ermöglicht im Vergleich zur Abteilung eine detailliertere Auswertung von Leistung und Prozessabweichungen einzelner Teams. Woher beziehen Dies kann ein Standard- oder benutzerdefiniertes Feld in BambooHR sein und ist häufig Teil der organisatorischen Zuordnung der Mitarbeitenden. Beispiele PlattformentwicklungVertrieb im Mid-Market-SegmentContent-Marketing

Erforderlich Empfohlen Optional

Aktivitäten beim Onboarding von Mitarbeitenden

Diese wichtigen Prozessschritte und Meilensteine sollten Sie in Ihrem Event Log erfassen, um den Prozess genau zu entdecken und seine Leistung zu überwachen.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	Angebot angenommen	Diese Aktivität markiert den offiziellen Beginn des Onboardings: Eine Bewerberin oder ein Bewerber nimmt das Jobangebot verbindlich an. In BambooHR wird dies üblicherweise erfasst, wenn sich der Status im Applicant Tracking System (ATS) auf „Hired“ ändert. Dadurch werden das Mitarbeiterprofil und die Onboarding-Checkliste angelegt.
Warum das wichtig ist Dies ist der entscheidende Startpunkt jedes Onboarding-Cases. Die Zeitspanne zwischen diesem Ereignis und den folgenden Ereignissen zeigt, wie effizient und schnell der Prozess vor dem Arbeitsbeginn abläuft. Woher beziehen Abgeleitet aus dem Datum, an dem der Status der Bewerberin oder des Bewerbers im BambooHR-ATS auf „Hired“ gesetzt wird, oder aus dem Eintrag des Einstellungsdatums im Mitarbeiterprofil. Erfassung Ermitteln Sie den Timestamp, an dem sich das Feld „status“ einer Bewerbung auf „Hired“ ändert. Ereignistyp inferred
	Check-in nach 30 Tagen abgeschlossen	Bezeichnet den Abschluss des ersten formellen Check-ins zwischen der neuen Mitarbeiterin oder dem neuen Mitarbeiter und der Führungskraft, der üblicherweise nach etwa 30 Tagen stattfindet. Erfasst wird dies, wenn eine Aufgabe „30-Day Check-in“ oder ein Formular zur Leistungsbeurteilung in BambooHR als abgeschlossen markiert wird.
Warum das wichtig ist Dieser Meilenstein ist wichtig, um frühzeitig Feedback zu geben, Anliegen anzusprechen und die Mitarbeiterbindung zu verbessern. Die Erfassung des Abschlusses hilft, neue Mitarbeitende in dieser entscheidenden Phase regelmäßig einzubeziehen. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „30-Day Check-in“ oder eines Formulars zur Leistungsbeurteilung in BambooHR. Erfassung Das Ereignis wird protokolliert, wenn eine Führungskraft die Check-in-Aufgabe oder das Formular als „Completed“ markiert. Ereignistyp explicit
	Einführung am ersten Arbeitstag abgeschlossen	Markiert den Abschluss der ersten Einführungssitzung für die neue Mitarbeiterin oder den neuen Mitarbeiter. Dabei geht es um Unternehmenskultur, Richtlinien und persönliche Vorstellungen. Erfasst wird dies, wenn HR oder die Führungskraft die Aufgabe „First Day Orientation“ in der BambooHR-Onboarding-Checkliste als abgeschlossen markiert.
Warum das wichtig ist Dieser Meilenstein ist wichtig für die Einbindung und Integration der Mitarbeitenden. Eine einheitliche und pünktliche Durchführung trägt dazu bei, dass neue Mitarbeitende erfolgreich starten und positive Erfahrungen machen. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „First Day Orientation“ in der Onboarding-Aufgabenliste. Erfassung Das Ereignis wird protokolliert, wenn die Einführungsaufgabe als „Completed“ markiert wird. Ereignistyp explicit
	Hintergrundüberprüfung abgeschlossen	Diese Aktivität zeigt an, dass die Hintergrundüberprüfung der neuen Mitarbeiterin oder des neuen Mitarbeiters erfolgreich abgeschlossen wurde und die Ergebnisse vorliegen. In BambooHR wird dies erfasst, wenn die Aufgabe „Background Check“ in der Onboarding-Checkliste als „Completed“ markiert wird.
Warum das wichtig ist Dies ist ein wichtiger Compliance-Meilenstein. Verzögerungen zwischen Start und Abschluss können einen erheblichen Engpass darstellen. Die Erfassung hilft sicherzustellen, dass die Anforderungen vor der Einstellung vor dem Arbeitsbeginn erfüllt sind. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „Background Check“ in der Onboarding-Aufgabenliste der neuen Mitarbeiterin oder des neuen Mitarbeiters. Erfassung Das Ereignis wird protokolliert, wenn der Status der Aufgabe zur Hintergrundüberprüfung auf „Completed“ gesetzt wird. Ereignistyp explicit
	Onboarding-Aufgaben abgeschlossen	Diese Aktivität markiert den Abschluss aller Aufgaben in der Onboarding-Checkliste der neuen Mitarbeiterin oder des neuen Mitarbeiters. Das Ereignis lässt sich daraus ableiten, dass der Erfüllungsgrad der Aufgabenliste 100 % erreicht oder eine abschließende Aufgabe „Complete Onboarding“ abgehakt wird.
Warum das wichtig ist Damit endet der strukturierte, aufgabenbasierte Teil des Onboardings. Das Ereignis bestätigt, dass alle administrativen und vorbereitenden Schritte erfolgreich erledigt wurden. Woher beziehen Abgeleitet aus dem Timestamp der zuletzt abgeschlossenen Aufgabe in der Onboarding-Aufgabenliste einer Mitarbeiterin oder eines Mitarbeiters oder daraus, dass der Gesamtstatus des Onboarding-Prozesses auf „Complete“ gesetzt wird. Erfassung Ermitteln Sie den neuesten Abschluss-Timestamp aller Aufgaben, die zu einem einzelnen Onboarding-Case gehören. Ereignistyp inferred
	Unterlagenpaket abgeschlossen	Dieses Ereignis tritt ein, wenn die neue Mitarbeiterin oder der neue Mitarbeiter alle erforderlichen Dokumente im Onboarding-Paket unterschrieben hat. BambooHR erfasst dies automatisch, sobald alle elektronischen Unterschriften für ein versendetes Paket vorliegen.
Warum das wichtig ist Vollständige Unterlagen sind eine wichtige Voraussetzung für den ersten Arbeitstag. Die Analyse dieses Meilensteins ist entscheidend, um Compliance und Einsatzbereitschaft sicherzustellen sowie Nacharbeit und Verzögerungen beim Arbeitsbeginn zu vermeiden. Woher beziehen Erfasst anhand des Timestamps, zu dem sich der Status des versendeten Unterlagenpakets in BambooHR auf „Completed“ ändert. Erfassung Ein einzelnes Ereignis wird protokolliert, sobald die letzte erforderliche elektronische Unterschrift für ein Unterlagenpaket vorliegt. Ereignistyp explicit
	Verpflichtende Schulung abgeschlossen	Markiert den erfolgreichen Abschluss eines verpflichtenden Schulungskurses durch die neue Mitarbeiterin oder den neuen Mitarbeiter. BambooHR erfasst dieses Ereignis, wenn der Status einer zugewiesenen Schulung im Schulungsmodul auf „Completed“ gesetzt wird.
Warum das wichtig ist Dies ist ein wichtiger Compliance-Meilenstein. Die Erfassung des Abschlusses hilft sicherzustellen, dass das Unternehmen gesetzliche und interne Vorgaben erfüllt und Mitarbeitende über die für ihre Rolle erforderlichen Kenntnisse verfügen. Woher beziehen Erfasst anhand des Timestamps, zu dem der Status eines Schulungsdatensatzes im BambooHR-Schulungsmodul auf „Completed“ gesetzt wird. Erfassung Ein einzelnes Ereignis wird protokolliert, wenn das Statusfeld eines Schulungsdatensatzes auf „Completed“ gesetzt wird. Ereignistyp explicit
	Ausstattung bestellt	Bezeichnet den Zeitpunkt, zu dem die erforderliche Hardware, etwa ein Laptop oder Telefon, für die neue Mitarbeiterin oder den neuen Mitarbeiter bestellt wird. Erfasst wird dies üblicherweise, wenn die Aufgabe „Order Equipment“ in der BambooHR-Onboarding-Checkliste als abgeschlossen markiert wird.
Warum das wichtig ist Diese Aktivität ist ein wichtiger Meilenstein, damit die neue Mitarbeiterin oder der neue Mitarbeiter über die benötigten Arbeitsmittel verfügt. Verzögerungen wirken sich direkt auf die Einsatzbereitschaft am ersten Arbeitstag und die Produktivität aus. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „Order Equipment“ in der Onboarding-Aufgabenliste in BambooHR. Erfassung Das Ereignis wird protokolliert, wenn der Status der Aufgabe „Order Equipment“ auf „Completed“ gesetzt wird. Ereignistyp explicit
	Ausstattung geliefert	Diese Aktivität zeigt an, dass die bestellte Ausstattung physisch geliefert wurde und für die neue Mitarbeiterin oder den neuen Mitarbeiter bereitsteht. Häufig wird dies als separate Aufgabe „Equipment Delivered“ oder „Workspace Setup“ in der BambooHR-Onboarding-Checkliste erfasst und als abgeschlossen markiert.
Warum das wichtig ist Die Zeit zwischen Bestellung und Lieferung macht mögliche Engpässe in der Lieferkette oder Logistik sichtbar. So lässt sich sicherstellen, dass alle benötigten Arbeitsmittel vor dem Arbeitsbeginn bereitstehen. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „Equipment Delivered“ oder „Workspace Setup“ in der Onboarding-Aufgabenliste. Erfassung Das Ereignis wird protokolliert, wenn der Status der Liefer- oder Einrichtungsaufgabe auf „Completed“ gesetzt wird. Ereignistyp explicit
	Hintergrundüberprüfung gestartet	Diese Aktivität bezeichnet den Zeitpunkt, zu dem über einen integrierten Dienst eine Hintergrundüberprüfung für die neue Mitarbeiterin oder den neuen Mitarbeiter angefordert wird. Erfasst wird sie üblicherweise, wenn in der Onboarding-Aufgabenliste in BambooHR eine Aufgabe „Background Check“ angelegt oder als gestartet markiert wird.
Warum das wichtig ist Die Erfassung des Starts von Hintergrundüberprüfungen hilft, Verzögerungen bei der Prüfung vor der Einstellung zu erkennen. Diese ist häufig entscheidend für die Compliance und eine fristgerechte Einstellung. Woher beziehen Erfasst anhand des Erstellungs- oder Startdatums der Aufgabe „Background Check“ in einer Onboarding-Aufgabenliste in BambooHR. Erfassung Das Ereignis wird protokolliert, wenn die Aufgabe zur Hintergrundüberprüfung angelegt oder ihr Status auf „In Progress“ gesetzt wird. Ereignistyp explicit
	IT-Bereitstellung angefordert	Diese Aktivität markiert die formelle Anfrage an die IT-Abteilung, die erforderlichen Konten und Zugriffsrechte für die neue Mitarbeiterin oder den neuen Mitarbeiter einzurichten. In BambooHR wird sie üblicherweise erfasst, wenn eine vordefinierte Aufgabe „IT Provisioning“ angelegt und der Onboarding-Checkliste zugewiesen wird.
Warum das wichtig ist Eine rechtzeitige IT-Bereitstellung ist entscheidend für einen produktiven ersten Arbeitstag. Die Erfassung dieses Ereignisses zeigt, wie schnell die IT reagiert, und hilft, Verzögerungen bei der Einrichtung des Systemzugangs zu erkennen. Woher beziehen Erfasst anhand von Datum und Uhrzeit, zu denen die Aufgabe „IT Account Provisioning“ oder eine ähnliche Aufgabe in der Onboarding-Aufgabenliste der neuen Mitarbeiterin oder des neuen Mitarbeiters angelegt wird. Erfassung Das Ereignis wird protokolliert, wenn die Aufgabe zur IT-Bereitstellung in einer Onboarding-Checkliste angelegt wird. Ereignistyp explicit
	Mitarbeiterprofil erstellt	Bezeichnet die offizielle Anlage des Datensatzes der neuen Mitarbeiterin oder des neuen Mitarbeiters im HRIS. Damit wird die Person von einer Bewerberin oder einem Bewerber zu einer Mitarbeiterin oder einem Mitarbeiter. Abgeleitet wird dies aus dem Erstellungsdatum des Mitarbeiterdatensatzes in der zentralen BambooHR-Datenbank. Dies geschieht üblicherweise nach der Annahme des Angebots.
Warum das wichtig ist Diese Aktivität bildet die Grundlage für alle weiteren Onboarding-Schritte, etwa die IT-Bereitstellung und die Einrichtung der Gehaltsabrechnung. Sie liefert einen eindeutigen Timestamp dafür, wann die Mitarbeiterin oder der Mitarbeiter offiziell im System erfasst wird. Woher beziehen Abgeleitet aus dem Erstellungs-Timestamp des Datensatzes der neuen Mitarbeiterin oder des neuen Mitarbeiters in den zentralen Mitarbeiterdatentabellen. Erfassung Verwenden Sie den Timestamp der Metadaten „created_at“ oder eines entsprechenden Feldes im primären Mitarbeiterdatensatz. Ereignistyp inferred
	Unterlagenpaket versendet	Markiert den Zeitpunkt, zu dem das Unterlagenpaket für neue Mitarbeitende mit Dokumenten wie I-9, W-4 und Unternehmensrichtlinien zur Prüfung und Unterschrift versendet wird. BambooHR protokolliert dieses Ereignis, wenn eine HR-Administration das Paket über die Dokumentenverwaltungsfunktionen des Systems versendet.
Warum das wichtig ist Diese Aktivität startet einen wichtigen Verwaltungs-Workflow. Die Zeit vom Versand bis zum Abschluss der Unterlagen zeigt, wie effizient der Dokumentationsprozess abläuft. Woher beziehen Erfasst anhand des Timestamps, zu dem das Unterlagenpaket in BambooHR zur elektronischen Unterschrift an eine neue Mitarbeiterin oder einen neuen Mitarbeiter versendet wird. Erfassung Das System protokolliert ein einzelnes Ereignis, sobald die Aktion „Send Packet“ ausgeführt wird. Ereignistyp explicit
	Verpflichtende Schulung zugewiesen	Dieses Ereignis tritt ein, wenn der neuen Mitarbeiterin oder dem neuen Mitarbeiter eine verpflichtende Compliance- oder rollenspezifische Schulung zugewiesen wird. In BambooHR wird dies im Schulungsmodul ausdrücklich protokolliert, sobald eine neue Schulung zum Mitarbeiterdatensatz hinzugefügt wird.
Warum das wichtig ist Dies ist der Ausgangspunkt für die Messung der Schulungs-Compliance. Die Zeit zwischen Zuweisung und Abschluss zeigt, ob Mitarbeitende regulatorische und unternehmensinterne Anforderungen fristgerecht erfüllen. Woher beziehen Erfasst anhand des Erstellungsdatums eines Schulungsdatensatzes, der einer bestimmten Mitarbeiterin oder einem bestimmten Mitarbeiter im BambooHR-Schulungsmodul zugewiesen wurde. Erfassung Ein einzelnes Ereignis wird protokolliert, wenn ein neuer Eintrag in der Tabelle zur Erfassung von Mitarbeiterschulungen angelegt wird. Ereignistyp explicit
	Vorstellung im Team abgeschlossen	Bezeichnet die formelle Vorstellung der neuen Mitarbeiterin oder des neuen Mitarbeiters im direkten Team. Diese eher informelle, meist von der Führungskraft organisierte Aktivität wird üblicherweise durch den Abschluss der entsprechenden Aufgabe in der BambooHR-Onboarding-Checkliste erfasst.
Warum das wichtig ist Die soziale Integration ist ein wichtiger Bestandteil eines erfolgreichen Onboardings. Die Erfassung dieser Aktivität hilft sicherzustellen, dass Führungskräfte wichtige Schritte zur Begrüßung neuer Mitarbeitender und zur Stärkung des Teamzusammenhalts erledigen. Woher beziehen Erfasst anhand des Abschluss-Timestamps der Aufgabe „Team Introduction“ in der Onboarding-Aufgabenliste. Sie ist üblicherweise der einstellenden Führungskraft zugewiesen. Erfassung Das Ereignis wird protokolliert, wenn die Führungskraft die Aufgabe „Team Introduction“ als „Completed“ markiert. Ereignistyp explicit

Anleitungen zum Datenexport

So exportieren Sie Ihre Daten aus BambooHR

Schritte

Bei BambooHR anmelden: Melden Sie sich mit einem Benutzerkonto bei Ihrer BambooHR-Instanz an, das über die Berechtigung zum Erstellen und Ausführen benutzerdefinierter Berichte verfügt.
Zu den benutzerdefinierten Berichten wechseln: Öffnen Sie im Hauptmenü den Bereich „Berichte“. Klicken Sie im Abschnitt „Berichte verwalten“ auf „Bericht hinzufügen“.
Bericht konfigurieren: Geben Sie dem Bericht einen aussagekräftigen Namen, zum Beispiel „Export für Process Mining des Onboarding-Prozesses“. Bei Bedarf können Sie eine kurze Beschreibung hinzufügen.
Berichtsfelder auswählen: Wählen Sie auf der Registerkarte „Felder“ alle Spalten aus, die für das Event Log erforderlich sind. Dazu gehören Mitarbeitendenkennungen, wichtige Attribute und alle relevanten Datumsfelder für Onboarding-Aktivitäten. Wählen Sie unter anderem folgende Felder aus:
- Mitarbeitendennummer
- Vorname, Nachname
- Abteilung, Stellenbezeichnung, Standort
- Einstellungsleitung
- Einstellungsdatum (für „Mitarbeitendenprofil erstellt“)
- Alle benutzerdefinierten Datumsfelder für Meilensteine wie „Datum der Angebotsannahme“.
- Abschlussdaten aller relevanten Onboarding- und Offboarding-Aufgaben. Wählen Sie jede einzelne Aufgabe aus, zum Beispiel „Datum der abgeschlossenen Hintergrundprüfung“, „Datum des versendeten Unterlagenpakets“, „Datum des ausgefüllten Unterlagenpakets“, „Datum der angeforderten IT-Bereitstellung“ usw.
- Daten aus dem Schulungsmodul, zum Beispiel „Datum der zugewiesenen Pflichtschulung“ und „Datum der abgeschlossenen Pflichtschulung“.
Berichtsfilter festlegen: Legen Sie auf der Registerkarte „Filter“ den Umfang der Daten fest. Es empfiehlt sich dringend, nach dem „Einstellungsdatum“ zu filtern, damit Mitarbeitende aus einem bestimmten Zeitraum, zum Beispiel den letzten 6 Monaten, erfasst werden. So verhindern Sie, dass der Bericht zu groß wird und eine Zeitüberschreitung auftritt.
Bericht speichern und erstellen: Wenn alle Felder und Filter eingerichtet sind, klicken Sie auf „Speichern und ausführen“. Prüfen Sie die Ergebnisse in BambooHR, um sicherzustellen, dass die erwarteten Mitarbeitenden und Datenspalten enthalten sind.
Daten exportieren: Klicken Sie auf die Schaltfläche zum Exportieren, die meist durch ein Wolken- oder Pfeilsymbol dargestellt wird, und wählen Sie als Format „Durch Kommas getrennte Werte (.csv)“. Speichern Sie die Datei unter einem aussagekräftigen Namen, zum Beispiel bamboohr_onboarding_export.csv, auf Ihrem Computer.
Transformationsskript vorbereiten: Kopieren Sie das vollständige Python-Skript aus dem Abschnitt „query“ dieses Dokuments und speichern Sie es im selben Verzeichnis wie die exportierte CSV-Datei unter dem Namen transform_bamboohr.py.
Erforderliche Bibliothek installieren: Falls pandas noch nicht installiert ist, öffnen Sie ein Terminal oder eine Eingabeaufforderung und führen Sie den Befehl pip install pandas aus.
Transformation ausführen: Öffnen Sie ein Terminal oder eine Eingabeaufforderung, wechseln Sie in das Verzeichnis mit Ihren Dateien und führen Sie das Skript mit dem Befehl python transform_bamboohr.py aus. Das Skript verarbeitet den breiten CSV-Export und erstellt die Datei event_log.csv im korrekten langen Format für Process Mining.
In ProcessMind hochladen: Die Datei event_log.csv kann nun in die ProcessMind-Anwendung hochgeladen werden.

Konfiguration

Voraussetzungen: Sie benötigen das BambooHR-Advantage-Paket mit erweiterten Berichts- und Onboarding-Funktionen. Ihre Benutzerrolle muss über die Berechtigung verfügen, benutzerdefinierte Berichte mit Mitarbeitendendaten zu erstellen, anzuzeigen und zu exportieren.
Berichtsfelder: Entscheidend ist die Auswahl der richtigen Felder. Der Bericht muss im „breiten“ Format erstellt werden: eine Zeile pro Mitarbeitenden und eine eigene Datumsspalte für jede Onboarding-Aktivität. Fügen Sie Employee # als Case-Kennung sowie alle relevanten Attributspalten wie Abteilung, Job Title und Hiring Manager hinzu.
Benutzerdefinierte Felder und Aufgaben: Dieser Datenexport hängt stark davon ab, wie Ihre Organisation BambooHR einsetzt. Aktivitäten wie „Angebot angenommen“ oder „Ausstattung bestellt“ müssen in bestimmten benutzerdefinierten Datumsfeldern oder als Aufgaben in einer Onboarding-Checkliste erfasst sein. Wählen Sie für diese Aufgaben die Abschlussdatumsfelder aus, nicht nur die Aufgabennamen.
Filter für den Datumsbereich: Filtern Sie den Bericht immer nach dem „Einstellungsdatum“, damit die Daten relevant bleiben und der Export effizient verarbeitet werden kann. Für Prozessanalysen reicht in der Regel ein rollierender Zeitraum von 6 bis 12 Monaten aus, ohne dass die Exportdatei zu groß wird.
Berichtsplanung: Für die laufende Überwachung können Sie die BambooHR-Funktion verwenden, mit der benutzerdefinierte Berichte regelmäßig ausgeführt und Ihnen per E-Mail zugesendet werden, zum Beispiel wöchentlich. So lässt sich der erste Teil des Datenexports teilweise automatisieren.

Beispielabfrage python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Schritte

Voraussetzungen und Einrichtung: Stellen Sie sicher, dass Python 3.6 oder höher auf Ihrem System installiert ist. Installieren Sie die erforderlichen Bibliotheken pandas und requests, indem Sie folgenden Befehl im Terminal ausführen: pip install pandas requests.
BambooHR-API-Schlüssel erstellen: Melden Sie sich mit Administratorrechten bei Ihrem BambooHR-Konto an. Öffnen Sie oben rechts Ihr Profilsymbol, wählen Sie „API-Schlüssel“ und erstellen Sie einen neuen API-Schlüssel. Geben Sie ihm einen aussagekräftigen Namen, zum Beispiel „ProcessMiningExtraction“, und stellen Sie sicher, dass er Lesezugriff auf Mitarbeitendendaten, Onboarding-Aufgaben und Schulungsnachweise hat. Kopieren Sie den erstellten Schlüssel und bewahren Sie ihn sicher auf.
Python-Skript konfigurieren: Speichern Sie das bereitgestellte Python-Skript in einer Datei, zum Beispiel extract_onboarding.py. Öffnen Sie die Datei und ersetzen Sie den Platzhalter für COMPANY_SUBDOMAIN durch die eindeutige Subdomain Ihres Unternehmens. Das ist der Teil Ihrer BambooHR-URL vor „.bamboohr.com“. Ersetzen Sie außerdem API_KEY durch den im vorherigen Schritt erstellten Schlüssel.
Zeitraum für den Datenexport festlegen: Passen Sie im Skript die Variablen START_DATE und END_DATE an. Sie legen den Zeitraum fest, aus dem neue Mitarbeitende in den Export aufgenommen werden. Verwenden Sie das Format „YYYY-MM-DD“.
Skript ausführen: Führen Sie das Skript im Terminal mit dem Befehl python extract_onboarding.py aus. Das Skript stellt eine Verbindung zur BambooHR-API her, ruft die erforderlichen Daten ab und beginnt mit der Verarbeitung.
API-Aufrufe verstehen: Zunächst ruft das Skript den Endpunkt für Mitarbeitendenverzeichnisberichte auf, um eine Liste aller Mitarbeitenden zu erhalten, die im angegebenen Zeitraum eingestellt wurden. Diese Liste bildet die Grundlage für die Kennung OnboardingCase.
Daten schrittweise abrufen: Für jede ermittelte neue Person ruft das Skript anschließend detaillierte Profilinformationen, zugewiesene Onboarding-Aufgaben und Schulungsnachweise ab. So werden alle relevanten Datenpunkte zum Onboarding der jeweiligen Person erfasst.
Daten transformieren und zuordnen: Das Skript wandelt die Rohdaten im JSON-Format aus der API in ein strukturiertes Event Log um. Mithilfe des vordefinierten Wörterbuchs TASK_TO_ACTIVITY_MAP ordnet es die Titel der Onboarding-Aufgaben in BambooHR den standardisierten Aktivitätsnamen für Process Mining zu. Ereignisse wie „Angebot angenommen“ und „Mitarbeitendenprofil erstellt“ werden aus dem Einstellungs- und Erstellungsdatum der Mitarbeitenden abgeleitet.
Konsolenausgabe prüfen: Während der Ausführung gibt das Skript Statusmeldungen in der Konsole aus, darunter die Anzahl der gefundenen neuen Mitarbeitenden und den Namen jeder verarbeiteten Person. Achten Sie auf mögliche Fehler oder Warnungen.
Event-Log-Datei erstellen: Nach der Verarbeitung aller Mitarbeitenden fasst das Skript die Daten in einem DataFrame zusammen und speichert sie im selben Verzeichnis als CSV-Datei mit dem Namen bamboohr_onboarding_event_log.csv. Diese Datei enthält die für ProcessMind erforderlichen Spalten.
Upload vorbereiten: Öffnen Sie die erstellte CSV-Datei und prüfen Sie ihren Inhalt. Stellen Sie sicher, dass die Spalten OnboardingCase, ActivityName und EventTimestamp korrekt ausgefüllt sind, bevor Sie die Datei in Ihr Process-Mining-Tool hochladen.

Konfiguration

Berechtigungen des API-Schlüssels: Der für den Datenexport verwendete API-Schlüssel benötigt mindestens Lesezugriff auf folgende Daten: persönliche Angaben der Mitarbeitenden, Beschäftigungsdaten, Beschäftigungsstatus, Onboarding-Aufgaben und Schulungsnachweise.
Unternehmens-Subdomain: Das Skript benötigt die eindeutige BambooHR-Subdomain Ihres Unternehmens, um die richtigen API-Endpunkt-URLs zu erstellen.
Datumsbereich (START_DATE, END_DATE): Diese Skriptvariablen legen anhand der Einstellungsdaten den Zeitraum für den Datenexport fest. Beginnen Sie am besten mit einem aktuellen Zeitraum von 3 bis 6 Monaten, um die Datenqualität sicherzustellen und das Exportvolumen zu begrenzen. Für eine vollständige historische Analyse können Sie den Zeitraum erweitern. Beachten Sie dabei die API-Ratenbegrenzungen.
Aktivitätszuordnung (TASK_TO_ACTIVITY_MAP): Dieses Wörterbuch im Skript ist entscheidend. Es ordnet die genauen Titel der Onboarding-Aufgaben in BambooHR den standardisierten Aktivitätsnamen zu. Prüfen und bearbeiten Sie die Zuordnungen, damit sie der BambooHR-Konfiguration Ihrer Organisation entsprechen.
Quellsystemkennung: Die Variable SOURCE_SYSTEM ist im Skript fest auf „BambooHR“ gesetzt. Ändern Sie sie bei Bedarf, wenn Sie im endgültigen Event Log eine andere Kennung verwenden möchten.
Leistungsaspekte: Bei Organisationen mit Tausenden neuer Mitarbeitender im ausgewählten Zeitraum kann die Ausführung des Skripts aufgrund der zahlreichen API-Aufrufe pro Person längere Zeit in Anspruch nehmen. Führen Sie das Skript möglichst außerhalb der Spitzenzeiten aus, um Leistungseinbußen und mögliche Einschränkungen durch die API-Ratenbegrenzung zu vermeiden.

Beispielabfrage python

import requests
import pandas as pd
from datetime import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Möchten Sie loslegen?

Bereiten Sie Ihre Daten mit diesem Template für die Analyse vor und optimieren Sie den Onboarding-Prozess Ihrer Mitarbeitenden mit Zuversicht. Erkennen Sie noch heute Engpässe und verbessern Sie die Effizienz.

Zurück zum Leitfaden zur Prozessverbesserung

Template herunterladen

Optimieren Sie noch heute das Onboarding von Mitarbeitenden in BambooHR

Erreichen Sie eine Compliance-Abschlussquote von 95 % und vermeiden Sie Verzögerungen beim Onboarding.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. Beginnen Sie jetzt mit der Optimierung.

Ihr Daten-Template für das Onboarding von Mitarbeitenden

Ihr Daten-Template für das Onboarding von Mitarbeitenden

Attribute für das Onboarding von Mitarbeitenden

Aktivitäten beim Onboarding von Mitarbeitenden

Anleitungen zum Datenexport

Export benutzerdefinierter Berichte direkt aus BambooHR

Schritte

Konfiguration

Beispielabfrage python

Datenexport mit einem Python-Skript über die BambooHR-REST-API

Schritte

Konfiguration

Beispielabfrage python

Möchten Sie loslegen?

Optimieren Sie noch heute das Onboarding von Mitarbeitenden in BambooHR