> Perbaikan proses berkelanjutan > Pengelolaan pengeluaran > Ramp > Templat data

Templat data pengelolaan pengeluaran Anda

Ramp

Atribut pengelolaan pengeluaran(19) Aktivitas pengelolaan pengeluaran(12) Panduan ekstraksi(3)

Templat data pengelolaan pengeluaran Anda

Templat ini memandu Anda mengumpulkan data yang diperlukan untuk menganalisis dan meningkatkan proses pengelolaan pengeluaran. Templat ini mencantumkan atribut penting, aktivitas utama yang perlu dilacak, serta panduan praktis untuk mengambil data dari Ramp. Gunakan panduan ini agar Anda mengumpulkan semua informasi yang dibutuhkan untuk menemukan dan memperbaiki proses.

Atribut yang disarankan untuk dikumpulkan
Aktivitas utama yang perlu dilacak
Panduan mengambil data dari Ramp

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

Unduh template

Atribut pengelolaan pengeluaran

Berikut kolom data penting yang perlu disertakan dalam log peristiwa untuk menganalisis proses pengelolaan pengeluaran.

3 Wajib 6 Disarankan 10 Opsional

	Nama	Deskripsi
	ID Laporan Pengeluaran ExpenseReportId	Pengenal unik untuk setiap laporan pengeluaran yang digunakan sebagai ID kasus utama dalam proses.
Deskripsi ID Laporan Pengeluaran mengelompokkan semua peristiwa dan aktivitas yang terkait dengan satu pengajuan pengeluaran. ID ini memungkinkan Anda melacak klaim pengeluaran secara kronologis dan menyeluruh, mulai dari pencatatan awal hingga pembayaran akhir. Dalam process mining, atribut ini penting untuk merekonstruksi perjalanan setiap laporan pengeluaran dari awal hingga akhir. Dengan menggunakannya sebagai ID kasus, analisis dapat menghitung waktu siklus secara akurat, menemukan hambatan, dan menampilkan berbagai jalur yang dilalui laporan dalam proses persetujuan. Mengapa ini penting Atribut utama ini menghubungkan semua aktivitas terkait ke dalam satu instans proses sehingga analisis dari awal hingga akhir dapat dilakukan. Sumber data Pengenal ini seharusnya tersedia di tabel utama laporan pengeluaran atau transaksi di Ramp. Contoh ER-2023-08-1123ER-2023-09-4591ER-2023-10-0024
	Nama aktivitas ActivityName	Nama peristiwa atau tugas tertentu yang terjadi pada suatu waktu dalam proses pengelolaan pengeluaran.
Deskripsi Atribut ini menjelaskan satu langkah dalam siklus laporan pengeluaran, seperti 'Pengeluaran diajukan', 'Disetujui manajer', atau 'Penggantian biaya dibayarkan'. Aktivitas ini menjadi simpul dalam peta proses sehingga alur proses dapat ditampilkan dan dianalisis. Dengan menganalisis aktivitas, Anda dapat mengetahui langkah yang paling sering terjadi, menemukan hambatan, dan melihat perbedaan antaralur kerja. Aktivitas menjadi bagian utama untuk memahami urutan operasional dan mengukur kinerja di setiap tahap. Mengapa ini penting Atribut ini menentukan langkah-langkah dalam peta proses sehingga alur proses dapat ditampilkan dan dianalisis dari awal hingga akhir. Sumber data Biasanya diambil dari log peristiwa atau catatan perubahan status yang terkait dengan setiap laporan pengeluaran di Ramp. Contoh Pengeluaran diajukanDisetujui manajerMenunggu pemeriksaan keuanganPenggantian biaya dibayarkan
	Waktu peristiwa EventTimestamp	Tanggal dan waktu persis saat aktivitas terjadi.
Deskripsi Setiap aktivitas dalam proses memiliki waktu yang mencatat kapan aktivitas itu terjadi. Data waktu ini digunakan untuk mengurutkan peristiwa secara kronologis dan menjadi dasar semua analisis terkait waktu. Dalam process mining, waktu digunakan untuk menghitung waktu siklus antaraktivitas, mengukur durasi total suatu kasus, dan menemukan keterlambatan. Informasi ini penting untuk memantau kinerja dan menemukan peluang perbaikan proses. Mengapa ini penting Atribut ini menunjukkan urutan kronologis peristiwa dan penting untuk menghitung durasi serta menganalisis kinerja. Sumber data Informasi ini biasanya tersedia bersama catatan aktivitas atau status dalam log peristiwa atau data transaksi Ramp. Contoh 2023-10-26T10:00:00Z2023-10-26T14:30:00Z2023-10-27T09:00:00Z
	Alasan perbaikan RevisionReason	Alasan yang diberikan saat laporan pengeluaran dikembalikan kepada karyawan untuk diperbaiki.
Deskripsi Saat menolak atau mengembalikan laporan pengeluaran, pemberi persetujuan biasanya menyertakan alasan. Atribut ini mencatat alasan tersebut, seperti 'Bukti transaksi terperinci tidak ada', 'Kategori salah', atau 'Tidak sesuai kebijakan'. Informasi ini sangat berguna untuk dashboard 'Tingkat dan penyebab perbaikan laporan pengeluaran'. Dengan menganalisis alasan umum pekerjaan ulang, organisasi dapat menemukan masalah sistematis dalam proses pengajuan dan memberikan pelatihan yang tepat atau memperbaiki sistem untuk mengurangi kesalahan. Mengapa ini penting Atribut ini menunjukkan penyebab utama pekerjaan ulang sehingga tindakan yang tepat dapat diambil untuk meningkatkan kualitas pengajuan sejak awal. Sumber data Data ini dicatat dalam komentar atau detail penolakan saat aktivitas 'Pengeluaran dikembalikan untuk diperbaiki' terjadi di Ramp. Contoh Bukti transaksi terperinci tidak adaPengeluaran melebihi batas kebijakanKategori pengeluaran yang dipilih salahTransaksi ganda
	Departemen karyawan EmployeeDepartment	Departemen karyawan yang mengajukan laporan pengeluaran.
Deskripsi Atribut ini menunjukkan unit bisnis atau departemen tempat karyawan yang mengajukan pengeluaran bekerja, seperti 'Penjualan', 'Teknik', atau 'Pemasaran'. Dimensi ini penting untuk analisis karena memungkinkan Anda memfilter dan membandingkan kinerja proses di berbagai bagian organisasi. Perbedaan waktu persetujuan, tingkat perbaikan, dan kepatuhan terhadap kebijakan antarbagian dapat terlihat, sehingga organisasi dapat menentukan langkah perbaikan yang tepat. Mengapa ini penting Atribut ini memungkinkan perbandingan metrik proses antarunit bisnis dan menunjukkan perbedaan efisiensi, kepatuhan, serta pengeluaran. Sumber data Informasi ini kemungkinan terkait dengan profil pengguna karyawan di Ramp atau sistem SDM terintegrasi. Contoh PenjualanPemasaranTeknikKeuangan
	Kategori pengeluaran ExpenseCategory	Kategori yang ditetapkan untuk suatu pengeluaran, seperti 'Perjalanan', 'Perangkat lunak', atau 'Jamuan'.
Deskripsi Atribut ini mengelompokkan pengeluaran ke dalam kategori yang telah ditentukan untuk membantu melacak dan mengendalikan pengeluaran perusahaan. Satu laporan pengeluaran dapat memuat item dari beberapa kategori. Analisis berdasarkan kategori pengeluaran penting untuk dashboard 'Analisis kategori pengeluaran'. Analisis ini membantu tim keuangan memahami penggunaan dana, memantau kepatuhan terhadap anggaran, serta menemukan tren atau anomali pengeluaran dari waktu ke waktu. Mengapa ini penting Atribut ini memungkinkan analisis pengeluaran secara terperinci untuk menemukan sumber biaya utama dan peluang mengoptimalkan anggaran. Sumber data Biasanya, informasi ini tersedia pada tingkat item dalam laporan pengeluaran di Ramp. Untuk beberapa analisis, data mungkin perlu dijumlahkan pada tingkat laporan. Contoh Tiket pesawatMakanan dan hiburanLangganan perangkat lunakPerlengkapan kantor
	Nama pengguna UserName	Nama atau ID pengguna yang melakukan aktivitas, termasuk karyawan yang mengajukan pengeluaran atau pemberi persetujuan.
Deskripsi Atribut ini menunjukkan orang yang bertanggung jawab atas peristiwa tertentu dalam proses, seperti mengajukan, menyetujui, atau memeriksa laporan pengeluaran. Nilainya dapat berupa nama karyawan atau ID pengguna unik. Analisis berdasarkan pengguna membantu memahami pembagian beban kerja, menemukan pengguna dengan kinerja terbaik, dan mengidentifikasi orang yang mungkin memerlukan pelatihan tambahan. Atribut ini penting untuk dashboard kinerja persetujuan dan manajemen sumber daya. Mengapa ini penting Atribut ini mengaitkan aktivitas proses dengan orang tertentu sehingga kinerja dapat dianalisis berdasarkan sumber daya dan kebutuhan pelatihan dapat diketahui. Sumber data Informasi pengguna biasanya dicatat dalam jejak audit atau riwayat transaksi setiap laporan pengeluaran di Ramp. Contoh Alice JohnsonBob SmithCharlie BrownOtomatisasi sistem
	Penanda pelanggaran kebijakan PolicyViolationFlag	Penanda yang menunjukkan apakah laporan pengeluaran ditandai karena pelanggaran kebijakan.
Deskripsi Atribut boolean ini bernilai true jika pemeriksaan otomatis sistem mendeteksi kemungkinan pelanggaran kebijakan pengeluaran perusahaan, seperti pengeluaran yang melebihi batas atau pengajuan pengeluaran ganda. Penanda ini penting untuk dashboard 'Deteksi pelanggaran kebijakan' dan KPI terkait. Data ini membantu mengukur efektivitas kontrol kebijakan dan menemukan penyebab umum ketidakpatuhan, yang dapat menjadi dasar untuk memperbarui kebijakan atau melatih karyawan. Mengapa ini penting Atribut ini mengukur kepatuhan terhadap kebijakan secara langsung, sehingga pengeluaran yang tidak sesuai dan risiko terkait dapat ditemukan dan dikurangi. Sumber data Kemungkinan berupa penanda yang dibuat sistem di Ramp saat pemeriksaan kebijakan otomatis berlangsung selama pengajuan atau persetujuan. Contoh truefalse
	Total nilai laporan ReportTotalAmount	Total nilai uang dalam laporan pengeluaran.
Deskripsi Atribut ini menunjukkan jumlah seluruh pengeluaran dalam satu laporan. Nilai ini menjadi metrik keuangan penting untuk memahami pola pengeluaran. Dalam analisis proses, nilai laporan dapat digunakan untuk mengelompokkan kasus dan memeriksa apakah laporan bernilai besar mengikuti jalur persetujuan yang berbeda atau memerlukan waktu pemrosesan lebih lama. Atribut ini penting untuk dashboard analisis pengeluaran dan untuk menemukan peluang penghematan biaya. Mengapa ini penting Atribut ini memberi dimensi keuangan penting untuk analisis, sehingga laporan dapat dikelompokkan berdasarkan nilai dan total pengeluaran dapat dilacak. Sumber data Atribut ini merupakan kolom utama pada objek laporan pengeluaran di Ramp. Contoh 150.752500.0089.99
	Apakah perlu dikerjakan ulang IsRework	Penanda hasil perhitungan yang menunjukkan apakah laporan pengeluaran pernah dikembalikan untuk direvisi.
Deskripsi Atribut boolean ini ditentukan dengan memeriksa apakah aktivitas 'Pengeluaran dikembalikan untuk direvisi' terjadi pada suatu kasus. Nilainya true untuk setiap laporan yang mengalami setidaknya satu siklus revisi. Penanda ini memudahkan penghitungan KPI 'Tingkat revisi laporan pengeluaran' dan penyaringan serta perbandingan laporan yang disetujui pada pengajuan pertama dengan laporan yang perlu dikerjakan ulang. Analisis kedua kelompok ini dapat menunjukkan dampak revisi terhadap waktu dan biaya. Mengapa ini penting Atribut ini memudahkan pemisahan proses untuk analisis pengerjaan ulang, sehingga frekuensi dan dampak laporan yang dikembalikan untuk diperbaiki dapat dihitung. Sumber data Kolom ini dihitung saat transformasi data dengan memeriksa apakah ada aktivitas revisi dalam kasus tersebut. Contoh truefalse
	Hasil audit AuditOutcome	Hasil audit internal atau eksternal atas laporan pengeluaran.
Deskripsi Untuk laporan pengeluaran yang menjalani audit formal, atribut ini mencatat hasil akhirnya, seperti 'Disetujui', 'Disetujui sebagian', atau 'Perlu informasi tambahan'. Data ini menjadi dasar dasbor 'Kinerja audit pengeluaran'. Anda dapat menggunakannya untuk menilai efektivitas proses audit, melacak frekuensi setiap hasil, dan memahami dampak finansial dari temuan audit. Mengapa ini penting Atribut ini mengukur efektivitas dan hasil proses audit, serta memberi gambaran tentang kepatuhan dan kelemahan pengendalian. Sumber data Data ini dapat dicatat di modul audit Ramp atau di sistem terintegrasi yang digunakan untuk mengaudit pengeluaran secara terperinci. Contoh LolosLolos dengan catatanDitolakDieskalasikan
	Jumlah tahap persetujuan ApprovalStepCount	Jumlah seluruh tahap persetujuan formal yang dilalui laporan pengeluaran.
Deskripsi Metrik hasil perhitungan ini menghitung jumlah aktivitas persetujuan yang berbeda, seperti 'Disetujui manajer' dan 'Disetujui bagian keuangan', untuk satu laporan pengeluaran. Metrik ini membantu mengukur kerumitan alur persetujuan. Atribut ini digunakan untuk KPI 'Rata-rata jumlah tahap persetujuan per laporan' dan dasbor 'Jalur persetujuan pengeluaran sederhana'. Dengan menganalisis jumlah tahap, terutama berdasarkan nilai atau kategori laporan, organisasi dapat mengetahui apakah pengeluaran sederhana bernilai rendah harus melalui proses persetujuan yang terlalu rumit. Mengapa ini penting Atribut ini mengukur kerumitan alur kerja dan membantu menemukan peluang penyederhanaan, terutama untuk laporan berisiko rendah. Sumber data Nilai ini dihitung dengan menghitung kemunculan aktivitas terkait persetujuan dalam setiap kasus di log peristiwa. Contoh 123
	Manajer pemberi persetujuan ApprovingManager	Nama manajer yang melakukan tahap persetujuan.
Deskripsi Atribut ini menunjukkan manajer yang bertanggung jawab memeriksa dan menyetujui laporan pengeluaran karyawan. Manajer ini berbeda dari pengguna yang mengajukan laporan. Melacak manajer pemberi persetujuan penting untuk dashboard 'Waktu siklus persetujuan manajer'. Data ini memungkinkan analisis beban kerja dan kinerja persetujuan, serta menunjukkan manajer yang menyetujui dengan cepat dan yang menjadi hambatan. Informasi ini dapat membantu menyeimbangkan beban kerja atau menentukan dukungan tambahan. Mengapa ini penting Atribut ini memungkinkan analisis kinerja setiap pemberi persetujuan untuk menemukan dan mengatasi hambatan dalam alur kerja persetujuan. Sumber data Informasi ini merupakan bagian dari data alur persetujuan di Ramp. Data dicatat saat manajer mengambil tindakan atas laporan. Contoh Jane DoeJohn MillerSusan Chen
	Metode pengajuan SubmissionMethod	Jalur yang digunakan untuk mengajukan laporan pengeluaran, seperti aplikasi seluler atau portal web.
Deskripsi Atribut ini menunjukkan cara karyawan mengajukan laporan pengeluaran. Metode yang umum mencakup aplikasi seluler, browser web desktop, atau penerusan email. Analisis metode pengajuan dapat memberi gambaran tentang perilaku pengguna dan penggunaan teknologi. Misalnya, jika laporan yang diajukan melalui jalur tertentu sering direvisi, antarmuka jalur tersebut mungkin sulit digunakan. Mengapa ini penting Atribut ini memberi konteks tentang perilaku pengguna dan membantu menemukan jalur pengajuan yang berkaitan dengan lebih banyak kesalahan atau keterlambatan. Sumber data Informasi ini mungkin tercatat dalam metadata peristiwa pengajuan di log sistem Ramp. Contoh Aplikasi selulerPortal webEmail
	Metode penggantian biaya ReimbursementMethod	Metode yang digunakan untuk membayar penggantian biaya, seperti ACH atau transfer bank.
Deskripsi Atribut ini menunjukkan jalur pembayaran yang digunakan untuk mengganti biaya karyawan. Setiap metode dapat memiliki waktu pemrosesan dan biaya yang berbeda. Analisis kinerja penggantian biaya berdasarkan metode membantu Anda menemukan jalur pembayaran yang paling efisien. Dasbor 'Kinerja metode penggantian biaya' menggunakan data ini untuk membandingkan waktu siklus dan keandalan, sehingga strategi pembayaran dapat disempurnakan. Mengapa ini penting Atribut ini membantu membandingkan kinerja berbagai jalur pembayaran agar Anda dapat meningkatkan kecepatan dan keandalannya. Sumber data Informasi ini seharusnya tersedia dalam catatan pembayaran atau penggantian biaya di Ramp. Contoh Transfer ACHKredit kartu perusahaanSetoran langsung
	Pembaruan data terakhir LastDataUpdate	Waktu yang menunjukkan kapan terakhir kali data diperbarui dari sistem sumber.
Deskripsi Atribut ini mencatat tanggal dan waktu ekstraksi data terbaru. Informasi ini menunjukkan seberapa baru data yang dianalisis. Untuk menafsirkan hasil analisis dengan tepat, Anda perlu mengetahui kapan data terakhir diperbarui. Atribut ini membantu pengguna memastikan apakah informasi yang dilihat masih terkini. Mengapa ini penting Atribut ini memberi tahu pengguna seberapa baru data yang digunakan, sehingga analisis didasarkan pada informasi terkini dan relevan. Sumber data Waktu ini dibuat dan ditambahkan saat proses ekstraksi data. Contoh 2023-11-01T06:00:00Z
	Penyetuju keuangan FinanceApprover	Pengguna dari tim keuangan yang menyetujui laporan pengeluaran.
Deskripsi Untuk alur kerja yang mencakup peninjauan oleh tim keuangan, atribut ini menunjukkan orang atau tim di bagian keuangan yang memberikan persetujuan akhir. Atribut ini mendukung dasbor 'Efisiensi peninjauan keuangan' dengan memungkinkan analisis kinerja per individu atau tim. Anda dapat menemukan hambatan, menilai pembagian beban kerja, dan mengukur efektivitas tahap peninjauan keuangan. Mengapa ini penting Atribut ini memungkinkan analisis terperinci atas kinerja tahap peninjauan keuangan, sehingga titik pengendalian penting dalam proses dapat ditingkatkan. Sumber data Data ini dapat ditemukan dalam riwayat persetujuan laporan pengeluaran di Ramp, pada tahap peninjauan keuangan. Contoh Tim keuangan ADavid LeeBot otomatisasi keuangan
	Sistem sumber SourceSystem	Menunjukkan aplikasi sumber tempat data diekstrak.
Deskripsi Atribut ini menunjukkan sistem pencatatan utama untuk data proses, dalam hal ini Ramp. Atribut ini berguna saat data berasal dari beberapa sistem karena membantu memperjelas asal-usul data. Dalam analisis, atribut ini membantu Anda memfilter data dari sumber tertentu dan dapat digunakan untuk validasi serta tata kelola data. Mengapa ini penting Atribut ini memberi konteks tentang asal data, yang penting untuk tata kelola data dan integrasi data dari beberapa sistem. Sumber data Biasanya berupa nilai tetap ('Ramp') yang ditambahkan saat data diekstrak dan ditransformasikan. Contoh Ramp
	Waktu berakhirnya peristiwa EventEndTime	Stempel waktu yang menunjukkan kapan aktivitas berdurasi selesai.
Deskripsi Banyak aktivitas berlangsung seketika, tetapi beberapa aktivitas, seperti 'Pemeriksaan kebijakan dilakukan', memiliki durasi yang dapat diukur. Atribut ini mencatat waktu berakhirnya aktivitas tersebut sebagai pelengkap StartTime. Dengan waktu mulai dan berakhir, durasi pemrosesan aktivitas dapat dihitung secara akurat. Data ini penting untuk KPI seperti 'Rata-rata durasi pemeriksaan kebijakan' dan untuk mengetahui berapa lama tugas otomatis atau manual tertentu diselesaikan dalam keseluruhan proses. Mengapa ini penting Atribut ini memungkinkan penghitungan durasi setiap aktivitas secara akurat, yang penting untuk menemukan langkah proses yang tidak efisien. Sumber data Untuk aktivitas yang memiliki durasi, data ini dicatat dalam data peristiwa Ramp. Untuk peristiwa seketika, nilainya dapat sama dengan StartTime. Contoh 2023-10-26T10:00:05Z2023-10-26T14:35:10Z2023-10-27T09:10:00Z

Wajib Disarankan Opsional

Aktivitas pengelolaan pengeluaran

Berikut langkah dan tonggak proses utama yang perlu dicatat dalam log peristiwa agar proses dapat ditemukan dan kinerjanya diukur secara akurat.

5 Disarankan 7 Opsional

	Aktivitas	Deskripsi
	Disetujui manajer	Manajer telah memeriksa dan menyetujui pengeluaran sehingga proses dapat berlanjut ke tahap berikutnya, seperti pemeriksaan keuangan atau penggantian biaya. Peristiwa ini dicatat melalui tindakan langsung pengguna.
Mengapa ini penting Tonggak ini menandakan tahap persetujuan pertama telah selesai. Data ini penting untuk menganalisis alur kerja persetujuan dan menemukan hambatan. Sumber data Dicatat sebagai peristiwa dalam riwayat persetujuan pengeluaran saat manajer mengeklik 'Approve'. Log peristiwa seharusnya memuat ID pemberi persetujuan dan waktu kejadian. Pengumpulan data Peristiwa dicatat saat pengguna dengan izin manajer memilih 'Approve'. Jenis peristiwa explicit
	Disinkronkan dengan sistem akuntansi	Data transaksi pengeluaran berhasil dicatat di sistem akuntansi terintegrasi, seperti NetSuite, QuickBooks, atau Xero. Peristiwa ini menandai selesainya pencatatan keuangan dalam proses.
Mengapa ini penting Ini adalah aktivitas terakhir dalam proses dari awal hingga akhir. Keterlambatan pada tahap ini dapat memengaruhi akurasi laporan keuangan dan kecepatan tutup buku. Sumber data Dicatat dalam log integrasi atau sebagai pembaruan status pada objek pengeluaran di Ramp. Cari status seperti 'Synced', 'Posted', atau 'Exported'. Pengumpulan data Layanan integrasi akuntansi membuat entri log setelah sinkronisasi data berhasil. Jenis peristiwa explicit
	Pengeluaran diajukan	Karyawan memastikan semua informasi pengeluaran sudah lengkap, lalu mengajukannya untuk mendapat persetujuan. Tindakan pengguna ini mengubah status pengeluaran dari 'draft' atau 'needs attention' menjadi 'pending approval'.
Mengapa ini penting Aktivitas ini menjadi tonggak penting yang secara resmi memulai siklus persetujuan dan penggantian biaya. Waktu ini menjadi acuan untuk mengukur SLA persetujuan dan penggantian biaya. Sumber data Diambil dari riwayat status objek pengeluaran. Catatan ini menunjukkan tindakan pengguna saat mengajukan transaksi untuk diperiksa. Pengumpulan data Dicatat saat pengguna mengeklik tombol 'Submit', yang memicu perubahan status. Jenis peristiwa explicit
	Pengeluaran terjadi	Menandai saat pengeluaran dibuat. Biasanya, pencatatan dimulai otomatis ketika kartu perusahaan digunakan atau saat karyawan membuat catatan pengeluaran pribadi secara manual. Peristiwa ini umumnya diambil dari umpan data transaksi atau tindakan di antarmuka pengguna.
Mengapa ini penting Ini adalah peristiwa awal utama dalam siklus pengeluaran. Dengan menganalisis waktu sejak peristiwa ini, Anda dapat memahami keterlambatan pengajuan dan kecepatan proses secara keseluruhan. Sumber data Data diambil dari log transaksi kartu Ramp atau waktu pembuatan catatan pengeluaran yang dimasukkan secara manual. Cari peristiwa pembuatan catatan awal di tabel pengeluaran atau transaksi. Pengumpulan data Dicatat langsung saat transaksi kartu diproses atau pengguna membuat entri pengeluaran baru. Jenis peristiwa explicit
	Penggantian biaya dibayarkan	Pembayaran penggantian biaya berhasil diproses dan dikirim kepada karyawan. Ini biasanya menjadi langkah terakhir bagi karyawan sekaligus menandai akhir siklus pembayaran.
Mengapa ini penting Ini adalah peristiwa akhir utama dalam proses penggantian biaya. Durasi dari pengajuan hingga tahap ini menjadi KPI penting untuk mengukur kepuasan karyawan dan efisiensi proses. Sumber data Diambil dari log pemrosesan pembayaran atau integrasi dengan penyedia pembayaran. Status pengeluaran di Ramp akan berubah menjadi 'Reimbursed' atau 'Paid'. Pengumpulan data Peristiwa dicatat saat sistem pembayaran mengonfirmasi bahwa dana berhasil ditransfer. Jenis peristiwa explicit
	Bukti transaksi dilampirkan	Menandai saat bukti transaksi dikaitkan dengan pengeluaran, baik secara otomatis melalui pencocokan OCR maupun secara manual oleh pengguna. Peristiwa ini dicatat saat file bukti transaksi berhasil ditautkan ke catatan transaksi.
Mengapa ini penting Dengan melacak aktivitas ini, Anda dapat menemukan keterlambatan akibat dokumen yang belum tersedia. Langkah ini penting untuk memastikan kepatuhan dan kesiapan audit. Sumber data Dicatat dalam riwayat pengeluaran atau transaksi saat bukti transaksi diunggah atau dicocokkan. Cari peristiwa pembuatan lampiran atau penanda 'receipt_attached'. Pengumpulan data Peristiwa dibuat saat sistem menautkan gambar atau file bukti transaksi ke catatan pengeluaran. Jenis peristiwa explicit
	Disetujui tim keuangan	Tim keuangan telah memeriksa dan memberikan persetujuan akhir atas pengeluaran. Pengeluaran kini siap diganti dan disinkronkan ke sistem akuntansi. Peristiwa ini dicatat sebagai tindakan langsung anggota tim keuangan.
Mengapa ini penting Ini adalah tahap persetujuan terakhir sebelum pembayaran. Analisis aktivitas ini membantu memahami siklus persetujuan dari awal hingga akhir dan efisiensi tim keuangan. Sumber data Dicatat sebagai peristiwa dalam riwayat persetujuan pengeluaran. Cari peristiwa persetujuan yang terkait dengan pengguna dari bagian keuangan. Pengumpulan data Peristiwa dicatat saat pengguna dengan izin keuangan memilih 'Approve'. Jenis peristiwa explicit
	Menunggu pemeriksaan keuangan	Pengeluaran yang telah disetujui diteruskan dan kini menunggu pemeriksaan dari tim keuangan atau akuntansi. Tahap ini biasanya berlaku untuk pengeluaran bernilai besar atau yang ditandai karena masalah kebijakan. Aktivitas ini disimpulkan dari perubahan status.
Mengapa ini penting Menandai awal siklus pemeriksaan keuangan. Dengan mengukur durasi tahap ini, Anda dapat menilai beban kerja dan efisiensi tim keuangan serta menemukan peluang untuk otomatisasi. Sumber data Disimpulkan dari perubahan status objek pengeluaran menjadi 'Pending Finance Approval' setelah persetujuan manajer. Data ini memerlukan akses ke riwayat status pengeluaran. Pengumpulan data Diambil dari waktu saat status pengeluaran berubah menjadi 'Pending Finance Review'. Jenis peristiwa inferred
	Menunggu pemeriksaan manajer	Pengeluaran telah diajukan dan kini menunggu pemeriksaan dari manajer langsung karyawan. Status ini dapat disimpulkan saat status pengeluaran berubah menjadi 'Pending Manager Approval' atau nilai serupa setelah pengajuan.
Mengapa ini penting Menandai awal tahap persetujuan manajer. Mengukur waktu dalam status ini penting untuk menilai dan mempercepat siklus persetujuan manajer. Sumber data Disimpulkan dari perubahan status objek pengeluaran menjadi status seperti 'Pending Approval' dan penugasannya ke antrean manajer. Untuk itu, riwayat status perlu dilacak. Pengumpulan data Diambil dari waktu saat status pengeluaran berubah menjadi 'Pending Manager Approval'. Jenis peristiwa inferred
	Pemeriksaan kebijakan dilakukan	Sistem secara otomatis memeriksa pengeluaran berdasarkan kebijakan perusahaan yang telah dikonfigurasi dan menandai kemungkinan pelanggaran. Peristiwa yang dibuat sistem ini biasanya terjadi tidak lama setelah pengajuan.
Mengapa ini penting Mengukur efisiensi pemeriksaan kepatuhan otomatis dan dampaknya terhadap proses. Data ini membantu menemukan pelanggaran kebijakan yang umum terjadi dan kebutuhan pelatihan karyawan. Sumber data Kemungkinan dicatat dalam jejak audit atau log yang terkait dengan transaksi pengeluaran. Cari peristiwa sistem seperti 'policy_check' atau 'compliance_scan'. Pengumpulan data Entri log sistem dibuat setelah mesin kebijakan otomatis memeriksa transaksi. Jenis peristiwa explicit
	Pengeluaran dikembalikan untuk diperbaiki	Pemberi persetujuan, baik manajer maupun pemeriksa keuangan, menolak pengeluaran dan mengembalikannya kepada karyawan untuk diperbaiki. Peristiwa ini dicatat saat status berubah menjadi 'Needs Revision' atau 'Rejected'.
Mengapa ini penting Aktivitas ini menandai proses yang harus diulang, sehingga waktu siklus bertambah. Dengan melacak peristiwa ini, Anda dapat menemukan kesalahan pengajuan yang umum dan meningkatkan tingkat pengajuan yang lolos pada pemeriksaan pertama. Sumber data Disimpulkan dari perubahan status objek pengeluaran menjadi 'Needs Revision' atau status serupa. Peristiwa ini sebaiknya ditautkan ke pemberi persetujuan yang memulai tindakan tersebut. Pengumpulan data Diambil dari waktu saat status pengeluaran berubah menjadi 'Needs Revision' atau 'Rejected'. Jenis peristiwa inferred
	Penggantian biaya dijadwalkan	Untuk pengeluaran pribadi, jumlah yang disetujui telah masuk antrean pemrosesan pembayaran. Peristiwa ini menandakan bahwa pengeluaran telah melewati semua tahap persetujuan dan siap dibayarkan.
Mengapa ini penting Tonggak ini memisahkan proses persetujuan dari proses pembayaran. Dengan begitu, Anda dapat membedakan keterlambatan pemrosesan pembayaran dari keterlambatan persetujuan. Sumber data Kemungkinan disimpulkan dari perubahan status pengeluaran menjadi 'Pending Reimbursement' atau 'Ready for Payment' setelah persetujuan akhir. Peristiwa ini juga dapat dicatat secara langsung jika pembayaran dilakukan secara berkelompok. Pengumpulan data Diambil dari perubahan status menjadi 'Ready for Payout' atau dari pembuatan catatan di tabel kelompok pembayaran. Jenis peristiwa inferred

Disarankan Opsional

Panduan ekstraksi

Cara mengambil data dari Ramp

Langkah

Masuk ke akun Ramp Anda dengan hak akses Admin atau Bookkeeper.
Buka bagian Transaksi dari menu di sebelah kiri. Tampilan ini memuat semua pengeluaran melalui kartu perusahaan.
Terapkan filter yang diinginkan. Minimal, tentukan Date Range untuk periode yang ingin dianalisis. Jika perlu, persempit cakupan dengan memfilter properti lain, seperti Status, Category, atau Departemen.
Klik tombol Export di kanan atas daftar transaksi.
Di jendela ekspor, pilih Transaksi sebagai jenis ekspor dan CSV sebagai format. Unduh file, lalu beri nama transactions_export.csv.
Selanjutnya, buka bagian Penggantian biaya dari menu di sebelah kiri. Tampilan ini memuat semua pengeluaran pribadi yang diajukan oleh karyawan.
Terapkan filter rentang tanggal yang sama seperti saat mengekspor transaksi agar data tetap konsisten.
Klik tombol Export, lalu unduh data penggantian biaya sebagai file CSV. Beri nama file reimbursements_export.csv.
Simpan kedua file CSV yang diekspor (transactions_export.csv dan reimbursements_export.csv) di direktori yang sama dengan skrip Python yang disediakan.
Jalankan skrip Python. Skrip akan memuat kedua file, mengubah data dengan membuat satu baris terpisah untuk setiap peristiwa bisnis, lalu menggabungkannya menjadi satu log peristiwa terstruktur.
Skrip akan menghasilkan file bernama ramp_event_log.csv. Format file ini sesuai dengan persyaratan ProcessMind.
Unggah file ramp_event_log.csv ke ProcessMind untuk dianalisis.

Konfigurasi

Izin: Anda harus memiliki peran 'Admin' atau 'Bookkeeper' di Ramp untuk mengakses dan mengekspor seluruh data transaksi dan penggantian biaya.
Rentang tanggal: Untuk analisis awal, pilih rentang 6 hingga 12 bulan agar mencakup cukup banyak variasi proses. Untuk pemantauan rutin, Anda dapat menggunakan rentang yang lebih pendek dan lebih baru.
Konsistensi data: Gunakan rentang tanggal dan filter yang sama persis saat mengekspor file Transactions dan Reimbursements agar kumpulan datanya konsisten.
Format ekspor: Selalu pilih format CSV untuk kedua ekspor. Skrip transformasi dirancang untuk memproses file yang dipisahkan koma.
Nama file: Gunakan nama file transactions_export.csv dan reimbursements_export.csv, atau sesuaikan variabel jalur file dalam skrip transformasi.

Contoh kueri python

import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration ---
TRANSACTIONS_FILE = class="hl-string">'transactions_export.csv'
REIMBURSEMENTS_FILE = class="hl-string">'reimbursements_export.csv'
OUTPUT_FILE = class="hl-string">'ramp_event_log.csv'

class=class="hl-string">"hl-comment"># --- Load Data ---
def load_data():
    try:
        transactions_df = pd.read_csv(TRANSACTIONS_FILE)
        reimbursements_df = pd.read_csv(REIMBURSEMENTS_FILE)
        print(class="hl-string">"Successfully loaded transactions and reimbursements files.")
        return transactions_df, reimbursements_df
    except FileNotFoundError as e:
        print(fclass="hl-string">"Error: {e}. Make sure '{TRANSACTIONS_FILE}' and '{REIMBURSEMENTS_FILE}' are in the same directory.")
        return None, None

class=class="hl-string">"hl-comment"># --- Main Transformation Logic ---
def transform_to_event_log(transactions_df, reimbursements_df):
    events = []

    class=class="hl-string">"hl-comment"># Standardize column names for easier processing
    class=class="hl-string">"hl-comment"># These names are based on typical Ramp CSV exports, adjust if your export has different headers
    transactions_df.rename(columns={
        class="hl-string">'Transaction ID': class="hl-string">'ExpenseReportId',
        class="hl-string">'User Name': class="hl-string">'UserName',
        class="hl-string">'Department': class="hl-string">'EmployeeDepartment',
        class="hl-string">'Amount': class="hl-string">'ReportTotalAmount',
        class="hl-string">'Category Name': class="hl-string">'ExpenseCategory',
        class="hl-string">'Transaction Date': class="hl-string">'ExpenseIncurredTimestamp',
        class="hl-string">'Receipts Attached At': class="hl-string">'ReceiptAttachedTimestamp',
        class="hl-string">'Submitted At': class="hl-string">'ExpenseSubmittedTimestamp',
        class="hl-string">'Manager Approved At': class="hl-string">'ManagerApprovedTimestamp',
        class="hl-string">'Needs Review At': class="hl-string">'FinanceReviewPendingTimestamp',
        class="hl-string">'Admin Approved At': class="hl-string">'FinanceApprovedTimestamp',
        class="hl-string">'Accounting Sync At': class="hl-string">'SyncedTimestamp',
        class="hl-string">'Memo': class="hl-string">'RevisionReason',
        class="hl-string">'State': class="hl-string">'Status'
    }, inplace=True)

    reimbursements_df.rename(columns={
        class="hl-string">'Reimbursement ID': class="hl-string">'ExpenseReportId',
        class="hl-string">'User Name': class="hl-string">'UserName',
        class="hl-string">'Department': class="hl-string">'EmployeeDepartment',
        class="hl-string">'Amount': class="hl-string">'ReportTotalAmount',
        class="hl-string">'Category Name': class="hl-string">'ExpenseCategory',
        class="hl-string">'Created At': class="hl-string">'ReimbursementScheduledTimestamp',
        class="hl-string">'Paid Out At': class="hl-string">'ReimbursementExecutedTimestamp',
        class="hl-string">'Memo': class="hl-string">'RevisionReason',
        class="hl-string">'State': class="hl-string">'Status'
    }, inplace=True)

    class=class="hl-string">"hl-comment"># Combine card transactions and reimbursements into a single dataframe for processing common events
    class=class="hl-string">"hl-comment"># Note: Reimbursements will be processed separately for reimbursement-specific events
    combined_df = transactions_df

    class=class="hl-string">"hl-comment"># Process activities from the combined dataframe
    for _, row in combined_df.iterrows():
        base_event = {
            class="hl-string">'ExpenseReportId': row.get(class="hl-string">'ExpenseReportId'),
            class="hl-string">'UserName': row.get(class="hl-string">'UserName'),
            class="hl-string">'EmployeeDepartment': row.get(class="hl-string">'EmployeeDepartment'),
            class="hl-string">'ReportTotalAmount': row.get(class="hl-string">'ReportTotalAmount'),
            class="hl-string">'ExpenseCategory': row.get(class="hl-string">'ExpenseCategory'),
            class="hl-string">'PolicyViolationFlag': class="hl-string">'FLAGGED' in str(row.get(class="hl-string">'Flags')), class=class="hl-string">"hl-comment"># Infer from class="hl-string">'Flags' column
            class="hl-string">'RevisionReason': row.get(class="hl-string">'RevisionReason')
        }

        class=class="hl-string">"hl-comment"># Activity: Expense Incurred
        if pd.notna(row.get(class="hl-string">'ExpenseIncurredTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Incurred', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseIncurredTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Receipt Attached
        if pd.notna(row.get(class="hl-string">'ReceiptAttachedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Receipt Attached', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReceiptAttachedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Expense Submitted
        if pd.notna(row.get(class="hl-string">'ExpenseSubmittedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Submitted', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseSubmittedTimestamp')})
            class=class="hl-string">"hl-comment"># Inferred Activity: Policy Check Performed (assumed to happen right after submission)
            policy_check_ts = pd.to_datetime(row.get(class="hl-string">'ExpenseSubmittedTimestamp')) + pd.Timedelta(seconds=1)
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Policy Check Performed', class="hl-string">'EventTimestamp': policy_check_ts.isoformat()})
            class=class="hl-string">"hl-comment"># Inferred Activity: Manager Review Pending (starts when submitted)
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Manager Review Pending', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseSubmittedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Manager Approved
        if pd.notna(row.get(class="hl-string">'ManagerApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Manager Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ManagerApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Review Pending
        if pd.notna(row.get(class="hl-string">'FinanceReviewPendingTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Review Pending', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceReviewPendingTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Approved
        if pd.notna(row.get(class="hl-string">'FinanceApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Synced with Accounting System
        if pd.notna(row.get(class="hl-string">'SyncedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Synced with Accounting System', class="hl-string">'EventTimestamp': row.get(class="hl-string">'SyncedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Expense Sent Back for Revision
        if row.get(class="hl-string">'Status') == class="hl-string">'REJECTED' and pd.notna(row.get(class="hl-string">'Updated At')):
             events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Sent Back for Revision', class="hl-string">'EventTimestamp': row.get(class="hl-string">'Updated At')}) class=class="hl-string">"hl-comment"># Using last updated time for rejection

    class=class="hl-string">"hl-comment"># Process reimbursement-specific activities
    for _, row in reimbursements_df.iterrows():
        base_event = {
            class="hl-string">'ExpenseReportId': row.get(class="hl-string">'ExpenseReportId'),
            class="hl-string">'UserName': row.get(class="hl-string">'UserName'),
            class="hl-string">'EmployeeDepartment': row.get(class="hl-string">'EmployeeDepartment'),
            class="hl-string">'ReportTotalAmount': row.get(class="hl-string">'ReportTotalAmount'),
            class="hl-string">'ExpenseCategory': row.get(class="hl-string">'ExpenseCategory'),
            class="hl-string">'PolicyViolationFlag': False, class=class="hl-string">"hl-comment"># Typically less flagging on reimbursements
            class="hl-string">'RevisionReason': row.get(class="hl-string">'RevisionReason')
        }

        class=class="hl-string">"hl-comment"># Activity: Reimbursement Scheduled
        if row.get(class="hl-string">'Status') == class="hl-string">'APPROVED' and pd.notna(row.get(class="hl-string">'ReimbursementScheduledTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Reimbursement Scheduled', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReimbursementScheduledTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Reimbursement Executed
        if row.get(class="hl-string">'Status') == class="hl-string">'PAID' and pd.notna(row.get(class="hl-string">'ReimbursementExecutedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Reimbursement Executed', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReimbursementExecutedTimestamp')})

    if not events:
        print(class="hl-string">"Warning: No events were generated. Check the input files and column names.")
        return None

    class=class="hl-string">"hl-comment"># Create final DataFrame
    event_log_df = pd.DataFrame(events)
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp'])
    event_log_df.sort_values(by=[class="hl-string">'ExpenseReportId', class="hl-string">'EventTimestamp'], inplace=True)
    
    return event_log_df

class=class="hl-string">"hl-comment"># --- Main execution block ---
if __name__ == class="hl-string">"__main__":
    transactions_df, reimbursements_df = load_data()
    if transactions_df is not None and reimbursements_df is not None:
        event_log = transform_to_event_log(transactions_df, reimbursements_df)
        if event_log is not None:
            event_log.to_csv(OUTPUT_FILE, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
            print(fclass="hl-string">"Successfully created event log with {len(event_log)} events. Saved to '{OUTPUT_FILE}'.")

Langkah

Prasyarat dan penyiapan lingkungan: Pastikan Python 3.8 atau versi lebih baru sudah terpasang. Pasang pustaka Python yang diperlukan dengan menjalankan pip install requests pandas. Anda juga harus memiliki akses administrator ke akun Ramp untuk membuat kredensial API.
Buat kredensial Ramp API: Masuk ke akun Ramp. Buka Settings, lalu pilih Developer API dari menu samping. Klik 'Create App', beri nama aplikasi, lalu atur cakupan akses yang diperlukan. Anda memerlukan transactions:read, reimbursements:read, dan users:read. Setelah aplikasi dibuat, salin Client ID dan Client Secret dengan aman.
Konfigurasikan skrip Python: Buat file Python baru, misalnya extract_ramp_log.py. Salin skrip Python yang disediakan ke file ini. Atur Client ID dan Client Secret sebagai variabel lingkungan atau masukkan langsung ke skrip untuk keperluan pengujian. Sebaiknya gunakan variabel lingkungan demi keamanan.
Tentukan rentang tanggal ekstraksi: Di skrip, cari variabel START_DATE dan END_DATE dalam blok eksekusi main. Sesuaikan tanggal tersebut untuk menentukan periode pengambilan data. Untuk analisis awal, disarankan menggunakan periode 3 hingga 6 bulan.
Jalankan skrip: Jalankan skrip dari terminal dengan perintah python extract_ramp_log.py. Skrip akan melakukan autentikasi ke Ramp API, mengambil data dari endpoint pengguna, transaksi, dan penggantian biaya, serta menangani paginasi secara otomatis.
Pahami panggilan API: Skrip terlebih dahulu mengambil semua data pengguna untuk membuat pemetaan ID pengguna ke nama dan departemen. Setelah itu, skrip mengambil semua data penggantian biaya dalam rentang tanggal yang ditentukan. Untuk setiap penggantian biaya, skrip mengambil riwayat persetujuan dan pembayaran.
Ubah data menjadi log peristiwa: Logika utama skrip menelusuri setiap penggantian biaya beserta riwayat statusnya. Skrip mengubah setiap perubahan status, seperti 'MANAGER_APPROVAL' atau 'FINISHED', menjadi aktivitas tersendiri, seperti 'Menunggu peninjauan manajer' atau 'Penggantian biaya dibayarkan'. Skrip juga mengambil data transaksi terkait untuk membuat peristiwa 'Pengeluaran terjadi' dan 'Bukti pembayaran dilampirkan'.
Perkaya data: Skrip menambahkan detail pengguna, informasi departemen, dan kategori pengeluaran ke setiap peristiwa dalam log, sehingga menghasilkan kumpulan data untuk analisis proses.
Periksa hasilnya: Setelah skrip selesai, file bernama ramp_event_log.csv akan dibuat di direktori yang sama. Buka file CSV ini dengan aplikasi spreadsheet untuk memeriksa data dan memastikan ekstraksi berjalan sesuai harapan.
Siapkan file untuk diunggah: File CSV yang dihasilkan memiliki kolom wajib ExpenseReportId, ActivityName, EventTimestamp, serta atribut lain yang disarankan. File ini siap diunggah langsung ke platform ProcessMind.

Konfigurasi

Kredensial API: Autentikasi memerlukan Client ID dan Client Secret yang valid. Buat kredensial ini di dasbor Ramp melalui Settings > Developer API.
Cakupan API: Skrip memerlukan izin tertentu untuk mengakses data. Pastikan cakupan berikut diaktifkan untuk kunci API Anda: transactions:read (untuk detail pengeluaran dan bukti pembayaran), reimbursements:read (untuk status pengajuan, persetujuan, dan pembayaran), serta users:read (untuk nama dan departemen karyawan).
Rentang tanggal: Ekstraksi menggunakan parameter START_DATE dan END_DATE dalam skrip. Sebaiknya mulai dengan periode terbaru, misalnya 3 hingga 6 bulan terakhir, agar kumpulan data awal tetap mudah dikelola. Filter diterapkan pada tanggal pembuatan penggantian biaya.
Paginasi: Skrip menangani paginasi API secara otomatis dengan kursor starting_after dari Ramp API. Skrip mengambil data dalam kelompok, hingga 100 data per permintaan, untuk memastikan semua data dalam rentang tanggal berhasil diambil.
Batas laju permintaan: Ramp API memiliki batas laju permintaan, biasanya 600 permintaan per menit. Skrip yang disediakan umumnya efisien, tetapi untuk kumpulan data yang sangat besar, Anda mungkin perlu menambahkan jeda singkat antarpermintaan API jika terjadi kesalahan batas laju.

Contoh kueri python

import os
import requests
import pandas as pd
from datetime import datetime, timezone

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># It is recommended to use environment variables for credentials
CLIENT_ID = os.getenv(class="hl-string">'RAMP_CLIENT_ID', class="hl-string">'[Your_Ramp_Client_ID]')
CLIENT_SECRET = os.getenv(class="hl-string">'RAMP_CLIENT_SECRET', class="hl-string">'[Your_Ramp_Client_Secret]')

API_BASE_URL = class="hl-string">'https://api.ramp.com/v1'
TOKEN_URL = class="hl-string">'https://api.ramp.com/v1/public/customer/token'

class=class="hl-string">"hl-comment"># --- Main Functions ---

def get_access_token():
    class="hl-string">"""Authenticates with the Ramp API to get a bearer token."""
    headers = {class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded'}
    data = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'scope': class="hl-string">'transactions:read reimbursements:read users:read'
    }
    try:
        response = requests.post(TOKEN_URL, headers=headers, data=data)
        response.raise_for_status()
        return response.json()[class="hl-string">'access_token']
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error obtaining access token: {e}")
        if e.response is not None:
            print(fclass="hl-string">"Response body: {e.response.text}")
        return None

def fetch_paginated_data(endpoint, access_token, params=None):
    class="hl-string">"""Fetches all data from a paginated Ramp API endpoint."""
    all_data = []
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    url = fclass="hl-string">"{API_BASE_URL}{endpoint}"
    
    while url:
        try:
            response = requests.get(url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            all_data.extend(data.get(class="hl-string">'data', []))
            url = data.get(class="hl-string">'next') class=class="hl-string">"hl-comment"># Ramp uses a full URL for the next page
            params = None class=class="hl-string">"hl-comment"># Subsequent requests use the class="hl-string">'next' URL which includes params
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching data from {endpoint}: {e}")
            break
            
    return all_data

def map_state_to_activity(state, reason_code):
    class="hl-string">"""Maps reimbursement state history to a user-friendly activity name."""
    if reason_code == class="hl-string">'REJECTED':
        return class="hl-string">'Expense Sent Back for Revision'
    
    state_map = {
        class="hl-string">'SUBMITTED': class="hl-string">'Expense Submitted',
        class="hl-string">'MANAGER_APPROVAL': class="hl-string">'Manager Review Pending',
        class="hl-string">'ACCOUNTING_APPROVAL': class="hl-string">'Finance Review Pending',
        class="hl-string">'MANAGER_APPROVED': class="hl-string">'Manager Approved',
        class="hl-string">'ACCOUNTING_APPROVED': class="hl-string">'Finance Approved',
        class="hl-string">'PAYMENT_SCHEDULED': class="hl-string">'Reimbursement Scheduled',
        class="hl-string">'PAYMENT_PROCESSING': class="hl-string">'Reimbursement Executed', class=class="hl-string">"hl-comment"># Approximation
        class="hl-string">'FINISHED': class="hl-string">'Reimbursement Executed',
        class="hl-string">'SYNCED': class="hl-string">'Synced with Accounting System'
    }
    return state_map.get(state)

class=class="hl-string">"hl-comment"># --- Main Execution ---
def main():
    class="hl-string">"""Main script to extract, transform, and save the event log."""
    print(class="hl-string">"Starting Ramp data extraction...")
    access_token = get_access_token()
    if not access_token:
        print(class="hl-string">"Failed to get access token. Exiting.")
        return

    class=class="hl-string">"hl-comment"># 1. Fetch Users for enrichment
    print(class="hl-string">"Fetching users...")
    users = fetch_paginated_data(class="hl-string">'/users', access_token)
    user_map = {u[class="hl-string">'id']: {class="hl-string">'name': fclass="hl-string">"{u['first_name']} {u['last_name']}", class="hl-string">'department': u.get(class="hl-string">'department')} for u in users}
    print(fclass="hl-string">"Found {len(user_map)} users.")

    class=class="hl-string">"hl-comment"># 2. Fetch Reimbursements within a date range
    START_DATE = class="hl-string">'2023-01-01T00:00:00Z'
    END_DATE = class="hl-string">'2023-12-31T23:59:59Z'
    print(fclass="hl-string">"Fetching reimbursements from {START_DATE} to {END_DATE}...")
    reimbursement_params = {class="hl-string">'created_at_gte': START_DATE, class="hl-string">'created_at_lte': END_DATE}
    reimbursements = fetch_paginated_data(class="hl-string">'/reimbursements', access_token, params=reimbursement_params)
    print(fclass="hl-string">"Found {len(reimbursements)} reimbursements.")

    event_log = []

    class=class="hl-string">"hl-comment"># 3. Process each reimbursement to create the event log
    for r in reimbursements:
        case_id = r[class="hl-string">'id']
        report_total = r[class="hl-string">'amount']
        submitter_id = r[class="hl-string">'user_id']
        submitter_details = user_map.get(submitter_id, {class="hl-string">'name': class="hl-string">'Unknown User', class="hl-string">'department': None})
        expense_category = r.get(class="hl-string">'merchant_name') class=class="hl-string">"hl-comment"># Best available proxy for category
        
        class=class="hl-string">"hl-comment"># Process reimbursement state history
        for history in r.get(class="hl-string">'state_history', []):
            activity_name = map_state_to_activity(history[class="hl-string">'state'], history.get(class="hl-string">'reason_code'))
            if activity_name:
                event_log.append({
                    class="hl-string">'ExpenseReportId': case_id,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': history[class="hl-string">'created_at'],
                    class="hl-string">'UserName': user_map.get(history.get(class="hl-string">'user_id'), submitter_details)[class="hl-string">'name'],
                    class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                    class="hl-string">'ReportTotalAmount': report_total,
                    class="hl-string">'ExpenseCategory': expense_category,
                    class="hl-string">'PolicyViolationFlag': None, class=class="hl-string">"hl-comment"># Not directly available in reimbursement history
                    class="hl-string">'RevisionReason': history.get(class="hl-string">'reason_notes')
                })

        class=class="hl-string">"hl-comment"># Fetch and process associated transactions
        for tx_id in r.get(class="hl-string">'transaction_ids', []):
            try:
                tx_response = requests.get(fclass="hl-string">"{API_BASE_URL}/transactions/{tx_id}", headers={class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'})
                tx_response.raise_for_status()
                tx = tx_response.json()

                class=class="hl-string">"hl-comment"># Activity: Expense Incurred
                event_log.append({
                    class="hl-string">'ExpenseReportId': case_id,
                    class="hl-string">'ActivityName': class="hl-string">'Expense Incurred',
                    class="hl-string">'EventTimestamp': tx[class="hl-string">'user_transaction_time'],
                    class="hl-string">'UserName': submitter_details[class="hl-string">'name'],
                    class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                    class="hl-string">'ReportTotalAmount': report_total,
                    class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                    class="hl-string">'PolicyViolationFlag': tx.get(class="hl-string">'flagged_for_review'),
                    class="hl-string">'RevisionReason': None
                })

                class=class="hl-string">"hl-comment"># Activity: Receipt Attached
                if tx.get(class="hl-string">'receipts') and len(tx[class="hl-string">'receipts']) > 0:
                    receipt_time = tx[class="hl-string">'receipts'][0].get(class="hl-string">'upload_time', tx[class="hl-string">'user_transaction_time']) class=class="hl-string">"hl-comment"># Use transaction time as fallback
                    event_log.append({
                        class="hl-string">'ExpenseReportId': case_id,
                        class="hl-string">'ActivityName': class="hl-string">'Receipt Attached',
                        class="hl-string">'EventTimestamp': receipt_time,
                        class="hl-string">'UserName': submitter_details[class="hl-string">'name'],
                        class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                        class="hl-string">'ReportTotalAmount': report_total,
                        class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                        class="hl-string">'PolicyViolationFlag': tx.get(class="hl-string">'flagged_for_review'),
                        class="hl-string">'RevisionReason': None
                    })

                class=class="hl-string">"hl-comment"># Activity: Policy Check Performed (Approximation)
                if tx.get(class="hl-string">'flagged_for_review'):
                    event_log.append({
                        class="hl-string">'ExpenseReportId': case_id,
                        class="hl-string">'ActivityName': class="hl-string">'Policy Check Performed',
                        class="hl-string">'EventTimestamp': r.get(class="hl-string">'created_at'), class=class="hl-string">"hl-comment"># Use submission time as proxy
                        class="hl-string">'UserName': class="hl-string">'System',
                        class="hl-string">'EmployeeDepartment': submitter_details[class="hl-string">'department'],
                        class="hl-string">'ReportTotalAmount': report_total,
                        class="hl-string">'ExpenseCategory': tx.get(class="hl-string">'merchant_name'),
                        class="hl-string">'PolicyViolationFlag': True,
                        class="hl-string">'RevisionReason': None
                    })

            except requests.exceptions.RequestException as e:
                print(fclass="hl-string">"Could not fetch transaction {tx_id}: {e}")

    if not event_log:
        print(class="hl-string">"No events were generated. Check the date range and API responses.")
        return

    class=class="hl-string">"hl-comment"># 4. Create and save DataFrame
    print(class="hl-string">"Finalizing event log...")
    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">'ExpenseReportId', class="hl-string">'EventTimestamp'])

    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'ExpenseReportId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'UserName',
        class="hl-string">'EmployeeDepartment', class="hl-string">'ReportTotalAmount', class="hl-string">'ExpenseCategory',
        class="hl-string">'PolicyViolationFlag', class="hl-string">'RevisionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
    
    df = df[final_columns]

    output_filename = class="hl-string">'ramp_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%f%z')
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Langkah

Pastikan langganan Ramp Anda mencakup integrasi gudang data bawaan dan administrator dapat mengonfigurasi tujuan. Pilih gudang data tujuan yang didukung, seperti Snowflake atau BigQuery, lalu atur akses sesuai standar keamanan organisasi Anda. Jalur menu dan objek tujuan yang tepat bergantung pada konfigurasi Ramp Anda, jadi gunakan [Konfigurasikan sesuai sistem Anda].
Konfigurasikan tujuan gudang data, database atau proyek, skema atau kumpulan data, wilayah, kredensial, dan cakupan sinkronisasi. Catat nama tabel dan kolom hasil replikasi yang ditampilkan Ramp. Jangan mengasumsikan nama tabel karena dapat berbeda menurut integrasi dan konfigurasi akun.
Temukan data hasil replikasi untuk laporan pengeluaran, transaksi pengeluaran, bukti pembayaran, persetujuan, kebijakan, penggantian biaya, dan sinkronisasi akuntansi. Petakan setiap sumber ke kolom yang diperlukan untuk log peristiwa. Jika peristiwa siklus proses yang diperlukan tidak tercatat secara eksplisit, cari riwayat status atau data audit sumber yang mencatatnya.
Tentukan periode ekstraksi, sebaiknya tiga hingga enam bulan, menggunakan [Tanggal mulai] dan [Tanggal akhir]. Terapkan filter perusahaan atau organisasi hanya jika kolom sumber yang sesuai tersedia. Pertahankan zona waktu sumber atau ubah semua stempel waktu ke zona waktu umum yang terdokumentasi.
Buat tampilan atau kueri gudang data untuk menormalkan kolom sumber menjadi ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, dan RevisionReason. Ganti setiap placeholder tabel dan kolom dalam tanda kurung siku pada kueri yang disediakan dengan nama dari skema hasil replikasi Anda.
Ekstrak setiap aktivitas siklus proses sebagai baris peristiwa tersendiri. Kueri di bawah ini memuat satu blok SELECT lengkap untuk masing-masing dari 12 aktivitas wajib. Kueri tidak menyimpulkan peristiwa dari catatan yang tidak terkait. Untuk aktivitas berdasarkan status, gunakan riwayat status atau tabel peristiwa sumber, bukan hanya status laporan saat ini, agar perubahan historis tetap tercatat.
Validasi pengenal, stempel waktu, label aktivitas, penanganan duplikat, dan nilai null. Pastikan setiap peristiwa terkait dengan ExpenseReportId yang benar dan peristiwa berulang tetap dicatat jika sumber memuat beberapa kejadian yang sah.
Ekspor hasilnya sebagai CSV atau format tabel lain yang didukung ProcessMind. Sertakan nama kolom wajib yang persis, yaitu ExpenseReportId, ActivityName, dan EventTimestamp. Sertakan atribut yang disarankan jika tersedia, lalu unggah file dengan Expense Report ID sebagai pengenal kasus. ProcessMind membaca log peristiwa apa adanya, jadi jangan mengandalkan ProcessMind untuk membuat aktivitas yang tidak ada.

Konfigurasi

Tujuan integrasi: Konfigurasikan integrasi gudang data bawaan Ramp untuk Snowflake atau BigQuery. Gunakan [Konfigurasikan sesuai sistem Anda] untuk langkah penyiapan khusus akun.
Objek sumber: Gunakan objek laporan pengeluaran, transaksi, bukti pembayaran, persetujuan, kebijakan, penggantian biaya, dan sinkronisasi akuntansi hasil replikasi yang tersedia di gudang data Anda. Ganti placeholder [Nama tabel Anda] dan [Nama kolom Anda] dengan nama yang sudah diverifikasi dari integrasi.
Rentang tanggal: Mulailah dengan data tiga hingga enam bulan. Perpanjang periode hanya setelah memeriksa biaya gudang data, durasi kueri, volume peristiwa, dan batas unggahan ProcessMind.
Filter tanggal: Filter berdasarkan stempel waktu peristiwa, bukan hanya tanggal pembuatan laporan, jika Anda ingin mencakup semua aktivitas yang terjadi selama periode tersebut.
Filter organisasi: Terapkan filter Kode Perusahaan, entitas, departemen, program kartu, atau filter lain hanya jika kolom tersebut tersedia dalam data hasil replikasi. Gunakan [Filter perusahaan] jika perlu membatasi data untuk perusahaan tertentu.
Riwayat aktivitas: Utamakan catatan audit atau riwayat status yang tidak dapat diubah. Tabel status terkini saja mungkin tidak menyimpan riwayat pelampiran bukti pembayaran, pengajuan, persetujuan, revisi, penggantian biaya, atau sinkronisasi akuntansi.
Penanganan stempel waktu: Samakan zona waktu semua stempel waktu dan dokumentasikan apakah nilai sumber menggunakan UTC atau waktu lokal. Pertahankan presisi sumber jika tersedia.
Akses yang diperlukan: Administrator mungkin memerlukan izin untuk mengonfigurasi integrasi, membuat atau menjalankan kueri pada objek gudang data, serta mengakses data pengeluaran, persetujuan, penggantian biaya, dan akuntansi.
Lisensi dan ketersediaan: Ketersediaan replikasi gudang data, data audit historis, data penggantian biaya, dan data sinkronisasi akuntansi bergantung pada paket Ramp, modul yang diaktifkan, konfigurasi integrasi, dan kebijakan retensi.
Kinerja: Batasi rentang tanggal sejak awal, pilih hanya kolom yang diperlukan, filter berdasarkan organisasi jika sesuai, dan buat tampilan atau tabel normalisasi perantara untuk kumpulan data besar. Gunakan partisi atau pengelompokan sesuai fitur yang didukung gudang data tujuan.
Pemrosesan inkremental: Untuk pemuatan berulang, gunakan penanda waktu berdasarkan EventTimestamp terbesar yang telah diproses, ditambah jendela tumpang tindih singkat. Hapus duplikat hanya jika pengenal peristiwa sumber sudah diverifikasi, karena menghapus peristiwa berulang dapat mengubah gambaran proses.

Contoh kueri python

import os
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"WAREHOUSE_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = class="hl-string">"[Start date]"
END_DATE = class="hl-string">"[End date]"
COMPANY_FILTER = class="hl-string">"[Company filter]"

engine = create_engine(CONNECTION_STRING)

sql = text(class="hl-string">"""
WITH
expense_incurred AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Incurred' AS ActivityName,
        [Expense incurred timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense incurred table]
    WHERE [Expense incurred timestamp column] >= :start_date
      AND [Expense incurred timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
receipt_attached AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Receipt Attached' AS ActivityName,
        [Receipt attached timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your receipt attachment table]
    WHERE [Receipt attached timestamp column] >= :start_date
      AND [Receipt attached timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_submitted AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Submitted' AS ActivityName,
        [Submission timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense submission table]
    WHERE [Submission timestamp column] >= :start_date
      AND [Submission timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
policy_check_performed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Policy Check Performed' AS ActivityName,
        [Policy check timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your policy check table]
    WHERE [Policy check timestamp column] >= :start_date
      AND [Policy check timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Review Pending' AS ActivityName,
        [Manager pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Manager Approval'
      AND [Manager pending timestamp column] >= :start_date
      AND [Manager pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Approved' AS ActivityName,
        [Manager approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your manager approval table]
    WHERE [Manager approval timestamp column] >= :start_date
      AND [Manager approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Review Pending' AS ActivityName,
        [Finance pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Finance Approval'
      AND [Finance pending timestamp column] >= :start_date
      AND [Finance pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Approved' AS ActivityName,
        [Finance approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your finance approval table]
    WHERE [Finance approval timestamp column] >= :start_date
      AND [Finance approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_sent_back AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Sent Back for Revision' AS ActivityName,
        [Revision timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        [Revision reason column] AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] IN ('Needs Revision', 'Rejected')
      AND [Revision timestamp column] >= :start_date
      AND [Revision timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_scheduled AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Scheduled' AS ActivityName,
        [Reimbursement scheduled timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement schedule table]
    WHERE [Reimbursement scheduled timestamp column] >= :start_date
      AND [Reimbursement scheduled timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_executed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Executed' AS ActivityName,
        [Reimbursement executed timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement payment table]
    WHERE [Reimbursement executed timestamp column] >= :start_date
      AND [Reimbursement executed timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
synced_with_accounting AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Synced with Accounting System' AS ActivityName,
        [Accounting sync timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your accounting synchronization table]
    WHERE [Accounting sync timestamp column] >= :start_date
      AND [Accounting sync timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
)
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_incurred
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM receipt_attached
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_submitted
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM policy_check_performed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_sent_back
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_scheduled
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_executed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM synced_with_accounting
ORDER BY ExpenseReportId, EventTimestamp, ActivityName
""")

with engine.connect() as connection:
    event_log = pd.read_sql(
        sql,
        connection,
        params={
            class="hl-string">"start_date": START_DATE,
            class="hl-string">"end_date": END_DATE,
            class="hl-string">"company_filter": COMPANY_FILTER
        }
    )

event_log[class="hl-string">"EventTimestamp"] = pd.to_datetime(event_log[class="hl-string">"EventTimestamp"], errors=class="hl-string">"coerce", utc=True)
event_log = event_log[event_log[class="hl-string">"ExpenseReportId"].notna() & event_log[class="hl-string">"EventTimestamp"].notna()].copy()
event_log.to_csv(class="hl-string">"ramp_expense_event_log.csv", index=False)
print(event_log.head())
print(event_log.groupby(class="hl-string">"ActivityName", dropna=False).size())

Siap memulai?

Gunakan templat ini untuk meningkatkan proses pengelolaan pengeluaran, mendorong efisiensi, dan mempercepat persetujuan. Mulai tingkatkan operasional Anda hari ini.

Kembali ke panduan perbaikan

Unduh template

Tingkatkan efisiensi: optimalkan pengelolaan pengeluaran Ramp hari ini

Temukan inefisiensi, sederhanakan persetujuan, dan pangkas waktu siklus hingga 30%.

Mulai uji coba gratis

Tidak perlu kartu kredit. Penyiapan hanya perlu beberapa menit.

Templat data pengelolaan pengeluaran Anda

Templat data pengelolaan pengeluaran Anda

Atribut pengelolaan pengeluaran

Aktivitas pengelolaan pengeluaran

Panduan ekstraksi

Ekspor transaksi dan penggantian biaya Ramp ke CSV

Langkah

Konfigurasi

Contoh kueri python

Ekstraksi dengan skrip Python melalui Ramp Developer API

Langkah

Konfigurasi

Contoh kueri python

Sinkronisasi integrasi gudang data Ramp (Snowflake/BigQuery)

Langkah

Konfigurasi

Contoh kueri python

Siap memulai?

Tingkatkan efisiensi: optimalkan pengelolaan pengeluaran Ramp hari ini