> Kontinuierliche Prozessverbesserung > Mitarbeitenden Onboarding > BambooHR > Daten Template

Ihr Daten-Template für Employee Onboarding

BambooHR

Attribute des Mitarbeitenden-Onboardings (19) Aktivitäten des Mitarbeitenden-Onboardings (15) Anleitungen zur Extraktion (2)

Ihr Daten-Template für Employee Onboarding

Dieses Template enthält alle erforderlichen Hinweise, um Daten für eine detaillierte Analyse Ihres Employee-Onboarding-Prozesses zu erfassen. Es beschreibt die wesentlichen Datenattribute, die Sie sammeln sollten, die wichtigen Aktivitäten, die Sie verfolgen sollten, und zeigt, wie Sie diese Daten effektiv aus BambooHR extrahieren. Verwenden Sie diese Ressource, um ein aussagekräftiges Event Log zu erstellen und verlässliche Erkenntnisse über Ihren Onboarding-Prozess zu gewinnen.

Empfohlene Attribute für die Erfassung
Wichtige Aktivitäten für die Process Discovery
Schrittweise Anleitung zur Extraktion aus BambooHR

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

Template herunterladen

Attribute des Mitarbeitenden-Onboardings

Dies sind die wesentlichen Datenfelder, die Sie in Ihr Event Log aufnehmen sollten. Sie ermöglichen eine umfassende Analyse Ihres Mitarbeitenden-Onboardings.

5 Erforderlich 6 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivitätsname ActivityName	Der Name der konkreten Aufgabe oder des Meilensteins, der im Onboarding-Prozess stattgefunden hat.
Beschreibung Dieses Attribut erfasst den Namen jedes einzelnen Ereignisses oder Schritts innerhalb des Employee-Onboarding-Prozesses. Beispiele sind „Angebot angenommen“, „Hintergrundprüfung abgeschlossen“ und „Orientierung am ersten Arbeitstag abgeschlossen“. In der Analyse wird der Aktivitätsname verwendet, um die Prozesslandkarte zu erstellen. Sie zeigt die Abfolge der Ereignisse und den Arbeitsfluss. Der Aktivitätsname ist entscheidend, um Engpässe zu erkennen, Aktivitätshäufigkeiten zu analysieren und die verschiedenen Pfade oder Varianten zu verstehen, die neue Mitarbeitende durchlaufen. Durch die Untersuchung der Aktivitätsabfolge können Analysten Abweichungen vom Standardprozess und Verbesserungsmöglichkeiten erkennen. Warum das wichtig ist Er definiert die Schritte des Prozesses, bildet das Rückgrat der Prozesslandkarte und ermöglicht die Analyse von Workflow, Engpässen und Abweichungen. Bezugsquelle Abgeleitet aus Statusänderungen, abgeschlossenen Aufgaben oder bestimmten Datumsfeldern in den Onboarding-Checklisten oder Einstellungs-Workflows von BambooHR. Beispiele Angebot angenommenUnterlagenpaket versendetIT-Bereitstellung angefordert30-Tage-Check-in abgeschlossen
	Ereignis-Timestamp EventTimestamp	Das genaue Datum und die genaue Uhrzeit, zu denen eine Onboarding-Aktivität abgeschlossen wurde oder stattgefunden hat.
Beschreibung Der Ereignis-Timestamp kennzeichnet den exakten Zeitpunkt, zu dem eine bestimmte Aktivität stattgefunden hat. Diese Zeitangabe ist entscheidend, um Ereignisse chronologisch zu ordnen und die Dauer zwischen verschiedenen Prozessschritten zu berechnen. Dieses Attribut bildet die Grundlage für alle zeitbezogenen Analysen im Process Mining. Es wird verwendet, um Durchlaufzeiten, Wartezeiten und die Gesamtdauer des Prozesses zu berechnen. Durch die Analyse von Timestamps können Unternehmen erkennen, welche Phasen am längsten dauern, die Leistung anhand von Service-Level-Agreements messen und Verzögerungen identifizieren, die sich negativ auf die Erfahrung neuer Mitarbeitender auswirken. Warum das wichtig ist Dieser Timestamp liefert die chronologische Reihenfolge der Ereignisse und ist für alle Leistungs- und Daueranalysen erforderlich, etwa zur Berechnung von Durchlaufzeiten und zur Erkennung von Verzögerungen. Bezugsquelle Extrahiert aus verschiedenen Datumsfeldern in BambooHR, die dem Abschluss von Aktivitäten entsprechen, etwa „Datum der Angebotsannahme“, „Datum des Abschlusses der Hintergrundprüfung“ oder Systemprotokollen, die Statusänderungen erfassen. 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 einzelnen neuen Mitarbeiterin oder eines einzelnen neuen Mitarbeiters zusammenfasst.
Beschreibung Der Onboarding Case dient als zentrale Kennung für den gesamten Employee-Onboarding-Prozess. Er verknüpft alle zugehörigen Ereignisse, von der ersten Annahme des Angebots bis zum Abschluss des 30-Tage-Check-ins, zu einem zusammenhängenden Ablauf. In der Process-Mining-Analyse ist dieses Attribut grundlegend für die Rekonstruktion des End-to-End-Prozessablaufs jeder neuen Mitarbeiterin und jedes neuen Mitarbeiters. Es ermöglicht die Visualisierung von Prozesskarten, die Berechnung von KPIs auf Case-Ebene, etwa der gesamten Durchlaufzeit, sowie die Analyse verschiedener Prozessvarianten. Ohne eine konsistente Case-ID wäre es nicht möglich nachzuverfolgen, wie sich eine einzelne Person durch die verschiedenen Onboarding-Phasen bewegt. Warum das wichtig ist Dies ist der Primärschlüssel, der alle zugehörigen Ereignisse miteinander verbindet. Dadurch lässt sich der vollständige Onboarding-Ablauf jeder neuen Mitarbeiterin und jedes neuen Mitarbeiters analysieren. Bezugsquelle Dies ist ein konzeptioneller Bezeichner, der häufig durch die Kombination der Mitarbeiter-ID mit der Einstellung oder dem Einstellungsdatum abgeleitet wird, da BambooHR möglicherweise keine einzelne explizite „Onboarding Case ID“ enthält. Er muss während 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. Es zeigt Nutzern, wie aktuell und relevant die Daten sind. Für jede Analyse, insbesondere bei der Überwachung laufender Prozesse, ist die Aktualität der Daten entscheidend. Dieser Timestamp schafft Vertrauen in die angezeigten Daten und macht deutlich, 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 Nutzer über die Aktualität der Daten und stellt sicher, dass sie den zeitlichen Stand der Prozessanalyse verstehen. Bezugsquelle Dieser Timestamp wird zum Zeitpunkt der Datenextraktion und des Ladens erzeugt und an den Datensatz angehängt. Beispiele 2024-05-21T08:00:00Z
	Quellsystem SourceSystem	Gibt das führende 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. Auch wenn die Angabe zunächst selbstverständlich wirkt, ist die explizite Nennung des Quellsystems für die Datenherkunft und die Fehleranalyse wichtig. In größeren Analyseumgebungen stellt sie sicher, dass Nutzer den Kontext der Daten verstehen und bei Fragen oder Unstimmigkeiten bis zu ihrem Ursprung zurückverfolgen können. Warum das wichtig ist Liefert wichtigen Kontext zur Datenherkunft. Das ist für Data Governance, Validierung und die Integration von Daten aus mehreren Quellen relevant. Bezugsquelle Dies ist ein statischer Wert, „BambooHR“, der während der Datentransformation hinzugefügt wird. Beispiele BambooHR
	Abteilung Department	Die Abteilung, der die neue Person beitritt.
Beschreibung Dieses Attribut gibt die Organisationseinheit an, der die neue Person angehört, etwa „Engineering“, „Vertrieb“ oder „Marketing“. Es ist eine wichtige Dimension, um die Prozessleistung zu segmentieren und zu vergleichen. Die Analyse des Onboarding-Prozesses nach Abteilung ist entscheidend, um Leistungsunterschiede innerhalb der Organisation zu verstehen. Sie hilft bei Fragen wie: „Welche Abteilungen haben die längsten Onboarding-Durchlaufzeiten?“ oder „Sind die Compliance-Raten bei Pflichtschulungen in bestimmten Abteilungen niedriger?“ Diese Erkenntnisse ermöglichen gezielte Maßnahmen und den Austausch bewährter Vorgehensweisen zwischen Abteilungen. Warum das wichtig ist Ermöglicht den Vergleich von Onboarding-Effizienz, Durchlaufzeiten und Compliance-Raten in verschiedenen Bereichen der Organisation. Bezugsquelle Ein Standardfeld, das in BambooHR mit den Stelleninformationen der Person verknüpft ist. Beispiele EntwicklungVertriebMarketingPersonalwesen
	Arbeitsort Location	Der primäre Arbeitsort oder das Büro der neuen Person.
Beschreibung Dieses Attribut identifiziert das Büro oder den geografischen Standort, an dem die neue Person arbeiten wird. Dabei kann es sich um eine Stadt, ein Bürogebäude oder die Angabe „Remote“ handeln. Die Analyse nach Standort ist wichtig, um regionale Unterschiede im Onboarding-Prozess zu erkennen. Beispielsweise können sich Lieferzeiten für Arbeitsmittel zwischen Standorten deutlich unterscheiden oder einzelne Büros eigene Verfahren für die Einführung neuer Mitarbeitender haben. Die Analyse hilft, den Prozess nach Möglichkeit zu standardisieren und notwendige lokale Abweichungen zu berücksichtigen. Warum das wichtig ist Hilft, regionale Unterschiede in der Prozessleistung zu erkennen, etwa Verzögerungen bei der Lieferung von Arbeitsmitteln oder Abweichungen bei lokalen Einführungsverfahren. Bezugsquelle Ein Standardfeld im Mitarbeiterprofil von BambooHR, üblicherweise unter Beschäftigungs- oder Standortangaben. Beispiele Niederlassung New YorkLondon, Vereinigtes KönigreichRemote (USA)Hauptsitz San Francisco
	Einstellende Führungskraft HiringManager	Der Name der Führungskraft, an die die neue Person berichtet.
Beschreibung Dieses Attribut identifiziert die direkte Führungskraft der neuen Person. Die einstellende Führungskraft spielt im Onboarding-Prozess häufig eine zentrale Rolle, etwa bei der Vorstellung im Team und der Festlegung erster Ziele. Die Analyse der Onboarding-Leistung nach einstellender Führungskraft kann zeigen, welche Führungskräfte neue Teammitglieder besonders wirksam integrieren und wer zusätzliche Unterstützung oder Schulungen benötigt. Außerdem lassen sich bewährte Vorgehensweisen erfolgreicher Führungskräfte erkennen und organisationsweit teilen. Das verbessert die Konsistenz und Qualität der Erfahrung neuer Mitarbeitender. Warum das wichtig ist Ermöglicht die Leistungsanalyse nach Führungskraft und zeigt, wer neue Mitarbeitende wirksam einarbeitet und wer möglicherweise zusätzliche Unterstützung benötigt. Bezugsquelle Üblicherweise in den Stelleninformationen oder Angaben zur Berichtslinie der Person in BambooHR zu finden. Beispiele Jane DoeJohn SmithEmily Jones
	End-Timestamp EndTimestamp	Der Abschluss-Timestamp einer Aktivität, sofern sie eine messbare Dauer hat.
Beschreibung Während StartTime (EventTimestamp) den Beginn einer Aktivität markiert, kennzeichnet EndTimestamp ihren Abschluss. Das ist besonders für Aktivitäten relevant, die nicht unmittelbar stattfinden, etwa eine „Hintergrundprüfung“ mit einem Status „Gestartet“ und einem Status „Abgeschlossen“. Die Verwendung eines Start- und eines End-Timestamps ermöglicht eine präzisere Berechnung der Bearbeitungszeit einzelner Aktivitäten. Dadurch lässt sich die aktive Arbeitszeit von der Wartezeit bis zum Beginn des nächsten Schritts unterscheiden. Diese Detailtiefe ist für eine fundierte Engpassanalyse entscheidend. Warum das wichtig ist Ermöglicht die präzise Berechnung von Bearbeitungszeiten und unterscheidet aktive Arbeitszeit von Wartezeit. Bezugsquelle Abgeleitet aus den Timestamps aufeinanderfolgender Aktivitäten. 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	Ein eindeutiger Bezeichner, der jedem Mitarbeitenden in BambooHR zugewiesen wird.
Beschreibung Die Mitarbeiter-ID ist der eindeutige Schlüssel zur Identifikation einer bestimmten Person im HR-System. Sie bleibt während der gesamten Beschäftigungsdauer unverändert. Während der Onboarding Case der primäre Bezeichner für den Prozess ist, ist die Mitarbeiter-ID entscheidend, um die Onboarding-Daten mit dem Stammdatensatz der Person zu verknüpfen. Dadurch lassen sich weitere Mitarbeiterattribute wie Stellenbezeichnung oder Abteilung ergänzen und Unterschiede in der Onboarding-Erfahrung verschiedener Mitarbeitergruppen umfassender analysieren. Warum das wichtig ist Identifiziert die neueingestellte Person eindeutig. Dadurch können weitere Mitarbeiterdaten ergänzt und der gesamte Beschäftigungsverlauf über das Onboarding hinaus verfolgt werden. Bezugsquelle Als Standardfeld im Mitarbeiterdatensatz von BambooHR verfügbar. Beispiele 601856018660187
	Stellenbezeichnung JobTitle	Die konkrete Rolle oder Position der neuen Person.
Beschreibung Dieses Attribut enthält die offizielle Stellenbezeichnung der neuen Person, zum Beispiel „Softwareentwickler“, „Account Executive“ oder „Product Manager“. Es bietet eine weitere wichtige Dimension für die Analyse des Onboarding-Prozesses. Für verschiedene Rollen gelten möglicherweise unterschiedliche Onboarding-Anforderungen, etwa spezielle Schulungen oder die Bereitstellung von Arbeitsmitteln. Eine Analyse nach Stellenbezeichnung kann zeigen, ob bestimmte Rollen längere Verzögerungen aufweisen oder andere Prozesspfade durchlaufen. So lässt sich die Onboarding-Erfahrung gezielt an die Anforderungen der jeweiligen Position anpassen und verbessern. Warum das wichtig ist Ermöglicht die Analyse des Onboarding-Prozesses anhand von Rollenkomplexität und Anforderungen. Dadurch kann die Erfahrung für verschiedene Positionen gezielt angepasst werden. Bezugsquelle Ein Standardfeld, das in BambooHR mit den Stelleninformationen der Person verknüpft ist. Beispiele Senior-SoftwareentwicklerMarketingkoordinatorRegionaler Vertriebsleiter
	Ausführender des Ereignisses EventPerformer	Der Nutzer oder das System, das die Onboarding-Aktivität ausgeführt hat.
Beschreibung Dieses Attribut identifiziert die Person, das Team oder das automatisierte System, das für den Abschluss einer Aktivität verantwortlich ist. Beispielsweise kann ein HR-Spezialist die Aktivität „Unterlagenpaket versendet“ abschließen, während die einstellende Führungskraft die „Vorstellung im Team“ übernimmt. Diese Information ist für die Ressourcenanalyse und das Verständnis der Arbeitsverteilung besonders wertvoll. Sie zeigt, welche Teams oder Rollen an besonders zeitaufwendigen Aktivitäten oder Engpässen beteiligt sind. Außerdem können Aufgaben bestimmter Nutzergruppen analysiert werden, was die Ressourcenplanung und die Entwicklung von Automatisierungsstrategien unterstützt. Warum das wichtig ist Identifiziert, wer die jeweilige Aufgabe ausführt. Das ist für die Arbeitslastanalyse, die Ressourcenoptimierung und das Verständnis nutzerspezifischer Verhaltensweisen entscheidend. Bezugsquelle Diese Information kann in Audit-Logs oder Angaben zum Aufgabenabschluss in BambooHR erfasst sein, häufig zusammen mit dem Nutzer, der die Aktualisierung vorgenommen hat. Beispiele HR-AdministratorDavid Chen (Einstellungsleiter)SystemautomatisierungIT-Support
	Beschäftigungsstatus EmploymentStatus	Der aktuelle Status der neuen Person in ihrem Beschäftigungsverlauf.
Beschreibung Dieses Attribut verfolgt den Status der neuen Person während des Fortschritts, beispielsweise von „Angebot angenommen“ über „Vor Einstellung“ bis zu „Aktiv“. Dadurch wird auf hoher Ebene sichtbar, an welcher Stelle des Gesamtprozesses sich die Person befindet. Im Process Mining kann dieses Attribut auf Case-Ebene verwendet werden, um aktive Onboarding Cases zu filtern oder zu analysieren, wie lange Cases in einem bestimmten Status verbleiben. Es eignet sich besonders für Dashboards, die einen aktuellen Überblick über laufende Onboarding-Prozesse bieten und HR sowie Führungskräften die Fortschrittsüberwachung ermöglichen. Warum das wichtig ist Liefert den übergeordneten Status des Onboarding Cases und ermöglicht das Filtern aktiver Cases sowie die Überwachung des Gesamtfortschritts. Bezugsquelle Dies ist ein Standardfeld im Mitarbeiterdatensatz von BambooHR. Beispiele AktivInaktivBeendetBeurlaubt
	Ist Nacharbeit IsRework	Ein Kennzeichen, das angibt, ob eine Aktivität eine Wiederholung eines bereits ausgeführten Schritts ist.
Beschreibung Dieses berechnete boolesche Attribut wird auf „true“ gesetzt, wenn eine Aktivität wie „Unterlagenpaket versendet“ innerhalb desselben Onboarding Cases mehr als einmal vorkommt. Es zeigt, dass ein Prozessschritt wiederholt werden musste, was typischerweise auf einen Fehler, fehlende Informationen oder eine Ineffizienz hindeutet. Die Erkennung von Nacharbeit ist eine zentrale Funktion des Process Mining. Dieses Kennzeichen ermöglicht das einfache Filtern und Quantifizieren von Nacharbeitsfällen. Es unterstützt direkt Dashboards und KPIs zur Nacharbeit und macht Reibungsverluste sowie Verschwendung sichtbar. Weniger Nacharbeit führt zu kürzeren Durchlaufzeiten und einer besseren Erfahrung für neue Mitarbeitende und das HR-Team. Warum das wichtig ist Macht Ineffizienzen, Fehler und unnötigen Aufwand sichtbar, indem wiederholte Aktivitäten gekennzeichnet werden. Bezugsquelle Dies ist ein berechnetes Feld. Die Logik ist im Process-Mining-Tool implementiert und erkennt wiederholte Aktivitätsfolgen innerhalb eines Cases. Beispiele truefalse
	Land Country	Das Land, in dem die neue Person beschäftigt ist.
Beschreibung Dieses Attribut gibt das Beschäftigungsland an. Für global tätige Organisationen ist es eine wichtige Analysedimension. Onboarding-Prozesse und gesetzliche Anforderungen können sich von Land zu Land deutlich unterscheiden. Die Analyse nach Land hilft Unternehmen, diese Unterschiede zu verstehen, die Einhaltung lokaler Vorschriften sicherzustellen und geeignete Möglichkeiten zur Standardisierung über Regionen hinweg zu erkennen. Sie kann außerdem Unterschiede bei den Durchlaufzeiten erklären, die auf landesspezifische Feiertage oder Verwaltungsverfahren zurückzuführen sind. Warum das wichtig ist Für global tätige Organisationen unverzichtbar, um Prozessabweichungen zu analysieren, lokale Compliance sicherzustellen und regionale Onboarding-Anforderungen zu steuern. Bezugsquelle Ein Standardfeld in den Standort- oder Adressinformationen der Person in BambooHR. Beispiele Vereinigte StaatenVereinigtes KönigreichDeutschlandKanada
	Name der neuen Person NewHireName	Der vollständige Name der Person, die den Onboarding-Prozess durchläuft.
Beschreibung Dieses Attribut enthält den Namen der neuen Person. Es wird vor allem für operative Zwecke verwendet, etwa in Berichten oder Dashboards, die bestimmte Personen identifizieren müssen. In Process-Mining-Analysen werden Namen häufig anonymisiert oder durch Mitarbeiter-IDs ersetzt, um Datenschutzvorschriften einzuhalten. In operativen Dashboards für HR oder Führungskräfte, die aktive Cases überwachen, kann der Name jedoch einen unmittelbaren und leicht verständlichen Kontext liefern. Warum das wichtig ist Liefert einen gut lesbaren, verständlichen Kontext für einzelne Cases, insbesondere in operativen Dashboards für HR und Führungskräfte. Bezugsquelle Ein Standardfeld in den persönlichen Informationen der Person 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 End-to-End-Durchlaufzeit jedes Onboarding Cases, üblicherweise von „Angebot angenommen“ bis „30-Tage-Check-in abgeschlossen“. Sie beschreibt die insgesamt verstrichene Zeit für den gesamten Prozess. Sie ist ein zentraler KPI zur Bewertung der allgemeinen Prozesseffizienz. In Dashboards wird sie verwendet, um durchschnittliche Onboarding-Zeiten zu verfolgen, die Leistung zwischen Abteilungen oder Rollen zu vergleichen und die Wirkung von Prozessverbesserungen zu messen. Eine kürzere Durchlaufzeit steht in der Regel für eine bessere Erfahrung neuer Mitarbeitender und geringere Verwaltungskosten. Warum das wichtig ist Dies ist ein wichtiger KPI zur Messung der allgemeinen Prozesseffizienz und zur Verfolgung von Verbesserungen im Zeitverlauf. Bezugsquelle Berechnet als Zeitdifferenz zwischen dem Timestamp der ersten und der letzten Aktivität im Case. Beispiele 35 Tage42 Tage28 Tage
	Startdatum StartDate	Der offizielle erste Arbeitstag der neuen Person.
Beschreibung Das Startdatum ist ein wichtiger Meilenstein im Onboarding-Prozess. Es trennt Aktivitäten vor der Einstellung, etwa Hintergrundprüfungen und Formalitäten, von Aktivitäten nach der Einstellung wie Orientierung und Schulungen. Dieses Datum dient in vielen Analysen als zentraler Bezugspunkt. Beispielsweise wird es zur Berechnung des KPI „Bereitschaft am ersten Arbeitstag“ verwendet. Dieser misst, ob alle erforderlichen Aufgaben vor der Einstellung vor dem ersten Arbeitstag abgeschlossen wurden. Außerdem hilft es, die fristgerechte Durchführung dieser Aktivitäten und ihre Auswirkungen auf die Produktivität am ersten Tag zu analysieren. Warum das wichtig ist Dient als wichtiger Meilenstein, um Aktivitäten vor und nach der Einstellung zu unterscheiden und zu messen, ob neue Mitarbeitende am ersten Arbeitstag bereit sind. Bezugsquelle Entspricht dem Feld „Einstellungsdatum“, das in BambooHR standardmäßig zum Mitarbeiterdatensatz gehört. Beispiele 2023-11-012023-11-152023-12-01
	Team Team	Das konkrete Team innerhalb einer Abteilung, dem die neue Person zugewiesen wird.
Beschreibung Dieses Attribut bietet eine detailliertere Organisationssicht als die Abteilung. Es gibt das unmittelbare Team an, etwa „Frontend-Entwicklung“ oder „Enterprise-Sales-Team“. Eine Analyse auf Abteilungsebene ist hilfreich, doch die Analyse auf Teamebene kann spezifischere Erkenntnisse liefern. Sie kann Leistungsunterschiede zwischen Teams mit ähnlichen Aufgaben sichtbar machen und zeigen, wie teamspezifische Vorgehensweisen, etwa lokale Einführungen oder Schulungen, den gesamten Onboarding-Prozess beeinflussen. Das ist besonders für große Abteilungen relevant, in denen eine detailliertere Aufschlüsselung erforderlich ist. Warum das wichtig ist Bietet eine detailliertere Sicht als die Abteilung und ermöglicht die Analyse von Leistungs- und Prozessunterschieden zwischen einzelnen Teams. Bezugsquelle Kann in BambooHR als Standard- oder benutzerdefiniertes Feld vorhanden sein, häufig als Teil der organisatorischen Zuordnung der Person. Beispiele Plattform-EngineeringVertrieb für mittelständische UnternehmenContent-Marketing

Erforderlich Empfohlen Optional

Aktivitäten des Mitarbeitenden-Onboardings

Dies sind die entscheidenden Prozessschritte und Meilensteine, die Sie für eine präzise Prozesserkennung und Leistungsüberwachung in Ihrem Event Log erfassen sollten.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	30-Tage-Check-in abgeschlossen	Bezeichnet den Abschluss des ersten formellen Gesprächs zwischen der neuen Mitarbeiterin oder dem neuen Mitarbeiter und der Führungskraft, das üblicherweise nach etwa 30 Tagen stattfindet. Erfasst wird dies, wenn eine Aufgabe „30-Day Check-in“ oder ein Formular für eine Leistungsbeurteilung in BambooHR als abgeschlossen markiert wird.
Warum das wichtig ist Dieser Meilenstein ist entscheidend für frühes Feedback, die Klärung von Anliegen und eine bessere Mitarbeiterbindung. Die Nachverfolgung des Abschlusses stellt einen konsistenten Austausch mit neuen Mitarbeitenden in dieser wichtigen Phase sicher. Bezugsquelle Erfasst über den Abschluss-Timestamp einer Aufgabe „30-Day Check-in“ oder eines Formulars für eine Leistungsbeurteilung in BambooHR. Erfassen Das Ereignis wird protokolliert, wenn eine Führungskraft die Check-in-Aufgabe oder das Formular als „Completed“ markiert. Ereignistyp explicit
	Angebot angenommen	Diese Aktivität markiert den offiziellen Beginn des Onboarding-Prozesses, sobald eine Kandidatin oder ein Kandidat das Jobangebot formal annimmt. In BambooHR wird dies typischerweise erfasst, wenn der Status der Person im Applicant Tracking System (ATS) auf „Hired“ geändert wird. Dadurch werden das Mitarbeiterprofil und die Onboarding-Checkliste angelegt.
Warum das wichtig ist Dies ist der entscheidende Ausgangspunkt für jeden Onboarding Case. Die Analyse der Zeit von diesem Ereignis bis zu weiteren Ereignissen hilft dabei, die Effizienz und Geschwindigkeit des Prozesses vor dem Eintritt insgesamt zu messen. Bezugsquelle Abgeleitet aus dem Datum, an dem der Status der Kandidatin oder des Kandidaten im BambooHR-ATS auf „Hired“ aktualisiert wird, oder aus dem Befüllen des Feldes für das Eintrittsdatum. Erfassen Identifizieren Sie den Timestamp, an dem sich das Feld „status“ einer Bewerbung auf „Hired“ ändert. Ereignistyp inferred
	Background Check abgeschlossen	Diese Aktivität zeigt an, dass der Background Check 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 Nachverfolgung hilft sicherzustellen, dass die Anforderungen vor dem Eintritt erfüllt sind. Bezugsquelle Erfasst über den Abschluss-Timestamp der Aufgabe „Background Check“ in der Onboarding-Aufgabenliste der neuen Mitarbeiterin oder des neuen Mitarbeiters. Erfassen Das Ereignis wird protokolliert, wenn der Status der Aufgabe für den Background Check auf „Completed“ aktualisiert wird. Ereignistyp explicit
	Onboarding-Aufgaben abgeschlossen	Diese Aktivität markiert den Abschluss aller zugewiesenen Aufgaben in der Onboarding-Checkliste der neuen Mitarbeiterin oder des neuen Mitarbeiters. Das Ereignis kann abgeleitet werden, wenn der Abschlussgrad der Onboarding-Aufgabenliste 100 % erreicht oder eine abschließende Aufgabe „Complete Onboarding“ abgehakt wird.
Warum das wichtig ist Dies bildet den eindeutigen Endpunkt des strukturierten, aufgabenbasierten Teils des Onboardings. Es bestätigt, dass alle administrativen und vorbereitenden Schritte erfolgreich durchgeführt wurden. Bezugsquelle Abgeleitet aus dem Timestamp der zuletzt abgeschlossenen Aufgabe in der Onboarding-Aufgabenliste einer Mitarbeiterin oder eines Mitarbeiters oder aus dem Zeitpunkt, an dem der Status des gesamten Onboarding-Prozesses auf „Complete“ gesetzt wird. Erfassen Identifizieren Sie den neuesten Abschluss-Timestamp aller Aufgaben, die einem einzelnen Onboarding Case zugeordnet sind. Ereignistyp inferred
	Orientierung am ersten Arbeitstag abgeschlossen	Markiert den Abschluss der ersten Orientierungssitzung für die neue Mitarbeiterin oder den neuen Mitarbeiter. Dabei werden Unternehmenskultur, Richtlinien und erste Vorstellungen vermittelt. Erfasst wird dies, wenn die Aufgabe „First Day Orientation“ von HR oder der Führungskraft in der BambooHR-Onboarding-Checkliste als abgeschlossen markiert wird.
Warum das wichtig ist Dies ist ein wichtiger Meilenstein für Engagement und Integration. Eine konsistente und fristgerechte Durchführung ist entscheidend, damit neue Mitarbeitende erfolgreich starten und eine positive Erfahrung machen. Bezugsquelle Erfasst über den Abschluss-Timestamp der Aufgabe „First Day Orientation“ in der Onboarding-Aufgabenliste. Erfassen Das Ereignis wird protokolliert, wenn die Orientierungsaufgabe als „Completed“ markiert wird. Ereignistyp explicit
	Unterlagenpaket abgeschlossen	Dieses Ereignis tritt ein, wenn die neue Mitarbeiterin oder der neue Mitarbeiter alle erforderlichen Dokumente im Onboarding-Paket unterzeichnet hat. BambooHR erfasst dies automatisch, sobald alle elektronischen Signaturen in einem versendeten Paket abgeschlossen sind.
Warum das wichtig ist Der Abschluss der Unterlagen ist eine wichtige Voraussetzung für den ersten Arbeitstag. Die Analyse dieses Meilensteins ist entscheidend, um Compliance und Einsatzbereitschaft sicherzustellen sowie Nacharbeit und Verzögerungen beim Eintritt zu vermeiden. Bezugsquelle Erfasst über den Timestamp, an dem sich der Status des versendeten Unterlagenpakets in BambooHR auf „Completed“ ändert. Erfassen Das System protokolliert ein einzelnes Ereignis, sobald die letzte erforderliche elektronische Signatur in einem Unterlagenpaket abgeschlossen ist. Ereignistyp explicit
	Verpflichtende Schulung abgeschlossen	Markiert den erfolgreichen Abschluss eines verpflichtenden Kurses durch die neue Mitarbeiterin oder den neuen Mitarbeiter. BambooHR erfasst dieses Ereignis, wenn der Status einer zugewiesenen Schulung im Schulungsmodul auf „Completed“ aktualisiert wird.
Warum das wichtig ist Dies ist ein wichtiger Compliance-Meilenstein. Die Nachverfolgung des Abschlusses stellt sicher, dass das Unternehmen gesetzliche und interne Richtlinien erfüllt und Mitarbeitende über das erforderliche Wissen für ihre Aufgaben verfügen. Bezugsquelle Erfasst über den Timestamp, an dem der Status eines Schulungsdatensatzes im BambooHR-Trainingsmodul auf „Completed“ geändert wird. Erfassen Ein einzelnes Ereignis wird protokolliert, wenn das Statusfeld eines Schulungsdatensatzes auf „Completed“ aktualisiert wird. Ereignistyp explicit
	Ausstattung bestellt	Bezeichnet den Zeitpunkt, an dem die erforderliche Hardware, etwa ein Laptop oder ein Telefon, für die neue Mitarbeiterin oder den neuen Mitarbeiter bestellt wird. Dies wird üblicherweise erfasst, 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 erforderlichen Arbeitsmittel verfügt. Verzögerungen wirken sich direkt auf die Einsatzbereitschaft und Produktivität am ersten Arbeitstag aus. Bezugsquelle Erfasst über den Abschluss-Timestamp der Aufgabe „Order Equipment“ in der Onboarding-Aufgabenliste von BambooHR. Erfassen Das Ereignis wird protokolliert, wenn der Status der Aufgabe „Order Equipment“ auf „Completed“ aktualisiert 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 über eine separate Aufgabe „Equipment Delivered“ oder „Workspace Setup“ erfasst, die in der BambooHR-Onboarding-Checkliste als abgeschlossen markiert wird.
Warum das wichtig ist Die Messung der Zeit zwischen Bestellung und Lieferung macht mögliche Engpässe in Lieferkette oder Logistik sichtbar. So lässt sich sicherstellen, dass alle physischen Arbeitsmittel vor dem Eintrittsdatum bereitstehen. Bezugsquelle Erfasst über den Abschluss-Timestamp der Aufgabe „Equipment Delivered“ oder „Workspace Setup“ in der Onboarding-Aufgabenliste. Erfassen Das Ereignis wird protokolliert, wenn der Status der Liefer- oder Einrichtungaufgabe auf „Completed“ aktualisiert wird. Ereignistyp explicit
	Background Check gestartet	Bezeichnet den Zeitpunkt, an dem über einen integrierten Dienst eine Background Check für die neue Mitarbeiterin oder den neuen Mitarbeiter angefordert wird. In BambooHR wird dies üblicherweise erfasst, wenn eine bestimmte Aufgabe „Background Check“ in der Onboarding-Aufgabenliste der betreffenden Person erstellt oder als gestartet markiert wird.
Warum das wichtig ist Die Erfassung des Starts von Background Checks hilft dabei, Verzögerungen im Prozess der Überprüfung vor der Einstellung zu erkennen. Dieser Prozessschritt ist für Compliance und eine fristgerechte Einstellung häufig entscheidend. Bezugsquelle Erfasst über das Erstellungs- oder Startdatum der Aufgabe „Background Check“ innerhalb einer Onboarding-Aufgabenliste in BambooHR. Erfassen Das Ereignis wird protokolliert, wenn die Aufgabe für den Background Check erstellt wird oder sich ihr Status auf „In Progress“ ändert. Ereignistyp explicit
	IT-Bereitstellung angefordert	Diese Aktivität markiert die formale Anfrage an die IT-Abteilung, die erforderlichen Konten und Zugriffsrechte für die neue Mitarbeiterin oder den neuen Mitarbeiter einzurichten. In BambooHR wird dies typischerweise erfasst, wenn eine vordefinierte Aufgabe „IT Provisioning“ in der Onboarding-Checkliste erstellt und zugewiesen wird.
Warum das wichtig ist Eine fristgerechte IT-Bereitstellung ist entscheidend für einen produktiven ersten Arbeitstag. Die Nachverfolgung dieses Ereignisses hilft dabei, die Reaktionsfähigkeit der IT zu messen und Verzögerungen bei der Einrichtung des Systemzugriffs zu erkennen. Bezugsquelle Erfasst über Datum und Uhrzeit der Erstellung der Aufgabe „IT Account Provisioning“ oder einer vergleichbaren Aufgabe in der Onboarding-Aufgabenliste der neuen Mitarbeiterin oder des neuen Mitarbeiters. Erfassen Das Ereignis wird protokolliert, wenn die Aufgabe für die IT-Bereitstellung in einer Onboarding-Checkliste erstellt wird. Ereignistyp explicit
	Mitarbeiterprofil erstellt	Bezeichnet die offizielle Erstellung des Datensatzes der neuen Mitarbeiterin oder des neuen Mitarbeiters im HRIS. Die Person wird dadurch von einer Kandidatin bzw. einem Kandidaten zu einer Mitarbeiterin bzw. einem Mitarbeiter. Dies wird aus dem Erstellungsdatum des Mitarbeiterdatensatzes in der zentralen BambooHR-Datenbank abgeleitet und geschieht üblicherweise nach der Annahme des Angebots.
Warum das wichtig ist Diese Aktivität bildet die Grundlage für alle nachfolgenden Onboarding-Schritte, etwa die IT-Bereitstellung und die Einrichtung der Gehaltsabrechnung. Sie liefert einen eindeutigen Timestamp für den Zeitpunkt, an dem die Person offiziell in das System aufgenommen wird. Bezugsquelle Abgeleitet aus dem System-Timestamp für die Erstellung des Datensatzes der neuen Mitarbeiterin oder des neuen Mitarbeiters in den zentralen Tabellen mit Mitarbeiterdaten. Erfassen Verwenden Sie den Metadaten-Timestamp „created_at“ oder einen entsprechenden Timestamp aus dem primären Datensatz der Mitarbeiterin oder des Mitarbeiters. Ereignistyp inferred
	Unterlagenpaket versendet	Markiert den Zeitpunkt, an dem das Unterlagenpaket für neue Mitarbeitende mit Dokumenten wie I-9, W-4 und Unternehmensrichtlinien zur Prüfung und Unterzeichnung versendet wird. BambooHR protokolliert dieses Ereignis, wenn eine HR-Administration das Paket über die Dokumentenmanagement-Funktionen des Systems versendet.
Warum das wichtig ist Diese Aktivität startet einen wichtigen administrativen Workflow. Die Messung der Zeit von diesem Zeitpunkt bis zum Abschluss der Unterlagen hilft dabei, die Effizienz des Dokumentationsprozesses zu bewerten. Bezugsquelle Erfasst über den Timestamp, an dem ein Unterlagenpaket für neue Mitarbeitende in BambooHR zur elektronischen Signatur versendet wird. Erfassen 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 Datensatz der Person hinzugefügt wird.
Warum das wichtig ist Dies ist der Ausgangspunkt für die Messung der Schulungs-Compliance. Die Analyse der Zeit von der Zuweisung bis zum Abschluss hilft sicherzustellen, dass Mitarbeitende regulatorische und unternehmensinterne Anforderungen fristgerecht erfüllen. Bezugsquelle Erfasst über das Erstellungsdatum eines Schulungsdatensatzes, der einer bestimmten Mitarbeiterin oder einem bestimmten Mitarbeiter im BambooHR-Trainingsmodul zugewiesen wurde. Erfassen Ein einzelnes Ereignis wird protokolliert, wenn ein neuer Eintrag in der Tabelle zur Nachverfolgung von Mitarbeiterschulungen erstellt wird. Ereignistyp explicit
	Vorstellung im Team abgeschlossen	Bezeichnet die formale Vorstellung der neuen Mitarbeiterin oder des neuen Mitarbeiters bei den direkten Teammitgliedern. Diese eher informelle, von der Führungskraft geleitete Aktivität wird üblicherweise über den Abschluss einer entsprechenden Aufgabe in der BambooHR-Onboarding-Checkliste erfasst.
Warum das wichtig ist Die soziale Integration ist ein wichtiger Bestandteil eines erfolgreichen Onboardings. Die Nachverfolgung dieser Aktivität hilft sicherzustellen, dass Führungskräfte wichtige Schritte zur Begrüßung neuer Mitarbeitender durchführen und den Teamzusammenhalt fördern. Bezugsquelle Erfasst über den Abschluss-Timestamp der Aufgabe „Team Introduction“ in der Onboarding-Aufgabenliste, die üblicherweise der Führungskraft zugewiesen ist. Erfassen Das Ereignis wird protokolliert, wenn die Führungskraft die Aufgabe „Team Introduction“ als „Completed“ markiert. Ereignistyp explicit

Anleitungen zur Extraktion

So erhalten Sie Ihre Daten aus BambooHR

Schritte

Bei BambooHR anmelden: Öffnen Sie Ihre BambooHR-Instanz mit einem Benutzerkonto, das über die erforderlichen Berechtigungen zum Erstellen und Ausführen benutzerdefinierter Reports verfügt.
Zu den benutzerdefinierten Reports navigieren: Öffnen Sie im Hauptmenü den Bereich Reports. Klicken Sie im Abschnitt „Manage Reports“ auf „Add Report“.
Report konfigurieren: Geben Sie dem Report einen aussagekräftigen Namen, zum Beispiel „Onboarding Process Mining Export“. Fügen Sie bei Bedarf eine kurze Beschreibung hinzu.
Report-Felder auswählen: Wählen Sie im Tab „Fields“ alle Spalten aus, die für das Event Log erforderlich sind. Dazu gehören Mitarbeiterkennungen, wichtige Attribute und alle relevanten Datumsfelder für Onboarding-Aktivitäten. Wählen Sie unter anderem folgende Felder aus:
- Employee #
- First Name, Last Name
- Department, Job Title, Location
- Hiring Manager
- Hire Date (für „Employee Profile Created“)
- Alle benutzerdefinierten Datumsfelder für Meilensteine wie „Offer Accepted Date“.
- Abschlussdaten für alle relevanten Onboarding- und Offboarding-Aufgaben. Wählen Sie jede einzelne Aufgabe aus, zum Beispiel „Background Check Completed Date“, „Paperwork Packet Sent Date“, „Paperwork Packet Completed Date“, „IT Provisioning Requested Date“ usw.
- Datumsangaben aus dem Training-Modul, etwa „Mandatory Training Assigned Date“ und „Mandatory Training Completed Date“.
Report-Filter festlegen: Öffnen Sie den Tab „Filters“, um den Datenumfang zu definieren. Es empfiehlt sich dringend, nach „Hire Date“ zu filtern und Mitarbeitende aus einem bestimmten Zeitraum zu erfassen, zum Beispiel aus den letzten sechs Monaten. So verhindern Sie, dass der Report zu groß wird und wegen einer Zeitüberschreitung abbricht.
Report speichern und erstellen: Klicken Sie nach der Konfiguration aller Felder und Filter auf „Save & Run“. Prüfen Sie die Ergebnisse in der BambooHR-Oberfläche und stellen Sie sicher, dass die erwarteten Mitarbeitenden und Datenspalten enthalten sind.
Daten exportieren: Klicken Sie auf die Export-Schaltfläche, die üblicherweise durch ein Cloud- oder Pfeilsymbol dargestellt wird, und wählen Sie „Comma Separated Values (.csv)“ als Format. Speichern Sie die Datei mit einem eindeutigen Namen, etwa bamboohr_onboarding_export.csv, auf Ihrem lokalen Rechner.
Transformationsskript vorbereiten: Kopieren Sie das vollständige Python-Skript aus dem Abschnitt „query“ dieses Dokuments und speichern Sie es als transform_bamboohr.py im selben Verzeichnis wie die exportierte CSV-Datei.
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 Ihr Terminal oder die 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 eine Datei namens event_log.csv im für Process Mining erforderlichen langen Format.
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 Funktionen für Berichte und das Onboarding. Ihre Benutzerrolle muss über Berechtigungen zum Erstellen, Anzeigen und Exportieren benutzerdefinierter Berichte mit Mitarbeitendendaten verfügen.
Berichtsfelder: Entscheidend für diese Methode ist die Auswahl der richtigen Felder. Der Bericht muss im „breiten“ Format erstellt werden: Jede mitarbeitende Person erhält eine Zeile, und jede Onboarding-Aktivität erhält eine eigene Datumsspalte. Beziehen Sie Employee # als Case-Kennung sowie alle relevanten Attributspalten wie Abteilung, Job Title und Hiring Manager ein.
Benutzerdefinierte Felder und Tasks: Diese Extraktion hängt stark davon ab, wie Ihre Organisation BambooHR verwendet. Aktivitäten wie „Angebot angenommen“ oder „Ausrüstung bestellt“ müssen in bestimmten benutzerdefinierten Datumsfeldern oder als Tasks innerhalb einer Onboarding-Checkliste erfasst werden. Wählen Sie für diese Tasks die Abschlussdatumsfelder aus, nicht nur die Task-Namen.
Filter für den Datumsbereich: Um Leistung und Relevanz sicherzustellen, filtern Sie den Bericht immer nach „Einstellungsdatum“. Für die Prozessanalyse reicht in der Regel ein gleitender Zeitraum der vergangenen 6 bis 12 Monate aus, ohne eine übermäßig große Exportdatei zu erzeugen.
Berichtsplanung: Für eine kontinuierliche Überwachung können Sie die Funktion von BambooHR verwenden, mit der ein benutzerdefinierter Bericht regelmäßig ausgeführt und beispielsweise wöchentlich per E-Mail an Sie versendet wird. Dadurch lässt sich der erste Teil der Extraktion automatisieren.

a 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 neuer auf Ihrem System installiert ist. Installieren Sie die erforderlichen Bibliotheken pandas und requests mit folgendem Befehl in Ihrem Terminal: pip install pandas requests.
BambooHR-API-Key erstellen: Melden Sie sich mit Administratorberechtigungen bei Ihrem BambooHR-Konto an. Öffnen Sie oben rechts Ihr Profilbild, wählen Sie „API Keys“ und erstellen Sie einen neuen API-Key. Geben Sie dem Key einen aussagekräftigen Namen wie „ProcessMiningExtraction“ und gewähren Sie ihm Lesezugriff auf Mitarbeiterdaten, Onboarding-Aufgaben und Trainingsdaten. Speichern Sie den generierten Key sicher.
Python-Skript konfigurieren: Speichern Sie das bereitgestellte Python-Skript beispielsweise als extract_onboarding.py. Öffnen Sie die Datei und ersetzen Sie die Platzhalterwerte für COMPANY_SUBDOMAIN durch die eindeutige Subdomain Ihres Unternehmens, also den Teil Ihrer BambooHR-URL vor „.bamboohr.com“. Tragen Sie außerdem den im vorherigen Schritt erstellten Key bei API_KEY ein.
Extraktionszeitraum festlegen: Ändern Sie die Variablen START_DATE und END_DATE im Skript. Sie definieren den Zeitraum, aus dem neue Mitarbeitende in die Extraktion aufgenommen werden. Verwenden Sie das Format „YYYY-MM-DD“.
Skript ausführen: Starten Sie das Skript in Ihrem Terminal mit dem Befehl python extract_onboarding.py. Das Skript verbindet sich mit der BambooHR API, ruft die erforderlichen Daten ab und beginnt mit der Verarbeitung.
API-Aufrufe nachvollziehen: Zunächst ruft das Skript den Endpunkt für den Mitarbeiterverzeichnis-Report auf, um alle Mitarbeitenden zu ermitteln, die im festgelegten Zeitraum eingestellt wurden. Diese Liste bildet die Grundlage für die Kennung OnboardingCase.
Daten schrittweise abrufen: Für jede ermittelte neue Person führt das Skript weitere API-Aufrufe aus, um detaillierte Profildaten, zugewiesene Onboarding-Aufgaben und Trainingsdaten abzurufen. So werden alle relevanten Datenpunkte der jeweiligen Onboarding-Reise erfasst.
Daten transformieren und zuordnen: Das Skript wandelt die Rohdaten im JSON-Format in ein strukturiertes Event Log um. Das vordefinierte Dictionary TASK_TO_ACTIVITY_MAP ordnet die Titel der BambooHR-Onboarding-Aufgaben den standardisierten Aktivitätsnamen für Process Mining zu. Ereignisse wie „Offer Accepted“ und „Employee Profile Created“ werden aus Einstellungs- und Erstellungsdaten abgeleitet.
Konsolenausgabe prüfen: Während der Ausführung gibt das Skript Fortschrittsmeldungen in der Konsole aus, darunter die Anzahl der gefundenen neuen Mitarbeitenden und den Namen der jeweils verarbeiteten Person. Prüfen Sie diese Ausgabe 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 bamboohr_onboarding_event_log.csv. Die Datei enthält die für ProcessMind erforderlichen Spalten.
Upload vorbereiten: Öffnen Sie die erstellte CSV-Datei und prüfen Sie ihren Inhalt. Stellen Sie vor dem Upload in Ihr Process-Mining-Tool sicher, dass die Spalten OnboardingCase, ActivityName und EventTimestamp korrekt befüllt sind.

Konfiguration

Berechtigungen des API-Keys: Der für die Extraktion verwendete API-Key muss mindestens Lesezugriff auf folgende Daten haben: persönliche Mitarbeiterdaten, Stelleninformationen, Beschäftigungsstatus, Onboarding-Aufgaben und Trainingsdaten.
Unternehmens-Subdomain: Das Skript benötigt die eindeutige BambooHR-Subdomain Ihres Unternehmens, um die korrekten API-Endpunkt-URLs zu erstellen.
Datumsbereich (START_DATE, END_DATE): Diese Skriptvariablen steuern das Extraktionsfenster anhand der Einstellungsdaten. Beginnen Sie am besten mit einem aktuellen Zeitraum von drei bis sechs Monaten, um die Datenqualität zu prüfen und das Extraktionsvolumen zu begrenzen. Für eine vollständige historische Analyse können Sie den Zeitraum erweitern. Berücksichtigen Sie dabei jedoch API-Ratenlimits.
Aktivitätszuordnung (TASK_TO_ACTIVITY_MAP): Dieses Dictionary im Skript ist entscheidend. Es ordnet die exakten Titel Ihrer BambooHR-Onboarding-Aufgaben den standardisierten Aktivitätsnamen zu. Prüfen und individualisieren Sie die Zuordnung entsprechend Ihrer BambooHR-Konfiguration.
Kennung des Quellsystems: Die Variable SOURCE_SYSTEM ist im Skript fest auf „BambooHR“ gesetzt. Sie können sie ändern, wenn das finale Event Log eine andere Kennung benötigt.
Überlegungen zur Performance: Bei Unternehmen mit Tausenden neuen Mitarbeitenden im ausgewählten Zeitraum kann die Ausführung wegen der zahlreichen API-Aufrufe pro Person viel Zeit beanspruchen. Führen Sie das Skript möglichst außerhalb der Spitzenzeiten aus, um Leistungseinbußen und mögliche API-Ratenbegrenzungen zu vermeiden.

a 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()

Bereit für den Start?

Verwenden Sie dieses Template, um Ihre Daten für die Analyse vorzubereiten und Ihren Employee-Onboarding-Prozess gezielt zu verbessern. Beginnen Sie noch heute damit, Engpässe zu erkennen und die Effizienz zu steigern.

Zurück zum Leitfaden zur Verbesserung Template herunterladen

Optimieren Sie das Employee Onboarding in BambooHR noch heute

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 Employee Onboarding

Ihr Daten-Template für Employee Onboarding

Attribute des Mitarbeitenden-Onboardings

Aktivitäten des Mitarbeitenden-Onboardings

Anleitungen zur Extraktion

Integrierter Export benutzerdefinierter Reports in BambooHR

Schritte

Konfiguration

a Beispielabfrage python

Python-Skript zur Extraktion über die BambooHR REST API

Schritte

Konfiguration

a Beispielabfrage python

Bereit für den Start?

Optimieren Sie das Employee Onboarding in BambooHR noch heute

Ihr Daten-Template für Employee Onboarding

Ihr Daten-Template für Employee Onboarding

Attribute des Mitarbeitenden-Onboardings

Aktivitäten des Mitarbeitenden-Onboardings

Anleitungen zur Extraktion

Integrierter Export benutzerdefinierter Reports in BambooHR

Schritte

Konfiguration

a Beispielabfrage python

Python-Skript zur Extraktion über die BambooHR REST API

Schritte

Konfiguration

a Beispielabfrage python

Bereit für den Start?

Optimieren Sie das Employee Onboarding in BambooHR noch heute

Ihre Privatsphäre ist uns wichtig