Su Plantilla de Datos de Procesamiento de Nómina

El ID del Registro de Nómina sirve como el identificador único de caso para todo el proceso de nómina de un solo empleado en un ciclo de pago determinado. Cada ID representa un recorrido desde la presentación de datos de tiempo hasta el pago y la generación de informes.

En Process Mining, este atributo es esencial para unir todas las actividades relacionadas en un flujo de proceso coherente de principio a fin. Permite el análisis de tiempos de ciclo, variaciones y "cuellos de botella" para registros de nómina individuales. Sin un ID de caso único, sería imposible rastrear la secuencia de eventos y comprender la dinámica del proceso con precisión.

Esta es la clave primaria que conecta todos los eventos del proceso en un único caso, haciendo posible analizar el ciclo de nómina de principio a fin para cada registro.

Se genera típicamente por el sistema de nómina o puede crearse concatenando un identificador de empleado y un identificador de período de pago a partir de los datos de transacción de nómina.

El Nombre de la Actividad describe una acción discreta realizada dentro del ciclo de vida de la nómina, como 'Datos de Tiempo Aprobados', 'Cálculo de Bruto a Neto' o 'Pago Ejecutado'. Cada actividad representa un nodo en el mapa de proceso y está asociada con una marca de tiempo específica.

Este atributo es fundamental para el Process Mining ya que constituye la base del mapa de proceso. Analizar la secuencia, frecuencia y duración de estas actividades revela el flujo de proceso real, identifica rutas comunes, destaca desviaciones del procedimiento estándar y señala "cuellos de botella" donde el proceso se ralentiza.

Define los pasos en el mapa de procesos. Analizar las actividades es crucial para comprender lo que está sucediendo, descubrir cuellos de botella e identificar bucles de retrabajo.

Generalmente se encuentra en registros del sistema, pistas de auditoría o campos de estado dentro de las tablas de transacciones de nómina. Puede que necesite ser mapeado de códigos de eventos técnicos a nombres amigables para el usuario.

La Marca de Tiempo del Evento registra el momento exacto en que se realizó una actividad. Estos datos cronológicos son esenciales para ordenar los eventos correctamente y calcular la duración entre diferentes pasos del proceso.

En Process Mining, las "timestamps" se utilizan para construir la secuencia de eventos para cada caso y para realizar análisis temporales. Esto incluye el cálculo de los tiempos de ciclo entre actividades, la identificación de retrasos, la medición de los tiempos de espera y el monitoreo del rendimiento con respecto a los acuerdos de nivel de servicio (SLAs). Las "timestamps" precisas son la base de cualquier análisis de procesos relacionado con el rendimiento.

Este atributo es crítico para secuenciar eventos correctamente y para todos los análisis basados en el tiempo, incluyendo el cálculo de tiempos de ciclo, duraciones e identificación de "cuellos de botella".

Se encuentra en los registros de eventos de auditoría del sistema o como un campo de 'fecha de creación' o 'hora del evento' en los registros de transacciones de nómina.

Este atributo identifica el sistema de origen desde el cual se registraron los datos del evento. En un panorama de nóminas moderno, los datos pueden provenir de varios sistemas, como un sistema de Control Horario y Asistencia, un HRIS o el propio motor central de nóminas.

Analizar el sistema de origen ayuda a comprender los puntos de integración y las transferencias de datos dentro del proceso general. Puede utilizarse para filtrar el proceso en busca de eventos originados en una aplicación específica, lo cual es útil para diagnosticar problemas de integración o comparar procesos que se gestionan en diferentes sistemas.

Identifica dónde ocurre cada paso del proceso, lo cual es crucial para comprender la fragmentación del proceso e identificar cuellos de botella o retrasos de integración específicos del sistema.

A menudo disponible como un campo estándar en las extracciones de datos, o puede añadirse durante el proceso de extracción de datos basándose en el origen de las tablas de datos.

La Marca de Tiempo de Última Actualización de Datos ("Last Data Update timestamp") proporciona información sobre la frescura de los datos. Indica la última vez que el registro fue modificado en el sistema de origen o cuando fue incorporado al conjunto de datos para su análisis. Esto es distinto de la Marca de Tiempo del Evento ("Event Timestamp"), que registra cuándo ocurrió realmente la actividad de negocio.

Este atributo se utiliza principalmente para la gobernanza y validación de datos. Ayuda a gestionar las cargas de datos incrementales y a asegurar que el análisis se base en información actualizada. Aunque no se utiliza típicamente para el análisis directo del flujo de procesos, es crucial para mantener la integridad y la puntualidad del conjunto de datos de Process Mining.

Garantiza la actualidad de los datos y es esencial para gestionar las cargas de datos incrementales, ayudando a confirmar que el análisis refleja la información más reciente disponible.

Esta marca de tiempo se genera típicamente durante el proceso de extracción, transformación y carga (ETL) de datos o está disponible como un campo de 'fecha de última modificación' en las tablas del sistema de origen.

El Centro de Costos es un atributo organizacional que vincula los gastos de nómina a una parte específica del negocio, como 'Ventas', 'TI' o 'Fabricación'. Es un elemento fundamental para la presentación de informes financieros y la contabilidad de gestión.

Utilizar el Centro de Costos como una dimensión en el Process Mining permite segmentar los datos del proceso por unidad de negocio. Este análisis puede revelar si ciertos departamentos experimentan más problemas de nómina, retrasos o correcciones manuales que otros. Estos "insights" pueden ayudar a dirigir las iniciativas de mejora de procesos hacia las áreas con mayor necesidad o impacto.

Permite el análisis organizacional para determinar si los problemas de nómina, retrasos o ineficiencias se concentran en departamentos o unidades de negocio específicos.

Disponible en datos maestros de empleados, estructuras organizativas de RRHH o tablas de asignación financiera dentro del sistema de nómina o RRHH.

Este atributo es un indicador booleano (verdadero o falso) que identifica eventos donde un usuario tuvo que intervenir manualmente en lo que idealmente debería ser un proceso automatizado. Esto puede incluir la introducción manual de datos faltantes, la corrección de hojas de horas o el ajuste de resultados calculados.

Las correcciones manuales son un indicador directo de ineficiencia del proceso, riesgo y baja calidad de los datos. Analizar dónde y por qué ocurren estas intervenciones es fundamental para la mejora de procesos. Al filtrar por correcciones manuales, las organizaciones pueden identificar las causas raíz del retrabajo, detectar oportunidades de automatización y medir el KPI de 'Rendimiento a la Primera'. Reducir las correcciones manuales conduce a un proceso de nómina más eficiente, preciso y conforme.

Mide directamente la fricción e ineficiencia del proceso. Altas tasas de corrección manual indican mala calidad de datos, automatización fallida y un mayor riesgo de cumplimiento.

Puede derivarse de los registros de auditoría que rastrean los cambios de datos realizados por los usuarios, o de códigos de transacción específicos que significan un ajuste manual.

La Fecha de Fin del Período de Pago marca el límite para los datos de tiempo y asistencia incluidos en una ejecución de nómina específica. Es una fecha crítica que define el marco temporal de los ingresos que se procesan.

Este atributo es útil para el análisis de tendencias a lo largo del tiempo. Al agregar datos basados en la fecha de fin del período de pago, los analistas pueden rastrear KPIs como el tiempo de procesamiento, las tasas de error y las correcciones manuales en diferentes meses o trimestres. Esto ayuda a identificar la estacionalidad, medir el impacto de los cambios en el proceso a lo largo del tiempo y monitorear el rendimiento a largo plazo.

Permite el análisis de tendencias del rendimiento de la nómina a lo largo del tiempo, ayudando a identificar la estacionalidad o a medir el impacto de las mejoras del proceso de un período de pago al siguiente.

Un atributo estándar en las configuraciones del calendario de nómina y en los datos de transacciones de nómina.

Un Grupo de Pago (Pay Group) es una colección lógica de empleados a quienes se les paga en el mismo calendario, como 'Sueldo Quincenal EE. UU.' o 'Ejecutivo Mensual Reino Unido'. Este atributo se utiliza para gestionar y ejecutar los ciclos de nómina para segmentos específicos de la fuerza laboral.

En el análisis de procesos, filtrar por Grupo de Pago permite comparar el rendimiento y la eficiencia de diferentes ciclos de nómina. Esto puede revelar problemas específicos de un determinado grupo, como tasas de corrección más altas para empleados por hora semanales frente a los asalariados mensuales. También ayuda a comprender cómo las variaciones del proceso se correlacionan con diferentes calendarios de pago o poblaciones de empleados.

Permite el análisis comparativo entre diferentes ciclos de nómina, ayudando a identificar si los problemas del proceso son específicos de ciertas poblaciones de empleados o frecuencias de pago.

Se encuentra en los datos maestros de empleados o en las tablas de configuración de nómina, a menudo etiquetado como 'Grupo de Pago', 'Área de Nómina' o un término similar.

El Importe Bruto de Salario (Gross Pay Amount) representa el total de ingresos de un empleado para un período de pago específico. Es una cifra financiera clave calculada durante la ejecución de la nómina y sirve como base para los cálculos posteriores de impuestos y deducciones.

Aunque no es un motor directo del flujo del proceso, este atributo es valioso para el análisis contextual. Se puede utilizar para segmentar cases por valor, por ejemplo, para verificar si los registros de nómina de alto valor se procesan de manera diferente o están sujetos a verificaciones más rigurosas. También es esencial para el análisis de impacto financiero, como el cálculo del valor total de los pagos procesados con errores o retrasos.

Proporciona contexto financiero al proceso, permitiendo el análisis del impacto monetario de los retrasos, retrabajos o excepciones, y para segmentar cases por valor.

Un campo de salida estándar del paso de cálculo de bruto a neto, que se encuentra en los resultados de la nómina o en las tablas de datos de transacciones.

El Nombre de Usuario identifica al individuo o sistema automatizado responsable de ejecutar un paso específico del proceso. Podría ser un especialista en nóminas, un gerente aprobando datos de tiempo o una cuenta de sistema ejecutando un cálculo automatizado.

Este atributo proporciona una visión del proceso centrada en el humano o en el sistema. Se utiliza para analizar la distribución de la carga de trabajo, el rendimiento individual y la productividad del equipo. También puede ayudar a identificar oportunidades de capacitación al resaltar a los usuarios que se desvían con frecuencia del proceso estándar o que están asociados con altas tasas de retrabajo. Para los pasos automatizados, ayuda a distinguir entre actividades impulsadas por el sistema y manuales.

Permite el análisis de la carga de trabajo, el rendimiento del equipo y los niveles de automatización. Ayuda a identificar qué usuarios o equipos están involucrados en retrabajo o excepciones.

Se encuentra típicamente en los campos 'ID de usuario', 'procesado por' o 'usuario de acción' en los registros del sistema o registros de transacciones.

El Tipo de Ejecución de Nómina clasifica el evento de procesamiento de nómina. Una ejecución 'Regular' forma parte del ciclo estándar y programado. Una ejecución 'Fuera de Ciclo' es un pago no programado para corregir un error o pagar a un empleado desvinculado. Otros tipos podrían incluir ejecuciones de 'Bonificaciones' o 'Comisiones'.

Esta es una dimensión potente para el análisis comparativo. Los pagos fuera de ciclo suelen ser un signo de falla en el proceso regular y son típicamente más costosos y requieren más tiempo para procesarse. Al filtrar por tipo de ejecución, las organizaciones pueden aislar y analizar las causas raíz de estas excepciones, medir su frecuencia y costo, y comparar la eficiencia de diferentes tipos de ejecución.

Distingue entre el processing estándar y el excepcional. Analizar las ejecuciones fuera de ciclo es clave para comprender las fallas del proceso y reducir los pagos costosos y no estándar.

Esta información suele estar disponible en las tablas de ejecución de nómina o de procesamiento por lotes dentro del sistema de nómina.

Este atributo categoriza el rendimiento de un caso con respecto a su Acuerdo de Nivel de Servicio (SLA) definido. Se deriva típicamente comparando la marca de tiempo real de una actividad de hito, como 'Archivo de Transferencia Bancaria Generado', con el 'SLA Deadline'.

Esto proporciona un indicador de rendimiento claro e inmediato que puede utilizarse en "dashboards" e informes. Analizar el "Sla Compliance Status" ayuda a cuantificar la magnitud de los incumplimientos de plazos y permite profundizar en las características del proceso de los casos tardíos frente a los casos a tiempo. Esto es crucial para identificar las causas raíz de los retrasos y mejorar la fiabilidad y previsibilidad del proceso de nómina.

Proporciona una medida simple y directa del rendimiento frente a los objetivos, facilitando el reporte sobre el cumplimiento y el enfoque del análisis en los cases que no cumplieron los plazos.

Este atributo no se encuentra directamente en los sistemas de origen. Se deriva al comparar el "Event Timestamp" de una actividad de hito con el atributo "SlaDeadline".

La Fecha Límite del SLA ("SLA Deadline") es una marca de tiempo que representa el compromiso de completar una parte crítica del proceso de nómina, como generar el archivo de transferencia bancaria o ejecutar pagos. Sirve como un punto de referencia contra el cual se mide el rendimiento real.

Este atributo es esencial para monitorear y analizar el cumplimiento del SLA. Al comparar la marca de tiempo de finalización real de una actividad con su "SLA Deadline", las organizaciones pueden identificar incumplimientos, medir la extensión de los retrasos y gestionar proactivamente los riesgos. Es un componente clave para los "dashboards" relacionados con el rendimiento de pagos y la fiabilidad del proceso.

Define el objetivo de rendimiento, posibilitando la medición del cumplimiento de los SLA, la identificación de pagos atrasados y el análisis de las causas raíz de los retrasos.

Este puede ser un campo fijo en el sistema basado en la configuración del ciclo de pago o puede derivarse basándose en reglas de negocio (por ejemplo, Fecha de Fin de Período de Pago más tres días hábiles).

La Jurisdicción Fiscal especifica la región legal o administrativa para la cual deben calcularse y remitirse los impuestos. La complejidad de la nómina puede variar significativamente entre diferentes jurisdicciones debido a distintas regulaciones, tasas impositivas y requisitos de presentación.

Analizar el proceso por Jurisdicción Fiscal puede ayudar a identificar desafíos regionales. Por ejemplo, podría revelar que el procesamiento de nóminas para un estado o país en particular es consistentemente más lento o propenso a errores. Esto podría indicar la necesidad de una mejor configuración del sistema para las reglas de esa jurisdicción, o una capacitación adicional para los especialistas que manejan esas regiones.

Permite el análisis del rendimiento del proceso por región geográfica o legal, ayudando a identificar si la complejidad o los errores se concentran en jurisdicciones específicas.

Esto forma parte de la configuración de información fiscal del empleado dentro del sistema de nómina o RRHH.

El Tipo de Empleado (Employee Type) es un atributo de los datos maestros de RRHH que categoriza la fuerza laboral. Diferentes tipos de empleados a menudo siguen diferentes procesos de nómina, tienen diferentes requisitos de datos y están sujetos a diferentes regulaciones.

Utilizar este atributo como una dimensión para el análisis puede revelar diferencias significativas en el rendimiento del proceso. Por ejemplo, el proceso para empleados por hora puede implicar una integración de datos de tiempo más compleja y ser más propenso a errores que el proceso para empleados asalariados. Comparar KPI como el tiempo de ciclo o la tasa de corrección entre diferentes tipos de empleados ayuda a adaptar las mejoras del proceso a las necesidades específicas de cada grupo.

Ayuda a segmentar el proceso para revelar variaciones y problemas específicos de diferentes categorías de fuerza laboral, como empleados por hora frente a asalariados.

Este es un campo estándar en el registro maestro del empleado dentro del sistema de RRHH o nómina.

Cuando se ejecutan auditorías automatizadas durante el proceso de nómina, pueden marcar registros que violan reglas predefinidas. Este atributo captura la categoría de la excepción, como 'ID Fiscal Faltante', 'Horas Extra No Aprobadas' o 'Anomalía en el Salario Bruto'.

Analizar el tipo y la frecuencia de las excepciones de auditoría proporciona una visión directa de los problemas de calidad de los datos y de cumplimiento. Esta información permite a las organizaciones realizar un análisis de la causa raíz, por ejemplo, determinar si un pico en las excepciones de 'ID Fiscal Faltante' se debe a un proceso de incorporación defectuoso. El seguimiento de estas excepciones es crucial para el "dashboard" de 'Monitor de Auditoría y Cumplimiento' y para reducir el riesgo.

Proporciona una forma directa de medir y categorizar la calidad de los datos y los problemas de cumplimiento, lo que permite un análisis de causas raíz dirigido para mejorar la precisión y reducir el riesgo.

Estos datos son generados por el motor de auditoría interna o validación del sistema de nómina y se suelen almacenar en registros de auditoría o informes de excepciones.