> Perbaikan proses berkelanjutan > Pencatatan hingga pelaporan, entri jurnal > BlackLine > Templat data

Templat data Record to Report - Jurnal

BlackLine

Atribut Record to Report - Jurnal(19) Aktivitas Record to Report - Jurnal(12) Panduan ekstraksi(2)

Templat data Record to Report - Jurnal

Templat ini memandu Anda mengumpulkan data yang tepat untuk menganalisis proses Record to Report - Jurnal. Templat ini menjelaskan atribut penting yang perlu dikumpulkan, aktivitas utama yang perlu dilacak, serta cara mengambil data tersebut dari BlackLine. Gunakan panduan ini agar data yang diperlukan untuk process mining tercatat dengan lengkap.

Atribut yang disarankan untuk dikumpulkan
Aktivitas utama yang perlu dilacak
Panduan ekstraksi

Baru mengenal log peristiwa? Pelajari cara membuat log peristiwa process mining.

Unduh template

Atribut Record to Report - Jurnal

Berikut kolom data yang disarankan untuk disertakan dalam event log agar proses Record to Report - Jurnal dapat dianalisis secara menyeluruh.

5 Wajib 6 Disarankan 8 Opsional

	Nama	Deskripsi
	Aktivitas ActivityName	Nama peristiwa bisnis tertentu yang terjadi pada suatu waktu dalam proses jurnal.
Deskripsi Atribut ini menjelaskan satu langkah atau tugas dalam siklus jurnal, seperti 'Journal Entry Created', 'Journal Entry Approved', atau 'Journal Entry Posted'. Setiap aktivitas mewakili peristiwa tersendiri dalam proses. Dengan menganalisis urutan aktivitas, Anda dapat melihat dan memahami alur proses. Informasi ini penting untuk menemukan variasi proses, mengukur waktu antar langkah, dan mengidentifikasi siklus pengerjaan ulang, misalnya saat jurnal ditolak lalu dikirim ulang. Mengapa ini penting Atribut ini menentukan langkah-langkah dalam proses. Informasi ini penting untuk memvisualisasikan peta proses, menganalisis alur, dan menemukan penyimpangan atau hambatan. Sumber data Biasanya, data ini diambil dari log peristiwa, catatan perubahan status, atau jejak audit di BlackLine. Anda mungkin perlu memetakan kode status sistem ke nama aktivitas yang mudah dipahami. Contoh Jurnal DibuatJurnal DiajukanJurnal disetujuiJurnal dibukukan
	ID jurnal JournalEntryId	Pengenal unik untuk satu jurnal, yang berfungsi sebagai ID kasus utama untuk melacak siklusnya.
Deskripsi Journal Entry ID mengidentifikasi setiap kumpulan transaksi keuangan yang dicatat dalam buku besar. ID ini menjadi kunci utama yang menghubungkan semua aktivitas terkait, seperti pembuatan, pemeriksaan, persetujuan, dan pembukuan. Dalam process mining, ID ini penting untuk menghubungkan semua peristiwa dalam satu kasus jurnal. Analisis alur proses berdasarkan ID ini membantu merekonstruksi perjalanan jurnal dari awal hingga rekonsiliasi akhir, serta menganalisis waktu siklus, hambatan, dan variasi proses secara terperinci. Mengapa ini penting ID ini menjadi pengenal utama kasus, sehingga Anda dapat melacak seluruh siklus satu jurnal dan menganalisis kinerjanya. Sumber data Ini adalah kunci utama dalam tabel jurnal BlackLine atau ekspor datanya. Lihat dokumentasi BlackLine untuk mengetahui nama kolom yang tepat. Contoh JE2024-001234JE2024-001235JE2024-001236
	Waktu mulai EventTime	Waktu yang tepat saat aktivitas atau peristiwa tertentu terjadi.
Deskripsi Waktu peristiwa mencatat tanggal dan waktu terjadinya suatu peristiwa bisnis. Informasi ini menjadi dasar urutan waktu dan durasi semua aktivitas dalam proses. Stempel waktu ini penting untuk semua analisis process mining berbasis waktu. Data ini digunakan untuk menghitung waktu siklus, waktu tunggu, dan durasi antaraktivitas. Anda dapat menggunakannya untuk menemukan hambatan, menganalisis kinerja dari waktu ke waktu, dan menilai kepatuhan terhadap perjanjian tingkat layanan. Mengapa ini penting Stempel waktu ini menjadi dasar semua metrik kinerja, termasuk waktu siklus dan analisis hambatan, serta membantu merekonstruksi urutan proses. Sumber data Informasi ini tercatat di kolom stempel waktu pada log peristiwa atau catatan transaksi BlackLine. Contoh 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	Pembaruan data terakhir LastDataUpdate	Stempel waktu yang menunjukkan kapan terakhir kali data diperbarui atau diekstrak dari sistem sumber.
Deskripsi Atribut ini mencatat tanggal dan waktu pengambilan data terbaru. Informasi ini menunjukkan seberapa mutakhir data yang dianalisis, sehingga pengguna tahu kondisi data yang digunakan. Metadata ini penting untuk setiap dashboard atau analisis process mining. Informasi ini memberi tahu pengguna seberapa baru wawasan yang ditampilkan dan apakah transaksi terbaru sudah tercakup. Mengapa ini penting Atribut ini menjelaskan kemutakhiran data, sehingga pengguna dapat mengetahui seberapa baru analisis proses yang ditampilkan. Sumber data Stempel waktu ini dibuat dan ditambahkan ke dataset oleh alat ekstraksi data atau proses ETL saat dijalankan. Contoh 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Sistem sumber SourceSystem	Sistem pencatatan asal tempat data jurnal diekstrak.
Deskripsi Atribut ini menunjukkan sistem asal data peristiwa. Dalam konteks ini, biasanya sistemnya adalah 'BlackLine', tetapi data juga dapat berasal dari sistem ERP hulu jika proses dimulai di sana. Mengetahui sistem sumber penting untuk tata kelola data dan memahami konteks proses, terutama saat data dari beberapa sistem digabungkan. Informasi ini membantu mengatasi masalah pengambilan data dan memverifikasi asal-usul data. Mengapa ini penting Atribut ini memberi konteks penting tentang asal data, memastikan keterlacakan, dan membantu mengelola integrasi data dari berbagai platform. Sumber data Biasanya, nilai statis ini ditambahkan saat proses ekstraksi dan transformasi data untuk menandai asal dataset. Contoh BlackLineSAP S/4HANAOracle NetSuite
	Alasan penolakan RejectionReason	Alasan yang diberikan pemeriksa saat menolak jurnal.
Deskripsi Saat jurnal dikembalikan untuk diperbaiki, pemberi persetujuan biasanya menyertakan alasan penolakan. Atribut ini mencatat alasan tersebut, yang dapat berupa kode pilihan atau teks bebas. Atribut ini penting untuk menganalisis akar penyebab pengerjaan ulang. Dengan melihat alasan penolakan yang paling umum, perusahaan dapat menemukan masalah sistemik, seperti pelatihan yang kurang memadai, kebijakan yang tidak jelas, atau masalah pada dokumen pendukung. Informasi ini mendukung dashboard 'Journal Entry Rejection & Rework Analysis' dan membantu mengurangi tingkat penolakan secara keseluruhan. Mengapa ini penting Atribut ini penting untuk menganalisis akar penyebab pengerjaan ulang, mengetahui alasan jurnal ditolak, dan menentukan perbaikan yang tepat. Sumber data Data ini biasanya dicatat di kolom komentar atau kode alasan saat pengguna memilih tindakan 'Reject' di BlackLine. Contoh Kode akun salahDokumen pendukung tidak adaMelebihi batasEntri duplikat
	Jenis jurnal JournalEntryType	Klasifikasi jurnal, misalnya standar, berulang, atau pembalik.
Deskripsi Jenis jurnal mengelompokkan jurnal berdasarkan sifat atau tujuannya. Jenis yang umum mencakup jurnal manual standar, jurnal otomatis yang dibuat sistem, jurnal berulang untuk akrual akhir bulan, atau jurnal pembalik yang otomatis membalik transaksi pada periode berikutnya. Atribut ini penting untuk segmentasi dan analisis perbandingan. Anda dapat membandingkan kinerja proses, seperti waktu siklus atau tingkat penolakan, untuk berbagai jenis jurnal. Dengan begitu, Anda dapat mengetahui apakah jenis jurnal tertentu lebih sering bermasalah atau kurang efisien, lalu menentukan perbaikan proses yang tepat. Mengapa ini penting Atribut ini memungkinkan analisis tersegmentasi untuk mengetahui apakah jenis jurnal yang berbeda mengikuti alur atau memiliki karakteristik kinerja yang berbeda. Sumber data Kolom ini biasanya tersedia di header jurnal BlackLine. Lihat dokumentasi BlackLine untuk mengetahui nama kolom yang tepat. Contoh StandarBerulangPembalikAkrual
	Kode perusahaan CompanyCode	Pengenal unik untuk badan hukum atau perusahaan tempat jurnal dibuat.
Deskripsi Kode perusahaan menunjukkan badan hukum tertentu dalam suatu grup perusahaan. Ini adalah unit organisasi dasar dalam akuntansi keuangan yang memastikan transaksi dibukukan ke entitas yang tepat. Dalam process mining, kode perusahaan menjadi dimensi penting untuk pemfilteran dan perbandingan. Anda dapat menganalisis kinerja proses di berbagai entitas, menemukan hambatan khusus wilayah atau entitas, melihat variasi kepatuhan, dan mengidentifikasi peluang untuk menyeragamkan proses secara global. Kode ini juga mendukung dashboard 'Approval To Posting Delay Analysis'. Mengapa ini penting Atribut ini membantu membandingkan kinerja dan mendukung upaya penyeragaman proses di berbagai badan hukum atau unit bisnis. Sumber data Kolom penting ini terdapat di header jurnal BlackLine dan sering disinkronkan dari sistem ERP yang mendasarinya. Contoh 1000US01DE012500
	Nilai jurnal JournalEntryAmount	Nilai total jurnal, biasanya jumlah debit.
Deskripsi Atribut ini menunjukkan nilai keuangan jurnal. Anda dapat menggunakannya untuk memahami dampak finansial dari proses yang tidak efisien, misalnya keterlambatan pembukuan jurnal bernilai tinggi. Analisis berdasarkan nilai jurnal membantu Anda menentukan materialitas. Misalnya, Anda dapat memprioritaskan perbaikan proses untuk jurnal bernilai tinggi, memeriksa apakah jurnal tersebut mengikuti alur persetujuan yang berbeda, atau mengetahui apakah waktu siklusnya lebih lama. Dengan begitu, analisis alur proses memiliki konteks bisnis yang lebih jelas. Mengapa ini penting Atribut ini memberi konteks keuangan untuk analisis berdasarkan materialitas, misalnya memprioritaskan jurnal bernilai tinggi atau menemukan penyimpangan proses berdasarkan nilai. Sumber data Kolom ini dihitung atau tersedia secara standar di header jurnal BlackLine, dan menunjukkan jumlah debit atau kredit. Contoh 15000.00250.75125000.50500.00
	Pengguna UserName	Nama atau ID pengguna yang melakukan aktivitas.
Deskripsi Atribut ini menunjukkan orang yang bertanggung jawab menjalankan langkah proses tertentu, seperti mengirim, memeriksa, atau menyetujui jurnal. Isinya dapat berupa nama atau ID pengguna unik. Analisis aktivitas berdasarkan pengguna penting untuk memahami pembagian beban kerja dan kinerja individu, serta menemukan kebutuhan pelatihan. Analisis ini membantu menjawab pertanyaan seperti, 'Apakah pekerjaan terbagi merata di dalam tim?' atau 'Pengguna mana yang membutuhkan waktu paling lama untuk menyetujui jurnal?' Informasi ini juga penting untuk analisis kepatuhan dan jejak audit. Mengapa ini penting Atribut ini membantu menganalisis beban kerja dan membandingkan kinerja anggota tim, serta menemukan hambatan terkait sumber daya atau kebutuhan pelatihan. Sumber data Informasi ini tersedia di log audit BlackLine, biasanya pada kolom 'User ID' atau 'Changed By' yang terkait dengan setiap peristiwa. Contoh j.doea.smithr.joness.patel
	Status jurnal JournalEntryStatus	Status jurnal saat ini dalam siklusnya, seperti 'In Progress', 'Approved', atau 'Posted'.
Deskripsi Atribut ini menunjukkan status kasus jurnal saat data diekstrak. Informasi ini memberi gambaran posisi jurnal dalam keseluruhan proses. Process mining merekonstruksi alur dari aktivitas, sedangkan status akhir berguna untuk memfilter data dan membuat dashboard ringkasan tingkat tinggi. Anda dapat dengan cepat menemukan jurnal yang masih menunggu persetujuan atau tertahan pada status tertentu, sehingga memudahkan analisis pekerjaan tertunda. Mengapa ini penting Atribut ini memberi gambaran status jurnal saat ini, yang berguna untuk menganalisis pekerjaan tertunda dan memahami pekerjaan yang sedang berlangsung. Sumber data Kolom status ini tersedia secara standar pada jurnal di BlackLine. Contoh Sedang diprosesMenunggu persetujuanDisetujuiDibukukanDitolak
	Akun direkonsiliasi AccountReconciled	Nomor akun buku besar yang direkonsiliasi melalui jurnal.
Deskripsi Atribut ini menunjukkan akun tertentu dalam bagan akun yang terdampak atau direkonsiliasi. Jurnal sering menjadi bagian dari proses rekonsiliasi akun, dan atribut ini menghubungkan jurnal ke akun terkait. Atribut ini mendukung dashboard 'Journal Entry Reconciliation Cycle Time'. Dengan menganalisis proses untuk setiap akun, Anda dapat mengetahui apakah rekonsiliasi akun tertentu selalu memerlukan waktu lebih lama, yang mungkin menandakan kompleksitas atau masalah data pada akun tersebut. Mengapa ini penting Atribut ini menghubungkan proses jurnal dengan akun yang direkonsiliasi, sehingga Anda dapat menganalisis hambatan rekonsiliasi secara terarah. Sumber data Informasi ini terdapat pada detail baris jurnal di BlackLine. Jika satu jurnal memengaruhi beberapa akun, data mungkin perlu digabungkan ke tingkat kasus. Contoh 101000210500400100550200
	Departemen Department	Departemen bisnis atau pusat biaya yang terkait dengan jurnal.
Deskripsi Atribut ini menunjukkan departemen, pusat biaya, atau area fungsional yang memulai jurnal atau menerima alokasi biayanya. Informasi ini menambah konteks organisasi. Analisis proses berdasarkan departemen membantu Anda memahami cara berbagai bagian bisnis menggunakan proses jurnal. Analisis ini dapat menunjukkan perbedaan efisiensi, kepatuhan, atau tingkat pengerjaan ulang antar-departemen, sehingga Anda dapat menemukan area yang memerlukan dukungan tambahan atau penyeragaman proses. Mengapa ini penting Atribut ini membantu membandingkan kinerja proses antar-departemen bisnis, menemukan perbedaan, dan melihat peluang untuk menyeragamkan proses. Sumber data Informasi ini biasanya terdapat pada data baris atau header jurnal di BlackLine dan sering ditautkan ke akun buku besar. Contoh KeuanganPemasaranPenjualanOperasional
	Dibuat otomatis IsAutomated	Tanda yang menunjukkan apakah jurnal dibuat atau dibukukan melalui proses otomatis.
Deskripsi Atribut boolean ini membedakan jurnal yang dibuat dan diproses secara manual oleh pengguna dari jurnal yang dibuat otomatis oleh sistem, seperti jurnal berulang atau jurnal dari integrasi sistem. Analisis atribut ini membantu menilai efektivitas otomatisasi. Anda dapat membandingkan waktu siklus, tingkat kesalahan, dan biaya proses otomatis dengan proses manual. Perbandingan ini penting untuk menyusun alasan bisnis bagi otomatisasi lebih lanjut dan mengukur ROI inisiatif yang sudah berjalan. Mengapa ini penting Atribut ini memungkinkan perbandingan langsung antara proses manual dan otomatis, yang penting untuk mengukur dampak dan ROI inisiatif otomatisasi. Sumber data Atribut ini dapat diturunkan dari 'Journal Entry Type' (misalnya, 'Recurring') atau kolom 'User' jika pembukuan otomatis menggunakan pengguna sistem, seperti 'SYSTEM' atau 'BATCH'. Contoh truefalse
	Dokumen dilampirkan IsDocumentAttached	Tanda yang menunjukkan apakah dokumen pendukung dilampirkan ke jurnal.
Deskripsi Atribut boolean ini menunjukkan apakah satu atau beberapa dokumen pendukung, seperti faktur atau perhitungan, dilampirkan ke jurnal. Dokumen pendukung sering menjadi prasyarat persetujuan. Tanda ini penting untuk dashboard 'Journal Entry Documentation Compliance' dan KPI 'Documentation Attachment Rate'. Anda dapat menggunakannya untuk menganalisis apakah dokumen yang tidak ada sering menyebabkan penolakan atau keterlambatan, serta memastikan kebijakan lampiran dipenuhi sebelum jurnal dikirim untuk diperiksa. Mengapa ini penting Atribut ini mengukur kepatuhan terhadap kebijakan dokumentasi dan membantu menemukan penyebab umum keterlambatan persetujuan serta penolakan. Sumber data Kolom ini kemungkinan diturunkan dari data lain, dengan memeriksa apakah ada catatan lampiran yang terkait dengan JournalEntryId sebelum aktivitas pengiriman terjadi. Contoh truefalse
	Jeda dari persetujuan hingga pembukuan ApprovalToPostingLag	Durasi hasil perhitungan antara persetujuan akhir dan pembukuan jurnal.
Deskripsi Metrik ini mengukur jeda setelah jurnal disetujui sepenuhnya, tetapi sebelum dibukukan ke buku besar. Perhitungannya menggunakan selisih waktu antara aktivitas 'Journal Entry Approved' dan 'Journal Entry Posted'. KPI ini penting untuk menemukan hambatan setelah persetujuan yang dapat memperlambat proses penutupan keuangan secara signifikan. Dashboard 'Approval To Posting Delay Analysis' menggunakan metrik ini untuk mencari tahu alasan jurnal yang telah disetujui belum segera dibukukan, sehingga langkah akhir proses dapat disederhanakan. Mengapa ini penting Metrik ini mengukur efisiensi setelah persetujuan dan membantu menemukan serta mengatasi keterlambatan yang memengaruhi kecepatan penutupan keuangan. Sumber data Metrik ini dihitung di alat process mining dengan mencari durasi antara peristiwa 'Journal Entry Approved' dan 'Journal Entry Posted' untuk setiap kasus. Contoh P0DT1H10MP1DT2H0MP0DT0H5M
	Mata uang Currency	Kode mata uang untuk nilai yang tercantum dalam jurnal.
Deskripsi Atribut ini menunjukkan mata uang untuk nilai jurnal, seperti USD, EUR, atau GBP. Informasi ini penting agar nilai transaksi keuangan dapat ditafsirkan dengan benar. Bagi organisasi multinasional, analisis berdasarkan mata uang dapat memberikan konteks yang berguna. Anda dapat memfilter analisis proses berdasarkan mata uang tertentu. Kolom ini juga diperlukan untuk dashboard yang menjumlahkan nilai keuangan. Mengapa ini penting Atribut ini memberi konteks yang diperlukan untuk memahami nilai keuangan dengan tepat dan memungkinkan analisis berdasarkan mata uang. Sumber data Kolom ini tersedia secara standar di header jurnal BlackLine, biasanya dengan nama 'Document Currency' atau nama serupa. Contoh USDEURGBPJPY
	Mengalami pengerjaan ulang IsRework	Tanda hasil perhitungan yang bernilai benar jika jurnal pernah ditolak setidaknya satu kali.
Deskripsi Tanda boolean ini dihitung untuk mengidentifikasi jurnal yang mengalami pengerjaan ulang. Biasanya, nilainya benar jika suatu kasus memuat aktivitas 'Journal Entry Rejected' yang diikuti aktivitas 'Corrected and Resubmitted'. Atribut ini memudahkan analisis pengerjaan ulang karena Anda dapat memfilter semua kasus yang pernah ditolak. Atribut ini penting untuk menghitung KPI 'Journal Entry Rejection Rate' dan menelaah dashboard 'Journal Entry Rejection & Rework Analysis' secara lebih terperinci, guna memahami dampak masalah kualitas terhadap biaya dan waktu. Mengapa ini penting Atribut ini memudahkan Anda menemukan kasus yang mengalami pengerjaan ulang, menghitung tingkat penolakan, dan menganalisis dampak masalah kualitas. Sumber data Tanda ini dihitung di alat process mining dengan memeriksa urutan aktivitas untuk setiap kasus. Contoh truefalse
	Tanggal pembukuan PostingDate	Tanggal saat jurnal resmi dibukukan ke buku besar.
Deskripsi Tanggal pembukuan adalah tanggal efektif transaksi dalam catatan keuangan. Tanggal ini penting dalam akuntansi karena menentukan periode fiskal saat transaksi diakui. Stempel waktu peristiwa mencatat kapan aktivitas pembukuan terjadi, sedangkan tanggal pembukuan menjadi atribut data utama. Tanggal ini digunakan dalam analisis keuangan untuk memastikan jurnal dibukukan pada periode yang tepat dan menganalisis jeda antara tanggal transaksi, tanggal persetujuan, dan tanggal pembukuan. Mengapa ini penting Tanggal ini penting untuk memastikan keakuratan pelaporan keuangan dan menganalisis apakah jurnal dibukukan pada periode akuntansi yang tepat. Sumber data Kolom tanggal ini tersedia secara standar di header jurnal BlackLine. Contoh 2023-10-312023-11-012023-10-30

Wajib Disarankan Opsional

Aktivitas Record to Report - Jurnal

Catat langkah dan tonggak utama proses ini dalam event log agar proses jurnal dapat ditemukan dan dianalisis dengan akurat.

6 Disarankan 6 Opsional

	Aktivitas	Deskripsi
	Jurnal Diajukan	Aktivitas ini terjadi saat penyusun secara resmi mengajukan jurnal untuk ditinjau dan disetujui. Biasanya, aktivitas ini tercatat sebagai perubahan status, misalnya dari 'Dalam Persiapan' menjadi 'Diajukan', beserta waktunya.
Mengapa ini penting Aktivitas ini menandai berakhirnya tahap persiapan dan dimulainya siklus persetujuan. Ini adalah tonggak penting untuk mengukur durasi tahap persiapan dan persetujuan. Sumber data Aktivitas ini kemungkinan disimpulkan dari perubahan status catatan jurnal di BlackLine. Waktu saat status berubah menjadi 'Diajukan untuk Persetujuan' atau nilai serupa menandai waktu terjadinya peristiwa. Pengumpulan data Disimpulkan dari waktu saat kolom status jurnal diperbarui menjadi 'Diajukan' atau 'Menunggu Persetujuan'. Jenis peristiwa inferred
	Jurnal Dibuat	Aktivitas ini menandai dimulainya suatu kasus jurnal. Aktivitas tercatat saat pengguna membuat catatan jurnal baru di BlackLine. Sistem kemudian membuat ID Jurnal unik dan mencatat waktu serta pengguna yang membuatnya.
Mengapa ini penting Ini adalah peristiwa awal utama dalam proses. Dengan menganalisis waktu dari aktivitas ini ke aktivitas lain, Anda dapat mengetahui total waktu siklus proses dan menemukan keterlambatan sejak tahap awal alur kerja. Sumber data Peristiwa ini dicatat secara eksplisit dalam modul jurnal BlackLine. Data diambil dari waktu pembuatan dan detail pengguna yang terkait dengan setiap ID Jurnal dalam tabel jurnal utama atau riwayat auditnya. Pengumpulan data Diambil dari waktu pada kolom 'Tanggal Dibuat' yang terkait dengan catatan jurnal. Jenis peristiwa explicit
	Jurnal dibukukan	Menandai saat jurnal yang telah disetujui resmi dicatat dalam buku besar. Biasanya, pengguna melakukan tindakan ini secara langsung di BlackLine, lalu status jurnal berubah menjadi 'Posted'.
Mengapa ini penting Ini adalah tonggak penting yang sering dianggap sebagai akhir operasional proses. Jeda antara 'Journal Entry Approved' dan aktivitas ini menjadi indikator utama efisiensi setelah persetujuan. Sumber data Biasanya disimpulkan dari perubahan status menjadi 'Posted'. Peristiwa ini juga dapat tercatat secara langsung dalam tabel riwayat pembukuan atau jejak audit, beserta tanggal dan waktu pembukuan. Pengumpulan data Disimpulkan dari waktu saat status jurnal diperbarui menjadi 'Posted'. Kolom tanggal pembukuan juga relevan. Jenis peristiwa inferred
	Jurnal direkonsiliasi	Menandai selesainya siklus jurnal setelah jurnal tersebut masuk dalam rekonsiliasi akun yang telah difinalisasi dan disertifikasi. Di BlackLine, ini berarti rekonsiliasi yang memuat jurnal tersebut telah disertifikasi.
Mengapa ini penting Aktivitas ini menjadi titik akhir proses dari awal hingga akhir. Waktu dari 'Journal Entry Posted' hingga 'Reconciled' mengukur efisiensi rekonsiliasi akun dalam proses penutupan keuangan. Sumber data Peristiwa ini disimpulkan dengan mengidentifikasi saat status rekonsiliasi akun yang memuat jurnal tertentu berubah menjadi 'Certified' di modul Account Reconciliation BlackLine. Pengumpulan data Disimpulkan dengan menautkan jurnal ke rekonsiliasi akun terkait, lalu mencatat tanggal sertifikasi rekonsiliasi tersebut. Jenis peristiwa inferred
	Jurnal disetujui	Aktivitas ini menandakan jurnal telah melewati semua tahap pemeriksaan dan persetujuan yang diwajibkan. Peristiwa ini tercatat saat pengguna yang berwenang memberikan persetujuan akhir, sehingga status berubah menjadi 'Approved'.
Mengapa ini penting Ini adalah tonggak penting yang menandai berakhirnya proses persetujuan. Waktu dari 'Journal Entry Submitted' hingga peristiwa ini disebut 'Approval Cycle Time', KPI penting untuk mengukur efisiensi alur kerja. Sumber data Peristiwa ini disimpulkan dari perubahan status jurnal menjadi 'Approved'. ID pengguna pemberi persetujuan akhir dan waktu persetujuan biasanya tercatat dalam riwayat audit BlackLine. Pengumpulan data Disimpulkan dari waktu saat status jurnal diperbarui menjadi 'Approved'. Jenis peristiwa inferred
	Jurnal Ditolak	Aktivitas ini menandai penolakan jurnal oleh peninjau atau pemberi persetujuan. Aktivitas tercatat saat pengguna memilih tindakan 'Tolak', yang mengubah status jurnal menjadi 'Ditolak' dan mencatatnya dalam log audit.
Mengapa ini penting Aktivitas ini penting untuk menemukan pekerjaan ulang, masalah kualitas, dan kebutuhan pelatihan. Menganalisis frekuensi dan alasan penolakan serta proses perbaikan setelahnya sangat penting untuk memperbaiki proses dan mempersingkat waktu siklus. Sumber data Aktivitas ini biasanya disimpulkan dari perubahan status menjadi 'Ditolak' atau 'Perlu Diperbaiki' dalam data jurnal. Waktu dan pengguna yang melakukan penolakan tercatat dalam riwayat BlackLine. Pengumpulan data Disimpulkan dari waktu saat status jurnal diperbarui menjadi 'Ditolak'. Jenis peristiwa inferred
	Dokumen Pendukung Dilampirkan	Aktivitas ini mencatat tindakan pengguna yang melampirkan satu atau beberapa dokumen pendukung ke jurnal. Peristiwa ini biasanya tercatat dalam log audit atau tabel lampiran terkait yang terhubung dengan ID Jurnal.
Mengapa ini penting Melacak aktivitas ini penting untuk memantau kepatuhan dan efisiensi. Data ini membantu mengetahui apakah dokumen yang kurang menyebabkan keterlambatan persetujuan dan mendukung KPI 'Tingkat Pelampiran Dokumen'. Sumber data Biasanya, peristiwa ini tercatat secara eksplisit dalam BlackLine, di jejak audit atau log lampiran. Data yang dicatat mencakup ID Jurnal, pengguna yang melampirkan file, dan waktu aktivitas. Pengumpulan data Peristiwa ini dicatat dalam jejak audit sistem atau tabel khusus riwayat lampiran setiap kali file diunggah ke jurnal. Jenis peristiwa explicit
	Jurnal Diperbaiki dan Diajukan Kembali	Terjadi setelah jurnal ditolak, lalu penyusun memperbaikinya dan mengirimkannya kembali. Peristiwa ini terlihat dari perubahan status dari 'Rejected' kembali menjadi 'Submitted for Approval'.
Mengapa ini penting Aktivitas ini membantu mengukur waktu dan upaya yang digunakan untuk pengerjaan ulang. Jeda antara 'Journal Entry Rejected' dan peristiwa ini menunjukkan waktu pengerjaan ulang, metrik penting untuk menganalisis efisiensi. Sumber data Peristiwa ini disimpulkan dari rangkaian perubahan status di data BlackLine, khususnya perubahan dari status 'Rejected' kembali menjadi 'Submitted' atau 'Pending Approval' untuk Journal Entry ID yang sama. Pengumpulan data Disimpulkan dari perubahan status dari 'Rejected' menjadi 'Submitted' atau 'Pending Approval'. Jenis peristiwa inferred
	Jurnal Ditinjau	Aktivitas ini menunjukkan tahap peninjauan resmi dalam proses persetujuan bertingkat yang dilakukan oleh peninjau yang ditunjuk. Biasanya, aktivitas ini tercatat sebagai perubahan status atau entri log khusus yang menunjukkan tindakan peninjau.
Mengapa ini penting Bagi organisasi yang memisahkan tahap peninjauan dan persetujuan, aktivitas ini membantu menemukan hambatan dalam rangkaian persetujuan. Aktivitas ini menunjukkan berapa lama jurnal menunggu peninjauan awal dibandingkan dengan persetujuan akhir. Sumber data Dalam alur kerja BlackLine, aktivitas ini dapat tercatat secara eksplisit dalam log riwayat persetujuan atau disimpulkan dari perubahan status menjadi 'Ditinjau' atau 'Menunggu Persetujuan Akhir'. Pengguna dan waktunya tercatat. Pengumpulan data Disimpulkan dari waktu saat status jurnal berubah untuk menunjukkan bahwa tahap peninjauan telah selesai. Jenis peristiwa inferred
	Pembalikan jurnal diproses	Aktivitas ini mencatat pembuatan dan pembukuan jurnal baru untuk membalik jurnal yang sebelumnya telah dibukukan. Biasanya, proses ini dimulai setelah ditemukan kesalahan pada jurnal yang sudah dibukukan.
Mengapa ini penting Peristiwa ini merupakan indikator kuat adanya masalah kualitas data di tahap sebelumnya. Memantau tingkat pembalikan membantu mengukur 'Post-Posting Adjustment Rate' dan menemukan area yang perlu ditingkatkan akurasinya. Sumber data Biasanya, peristiwa ini tercatat secara langsung saat pengguna memilih tindakan 'Reverse' pada jurnal yang telah dibukukan di BlackLine. Sistem membuat jurnal pembalik baru, yang sering kali ditautkan ke Journal Entry ID asli. Pengumpulan data Tercatat saat tindakan 'Reverse' dicatat atau saat jurnal baru dibuat dengan tanda pembalikan dan tautan ke ID jurnal asli. Jenis peristiwa explicit
	Pembukuan diverifikasi	Menandai konfirmasi bahwa jurnal yang telah dibukukan berhasil diterima dan dicatat di sistem ERP tujuan. Konfirmasi ini dapat berupa komunikasi otomatis antarsistem atau langkah konfirmasi manual.
Mengapa ini penting Aktivitas ini memastikan langkah pembukuan telah tuntas dan data antarsistem tetap akurat. Durasi dari 'Posted' hingga 'Verified' dapat menunjukkan masalah integrasi atau keterlambatan sinkronisasi sistem. Sumber data Peristiwa ini dapat tercatat secara langsung dalam log integrasi sistem atau disimpulkan dari perubahan status menjadi, misalnya, 'Posted and Verified'. Jika dilakukan secara manual, pengguna akan memperbarui status. Pengumpulan data Disimpulkan dari pembaruan status menjadi 'Verified' atau dari tanda konfirmasi yang diterima dari sistem ERP tujuan. Jenis peristiwa inferred
	Persetujuan dibatalkan	Aktivitas ini menunjukkan bahwa pemberi persetujuan mencabut persetujuan yang sebelumnya diberikan, sehingga jurnal kembali ke status sebelumnya. Peristiwa ini terlihat dari perubahan status dari 'Approved' kembali ke status sebelumnya, seperti 'In Preparation'.
Mengapa ini penting Aktivitas yang jarang terjadi tetapi penting ini menyoroti pengecualian proses dan potensi masalah yang ditemukan setelah persetujuan, tetapi sebelum pembukuan. Hal ini dapat menunjukkan kesalahan data atau perubahan kebijakan yang memengaruhi jurnal. Sumber data Peristiwa ini disimpulkan dari perubahan status dari 'Approved' ke status yang belum dibukukan dan masih dapat diedit. Tindakan ini akan tercatat dalam log audit terperinci BlackLine. Pengumpulan data Diidentifikasi dari perubahan status dari 'Approved' kembali ke status sebelumnya, seperti 'In Preparation' atau 'Submitted'. Jenis peristiwa inferred

Disarankan Opsional

Panduan ekstraksi

Cara mengambil data dari BlackLine

Langkah

Masuk ke akun BlackLine Anda menggunakan akun pengguna yang memiliki izin untuk mengakses laporan keuangan.
Buka modul pelaporan. Biasanya, modul ini ada di menu seperti 'Reports' > 'Standard Reports'.
Cari dan pilih 'Journal Entry & Services Report' atau laporan jurnal komprehensif dengan nama serupa dari daftar laporan standar.
Atur parameter laporan. Tentukan 'Date Range' yang ingin diekstrak sesuai periode analisis. Sebagai langkah awal, disarankan menggunakan periode 3 hingga 6 bulan.
Terapkan filter yang diperlukan untuk membatasi data. Minimal, filter berdasarkan 'Company Code' yang relevan. Anda juga dapat memfilter berdasarkan 'Journal Status' untuk menyertakan semua status yang diperlukan, dari pembuatan hingga pembukuan.
Pilih semua kolom yang tersedia agar laporan memuat seluruh kolom tanggal, pengguna, dan status yang diperlukan untuk membuat event log. Kolom penting mencakup tanggal pembuatan, pengajuan, persetujuan, pembukuan, dan peran pengguna.
Jalankan laporan langsung di UI BlackLine. Setelah laporan selesai dibuat, gunakan fungsi 'Export' atau 'Download' untuk menyimpan data sebagai file CSV. Beri nama 'blackline_report.csv'.
Siapkan lingkungan Python dengan pustaka pandas. Jika belum tersedia, instal dengan perintah: pip install pandas.
Simpan skrip Python yang disediakan di direktori yang sama dengan file 'blackline_report.csv' yang telah diunduh.
Jalankan skrip Python. Skrip akan membaca laporan CSV mentah, mengubah data dengan membuat satu baris untuk setiap aktivitas bisnis, lalu menghasilkan file baru bernama 'event_log.csv' dalam format yang diperlukan.
Periksa file 'event_log.csv' untuk memastikan kualitas dan kelengkapan data sebelum mengunggahnya.
Unggah file 'event_log.csv' final ke ProcessMind untuk dianalisis.

Konfigurasi

Nama laporan: Journal Entry & Services Report. Nama persisnya dapat berbeda, tergantung konfigurasi BlackLine Anda.
Rentang tanggal: Untuk analisis awal, disarankan mengekstrak data selama 3-6 bulan. Filter tanggal pada laporan biasanya menggunakan tanggal pembuatan jurnal atau tanggal pembukuan. Pastikan kolom tanggal yang digunakan sebagai filter agar data yang diekstrak sesuai.
Filter utama:
- Company Code: Selalu tentukan kode perusahaan yang ingin dianalisis untuk membatasi volume data dan memusatkan analisis.
- Journal Status: Pilih semua status, misalnya In Preparation, Submitted, Approved, Rejected, dan Posted, agar seluruh proses tercakup dari awal hingga akhir.
- Journal Type: Jika diperlukan, filter jenis jurnal tertentu, misalnya Standard atau Recurring, sesuai cakupan analisis.
Prasyarat: Akun pengguna yang menjalankan laporan harus memiliki izin untuk melihat data jurnal dan menjalankan laporan standar di BlackLine. Biasanya, akun memerlukan peran seperti 'Accountant' atau 'Reporting User'.
Pertimbangan kinerja: Mengekspor data dalam jumlah besar untuk periode panjang atau banyak kode perusahaan dapat membebani sumber daya dan memerlukan waktu lama di UI BlackLine. Jika terjadi masalah kinerja atau waktu tunggu habis, jalankan laporan dalam beberapa kelompok data yang lebih kecil.

Contoh kueri 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.")

Langkah

Prasyarat dan persiapan: Pastikan Python 3.6 atau versi lebih baru sudah terpasang. Instal pustaka yang diperlukan dengan pip: pip install requests pandas. Minta kredensial API (Client ID, Client Secret, Refresh Token) dan Base URL BlackLine organisasi Anda kepada administrator BlackLine.
Atur variabel skrip: Buka skrip Python dan cari bagian konfigurasi. Masukkan Client ID, Client Secret, Refresh Token, dan Base URL Anda. Tentukan periode ekstraksi dengan mengisi variabel START_DATE dan END_DATE dalam format 'YYYY-MM-DD'.
Autentikasi: Skrip memulai proses dengan memanggil fungsi get_access_token. Fungsi ini mengirim kredensial Anda ke endpoint autentikasi BlackLine (/api/oauth/token) dan mengambil token akses sementara yang diperlukan untuk permintaan API berikutnya.
Ambil daftar jurnal awal: Skrip mengirim permintaan berpaginasi ke endpoint /api/v2/journals dengan filter rentang tanggal pembuatan yang ditentukan. Skrip menelusuri setiap halaman dan mengumpulkan detail utama semua entri jurnal dalam cakupan.
Ambil riwayat peristiwa terperinci: Untuk setiap Journal Entry ID yang dikumpulkan pada langkah sebelumnya, skrip melakukan dua panggilan API tambahan. Pertama, skrip meminta endpoint riwayat jurnal, misalnya /api/v2/journals/{id}/history, untuk mengambil jejak audit terperinci yang mencakup perubahan status, persetujuan, dan penolakan. Kedua, skrip memanggil endpoint lampiran, misalnya /api/v2/journals/{id}/attachments, untuk mengetahui kapan dokumen pendukung ditambahkan.
Ubah data menjadi event log: Skrip memproses respons JSON dari API. Skrip menelusuri setiap jurnal beserta riwayat dan catatan lampirannya, lalu memetakan data mentah ke format event log terstruktur. Skrip membuat satu baris untuk setiap dari 12 aktivitas yang diwajibkan, seperti 'Journal Entry Created', 'Journal Entry Submitted', dan 'Journal Entry Approved'.
Petakan perubahan status ke aktivitas: Skrip membuat aktivitas utama dengan menafsirkan data dari endpoint riwayat. Contohnya, item riwayat yang menunjukkan perubahan status menjadi 'Submitted' akan dipetakan ke aktivitas 'Journal Entry Submitted'. Skrip memetakan berbagai jenis peristiwa riwayat ke nama aktivitas standar yang diperlukan ProcessMind.
Buat DataFrame: Skrip menggunakan pustaka pandas untuk membuat DataFrame. Pertama, skrip membuat DataFrame untuk peristiwa 'Created' dari daftar jurnal utama. Lalu, skrip membuat DataFrame lain yang berisi aktivitas lainnya dari catatan riwayat dan lampiran. Keduanya kemudian digabungkan menjadi satu event log lengkap.
Tambahkan metadata dan seragamkan kolom: Setelah data digabungkan, skrip menambahkan kolom metadata yang diwajibkan, termasuk SourceSystem (diisi tetap dengan 'BlackLine') dan LastDataUpdate (diisi waktu skrip dijalankan). Skrip juga mengganti nama kolom agar sesuai dengan skema yang diwajibkan, misalnya memetakan kolom id dari API ke JournalEntryId.
Ekspor ke CSV: Terakhir, skrip mengekspor DataFrame event log yang sudah selesai ke file CSV bernama blackline_journal_entry_event_log.csv. File ini sudah diformat dan siap diunggah langsung ke ProcessMind.

Konfigurasi

Kredensial API: Anda memerlukan Client ID, Client Secret, dan Refresh Token yang valid untuk BlackLine REST API. Simpan kredensial ini dengan aman dan jangan menuliskannya langsung di skrip produksi.
Base URL: Skrip memerlukan Base URL API BlackLine khusus untuk organisasi Anda, misalnya https://api.blackline.com.
Rentang tanggal: Skrip menggunakan variabel START_DATE dan END_DATE. Untuk analisis awal, disarankan memilih rentang aktivitas 3 hingga 6 bulan terakhir agar data cukup tanpa berukuran terlalu besar.
Batas paginasi: Variabel LIMIT menentukan jumlah catatan yang diambil dalam setiap panggilan API. Nilai bawaan biasanya 100. Perubahan nilai ini dapat memengaruhi kinerja, jadi sebaiknya gunakan nilai yang disarankan kecuali BlackLine Support menyarankan sebaliknya.
Izin yang diperlukan: Pengguna API yang terkait dengan kredensial harus memiliki izin yang memadai untuk membaca entri jurnal, riwayat jurnal, dan lampiran di seluruh kode perusahaan yang ingin Anda analisis.
Lingkungan Python: Skrip memerlukan lingkungan Python 3.6 atau versi lebih baru yang berfungsi, dengan pustaka requests dan pandas terpasang.

Contoh kueri 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()

Siap memulai?

Gunakan templat ini untuk menyiapkan data dengan lebih mudah dan mendapatkan wawasan tentang proses Record to Report - Jurnal. Mulai tingkatkan efisiensi dan kepatuhan proses Anda hari ini.

Kembali ke panduan perbaikan

Unduh template

Tingkatkan efisiensi proses Record to Report - Jurnal hari ini

Pangkas waktu siklus jurnal hingga 30% dan tutup buku lebih cepat dengan akurat.

Mulai uji coba gratis

Tidak perlu kartu kredit • Siap digunakan dalam hitungan menit

Templat data Record to Report - Jurnal

Templat data Record to Report - Jurnal

Atribut Record to Report - Jurnal

Aktivitas Record to Report - Jurnal

Panduan ekstraksi

Ekspor laporan jurnal dan layanan BlackLine

Langkah

Konfigurasi

Contoh kueri python

Ekstraksi skrip Python melalui BlackLine REST API

Langkah

Konfigurasi

Contoh kueri python

Siap memulai?

Tingkatkan efisiensi proses Record to Report - Jurnal hari ini