> Folyamatos folyamatfejlesztés > Új munkatársak beléptetése > BambooHR > Adatsablon

Munkavállalói beléptetési adatsablon

BambooHR

← Vissza a folyamatfejlesztési útmutatóhoz

A munkavállalói beléptetés attribútumai(19) A munkavállalói beléptetés tevékenységei(15) Adatkinyerési útmutatók(2)

Munkavállalói beléptetési adatsablon

Ez a sablon útmutatást ad a munkavállalói beléptetési folyamat részletes elemzéséhez szükséges adatok összegyűjtéséhez. Bemutatja a gyűjtendő adatattribútumokat és a nyomon követendő tevékenységeket, valamint lépésről lépésre ismerteti, hogyan nyerheti ki ezeket az adatokat a BambooHR-ből. A sablon segítségével megfelelő eseménynaplót készíthet, és pontos képet kaphat a beléptetési folyamatról.

Javasolt attribútumok
A folyamattérképezéshez nyomon követendő tevékenységek
Útmutató az adatok kinyeréséhez a BambooHR-ből

Most ismerkedik az eseménynaplókkal? Tudja meg, hogyan készíthet process mining eseménynaplót.

Sablon letöltése

A munkavállalói beléptetés attribútumai

Ezeket az alapvető adatmezőket érdemes felvenni az eseménynaplóba, hogy elemezhesse a munkavállalói beléptetési folyamatot.

5 Kötelező 6 Javasolt 8 Nem kötelező

	Név	Leírás
	Esemény időbélyege EventTimestamp	A beillesztési tevékenység befejezésének vagy megtörténtének pontos dátuma és időpontja.
Leírás Az esemény időbélyege azt a pontos időpontot jelöli, amikor egy adott tevékenység megtörtént. Ez az időadat szükséges az események időrendi sorrendbe állításához és a folyamatlépések közötti időtartam kiszámításához. Ez az attribútum a process mining minden időalapú elemzésének alapja. Segítségével kiszámítható az átfutási idő, a várakozási idő és a teljes folyamat időtartama. Az időbélyegek elemzésével a szervezetek feltárhatják, mely szakaszok tartanak a legtovább, mérhetik a szolgáltatási szintre vonatkozó megállapodások teljesülését, és azonosíthatják az új munkatársak élményét rontó késedelmeket. Miért fontos? Az időbélyeg megadja az események időrendi sorrendjét, és nélkülözhetetlen a teljesítmény és az időtartam elemzéséhez, például az átfutási idő kiszámításához és a késedelmek feltárásához. Hol szerezhető be? A BambooHR különböző dátummezőiből nyerhető ki, amelyek a tevékenységek befejezéséhez kapcsolódnak. Ilyen például az „Offer Acceptance Date” és a „Background Check Completion Date”, valamint a státuszváltozásokat rögzítő rendszer naplója. Példák 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Onboarding Case OnboardingCase	Az egyedi azonosító, amely egy új munkatárs összes beillesztési tevékenységét összekapcsolja.
Leírás Az Onboarding Case az új munkatárs teljes beillesztési folyamatának központi azonosítója. Egyetlen, összefüggő folyamattá kapcsolja össze a kapcsolódó eseményeket az ajánlat elfogadásától a 30 napos értékelő beszélgetés lezárásáig. A process mining elemzésben ez az attribútum alapvető a folyamat teljes menetének új munkatársankénti rekonstruálásához. Segítségével megjeleníthetők a folyamattérképek, kiszámíthatók az esetszintű KPI-k, például a teljes átfutási idő, és elemezhetők a folyamat különböző változatai. Egységes esetazonosító nélkül nem lehetne követni, hogyan halad végig egy munkatárs a beillesztés különböző szakaszain. Miért fontos? Ez az elsődleges kulcs kapcsolja össze az összes kapcsolódó eseményt, így minden új munkatárs teljes beillesztési folyamata elemezhető. Hol szerezhető be? Ez egy fogalmi azonosító, amelyet gyakran a munkatársazonosító és a felvételi alkalom vagy dátum összekapcsolásával hoznak létre, mivel a BambooHR-ben nem feltétlenül található külön „Onboarding Case ID” mező. Az adat-előkészítés során kell létrehozni. Példák ONB-00123ONB-00124ONB-00125
	Tevékenység neve ActivityName	A beillesztési folyamatban végrehajtott konkrét feladat vagy mérföldkő neve.
Leírás Ez az attribútum rögzíti az új munkatárs beillesztési folyamatának minden egyes eseményét vagy lépését. Ilyen például az „Ajánlat elfogadva”, a „Háttérellenőrzés befejezve” és az „Első napi tájékoztató befejezve”. Az elemzésben a tevékenység neve alapján épül fel a folyamattérkép, amely megmutatja az események sorrendjét és a munka menetét. Segít feltárni a szűk keresztmetszeteket, elemezni a tevékenységek gyakoriságát, és megérteni az új munkatársak által bejárt különböző útvonalakat, vagyis folyamatváltozatokat. A tevékenységek sorrendjét vizsgálva az elemzők azonosíthatják a standard folyamattól való eltéréseket és a fejlesztési lehetőségeket. Miért fontos? Meghatározza a folyamat lépéseit, a folyamattérkép alapját adja, és lehetővé teszi a munkafolyamat, a szűk keresztmetszetek és az eltérések elemzését. Hol szerezhető be? A BambooHR beillesztési ellenőrzőlistáiban vagy felvételi munkafolyamataiban rögzített státuszváltozásokból, feladatlezárásokból vagy konkrét dátummezőkből származik. Példák Ajánlat elfogadvaBelépési dokumentumcsomag elküldveIT-beállítás igényelve30 napos értékelő beszélgetés befejezve
	Forrásrendszer SourceSystem	Megadja, melyik nyilvántartó rendszerből származik az adat.
Leírás Ez az attribútum az adat forrását, ebben az esetben a BambooHR-t jelöli. Támogatja az adatirányítást, és segít értelmezni az adatokat, különösen akkor, ha több rendszerből származó adatokat kapcsolnak össze. A forrásrendszer egyértelmű megjelölése az adatok eredetének követéséhez és a hibakereséshez is fontos. Nagyobb elemzési környezetben segít a felhasználóknak megérteni az adatok hátterét, és kérdés vagy eltérés esetén visszakeresni azok forrását. Miért fontos? Fontos információt ad az adatok eredetéről, ami az adatirányítás, az ellenőrzés és a több forrásból származó adatok összekapcsolása szempontjából lényeges. Hol szerezhető be? Ez egy statikus „BambooHR” érték, amely az adatátalakítás során kerül az adatokhoz. Példák BambooHR
	Utolsó adatfrissítés LastDataUpdate	Az időbélyeg azt mutatja, mikor frissült utoljára az adat a forrásrendszerből.
Leírás Ez az attribútum rögzíti a legutóbbi adatkinyerés vagy frissítés dátumát és időpontját. Segítségével a felhasználók megítélhetik, mennyire frissek és relevánsak az adatok. Minden elemzésnél fontos tudni, hogy az adatok mennyire aktuálisak, különösen a folyamatok folyamatos követésekor. Az időbélyeg segít eldönteni, hogy az elemzés a működés jelenlegi állapotát vagy egy korábbi időpontot tükröz-e. Ez különösen fontos az aktív beillesztési eseteket követő dashboardoknál. Miért fontos? Tájékoztatja a felhasználókat az adatok aktualitásáról, így láthatják, mennyire friss a folyamatelemzés. Hol szerezhető be? Ez az időbélyeg az adatkinyerés és -betöltés során jön létre, és ekkor kerül az adatkészlethez. Példák 2024-05-21T08:00:00Z
	Befejezés időbélyege EndTimestamp	A tevékenység befejezésének időbélyege, ha a tevékenység időtartama mérhető.
Leírás Míg a StartTime (EventTimestamp) azt jelöli, mikor történik egy tevékenység, az EndTimestamp a befejezését rögzíti. Ez elsősorban a nem azonnal lezajló tevékenységeknél fontos, például a „Háttérellenőrzés” esetében, amelynek van indítási és befejezési állapota. A kezdő és befejező időbélyeg együttes használatával pontosabban számítható ki az egyes tevékenységek feldolgozási ideje. Így elkülöníthető a feladaton végzett aktív munka és a következő lépésre való várakozás. Ez a részletesség elengedhetetlen a szűk keresztmetszetek alapos elemzéséhez. Miért fontos? Lehetővé teszi a tevékenységek feldolgozási idejének pontos kiszámítását, és elkülöníti az aktív munkát a várakozástól. Hol szerezhető be? Az egymást követő tevékenységek időbélyegeiből származik. Például a „Háttérellenőrzés elindítva” EndTimestamp értéke a „Háttérellenőrzés befejezve” tevékenység időbélyege. Példák 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	Felvételi vezető HiringManager	Annak a vezetőnek a neve, akinek az új munkatárs közvetlenül jelent.
Leírás Ez az attribútum azonosítja az új munkatárs közvetlen vezetőjét. A felvételi vezető gyakran fontos szerepet játszik a beillesztésben, például a csapatbemutatkozás megszervezésében és a kezdeti célok meghatározásában. A beillesztési eredmények felvételi vezetőnkénti elemzése megmutathatja, kik segítik a leghatékonyabban az új csapattagok beilleszkedését, és kiknek lehet szükségük további támogatásra vagy képzésre. A sikeres vezetők bevált gyakorlatai megoszthatók a szervezet egészében, így következetesebbé és jobbá válhat az új munkatársak beillesztési élménye. Miért fontos? Lehetővé teszi a teljesítmény vezetőnkénti elemzését, így azonosíthatók azok, akik hatékonyan segítik az új munkatársak beilleszkedését, és azok, akiknek több támogatásra lehet szükségük. Hol szerezhető be? A BambooHR-ben általában a munkavállaló munkaköri adatai vagy a jelentési struktúrára vonatkozó részletek között található. Példák Jane DoeJohn SmithEmily Jones
	Munkakör JobTitle	Az új munkatárs konkrét szerepköre vagy beosztása.
Leírás Ez az attribútum az új munkatárs hivatalos munkakörét tartalmazza, például „szoftvermérnök”, „ügyfélkapcsolati vezető” vagy „termékmenedzser”. A beillesztési folyamat elemzésének egy másik fontos szempontját adja. A különböző munkakörökhöz eltérő beillesztési követelmények tartozhatnak, például speciális képzések vagy eszközök biztosítása. A munkakör szerinti elemzés feltárhatja, hogy bizonyos szerepkörökben hosszabbak-e a késedelmek, vagy más folyamatútvonalat követnek-e. Ez segít a beillesztésnek az adott munkakör igényeihez igazításában és fejlesztésében. Miért fontos? Lehetővé teszi a beillesztési folyamat elemzését a munkakör összetettsége és követelményei szerint, így az élmény az egyes pozíciókhoz igazítható. Hol szerezhető be? A BambooHR munkatársi adatlapján a munkakörhöz kapcsolódó alapértelmezett mező. Példák Vezető szoftvermérnökMarketingkoordinátorRegionális értékesítési igazgató
	Munkatársazonosító EmployeeId	A BambooHR-ben minden munkatárshoz hozzárendelt egyedi azonosító.
Leírás A munkatársazonosító a HR-rendszerben egyedileg azonosítja az adott munkatársat. A munkaviszony teljes időtartama alatt változatlan marad. A folyamat elsődleges azonosítója az Onboarding Case, a munkatársazonosító pedig azért fontos, mert összekapcsolja a beillesztési adatokat a munkatárs törzsrekordjával. Így az adatok kiegészíthetők például a munkakörrel vagy a szervezeti egységgel, és elemezhető, hogyan változik a beillesztési élmény a különböző munkatársi csoportokban. Miért fontos? Egyedileg azonosítja az új munkatársat, így az adatok kiegészíthetők más munkatársi adatokkal, és a beillesztésen túli teljes életút is követhető. Hol szerezhető be? A BambooHR munkatársi rekordjának alapértelmezett mezőjeként érhető el. Példák 601856018660187
	Munkavégzés helye Location	Az új munkatárs elsődleges munkavégzési helye vagy irodája.
Leírás Ez az attribútum azonosítja azt az irodát vagy földrajzi helyet, ahol az új munkatárs dolgozik majd. Ez lehet egy város, egy irodaépület vagy a „távoli munkavégzés” megjelölés. A helyszín szerinti elemzés segít feltárni a beillesztési folyamat regionális eltéréseit. Például az eszközök kézbesítési ideje jelentősen különbözhet a helyszínek között, vagy az egyes irodáknak saját tájékoztatási eljárásuk lehet. Az elemzés segít egységesíteni a folyamatot, ahol ez lehetséges, miközben teret hagy a szükséges helyi eltéréseknek. Miért fontos? Segít feltárni a folyamat teljesítményének regionális eltéréseit, például az eszközök kézbesítésének késedelmét vagy a helyi tájékoztatási eljárások különbségeit. Hol szerezhető be? A BambooHR munkatársi profiljának alapértelmezett mezője, általában a munkaviszonyra vagy a munkavégzés helyére vonatkozó adatok között. Példák New York-i irodaLondon, Egyesült KirályságTávoli munkavégzés (USA)San Franciscó-i központ
	Szervezeti egység Department	Az a szervezeti egység, amelyhez az új munkatárs csatlakozik.
Leírás Ez az attribútum a szervezeti egységet jelöli, például a mérnöki, értékesítési vagy marketingterületet, ahová az új munkatárs kerül. Fontos szempont a folyamat teljesítményének csoportosításához és összehasonlításához. A beillesztési folyamat szervezeti egységenkénti elemzése segít megérteni a szervezeten belüli teljesítménykülönbségeket. Választ adhat például arra, hogy mely egységekben tart a legtovább a beillesztés, vagy hogy bizonyos egységekben alacsonyabb-e a kötelező képzések teljesítési aránya. Ezek alapján célzott intézkedések hozhatók, és megoszthatók a bevált gyakorlatok az egységek között. Miért fontos? Lehetővé teszi a beillesztés hatékonyságának, átfutási idejének és megfelelési arányának összehasonlítását a szervezet különböző részei között. Hol szerezhető be? A BambooHR munkatársi adatlapján a munkakörhöz kapcsolódó alapértelmezett mező. Példák Mérnöki területÉrtékesítésMarketingHumánerőforrás
	Beléptetési folyamat átfutási ideje OnboardingCycleTime	Egyetlen eset teljes beléptetési folyamatának időtartama.
Leírás Ez a számított mutató az egyes beléptetési esetek teljes átfutási idejét méri, jellemzően az „Ajánlat elfogadva” eseménytől a „30 napos utánkövetés befejezve” eseményig. A teljes folyamat során eltelt időt mutatja. A folyamat általános hatékonyságának mérésére szolgáló egyik fő KPI. A dashboardokon követhető vele az átlagos beléptetési idő, összehasonlítható a részlegek vagy munkakörök teljesítménye, és mérhető a folyamatfejlesztési kezdeményezések hatása. A rövidebb átfutási idő általában jobb új munkavállalói élménnyel és alacsonyabb adminisztratív költségekkel jár. Miért fontos? Fontos KPI a folyamat általános hatékonyságának mérésére és a fejlődés nyomon követésére. Hol szerezhető be? Az eset első és utolsó tevékenységének időbélyege közötti különbség alapján számítható ki. Példák 35 nap42 nap28 nap
	Csapat Team	Az a konkrét csapat, amelyhez az új munkavállaló a részlegen belül kerül.
Leírás Ez az attribútum a részlegnél részletesebb szervezeti adatot ad meg. A közvetlen csapatot jelöli, például „Frontend fejlesztők” vagy „Nagyvállalati értékesítési csapat”. A részlegszintű elemzés hasznos, a csapatok szerinti vizsgálat azonban konkrétabb összefüggéseket tárhat fel. Megmutathatja a hasonló feladatú csapatok teljesítménykülönbségeit, és segít felmérni, hogy a csapatonként eltérő gyakorlatok, például a helyi bemutatkozás vagy a képzés, hogyan hatnak a teljes beléptetési folyamatra. Ez különösen hasznos nagy részlegeknél, ahol részletesebb bontásra van szükség. Miért fontos? A részlegszintű bontásnál részletesebb képet ad, így elemezhető az egyes csapatok teljesítménye és a folyamataik közötti eltérés. Hol szerezhető be? A BambooHR-ben lehet alapértelmezett vagy egyéni mező, gyakran a munkavállaló szervezeti besorolásának része. Példák PlatformmérnökségKözépvállalati értékesítésTartalommarketing
	Esemény végrehajtója EventPerformer	A felhasználó vagy rendszer, amely végrehajtotta a beléptetési tevékenységet.
Leírás Ez az attribútum azonosítja azt a személyt, csapatot vagy automatizált rendszert, amely egy adott tevékenység elvégzéséért felel. Például a „Dokumentumcsomag elküldve” tevékenységet elvégezheti egy HR-szakértő, míg a „Bemutatkozás a csapatnak” tevékenységet a felvételi vezető. Ez az információ nélkülözhetetlen az erőforrások elemzéséhez és a munkaterhelés eloszlásának megértéséhez. Segít azonosítani, mely csapatok vagy munkakörök vesznek részt a legtöbb időt igénylő vagy szűk keresztmetszetet jelentő tevékenységekben. Azt is lehetővé teszi, hogy elemezze az egyes felhasználói csoportok által végzett feladatokat, ami segíthet az erőforrások elosztásának és az automatizálási stratégiáknak a kialakításában. Miért fontos? Megmutatja, ki végzi az egyes feladatokat. Ez elengedhetetlen a munkaterhelés elemzéséhez, az erőforrások optimalizálásához és a felhasználók viselkedésének megértéséhez. Hol szerezhető be? Ez az információ a BambooHR auditnaplóiban vagy a feladatok elvégzésének részletei között szerepelhet, gyakran azzal a felhasználóval összekapcsolva, aki a módosítást végezte. Példák HR-adminisztrátorDavid Chen (felvételi vezető)RendszerautomatizálásIT-támogatás
	Foglalkoztatási státusz EmploymentStatus	Az új munkavállaló aktuális státusza a foglalkoztatás során.
Leírás Ez az attribútum nyomon követi az új munkavállaló státuszának változását, például az „Ajánlat elfogadva”, az „Belépés előtt” és az „Aktív” állapot között. Így gyorsan áttekintheti, hol tart a munkavállaló a teljes folyamatban. A process mining során esetattribútumként használható az aktív beléptetési esetek szűrésére, illetve annak elemzésére, hogy az esetek mennyi időt töltenek egy adott státuszban. Különösen hasznos olyan dashboardokhoz, amelyek valós időben mutatják a folyamatban lévő beléptetéseket, így a HR és a vezetők nyomon követhetik az előrehaladást. Miért fontos? Magas szintű áttekintést ad a beléptetési esetek státuszáról. Segítségével kiszűrhetők az aktív esetek, és nyomon követhető az előrehaladás. Hol szerezhető be? A BambooHR munkavállalói adatlapjának alapértelmezett mezője. Példák AktívInaktívMegszűntSzabadságon
	Ismételt munka IsRework	Jelzi, ha egy tevékenység egy korábban már végrehajtott lépés ismétlése.
Leírás Ez a számított logikai attribútum igaz értéket kap, ha egy tevékenység, például a „Dokumentumcsomag elküldve”, ugyanabban a beléptetési esetben többször is előfordul. Azt jelzi, hogy egy folyamatlépést meg kellett ismételni, ami általában hibára, hiányzó információra vagy hatékonytalanságra utal. Az ismételt munka felismerése a process mining egyik fontos lehetősége. Ezzel a jelzővel egyszerűen szűrhetők és számszerűsíthetők az ismétlődő esetek. Közvetlenül támogatja az ismételt munkára összpontosító dashboardokat és KPI-kat, így láthatóvá teszi a folyamat akadályait és a felesleges ráfordítást. Az ismételt munka csökkentése rövidebb átfutási időt és gördülékenyebb élményt eredményez az új munkavállalók és a HR-csapat számára is. Miért fontos? Láthatóvá teszi a folyamat hatékonytalanságait, hibáit és a felesleges ráfordítást az ismételt tevékenységek megjelölésével. Hol szerezhető be? Ez számított mező. A logikát a process mining eszköz valósítja meg, és az eseteken belül ismétlődő tevékenységsorozatokat észlel. Példák truefalse
	Munkakezdés dátuma StartDate	Az új munkavállaló hivatalos első munkanapja.
Leírás A munkakezdés dátuma fontos mérföldkő a beléptetési folyamatban. Elválasztja a munkába állás előtti tevékenységeket, például a háttérellenőrzést és a papírmunkát, az ezt követő feladatoktól, például a tájékoztatástól és a képzéstől. Számos elemzésben ez a dátum szolgál viszonyítási pontként. Például ebből számítható ki az „Első munkanapra való felkészülés ideje” KPI, amely azt méri, hogy az összes szükséges, munkába állás előtti feladat elkészült-e az első munkanapig. A dátum emellett segít elemezni, hogy időben lezárultak-e az előkészítő tevékenységek, és ezek hogyan hatottak az első napi produktivitásra. Miért fontos? Fontos mérföldkő, amely elválasztja a munkába állás előtti és utáni tevékenységeket, és segít felmérni, hogy az új munkavállalók készen állnak-e az első munkanapjukra. Hol szerezhető be? A BambooHR munkavállalói adatlapjának alapértelmezett „Felvétel dátuma” mezőjének felel meg. Példák 2023-11-012023-11-152023-12-01
	Ország Country	Az ország, ahol az új munkavállalót foglalkoztatják.
Leírás Ez az attribútum a foglalkoztatás országát adja meg. Nemzetközi szervezeteknél fontos elemzési szempont. A beléptetési folyamatok és az előírások országonként jelentősen eltérhetnek. Az ország szerinti elemzés segít megérteni ezeket a különbségeket, betartani a helyi jogszabályokat, és ahol indokolt, egységesíteni a gyakorlatokat a régiók között. Az országonként eltérő ünnepnapok és adminisztratív eljárások a folyamat átfutási idejének különbségeit is magyarázhatják. Miért fontos? Nemzetközi szervezetek számára elengedhetetlen a folyamatok országonkénti eltéréseinek elemzéséhez, a helyi előírások betartásához és a régióspecifikus beléptetési követelmények kezeléséhez. Hol szerezhető be? A BambooHR munkavállalói adatlapján, a tartózkodási hely vagy a cím adatai között található alapértelmezett mező. Példák Egyesült ÁllamokEgyesült KirályságNémetországKanada
	Új munkavállaló neve NewHireName	A beléptetett munkavállaló teljes neve.
Leírás Ez az attribútum az új munkavállaló nevét tartalmazza. Elsősorban operatív célokra használható, például olyan jelentésekben vagy dashboardokon, ahol azonosítani kell az egyes személyeket. A process mining elemzésekben az adatvédelmi előírások betartása érdekében a neveket gyakran anonimizálják, vagy munkavállalói azonosítóra cserélik. A HR és a vezetők által használt, folyamatban lévő eseteket követő operatív dashboardokon azonban a név azonnal érthető kontextust ad. Miért fontos? Könnyen áttekinthető, emberi kontextust ad az egyes esetekhez, különösen a HR és a vezetők operatív dashboardjain. Hol szerezhető be? A BambooHR munkavállalói adatlapján, a személyes adatok között található alapértelmezett mező. Példák Alice JohnsonRobert WilliamsMaria Garcia

Kötelező Javasolt Nem kötelező

A munkavállalói beléptetés tevékenységei

Ezeket a fontos folyamatlépéseket és mérföldköveket rögzítse az eseménynaplóban a pontos folyamattérképezéshez és a teljesítmény nyomon követéséhez.

7 Javasolt 8 Nem kötelező

	Tevékenység	Leírás
	30 napos értékelő beszélgetés befejezve	Azt jelzi, hogy lezárult az új munkatárs és a vezetője közötti első hivatalos értékelő beszélgetés, amelyre általában a munkába állást követő 30. nap körül kerül sor. A BambooHR akkor rögzíti, amikor a „30-Day Check-in” feladatot vagy a teljesítményértékelő űrlapot teljesítettként jelölik meg.
Miért fontos? Ez a mérföldkő fontos a korai visszajelzéshez, az esetleges problémák kezeléséhez és a munkatársak megtartásának javításához. A teljesítés követése segít biztosítani, hogy a kritikus időszakban minden új munkatárssal rendszeresen foglalkozzanak. Hol szerezhető be? A BambooHR-ben szereplő „30-Day Check-in” feladat vagy teljesítményértékelő űrlap befejezési időbélyegéből rögzíthető. Rögzítés Az esemény akkor kerül a naplóba, amikor a vezető a beszélgetéshez tartozó feladatot vagy űrlapot „Completed” értékre állítja. Eseménytípus explicit
	Ajánlat elfogadva	Ez az esemény jelöli a beillesztési folyamat hivatalos kezdetét, amikor a jelölt elfogadja az állásajánlatot. A BambooHR rendszerében ezt általában az Applicant Tracking System (ATS) rögzíti, amikor a jelölt státusza „Hired” értékre változik. Ekkor létrejön a munkatársi profil és a beillesztési ellenőrzőlista.
Miért fontos? Ez minden beillesztési eset kiindulópontja. Az esemény és a későbbi lépések közötti idő elemzésével mérhető a munkába állás előtti folyamat teljes hatékonysága és sebessége. Hol szerezhető be? A BambooHR ATS-moduljában a jelölt státuszának „Hired” értékre módosításából, vagy a munkatárs felvételi dátumának rögzítéséből következtethető ki. Rögzítés Azonosítsa azt az időbélyeget, amikor a jelentkező „status” mezője „Hired” értékre változik. Eseménytípus inferred
	Beillesztési feladatok elvégezve	Ez az esemény azt jelzi, hogy az új munkatárs beillesztési ellenőrzőlistáján szereplő összes hozzárendelt feladat elkészült. Az esemény abból következtethető ki, hogy a feladatlista teljesítési aránya eléri a 100%-ot, vagy hogy az utolsó „Complete Onboarding” feladatot is elvégzik.
Miért fontos? Ez jelöli a beillesztési folyamat strukturált, feladatokra épülő szakaszának egyértelmű végét. Megerősíti, hogy minden adminisztratív és előkészítő lépés sikeresen lezárult. Hol szerezhető be? A munkavállaló Onboarding Task List feladatlistájában utolsóként befejezett feladat időbélyegéből, vagy abból következtethető ki, hogy a teljes beléptetési folyamat állapota „Befejezve”. Rögzítés Azonosítsa az egyetlen beillesztési esethez tartozó összes feladat közül a legkésőbbi befejezési időbélyeget. Eseménytípus inferred
	Belépési dokumentumcsomag kitöltve	Ez az esemény akkor következik be, amikor az új munkatárs aláírta a belépési dokumentumcsomag összes szükséges dokumentumát. A BambooHR automatikusan rögzíti, amikor a munkatárs elvégzi az elküldött csomag összes elektronikus aláírását.
Miért fontos? A dokumentumok kitöltése az új munkatárs első munkanapjának fontos előfeltétele. Ennek a mérföldkőnek az elemzése segít biztosítani a megfelelést és a felkészültséget, valamint megelőzni az ismételt munkát és a kezdőnap csúszását. Hol szerezhető be? A BambooHR-ben az elküldött belépési dokumentumcsomag „Completed” státuszra váltásának időbélyegéből rögzíthető. Rögzítés A rendszer külön eseményt naplóz, amikor a belépési dokumentumcsomag utolsó szükséges elektronikus aláírása is elkészül. Eseménytípus explicit
	Első napi tájékoztató befejezve	Azt jelzi, hogy lezárult az új munkatárs első tájékoztatója, amely a vállalati kultúrát, a szabályzatokat és a bemutatkozásokat ismerteti. A BambooHR beillesztési ellenőrzőlistáján a HR vagy a felvételi vezető akkor rögzíti ezt, amikor az „First Day Orientation” feladatot teljesítettként jelöli meg.
Miért fontos? Ez fontos mérföldkő a munkatársi elköteleződés és a beilleszkedés szempontjából. A következetes és időben történő lebonyolítás segít abban, hogy az új munkatársak sikeresen kezdjenek, és jó élményekkel gazdagodjanak. Hol szerezhető be? Az Onboarding Task List feladatlistájában szereplő „Első napi tájékoztató” feladat befejezési időbélyege alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor a tájékoztató feladat státusza „Completed” értékre változik. Eseménytípus explicit
	Háttérellenőrzés befejezve	Ez az esemény azt jelzi, hogy az új munkatárs háttérellenőrzése sikeresen lezárult, és az eredmények elérhetők. A BambooHR rendszerében akkor rögzül, amikor a beillesztési ellenőrzőlistán a „Background Check” feladat státusza „Completed” értékre változik.
Miért fontos? Ez fontos megfelelési mérföldkő. Az elindítás és a befejezés közötti késedelem jelentős szűk keresztmetszetet okozhat. A folyamat követése segít biztosítani, hogy a munkába állás előtti követelmények a kezdőnap előtt teljesüljenek. Hol szerezhető be? Az új munkavállaló Onboarding Task List feladatlistájában szereplő „Háttérellenőrzés” feladat befejezési időbélyege alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor a háttérellenőrzési feladat státusza „Completed” értékre változik. Eseménytípus explicit
	Kötelező képzés elvégezve	Azt jelzi, hogy az új munkatárs sikeresen elvégezte a kötelező képzést. A BambooHR képzéskövető modulja akkor rögzíti az eseményt, amikor a hozzárendelt képzés státusza „Completed” értékre változik.
Miért fontos? Ez fontos megfelelési mérföldkő. A teljesítés követése segít biztosítani, hogy a vállalat eleget tegyen a jogszabályi és belső előírásoknak, a munkatársak pedig megszerezzék a munkakörükhöz szükséges ismereteket. Hol szerezhető be? A BambooHR Training moduljában a képzési rekord státuszának „Completed” értékre módosításakor rögzített időbélyegből állapítható meg. Rögzítés A rendszer külön eseményt naplóz, amikor a képzési rekord státuszmezője „Completed” értékre változik. Eseménytípus explicit
	Belépési dokumentumcsomag elküldve	Azt jelzi, hogy az új munkatársnak elküldték aláírásra és ellenőrzésre a belépési dokumentumcsomagot, például az I-9 és W-4 nyomtatványokat, valamint a vállalati szabályzatokat. A BambooHR akkor naplózza az eseményt, amikor egy HR-adminisztrátor a rendszer dokumentumkezelési funkcióival elküldi a csomagot.
Miért fontos? Ezzel indul egy fontos adminisztratív munkafolyamat. Az elküldés és a dokumentumok kitöltése közötti idő mérése segít felmérni a dokumentációs folyamat hatékonyságát. Hol szerezhető be? A BambooHR-ben az új munkatársnak elektronikus aláírásra elküldött belépési dokumentumcsomag időbélyegéből rögzíthető. Rögzítés A rendszer külön eseményt naplóz a „Send Packet” művelet végrehajtásakor. Eseménytípus explicit
	Csapatbemutatkozás befejezve	Azt jelzi, hogy az új munkatársat hivatalosan bemutatták közvetlen csapattagjainak. Ez általában a vezető által szervezett, kevésbé formális teendő, amelyet a BambooHR beillesztési ellenőrzőlistáján szereplő megfelelő feladat lezárása rögzít.
Miért fontos? A társas beilleszkedés fontos része a sikeres munkakezdésnek. Ennek a teendőnek a követése segít biztosítani, hogy a vezetők elvégezzék az új munkatársak fogadásához és a csapat összetartásának erősítéséhez szükséges lépéseket. Hol szerezhető be? Az Onboarding Task List feladatlistájában szereplő „Bemutatás a csapatnak” feladat befejezési időbélyege alapján rögzítve. A feladatot általában a felvételt kezdeményező vezető kapja. Rögzítés Az esemény akkor kerül a naplóba, amikor a vezető a „Team Introduction” feladatot „Completed” értékre állítja. Eseménytípus explicit
	Eszköz kézbesítve	Ez az esemény azt jelzi, hogy a megrendelt eszközöket fizikailag kézbesítették, és készen állnak az új munkatárs használatára. Ezt gyakran külön „Equipment Delivered” vagy „Workspace Setup” feladatként követik, amelyet a BambooHR beillesztési ellenőrzőlistáján teljesítettként jelölnek meg.
Miért fontos? A megrendelés és a kézbesítés közötti idő követése feltárja az ellátási lánc vagy a logisztika esetleges szűk keresztmetszeteit. Így biztosítható, hogy minden szükséges eszköz a munkatárs kezdőnapja előtt rendelkezésre álljon. Hol szerezhető be? Az Onboarding Task List feladatlistájában szereplő „Eszközök átadása” vagy „Munkaállomás előkészítése” feladat befejezési időbélyege alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor a kézbesítési vagy munkahely-beállítási feladat státusza „Completed” értékre változik. Eseménytípus explicit
	Eszköz megrendelve	Azt jelzi, hogy megrendelték az új munkatárs számára szükséges eszközöket, például laptopot vagy telefont. Ezt általában akkor rögzíti a rendszer, amikor a BambooHR beillesztési ellenőrzőlistáján az „Order Equipment” feladat teljesítettként van megjelölve.
Miért fontos? Ez fontos mérföldkő annak biztosításában, hogy az új munkatárs megkapja a szükséges fizikai eszközöket. Az esetleges késedelem közvetlenül befolyásolja az első munkanapi felkészültséget és a termelékenységet. Hol szerezhető be? A BambooHR Onboarding Task List feladatlistájában szereplő „Eszközök megrendelése” feladat befejezési időbélyege alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor az „Order Equipment” feladat státusza „Completed” értékre változik. Eseménytípus explicit
	Háttérellenőrzés elindítva	Azt jelzi, hogy az új munkatárs háttérellenőrzését egy integrált szolgáltatáson keresztül kérték. Ezt általában akkor rögzíti a BambooHR, amikor az új munkatárs beillesztési feladatlistáján létrejön egy „Background Check” feladat, vagy annak státusza „In Progress” értékre változik.
Miért fontos? A háttérellenőrzés elindításának követése segít feltárni a munkába állás előtti ellenőrzés késedelmeit. Ez gyakran a megfelelés és az időben történő felvétel szempontjából is fontos lépés. Hol szerezhető be? A BambooHR Onboarding Task List feladatlistájában szereplő „Háttérellenőrzés” feladat létrehozási vagy kezdési dátuma alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor létrejön a háttérellenőrzési feladat, vagy annak státusza „In Progress” értékre változik. Eseménytípus explicit
	IT-beállítás igényelve	Ez az esemény jelöli az IT-osztálynak küldött hivatalos kérést az új munkatárs szükséges fiókjainak és hozzáféréseinek létrehozására. A BambooHR rendszerében ezt általában az előre meghatározott „IT Provisioning” feladat létrehozása és hozzárendelése rögzíti a beillesztési ellenőrzőlistán.
Miért fontos? Az időben elvégzett IT-beállítás elengedhetetlen a hatékony első munkanaphoz. Az esemény követése segít mérni az IT reakcióidejét és feltárni az új munkatársak rendszerhozzáférésének késedelmét. Hol szerezhető be? Az új munkavállaló Onboarding Task List feladatlistájában szereplő „IT-fiók létrehozása” vagy hasonló feladat létrehozásának dátuma és időpontja alapján rögzítve. Rögzítés Az esemény akkor kerül a naplóba, amikor létrejön az IT-beállítási feladat a beillesztési ellenőrzőlistán. Eseménytípus explicit
	Kötelező képzés hozzárendelve	Ez az esemény akkor következik be, amikor az új munkatárshoz megfelelési vagy munkakörhöz kötött képzést rendelnek. A BambooHR képzéskövető modulja ezt kifejezetten naplózza, amikor új képzés kerül a munkatárs rekordjához.
Miért fontos? Ez a képzési megfelelés mérésének kiindulópontja. A hozzárendelés és a teljesítés közötti idő elemzése segít biztosítani, hogy a munkatársak időben eleget tegyenek a jogszabályi és vállalati követelményeknek. Hol szerezhető be? A BambooHR Training moduljában egy adott munkatárshoz rendelt képzési rekord létrehozási dátumából rögzíthető. Rögzítés A rendszer külön eseményt naplóz, amikor új bejegyzés jön létre a munkatársi képzéseket nyilvántartó táblában. Eseménytípus explicit
	Munkatársi profil létrehozva	Azt jelzi, hogy az új munkatárs rekordja létrejött a HRIS-ben, így a jelöltből munkatárs lett. Ez a BambooHR központi adatbázisában szereplő munkatársi rekord létrehozási dátumából következtethető ki. Ez általában az ajánlat elfogadása után történik.
Miért fontos? Ez az esemény teremti meg az alapot a további beillesztési lépésekhez, például az IT-hozzáférések beállításához és a bérszámfejtés előkészítéséhez. Egyértelműen jelzi, mikor került be hivatalosan a munkatárs a rendszerbe. Hol szerezhető be? Az új munkatárs rekordjának rendszerbeli létrehozási időbélyegéből, a központi munkatársi adattáblák alapján következtethető ki. Rögzítés Használja a munkatárs elsődleges rekordjának „created_at” mezőjét vagy az ennek megfelelő metaadat-időbélyeget. Eseménytípus inferred

Javasolt Nem kötelező

Adatkinyerési útmutatók

Adatok kinyerése a BambooHR-ből

Lépések

Jelentkezzen be a BambooHR-be: Nyissa meg a BambooHR-fiókját egy olyan felhasználói fiókkal, amely jogosult egyéni jelentések létrehozására és futtatására.
Nyissa meg az egyéni jelentéseket: A fő navigációs menüben válassza a Reports menüpontot. A „Manage Reports” részen kattintson az „Add Report” lehetőségre.
Állítsa be a jelentést: Adjon a jelentésnek egy beszédes nevet, például „Beléptetési folyamat process mining export”. Szükség esetén rövid leírást is megadhat.
Válassza ki a jelentés mezőit: A „Fields” lapon jelölje ki az eseménynaplóhoz szükséges összes oszlopot. Válassza ki a munkavállalói azonosítókat, a fontos attribútumokat és a beléptetési tevékenységekhez tartozó összes releváns dátummezőt. A következő mezőkre lesz szüksége:
- Munkavállalói azonosító
- Keresztnév, vezetéknév
- Részleg, munkakör, munkavégzés helye
- Felvételi vezető
- Felvétel dátuma (a „Munkavállalói adatlap létrehozva” eseményhez)
- A mérföldkövekhez használt egyéni dátummezők, például az „Ajánlat elfogadásának dátuma”.
- Az összes releváns beléptetési és kiléptetési feladat befejezési dátuma. Minden egyes feladatot külön ki kell választania, például: „Háttérellenőrzés befejezésének dátuma”, „Dokumentumcsomag elküldésének dátuma”, „Dokumentumcsomag kitöltésének dátuma”, „IT-hozzáférések igénylésének dátuma” stb.
- A képzési modul dátumai, például a „Kötelező képzés kijelölésének dátuma” és a „Kötelező képzés elvégzésének dátuma”.
Állítsa be a jelentés szűrőit: A „Filters” lapon adja meg, mely adatok kerüljenek a jelentésbe. Javasoljuk, hogy a „Hire Date” mezőre szűrjön, például az elmúlt 6 hónapban felvett munkavállalókra. Így elkerülheti, hogy a jelentés túl nagy legyen, és időtúllépés miatt ne fusson le.
Mentse és futtassa a jelentést: A mezők és a szűrők beállítása után kattintson a „Save & Run” gombra. Ellenőrizze az eredményt a BambooHR felületén, és győződjön meg arról, hogy a várt munkavállalók és adatmezők szerepelnek benne.
Exportálja az adatokat: Kattintson az exportálás gombra, amelyet általában felhő- vagy nyíl ikon jelöl, majd válassza a „Comma Separated Values (.csv)” formátumot. Mentse a fájlt a számítógépére egy egyértelmű néven, például bamboohr_onboarding_export.csv.
Készítse elő az átalakító szkriptet: Másolja ki a dokumentum „query” részében található teljes Python-szkriptet, és mentse transform_bamboohr.py néven abba a mappába, ahová az exportált CSV-fájlt mentette.
Telepítse a szükséges könyvtárat: Ha még nincs telepítve a pandas, nyisson meg egy terminált vagy parancssort, és futtassa ezt a parancsot: pip install pandas.
Futtassa az átalakítást: Nyisson meg egy terminált vagy parancssort, lépjen a fájlokat tartalmazó mappába, majd futtassa a szkriptet ezzel a paranccsal: python transform_bamboohr.py. A szkript feldolgozza a széles formátumú CSV-exportot, és létrehozza az eseménynapló process mininghez megfelelő, hosszú formátumú változatát event_log.csv néven.
Töltse fel a ProcessMindba: Az event_log.csv fájl készen áll a ProcessMind alkalmazásba való feltöltésre.

Konfiguráció

Előfeltételek: Szüksége van a BambooHR Advantage csomagra, amely tartalmazza a speciális jelentéskészítési és beléptetési funkciókat. A felhasználói szerepkörének engedélyeznie kell az alkalmazotti adatokat tartalmazó egyéni jelentések létrehozását, megtekintését és exportálását.
Jelentésmezők: A módszer alapja a megfelelő mezők kiválasztása. A jelentést széles formátumban kell összeállítani: minden alkalmazott egy sorban szerepel, és minden beléptetési tevékenységhez külön dátumoszlop tartozik. Esetazonosítóként vegye fel az Employee # mezőt, valamint az összes szükséges attribútumoszlopot, például a Szervezeti egység, a Job Title és a Hiring Manager mezőt.
Egyéni mezők és feladatok: Az adatkinyerés nagyban függ attól, hogyan használja a szervezet a BambooHR-t. Az olyan tevékenységeket, mint az „Ajánlat elfogadva” vagy az „Eszköz megrendelve”, külön dátummezőkben vagy a beléptetési ellenőrzőlista feladataiként kell rögzíteni. A feladatok teljesítési dátumát válassza ki, ne csak a feladat nevét.
Dátumtartomány-szűrők: A megfelelő teljesítmény és releváns adatok érdekében mindig szűrjön a „Felvétel dátuma” mezőre. A folyamat elemzéséhez általában elegendő az elmúlt 6–12 hónap adata, így az exportfájl mérete sem lesz túl nagy.
Jelentések ütemezése: A folyamatos nyomon követéshez beállíthatja, hogy a BambooHR rendszeresen, például hetente futtassa és e-mailben elküldje az egyéni jelentést. Ezzel az adatkinyerés első része automatizálható.

Példa-lekérdezés python

import pandas as pd
import numpy as np
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># The input file exported from BambooHR.
BAMBOOHR_EXPORT_FILE = class="hl-string">'bamboohr_onboarding_export.csv'

class=class="hl-string">"hl-comment"># The final output file ready for ProcessMind.
EVENT_LOG_FILE = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># This dictionary maps the column names from your BambooHR export to the desired Activity Name.
class=class="hl-string">"hl-comment"># You MUST update the keys (the column names) to exactly match the headers in your exported CSV file.
class=class="hl-string">"hl-comment"># For example, if your class="hl-string">'Background Check Completed' task completion date column is named class="hl-string">'Onboarding: Background Check - Completed On', update it below.
ACTIVITY_MAPPING = {
    class="hl-string">'[Offer Accepted Date Custom Field]': class="hl-string">'Offer Accepted',
    class="hl-string">'[Background Check Initiated Task Completion Date]': class="hl-string">'Background Check Initiated',
    class="hl-string">'[Background Check Completed Task Completion Date]': class="hl-string">'Background Check Completed',
    class="hl-string">'[Paperwork Packet Sent Task Completion Date]': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'[Paperwork Packet Completed Task Completion Date]': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'Hire Date': class="hl-string">'Employee Profile Created',
    class="hl-string">'[IT Provisioning Requested Task Completion Date]': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'[Equipment Ordered Task Completion Date]': class="hl-string">'Equipment Ordered',
    class="hl-string">'[Equipment Delivered Task Completion Date]': class="hl-string">'Equipment Delivered',
    class="hl-string">'[First Day Orientation Completed Task Completion Date]': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'[Mandatory Training Assigned Date]': class="hl-string">'Mandatory Training Assigned',
    class="hl-string">'[Team Introduction Completed Task Completion Date]': class="hl-string">'Team Introduction Completed',
    class="hl-string">'[Mandatory Training Completed Date]': class="hl-string">'Mandatory Training Completed',
    class="hl-string">'[30-Day Check-in Completed Task Completion Date]': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'[Onboarding Tasks Completed Date]': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script ---
def transform_bamboohr_export():
    class="hl-string">"""Loads the wide BambooHR report, transforms it into a long event log format, and saves it to a new CSV."""
    print(fclass="hl-string">"Reading BambooHR export from '{BAMBOOHR_EXPORT_FILE}'...")
    try:
        df = pd.read_csv(BAMBOOHR_EXPORT_FILE)
    except FileNotFoundError:
        print(fclass="hl-string">"Error: The file '{BAMBOOHR_EXPORT_FILE}' was not found. Please ensure it is in the same directory as the script.")
        return

    print(class="hl-string">"Identifying attribute and activity columns...")
    class=class="hl-string">"hl-comment"># Use Employee # as the unique case identifier.
    id_vars = [class="hl-string">'Employee class="hl-comment">#']
    
    class=class="hl-string">"hl-comment"># Define recommended attributes to keep for each event.
    class=class="hl-string">"hl-comment"># Update these column names if they are different in your export.
    attribute_vars = [
        class="hl-string">'Department', 
        class="hl-string">'Job Title', 
        class="hl-string">'Location', 
        class="hl-string">'Hiring Manager'
    ]

    class=class="hl-string">"hl-comment"># All columns that exist in the dataframe and are in our mapping are treated as value_vars for melting.
    value_vars = [col for col in ACTIVITY_MAPPING.keys() if col in df.columns]
    
    if not value_vars:
        print(class="hl-string">"Error: None of the specified activity columns in ACTIVITY_MAPPING were found in the CSV.")
        print(class="hl-string">"Please check your column names.")
        return

    class=class="hl-string">"hl-comment"># Ensure all identifier and attribute columns are present.
    all_id_vars = id_vars + attribute_vars
    missing_cols = [col for col in all_id_vars if col not in df.columns]
    if missing_cols:
        print(fclass="hl-string">"Warning: The following columns were not found and will be skipped: {', '.join(missing_cols)}")
        all_id_vars = [col for col in all_id_vars if col in df.columns]

    print(class="hl-string">"Unpivoting data to create event log...")
    class=class="hl-string">"hl-comment"># Unpivot the dataframe from wide to long format.
    event_log_df = df.melt(
        id_vars=all_id_vars,
        value_vars=value_vars,
        var_name=class="hl-string">'ActivityName',
        value_name=class="hl-string">'EventTimestamp'
    )

    class=class="hl-string">"hl-comment"># Drop rows where the event did not occur (timestamp is null).
    event_log_df.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    
    print(class="hl-string">"Formatting columns for ProcessMind...")
    class=class="hl-string">"hl-comment"># Replace the source column names with the clean activity names.
    event_log_df[class="hl-string">'ActivityName'] = event_log_df[class="hl-string">'ActivityName'].map(ACTIVITY_MAPPING)

    class=class="hl-string">"hl-comment"># Rename columns to match the required schema.
    event_log_df.rename(columns={class="hl-string">'Employee class="hl-comment">#': class="hl-string">'OnboardingCase'}, inplace=True)
    event_log_df[class="hl-string">'EmployeeId'] = event_log_df[class="hl-string">'OnboardingCase']

    class=class="hl-string">"hl-comment"># Add static columns required by the schema.
    event_log_df[class="hl-string">'SourceSystem'] = class="hl-string">'BambooHR'
    event_log_df[class="hl-string">'LastDataUpdate'] = datetime.now().strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = event_log_df[class="hl-string">'EventTimestamp'] class=class="hl-string">"hl-comment"># Assuming point-in-time events
    
    class=class="hl-string">"hl-comment"># Ensure timestamp format is consistent.
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EndTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')

    class=class="hl-string">"hl-comment"># Reorder columns for clarity.
    final_columns = [
        class="hl-string">'OnboardingCase', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'EmployeeId', class="hl-string">'Department', class="hl-string">'Job Title', class="hl-string">'Location', class="hl-string">'HiringManager', class="hl-string">'EndTimestamp'
    ]
    class=class="hl-string">"hl-comment"># Filter to only include columns that exist.
    final_columns = [col for col in final_columns if col in event_log_df.columns]
    event_log_df = event_log_df[final_columns]

    class=class="hl-string">"hl-comment"># Sort the data.
    event_log_df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'], inplace=True)

    print(fclass="hl-string">"Saving event log to '{EVENT_LOG_FILE}'...")
    event_log_df.to_csv(EVENT_LOG_FILE, index=False)
    print(class="hl-string">"Transformation complete.")

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

Lépések

Előfeltételek és beállítás: Ellenőrizze, hogy a Python 3.6-os vagy újabb verziója telepítve van-e a rendszerén. Telepítse a szükséges pandas és requests könyvtárakat a következő parancs futtatásával egy terminálban: pip install pandas requests.
BambooHR API-kulcs létrehozása: Jelentkezzen be a BambooHR-fiókjába rendszergazdai jogosultsággal. Kattintson a jobb felső sarokban a profilikonra, válassza az „API Keys” lehetőséget, majd hozzon létre egy új API-kulcsot. Adjon neki beszédes nevet, például „ProcessMiningExtraction”, és állítsa be, hogy csak olvasási hozzáférése legyen a munkavállalói adatokhoz, a beléptetési feladatokhoz és a képzési nyilvántartásokhoz. Másolja ki biztonságosan a létrehozott kulcsot.
A Python-szkript beállítása: Mentse a megadott Python-szkriptet egy fájlba, például extract_onboarding.py néven. Nyissa meg a fájlt, és a COMPANY_SUBDOMAIN helyére írja be a vállalat egyedi aldomainjét, vagyis a BambooHR URL-ben a „.bamboohr.com” előtti részt. Az API_KEY értékét cserélje le az előző lépésben létrehozott kulcsra.
Az adatkinyerés dátumtartományának megadása: Módosítsa a szkriptben a START_DATE és END_DATE változókat. Ezek határozzák meg, mely időszakban felvett munkavállalók kerüljenek az adatkinyerésbe. A dátum formátuma legyen „YYYY-MM-DD”.
A szkript futtatása: Futtassa a szkriptet a terminálból ezzel a paranccsal: python extract_onboarding.py. A szkript csatlakozik a BambooHR API-hoz, lekéri a szükséges adatokat, majd megkezdi a feldolgozást.
Az API-hívások működése: A szkript először a munkavállalói címtár jelentésvégpontját hívja meg, hogy lekérje a megadott időszakban felvett munkavállalók listáját. Ez a lista szolgál az OnboardingCase azonosító alapjául.
Adatok lekérése egyenként: A szkript minden azonosított új munkavállalóhoz további API-hívásokat indít, hogy lekérje a részletes adatlapját, a hozzá rendelt beléptetési feladatokat és a képzési nyilvántartásokat. Így minden munkavállaló beléptetési folyamatának releváns adatai bekerülnek az adatgyűjtésbe.
Adatok átalakítása és megfeleltetése: A szkript strukturált eseménynaplóvá alakítja az API-tól kapott nyers JSON-adatokat. Az előre megadott TASK_TO_ACTIVITY_MAP szótár rendeli hozzá a BambooHR beléptetési feladatainak nevét a process mininghez szükséges egységes tevékenységnevekhez. Az olyan események, mint az „Ajánlat elfogadva” és a „Munkavállalói adatlap létrehozva”, a felvétel és az adatlap létrehozásának dátumából származnak.
A konzolkimenet ellenőrzése: Futás közben a szkript állapotjelzéseket ír ki a konzolra, többek között a megtalált új munkavállalók számát és az éppen feldolgozott személy nevét. Figyelje a kimenetet, hogy észrevegye az esetleges hibákat vagy figyelmeztetéseket.
Az eseménynapló-fájl létrehozása: Az összes munkavállaló feldolgozása után a szkript egyetlen adatkeretbe rendezi az adatokat, majd a fájlokat tartalmazó mappába menti bamboohr_onboarding_event_log.csv néven. A fájl a ProcessMind által igényelt oszlopokat tartalmazza.
Feltöltés előtti ellenőrzés: Nyissa meg a létrehozott CSV-fájlt, és ellenőrizze a tartalmát. Feltöltés előtt győződjön meg arról, hogy az OnboardingCase, az ActivityName és az EventTimestamp oszlopok megfelelően vannak kitöltve.

Konfiguráció

API-kulcs jogosultságai: Az adatkinyeréshez használt API-kulcsnak legalább olvasási jogosultsággal kell rendelkeznie a következő adatokhoz: személyes munkavállalói adatok, munkaköri adatok, foglalkoztatási státusz, beléptetési feladatok és képzési nyilvántartások.
Vállalati aldomain: A megfelelő API-végpontok URL-jeinek összeállításához a szkriptnek szüksége van a vállalat egyedi BambooHR-aldomainjére.
Dátumtartomány (START_DATE, END_DATE): Ezek a szkriptváltozók a munkavállalók felvételi dátuma alapján határozzák meg az adatkinyerés időszakát. Javasoljuk, hogy először egy közelmúltbeli, 3–6 hónapos időszakot válasszon az adatminőség ellenőrzéséhez és az adatmennyiség kezeléséhez. A teljes előzmény elemzéséhez bővítheti az időszakot, de vegye figyelembe az API-hívások korlátozásait.
Tevékenységek megfeleltetése (TASK_TO_ACTIVITY_MAP): Ez a szkriptben található szótár alapvető fontosságú. A vállalat BambooHR-rendszerében használt beléptetési feladatneveket rendeli hozzá az egységes tevékenységnevekhez. Ellenőrizze és szabja testre a megfeleltetést a BambooHR-beállításoknak megfelelően.
Forrásrendszer-azonosító: A szkriptben a SOURCE_SYSTEM változó értéke rögzítetten „BambooHR”. Módosíthatja, ha más azonosítót szeretne használni a végleges eseménynaplóban.
Teljesítmény: Ha a kiválasztott időszakban több ezer új munkavállaló szerepel, a szkript futása sokáig tarthat, mert minden munkavállalóhoz több API-hívásra van szükség. A teljesítményre gyakorolt hatás és az API-hívások korlátozásának elkerülése érdekében érdemes a szkriptet csúcsidőn kívül futtatni.

Példa-lekérdezés python

import requests
import pandas as pd
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration Settings --- #
class=class="hl-string">"hl-comment"># Replace with your companyclass="hl-string">'s subdomain (e.g., 'yourcompany' from yourcompany.bamboohr.com)
COMPANY_SUBDOMAIN = class="hl-string">'[Your Company Subdomain]'
class=class="hl-string">"hl-comment"># Replace with your BambooHR API Key
API_KEY = class="hl-string">'[Your BambooHR API Key]'

class=class="hl-string">"hl-comment"># Define the date range for new hires to extract (based on hire date)
START_DATE = class="hl-string">'2023-01-01'
END_DATE = class="hl-string">'2023-12-31'

SOURCE_SYSTEM = class="hl-string">'BambooHR'

class=class="hl-string">"hl-comment"># --- Critical: Customize this mapping to match your BambooHR task names --- #
TASK_TO_ACTIVITY_MAP = {
    class="hl-string">'Background Check': class="hl-string">'Background Check Completed',
    class="hl-string">'Send New Hire Packet': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'Complete New Hire Packet': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'IT Provisioning Request': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'Order Equipment': class="hl-string">'Equipment Ordered',
    class="hl-string">'Equipment Delivered': class="hl-string">'Equipment Delivered',
    class="hl-string">'First Day Orientation': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'Introduce to Team': class="hl-string">'Team Introduction Completed',
    class="hl-string">'30-Day Check-in': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'Complete Onboarding': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script Logic --- #

def get_new_hires(start_date, end_date):
    class="hl-string">"""Fetches employees hired within the specified date range."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/reports/custom'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    
    payload = {
        class="hl-string">'title': class="hl-string">'New Hire Report',
        class="hl-string">'fields': [class="hl-string">'employeeId', class="hl-string">'created', class="hl-string">'hireDate', class="hl-string">'department', class="hl-string">'jobTitle', class="hl-string">'location', class="hl-string">'supervisor'],
        class="hl-string">'filters': {
            class="hl-string">'lastChanged': {
                class="hl-string">'includeNull': class="hl-string">'false'
            },
            class="hl-string">'hireDate': {
                class="hl-string">'operator': class="hl-string">'between',
                class="hl-string">'value': start_date,
                class="hl-string">'value2': end_date
            }
        }
    }
    
    print(fclass="hl-string">"Fetching new hires from {start_date} to {end_date}...")
    response = requests.post(url, auth=auth, headers=headers, json=payload)
    response.raise_for_status()
    data = response.json()
    print(fclass="hl-string">"Found {len(data.get('employees', []))} new hires.")
    return data.get(class="hl-string">'employees', [])

def get_onboarding_tasks(employee_id):
    class="hl-string">"""Fetches onboarding tasks for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/onboarding/tasks'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'tasks', [])
    return []

def get_training_records(employee_id):
    class="hl-string">"""Fetches training records for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/training/'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json()
    return []

def main():
    class="hl-string">"""Main function to orchestrate the extraction and transformation."""
    try:
        new_hires = get_new_hires(START_DATE, END_DATE)
    except requests.exceptions.HTTPError as e:
        print(fclass="hl-string">"Error fetching new hires: {e}")
        print(fclass="hl-string">"Response content: {e.response.text}")
        return

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

    for employee in new_hires:
        emp_id = employee[class="hl-string">'employeeId']
        print(fclass="hl-string">"Processing Employee ID: {emp_id}...")

        base_event = {
            class="hl-string">'OnboardingCase': emp_id,
            class="hl-string">'EmployeeId': emp_id,
            class="hl-string">'Department': employee.get(class="hl-string">'department'),
            class="hl-string">'JobTitle': employee.get(class="hl-string">'jobTitle'),
            class="hl-string">'Location': employee.get(class="hl-string">'location'),
            class="hl-string">'HiringManager': employee.get(class="hl-string">'supervisor'),
            class="hl-string">'SourceSystem': SOURCE_SYSTEM,
            class="hl-string">'LastDataUpdate': last_data_update
        }

        class=class="hl-string">"hl-comment"># 1. Offer Accepted (inferred from hireDate)
        if employee.get(class="hl-string">'hireDate'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Offer Accepted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z",
                class="hl-string">'EndTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z"
            })

        class=class="hl-string">"hl-comment"># 2. Employee Profile Created
        if employee.get(class="hl-string">'created'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Employee Profile Created',
                class="hl-string">'EventTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T'),
                class="hl-string">'EndTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T')
            })
        
        class=class="hl-string">"hl-comment"># 3. Onboarding Task Events
        tasks = get_onboarding_tasks(emp_id)
        task_completion_dates = []
        for task in tasks:
            activity_name = TASK_TO_ACTIVITY_MAP.get(task.get(class="hl-string">'title'))
            if activity_name and task.get(class="hl-string">'completedDate'):
                event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z"
                })
                task_completion_dates.append(task.get(class="hl-string">'completedDate'))

            class=class="hl-string">"hl-comment"># Handle Background Check Initiated (assumed from task creation)
            if task.get(class="hl-string">'title') == class="hl-string">'Background Check' and task.get(class="hl-string">'createdDate'):
                 event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': class="hl-string">'Background Check Initiated',
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z"
                })

        class=class="hl-string">"hl-comment"># 4. Training Events
        trainings = get_training_records(emp_id)
        for training in trainings:
            if training.get(class="hl-string">'type') in [class="hl-string">'Compliance Training', class="hl-string">'Role-Specific Training', class="hl-string">'Mandatory Training']:
                if training.get(class="hl-string">'assignedDate'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Assigned',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z"
                    })
                if training.get(class="hl-string">'completed'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Completed',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z"
                    })

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

    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
    df = df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'])
    
    output_filename = class="hl-string">'bamboohr_onboarding_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"\nExtraction complete. Event log saved to '{output_filename}'.")

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

Kezdheti?

Készítse elő az adatokat elemzésre ezzel a sablonnal, majd kezdje el magabiztosan fejleszteni a munkavállalói beléptetési folyamatot. Már ma azonosíthatja a szűk keresztmetszeteket és javíthatja a hatékonyságot.

Vissza a folyamatfejlesztési útmutatóhoz

Sablon letöltése

Optimalizálja még ma a munkavállalói beléptetést a BambooHR-ben

Érje el a megfelelési követelmények 95%-os teljesítését, és szüntesse meg a beléptetési késéseket.

Próbálja ki ingyen

Nincs szükség bankkártyára. Kezdje el most az optimalizálást.

Munkavállalói beléptetési adatsablon

Munkavállalói beléptetési adatsablon

A munkavállalói beléptetés attribútumai

A munkavállalói beléptetés tevékenységei

Adatkinyerési útmutatók

Egyéni jelentés exportálása a BambooHR beépített funkciójával

Lépések

Konfiguráció

Példa-lekérdezés python

Adatkinyerés Python-szkripttel a BambooHR REST API-n keresztül

Lépések

Konfiguráció

Példa-lekérdezés python

Kezdheti?

Optimalizálja még ma a munkavállalói beléptetést a BambooHR-ben