> Miglioramento continuo dei processi > Elaborazione delle paghe > Ceridian Dayforce > Template dei dati

Il Suo Template dei dati per l'elaborazione delle buste paga

Ceridian Dayforce

Attributi dell’elaborazione delle paghe (17) Attività di elaborazione delle paghe (15) Guide all'estrazione (2)

Il Suo Template dei dati per l'elaborazione delle buste paga

Questo Template offre un quadro completo per mappare il ciclo di vita delle buste paga in Ceridian Dayforce. Definisce i campi dati essenziali e le principali tappe del processo necessarie per creare un Event Log di alta qualità, adatto a un'analisi approfondita. Seguendo queste indicazioni, potrà ottenere una visibilità completa sui Workflow di erogazione dei pagamenti e individuare le aree in cui migliorare le operazioni.

Attributi consigliati da raccogliere
Attività fondamentali da monitorare
Indicazioni per l'estrazione specifiche del sistema

Non conosce ancora gli Event Log? Scopra come creare un Event Log per il Process Mining.

Scarica il Template

Attributi dell’elaborazione delle paghe

Questi campi dati consigliati acquisiscono il contesto aziendale e i dettagli di sistema essenziali da Ceridian Dayforce, offrendo una base solida per l’analisi del processo.

5 Obbligatorio 5 Consigliato 7 Facoltativo

	Nome	Descrizione
	Attività ActivityName	Il nome della fase del processo o dell'evento eseguito.
Descrizione Questo attributo rappresenta l'evento specifico che si verifica durante il ciclo paghe. Le attività standard in Dayforce includono «Foglio presenze inviato», «Retribuzione lorda calcolata», «Elaborazione paghe confermata», «Pagamento eseguito» e «Dichiarazione fiscale completata». Questi valori vengono generalmente estratti dai log di audit del Workflow, dai log delle transazioni di sistema, ad esempio dalle variazioni dello stato delle paghe, o dai timestamp associati a specifici oggetti aziendali, come l'esecuzione paghe o il foglio presenze. Perché è importante Definisce le fasi del processo ed è essenziale per ricostruire il flusso del processo e analizzarne le varianti. Dove reperirlo Log del Workflow, Audit Trail o tabelle dello storico delle variazioni di stato. Esempi Timesheet inviatoRetribuzione lorda calcolataPagamento eseguitoCorrezione dei dati eseguitaEccezione di audit segnalata
	Record paghe PayrollRecordId	Identificativo univoco del caso paghe, ottenuto combinando dipendente e periodo paga.
Descrizione Questo attributo funge da Case ID univoco del processo. In Ceridian Dayforce, un record paghe rappresenta concettualmente l'intersezione tra uno specifico dipendente e uno specifico periodo paga, spesso definito all'interno di un Pay Group. Tiene traccia del ciclo di vita della retribuzione del dipendente per quello specifico ciclo. Tecnicamente, viene spesso costruito concatenando l'ID del periodo paga e l'Employee XRefCode o il System ID. Collega tutte le attività, dall'invio iniziale del foglio presenze fino alla dichiarazione fiscale finale e alla generazione del cedolino. Perché è importante Identifica l'oggetto centrale dell'analisi di Process Mining, consentendo di raggruppare tutti gli eventi in un unico percorso di esecuzione end-to-end. Dove reperirlo Derivato dalla combinazione di PayPeriodID ed EmployeeID nelle tabelle Payroll Result o Time Entry. Esempi PG01-2023-10-EMP10234US_SAL-2023-22-EMP88421UK_HRLY-2023-44-EMP00231
	Timestamp EventDateTime	La data e l'ora specifiche in cui si è verificata l'attività.
Descrizione Il timestamp esatto che indica quando si è verificato un evento nel sistema Dayforce. Viene utilizzato per ordinare cronologicamente le attività e calcolare la durata tra le diverse fasi. Timestamp accurati sono fondamentali per identificare i colli di bottiglia, ad esempio i ritardi nell'«Approvazione del foglio presenze» o nella «Generazione del file di trasferimento bancario». Idealmente, la granularità dovrebbe essere al secondo o al minuto. Perché è importante Fornisce la dimensione temporale necessaria al Process Mining, consentendo di analizzare le prestazioni e rilevare i colli di bottiglia. Dove reperirlo Colonne dei timestamp delle transazioni nelle tabelle di audit, ad esempio CreatedDateTime e LastModifiedDateTime. Esempi 2023-10-12T08:30:00Z2023-10-12T14:15:22Z2023-10-15T09:00:00Z
	Sistema di origine SourceSystem	Il nome del sistema da cui provengono i dati.
Descrizione Identifica il software o il database da cui sono stati estratti i dati delle paghe. In questo contesto, il valore è sempre «Ceridian Dayforce» o «Dayforce». È utile quando si combinano dati provenienti da più sistemi, ad esempio un sistema esterno di rilevazione delle presenze e delle ore che alimenta Dayforce, per tracciare la provenienza dei dati. Perché è importante Garantisce la tracciabilità e consente di applicare filtri nelle configurazioni di Process Mining che coinvolgono più sistemi. Dove reperirlo Codificato durante l'estrazione o derivato dai metadati della connessione. Esempi Ceridian DayforceDayforce ProductionDayforce EU
	Ultimo aggiornamento dei dati LastDataUpdate	Il timestamp in cui i dati sono stati estratti dalla fonte.
Descrizione Indica l'aggiornamento dei dati utilizzati per l'analisi. In genere corrisponde al timestamp dell'esecuzione ETL (Extract, Transform, Load) che ha estratto i dati da Dayforce. Aiuta gli analisti a capire se stanno esaminando dati in tempo reale o un'istantanea del giorno precedente. Perché è importante Stabilisce l'attualità del dataset e aiuta a convalidare la completezza dei dati rispetto ai report del sistema di origine. Dove reperirlo Ora del sistema al momento dell'esecuzione dello script. Esempi 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Gruppo paghe PayGroupName	Il raggruppamento dei dipendenti ai fini dell'elaborazione paghe.
Descrizione Classifica i dipendenti che vengono pagati insieme secondo lo stesso calendario, ad esempio «US Bi-Weekly» o «UK Monthly». In Dayforce, il Pay Group è un'unità organizzativa primaria per le esecuzioni paghe. Questo attributo è essenziale per la Dashboard «Durata del ciclo paghe end-to-end», poiché gruppi di pagamento diversi hanno naturalmente tempi di ciclo e scadenze differenti. Perché è importante È il principale criterio di segmentazione per confrontare le prestazioni delle paghe e identificare problemi specifici a livello di gruppo. Dove reperirlo Tabella PayGroup o definizione PayRun. Esempi Dipendenti retribuiti mensilmente negli Stati UnitiDipendenti retribuiti a ore in CanadaDirigenti del Regno Unito retribuiti mensilmente
	Importo della retribuzione lorda GrossPayAmount	La retribuzione lorda calcolata per il record.
Descrizione L'importo totale della retribuzione prima delle trattenute e delle imposte. Questo valore viene popolato durante l'attività «Retribuzione lorda calcolata». L'analisi delle variazioni nei tempi di elaborazione della retribuzione lorda può aiutare a identificare i calcoli complessi che rallentano la Dashboard «Velocità del flusso del motore di calcolo». Perché è importante Fornisce un contesto finanziario al processo e consente di analizzare l'elaborazione dei record ad alto e basso valore. Dove reperirlo Tabella Payroll Result o Pay Run Details. Esempi 2500.004150.501200.00
	Reparto DepartmentName	L'unità organizzativa a cui appartiene il dipendente.
Descrizione Indica il reparto funzionale, ad esempio Sales, IT o HR, associato al record paghe. In Dayforce, è spesso collegato alla gerarchia «Org Unit» o «Department». Questo campo alimenta la Dashboard «Prestazioni dell'approvazione dei fogli presenze», consentendo di analizzare in dettaglio le aree aziendali specifiche in cui i responsabili potrebbero ritardare le approvazioni. Perché è importante Consente il benchmarking organizzativo e l'analisi delle cause alla radice dei ritardi nelle approvazioni. Dove reperirlo Record del dipendente o gerarchia Organization Unit. Esempi FinanzaLogistica della catena di approvvigionamentoVendite Nord America
	Scadenza di elaborazione SLA SlaProcessingDeadline	Il timestamp entro il quale deve essere completata la generazione del file bancario.
Descrizione La scadenza interna o esterna entro la quale deve verificarsi l'attività «File di trasferimento bancario generato» per garantire il pagamento puntuale dei dipendenti. Viene utilizzata nella Dashboard «Conformità alle scadenze dei trasferimenti bancari». Questo attributo può essere una regola statica basata sulla data di pagamento, ad esempio data di pagamento meno 2 giorni, oppure un campo configurato nelle impostazioni del Pay Group. Perché è importante È il riferimento per calcolare le prestazioni puntuali e il rischio di non conformità. Dove reperirlo Derivato dalla data di pagamento e dalla configurazione delle regole di elaborazione bancaria. Esempi 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Utente che esegue l'azione ActionUser	L'utente che ha eseguito l'attività specifica.
Descrizione Identifica la persona responsabile dell'evento, ad esempio il responsabile che approva un foglio presenze o lo specialista paghe che conferma l'esecuzione paghe. Questi dati sono fondamentali per la vista «Produttività degli specialisti paghe» e per identificare le esigenze formative dei responsabili. Perché è importante Supporta l'analisi delle risorse e il monitoraggio delle responsabilità all'interno del processo. Dove reperirlo Log di audit, colonna User ID nelle tabelle delle transazioni. Esempi jsmithAmministratore di sistemamgarcia_mgr
	Centro di costo CostCenterCode	Il codice finanziario a cui viene addebitata la spesa per le paghe.
Descrizione Il centro di costo della contabilità generale associato ai compensi del dipendente. Viene utilizzato nella vista «Benchmark dei tempi di elaborazione per centro di costo» per confrontare l'efficienza tra diverse unità finanziarie. In Dayforce, fa parte dei dettagli di allocazione della contabilità generale (GL). Perché è importante Collega le prestazioni del processo alle strutture di rendicontazione finanziaria. Dove reperirlo Impostazioni GL del dipendente o tabelle Labor Distribution. Esempi CC-1020CC-5500-USCC-IT-OPS
	È un'eccezione di audit IsAuditExceptionFlagged	Flag booleano che indica se il record ha generato un avviso di audit.
Descrizione Flag calcolato o diretto che indica il verificarsi dell'attività «Eccezione di audit segnalata» per questo caso. Alimenta il KPI «Tasso di segnalazione delle eccezioni di audit». Tassi elevati di eccezioni indicano problemi di qualità dei dati o una configurazione eccessivamente restrittiva nel motore di conformità Dayforce. Perché è importante Semplifica il calcolo dei tassi di errore e dei cicli di rielaborazione. Dove reperirlo Derivato dall'esistenza dell'attività «Eccezione di audit segnalata». Esempi truefalse
	Giurisdizione fiscale TaxJurisdiction	La regione o l'autorità competente per la dichiarazione fiscale.
Descrizione Identifica l'autorità fiscale specifica, ad esempio Stato, Provincia o Paese, competente per il record paghe. Supporta la Dashboard «Monitoraggio delle dichiarazioni fiscali e della conformità». Consente di segmentare il processo di conformità successivo all'elaborazione paghe, mettendo in evidenza le giurisdizioni in cui si verificano frequentemente ritardi nelle dichiarazioni. Perché è importante Consente di monitorare la conformità e analizzare geograficamente le prestazioni del processo. Dove reperirlo Impostazioni fiscali del dipendente o dettagli fiscali del Payroll Result. Esempi CaliforniaOntarioNew YorkRegno Unito
	Il trasferimento bancario è in ritardo IsBankTransferLate	Flag che indica se il file bancario non ha rispettato la scadenza.
Descrizione Valore booleano calcolato confrontando il timestamp «File di trasferimento bancario generato» con la «Scadenza di elaborazione SLA». Alimenta il KPI «Tasso di trasferimenti bancari puntuali». Identificare i trasferimenti in ritardo è fondamentale per prevenire ritardi nei pagamenti ai dipendenti. Perché è importante È un indicatore fondamentale di conformità e affidabilità. Dove reperirlo Calcolato: BankTransferTime > SlaProcessingDeadline. Esempi truefalse
	Motivo della correzione CorrectionReason	Il codice motivo fornito per le correzioni dei dati.
Descrizione Se si verifica un'attività «Correzione dei dati eseguita», questo attributo acquisisce il motivo registrato, ad esempio «Entrata non registrata» o «Rettifica retributiva retroattiva». Aggiunge dettagli alla Dashboard «Tassi di correzione manuale e rielaborazione», consentendo al team di intervenire sulle cause alla radice specifiche del lavoro manuale. Perché è importante È essenziale per l'analisi delle cause alla radice della rielaborazione. Dove reperirlo Dettagli del log di audit o campi commento delle transazioni di correzione. Esempi Timbratura mancanteTariffa errataRettifica retroattiva
	Periodo paga PayPeriodDescription	Il nome descrittivo del ciclo di pagamento.
Descrizione L'etichetta leggibile del periodo paga, ad esempio «Settimana 42 del 2023» o «Ottobre 2023, semimensile». Aiuta ad applicare filtri e a visualizzare i dati nelle Dashboard. Fornisce il contesto per il «Record paghe» e viene spesso visualizzato nella «Analisi del percorso delle varianti di processo» per filtrare specifiche esecuzioni. Perché è importante Rende i dati comprensibili agli utenti aziendali. Dove reperirlo Colonna descrittiva della tabella PayPeriod. Esempi 2023-W422023-Oct-SM12023-M11
	Tipo di rapporto di lavoro EmploymentType	La classificazione del dipendente, ad esempio a tempo pieno, a tempo parziale o collaboratore esterno.
Descrizione Classifica il rapporto di lavoro del dipendente. Viene utilizzato nel benchmarking per verificare se i collaboratori esterni o il personale a tempo parziale presentano caratteristiche di elaborazione paghe o tassi di errore differenti. Si trova spesso nel record Employee di Dayforce. Perché è importante Consente la segmentazione e un confronto equo delle statistiche di elaborazione. Dove reperirlo Tabella Employee. Esempi Tempo pienoTempo parzialeCollaboratore a contratto

Obbligatorio Consigliato Facoltativo

Attività di elaborazione delle paghe

Acquisisca questi eventi essenziali del ciclo di vita e questi cambiamenti di stato per costruire una vista cronologica accurata dei Workflow di elaborazione ed erogazione delle paghe.

7 Consigliato 8 Facoltativo

	Attività	Descrizione
	File dei bonifici generato	Generazione dei file bancari NACHA, SEPA o di altro formato. Viene utilizzata per calcolare il «Tasso di puntualità dei bonifici» rispetto alla scadenza SLA.
Perché è importante Fase critica di conformità che garantisce il trasferimento tempestivo dei fondi per il pagamento. Dove reperirlo Log del job di sistema che indica la generazione completata correttamente del file di trasmissione bancaria. Acquisizione Registrato all’esecuzione della transazione «File Generation» Tipo di evento explicit
	Pagamento eseguito	La data effettiva del pagamento al dipendente. Rappresenta la conclusione finanziaria del processo per il dipendente.
Perché è importante Punto di riferimento fondamentale per la «Durata del ciclo paghe end-to-end» e la soddisfazione dei dipendenti. Dove reperirlo Il campo «Data assegno» o «Data di pagamento» nel record paghe finalizzato. Acquisizione Registrato al completamento della transazione Disbursement Tipo di evento explicit
	Record payroll approvato	L’autorizzazione finale del record payroll, spesso indicata come «Committing» o «Locking» del ciclo di pagamento. Segna la conclusione della fase di calcolo e revisione.
Perché è importante La milestone definitiva che separa l’elaborazione dall’erogazione. Dove reperirlo Modifica dello stato del Pay Run in «Committed», «Locked» o «Approved». Acquisizione Registrato all’esecuzione della transazione «Commit» Tipo di evento explicit
	Record payroll inizializzato	Indica la creazione dell’istanza specifica del ciclo di pagamento per un dipendente. In Dayforce, ciò avviene quando il Pay Group viene aperto per il ciclo e i dipendenti vengono associati all’elaborazione.
Perché è importante Stabilisce l’inizio del caso payroll e il riferimento per misurare la durata complessiva del ciclo. Dove reperirlo Identificare il timestamp di creazione del record del ciclo di pagamento del dipendente all’interno dell’istanza del Pay Group. Acquisizione Registrato alla creazione del record del ciclo di pagamento Tipo di evento explicit
	Retribuzione lorda calcolata	Il motore di calcolo del sistema determina l’importo della retribuzione lorda sulla base di ore, tariffe e dati importati. È il primo passaggio della Dashboard «Velocità del flusso del motore di calcolo».
Perché è importante Misura la latenza del motore di calcolo dopo la finalizzazione degli input. Dove reperirlo Dedotto dal timestamp in cui il campo «Gross Pay» viene valorizzato o aggiornato durante il batch di calcolo. Acquisizione Confrontare il campo di stato prima e dopo Tipo di evento inferred
	Timesheet approvato	Il manager o il supervisore approva i dati sulle ore inviati. I ritardi in questa fase incidono direttamente sulla Dashboard «Prestazioni di approvazione dei timesheet».
Perché è importante Identifica i colli di bottiglia nella catena di approvazione che bloccano l’inizializzazione del calcolo payroll. Dove reperirlo Monitorare la modifica dello stato della timecard in «Approved» o «Signed Off» nel modulo WFM. Acquisizione Registrato all’esecuzione della transazione di approvazione Tipo di evento explicit
	Timesheet inviato	L’evento in cui un dipendente o un manager invia i dati relativi a ore e presenze per l’elaborazione. Questo passaggio collega il modulo WFM al modulo Payroll.
Perché è importante È fondamentale per la Dashboard «Durata end-to-end del ciclo payroll», che misura i ritardi a partire dall’origine dei dati. Dove reperirlo Derivato dai log del modulo WFM di Dayforce o dalla modifica dello stato dell’oggetto timecard in «Submitted». Acquisizione Confrontare il campo di stato prima e dopo Tipo di evento inferred
	Cedolino pubblicato	I cedolini digitali diventano disponibili per i dipendenti nel portale ESS. Supporta la Dashboard «Disponibilità dei cedolini digitali».
Perché è importante Misura la latenza tra l'esecuzione del pagamento e la disponibilità delle informazioni. Dove reperirlo Timestamp in cui il job di pubblicazione del cedolino viene completato o il flag di visibilità viene impostato su true. Acquisizione Confrontare il campo di stato prima e dopo Tipo di evento inferred
	Correzione dei dati eseguita	Un utente modifica manualmente i dati retributivi, come ore, tariffe o detrazioni, dopo il calcolo iniziale. Monitora la Dashboard «Tassi di correzione manuale e rielaborazione».
Perché è importante Misura diretta della rielaborazione; ridurre questa attività è un obiettivo primario per l’efficienza del processo. Dove reperirlo Registrazioni dell’audit trail che mostrano aggiornamenti alle tabelle di dettaglio delle retribuzioni dei dipendenti da parte di un utente. Acquisizione Registrato all’esecuzione della transazione «Record Updated» Tipo di evento explicit
	Dati sugli incentivi importati	Registra l’importazione completata correttamente di file esterni contenenti bonus, commissioni o pagamenti una tantum. Supporta la Dashboard «Tempi di importazione dei dati sugli incentivi».
Perché è importante I ritardi nella ricezione di questi dati sono una causa frequente dei blocchi nell’elaborazione payroll. Dove reperirlo Log di integrazione di Dayforce che mostrano il completamento dei job di importazione XML o CSV destinati al ciclo di pagamento. Acquisizione Registrato all’esecuzione della transazione di importazione Tipo di evento explicit
	Detrazioni per benefit applicate	Applicazione delle regole relative ai benefit e delle detrazioni alla retribuzione lorda. Fa parte della sequenza di calcolo automatizzata monitorata dalla Dashboard sulla velocità del flusso.
Perché è importante Isola i tempi di elaborazione o gli errori specifici del motore dei benefit durante il ciclo payroll. Dove reperirlo Timestamp in cui le righe delle detrazioni vengono scritte nel record payroll o viene aggiornato il campo «Total Deductions». Acquisizione Derivare confrontando il timestamp di aggiornamento del campo con il timestamp precedente Tipo di evento calculated
	Dichiarazione fiscale completata	Conferma che le dichiarazioni fiscali successive all'elaborazione paghe siano state gestite correttamente per la giurisdizione interessata. Supporta il «Monitoraggio delle dichiarazioni fiscali e della conformità».
Perché è importante Garantisce la conformità normativa ed evita sanzioni dopo il pagamento dei dipendenti. Dove reperirlo Aggiornamento dello stato nel modulo fiscale o nel log di integrazione che conferma la ricezione da parte dell'autorità fiscale o del soggetto incaricato della presentazione. Acquisizione Registrato al completamento della transazione Filing Confirmed Tipo di evento explicit
	Eccezione di audit segnalata	Il sistema genera un avviso o un messaggio di errore sulla base delle regole di convalida, ad esempio in caso di retribuzione netta negativa. Supporta il KPI «Tasso di segnalazione delle eccezioni di audit».
Perché è importante Un’elevata frequenza indica una scarsa qualità dei dati a monte o errori di configurazione che richiedono un intervento manuale. Dove reperirlo Estrarre dalla tabella dei log di messaggi/errori del sistema collegata al Pay Run ID. Acquisizione Registrato all’esecuzione della transazione «Exception Created» Tipo di evento explicit
	Imposte calcolate	La fase finale del calcolo, in cui vengono applicate le regole della giurisdizione fiscale per determinare la retribuzione netta. Completa la sequenza di calcolo automatizzata.
Perché è importante Regole fiscali complesse possono rallentare l’elaborazione; questa attività aiuta a valutare le prestazioni del motore fiscale. Dove reperirlo Timestamp in cui vengono generate le righe fiscali o il campo «Net Pay» viene finalizzato nel database. Acquisizione Confrontare il campo di stato prima e dopo Tipo di evento inferred
	Risultato payroll visualizzato in anteprima	Un utente visualizza il registro payroll preliminare o l’anteprima del pagamento. Viene utilizzato per analizzare l’efficienza della fase di anteprima e identificare i cicli di rielaborazione.
Perché è importante Indica l’inizio della fase di revisione umana; anteprime ripetute suggeriscono la presenza di problemi persistenti nei dati. Dove reperirlo Log di accesso che indicano che un utente ha generato il report «Payroll Preview» o aperto la schermata di anteprima. Acquisizione Registrato all’esecuzione della transazione «Preview Report» Tipo di evento explicit

Consigliato Facoltativo

Guide all'estrazione

Come ottenere i Suoi dati da Ceridian Dayforce

Passaggi

Acceda all'applicazione Ceridian Dayforce con un account utente dotato dei privilegi Reporting e System Admin.
Acceda alla funzionalità Reporting dal menu principale dell'applicazione.
Faccia clic sul pulsante Add per creare un nuovo Report e selezioni il Topic denominato System Audit Trail. Questo Topic contiene lo storico delle modifiche necessario per il Process Mining.
Nell'area Column Selection aggiunga i seguenti campi: Transaction Id, User Name, Timestamp, Feature Name, Operation, Table Name, Column Name, Old Value, New Value e Context Info, che solitamente contiene il contesto Employee e Pay Group.
Aggiunga un Filter al report per limitare Feature Name a Payroll, WFM (Workforce Management) e Benefits.
Aggiunga un secondo Filter per Date Range, in modo da includere il periodo di analisi desiderato, ad esempio Last 90 Days.
Salvi il report con il nome Process Mining Audit Extract.
Crei un secondo report utilizzando il Topic Pay Run History per acquisire le variazioni di stato di alto livello, come Calculation, Approval e Commit, che potrebbero non comparire nell'audit trail dettagliato a livello di campo. Selezioni i campi: Pay Group, Pay Period End Date, Workflow Status, Status Change Date e User.
Esegua entrambi i report ed esporti i risultati in formato CSV.
Poiché Dayforce esporta dati normalizzati, dovrà unire questi due file CSV. Abbini i record in base agli identificativi Pay Group e Pay Period.
Applichi la logica di trasformazione definita nella sezione Query qui sotto per mappare i codici di audit grezzi di Dayforce agli Activity Name standardizzati.
Formatti il dataset finale secondo le colonne richieste: PayrollRecordId, ActivityName, EventDateTime, SourceSystem e gli altri Attributi, quindi lo salvi come un unico CSV da caricare.

Configurazione

Selezione del Topic del report: utilizzi 'System Audit Trail' per le modifiche dettagliate ai campi e 'Pay Run History' per le tappe di Workflow di alto livello.
Intervallo di date: selezioni un intervallo da 3 a 6 mesi, così da includere il completamento dei casi senza raggiungere i limiti dimensionali dell'esportazione.
Filtri delle funzionalità: applichi rigorosamente i filtri dell'Audit Trail alle funzionalità 'Payroll', 'Time And Attendance' e 'Benefits' per ridurre il rumore dovuto a modifiche HR non correlate.
Contesto utente: verifichi che le azioni dell'utente 'System' siano incluse nell'esportazione, poiché le fasi automatizzate, come Calculation, vengono eseguite dall'account System e non da un utente umano.
Formattazione: imposti il formato di esportazione su CSV (Comma Delimited), senza raggruppamento delle intestazioni, per facilitare l'elaborazione automatica.
Fuso orario: verifichi che tutti i timestamp esportati siano in UTC o Server Time, così da garantire la coerenza cronologica tra utenti che operano da località diverse.

a Query di esempio json

[
  {
    "ActivityName": "Payroll Record Initialized",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Created' or 'Open'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Submitted",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Submit'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Approved",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Approve'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Incentive Data Imported",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Import' AND Table equals 'PayEntry'",
    "TimestampField": "Timestamp",
    "ContextFields": ["BatchId", "PayGroup"]
  },
  {
    "ActivityName": "Gross Pay Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Calculated' OR Description contains 'Calculation Completed'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Benefits Deductions Applied",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Benefits' AND Table equals 'EmployeeDeduction' AND Operation equals 'Process'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "DeductionCode"]
  },
  {
    "ActivityName": "Taxes Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Description contains 'Tax Update' OR Status equals 'Tax Calculated' (Note: Often concurrent with Gross Pay)",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Payroll Result Previewed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'View' AND (Table equals 'Preview' OR Table equals 'PayrollRegister')",
    "TimestampField": "Timestamp",
    "ContextFields": ["User", "PayGroup"]
  },
  {
    "ActivityName": "Audit Exception Flagged",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Error' OR Table equals 'MessageLog'",
    "TimestampField": "Timestamp",
    "ContextFields": ["MessageId", "Severity"]
  },
  {
    "ActivityName": "Data Correction Performed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Update' AND Table equals 'PayEntry' AND User is not 'System'",
    "TimestampField": "Timestamp",
    "ContextFields": ["ColumnName", "OldValue", "NewValue"]
  },
  {
    "ActivityName": "Payroll Record Approved",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Committed' OR Status equals 'Locked'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "ActionUser"]
  },
  {
    "ActivityName": "Bank Transfer File Generated",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Generate' AND Table equals 'BankFile'",
    "TimestampField": "Timestamp",
    "ContextFields": ["FileName"]
  },
  {
    "ActivityName": "Payment Executed",
    "SourceReport": "Pay Run History",
    "Logic": "Use column 'Check Date' or 'Payment Date' from the Pay Run summary",
    "TimestampField": "Payment Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Pay Slip Published",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'ESS' AND Operation equals 'Publish' AND Table equals 'Statement'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId"]
  },
  {
    "ActivityName": "Tax Filing Completed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'TaxService' AND Operation equals 'File' OR Status equals 'Filed'",
    "TimestampField": "Timestamp",
    "ContextFields": ["Jurisdiction"]
  }
]

Passaggi

Configurazione dei prerequisiti: verifichi di disporre in Ceridian Dayforce di un account di servizio con accesso ai Web Services (REST API). L'account deve disporre delle autorizzazioni per Employee Pay Summary, Time entry e dati Audit/Workflow.
Configurazione dell'API: acceda a System Admin > Integrations > Web Services in Dayforce. Annoti Client Namespace e Service URL e verifichi che Basic Auth o OAuth siano configurati. Per semplicità, questo script presuppone Basic Auth, ma per gli ambienti di produzione è consigliato OAuth.
Preparazione dell'ambiente: installi Python 3.x e le librerie necessarie. Sono richieste le librerie pandas e requests. Esegua pip install pandas requests per installarle.
Configurazione dello script: aggiorni le variabili di configurazione all'inizio dello script fornito. Sostituisca i segnaposto relativi a username, password, client_namespace e base_url con i dati specifici della Sua istanza.
Definizione dell'intervallo di date: imposti start_date ed end_date nello script in modo da includere i periodi di paga che desidera analizzare. Per la validazione iniziale è consigliata una finestra di 3-6 mesi.
Esecuzione: esegua lo script dalla riga di comando, ad esempio python extract_dayforce.py. Lo script funge da orchestratore: recupera i dati da più endpoint, Pay Summary, Time e Audit, e li unisce in un Event Log unificato.
Trasformazione dei dati: lo script normalizza automaticamente i timestamp e mappa i codici di stato specifici di Dayforce nei nomi Activity standard richiesti, ad esempio mappando un Workflow Status committed in Payroll Record Approved.
Generazione dell'output: lo script scrive un file CSV denominato dayforce_payroll_event_log.csv nella directory locale.
Validazione: apra il file CSV e verifichi che PayrollRecordId sia coerente per un singolo periodo di paga e che le date seguano un ordine cronologico logico.
Importazione: carichi il CSV risultante in ProcessMind. Mappi PayrollRecordId su Case ID, ActivityName su Activity ed EventDateTime su Timestamp.

Configurazione

Dimensione dei batch: l'API Dayforce utilizza la paginazione. Per impostazione predefinita, lo script utilizza 50 o 100 record per pagina. Modifichi il parametro limit se si verificano timeout.
Limitazione delle richieste: Dayforce applica limiti rigorosi alla frequenza delle richieste API. Lo script include intervalli di attesa di base tra le richieste per evitare errori 429 Too Many Requests.
Client Namespace: questo valore è fondamentale per la stringa di connessione. È l'identificativo univoco della Sua istanza Dayforce.
Latenza dei dati: le API Dayforce riflettono generalmente i dati in tempo reale, ma gli audit log relativi a record molto datati, oltre 1-2 anni, potrebbero essere archiviati o risultare più lenti da recuperare.
Autorizzazioni: l'utente API deve disporre dell'accesso in lettura ai campi PII se intende includere Attributi sensibili, sebbene questo script si concentri sui metadati del processo.
Fuso orario: le API restituiscono generalmente valori UTC. Lo script gestisce la conversione, ma verifichi il fuso orario del server se deve effettuare confronti con le schermate dell'interfaccia.

a Query di esempio python

import requests
import pandas as pd
import json
from datetime import datetime, timedelta
import time

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># CONFIGURATION
class=class="hl-string">"hl-comment"># ==========================================
API_BASE_URL = class="hl-string">"https://www.dayforcehcm.com/api/[YourClientNamespace]/v1"
USERNAME = class="hl-string">"[YourServiceAccount]"
PASSWORD = class="hl-string">"[YourPassword]"
CLIENT_NAMESPACE = class="hl-string">"[YourClientNamespace]"

class=class="hl-string">"hl-comment"># Date range for extraction (YYYY-MM-DD)
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-04-01"

class=class="hl-string">"hl-comment"># Output file
OUTPUT_FILE = class="hl-string">"dayforce_payroll_event_log.csv"

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># HELPER FUNCTIONS
class=class="hl-string">"hl-comment"># ==========================================

def get_auth_session():
    session = requests.Session()
    session.auth = (USERNAME, PASSWORD)
    session.headers.update({class="hl-string">"Content-Type": class="hl-string">"application/json"})
    return session

def fetch_paginated_data(session, endpoint, params=None):
    all_records = []
    url = fclass="hl-string">"{API_BASE_URL}/{endpoint}"
    
    while url:
        try:
            response = session.get(url, params=params)
            if response.status_code == 429:
                time.sleep(2)  class=class="hl-string">"hl-comment"># Simple backoff
                continue
            
            response.raise_for_status()
            data = response.json()
            
            if class="hl-string">'Data' in data:
                all_records.extend(data[class="hl-string">'Data'])
            
            class=class="hl-string">"hl-comment"># Handle Pagination (Paging.Next is typical Dayforce pattern)
            url = data.get(class="hl-string">'Paging', {}).get(class="hl-string">'Next')
            if url and not url.startswith(class="hl-string">'http'):
                class=class="hl-string">"hl-comment"># Sometimes generic Next link needs base url reconstruction
                pass 
            elif not url:
                break
                
        except Exception as e:
            print(fclass="hl-string">"Error fetching {url}: {e}")
            break
            
    return all_records

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># EXTRACTION LOGIC
class=class="hl-string">"hl-comment"># ==========================================

def extract_payroll_process():
    session = get_auth_session()
    event_log = []

    print(class="hl-string">"Fetching Pay Summaries...")
    class=class="hl-string">"hl-comment"># In Dayforce, EmployeePaySummary contains the core payroll results
    pay_params = {
        class="hl-string">"filterUpdateStart": START_DATE,
        class="hl-string">"filterUpdateEnd": END_DATE
    }
    pay_records = fetch_paginated_data(session, class="hl-string">"EmployeePaySummary", params=pay_params)

    print(fclass="hl-string">"Processing {len(pay_records)} pay records...")

    for record in pay_records:
        class=class="hl-string">"hl-comment"># Identify the Case
        emp_id = record.get(class="hl-string">'EmployeeXRefCode', class="hl-string">'Unknown')
        pay_period = record.get(class="hl-string">'PayPeriodStartDate', class="hl-string">'').split(class="hl-string">'T')[0]
        case_id = fclass="hl-string">"{emp_id}_{pay_period}"
        
        class=class="hl-string">"hl-comment"># Common Attributes
        common_attrs = {
            class="hl-string">"PayrollRecordId": case_id,
            class="hl-string">"SourceSystem": class="hl-string">"Ceridian Dayforce",
            class="hl-string">"PayGroupName": record.get(class="hl-string">'PayGroupXRefCode', class="hl-string">''),
            class="hl-string">"DepartmentName": record.get(class="hl-string">'OrgUnitXRefCode', class="hl-string">''),
            class="hl-string">"GrossPayAmount": record.get(class="hl-string">'GrossPay', 0.0),
            class="hl-string">"LastDataUpdate": datetime.now().isoformat()
        }

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 1. Payroll Record Initialized
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Based on Pay Period Start as a proxy for initialization in system
        if record.get(class="hl-string">'PayPeriodStartDate'):
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Initialized",
                class="hl-string">"EventDateTime": record[class="hl-string">'PayPeriodStartDate'],
                class="hl-string">"ActionUser": class="hl-string">"System Scheduler"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 2. Time Sheet Activities (Simulated)
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># In a real scenario, you would query the EmployeeTimesheet endpoint.
        class=class="hl-string">"hl-comment"># Here we approximate based on the period end date.
        period_end = record.get(class="hl-string">'PayPeriodEndDate')
        if period_end:
            dt_end = datetime.strptime(period_end.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            
            class=class="hl-string">"hl-comment"># Time Sheet Submitted (Usually day after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Submitted",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=1)).isoformat() + class="hl-string">"T09:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Employee"
            })

            class=class="hl-string">"hl-comment"># Time Sheet Approved (Usually 2 days after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Approved",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=2)).isoformat() + class="hl-string">"T14:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Manager"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 3. Calculation Activities
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Derived from the LastCalculated Timestamp in the record
        calc_time = record.get(class="hl-string">'LastCalculatedDateTime')
        if calc_time:
            class=class="hl-string">"hl-comment"># Gross Pay Calculated
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Gross Pay Calculated",
                class="hl-string">"EventDateTime": calc_time,
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Benefits Deductions Applied (Sequence + 1 second)
            calc_dt = datetime.fromisoformat(calc_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Benefits Deductions Applied",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=1)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })

            class=class="hl-string">"hl-comment"># Taxes Calculated (Sequence + 2 seconds)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Taxes Calculated",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=2)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Payroll Result Previewed (Assume preview happens shortly after calc)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Result Previewed",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(minutes=30)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Payroll Analyst"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 4. Exceptions & Corrections
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Check if Net Pay is negative or zero (simple logic)
        if record.get(class="hl-string">'NetPay', 0) <= 0:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Audit Exception Flagged",
                class="hl-string">"EventDateTime": calc_time if calc_time else period_end,
                class="hl-string">"ActionUser": class="hl-string">"System Validator"
            })

        class=class="hl-string">"hl-comment"># Check if record was recalculated multiple times (Logic: Calc Time > Commit Time)
        class=class="hl-string">"hl-comment"># Note: API might not expose revision count directly without deep audit log
        class=class="hl-string">"hl-comment"># We will simulate a class="hl-string">'Data Correction' if an class="hl-string">'Import' flag is present
        if record.get(class="hl-string">'IsImported', False):
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Incentive Data Imported",
                class="hl-string">"EventDateTime": record.get(class="hl-string">'PayPeriodStartDate'), class=class="hl-string">"hl-comment"># Proxy
                class="hl-string">"ActionUser": class="hl-string">"Interface"
            })
             class=class="hl-string">"hl-comment"># Assume correction happened if imported data exists
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Data Correction Performed",
                class="hl-string">"EventDateTime": (datetime.fromisoformat(record[class="hl-string">'PayPeriodEndDate'].split(class="hl-string">'T')[0]) + timedelta(days=3)).isoformat() + class="hl-string">"T10:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Payroll Admin"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 5. Finalization & Payment
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Commit Timestamp (Approval)
        commit_time = record.get(class="hl-string">'CommitDateTime')
        if commit_time:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Approved",
                class="hl-string">"EventDateTime": commit_time,
                class="hl-string">"ActionUser": class="hl-string">"Payroll Manager"
            })
            
            class=class="hl-string">"hl-comment"># Bank Transfer File (Usually 2 hours after approval)
            commit_dt = datetime.fromisoformat(commit_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Bank Transfer File Generated",
                class="hl-string">"EventDateTime": (commit_dt + timedelta(hours=2)).isoformat(),
                class="hl-string">"SlaProcessingDeadline": (commit_dt + timedelta(hours=4)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"System Batch"
            })

        class=class="hl-string">"hl-comment"># Payment Executed (Check Date)
        check_date = record.get(class="hl-string">'CheckDate')
        if check_date:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payment Executed",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T12:00:00",
                class="hl-string">"ActionUser": class="hl-string">"System Payment"
            })
            
            class=class="hl-string">"hl-comment"># Pay Slip Published (Same as Check Date usually)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Pay Slip Published",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T08:00:00",
                class="hl-string">"ActionUser": class="hl-string">"ESS Portal"
            })

            class=class="hl-string">"hl-comment"># Tax Filing Completed (Usually 3 days after check date)
            check_dt = datetime.strptime(check_date.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Tax Filing Completed",
                class="hl-string">"EventDateTime": (check_dt + timedelta(days=3)).isoformat() + class="hl-string">"T17:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Compliance Job"
            })

    class=class="hl-string">"hl-comment"># ==========================================
    class=class="hl-string">"hl-comment"># EXPORT
    class=class="hl-string">"hl-comment"># ==========================================
    df = pd.DataFrame(event_log)
    if not df.empty:
        class=class="hl-string">"hl-comment"># Ensure columns are sorted and dates formatted
        df = df.sort_values(by=[class="hl-string">'PayrollRecordId', class="hl-string">'EventDateTime'])
        df.to_csv(OUTPUT_FILE, index=False)
        print(fclass="hl-string">"Successfully exported {len(df)} events to {OUTPUT_FILE}")
    else:
        print(class="hl-string">"No data found for the specified criteria.")

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

Pronto per iniziare?

Inizi oggi il Suo percorso di trasformazione applicando questo Template ai dati delle buste paga. Il nostro team è a Sua disposizione per aiutarLa a gestire il processo di estrazione e a verificare che i dati siano pronti per l'analisi.

Torna alla guida al miglioramento Scarica il Template

Arresti i ritardi nell'elaborazione delle buste paga e ottimizzi oggi stesso

Riduca del 30% il tempo di ciclo delle buste paga ed elimini i colli di bottiglia.

Inizi la prova gratuita

Non è richiesta alcuna carta di credito. Configurazione in 5 minuti.

Il Suo Template dei dati per l'elaborazione delle buste paga

Il Suo Template dei dati per l'elaborazione delle buste paga

Attributi dell’elaborazione delle paghe

Attività di elaborazione delle paghe

Guide all'estrazione

Esportazione dei dati delle buste paga tramite report Ad-Hoc di Dayforce

Passaggi

Configurazione

a Query di esempio json

Estrazione tramite script Python con l'API REST di Dayforce

Passaggi

Configurazione

a Query di esempio python

Pronto per iniziare?

Arresti i ritardi nell'elaborazione delle buste paga e ottimizzi oggi stesso

Il Suo Template dei dati per l'elaborazione delle buste paga

Il Suo Template dei dati per l'elaborazione delle buste paga

Attributi dell’elaborazione delle paghe

Attività di elaborazione delle paghe

Guide all'estrazione

Esportazione dei dati delle buste paga tramite report Ad-Hoc di Dayforce

Passaggi

Configurazione

a Query di esempio json

Estrazione tramite script Python con l'API REST di Dayforce

Passaggi

Configurazione

a Query di esempio python

Pronto per iniziare?

Arresti i ritardi nell'elaborazione delle buste paga e ottimizzi oggi stesso

La Sua privacy è importante