> Amélioration continue des processus > De l’enregistrement au reporting : écritures comptables > BlackLine > Modèle de données

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

BlackLine

← Retour au guide d’amélioration

Attributs des écritures comptables, de l’enregistrement au reporting(19) Activités liées aux écritures comptables, de l’enregistrement au reporting(12) Guides d’extraction(2)

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

Ce modèle vous guide dans la collecte des données nécessaires à l’analyse de votre processus de clôture comptable, de l’enregistrement au reporting, pour les écritures comptables. Il présente les attributs essentiels à recueillir, les principales activités à suivre et des conseils pratiques pour extraire ces informations de BlackLine. Appuyez-vous sur cette ressource pour réunir toutes les données nécessaires à une analyse efficace de vos processus.

Attributs recommandés à recueillir
Activités clés à suivre
Conseils d’extraction

Vous découvrez les journaux d’événements ? Découvrez comment créer un journal d’événements pour le Process Mining.

Télécharger le modèle

Attributs des écritures comptables, de l’enregistrement au reporting

Voici les champs de données recommandés à inclure dans votre journal d’événements pour analyser en détail le processus de clôture comptable, de l’enregistrement au reporting, pour les écritures comptables.

5 Obligatoire 6 Recommandé 8 Facultatif

	Nom	Description
	Activité ActivityName	Nom de l’événement métier précis survenu à un moment donné du processus de traitement des écritures comptables.
Description Cet attribut décrit une étape ou une tâche effectuée au cours du cycle de vie d’une écriture comptable, par exemple « Journal Entry Created », « Journal Entry Approved » ou « Journal Entry Posted ». Chaque activité correspond à 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 essentielle pour repérer les variations du processus, mesurer les délais entre les étapes et identifier les boucles de reprise, par exemple lorsqu’une écriture comptable est rejetée puis soumise à nouveau. Pourquoi est-ce important ? Il définit les étapes du processus, indispensables pour visualiser la cartographie du processus, analyser son déroulement et repérer les écarts ou les goulots d’étranglement. Où trouver ces données Cet attribut est généralement dérivé des journaux d’événements, des enregistrements de changements de statut ou des pistes d’audit de BlackLine. Il peut être nécessaire d’associer les codes de statut du système à des noms d’activité compréhensibles. 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 L’heure de l’événement indique la date et l’heure auxquelles un événement métier s’est produit. Elle constitue le fil chronologique du processus et permet d’établir l’ordre et la durée de toutes les activités. Cet horodatage est indispensable aux 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 de repérer les goulots d’étranglement, d’analyser les performances au fil du temps et d’évaluer le respect des accords de niveau de service. Pourquoi est-ce important ? Cet horodatage est à la base de toutes les mesures de performance, notamment du temps de cycle et de l’analyse des goulots d’étranglement. Il permet de reconstituer le déroulement chronologique du processus. Où trouver ces données Cette information figure 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 L’identifiant de l’écriture comptable distingue chaque ensemble de transactions financières enregistré dans le grand livre. Il sert de clé centrale pour relier toutes les activités associées, comme la création, la vérification, l’approbation et la comptabilisation. En Process Mining, cet identifiant est indispensable pour associer tous les événements d’un même cas d’écriture comptable. L’analyse du flux du processus à partir de cet identifiant permet de reconstituer le parcours de bout en bout, de l’initiation au rapprochement final, et d’étudier en détail les temps de cycle, les goulots d’étranglement et les variations du processus. Pourquoi est-ce important ? Cet identifiant principal du cas permet de retracer le cycle de vie complet d’une écriture comptable et d’en analyser les performances. Où trouver ces données Il s’agit d’une clé primaire dans les tables d’écritures comptables ou les exports de données de BlackLine. Consultez la documentation 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 la dernière extraction des données. Il permet d’évaluer leur fraîcheur et de savoir si elles sont à jour. Ces métadonnées sont essentielles pour tout Dashboard ou toute analyse de Process Mining. Elles renseignent sur l’actualité des analyses et permettent de savoir si les transactions les plus récentes sont incluses dans la vue. Pourquoi est-ce important ? Il indique clairement si les données sont à jour et permet de savoir à quelle période remonte l’analyse du processus. Où trouver ces données Cet horodatage est généré et ajouté au jeu de données par l’outil d’extraction ou le processus ETL lors 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’événement. Il s’agit généralement de « BlackLine », mais les données peuvent aussi provenir 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 aide à résoudre les problèmes d’ingestion des données et à vérifier leur traçabilité. Pourquoi est-ce important ? Il précise l’origine des données, garantit leur traçabilité et facilite la gestion de leur intégration depuis différentes plateformes. Où trouver ces données Il s’agit généralement d’une valeur statique ajoutée lors de l’extraction et de la transformation des données pour 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 créée.
Description Le code société désigne une entité juridique précise au sein d’un groupe. Il s’agit d’une unité organisationnelle fondamentale en comptabilité financière, qui garantit l’enregistrement des transactions dans la bonne entité. En Process Mining, le code société est une dimension utile pour filtrer et comparer les données. Il permet d’analyser les performances du processus entre différentes entités, de repérer les goulots d’étranglement propres à une région ou à une entité, les écarts de conformité et les possibilités de standardisation à l’échelle mondiale. Il alimente directement le Dashboard « Approval To Posting Delay Analysis ». Pourquoi est-ce important ? Il permet de comparer les performances et de standardiser les processus entre différentes entités juridiques ou unités opérationnelles. Où trouver ces données Il s’agit d’un champ clé de l’en-tête d’écriture comptable dans BlackLine, souvent synchronisé avec 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 indique la valeur financière de l’écriture comptable. Il permet d’évaluer les conséquences financières des inefficacités du processus, par exemple les retards de comptabilisation des écritures de montant élevé. L’analyse du processus selon le montant de l’écriture permet de tenir compte de son importance financière. Vous pouvez, par exemple, donner la priorité aux 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 utile à l’analyse du flux du processus. Pourquoi est-ce important ? Il apporte un contexte financier et permet de tenir compte de l’importance des montants, par exemple pour prioriser les écritures de valeur élevée ou repérer les écarts de processus liés au montant. Où trouver ces données Il s’agit d’un champ calculé ou standard de l’en-tête d’écriture comptable dans BlackLine, qui indique le montant total au débit ou au crédit. Exemples 15000.00250.75125000.50500.00
	Motif du rejet RejectionReason	Motif indiqué par la personne chargée de la vérification lorsqu’une écriture comptable est rejetée.
Description Lorsqu’une écriture comptable est renvoyée pour correction, la personne qui l’approuve indique généralement le motif du rejet. Cet attribut enregistre ce motif, qui peut être un code prédéfini ou un texte libre. Cet attribut est essentiel pour analyser les causes profondes des reprises. L’analyse des motifs de rejet les plus fréquents permet à une entreprise de repérer des problèmes systémiques, comme une formation insuffisante, des politiques peu claires ou des pièces justificatives inadéquates. Il alimente directement le Dashboard « Journal Entry Rejection & Rework Analysis » et contribue à réduire le taux global de rejet. Pourquoi est-ce important ? Il est essentiel pour analyser les causes profondes des reprises et comprendre pourquoi les écritures comptables sont rejetées, afin de cibler les améliorations. Où trouver ces données Ces données sont généralement enregistrées dans un champ de commentaire ou de code de motif lorsqu’un utilisateur sélectionne l’action « Reject » dans BlackLine. Exemples Code de compte incorrectPièces justificatives manquantesSeuil dépasséÉcriture 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 le statut actuel d’un cas d’écriture comptable au moment de l’extraction des données. Il donne un aperçu de l’étape à laquelle se trouve l’écriture dans le processus global. Le Process Mining reconstitue le flux à partir des activités, mais le statut final reste utile pour filtrer les données et créer des Dashboards récapitulatifs. Il permet de repérer rapidement les écritures en attente d’approbation ou bloquées à une étape donnée, ce qui est utile pour analyser le travail en attente. Pourquoi est-ce important ? Il donne un aperçu du statut actuel des écritures, utile pour analyser le travail en attente et comprendre les travaux en cours. Où trouver ces données Il s’agit d’un champ de statut standard des écritures comptables 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 classe 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 charges à payer de fin de mois et les écritures de contrepassation, qui sont automatiquement contre-passées à la période suivante. Cet attribut est essentiel pour la segmentation et l’analyse comparative. Il permet de comparer les performances du processus, comme les temps de cycle ou les taux de rejet, selon le type d’écriture. Vous pouvez ainsi repérer les types d’écritures qui posent davantage de problèmes ou sont moins efficaces, puis cibler les améliorations du processus. Pourquoi est-ce important ? Il permet de segmenter l’analyse pour déterminer si les différents types d’écritures comptables suivent des parcours distincts ou présentent des niveaux de performance différents. Où trouver ces données Il s’agit d’un champ standard de l’en-tête d’écriture comptable dans BlackLine. Consultez la documentation BlackLine pour connaître son nom exact. Exemples StandardRécurrenteDe contrepassationCharge à payer
	Utilisateur UserName	Nom ou identifiant de l’utilisateur qui a effectué l’activité.
Description Cet attribut identifie la personne responsable d’une étape précise du processus, par exemple celle qui a soumis, vérifié 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, les performances individuelles et les besoins de formation. Elle permet de répondre à des questions telles que « Le travail est-il réparti équitablement dans l’équipe ? » ou « Quels utilisateurs ont les délais d’approbation les plus longs ? ». Elle est également importante pour la conformité et l’analyse des pistes d’audit. Pourquoi est-ce important ? Il permet d’analyser la charge de travail et de comparer les performances des membres de l’équipe, ainsi que de repérer les goulots d’étranglement liés aux ressources ou les besoins de formation. Où trouver ces données Cette information figure dans les journaux d’audit de BlackLine, souvent 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, comme les écritures récurrentes ou celles issues d’intégrations système. L’analyse de cet attribut permet d’évaluer l’efficacité de l’automatisation. Elle permet de comparer directement les temps de cycle, les taux d’erreur et les coûts des processus automatisés et manuels. Ces éléments sont utiles pour étayer une analyse de rentabilité en faveur d’une automatisation accrue et mesurer le retour sur investissement des initiatives existantes. Pourquoi est-ce important ? Il permet de comparer directement les processus manuels et automatisés, afin de mesurer l’incidence et le retour sur investissement des initiatives d’automatisation. Où trouver ces données Cet attribut peut être déduit du « Journal Entry Type » (par exemple, « Recurring ») ou du champ « User » si les comptabilisations automatisées utilisent des comptes système (par exemple, « SYSTEM » ou « BATCH »). Exemples truefalse
	Avec reprise IsRework	Indicateur calculé, vrai si l’écriture comptable a été rejetée au moins une fois.
Description Cet indicateur booléen sert à repérer les écritures comptables ayant fait l’objet de reprises. Il prend généralement la valeur vrai si un cas comprend l’activité « Journal Entry Rejected », suivie de l’activité « Corrected and Resubmitted ». Cet attribut simplifie l’analyse des reprises en permettant de filtrer facilement les cas ayant connu un rejet. Il est essentiel pour calculer l’indicateur clé de performance « Journal Entry Rejection Rate » et pour examiner en détail le Dashboard « Journal Entry Rejection & Rework Analysis », afin de comprendre les conséquences des problèmes de qualité sur les coûts et les délais. Pourquoi est-ce important ? Il repère facilement les cas ayant fait l’objet de reprises, ce qui simplifie le calcul des taux de rejet et l’analyse des conséquences des problèmes de qualité. Où trouver ces données Cet indicateur est calculé dans l’outil de Process Mining en vérifiant la séquence des activités de chaque cas. 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 concerné par l’écriture ou faisant l’objet du rapprochement. Les écritures comptables participent souvent au processus de rapprochement des comptes ; cet attribut relie l’écriture au compte correspondant. Cet attribut alimente directement le Dashboard « Journal Entry Reconciliation Cycle Time ». L’analyse du processus par compte permet de repérer les rapprochements qui prennent systématiquement plus de temps pour certains comptes, ce qui peut révéler une complexité ou des problèmes de données propres à ces comptes. Pourquoi est-ce important ? Il relie le processus de traitement des écritures comptables aux comptes concernés par le rapprochement et permet d’analyser les goulots d’étranglement de façon ciblée. Où trouver ces données Cette information figure dans le détail des lignes de l’écriture comptable dans BlackLine. Si une écriture concerne plusieurs comptes, il peut être nécessaire de regrouper les données au niveau du cas. 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. Elle est essentielle en comptabilité, car elle détermine la période fiscale à laquelle la transaction est rattachée. L’horodatage de l’événement indique le moment où la comptabilisation a eu lieu, tandis que la date de comptabilisation constitue un attribut clé des données. 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 est-ce 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 trouver ces données Il s’agit d’un champ de date standard de l’en-tête d’écriture comptable dans BlackLine. Exemples 2023-10-312023-11-012023-10-30
	Délai entre l’approbation et la comptabilisation ApprovalToPostingLag	Durée calculée entre l’approbation finale et la comptabilisation effective de l’écriture.
Description Cette mesure indique le délai entre l’approbation complète d’une écriture comptable et sa comptabilisation dans le grand livre. Elle correspond à la durée entre les activités « Journal Entry Approved » et « Journal Entry Posted ». Cet indicateur clé de performance permet de repérer les goulots d’étranglement après approbation, qui peuvent retarder considérablement la clôture financière. Le Dashboard « Approval To Posting Delay Analysis » s’appuie sur cette mesure pour examiner les raisons pour lesquelles les écritures approuvées ne sont pas comptabilisées rapidement et repérer les moyens d’optimiser les dernières étapes du processus. Pourquoi est-ce important ? Il mesure précisément l’efficacité après approbation et aide à repérer et à éliminer les retards qui ralentissent la clôture financière. Où trouver ces données Cette mesure est calculée dans l’outil de Process Mining en déterminant, pour chaque cas, la durée entre les événements « Journal Entry Approved » et « Journal Entry Posted ». Exemples P0DT1H10MP1DT2H0MP0DT0H5M
	Devise Currency	Code de devise correspondant au montant indiqué dans l’écriture comptable.
Description Cet attribut indique la devise du montant de l’écriture comptable, par exemple USD, EUR ou GBP. Il est indispensable pour interpréter correctement la valeur financière des transactions. Pour les organisations multinationales, l’analyse par devise apporte un contexte utile. Elle permet de filtrer l’analyse du processus selon certaines devises et constitue un champ nécessaire à tout Dashboard qui regroupe des montants financiers. Pourquoi est-ce important ? Il apporte le contexte nécessaire à l’interprétation exacte des montants financiers et permet d’effectuer des analyses par devise. Où trouver ces données Il s’agit d’un champ standard de l’en-tête d’écriture comptable dans BlackLine, généralement nommé « Document Currency » ou de façon 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 une ou plusieurs pièces justificatives, comme des factures ou des calculs, ont été jointes à l’écriture comptable. Il s’agit souvent d’une condition préalable à l’approbation. Cet indicateur est essentiel pour le Dashboard « Journal Entry Documentation Compliance » et l’indicateur clé de performance « Documentation Attachment Rate ». Il permet de déterminer si l’absence de pièces justificatives entraîne fréquemment des rejets ou des retards, et de faire respecter les règles qui imposent de joindre des documents avant de soumettre une écriture pour vérification. Pourquoi est-ce important ? Il mesure directement le respect des règles relatives aux pièces justificatives et aide à repérer une cause fréquente des retards d’approbation et des rejets. Où trouver ces données Il s’agirait probablement d’un champ dérivé, calculé en vérifiant si un enregistrement de pièce jointe associé à JournalEntryId existe avant la soumission de l’écriture. Exemples truefalse
	Service Department	Service ou centre de coûts associé à l’écriture comptable.
Description Cet attribut indique le service, le centre de coûts ou le domaine fonctionnel à l’origine de l’écriture comptable ou auquel les coûts sont affectés. Il apporte un contexte organisationnel supplémentaire. L’analyse du processus par service permet de comprendre comment les différentes parties de l’entreprise utilisent le processus de traitement des écritures comptables. Elle peut révéler des écarts d’efficacité, de conformité ou de taux de reprise entre les services, et mettre en évidence les domaines qui nécessitent une assistance supplémentaire ou une standardisation du processus. Pourquoi est-ce important ? Il permet de comparer les performances du processus entre les services et de repérer les écarts ainsi que les possibilités de standardisation. Où trouver ces données Cette information figure généralement dans les données des lignes ou de l’en-tête de l’écriture comptable dans BlackLine. Elle est souvent liée au compte du grand livre. Exemples FinanceMarketingVentesOpérations

Obligatoire Recommandé Facultatif

Activités liées aux écritures comptables, de l’enregistrement au reporting

Voici les principales étapes et les jalons à consigner dans votre journal d’événements pour découvrir et analyser avec précision le processus de traitement des écritures comptables.

6 Recommandé 6 Facultatif

	Activité	Description
	Écriture comptable approuvée	Cette activité indique que l’écriture comptable a franchi toutes les étapes requises de vérification et d’approbation. Elle est enregistrée lorsque la dernière personne habilitée approuve l’écriture, ce qui fait passer son statut à « Approved ».
Pourquoi est-ce important ? Cette étape importante marque la fin du processus d’approbation. La durée entre « Journal Entry Submitted » et cet événement correspond au temps de cycle d’approbation, un indicateur clé de l’efficacité du flux de travail. Où trouver ces données Cet événement est déduit du passage du statut de l’écriture comptable à « Approved ». L’identifiant de la dernière personne ayant approuvé l’écriture et l’horodatage de l’approbation sont généralement consignés dans l’historique d’audit de BlackLine. Données à recueillir Déduit de l’horodatage auquel le statut de l’écriture comptable passe à « Approved ». Type d’événement inferred
	Écriture comptable comptabilisée	Indique 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 fait alors passer le statut de l’écriture à « Posted ».
Pourquoi est-ce important ? Cette étape importante marque souvent la fin opérationnelle du processus. Le délai entre « Journal Entry Approved » et cette activité est un indicateur clé de l’efficacité après approbation. Où trouver ces données Cet événement est généralement déduit du passage au statut « Posted ». Il peut aussi être consigné explicitement dans une table d’historique des comptabilisations ou une piste d’audit, avec une date et un horodatage précis. Données à recueillir Déduit de l’horodatage auquel le statut de l’écriture comptable passe à « Posted ». Le champ de date de comptabilisation est également pertinent. Type d’événement inferred
	Écriture comptable créée	Cette activité marque le début du traitement d’une écriture comptable. Elle est enregistrée lorsqu’un utilisateur crée une nouvelle écriture dans BlackLine. Un ID d’écriture comptable unique est alors généré, et l’horodatage ainsi que l’utilisateur sont consignés.
Pourquoi est-ce important ? Il s’agit de l’événement de début principal du processus. Le temps écoulé entre cette activité et les suivantes révèle le temps de cycle total et aide à repérer les retards dès le début du flux de travail. Où trouver ces données Cet événement est explicitement consigné dans le module de gestion des écritures comptables de BlackLine. Il est extrait de l’horodatage de création et des informations sur l’utilisateur associés à chaque ID d’écriture comptable dans la table principale des écritures ou dans son historique d’audit. Données à recueillir Extrait de l’horodatage « Date de création » associé à l’écriture comptable. Type d’événement explicit
	Écriture comptable rapprochée	Marque la fin du cycle de vie de l’écriture comptable, lorsqu’elle est incluse dans un rapprochement de comptes finalisé et certifié. Dans BlackLine, cela correspond à la certification du rapprochement qui contient cette écriture.
Pourquoi est-ce important ? Cette activité marque la dernière étape du processus de bout en bout. La durée entre « Journal Entry Posted » et « Reconciled » mesure l’efficacité du rapprochement des comptes dans le cadre de la clôture financière. Où trouver ces données Il s’agit d’un événement déduit. Il est repéré lorsque le statut du rapprochement de comptes contenant l’écriture concernée passe à « Certified » dans le module Account Reconciliation de BlackLine. Données à recueillir Déduit en reliant l’écriture comptable au rapprochement de comptes 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 vérificateur ou un approbateur. Elle est enregistrée lorsqu’un utilisateur sélectionne l’action « Rejeter », ce qui fait passer l’écriture à l’état « Rejetée » et consigne l’événement dans le journal d’audit.
Pourquoi est-ce important ? Cette activité est essentielle pour repérer 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 retour qui suit, est indispensable à l’amélioration du processus et à la réduction des temps de cycle. Où trouver ces données Cet événement est généralement déduit du passage de l’écriture comptable à l’état « Rejetée » ou « À corriger ». BlackLine consigne dans l’historique l’horodatage et l’utilisateur à l’origine du rejet. Données à recueillir Déduit de l’horodatage de mise à jour de l’état de l’écriture comptable, qui passe à « Rejetée ». Type d’événement inferred
	Écriture comptable soumise	Cette activité survient lorsque le préparateur soumet officiellement l’écriture comptable au flux de travail de vérification et d’approbation. Elle est généralement enregistrée comme un changement d’état, par exemple de « En préparation » à « Soumise », avec un horodatage.
Pourquoi est-ce important ? Cette étape marque la fin de la préparation et le début du cycle d’approbation. Elle constitue un jalon important pour mesurer la durée des deux étapes. Où trouver ces données Cet événement est probablement déduit d’un changement d’état de l’écriture comptable dans BlackLine. L’heure de l’événement correspond à l’horodatage du passage à l’état « Soumise pour approbation » ou à une valeur similaire. Données à recueillir Déduit de l’horodatage de mise à jour du champ d’état de l’écriture comptable, qui passe à « Soumise » ou « En attente d’approbation ». Type d’événement inferred
	Approbation retirée	Cette activité correspond au retrait d’une approbation précédemment accordée, qui ramène l’écriture comptable à un statut antérieur. Elle est repérée par le passage du statut « Approved » à un statut précédent, comme « In Preparation ».
Pourquoi est-ce important ? Cette activité, rare mais importante, met en évidence les exceptions au processus et les problèmes potentiels détectés après l’approbation, mais avant la comptabilisation. Elle peut révéler des erreurs dans les données ou des changements de politique ayant une incidence sur l’écriture. Où trouver ces données Il s’agit d’un événement déduit du passage du statut « Approved » à un statut modifiable et non comptabilisé. Cette action serait consignée dans les journaux d’audit détaillés de BlackLine. Données à recueillir Repéré par le passage du statut « Approved » à un statut antérieur, comme « In Preparation » ou « Submitted ». Type d’événement inferred
	Comptabilisation vérifiée	Confirme qu’une écriture comptable comptabilisée a bien été reçue et enregistrée dans le système ERP cible. Il peut s’agir d’un échange automatique entre systèmes ou d’une étape de confirmation manuelle.
Pourquoi est-ce important ? Cette activité confirme la fin de l’étape de comptabilisation et garantit l’intégrité des données entre les systèmes. La durée entre « Posted » et « Verified » peut révéler des problèmes d’intégration ou des retards de synchronisation. Où trouver ces données Il peut s’agir d’un événement explicite issu d’un journal d’intégration système ou d’un événement déduit du passage à un statut tel que « Posted and Verified ». En cas de confirmation manuelle, le statut est mis à jour par un utilisateur. Données à recueillir Déduit du passage au statut « Verified » ou de la réception d’un indicateur de confirmation du système ERP cible. Type d’événement inferred
	Contrepassation de l’écriture comptabilisée	Cette activité correspond à la création et à la comptabilisation d’une nouvelle écriture qui contre-passe une écriture précédemment comptabilisée. Elle est généralement déclenchée à la suite de la découverte d’une erreur après la comptabilisation de l’écriture initiale.
Pourquoi est-ce important ? Cet événement est 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 de repérer les domaines où la précision doit être améliorée. Où trouver ces données Il s’agit souvent d’un événement explicite, déclenché lorsqu’un utilisateur lance l’action « Reverse » dans BlackLine pour une écriture comptabilisée. Le système crée alors une nouvelle écriture de contrepassation, souvent liée à l’identifiant de l’écriture initiale. Données à recueillir Enregistré lorsqu’une action « Reverse » est consignée ou lorsqu’une nouvelle écriture est créée avec un indicateur de contrepassation et un lien vers l’identifiant de l’écriture initiale. Type d’événement explicit
	Écriture comptable vérifiée	Cette activité correspond à une étape formelle de vérification dans un processus d’approbation à plusieurs niveaux, effectuée par une personne désignée. Elle est généralement enregistrée par un changement d’état ou une entrée de journal indiquant l’action du vérificateur.
Pourquoi est-ce important ? Dans les organisations où la vérification et l’approbation sont deux étapes distinctes, cette activité aide à localiser les goulots d’étranglement dans la chaîne d’approbation. Elle indique le temps d’attente des écritures avant la vérification initiale et avant l’approbation finale. Où trouver ces données 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 d’un changement d’état vers « Vérifiée » ou « En attente de l’approbation finale ». L’utilisateur et l’horodatage sont consignés. Données à recueillir Déduit de l’horodatage du changement d’état de l’écriture comptable indiquant la fin de l’étape de vérification. Type d’événement inferred
	Écriture corrigée et soumise à nouveau	Se produit après le rejet d’une écriture comptable, lorsque la personne qui l’a préparée apporte les corrections nécessaires et la soumet à nouveau. L’événement est repéré par le passage du statut « Rejected » à « Submitted for Approval ».
Pourquoi est-ce 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 analyser l’efficacité. Où trouver ces données Cet événement est déduit de la séquence des changements de statut dans les données BlackLine, en particulier du passage du statut « Rejected » à « Submitted » ou « Pending Approval » pour le même identifiant d’écriture comptable. Données à recueillir Déduit du passage du statut « Rejected » à « Submitted » ou « Pending Approval ». Type d’événement inferred
	Pièces justificatives jointes	Cette activité correspond à l’ajout par un utilisateur d’une ou plusieurs pièces justificatives à l’écriture comptable. L’événement est généralement consigné dans un journal d’audit ou dans une table des pièces jointes associée à l’ID d’écriture comptable.
Pourquoi est-ce important ? Le suivi de cette activité est essentiel pour contrôler la conformité et l’efficacité. Il permet de déterminer si l’absence de pièces justificatives retarde le processus d’approbation et contribue au suivi de l’indicateur « Taux de pièces justificatives jointes ». Où trouver ces données Il s’agit généralement d’un événement explicite dans BlackLine, consigné dans une piste d’audit ou un journal des pièces jointes. Les données comprennent l’ID d’écriture comptable, l’utilisateur qui a joint le fichier et un horodatage. Données à recueillir L’événement est consigné dans la piste d’audit du système ou dans une table dédiée à l’historique des pièces jointes chaque fois qu’un fichier est ajouté à une écriture comptable. Type d’événement explicit

Recommandé Facultatif

Guides d’extraction

Comment extraire vos données de 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 rapports. 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 sur les écritures comptables 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 limiter les données. Au minimum, filtrez par « Company Code(s) » concernés. Vous pouvez également filtrer par « Journal Status » afin d’inclure tous les statuts pertinents, de la création à la comptabilisation.
Sélectionnez toutes les colonnes disponibles pour que le rapport contienne les champs de date, d’utilisateur et de statut nécessaires à la création du journal d’événements. Les champs clés 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 BlackLine. Une fois sa génération terminée, utilisez la fonction « Export » ou « Download » pour enregistrer les données dans un fichier CSV. Nommez-le « blackline_report.csv ».
Configurez un environnement Python avec la bibliothèque pandas. Si elle n’est pas installée, utilisez 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 métier et générera un fichier nommé « event_log.csv » au format requis.
Vérifiez la qualité et l’exhaustivité des données du fichier « event_log.csv » avant de l’importer.
Importez le fichier final « event_log.csv » dans ProcessMind pour l’analyser.

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 porte généralement sur la date de création ou la date de comptabilisation de l’écriture. Vérifiez quel champ de date est utilisé afin de vous assurer que l’extraction couvre les bonnes données.
Filtres clés :
- Code société : Indiquez toujours les codes société à analyser afin de limiter le volume de données et de cibler l’analyse.
- Statut de l’écriture : Sélectionnez tous les statuts (par exemple, en préparation, soumis, approuvé, rejeté, comptabilisé) pour couvrir l’ensemble du processus.
- Type d’écriture : Si nécessaire, filtrez par type d’écriture (par exemple, standard ou récurrent) selon le périmètre de l’analyse.
Prérequis : Le compte utilisateur qui exécute le rapport doit être autorisé à consulter les données des écritures comptables et à lancer les rapports standard dans BlackLine. Il doit généralement disposer d’un rôle tel que « Accountant » ou « Reporting User ».
Performances : L’export d’un grand volume de données couvrant une longue période ou de nombreux codes société peut solliciter fortement les ressources et prendre beaucoup de temps dans l’interface BlackLine. Si vous rencontrez des problèmes de performances ou des délais d’attente, envisagez de lancer le rapport par lots plus petits.

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 (Client ID, Client Secret, 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. Renseignez votre Client ID, votre Client Secret, votre Refresh Token et l’URL de base. Définissez la période d’extraction en attribuant aux variables START_DATE et END_DATE des dates au format « YYYY-MM-DD ».
Authentification : Le script commence par appeler la fonction get_access_token. Celle-ci transmet vos identifiants au point de terminaison d’authentification BlackLine (/api/oauth/token) et récupère un jeton d’accès temporaire, nécessaire aux appels API suivants.
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 recueille les principales informations sur toutes les écritures comptables comprises dans le périmètre.
Récupérer l’historique détaillé des événements : Pour chaque ID d’écriture comptable recueilli 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) pour 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 d’historique et de pièces jointes associés. Il convertit les données brutes au format structuré du 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 activités clés 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 associe les différents types d’événements de l’historique aux noms d’activité standard requis par ProcessMind.
Créer les DataFrames : Le script utilise la bibliothèque pandas pour créer des DataFrames. Il crée d’abord un DataFrame pour l’événement « Created » à partir de la liste principale des écritures. Il en crée ensuite un autre qui regroupe les autres activités issues des journaux d’historique et de pièces jointes. Les deux sont réunis dans un journal d’événements complet.
Ajouter les métadonnées et normaliser les colonnes : Après avoir regroupé les données, le script ajoute les colonnes de métadonnées requises, notamment SourceSystem (dont la valeur est définie sur « BlackLine ») et LastDataUpdate (qui correspond à l’heure d’exécution du script). Il renomme également les colonnes pour respecter le schéma requis, par exemple en associant le champ API id à JournalEntryId.
Exporter au format CSV : Enfin, le script exporte le DataFrame du journal d’événements 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 d’API : Vous devez disposer d’un Client ID, d’un Client Secret et d’un Refresh Token valides pour l’API REST BlackLine. Conservez-les en lieu sûr et ne les inscrivez pas directement dans les scripts utilisés en production.
URL de base : Le script nécessite l’URL de base de l’API BlackLine propre à 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 de 100. La modifier peut avoir des conséquences sur les performances. Il est donc préférable de conserver la valeur recommandée, sauf indication contraire de l’assistance BlackLine.
Autorisations requises : L’utilisateur API associé aux identifiants doit disposer des autorisations nécessaires pour consulter les écritures comptables, leur historique et leurs pièces jointes pour les codes société que vous souhaitez analyser.
Environnement Python : Pour exécuter le script, vous devez disposer d’un environnement Python 3.6 ou ultérieur fonctionnel, avec les bibliothèques requests et pandas installées.

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 préparer vos données plus facilement et obtenir des analyses détaillées de votre processus de clôture comptable, de l’enregistrement au reporting, pour les écritures comptables. Commencez dès aujourd’hui à améliorer l’efficacité et la conformité de vos processus.

Retour au guide d’amélioration

Télécharger le modèle

Améliorez dès aujourd’hui l’efficacité du traitement des écritures comptables

Réduisez de 30 % le temps de cycle des écritures comptables et clôturez plus rapidement, avec davantage de précision.

Démarrez l’essai gratuit

Aucune carte bancaire requise • Configuration en quelques minutes

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

Attributs des écritures comptables, de l’enregistrement au reporting

Activités liées aux écritures comptables, de l’enregistrement au reporting

Guides d’extraction

Export du rapport sur les écritures comptables et les services BlackLine

Étapes

Configuration

Exemple de requête python

Extraction par script Python via l’API REST BlackLine

Étapes

Configuration

Exemple de requête python

Prêt à commencer ?

Améliorez dès aujourd’hui l’efficacité du traitement des écritures comptables

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

Votre modèle de données pour les écritures comptables, de l’enregistrement au reporting

Attributs des écritures comptables, de l’enregistrement au reporting

Activités liées aux écritures comptables, de l’enregistrement au reporting

Guides d’extraction

Export du rapport sur les écritures comptables et les services BlackLine

Étapes

Configuration

Exemple de requête python

Extraction par script Python via l’API REST BlackLine

Étapes

Configuration

Exemple de requête python

Prêt à commencer ?

Améliorez dès aujourd’hui l’efficacité du traitement des écritures comptables

Prêt à commencer ?