> Mejora continua de procesos > Procesamiento de nóminas > Ceridian Dayforce > Template de datos

Su Template de datos para el procesamiento de nómina

Ceridian Dayforce

Atributos del procesamiento de nómina(17) Actividades del procesamiento de nómina(15) Guías de extracción(2)

Su Template de datos para el procesamiento de nómina

Este Template ofrece un marco completo para mapear el ciclo de vida de la nómina en Ceridian Dayforce. Describe los campos de datos y los hitos del proceso necesarios para crear un Registro de eventos de calidad que permita realizar un análisis detallado. Siga estas pautas para obtener una visión completa de los flujos de trabajo de desembolso y localizar oportunidades de mejora operativa.

Atributos recomendados para recopilar
Actividades clave que conviene seguir
Instrucciones de extracción específicas del sistema

¿Es nuevo en los registros de eventos? Aprenda a crear un Registro de eventos para Process Mining.

Descargar Template

Atributos del procesamiento de nómina

Estos campos de datos recomendados recogen información empresarial clave y detalles del sistema Ceridian Dayforce para ofrecer una base sólida al análisis del proceso.

5 Obligatorio 5 Recomendado 7 Opcional

	Nombre	Descripción
	Actividad ActivityName	Nombre del paso del proceso o del evento realizado.
Descripción Este atributo representa el evento concreto que ocurre durante el ciclo de nómina. Entre las actividades habituales de Dayforce se encuentran «Hoja de horas enviada», «Salario bruto calculado», «Nómina confirmada», «Pago ejecutado» y «Declaración de impuestos completada». Estos valores suelen extraerse de los registros de auditoría del flujo de trabajo, los registros de transacciones del sistema, como los cambios en el estado de nómina, o las fechas y horas asociadas a objetos empresariales específicos, como la ejecución de nómina o la hoja de horas. Por qué es importante Define los pasos del proceso y es esencial para reconstruir su flujo y analizar las variantes. Dónde obtenerlo Registros del flujo de trabajo, registro de auditoría o tablas del historial de cambios de estado. Ejemplos Hoja de horas enviadaSalario bruto calculadoPago ejecutadoCorrección de datos realizadaExcepción de auditoría detectada
	Fecha y hora EventDateTime	Fecha y hora exactas en que ocurrió la actividad.
Descripción Fecha y hora exactas que indican cuándo ocurrió un evento en el sistema Dayforce. Se utilizan para ordenar cronológicamente las actividades y calcular el tiempo transcurrido entre los pasos. La precisión de estos datos es fundamental para identificar cuellos de botella, como los retrasos en la aprobación de hojas de horas o en la generación de archivos de transferencias bancarias. Lo ideal es que tengan una precisión de segundos o minutos. Por qué es importante Aporta la dimensión temporal necesaria para Process Mining y permite analizar el rendimiento y detectar cuellos de botella. Dónde obtenerlo Columnas de fecha y hora de las transacciones en las tablas de auditoría, como CreatedDateTime y LastModifiedDateTime. Ejemplos 2023-10-12T08:30:00Z2023-10-12T14:15:22Z2023-10-15T09:00:00Z
	Registro de nómina PayrollRecordId	Identificador único del caso de nómina, que combina la persona empleada y el periodo de pago.
Descripción Este atributo es el ID del caso único del proceso. En Ceridian Dayforce, un registro de nómina representa la combinación de una persona empleada concreta y un periodo de pago específico, que suele definirse dentro de un grupo de pago. Registra el ciclo de vida de la remuneración de esa persona durante dicho periodo. Desde el punto de vista técnico, suele crearse concatenando el ID del periodo de pago con el XRefCode o el ID del sistema de la persona empleada. Vincula todas las actividades, desde el envío inicial de la hoja de horas hasta la declaración final de impuestos y la generación del recibo de pago. Por qué es importante Identifica el objeto central del análisis de Process Mining y permite agrupar todos los eventos en una única ruta de ejecución integral. Dónde obtenerlo Se obtiene de la combinación de PayPeriodID y EmployeeID en las tablas Payroll Result o Time Entry. Ejemplos PG01-2023-10-EMP10234US_SAL-2023-22-EMP88421UK_HRLY-2023-44-EMP00231
	Sistema de origen SourceSystem	Nombre del sistema del que proceden los datos.
Descripción Identifica el software o la base de datos de la que se extrajeron los datos de nómina. En este caso, el valor suele ser «Ceridian Dayforce» o «Dayforce». Es útil al combinar datos de varios sistemas, por ejemplo, de un sistema externo de control de horas y asistencia que envía datos a Dayforce, para hacer un seguimiento de su procedencia. Por qué es importante Garantiza la trazabilidad y permite aplicar filtros en configuraciones de Process Mining que abarcan varios sistemas. Dónde obtenerlo Se codifica durante la extracción o se obtiene de los metadatos de conexión. Ejemplos Ceridian DayforceDayforce ProductionDayforce EU
	Última actualización de datos LastDataUpdate	Fecha y hora en que se extrajeron los datos del sistema de origen.
Descripción Indica la actualidad de los datos utilizados en el análisis. Suele corresponder a la fecha y hora de la ejecución de ETL (extracción, transformación y carga) que obtuvo los datos de Dayforce. Ayuda a los analistas a saber si consultan datos en tiempo real o una instantánea del día anterior. Por qué es importante Indica la vigencia del conjunto de datos y ayuda a validar que esté completo comparándolo con los informes del sistema de origen. Dónde obtenerlo Hora del sistema en el momento de ejecutar el script. Ejemplos 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Departamento DepartmentName	Unidad organizativa a la que pertenece la persona empleada.
Descripción Indica el departamento funcional, como ventas, TI o recursos humanos, asociado al registro de nómina. En Dayforce, suele estar vinculado a la jerarquía «Unidad organizativa» o «Departamento». Este campo alimenta el Dashboard «Rendimiento de la aprobación de hojas de horas» y permite analizar áreas específicas de la organización en las que las personas responsables podrían estar retrasando las aprobaciones. Por qué es importante Permite comparar el rendimiento entre áreas de la organización y analizar las causas raíz de los retrasos en las aprobaciones. Dónde obtenerlo Registro de la persona empleada o jerarquía de unidades organizativas. Ejemplos FinanzasLogística de la cadena de suministroVentas de Norteamérica
	Fecha límite de procesamiento del SLA SlaProcessingDeadline	Fecha y hora límite para completar la generación del archivo bancario.
Descripción Fecha y hora límite, interna o externa, para realizar la actividad «Archivo de transferencia bancaria generado» y garantizar que las personas empleadas reciban su pago a tiempo. Se utiliza en el Dashboard «Cumplimiento de la fecha límite de transferencias bancarias». Este atributo puede ser una regla fija basada en la fecha de pago, por ejemplo, dos días antes, o un campo configurado en los ajustes del grupo de pago. Por qué es importante Es la referencia para calcular el rendimiento de los pagos puntuales y el riesgo de incumplimiento. Dónde obtenerlo Se obtiene de la fecha de pago y de la configuración de las reglas de procesamiento bancario. Ejemplos 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Grupo de pago PayGroupName	Grupo de personas empleadas cuyos pagos se procesan conjuntamente.
Descripción Agrupa a las personas empleadas que reciben su pago con la misma frecuencia, por ejemplo, «Estados Unidos, pago quincenal» o «Reino Unido, pago mensual». En Dayforce, el grupo de pago es una unidad organizativa principal para las ejecuciones de nómina. Este atributo es esencial para el Dashboard «Duración integral del ciclo de nómina», ya que cada grupo de pago puede tener ciclos y fechas límite diferentes. Por qué es importante Es el principal criterio de segmentación para comparar el rendimiento de nómina e identificar problemas específicos de cada grupo. Dónde obtenerlo Tabla PayGroup o definición de PayRun. Ejemplos Personal asalariado corporativo de Estados UnidosPersonal de ventas minoristas por hora de CanadáPersonal ejecutivo mensual del Reino Unido
	Importe del salario bruto GrossPayAmount	Salario bruto calculado para el registro.
Descripción Importe total de la remuneración antes de las deducciones y los impuestos. Este valor se completa durante la actividad «Salario bruto calculado». Analizar las diferencias en el tiempo de procesamiento del salario bruto puede ayudar a identificar cálculos complejos que ralentizan el Dashboard «Velocidad del flujo del motor de cálculo». Por qué es importante Aporta contexto financiero al proceso y permite analizar el procesamiento de registros de importes altos y bajos. Dónde obtenerlo Tabla Payroll Result o Pay Run Details. Ejemplos 2500.004150.501200.00
	Usuario que realizó la acción ActionUser	Persona usuaria que realizó la actividad.
Descripción Identifica a la persona responsable del evento, como quien aprueba una hoja de horas o quien confirma la ejecución de nómina. Estos datos son esenciales para la vista «Productividad del personal especialista en nómina» y para detectar necesidades de formación entre las personas responsables. Por qué es importante Permite analizar los recursos y hacer un seguimiento de las responsabilidades dentro del proceso. Dónde obtenerlo Registros de auditoría, columna User ID en las tablas de transacciones. Ejemplos jsmithAdministrador del sistemamgarcia_mgr
	Centro de costes CostCenterCode	El código financiero al que se imputa el gasto de nómina.
Descripción El centro de costes del libro mayor asociado a los ingresos de la persona empleada. Se utiliza en la vista «Referencias de procesamiento por centro de costes» para comparar la eficiencia entre distintas unidades financieras. En Dayforce, forma parte de los detalles de asignación del libro mayor (GL). Por qué es importante Relaciona el rendimiento del proceso con las estructuras de informes financieros. Dónde obtenerlo Configuración de GL de la persona empleada o tablas de distribución de costes laborales. Ejemplos CC-1020CC-5500-USCC-IT-OPS
	Es una excepción de auditoría IsAuditExceptionFlagged	Indicador booleano que señala si el registro generó una alerta de auditoría.
Descripción Indicador calculado o directo que señala que se produjo la actividad «Excepción de auditoría detectada» en este caso. Se utiliza para calcular el KPI «Tasa de excepciones de auditoría detectadas». Una tasa elevada de excepciones puede indicar problemas de calidad de los datos o una configuración demasiado estricta del motor de cumplimiento de Dayforce. Por qué es importante Simplifica el cálculo de las tasas de error y los ciclos de retrabajo. Dónde obtenerlo Se deriva de la existencia de la actividad «Excepción de auditoría detectada». Ejemplos truefalse
	Jurisdicción fiscal TaxJurisdiction	Región o autoridad responsable de la declaración de impuestos.
Descripción Identifica a la autoridad fiscal específica, como un estado, una provincia o un país, que corresponde al registro de nómina. Sirve de apoyo al Dashboard «Seguimiento de declaraciones y cumplimiento fiscal». Permite segmentar el proceso de cumplimiento posterior a la nómina y detectar las jurisdicciones en las que suelen producirse retrasos en las declaraciones. Por qué es importante Permite supervisar el cumplimiento y analizar geográficamente el rendimiento del proceso. Dónde obtenerlo Configuración fiscal de la persona empleada o detalles fiscales de Payroll Result. Ejemplos CaliforniaOntarioNueva YorkReino Unido
	La transferencia bancaria se realizó tarde IsBankTransferLate	Indicador que señala si el archivo bancario no se envió dentro del plazo.
Descripción Valor booleano calculado al comparar la marca de tiempo de «Archivo de transferencia bancaria generado» con «Fecha límite de procesamiento del SLA». Se utiliza para calcular el KPI «Tasa de transferencias bancarias puntuales». Identificar las transferencias tardías es fundamental para evitar retrasos en los pagos a las personas empleadas. Por qué es importante Es un indicador clave de cumplimiento y fiabilidad. Dónde obtenerlo Calculado: BankTransferTime > SlaProcessingDeadline. Ejemplos truefalse
	Motivo de la corrección CorrectionReason	Código del motivo indicado para las correcciones de datos.
Descripción Si se produce la actividad «Corrección de datos realizada», este atributo registra el motivo indicado (por ejemplo, «Fichaje omitido» o «Ajuste retroactivo de nómina»). Añade información al Dashboard «Tasas de correcciones manuales y retrabajo», lo que permite al equipo abordar las causas raíz específicas del trabajo manual. Por qué es importante Es esencial para analizar las causas raíz del retrabajo. Dónde obtenerlo Detalles del registro de auditoría o campos de comentarios de las transacciones de corrección. Ejemplos Fichaje omitidoTarifa incorrectaAjuste retroactivo
	Período de pago PayPeriodDescription	Nombre descriptivo del ciclo de pago.
Descripción Etiqueta legible del período de pago (por ejemplo, «Semana 42 de 2023» o «Quincenal de octubre de 2023»). Facilita el filtrado y la visualización en los Dashboards. Aporta contexto al «Registro de nómina» y suele mostrarse en «Análisis de rutas de variantes del proceso» para filtrar ejecuciones específicas. Por qué es importante Hace que los datos sean comprensibles para los equipos de negocio. Dónde obtenerlo Columna de descripción de la tabla PayPeriod. Ejemplos 2023-W422023-Oct-SM12023-M11
	Tipo de empleo EmploymentType	Clasificación de la persona empleada (tiempo completo, tiempo parcial o contratista).
Descripción Clasifica la relación laboral de la persona empleada. Se utiliza en las comparativas para determinar si el procesamiento de nómina o las tasas de error presentan diferencias entre contratistas y personal a tiempo parcial. Suele encontrarse en el registro Employee de Dayforce. Por qué es importante Permite segmentar los datos y comparar las estadísticas de procesamiento de forma equitativa. Dónde obtenerlo Tabla Employee. Ejemplos Tiempo completoTiempo parcialContratista

Obligatorio Recomendado Opcional

Actividades del procesamiento de nómina

Registre estos eventos clave del ciclo de vida y los cambios de estado para obtener una visión cronológica precisa del procesamiento de nómina y los flujos de trabajo de desembolso.

7 Recomendado 8 Opcional

	Actividad	Descripción
	Archivo de transferencia bancaria generado	Generación de archivos NACHA, SEPA u otros archivos bancarios. Se utiliza para calcular la «Tasa de transferencias bancarias puntuales» con respecto al plazo del SLA.
Por qué es importante Paso crítico de cumplimiento que garantiza que los fondos se transfieran a tiempo para realizar los pagos. Dónde obtenerlo Registro de tareas del sistema que indica que el archivo de transmisión bancaria se generó correctamente. Capturar Se registra cuando se ejecuta la transacción «Generación de archivo» Tipo de evento explicit
	Hoja de horas aprobada	La persona responsable o supervisora aprueba los datos de horas enviados. Los retrasos en esta etapa afectan directamente al Dashboard «Rendimiento de la aprobación de hojas de horas».
Por qué es importante Permite identificar cuellos de botella en la cadena de aprobación que retrasan el inicio del cálculo de nómina. Dónde obtenerlo Realice un seguimiento del cambio de estado de la tarjeta de horas a «Aprobado» o «Firmado» en el módulo WFM. Capturar Se registra cuando se ejecuta la transacción «Aprobado» Tipo de evento explicit
	Hoja de horas enviada	Evento en el que una persona empleada o responsable envía los datos de horas y asistencia para su procesamiento. Conecta el módulo WFM con el módulo de nómina.
Por qué es importante Es fundamental para que el Dashboard «Duración integral del ciclo de nómina» mida los retrasos desde el momento en que se generan los datos. Dónde obtenerlo Se obtiene de los registros del módulo WFM de Dayforce o del cambio de estado del objeto de la tarjeta de horas a «Enviado». Capturar Compare el campo de estado antes y después Tipo de evento inferred
	Pago ejecutado	Fecha efectiva del pago a la persona empleada. Es el cierre financiero del proceso para esa persona.
Por qué es importante Hito clave para el KPI «Duración integral del ciclo de nómina» y la satisfacción de las personas empleadas. Dónde obtenerlo Campo «Fecha del cheque» o «Fecha de pago» del registro de nómina finalizado. Capturar Se registra cuando se ejecuta la transacción «Desembolso» Tipo de evento explicit
	Registro de nómina aprobado	Autorización final del registro de nómina, también conocida como «confirmar» o «bloquear» la ejecución de nómina. Marca el final de la fase de cálculo y revisión.
Por qué es importante Es el hito definitivo que separa el procesamiento del desembolso. Dónde obtenerlo Cambio del estado de la ejecución de nómina a «Confirmado», «Bloqueado» o «Aprobado». Capturar Se registra cuando se ejecuta la transacción «Confirmar» Tipo de evento explicit
	Registro de nómina inicializado	Indica la creación de una ejecución de nómina específica para una persona empleada. En Dayforce, esto ocurre cuando se abre el grupo de pago para el ciclo y se añaden las personas empleadas a la ejecución.
Por qué es importante Marca el inicio del caso de nómina y establece la referencia para medir la duración total del ciclo. Dónde obtenerlo Identifique la fecha y hora de creación del registro de ejecución de nómina de la persona empleada dentro de la instancia del grupo de pago. Capturar Se registra cuando se crea el registro de ejecución de nómina Tipo de evento explicit
	Salario bruto calculado	El motor de cálculo del sistema calcula el salario bruto a partir de las horas, las tarifas y los datos importados. Es el primer paso del Dashboard «Velocidad del flujo del motor de cálculo».
Por qué es importante Mide la latencia del motor de cálculo una vez que se han confirmado los datos de entrada. Dónde obtenerlo Se infiere a partir de la fecha y hora en que se completa o actualiza el campo «Salario bruto» durante el lote de cálculo. Capturar Compare el campo de estado antes y después Tipo de evento inferred
	Corrección de datos realizada	Una persona usuaria modifica manualmente los datos de pago, como las horas, las tarifas o las deducciones, después del cálculo inicial. Permite hacer un seguimiento del Dashboard «Tasas de correcciones manuales y trabajo repetido».
Por qué es importante Es una medida directa del trabajo repetido. Reducir esta actividad es uno de los principales objetivos para mejorar la eficiencia del proceso. Dónde obtenerlo Registros de auditoría que muestran las actualizaciones realizadas por una persona usuaria en las tablas de detalles de pago de las personas empleadas. Capturar Se registra cuando se ejecuta la transacción «Registro actualizado» Tipo de evento explicit
	Datos de incentivos importados	Registra la importación correcta de archivos de datos externos con bonificaciones, comisiones o pagos únicos. Sirve de apoyo al Dashboard «Tiempo de importación de datos de incentivos».
Por qué es importante Los retrasos en la recepción de estos datos suelen provocar que se detenga el procesamiento de nómina. Dónde obtenerlo Registros de integración de Dayforce que muestran la finalización de tareas de importación XML o CSV destinadas a la ejecución de nómina. Capturar Se registra cuando se ejecuta la transacción «Importar» Tipo de evento explicit
	Declaración de impuestos completada	Confirma que las declaraciones de impuestos posteriores al procesamiento de nómina se han tramitado correctamente en la jurisdicción correspondiente. Sirve de apoyo al Dashboard «Seguimiento de declaraciones y cumplimiento fiscal».
Por qué es importante Garantiza el cumplimiento normativo y evita sanciones después de pagar a las personas empleadas. Dónde obtenerlo Actualización de estado en el módulo fiscal o en el registro de integración que confirma la recepción por parte de la autoridad fiscal o de un proveedor externo de servicios de declaración. Capturar Se registra cuando se ejecuta la transacción «Declaración confirmada» Tipo de evento explicit
	Deducciones de beneficios aplicadas	Aplicación de las reglas de beneficios y las deducciones al salario bruto. Forma parte de la secuencia de cálculo automatizada que supervisa el Dashboard de velocidad del flujo.
Por qué es importante Permite aislar el tiempo de procesamiento o los errores específicos del motor de beneficios durante la ejecución de nómina. Dónde obtenerlo Fecha y hora en que se escriben las líneas de deducción en el registro de nómina o se actualiza el campo «Total de deducciones». Capturar Obtenga el dato comparando la fecha y hora de actualización del campo con la hora anterior Tipo de evento calculated
	Excepción de auditoría detectada	El sistema genera una advertencia o un mensaje de error según las reglas de validación, por ejemplo, si el salario neto es negativo. Sirve de apoyo al KPI «Tasa de excepciones de auditoría detectadas».
Por qué es importante Una frecuencia elevada indica problemas en la calidad de los datos de origen o errores de configuración que requieren intervención manual. Dónde obtenerlo Extraiga los datos de la tabla de mensajes o errores del sistema vinculada al ID de ejecución de nómina. Capturar Se registra cuando se ejecuta la transacción «Excepción creada» Tipo de evento explicit
	Impuestos calculados	Es el paso final del cálculo: se aplican las reglas de la jurisdicción fiscal para determinar el salario neto. Con esto concluye la secuencia de cálculo automatizada.
Por qué es importante Las reglas fiscales complejas pueden ralentizar el procesamiento. Esta actividad permite evaluar el rendimiento del motor fiscal. Dónde obtenerlo Fecha y hora en que se generan las líneas de impuestos o se finaliza el campo «Salario neto» en la base de datos. Capturar Compare el campo de estado antes y después Tipo de evento inferred
	Recibo de pago publicado	Los recibos de pago digitales quedan disponibles para las personas empleadas en el portal ESS. Sirve de apoyo al Dashboard «Disponibilidad de recibos de pago digitales».
Por qué es importante Mide el tiempo transcurrido entre la ejecución del pago y la disponibilidad de la información. Dónde obtenerlo Fecha y hora en que finaliza la tarea de publicación del recibo o se establece en «true» el indicador de visibilidad. Capturar Compare el campo de estado antes y después Tipo de evento inferred
	Resultado de nómina revisado	Una persona usuaria consulta el registro preliminar de nómina o la vista previa del pago. Esta actividad permite analizar la «Eficiencia de la fase de revisión preliminar» e identificar ciclos de trabajo repetido.
Por qué es importante Indica el inicio de la fase de revisión humana. Si se consulta la vista previa varias veces, puede haber problemas de datos sin resolver. Dónde obtenerlo Registros de acceso que indican que una persona usuaria generó el informe «Vista previa de nómina» o abrió la pantalla de vista previa. Capturar Se registra cuando se ejecuta la transacción «Informe de vista previa» Tipo de evento explicit

Recomendado Opcional

Guías de extracción

Cómo obtener los datos de Ceridian Dayforce

Pasos

Inicie sesión en la aplicación Ceridian Dayforce con una cuenta de usuario que tenga privilegios de Reporting y System Admin.
Vaya a la función Reporting desde el menú principal de la aplicación.
Haga clic en el botón Add para crear un informe nuevo y seleccione el tema System Audit Trail. Este tema contiene el historial de cambios necesario para Process Mining.
En el área Column Selection, agregue los siguientes campos: Transaction Id, User Name, Timestamp, Feature Name, Operation, Table Name, Column Name, Old Value, New Value y Context Info (que suele incluir el contexto de Employee y Pay Group).
Agregue un filtro al informe para incluir Payroll, WFM (Workforce Management) y Benefits en Feature Name.
Agregue un segundo filtro para Date Range que abarque el período de análisis deseado (por ejemplo, los últimos 90 días).
Guarde el informe como Process Mining Audit Extract.
Cree un segundo informe con el tema Pay Run History para registrar cambios de estado generales (Calculation, Approval, Commit) que quizá no aparezcan en el registro de auditoría detallado por campo. Seleccione los campos: Pay Group, Pay Period End Date, Workflow Status, Status Change Date y Usuario.
Ejecute ambos informes y exporte los resultados en formato CSV.
Como Dayforce exporta datos normalizados, debe combinar estos dos archivos CSV. Haga coincidir los registros según los identificadores de Pay Group y Pay Period.
Aplique la lógica de transformación definida en la sección Query que aparece a continuación para asignar los códigos de auditoría sin procesar de Dayforce a los nombres de actividad estandarizados.
Dé al conjunto de datos final el formato requerido, con las columnas PayrollRecordId, ActivityName, EventDateTime, SourceSystem y otros atributos. Después, guárdelo en un único archivo CSV para cargarlo.

Configuración

Selección del tema del informe: Use System Audit Trail para los cambios detallados en los campos y Pay Run History para los hitos generales del flujo de trabajo.
Intervalo de fechas: Seleccione un período de entre 3 y 6 meses para abarcar ciclos completos sin superar los límites de tamaño de exportación.
Filtros de funciones: Filtre estrictamente el registro de auditoría por las funciones Payroll, Time And Attendance y Benefits para reducir el ruido de los cambios de RR. HH. no relacionados.
Contexto de usuario: Asegúrese de incluir en la exportación las acciones del usuario System, ya que los pasos automatizados, como los cálculos, se realizan con la cuenta System y no con una cuenta de una persona.
Formato: Configure la exportación en formato CSV (delimitado por comas) y sin agrupación de encabezados para facilitar el procesamiento automático.
Zona horaria: Compruebe que todas las marcas de tiempo de la exportación estén en UTC o en la hora del servidor para mantener la coherencia cronológica entre las distintas ubicaciones de los usuarios.

Consulta de ejemplo json

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

Pasos

Requisitos previos: Asegúrese de tener una cuenta de servicio en Ceridian Dayforce con acceso a Web Services (API REST). La cuenta necesita permisos para Employee Pay Summary, Time entry y los datos de auditoría y flujo de trabajo.
Configuración de la API: En Dayforce, vaya a System Admin > Integrations > Web Services. Anote su Client Namespace y Service URL, y compruebe que Basic Auth u OAuth esté configurado. Este script usa Basic Auth para simplificar, aunque se recomienda OAuth en producción.
Preparación del entorno: Instale Python 3.x y las bibliotecas necesarias: pandas y requests. Ejecute pip install pandas requests para instalarlas.
Configuración del script: Actualice las variables de configuración al principio del script proporcionado. Sustituya los marcadores de posición username, password, client_namespace y base_url por los datos de su instancia.
Definición del intervalo de fechas: Configure start_date y end_date en el script para incluir los períodos de nómina que desea analizar. Para la validación inicial, se recomienda un intervalo de 3 a 6 meses.
Ejecución: Ejecute el script desde la línea de comandos (por ejemplo, python extract_dayforce.py). El script coordina la obtención de datos de varios endpoints (Pay Summary, Time y Audit) y los combina en un registro de eventos unificado.
Transformación de datos: El script normaliza automáticamente las marcas de tiempo y asigna los códigos de estado específicos de Dayforce a los nombres de actividad estándar requeridos (por ejemplo, asigna el estado de Workflow committed a Payroll Record Approved).
Generación del archivo de salida: El script guarda un archivo CSV llamado dayforce_payroll_event_log.csv en el directorio local.
Validación: Abra el archivo CSV y compruebe que PayrollRecordId sea coherente en cada período de nómina y que las fechas sigan un orden cronológico lógico.
Importación: Cargue el archivo CSV resultante en ProcessMind. Asigne PayrollRecordId a Case ID, ActivityName a Activity y EventDateTime a Timestamp.

Configuración

Tamaño del lote: La API de Dayforce usa paginación. De forma predeterminada, el script procesa 50 o 100 registros por página. Ajuste el parámetro limit si se producen tiempos de espera agotados.
Control de solicitudes: Dayforce aplica límites estrictos a las solicitudes de la API. El script incluye pausas básicas entre solicitudes para evitar errores 429 Too Many Requests.
Client Namespace: Es un dato esencial para la cadena de conexión y el identificador único de su instancia de Dayforce.
Latencia de los datos: Las API de Dayforce suelen reflejar datos en tiempo real, pero los registros de auditoría muy antiguos (de más de 1 o 2 años) pueden estar archivados o tardar más en recuperarse.
Permisos: El usuario de la API debe tener acceso de lectura a los campos de información personal identificable (PII) si desea incluir atributos sensibles, aunque este script se centra en los metadatos del proceso.
Zona horaria: Las API suelen devolver la hora en UTC. El script realiza la conversión, pero asegúrese de conocer la zona horaria del servidor si compara los datos con las pantallas de la interfaz.

Consulta de ejemplo python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

¿Todo listo para comenzar?

Comience hoy su proceso de transformación aplicando este Template a los datos de nómina. Nuestro equipo puede ayudarle con la extracción y a preparar los datos para el análisis.

Volver a la guía de mejora

Descargar Template

Evite retrasos en el procesamiento de nómina y optimícelo hoy

Reduzca un 30 % el tiempo del ciclo de nómina y elimine los cuellos de botella.

Comience su prueba gratuita

No se requiere tarjeta de crédito. Configuración en 5 minutos.

Su Template de datos para el procesamiento de nómina

Su Template de datos para el procesamiento de nómina

Atributos del procesamiento de nómina

Actividades del procesamiento de nómina

Guías de extracción

Exportación de datos de nómina de informes ad hoc de Dayforce

Pasos

Configuración

Consulta de ejemplo json

Extracción mediante script de Python a través de la API REST de Dayforce

Pasos

Configuración

Consulta de ejemplo python

¿Todo listo para comenzar?

Evite retrasos en el procesamiento de nómina y optimícelo hoy