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

Su Template de datos de procesamiento de nómina

Ceridian Dayforce

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

Su Template de datos de procesamiento de nómina

Este Template ofrece un marco completo para mapear el ciclo de vida de su nómina en Ceridian Dayforce. Define los campos de datos esenciales y los hitos del proceso necesarios para crear un Registro de eventos de alta calidad y realizar un análisis profundo. Si sigue estas directrices, obtendrá una visibilidad completa de sus flujos de trabajo de desembolso y podrá localizar áreas de mejora operativa.

Atributos recomendados que debe recopilar
Actividades clave que debe supervisar
Guía de extracción específica del sistema

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

Descargar Template

Atributos del procesamiento de nóminas

Estos campos de datos recomendados capturan el contexto empresarial y los detalles del sistema esenciales de Ceridian Dayforce para proporcionar una base sólida para el análisis de su proceso.

5 Obligatorio 5 Recomendado 7 Opcional

	Nombre	Descripción
	Actividad ActivityName	El nombre del paso del proceso o del evento realizado.
Descripción Este atributo representa el evento específico que tiene lugar durante el ciclo de nómina. Entre las actividades estándar de Dayforce se incluyen «Time Sheet Submitted», «Gross Pay Calculated», «Payroll Committed», «Payment Executed» y «Tax Filing Completed». Estos valores suelen extraerse de los registros de auditoría del Workflow, de los registros de transacciones del sistema, como los cambios en Payroll Status, o de las marcas de tiempo asociadas a objetos empresariales específicos, como Pay Run o Time Sheet. Por qué es importante Define los pasos del proceso y es esencial para reconstruir el flujo del proceso y analizar sus variantes. Dónde obtenerlo Registros de Workflow, Audit Trail o tablas del historial de cambios de estado. Ejemplos Hoja de horas enviadaSalario bruto calculadoPago ejecutadoCorrección de datos realizadaExcepción de auditoría marcada
	Marca de tiempo EventDateTime	La fecha y hora concretas en las que tuvo lugar la actividad.
Descripción La marca de tiempo exacta que indica cuándo ocurrió un evento en el sistema Dayforce. Se utiliza para ordenar cronológicamente las actividades y calcular la duración entre los pasos. Las marcas de tiempo precisas son fundamentales para identificar cuellos de botella, como los retrasos en «Time Sheet Approved» o «Bank Transfer File Generated». Lo ideal es que tengan una granularidad de segundos o minutos. Por qué es importante Proporciona la dimensión temporal necesaria para Process Mining, lo que permite analizar el rendimiento y detectar cuellos de botella. Dónde obtenerlo Columnas de marca de tiempo 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 actúa como el Case ID único del proceso. En Ceridian Dayforce, un registro de nómina representa conceptualmente la intersección entre una persona empleada concreta y un periodo de pago específico, normalmente definido dentro de un grupo de pago. Realiza el seguimiento del ciclo de vida de la remuneración de esa persona durante ese ciclo concreto. Desde el punto de vista técnico, suele construirse concatenando el ID del periodo de pago con el Employee XRefCode o el System ID. Vincula todas las actividades, desde el envío inicial de la hoja de horas hasta la presentación final de impuestos y la generación del recibo de nómina. 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 de principio a fin. 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	El 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 contexto, el valor es siempre «Ceridian Dayforce» o «Dayforce». Resulta útil al combinar datos de varios sistemas, como un sistema externo de control de tiempo y asistencia que envía datos a Dayforce, para realizar el seguimiento del linaje de los datos. Por qué es importante Garantiza la trazabilidad y permite aplicar filtros en configuraciones de Process Mining con varios sistemas. Dónde obtenerlo Se codifica durante la extracción o se obtiene de los metadatos de conexión. Ejemplos Ceridian DayforceDayforce ProducciónDayforce UE
	Última actualización de datos LastDataUpdate	La marca de tiempo en la que se extrajeron los datos del origen.
Descripción Indica la actualidad de los datos utilizados para el análisis. Normalmente corresponde a la marca de tiempo de la ejecución de ETL (Extract, Transform, Load) que extrajo los datos de Dayforce. Ayuda a los analistas a saber si están consultando datos en tiempo real o una instantánea del día anterior. Por qué es importante Establece 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	La unidad organizativa a la que pertenece la persona empleada.
Descripción Indica el departamento funcional, como Ventas, TI o RR. HH., asociado al registro de nómina. En Dayforce, suele estar vinculado a la jerarquía «Org Unit» o «Department». Este campo alimenta el Dashboard «Rendimiento de aprobación de hojas de horas» y permite profundizar en las áreas de negocio concretas en las que los responsables pueden estar retrasando las aprobaciones. Por qué es importante Permite comparar el rendimiento entre unidades organizativas y analizar las causas raíz de los retrasos en las aprobaciones. Dónde obtenerlo Registro de la persona empleada o jerarquía de Organization Unit. Ejemplos FinanzasLogística de la cadena de suministroVentas de Norteamérica
	Fecha límite de procesamiento del SLA SlaProcessingDeadline	La marca de tiempo límite requerida para generar el archivo bancario.
Descripción La fecha límite interna o externa en la que debe producirse la actividad «Bank Transfer File Generated» para 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, como fecha de pago menos 2 días, o un campo configurado en los ajustes de Pay Group. Por qué es importante Es la referencia para calcular el rendimiento puntual 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	La agrupación de personas empleadas para procesar la nómina.
Descripción Clasifica a las personas empleadas que reciben el pago juntas y con la misma periodicidad, como «US Bi-Weekly» o «UK Monthly». En Dayforce, Pay Group es una unidad organizativa principal para las ejecuciones de nómina. Este atributo es esencial para el Dashboard «Duración del ciclo completo de nómina», ya que los distintos grupos de pago tienen naturalmente tiempos de ciclo y fechas límite diferentes. Por qué es importante Es la segmentación principal para comparar el rendimiento de la nómina e identificar problemas específicos de cada grupo. Dónde obtenerlo Tabla PayGroup o definición de PayRun. Ejemplos Personal asalariado corporativo de EE. UU.Personal por horas del comercio minorista de CanadáPersonal ejecutivo mensual del Reino Unido
	Importe bruto de nómina GrossPayAmount	El importe bruto de nómina calculado para el registro.
Descripción El importe total de la remuneración antes de aplicar deducciones e impuestos. Este valor se completa durante la actividad «Gross Pay Calculated». Analizar las variaciones 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 alto y bajo valor. Dónde obtenerlo Tabla Payroll Result o Pay Run Details. Ejemplos 2500.004150.501200.00
	Usuario que realizó la acción ActionUser	La persona usuaria que realizó la actividad concreta.
Descripción Identifica a la persona responsable del evento, como el responsable que aprueba una hoja de horas o el especialista de nómina que confirma la ejecución de nómina. Estos datos son fundamentales para la vista «Productividad de especialistas de nómina» y para identificar las necesidades de formación de los responsables. Por qué es importante Permite analizar los recursos y realizar el 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 costos CostCenterCode	El código financiero al que se carga el gasto de nómina.
Descripción El centro de costos del libro mayor asociado a los ingresos de la persona empleada. Se utiliza en la vista «Referencias de procesamiento por centro de costos» 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 Vincula el rendimiento del proceso con las estructuras de información financiera. Dónde obtenerlo Configuración de GL de la persona empleada o tablas de distribución de costos laborales. Ejemplos CC-1020CC-5500-USCC-IT-OPS
	Es una excepción de auditoría IsAuditExceptionFlagged	Indicador booleano que señala si el registro activó una advertencia de auditoría.
Descripción Indicador calculado o directo que señala que la actividad «Audit Exception Flagged» tuvo lugar en este caso. Alimenta el KPI «Tasa de excepciones de auditoría». Una tasa elevada de excepciones indica problemas de calidad de datos o una configuración demasiado estricta en el motor de cumplimiento de Dayforce. Por qué es importante Simplifica el cálculo de las tasas de error y de los ciclos de reprocesamiento. Dónde obtenerlo Se obtiene de la existencia de la actividad «Audit Exception Flagged». Ejemplos truefalse
	Jurisdicción fiscal TaxJurisdiction	La región o autoridad responsable de la presentación de impuestos.
Descripción Identifica la autoridad fiscal concreta, como un estado, una provincia o un país, correspondiente al registro de nómina. Es compatible con el Dashboard «Monitor de presentación de impuestos y cumplimiento». Permite segmentar el proceso de cumplimiento posterior a la nómina y destacar las jurisdicciones que sufren retrasos frecuentes en las presentaciones. 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 cumplió la fecha límite.
Descripción Valor booleano calculado al comparar la marca de tiempo de «Bank Transfer File Generated» con «SLA Processing Deadline». Alimenta 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 crítico de cumplimiento y fiabilidad. Dónde obtenerlo Calculado: BankTransferTime > SlaProcessingDeadline. Ejemplos truefalse
	Motivo de la corrección CorrectionReason	El código de motivo proporcionado para las correcciones de datos.
Descripción Si se produce la actividad «Data Correction Performed», este atributo registra el motivo indicado, como «Missed Punch» o «Retroactive Pay Adjustment». Añade detalle al Dashboard «Tasas de correcciones manuales y reprocesamiento» y permite al equipo abordar las causas raíz concretas del trabajo manual. Por qué es importante Es esencial para analizar las causas raíz del reprocesamiento. Dónde obtenerlo Detalles del registro de auditoría o campos de comentarios de las transacciones de corrección. Ejemplos Registro de entrada omitidoTarifa incorrectaAjuste retroactivo
	Periodo de pago PayPeriodDescription	El nombre descriptivo del ciclo de pago.
Descripción La etiqueta legible del periodo de pago, como «Semana 42 de 2023» o «Quincenal de octubre de 2023». Ayuda a aplicar filtros y visualizar datos en los Dashboards. Aporta contexto al «Payroll Record» y suele mostrarse en «Process Variant Path Analysis» para filtrar ejecuciones concretas. Por qué es importante Hace que los datos sean comprensibles para las personas usuarias de negocio. Dónde obtenerlo Columna de descripción de la tabla PayPeriod. Ejemplos 2023-W422023-Oct-SM12023-M11
	Tipo de relación laboral EmploymentType	La clasificación de la persona empleada: a tiempo completo, a tiempo parcial o contratista.
Descripción Clasifica la relación laboral de la persona empleada. Se utiliza en las comparaciones de rendimiento para comprobar si el personal contratista o a tiempo parcial presenta características de procesamiento de nómina o tasas de error diferentes. Suele encontrarse en el registro de la persona empleada en Dayforce. Por qué es importante Permite segmentar los datos y comparar de forma justa las estadísticas de procesamiento. Dónde obtenerlo Tabla Employee. Ejemplos Tiempo completoTiempo parcialContratista

Obligatorio Recomendado Opcional

Actividades del procesamiento de nóminas

Capture estos eventos esenciales del ciclo de vida y cambios de estado para crear una visión cronológica precisa de sus Workflows de procesamiento y desembolso de nóminas.

7 Recomendado 8 Opcional

	Actividad	Descripción
	Archivo de transferencia bancaria generado	Generación de los archivos bancarios NACHA, SEPA u otros. Se utiliza para calcular la «On-Time Bank Transfer Rate» frente al plazo del SLA.
Por qué es importante Paso crítico de Cumplimiento que garantiza que los fondos se transfieran a tiempo para el pago. Dónde obtenerlo Registro del trabajo del sistema que indica la generación correcta del archivo de transmisión bancaria. Recopilar Se registra cuando se ejecuta la transacción File Generation Tipo de evento explicit
	Hoja de horas aprobada	El responsable o supervisor aprueba los datos de tiempo enviados. Los retrasos en este punto afectan directamente al Dashboard «Time Sheet Approval Performance».
Por qué es importante Identifica los cuellos de botella en la cadena de aprobación que detienen la inicialización del cálculo de nómina. Dónde obtenerlo Registre el cambio de estado de la tarjeta de horas a «Approved» o «Signed Off» en el módulo WFM. Recopilar Se registra cuando se ejecuta la transacción Approved Tipo de evento explicit
	Hoja de horas enviada	Evento en el que un empleado o responsable envía los datos de tiempo y asistencia para su procesamiento. Conecta el módulo WFM con el módulo de nómina.
Por qué es importante Es fundamental para que el Dashboard «End To End Payroll Cycle Duration» mida los retrasos desde el origen de 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 «Submitted». Recopilar Compare el campo de estado antes y después Tipo de evento inferred
	Pago ejecutado	Fecha efectiva del pago al empleado. Representa la conclusión financiera del proceso para el empleado.
Por qué es importante Hito clave para la «Duración del ciclo completo de nómina» y la satisfacción de las personas empleadas. Dónde obtenerlo El campo «Fecha de emisión» o «Fecha de pago» del registro de nómina finalizado. Recopilar Se registra cuando se ejecuta la transacción Disbursement Tipo de evento explicit
	Registro de nómina aprobado	Autorización final del registro de nómina, a menudo denominada «Committing» o «Locking» del ciclo de pago. 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 del ciclo de pago a «Committed», «Locked» o «Approved». Recopilar Se registra cuando se ejecuta la transacción Commit Tipo de evento explicit
	Registro de nómina inicializado	Marca la creación de la instancia específica del ciclo de pago de un empleado. En Dayforce, esto ocurre cuando se abre el grupo de pago para el ciclo y los empleados se vinculan al ciclo.
Por qué es importante Establece el inicio del caso de nómina y la base para medir el tiempo total del ciclo. Dónde obtenerlo Identifique la marca de tiempo de creación del registro del ciclo de pago del empleado dentro de la instancia del grupo de pago. Recopilar Se registra cuando se crea el registro del ciclo de pago Tipo de evento explicit
	Salario bruto calculado	El motor de cálculo del sistema calcula el importe del salario bruto a partir de las horas, las tarifas y los datos importados. Este es el primer paso del Dashboard «Calculation Engine Flow Speed».
Por qué es importante Mide la latencia del motor de cálculo una vez finalizadas las entradas. Dónde obtenerlo Se infiere a partir de la marca de tiempo en la que el campo «Gross Pay» se completa o actualiza durante el lote de cálculo. Recopilar Compare el campo de estado antes y después Tipo de evento inferred
	Corrección de datos realizada	Un usuario modifica manualmente los datos de pago, como horas, tarifas o deducciones, después del cálculo inicial. Realiza el seguimiento del Dashboard «Manual Correction and Rework Rates».
Por qué es importante Es una medida directa del retrabajo; reducir esta actividad es un objetivo principal de la eficiencia del proceso. Dónde obtenerlo Registros de auditoría que muestran actualizaciones realizadas por un usuario en las tablas de detalles de pago de los empleados. Recopilar Se registra cuando se ejecuta la transacción Record Updated Tipo de evento explicit
	Datos de incentivos importados	Registra la importación correcta de archivos de datos externos que contienen bonificaciones, comisiones o pagos únicos. Es compatible con el Dashboard «Incentive Data Import Lead Times».
Por qué es importante Los retrasos en la recepción de estos datos son una causa frecuente de las retenciones en el procesamiento de nómina. Dónde obtenerlo Registros de integración de Dayforce que muestran la finalización de trabajos de importación XML o CSV dirigidos al ciclo de pago. Recopilar Se registra cuando se ejecuta la transacción Import 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 Aísla el tiempo de procesamiento o los errores específicos del motor de beneficios dentro del ciclo de nómina. Dónde obtenerlo Marca de tiempo en la que las líneas de deducción se escriben en el registro de nómina o se actualiza el campo «Total Deductions». Recopilar Se obtiene comparando Update Timestamp del campo con Previous Timestamp Tipo de evento calculated
	Excepción de auditoría marcada	El sistema genera un mensaje de advertencia o error según las reglas de validación, por ejemplo, un salario neto negativo. Es compatible con el KPI «Audit Exception Flagging Rate».
Por qué es importante Una frecuencia elevada indica una mala calidad de los datos previos o errores de configuración que requieren intervención manual. Dónde obtenerlo Extráigalo de la tabla de registros de mensajes o errores del sistema vinculada al ID del ciclo de pago. Recopilar Se registra cuando se ejecuta la transacción Exception Created Tipo de evento explicit
	Impuestos calculados	Último paso del cálculo, en el que se aplican las reglas de la jurisdicción fiscal para determinar el salario neto. Completa la secuencia de cálculo automatizada.
Por qué es importante Las reglas fiscales complejas pueden ralentizar el procesamiento; esta actividad ayuda a comparar el rendimiento del motor fiscal. Dónde obtenerlo Marca de tiempo en la que se generan las líneas fiscales o se finaliza el campo «Net Pay» en la base de datos. Recopilar Compare el campo de estado antes y después Tipo de evento inferred
	Presentación de impuestos completada	Confirmación de que las declaraciones de impuestos posteriores al procesamiento de nómina se han procesado correctamente para la jurisdicción correspondiente. Es compatible con «Monitor de presentación de impuestos y cumplimiento».
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 de impuestos o en el registro de integración que confirma la recepción por parte de la autoridad fiscal o del proveedor externo encargado de la presentación. Recopilar Se registra cuando se ejecuta la transacción Filing Confirmed Tipo de evento explicit
	Recibo de nómina publicado	Los recibos de nómina digitales están disponibles para las personas empleadas en el portal ESS. Es compatible con el Dashboard «Disponibilidad de recibos de nómina digitales».
Por qué es importante Mide la latencia entre la ejecución del pago y la disponibilidad de la información. Dónde obtenerlo Marca de tiempo en la que finaliza el proceso de publicación del recibo o se establece en true el indicador de visibilidad. Recopilar Compare el campo de estado antes y después Tipo de evento inferred
	Resultado de nómina previsualizado	Un usuario consulta el registro preliminar de nómina o la vista previa del pago. Se utiliza para analizar la «Preview Phase Efficiency» e identificar bucles de retrabajo.
Por qué es importante Indica el inicio de la fase de revisión humana; las vistas previas repetidas sugieren problemas de datos persistentes. Dónde obtenerlo Registros de acceso que indican que un usuario generó el informe «Payroll Preview» o abrió la pantalla de vista previa. Recopilar Se registra cuando se ejecuta la transacción Preview Report Tipo de evento explicit

Recomendado Opcional

Guías de extracción

Cómo obtener sus 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.
Acceda a la función Reporting desde el menú principal de la aplicación.
Haga clic en el botón Add para crear un nuevo informe y seleccione el tema System Audit Trail. Este tema contiene el Registro de eventos histórico de cambios necesario para Process Mining.
En el área Column Selection, añada los siguientes campos: Transaction Id, User Name, Timestamp, Feature Name, Operation, Table Name, Column Name, Old Value, New Value y Context Info (normalmente contiene el contexto de Employee y Pay Group).
Añada un filtro al informe para limitar Feature Name a Payroll, WFM (Workforce Management) y Benefits.
Añada un segundo filtro para Date Range que cubra el periodo de análisis deseado, por ejemplo, Last 90 Days.
Guarde este informe como Process Mining Audit Extract.
Cree un segundo informe con el tema Pay Run History para capturar cambios de estado de alto nivel, como Calculation, Approval y Commit, que pueden no aparecer en el registro de auditoría detallado a nivel de campo. Seleccione los campos Pay Group, Pay Period End Date, Workflow Status, Status Change Date y User.
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 Pay Group y Pay Period.
Aplique la lógica de transformación definida en la sección Query para asignar los códigos de auditoría sin procesar de Dayforce a los nombres de actividad estandarizados.
Dé formato al conjunto de datos final para que coincida con las columnas requeridas: PayrollRecordId, ActivityName, EventDateTime, SourceSystem y otros atributos. Después, guárdelo como un único CSV para cargarlo.

Configuración

Selección del tema del informe: Use System Audit Trail para los cambios detallados de campos y Pay Run History para los hitos de Workflow de alto nivel.
Intervalo de fechas: Seleccione un intervalo de 3 a 6 meses para garantizar la finalización de los casos sin alcanzar los límites de tamaño de exportación.
Filtros de funciones: Filtre estrictamente Audit Trail por las funciones Payroll, Time And Attendance y Benefits para reducir el ruido de cambios de RR. HH. no relacionados.
Contexto del usuario: Asegúrese de incluir en la exportación las acciones del usuario System, ya que los pasos automatizados, como Calculations, los realiza la cuenta System y no una persona.
Formato: Configure el formato de exportación como CSV (Comma Delimited), sin agrupación de encabezados, para facilitar el procesamiento automático.
Zona horaria: Verifique que todas las marcas de tiempo de la exportación estén en UTC o Server Time para garantizar la coherencia cronológica entre las distintas ubicaciones de los usuarios.

a 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

Configuración de requisitos previos: Asegúrese de tener una cuenta de servicio en Ceridian Dayforce con acceso a Web Services (REST API). La cuenta necesita permisos para Employee Pay Summary, Time entry y datos de Audit/Workflow.
Configuración de la API: Acceda a System Admin > Integrations > Web Services en Dayforce. Anote su Client Namespace y Service URL, y asegúrese de que Basic Auth u OAuth estén configurados. Este script presupone Basic Auth por simplicidad, pero se recomienda OAuth en producción.
Preparación del entorno: Instale Python 3.x y las bibliotecas necesarias. Necesitará las bibliotecas pandas y requests. Ejecute pip install pandas requests para instalarlas.
Configuración del script: Actualice las variables de configuración situadas al principio del script proporcionado. Sustituya los marcadores de posición de username, password, client_namespace y base_url por los datos específicos de su instancia.
Definición del intervalo de fechas: Configure start_date y end_date en el script para cubrir los periodos 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 actúa como orquestador: obtiene datos de varios endpoints, como 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, asignando un Workflow Status de committed a Payroll Record Approved.
Generación de resultados: El script escribe un archivo CSV llamado dayforce_payroll_event_log.csv en el directorio local.
Validación: Abra el archivo CSV y compruebe que PayrollRecordId sea coherente para un mismo periodo de pago y que las fechas sigan un orden cronológico lógico.
Importación: Cargue el CSV resultante en ProcessMind. Asigne PayrollRecordId a Case ID, ActivityName a Activity y EventDateTime a Timestamp.

Configuración

Tamaño de lote: La API de Dayforce utiliza paginación. El script establece de forma predeterminada 50 o 100 registros por página. Ajuste el parámetro limit si se producen tiempos de espera agotados.
Limitación de solicitudes: Dayforce aplica límites estrictos de frecuencia de la API. El script incluye pausas básicas entre solicitudes para evitar errores 429 Too Many Requests.
Client Namespace: Este dato es fundamental para la cadena de conexión. Es el identificador único de su instancia de Dayforce.
Latencia de 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 si desea incluir atributos sensibles, aunque este script se centra en los metadatos del proceso.
Zona horaria: Las API suelen devolver los datos en UTC. El script gestiona la conversión, pero asegúrese de conocer la zona horaria del servidor si compara los datos con las pantallas de la interfaz.

a 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()

¿Listo para comenzar?

Comience hoy su proceso de transformación aplicando este Template a sus datos de nómina. Nuestro equipo está disponible para ayudarle a realizar la extracción y garantizar que sus datos estén listos para el análisis.

Volver a la guía de mejora Descargar Template

Detenga los retrasos del procesamiento de nómina y optimice hoy

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

Iniciar la prueba gratuita

No necesita tarjeta de crédito. Configuración en 5 minutos.

Su Template de datos de procesamiento de nómina

Su Template de datos de procesamiento de nómina

Atributos del procesamiento de nóminas

Actividades del procesamiento de nóminas

Guías de extracción

Exportación de datos de nómina mediante informes ad hoc de Dayforce

Pasos

Configuración

a Consulta de ejemplo json

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

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para comenzar?

Detenga los retrasos del procesamiento de nómina y optimice hoy

Su Template de datos de procesamiento de nómina

Su Template de datos de procesamiento de nómina

Atributos del procesamiento de nóminas

Actividades del procesamiento de nóminas

Guías de extracción

Exportación de datos de nómina mediante informes ad hoc de Dayforce

Pasos

Configuración

a Consulta de ejemplo json

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

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para comenzar?

Detenga los retrasos del procesamiento de nómina y optimice hoy

Valoramos su privacidad