> Amélioration continue des processus > Record to Report Écriture comptable > BlackLine > Modèle de données

Votre modèle de données Record to Report - écriture comptable

BlackLine

Record to Report - Attributs des écritures comptables (19) Record to Report - Activités liées aux écritures comptables (12) Guides d’extraction (2)

Votre modèle de données Record to Report - écriture comptable

Ce modèle fournit un guide complet pour recueillir les données nécessaires à l’analyse de votre processus Record to Report - écriture comptable. Il présente les attributs essentiels à collecter, les activités importantes à suivre et des conseils pratiques pour extraire ces informations de BlackLine. Utilisez cette ressource pour vous assurer de recueillir toutes les données nécessaires à un Process Mining efficace.

Attributs recommandés à collecter
Principales activités à suivre
Guide d’extraction

Vous découvrez les journaux d’événements ? En savoir plus sur la création d’un journal d’événements pour le Process Mining.

Télécharger le modèle

Record to Report - Attributs des écritures comptables

Voici les champs de données recommandés à inclure dans votre journal d’événements pour analyser en détail votre processus Record to Report - Écriture comptable.

5 Obligatoire 6 Recommandé 8 Facultatif

	Nom	Description
	Activité ActivityName	Nom de l’événement métier précis survenu à un moment donné du processus d’écriture comptable.
Description Cet attribut décrit une étape ou une tâche précise exécutée au cours du cycle de vie d’une écriture comptable, telle que « Journal Entry Created », « Journal Entry Approved » ou « Journal Entry Posted ». Chaque activité représente un événement distinct du processus. L’analyse de la séquence de ces activités permet de visualiser et de comprendre le flux du processus. Elle est fondamentale pour découvrir les variations du processus, mesurer les temps de transition entre les étapes et identifier les boucles de retraitement, par exemple lorsqu’une écriture comptable est rejetée puis soumise à nouveau. Pourquoi c’est important Il définit les étapes du processus, ce qui est essentiel pour visualiser la cartographie du processus, analyser le flux et identifier les écarts ou les goulots d’étranglement. Où les obtenir Il est généralement dérivé des journaux d’événements, des enregistrements de changement de statut ou des pistes d’audit dans BlackLine. Il peut être nécessaire de faire correspondre les codes de statut du système à des noms d’activités compréhensibles par les utilisateurs. Exemples Écriture comptable crééeÉcriture comptable soumiseÉcriture comptable approuvéeÉcriture comptable comptabilisée
	Heure de début EventTime	Horodatage précis indiquant le moment où une activité ou un événement donné s’est produit.
Description Event Time enregistre la date et l’heure auxquelles un événement métier s’est produit. Il constitue la base chronologique du processus et établit la séquence ainsi que la durée de toutes les activités. Cet horodatage est essentiel pour toutes les analyses de Process Mining fondées sur le temps. Il sert à calculer les temps de cycle, les temps d’attente et les durées entre les activités. Il permet d’identifier les goulots d’étranglement, d’analyser les performances dans le temps et d’évaluer le respect des accords de niveau de service. Pourquoi c’est important Cet horodatage constitue la base de toutes les métriques de performance, notamment du temps de cycle et de l’analyse des goulots d’étranglement, et permet de reconstituer le processus dans l’ordre chronologique. Où les obtenir Ces informations sont enregistrées dans les champs d’horodatage des journaux d’événements ou des enregistrements de transactions de BlackLine. Exemples 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	Identifiant de l’écriture comptable JournalEntryId	Identifiant unique d’une écriture comptable, utilisé comme identifiant principal du cas pour suivre son cycle de vie.
Description Le Journal Entry ID identifie de manière unique chaque ensemble de transactions financières enregistré dans le grand livre. Il sert de clé centrale pour relier toutes les activités associées, notamment la création, la revue, l’approbation et la comptabilisation. Dans le Process Mining, cet identifiant est indispensable pour corréler tous les événements appartenant à un même cas d’écriture comptable. L’analyse du flux de processus à partir de cet identifiant permet de reconstituer le parcours de bout en bout, de l’initiation au rapprochement final, et d’analyser en détail les temps de cycle, les goulots d’étranglement et les variations du processus. Pourquoi c’est important Il s’agit de l’identifiant fondamental du cas, qui permet de retracer le cycle de vie complet d’une écriture comptable et d’analyser sa performance. Où les obtenir Il s’agit d’une clé primaire dans les tables d’écritures comptables ou les exports de données de BlackLine. Consultez la documentation de BlackLine pour connaître le nom exact du champ. Exemples JE2024-001234JE2024-001235JE2024-001236
	Dernière mise à jour des données LastDataUpdate	Horodatage indiquant la dernière actualisation ou extraction des données depuis le système source.
Description Cet attribut indique la date et l’heure de l’extraction de données la plus récente. Il fournit un point de référence sur l’actualité des données analysées et permet aux utilisateurs de savoir dans quelle mesure elles sont à jour. Il s’agit d’une métadonnée importante pour tout Dashboard ou toute analyse de Process Mining. Elle informe les utilisateurs de l’actualité des analyses et les aide à déterminer si les transactions les plus récentes sont incluses dans la vue. Pourquoi c’est important Il garantit la transparence concernant l’actualité des données et permet aux utilisateurs de comprendre dans quelle mesure l’analyse du processus est à jour. Où les obtenir Cet horodatage est généré et ajouté au jeu de données par l’outil d’extraction ou le processus ETL au moment de son exécution. Exemples 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Système source SourceSystem	Système de référence à partir duquel les données des écritures comptables ont été extraites.
Description Cet attribut identifie le système d’origine des données d’événements. Dans ce contexte, il s’agira généralement de « BlackLine », mais il peut également inclure des données provenant d’un système ERP en amont si le processus commence dans celui-ci. L’identification du système source est importante pour la gouvernance des données et la compréhension du contexte du processus, en particulier lorsque des données provenant de plusieurs systèmes sont combinées. Elle facilite le diagnostic des problèmes d’ingestion des données et la vérification de leur traçabilité. Pourquoi c’est important Il fournit le contexte nécessaire sur l’origine des données, garantit leur traçabilité et facilite la gestion de l’intégration des données provenant de différentes plateformes. Où les obtenir Il s’agit généralement d’une valeur statique ajoutée lors de l’extraction et de la transformation des données afin d’indiquer l’origine du jeu de données. Exemples BlackLineSAP S/4HANAOracle NetSuite
	Code société CompanyCode	Identifiant unique de l’entité juridique ou de la société pour laquelle l’écriture comptable est enregistrée.
Description Company Code représente une entité juridique précise au sein d’un groupe. Il s’agit d’une unité organisationnelle fondamentale de la comptabilité financière, qui garantit que les transactions sont comptabilisées dans la bonne entité. Dans le Process Mining, Company Code constitue une dimension utile pour filtrer et comparer les données. Il permet d’analyser les performances du processus entre différentes entités, d’identifier les goulots d’étranglement propres à une région ou à une entité, de repérer les variations de conformité et de trouver des possibilités de standardiser les processus à l’échelle mondiale. Il alimente directement le Dashboard « Approval To Posting Delay Analysis ». Pourquoi c’est important Il permet de comparer la performance et de soutenir les initiatives de standardisation des processus entre différentes entités juridiques ou unités opérationnelles. Où les obtenir Il s’agit d’un champ clé de l’en-tête de l’écriture comptable dans BlackLine, souvent synchronisé depuis le système ERP sous-jacent. Exemples 1000US01DE012500
	Montant de l’écriture comptable JournalEntryAmount	Valeur monétaire totale de l’écriture comptable, généralement égale à la somme des débits.
Description Cet attribut représente la valeur financière de l’écriture comptable. Il peut servir à comprendre l’impact financier des inefficacités du processus, par exemple les retards de comptabilisation des écritures de montant élevé. L’analyse du processus en fonction de la valeur de l’écriture permet une analyse fondée sur la matérialité. Vous pouvez notamment prioriser les améliorations concernant les écritures de montant élevé, vérifier si elles suivent un parcours d’approbation différent ou déterminer si leur temps de cycle est plus long. Cela apporte un contexte métier important à l’analyse du flux du processus. Pourquoi c’est important Il fournit un contexte financier et permet une analyse fondée sur la matérialité, par exemple pour prioriser les écritures de montant élevé ou identifier les écarts de processus liés à la valeur. Où les obtenir Il s’agit d’un champ calculé ou standard de l’en-tête de l’écriture comptable dans BlackLine, représentant le montant total au débit ou au crédit. Exemples 15000.00250.75125000.50500.00
	Motif du rejet RejectionReason	Motif fourni par un réviseur lorsqu’une écriture comptable est rejetée.
Description Lorsqu’une écriture comptable est renvoyée pour correction, l’approbateur indique généralement le motif du rejet. Cet attribut enregistre ce motif, qui peut être un code prédéfini ou un texte libre. Il s’agit d’un attribut important pour l’analyse des causes profondes des retraitements. L’analyse des motifs de rejet les plus fréquents permet à une entreprise d’identifier les problèmes systémiques, tels qu’une formation insuffisante, des politiques peu claires ou des problèmes liés aux pièces justificatives. Cet attribut alimente directement le Dashboard « Analyse des rejets et retraitements des écritures comptables » et contribue à réduire le taux global de rejet. Pourquoi c’est important Il est essentiel pour analyser les causes profondes des retraitements et comprendre pourquoi les écritures comptables sont rejetées, afin de mettre en place des améliorations ciblées. Où les obtenir Ces données sont généralement enregistrées dans un champ de commentaire ou de code motif lorsqu’un utilisateur exécute l’action « Reject » dans BlackLine. Exemples Code de compte incorrectPièces justificatives manquantesDépasse le seuilÉcriture en double
	Statut de l’écriture comptable JournalEntryStatus	Statut actuel de l’écriture comptable dans son cycle de vie, par exemple « In Progress », « Approved » ou « Posted ».
Description Cet attribut indique l’état actuel d’un cas d’écriture comptable au moment de l’extraction des données. Il fournit un instantané de la position de l’écriture dans le processus global. Alors que le Process Mining reconstitue le flux à partir des activités, le statut final est utile pour filtrer les données et créer des Dashboards récapitulatifs de haut niveau. Il permet d’identifier rapidement les écritures en attente d’approbation ou bloquées dans un état donné, ce qui est utile pour analyser le backlog. Pourquoi c’est important Il fournit un instantané de l’état actuel des écritures, utile pour analyser le backlog et comprendre les travaux en cours. Où les obtenir Il s’agit d’un champ de statut standard de l’écriture comptable dans BlackLine. Exemples En coursEn attente d’approbationApprouvéComptabiliséRejeté
	Type d’écriture comptable JournalEntryType	Classification de l’écriture comptable, par exemple standard, récurrente ou de contrepassation.
Description Le type d’écriture comptable catégorise les écritures selon leur nature ou leur objectif. Les types courants comprennent les écritures manuelles standard, les écritures générées automatiquement par le système, les écritures récurrentes pour les provisions de fin de mois ou les écritures de contrepassation qui s’annulent automatiquement au cours de la période suivante. Cet attribut est essentiel pour la segmentation et l’analyse comparative. Il permet de comparer la performance du processus, notamment les temps de cycle ou les taux de rejet, entre différents types d’écritures. Vous pouvez ainsi déterminer si certains types d’écritures sont plus problématiques ou moins efficaces que d’autres et cibler les améliorations à apporter. Pourquoi c’est important Il permet une analyse segmentée afin de déterminer si les différents types d’écritures comptables suivent des parcours distincts ou présentent des caractéristiques de performance différentes. Où les obtenir Il s’agit d’un champ standard de l’en-tête de l’écriture comptable dans BlackLine. Consultez la documentation de BlackLine pour connaître le nom exact du champ. Exemples StandardRécurrentExtourneProvision
	Utilisateur UserName	Nom ou identifiant de l’utilisateur ayant exécuté l’activité.
Description Cet attribut identifie la personne responsable de l’exécution d’une étape précise du processus, par exemple la personne qui a soumis, examiné ou approuvé une écriture comptable. Il peut s’agir d’un nom ou d’un identifiant utilisateur unique. L’analyse des activités par utilisateur est essentielle pour comprendre la répartition de la charge de travail, évaluer la performance individuelle et identifier les besoins de formation. Elle permet de répondre à des questions telles que « Le travail est-il réparti équitablement au sein de l’équipe ? » ou « Quels utilisateurs ont les délais d’approbation les plus longs ? ». Elle est également essentielle pour la Conformité et l’analyse des pistes d’audit. Pourquoi c’est important Il permet d’analyser la charge de travail, de comparer les performances entre les membres de l’équipe et d’identifier les goulots d’étranglement liés aux ressources ou les besoins de formation. Où les obtenir Ces informations sont disponibles dans les journaux d’audit de BlackLine, souvent stockées dans des champs tels que « User ID » ou « Changed By », associés à chaque événement. Exemples j.doea.smithr.joness.patel
	Automatisée IsAutomated	Indicateur précisant si l’écriture comptable a été créée ou comptabilisée par un processus automatisé.
Description Cet attribut booléen distingue les écritures comptables créées et traitées manuellement par des utilisateurs de celles générées automatiquement par le système, telles que les écritures récurrentes ou issues d’intégrations système. L’analyse de cet attribut permet d’évaluer l’efficacité de l’automatisation. Elle autorise une comparaison directe des temps de cycle, des taux d’erreur et des coûts entre les processus automatisés et manuels. Elle est essentielle pour établir un dossier d’investissement en faveur d’une automatisation accrue et mesurer le retour sur investissement des initiatives existantes. Pourquoi c’est important Il permet de comparer directement les processus manuels et automatisés, ce qui est essentiel pour mesurer l’impact et le retour sur investissement des initiatives d’automatisation. Où les obtenir Cet indicateur peut être déduit du « Journal Entry Type » (par exemple « Recurring ») ou du champ « User » lorsque des utilisateurs système (par exemple « SYSTEM » ou « BATCH ») sont utilisés pour les comptabilisations automatisées. Exemples truefalse
	Compte rapproché AccountReconciled	Numéro du compte du grand livre faisant l’objet du rapprochement associé à l’écriture comptable.
Description Cet attribut identifie le compte précis du plan comptable qui est concerné ou fait l’objet du rapprochement. Les écritures comptables font souvent partie du processus de rapprochement des comptes, et cet attribut relie l’écriture au compte concerné. Cet attribut alimente directement le Dashboard « Temps de cycle du rapprochement des écritures comptables ». L’analyse du processus par compte permet de déterminer si les rapprochements de certains comptes prennent systématiquement plus de temps, ce qui peut signaler une complexité ou des problèmes de données propres à ces comptes. Pourquoi c’est important Il relie le processus d’écriture comptable aux comptes faisant l’objet du rapprochement et permet ainsi d’analyser précisément les goulots d’étranglement du rapprochement. Où les obtenir Ces informations figurent dans le détail des lignes de l’écriture comptable dans BlackLine. Elles peuvent devoir être agrégées au niveau du cas si une écriture concerne plusieurs comptes. Exemples 101000210500400100550200
	Date de comptabilisation PostingDate	Date à laquelle l’écriture comptable est officiellement comptabilisée dans le grand livre.
Description La date de comptabilisation est la date d’effet de la transaction dans les documents financiers. Il s’agit d’une date importante en comptabilité, car elle détermine la période fiscale au cours de laquelle la transaction est comptabilisée. Alors que l’horodatage de l’événement indique le moment où l’activité de comptabilisation a eu lieu, la date de comptabilisation constitue un attribut de données essentiel. Elle sert à vérifier que les écritures sont comptabilisées dans la bonne période et à analyser les délais entre la date de transaction, la date d’approbation et la date de comptabilisation. Pourquoi c’est important Cette date est essentielle à l’exactitude des rapports financiers et permet de vérifier si les écritures sont comptabilisées dans la bonne période comptable. Où les obtenir Il s’agit d’un champ de date standard de l’en-tête de l’écriture comptable dans BlackLine. Exemples 2023-10-312023-11-012023-10-30
	Délai entre approbation et comptabilisation ApprovalToPostingLag	Durée calculée entre l’approbation finale et la comptabilisation effective de l’écriture comptable.
Description Cette métrique mesure le délai qui s’écoule après l’approbation complète d’une écriture comptable et avant sa comptabilisation dans le grand livre. Elle correspond à la différence entre l’activité « Journal Entry Approved » et l’activité « Journal Entry Posted ». Il s’agit d’un KPI essentiel pour identifier les goulots d’étranglement qui surviennent après l’approbation et peuvent retarder considérablement la clôture financière. Le Dashboard « Approval To Posting Delay Analysis » utilise cette métrique pour déterminer pourquoi les écritures approuvées ne sont pas comptabilisées rapidement et aider à optimiser les dernières étapes du processus. Pourquoi c’est important Il mesure précisément l’efficacité après approbation et aide à identifier et à supprimer les retards qui affectent la rapidité de la clôture financière. Où les obtenir Cette mesure est calculée dans l’outil de Process Mining en déterminant la durée entre les événements « Journal Entry Approved » et « Journal Entry Posted » pour chaque cas. Exemples P0DT1H10MP1DT2H0MP0DT0H5M
	Devise Currency	Code de devise correspondant au montant indiqué dans l’écriture comptable.
Description Cet attribut précise la devise du montant de l’écriture comptable, par exemple USD, EUR ou GBP. Il est essentiel pour interpréter correctement la valeur financière des transactions. Pour les organisations internationales, l’analyse par devise peut fournir un contexte utile. Elle permet de filtrer l’analyse du processus selon certaines devises et constitue un champ nécessaire à tout Dashboard agrégeant des montants financiers. Pourquoi c’est important Il fournit le contexte nécessaire aux montants financiers, garantit leur interprétation correcte et permet une analyse par devise. Où les obtenir Il s’agit d’un champ standard de l’en-tête de l’écriture comptable dans BlackLine, généralement nommé « Document Currency » ou de manière similaire. Exemples USDEURGBPJPY
	Document joint IsDocumentAttached	Indicateur précisant si des pièces justificatives ont été jointes à l’écriture comptable.
Description Cet attribut booléen indique si un ou plusieurs justificatifs, tels que des factures ou des calculs, ont été joints à l’écriture comptable. Il s’agit souvent d’une condition préalable à l’approbation. Cet indicateur est essentiel pour le Dashboard « Conformité de la documentation des écritures comptables » et le KPI « Taux de pièces justificatives jointes ». Il permet d’analyser si l’absence de documentation est une cause fréquente de rejets ou de retards et de faire respecter les politiques exigeant des pièces jointes avant la soumission pour examen. Pourquoi c’est important Il mesure directement le respect des politiques de documentation et aide à diagnostiquer une cause profonde fréquente des retards et des rejets d’approbation. Où les obtenir Il s’agirait vraisemblablement d’un champ dérivé, calculé en vérifiant l’existence d’un enregistrement de pièce jointe associé à l’identifiant de l’écriture comptable avant l’activité de soumission. Exemples truefalse
	Retraitement IsRework	Indicateur calculé dont la valeur est vraie si l’écriture comptable a été rejetée au moins une fois.
Description Cet indicateur booléen est calculé pour identifier les écritures comptables ayant fait l’objet d’un retraitement. Il est généralement défini sur vrai si un cas contient une activité « Journal Entry Rejected » suivie d’une activité « Corrected and Resubmitted ». Cet attribut simplifie l’analyse des retraitements en permettant aux utilisateurs de filtrer facilement tous les cas ayant fait l’objet d’un rejet. Il est fondamental pour calculer le KPI « Taux de rejet des écritures comptables » et pour les analyses détaillées du Dashboard « Analyse des rejets et retraitements des écritures comptables », afin de comprendre l’impact des problèmes de qualité sur les coûts et les délais. Pourquoi c’est important Il identifie facilement les cas ayant fait l’objet d’un retraitement, ce qui simplifie le calcul des taux de rejet et l’analyse de l’impact des problèmes de qualité. Où les obtenir Cet indicateur est calculé dans l’outil de Process Mining en vérifiant la séquence des activités pour chaque cas. Exemples truefalse
	Service Department	Service métier ou centre de coûts associé à l’écriture comptable.
Description Cet attribut précise le service, le centre de coûts ou le domaine fonctionnel qui a initié l’écriture comptable ou auquel les coûts sont affectés. Il apporte un niveau supplémentaire de contexte organisationnel. L’analyse du processus par service permet de comprendre comment les différentes parties de l’entreprise utilisent le processus d’écriture comptable. Elle peut révéler des écarts d’efficacité, de Conformité ou de taux de retraitement entre les services et mettre en évidence les domaines nécessitant un accompagnement supplémentaire ou une standardisation du processus. Pourquoi c’est important Il permet de comparer la performance du processus entre différents services de l’entreprise, de révéler les écarts et d’identifier les possibilités de standardisation. Où les obtenir Ces informations figurent généralement dans les données des lignes ou de l’en-tête de l’écriture comptable dans BlackLine, souvent avec un lien vers le compte du grand livre. Exemples FinanceMarketingVentesOpérations

Obligatoire Recommandé Facultatif

Record to Report - Activités liées aux écritures comptables

Voici les principales étapes et les jalons à enregistrer dans votre journal d’événements pour découvrir et analyser précisément votre processus d’écriture comptable.

6 Recommandé 6 Facultatif

	Activité	Description
	Écriture comptable approuvée	Cette activité indique que l’écriture comptable a franchi toutes les étapes requises de révision et d’approbation. Elle est enregistrée lorsque le dernier utilisateur habilité approuve l’écriture, ce qui déclenche le passage du statut à « Approved ».
Pourquoi c’est important Il s’agit d’une étape importante qui clôt le processus d’approbation. Le temps écoulé entre « Journal Entry Submitted » et cet événement correspond au « Approval Cycle Time », un KPI essentiel pour mesurer l’efficacité du flux de travail. Où les obtenir Cet événement est déduit d’un changement de statut vers « Approved » dans l’enregistrement de l’écriture comptable. L’identifiant utilisateur du dernier approbateur et l’horodatage de l’approbation sont généralement consignés dans l’historique d’audit de BlackLine. Collecte Déduit de l’horodatage auquel le statut de l’écriture comptable est mis à jour avec la valeur « Approved ». Type d’événement inferred
	Écriture comptable comptabilisée	Représente le moment où l’écriture comptable approuvée est officiellement enregistrée dans le grand livre. Il s’agit souvent d’une action explicite dans BlackLine, qui met alors à jour le statut de l’écriture et le définit sur « Posted ».
Pourquoi c’est important Il s’agit d’une étape importante, souvent considérée comme la conclusion opérationnelle du processus. Le délai entre « Journal Entry Approved » et cette activité constitue un indicateur clé de l’efficacité après approbation. Où les obtenir Cette étape est généralement déduite d’un changement de statut vers « Posted ». L’événement peut également être enregistré explicitement dans une table d’historique des comptabilisations ou dans une piste d’audit, avec une date et un horodatage précis. Collecte Déduit de l’horodatage correspondant à la mise à jour du statut de l’écriture comptable vers « Posted ». Le champ de date de comptabilisation est également pertinent. Type d’événement inferred
	Écriture comptable créée	Cette activité marque le début d’un cas d’écriture comptable. Elle est enregistrée lorsqu’un utilisateur crée une nouvelle écriture dans BlackLine, ce qui génère un Journal Entry ID unique et consigne l’horodatage ainsi que l’utilisateur à l’origine de la création.
Pourquoi c’est important Il s’agit de l’événement de début principal du processus. L’analyse du temps écoulé entre cette activité et les suivantes révèle le temps de cycle total du processus et aide à identifier les retards dès le début du flux de travail. Où les obtenir Cet événement est enregistré explicitement dans le module d’écritures comptables de BlackLine. Il est extrait de l’horodatage de création et des informations sur l’utilisateur associées à chaque Journal Entry ID dans la table principale des écritures ou dans son historique d’audit. Collecte Extrait de l’horodatage « Create Date » associé à l’enregistrement de l’écriture comptable. Type d’événement explicit
	Écriture comptable rapprochée	Marque la fin du cycle de vie au cours duquel l’écriture comptable est incluse dans un rapprochement de compte finalisé et certifié. Dans BlackLine, cela correspond à la certification du rapprochement contenant cette écriture.
Pourquoi c’est important Cette activité constitue le point final du processus de bout en bout. Le délai entre « Journal Entry Posted » et « Reconciled » mesure l’efficacité de la partie rapprochement de comptes de la clôture financière. Où les obtenir Il s’agit d’un événement déduit. Il est déterminé en identifiant le moment où le statut du rapprochement de compte contenant l’écriture comptable concernée passe à « Certified » dans le module Account Reconciliation de BlackLine. Collecte Déduit en reliant l’écriture comptable au rapprochement de compte correspondant et en enregistrant la date de certification de ce rapprochement. Type d’événement inferred
	Écriture comptable rejetée	Cette activité marque le rejet d’une écriture comptable par un réviseur ou un approbateur. Elle est enregistrée lorsqu’un utilisateur sélectionne l’action « Reject », ce qui met à jour le statut de l’écriture avec la valeur « Rejected » dans le journal d’audit.
Pourquoi c’est important Il s’agit d’une activité essentielle pour identifier les reprises, les problèmes de qualité et les besoins de formation. L’analyse de la fréquence et des motifs de rejet, ainsi que de la boucle de reprise qui suit, est déterminante pour améliorer le processus et réduire les durées de cycle. Où les obtenir Cet événement est généralement déduit d’un changement de statut vers « Rejected » ou « Needs Correction » dans les données des écritures comptables. L’horodatage et l’utilisateur à l’origine du rejet sont enregistrés dans l’historique BlackLine. Collecte Déduit de l’horodatage auquel le statut de l’écriture comptable est mis à jour avec la valeur « Rejected ». Type d’événement inferred
	Écriture comptable soumise	Cette activité intervient lorsque le préparateur soumet officiellement l’écriture comptable au flux de travail de revue et d’approbation. Elle est généralement enregistrée comme un changement d’état, par exemple de « In Preparation » à « Submitted », accompagné d’un horodatage.
Pourquoi c’est important Elle marque la fin de la phase de préparation et le début du cycle d’approbation. Il s’agit d’une étape importante pour mesurer la durée des phases de préparation et d’approbation. Où les obtenir Cet événement est probablement déduit d’un changement de statut dans l’enregistrement de l’écriture comptable dans BlackLine. L’horodatage du passage au statut « Submitted for Approval » ou à une valeur similaire marque l’heure de l’événement. Collecte Déduit de l’horodatage auquel le champ de statut de l’écriture comptable est mis à jour avec la valeur « Submitted » ou « Pending Approval ». Type d’événement inferred
	Approbation annulée	Cette activité représente le retrait, par un approbateur, d’une approbation accordée précédemment, ce qui ramène l’écriture comptable à un état antérieur. Cette opération est enregistrée par un changement de statut, de « Approved » à un statut antérieur tel que « In Preparation ».
Pourquoi c’est important Cette activité, rare mais importante, met en évidence les exceptions de processus et les problèmes potentiels détectés après l’approbation, mais avant la comptabilisation. Elle peut signaler des erreurs de données ou des changements de politique affectant l’écriture. Où les obtenir Il s’agirait d’un événement déduit, identifié par un changement de statut de « Approved » vers un statut modifiable non comptabilisé. Cette action serait enregistrée dans les journaux d’audit détaillés de BlackLine. Collecte Identifié par un changement de statut de « Approved » vers un statut antérieur tel que « In Preparation » ou « Submitted ». Type d’événement inferred
	Comptabilisation vérifiée	Représente la confirmation qu’une écriture comptable comptabilisée a bien été reçue et enregistrée dans le système ERP cible. Il peut s’agir d’une confirmation automatique entre systèmes ou d’une étape de confirmation manuelle.
Pourquoi c’est important Cette activité clôt l’étape de comptabilisation et garantit l’intégrité des données entre les systèmes. La durée entre « Posted » et « Verified » peut mettre en évidence des problèmes d’intégration ou des retards de synchronisation entre les systèmes. Où les obtenir Il peut s’agir d’un événement explicite issu d’un journal d’intégration système ou d’un événement déduit d’un changement de statut vers une valeur telle que « Posted and Verified ». S’il est manuel, il correspondrait à une mise à jour du statut effectuée par un utilisateur. Collecte Déduit d’une mise à jour du statut vers « Verified » ou d’un indicateur de confirmation reçu du système ERP cible. Type d’événement inferred
	Contrepassation de l’écriture comptable traitée	Cette activité enregistre la création et la comptabilisation d’une nouvelle écriture comptable qui contre-passe une écriture précédemment comptabilisée. Elle est généralement déclenchée à la suite d’une erreur détectée après la comptabilisation de l’écriture initiale.
Pourquoi c’est important Cet événement constitue un indicateur fort de problèmes de qualité des données en amont. Le suivi du taux de contrepassation permet de mesurer le « taux d’ajustement après comptabilisation » et d’identifier les domaines nécessitant une meilleure précision. Où les obtenir Il s’agit souvent d’un événement explicite au cours duquel un utilisateur lance l’action « Reverse » dans BlackLine sur une écriture comptabilisée. Le système crée une nouvelle écriture de contrepassation, généralement liée à l’identifiant de l’écriture comptable initiale. Collecte Enregistré lorsqu’une action « Reverse » est journalisée ou lorsqu’un nouveau journal est créé avec un indicateur de contrepassation et un lien vers l’identifiant du journal initial. Type d’événement explicit
	Écriture comptable contrôlée	Représente une étape formelle de révision dans un processus d’approbation à plusieurs niveaux, réalisée par un réviseur désigné. Elle est généralement enregistrée comme un changement de statut ou une entrée spécifique indiquant l’action du réviseur.
Pourquoi c’est important Dans les organisations qui distinguent les étapes de révision et d’approbation, cette activité aide à isoler les goulots d’étranglement de la chaîne d’approbation. Elle montre combien de temps les écritures attendent la première révision, puis l’approbation finale. Où les obtenir Dans les flux de travail BlackLine, il peut s’agir d’un événement explicite dans le journal de l’historique des approbations ou d’un événement déduit du passage à l’état « Reviewed » ou « Pending Final Approval ». L’utilisateur et l’horodatage sont enregistrés. Collecte Déduit de l’horodatage auquel le statut de l’écriture comptable change pour indiquer la fin de l’étape de révision. Type d’événement inferred
	Écriture corrigée et soumise à nouveau	Cette activité survient après le rejet d’une écriture comptable, lorsque le préparateur a effectué les corrections nécessaires et la soumet de nouveau. Elle est enregistrée par un changement de statut de « Rejected » à « Submitted for Approval ».
Pourquoi c’est important Cette activité permet de quantifier le temps et les efforts consacrés aux reprises. La durée entre « Journal Entry Rejected » et cet événement correspond au temps de reprise, un indicateur important pour l’analyse de l’efficacité. Où les obtenir Cet événement est déduit de l’observation d’une séquence de changements de statut dans les données BlackLine, notamment du passage du statut « Rejected » au statut « Submitted » ou « Pending Approval » pour le même Journal Entry ID. Collecte Déduit d’un changement de statut de « Rejected » à « Submitted » ou « Pending Approval ». Type d’événement inferred
	Pièces justificatives jointes	Représente l’action par laquelle un utilisateur joint un ou plusieurs justificatifs à l’écriture comptable. Cet événement est généralement enregistré dans un journal d’audit ou dans une table de pièces jointes associée au Journal Entry ID.
Pourquoi c’est important Le suivi de cette activité est essentiel pour contrôler la Conformité et l’efficacité. Il permet de déterminer si les retards du processus d’approbation sont dus à des documents manquants et alimente le KPI « Documentation Attachment Rate ». Où les obtenir Il s’agit généralement d’un événement explicite dans BlackLine, enregistré dans une piste d’audit ou un journal des pièces jointes. Les données comprennent le Journal Entry ID, l’utilisateur ayant joint le fichier et l’horodatage. Collecte L’événement est enregistré dans la piste d’audit du système ou dans une table dédiée à l’historique des pièces jointes lorsqu’un fichier est importé pour une écriture comptable. Type d’événement explicit

Recommandé Facultatif

Guides d’extraction

Comment récupérer vos données depuis BlackLine

Étapes

Connectez-vous à votre instance BlackLine avec un compte utilisateur disposant des autorisations nécessaires pour accéder aux rapports financiers.
Accédez au module de reporting. Il se trouve généralement dans un menu tel que « Reports » > « Standard Reports ».
Dans la liste des rapports standard disponibles, recherchez et sélectionnez « Journal Entry & Services Report » ou un rapport complet portant un nom similaire.
Configurez les paramètres du rapport. Indiquez la « Date Range » à extraire, qui doit correspondre à la période que vous souhaitez analyser. Pour commencer, une période de 3 à 6 mois est recommandée.
Appliquez les filtres nécessaires pour restreindre les données. Au minimum, filtrez selon le ou les « Company Code(s) » concernés. Vous pouvez également filtrer selon « Journal Status » afin d’inclure tous les statuts pertinents, de la création à la comptabilisation.
Sélectionnez toutes les colonnes disponibles dans le résultat afin que le rapport contienne les champs de date, d’utilisateur et de statut nécessaires à la création du journal d’événements. Les champs essentiels comprennent la date de création, la date de soumission, la date d’approbation, la date de comptabilisation et les rôles des utilisateurs.
Exécutez le rapport directement dans l’interface utilisateur BlackLine. Une fois sa génération terminée, utilisez la fonction « Export » ou « Download » pour enregistrer les données au format CSV. Nommez le fichier « blackline_report.csv ».
Configurez un environnement Python avec la bibliothèque pandas installée. Si nécessaire, installez-la à l’aide de la commande : pip install pandas.
Placez le script Python fourni dans le même répertoire que le fichier « blackline_report.csv » téléchargé.
Exécutez le script Python. Il lira le rapport CSV brut, transformera les données en créant une ligne distincte pour chaque activité opérationnelle et générera un nouveau fichier nommé « event_log.csv » au format requis.
Effectuez des contrôles de validation sur le fichier « event_log.csv » afin de vérifier la qualité et l’exhaustivité des données avant leur importation.
Importez le fichier final « event_log.csv » dans ProcessMind pour l’analyse.

Configuration

Nom du rapport : Journal Entry & Services Report. Le nom exact peut varier selon votre configuration BlackLine.
Période : Pour une première analyse, il est recommandé d’extraire 3 à 6 mois de données. Le filtre de date du rapport s’applique généralement à la date de création ou à la date de comptabilisation de l’écriture. Vérifiez quel champ de date est utilisé afin d’extraire le jeu de données approprié.
Filtres principaux :
- Company Code : indiquez toujours les codes d’entreprise à analyser afin de limiter le volume de données et de cibler l’analyse.
- Journal Status : sélectionnez tous les statuts, par exemple In Preparation, Submitted, Approved, Rejected et Posted, afin de couvrir l’ensemble du processus.
- Journal Type : si nécessaire, filtrez selon certains types d’écritures, par exemple Standard ou Recurring, en fonction du périmètre de l’analyse.
Prérequis : le compte utilisateur qui exécute le rapport doit disposer des autorisations nécessaires pour consulter les données d’écritures comptables et exécuter les rapports standard dans BlackLine. Cela nécessite généralement un rôle tel que « Accountant » ou « Reporting User ».
Considérations relatives aux performances : l’export d’un volume important de données couvrant une longue période ou de nombreux codes d’entreprise peut mobiliser beaucoup de ressources et prendre un certain temps dans l’interface utilisateur BlackLine. Si vous rencontrez des problèmes de performance ou des délais d’expiration, envisagez d’exécuter le rapport par lots plus restreints.

a Exemple de requête python

import pandas as pd
import numpy as np
import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Define the input file name from BlackLine
input_filename = class="hl-string">'blackline_report.csv'
class=class="hl-string">"hl-comment"># Define the output file for ProcessMind
output_filename = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># --- Column Mapping ---
class=class="hl-string">"hl-comment"># Map the BlackLine report column names to the required event log attribute names.
class=class="hl-string">"hl-comment"># Adjust the keys in this dictionary to match the exact column headers in your CSV export.
column_mapping = {
    class="hl-string">'Journal ID': class="hl-string">'JournalEntryId',
    class="hl-string">'Journal Type': class="hl-string">'JournalEntryType',
    class="hl-string">'Company': class="hl-string">'CompanyCode',
    class="hl-string">'Amount': class="hl-string">'JournalEntryAmount',
    class="hl-string">'Current Status': class="hl-string">'JournalEntryStatus',
    class="hl-string">'Rejection Reason': class="hl-string">'RejectionReason',
    class="hl-string">'Preparer': class="hl-string">'PreparerUserName',
    class="hl-string">'Submitter': class="hl-string">'SubmitterUserName',
    class="hl-string">'Reviewer': class="hl-string">'ReviewerUserName',
    class="hl-string">'Approver': class="hl-string">'ApproverUserName',
    class="hl-string">'Poster': class="hl-string">'PosterUserName',
    class="hl-string">'Verifier': class="hl-string">'VerifierUserName',
    class="hl-string">'Reverser': class="hl-string">'ReverserUserName',
    class="hl-string">'Reconciler': class="hl-string">'ReconcilerUserName',
    class="hl-string">'Creation Date': class="hl-string">'CreationTimestamp',
    class="hl-string">'Attachment Date': class="hl-string">'AttachmentTimestamp',
    class="hl-string">'Submission Date': class="hl-string">'SubmissionTimestamp',
    class="hl-string">'Review Date': class="hl-string">'ReviewTimestamp',
    class="hl-string">'Rejection Date': class="hl-string">'RejectionTimestamp',
    class="hl-string">'Resubmission Date': class="hl-string">'ResubmissionTimestamp',
    class="hl-string">'Approval Date': class="hl-string">'ApprovalTimestamp',
    class="hl-string">'Rescind Date': class="hl-string">'RescindTimestamp',
    class="hl-string">'Posting Date': class="hl-string">'PostingTimestamp',
    class="hl-string">'Verification Date': class="hl-string">'VerificationTimestamp',
    class="hl-string">'Reversal Date': class="hl-string">'ReversalTimestamp',
    class="hl-string">'Reconciliation Date': class="hl-string">'ReconciliationTimestamp'
}

class=class="hl-string">"hl-comment"># --- Data Loading ---
try:
    df_raw = pd.read_csv(input_filename)
except FileNotFoundError:
    print(fclass="hl-string">"Error: The file {input_filename} was not found. Please ensure it's in the same directory as the script.")
    exit()

class=class="hl-string">"hl-comment"># Rename columns based on the mapping
df = df_raw.rename(columns=column_mapping)

class=class="hl-string">"hl-comment"># Ensure all required timestamp columns exist, fill with NaT if not
for col in column_mapping.values():
    if class="hl-string">'Timestamp' in col and col not in df.columns:
        df[col] = pd.NaT

class=class="hl-string">"hl-comment"># Convert date columns to datetime objects, coercing errors to NaT (Not a Time)
date_cols = [col for col in df.columns if class="hl-string">'Timestamp' in col]
for col in date_cols:
    df[col] = pd.to_datetime(df[col], errors=class="hl-string">'coerce')

all_events = []
last_data_update = datetime.datetime.now()

class=class="hl-string">"hl-comment"># --- Activity Extraction ---

class=class="hl-string">"hl-comment"># 1. Journal Entry Created
event_created = df[df[class="hl-string">'CreationTimestamp'].notna()].copy()
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Created'
event_created[class="hl-string">'EventTime'] = event_created[class="hl-string">'CreationTimestamp']
event_created[class="hl-string">'UserName'] = event_created.get(class="hl-string">'PreparerUserName')
all_events.append(event_created)

class=class="hl-string">"hl-comment"># 2. Supporting Documentation Attached
if class="hl-string">'AttachmentTimestamp' in df.columns:
    event_attached = df[df[class="hl-string">'AttachmentTimestamp'].notna()].copy()
    event_attached[class="hl-string">'ActivityName'] = class="hl-string">'Supporting Documentation Attached'
    event_attached[class="hl-string">'EventTime'] = event_attached[class="hl-string">'AttachmentTimestamp']
    class=class="hl-string">"hl-comment"># Assuming the submitter or preparer attached the document
    event_attached[class="hl-string">'UserName'] = event_attached.get(class="hl-string">'SubmitterUserName', event_attached.get(class="hl-string">'PreparerUserName'))
    all_events.append(event_attached)

class=class="hl-string">"hl-comment"># 3. Journal Entry Submitted
event_submitted = df[df[class="hl-string">'SubmissionTimestamp'].notna()].copy()
event_submitted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Submitted'
event_submitted[class="hl-string">'EventTime'] = event_submitted[class="hl-string">'SubmissionTimestamp']
event_submitted[class="hl-string">'UserName'] = event_submitted.get(class="hl-string">'SubmitterUserName')
all_events.append(event_submitted)

class=class="hl-string">"hl-comment"># 4. Journal Entry Reviewed
if class="hl-string">'ReviewTimestamp' in df.columns:
    event_reviewed = df[df[class="hl-string">'ReviewTimestamp'].notna()].copy()
    event_reviewed[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reviewed'
    event_reviewed[class="hl-string">'EventTime'] = event_reviewed[class="hl-string">'ReviewTimestamp']
    event_reviewed[class="hl-string">'UserName'] = event_reviewed.get(class="hl-string">'ReviewerUserName')
    all_events.append(event_reviewed)

class=class="hl-string">"hl-comment"># 5. Journal Entry Rejected
if class="hl-string">'RejectionTimestamp' in df.columns:
    event_rejected = df[df[class="hl-string">'RejectionTimestamp'].notna()].copy()
    event_rejected[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Rejected'
    event_rejected[class="hl-string">'EventTime'] = event_rejected[class="hl-string">'RejectionTimestamp']
    event_rejected[class="hl-string">'UserName'] = event_rejected.get(class="hl-string">'ReviewerUserName', event_rejected.get(class="hl-string">'ApproverUserName'))
    all_events.append(event_rejected)

class=class="hl-string">"hl-comment"># 6. Entry Corrected and Resubmitted
if class="hl-string">'ResubmissionTimestamp' in df.columns:
    event_resubmitted = df[df[class="hl-string">'ResubmissionTimestamp'].notna()].copy()
    event_resubmitted = event_resubmitted[event_resubmitted[class="hl-string">'ResubmissionTimestamp'] > event_resubmitted.get(class="hl-string">'RejectionTimestamp', pd.NaT)]
    event_resubmitted[class="hl-string">'ActivityName'] = class="hl-string">'Entry Corrected and Resubmitted'
    event_resubmitted[class="hl-string">'EventTime'] = event_resubmitted[class="hl-string">'ResubmissionTimestamp']
    event_resubmitted[class="hl-string">'UserName'] = event_resubmitted.get(class="hl-string">'SubmitterUserName')
    all_events.append(event_resubmitted)

class=class="hl-string">"hl-comment"># 7. Journal Entry Approved
event_approved = df[df[class="hl-string">'ApprovalTimestamp'].notna()].copy()
event_approved[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Approved'
event_approved[class="hl-string">'EventTime'] = event_approved[class="hl-string">'ApprovalTimestamp']
event_approved[class="hl-string">'UserName'] = event_approved.get(class="hl-string">'ApproverUserName')
all_events.append(event_approved)

class=class="hl-string">"hl-comment"># 8. Approval Rescinded
if class="hl-string">'RescindTimestamp' in df.columns:
    event_rescinded = df[df[class="hl-string">'RescindTimestamp'].notna()].copy()
    event_rescinded[class="hl-string">'ActivityName'] = class="hl-string">'Approval Rescinded'
    event_rescinded[class="hl-string">'EventTime'] = event_rescinded[class="hl-string">'RescindTimestamp']
    event_rescinded[class="hl-string">'UserName'] = event_rescinded.get(class="hl-string">'ApproverUserName')
    all_events.append(event_rescinded)

class=class="hl-string">"hl-comment"># 9. Journal Entry Posted
event_posted = df[df[class="hl-string">'PostingTimestamp'].notna()].copy()
event_posted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Posted'
event_posted[class="hl-string">'EventTime'] = event_posted[class="hl-string">'PostingTimestamp']
event_posted[class="hl-string">'UserName'] = event_posted.get(class="hl-string">'PosterUserName')
all_events.append(event_posted)

class=class="hl-string">"hl-comment"># 10. Posting Verified
if class="hl-string">'VerificationTimestamp' in df.columns:
    event_verified = df[df[class="hl-string">'VerificationTimestamp'].notna()].copy()
    event_verified[class="hl-string">'ActivityName'] = class="hl-string">'Posting Verified'
    event_verified[class="hl-string">'EventTime'] = event_verified[class="hl-string">'VerificationTimestamp']
    event_verified[class="hl-string">'UserName'] = event_verified.get(class="hl-string">'VerifierUserName')
    all_events.append(event_verified)

class=class="hl-string">"hl-comment"># 11. Journal Entry Reversal Processed
if class="hl-string">'ReversalTimestamp' in df.columns:
    event_reversal = df[df[class="hl-string">'ReversalTimestamp'].notna()].copy()
    event_reversal[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reversal Processed'
    event_reversal[class="hl-string">'EventTime'] = event_reversal[class="hl-string">'ReversalTimestamp']
    event_reversal[class="hl-string">'UserName'] = event_reversal.get(class="hl-string">'ReverserUserName')
    all_events.append(event_reversal)

class=class="hl-string">"hl-comment"># 12. Journal Entry Reconciled
if class="hl-string">'ReconciliationTimestamp' in df.columns:
    event_reconciled = df[df[class="hl-string">'ReconciliationTimestamp'].notna()].copy()
    event_reconciled[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reconciled'
    event_reconciled[class="hl-string">'EventTime'] = event_reconciled[class="hl-string">'ReconciliationTimestamp']
    event_reconciled[class="hl-string">'UserName'] = event_reconciled.get(class="hl-string">'ReconcilerUserName')
    all_events.append(event_reconciled)


class=class="hl-string">"hl-comment"># --- Final Assembly ---
if all_events:
    event_log = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Add required constant value attributes
    event_log[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    event_log[class="hl-string">'LastDataUpdate'] = last_data_update

    class=class="hl-string">"hl-comment"># Select and order columns for the final output
    final_columns = [
        class="hl-string">'JournalEntryId',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'SourceSystem',
        class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName',
        class="hl-string">'JournalEntryType',
        class="hl-string">'CompanyCode',
        class="hl-string">'JournalEntryAmount',
        class="hl-string">'JournalEntryStatus',
        class="hl-string">'RejectionReason'
    ]

    class=class="hl-string">"hl-comment"># Filter for only the columns that exist in the dataframe to avoid errors
    existing_columns = [col for col in final_columns if col in event_log.columns]
    event_log = event_log[existing_columns]

    class=class="hl-string">"hl-comment"># Sort the event log
    event_log = event_log.sort_values(by=[class="hl-string">'JournalEntryId', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Save to CSV
    event_log.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"Successfully created event log: {output_filename}")
else:
    print(class="hl-string">"No events were generated. Please check your input file and column mappings.")

Étapes

Prérequis et configuration : vérifiez que Python 3.6 ou une version ultérieure est installé. Installez les bibliothèques nécessaires avec pip : pip install requests pandas. Demandez à votre administrateur BlackLine les identifiants d’API, à savoir le Client ID, le Client Secret et le Refresh Token, ainsi que l’URL de base BlackLine de votre organisation.
Configurer les variables du script : ouvrez le script Python et repérez la section de configuration. Saisissez votre Client ID, votre Client Secret, votre Refresh Token et l’URL de base. Définissez la période d’extraction en renseignant les variables START_DATE et END_DATE au format « YYYY-MM-DD ».
Authentification : le script commence par appeler la fonction get_access_token. Cette fonction transmet vos identifiants au point de terminaison d’authentification BlackLine (/api/oauth/token) et récupère un jeton d’accès temporaire, requis pour toutes les requêtes API suivantes.
Récupérer la liste initiale des écritures : le script envoie une requête paginée au point de terminaison /api/v2/journals, en filtrant selon la période de création indiquée. Il parcourt les pages et collecte les informations principales de toutes les écritures comptables comprises dans le périmètre.
Récupérer l’historique détaillé des événements : pour chaque identifiant d’écriture comptable collecté à l’étape précédente, le script effectue deux appels API supplémentaires. Il interroge d’abord le point de terminaison de l’historique de l’écriture, par exemple /api/v2/journals/{id}/history, afin d’obtenir une piste d’audit détaillée des changements de statut, des approbations et des rejets. Il appelle ensuite le point de terminaison des pièces jointes, par exemple /api/v2/journals/{id}/attachments, pour déterminer quand les documents justificatifs ont été ajoutés.
Transformer les données en journal d’événements : le script traite les réponses JSON de l’API. Il parcourt chaque écriture ainsi que les enregistrements associés de l’historique et des pièces jointes. Il convertit les données brutes dans un format structuré de journal d’événements et crée une ligne distincte pour chacune des 12 activités requises, telles que « Journal Entry Created », « Journal Entry Submitted » et « Journal Entry Approved ».
Associer les changements de statut aux activités : les principales activités sont générées à partir des données du point de terminaison de l’historique. Par exemple, un élément d’historique indiquant un changement de statut vers « Submitted » devient l’activité « Journal Entry Submitted ». Le script contient une logique qui associe les différents types d’événements de l’historique aux noms d’activités standard requis par ProcessMind.
Construire les DataFrames : le script utilise la bibliothèque pandas pour créer des DataFrames. Il crée d’abord un DataFrame pour l’événement « Created » issu de la liste principale des écritures. Il crée ensuite un autre DataFrame contenant toutes les autres activités dérivées des journaux d’historique et de pièces jointes. Ces DataFrames sont ensuite réunis dans un journal d’événements complet.
Ajouter les métadonnées et standardiser les colonnes : après la fusion des données, le script ajoute les colonnes de métadonnées requises, notamment SourceSystem (définie en dur sur « BlackLine ») et LastDataUpdate (définie sur l’heure d’exécution du script). Il renomme également les colonnes pour respecter le schéma requis, par exemple en associant le champ id de l’API à JournalEntryId.
Exporter au format CSV : enfin, le script exporte le DataFrame du journal d’événements final dans un fichier CSV nommé blackline_journal_entry_event_log.csv. Ce fichier est formaté et prêt à être importé directement dans ProcessMind.

Configuration

Identifiants API : vous devez disposer d’un Client ID, d’un Client Secret et d’un Refresh Token valides pour l’API REST BlackLine. Ces éléments doivent être stockés de manière sécurisée et ne doivent pas être inscrits directement dans les scripts utilisés en production.
URL de base : le script nécessite l’URL de base spécifique de l’API BlackLine de votre organisation, par exemple https://api.blackline.com.
Période : le script utilise les variables START_DATE et END_DATE. Pour une première analyse, il est recommandé de couvrir les 3 à 6 derniers mois d’activité afin d’obtenir suffisamment de données sans créer un volume excessif.
Limite de pagination : la variable LIMIT détermine le nombre d’enregistrements récupérés par appel API. La valeur par défaut est généralement 100. Sa modification peut avoir des conséquences sur les performances. Il est donc préférable de conserver la valeur recommandée, sauf indication contraire du support BlackLine.
Autorisations requises : l’utilisateur API associé aux identifiants doit disposer des autorisations suffisantes pour lire les écritures comptables, leur historique et leurs pièces jointes pour les codes d’entreprise que vous souhaitez analyser.
Environnement Python : un environnement Python 3.6 ou ultérieur opérationnel, avec les bibliothèques requests et pandas installées, est nécessaire pour exécuter le script.

a Exemple de requête python

import requests
import pandas as pd
from datetime import datetime
import time

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your BlackLine API credentials and base URL
CLIENT_ID = class="hl-string">'[Your Client ID]'
CLIENT_SECRET = class="hl-string">'[Your Client Secret]'
REFRESH_TOKEN = class="hl-string">'[Your Refresh Token]'
BASE_URL = class="hl-string">'[Your BlackLine API Base URL, e.g., https://api.blackline.com]'

class=class="hl-string">"hl-comment"># --- Extraction Parameters ---
START_DATE = class="hl-string">'2023-01-01' class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
END_DATE = class="hl-string">'2023-12-31'   class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
LIMIT = 100 class=class="hl-string">"hl-comment"># Records per page

def get_access_token():
    class="hl-string">"""Authenticates with BlackLine to get an access token."""
    auth_url = fclass="hl-string">"{BASE_URL}/api/oauth/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'refresh_token',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'refresh_token': REFRESH_TOKEN
    }
    response = requests.post(auth_url, data=payload)
    response.raise_for_status() class=class="hl-string">"hl-comment"># Raise an exception for bad status codes
    return response.json()[class="hl-string">'access_token']

def main():
    class="hl-string">"""Main function to extract, transform, and save journal entry event data."""
    print(class="hl-string">"Starting BlackLine Journal Entry extraction...")
    
    try:
        access_token = get_access_token()
        headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return

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

    class=class="hl-string">"hl-comment"># 1. Fetch all journals within the date range
    print(fclass="hl-string">"Fetching journals created between {START_DATE} and {END_DATE}...")
    journals = []
    offset = 0
    while True:
        journals_url = fclass="hl-string">"{BASE_URL}/api/v2/journals"
        params = {
            class="hl-string">'createdStartDate': START_DATE,
            class="hl-string">'createdEndDate': END_DATE,
            class="hl-string">'limit': LIMIT,
            class="hl-string">'offset': offset
        }
        try:
            response = requests.get(journals_url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            journals.extend(data.get(class="hl-string">'data', []))
            if class="hl-string">'nextLink' not in data or not data.get(class="hl-string">'data'):
                break
            offset += LIMIT
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching journals: {e}")
            break

    print(fclass="hl-string">"Found {len(journals)} journals. Now fetching detailed events for each...")

    class=class="hl-string">"hl-comment"># 2. For each journal, fetch history and attachments
    for journal in journals:
        journal_id = journal.get(class="hl-string">'id')
        if not journal_id:
            continue

        class=class="hl-string">"hl-comment"># --- Activity: Journal Entry Created ---
        events.append({
            class="hl-string">'JournalEntryId': journal_id,
            class="hl-string">'ActivityName': class="hl-string">'Journal Entry Created',
            class="hl-string">'EventTime': journal.get(class="hl-string">'createdDate'),
            class="hl-string">'UserName': journal.get(class="hl-string">'createdBy', {}).get(class="hl-string">'username'),
            class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
            class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
            class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
            class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
            class="hl-string">'RejectionReason': None
        })

        class=class="hl-string">"hl-comment"># Fetch history for other activities
        try:
            history_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/history"
            history_response = requests.get(history_url, headers=headers)
            history_response.raise_for_status()
            history_items = history_response.json().get(class="hl-string">'data', [])
            
            for item in history_items:
                activity_name = None
                rejection_reason = None
                
                class=class="hl-string">"hl-comment"># This mapping requires knowledge of your specific BlackLine history event descriptions
                class=class="hl-string">"hl-comment"># The following are common examples. Adjust them based on your BlackLine configuration.
                event_description = item.get(class="hl-string">'description', class="hl-string">'').lower()
                if class="hl-string">'submitted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Submitted'
                elif class="hl-string">'reviewed' in event_description:
                    activity_name = class="hl-string">'Journal Entry Reviewed'
                elif class="hl-string">'rejected' in event_description:
                    activity_name = class="hl-string">'Journal Entry Rejected'
                    rejection_reason = item.get(class="hl-string">'comment') class=class="hl-string">"hl-comment"># Assuming comment contains the reason
                elif class="hl-string">'resubmitted' in event_description:
                    activity_name = class="hl-string">'Entry Corrected and Resubmitted'
                elif class="hl-string">'approved' in event_description and class="hl-string">'final' in event_description: class=class="hl-string">"hl-comment"># Example for final approval
                    activity_name = class="hl-string">'Journal Entry Approved'
                elif class="hl-string">'approval rescinded' in event_description:
                    activity_name = class="hl-string">'Approval Rescinded'
                elif class="hl-string">'posted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Posted'
                elif class="hl-string">'posting verified' in event_description:
                     activity_name = class="hl-string">'Posting Verified'
                
                if activity_name:
                    events.append({
                        class="hl-string">'JournalEntryId': journal_id,
                        class="hl-string">'ActivityName': activity_name,
                        class="hl-string">'EventTime': item.get(class="hl-string">'eventDate'),
                        class="hl-string">'UserName': item.get(class="hl-string">'user', {}).get(class="hl-string">'username'),
                        class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                        class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                        class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                        class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                        class="hl-string">'RejectionReason': rejection_reason
                    })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch history for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># Fetch attachments
        try:
            attachments_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/attachments"
            attachments_response = requests.get(attachments_url, headers=headers)
            attachments_response.raise_for_status()
            attachments = attachments_response.json().get(class="hl-string">'data', [])
            for attachment in attachments:
                events.append({
                    class="hl-string">'JournalEntryId': journal_id,
                    class="hl-string">'ActivityName': class="hl-string">'Supporting Documentation Attached',
                    class="hl-string">'EventTime': attachment.get(class="hl-string">'uploadedDate'),
                    class="hl-string">'UserName': attachment.get(class="hl-string">'uploadedBy', {}).get(class="hl-string">'username'),
                    class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                    class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                    class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                    class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                    class="hl-string">'RejectionReason': None
                })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch attachments for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># --- Activities based on journal fields (may need customization) ---
        if journal.get(class="hl-string">'isReversed'):
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reversal Processed',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reversalDate]'), class=class="hl-string">"hl-comment"># Placeholder for reversal date field
                class="hl-string">'UserName': journal.get(class="hl-string">'[reversalUser]'), class=class="hl-string">"hl-comment"># Placeholder for user field
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': class="hl-string">'Reversed',
                class="hl-string">'RejectionReason': None
            })

        if journal.get(class="hl-string">'reconciliationId'): class=class="hl-string">"hl-comment"># Assuming this indicates reconciliation
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reconciled',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reconciliationCertifiedDate]'), class=class="hl-string">"hl-comment"># Placeholder for certified date
                class="hl-string">'UserName': journal.get(class="hl-string">'[reconciliationCertifier]'), class=class="hl-string">"hl-comment"># Placeholder for certifier user
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                class="hl-string">'RejectionReason': None
            })
        class=class="hl-string">"hl-comment"># Introduce a small delay to respect API rate limits
        time.sleep(0.1)

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

    class=class="hl-string">"hl-comment"># 3. Create DataFrame and save to CSV
    print(class="hl-string">"Transforming data and saving to CSV...")
    df = pd.DataFrame(events)

    class=class="hl-string">"hl-comment"># Add metadata columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    df[class="hl-string">'LastDataUpdate'] = last_data_update
    
    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'JournalEntryId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName', class="hl-string">'JournalEntryType', class="hl-string">'CompanyCode', class="hl-string">'JournalEntryAmount', class="hl-string">'JournalEntryStatus', class="hl-string">'RejectionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
            
    df = df[final_columns] class=class="hl-string">"hl-comment"># Order columns

    output_filename = class="hl-string">'blackline_journal_entry_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Prêt à commencer ?

Utilisez ce modèle pour simplifier la préparation de vos données et obtenir des analyses détaillées de votre processus Record to Report - écriture comptable. Commencez dès aujourd’hui à améliorer votre efficacité et votre conformité.

Retour au guide d’amélioration Télécharger le modèle

Optimisez dès aujourd’hui l’efficacité de vos écritures Record to Report

Réduisez de 30 % la durée du cycle des écritures comptables et clôturez plus rapidement avec davantage de précision.

Démarrer l’essai gratuit

Aucune carte bancaire requise • Configuration en quelques minutes

Votre modèle de données Record to Report - écriture comptable

Votre modèle de données Record to Report - écriture comptable

Record to Report - Attributs des écritures comptables

Record to Report - Activités liées aux écritures comptables

Guides d’extraction

Export du rapport BlackLine Journal Entry & Services

Étapes

Configuration

a Exemple de requête python

Extraction par script Python via l’API REST BlackLine

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Optimisez dès aujourd’hui l’efficacité de vos écritures Record to Report

Votre modèle de données Record to Report - écriture comptable

Votre modèle de données Record to Report - écriture comptable

Record to Report - Attributs des écritures comptables

Record to Report - Activités liées aux écritures comptables

Guides d’extraction

Export du rapport BlackLine Journal Entry & Services

Étapes

Configuration

a Exemple de requête python

Extraction par script Python via l’API REST BlackLine

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Optimisez dès aujourd’hui l’efficacité de vos écritures Record to Report

Nous attachons de l’importance à votre confidentialité