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

Il Suo Template per i dati di elaborazione delle retribuzioni

Ceridian Dayforce

Attributi per l’elaborazione delle retribuzioni(17) Attività di elaborazione delle retribuzioni(15) Guide all’estrazione(2)

Il Suo Template per i dati di elaborazione delle retribuzioni

Questo template offre un quadro completo per mappare l’intero ciclo delle retribuzioni in Ceridian Dayforce. Descrive i campi dati essenziali e le tappe del processo necessari per creare un Event Log di qualità, adatto ad analisi approfondite. Seguendo queste indicazioni, potrà ottenere una visione completa dei flussi di lavoro relativi ai pagamenti e individuare le aree in cui migliorare le operazioni.

Attributi consigliati da raccogliere
Attività principali 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 per l’elaborazione delle retribuzioni

Questi campi dati consigliati raccolgono informazioni aziendali essenziali e dettagli di sistema da Ceridian Dayforce, offrendo una base solida per l’analisi del processo.

5 Obbligatorio 5 Consigliato 7 Facoltativo

	Nome	Descrizione
	Attività ActivityName	Nome della fase del processo o dell’evento eseguito.
Descrizione Questo attributo rappresenta l’evento specifico che si verifica durante il ciclo di elaborazione delle retribuzioni. Tra le attività standard di Dayforce figurano «Foglio presenze inviato», «Retribuzione lorda calcolata», «Ciclo di pagamento confermato», «Pagamento eseguito» e «Dichiarazione fiscale completata». Questi valori vengono in genere estratti dai log di audit del flusso di lavoro, dai log delle transazioni di sistema, ad esempio dalle modifiche dello stato delle retribuzioni, o dalle date e ore associate a specifici oggetti aziendali, come il ciclo di pagamento o il foglio presenze. Perché è importante Definisce le fasi del processo ed è essenziale per ricostruirne il flusso e analizzarne le varianti. Dove reperirli Log del flusso di lavoro, registro di audit o tabelle della cronologia delle modifiche di stato. Esempi Foglio presenze inviatoRetribuzione lorda calcolataPagamento eseguitoCorrezione dei dati eseguitaEccezione di audit segnalata
	Data e ora EventDateTime	Data e ora esatte in cui si è verificata l’attività.
Descrizione Data e ora esatte che indicano quando si è verificato un evento nel sistema Dayforce. Servono a ordinare cronologicamente le attività e a calcolare la durata tra le diverse fasi. La precisione delle date e ore è fondamentale per individuare i colli di bottiglia, ad esempio i ritardi nell’approvazione dei fogli presenze o nella generazione dei file per i bonifici bancari. Idealmente, la granularità dovrebbe essere al secondo o al minuto. Perché è importante Fornisce la dimensione temporale necessaria per il process mining e consente di analizzare le prestazioni e individuare i colli di bottiglia. Dove reperirli Colonne con data e ora 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
	Registrazione retributiva PayrollRecordId	Identificativo univoco del caso di elaborazione delle retribuzioni, composto dal dipendente e dal periodo di paga.
Descrizione Questo attributo funge da ID del caso univoco per il processo. In Ceridian Dayforce, una registrazione retributiva rappresenta concettualmente l’intersezione tra un dipendente specifico e un determinato periodo di paga, spesso definito all’interno di un gruppo paghe. Tiene traccia dell’intero ciclo retributivo del dipendente per quel periodo. Dal punto di vista tecnico, viene spesso creato concatenando l’ID del periodo di paga con l’XRefCode del dipendente o con il suo ID di sistema. 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 e consente di raggruppare tutti gli eventi in un unico percorso di esecuzione end-to-end. Dove reperirli Ricavato 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
	Sistema di origine SourceSystem	Nome del sistema da cui provengono i dati.
Descrizione Identifica il software o il database da cui sono stati estratti i dati retributivi. In questo contesto, il valore è sempre «Ceridian Dayforce» o «Dayforce». È utile quando si combinano dati provenienti da più sistemi, ad esempio da un sistema esterno di rilevazione di orari e presenze 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 reperirli Impostato durante l’estrazione o ricavato dai metadati della connessione. Esempi Ceridian DayforceDayforce ProduzioneDayforce UE
	Ultimo aggiornamento dei dati LastDataUpdate	Data e ora di estrazione dei dati dal sistema di origine.
Descrizione Indica quanto sono aggiornati i dati utilizzati per l’analisi. In genere corrisponde alla data e ora dell’esecuzione ETL (estrazione, trasformazione e caricamento) che ha acquisito i dati da Dayforce. Aiuta gli analisti a capire se stanno consultando dati in tempo reale o un’istantanea del giorno precedente. Perché è importante Indica l’aggiornamento del set di dati e aiuta a verificarne la completezza confrontandolo con i report del sistema di origine. Dove reperirli Ora di sistema al momento dell’esecuzione dello script. Esempi 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Gruppo paghe PayGroupName	Raggruppamento dei dipendenti ai fini dell’elaborazione delle retribuzioni.
Descrizione Raggruppa i dipendenti pagati secondo la stessa pianificazione, ad esempio «Stati Uniti, ogni due settimane» o «Regno Unito, mensile». In Dayforce, il gruppo paghe è un’unità organizzativa fondamentale per i cicli di pagamento. Questo attributo è essenziale per la Dashboard «Durata del ciclo retributivo end-to-end», poiché i diversi gruppi paghe hanno naturalmente tempi di ciclo e scadenze differenti. Perché è importante È il principale criterio di segmentazione per confrontare le prestazioni dell’elaborazione delle retribuzioni e individuare problemi specifici a livello di gruppo. Dove reperirli Tabella PayGroup o definizione PayRun. Esempi Dipendenti retribuiti mensilmente, sede centrale USAPersonale di vendita al dettaglio in Canada, retribuito a oreDirigenti nel Regno Unito, retribuzione mensile
	Importo della retribuzione lorda GrossPayAmount	Retribuzione lorda calcolata per la registrazione.
Descrizione Importo totale della retribuzione prima delle trattenute e delle imposte. Questo valore viene compilato durante l’attività «Retribuzione lorda calcolata». Analizzare le variazioni nei tempi di elaborazione della retribuzione lorda può aiutare a individuare i calcoli complessi che rallentano la Dashboard «Velocità del flusso del motore di calcolo». Perché è importante Fornisce il contesto finanziario del processo e consente di analizzare l’elaborazione delle registrazioni di valore elevato rispetto a quelle di valore ridotto. Dove reperirli Tabella Payroll Result o Pay Run Details. Esempi 2500.004150.501200.00
	Reparto DepartmentName	Unità organizzativa di appartenenza del dipendente.
Descrizione Indica il reparto funzionale, ad esempio vendite, IT o risorse umane, associato alla registrazione retributiva. In Dayforce, è spesso collegato alla gerarchia «Unità organizzativa» o «Reparto». Questo campo alimenta la Dashboard «Prestazioni di approvazione dei fogli presenze» e consente di scendere di livello fino alle aree aziendali in cui i responsabili potrebbero ritardare le approvazioni. Perché è importante Consente di confrontare le prestazioni tra le unità organizzative e di analizzare le cause profonde dei ritardi nelle approvazioni. Dove reperirli Registrazione del dipendente o gerarchia delle unità organizzative. Esempi FinanzaLogistica della catena di approvvigionamentoVendite in Nord America
	Scadenza di elaborazione SLA SlaProcessingDeadline	Data e ora entro cui deve essere completata la generazione del file bancario.
Descrizione Scadenza interna o esterna entro cui deve avvenire l’attività «File per il bonifico bancario generato» per garantire il pagamento puntuale dei dipendenti. Questo attributo viene utilizzato nella Dashboard «Conformità alle scadenze dei bonifici bancari». Può trattarsi di una regola statica basata sulla data di pagamento, ad esempio due giorni prima, oppure di un campo configurato nelle impostazioni del gruppo paghe. Perché è importante È il valore di riferimento per calcolare la puntualità e il rischio di non conformità. Dove reperirli Ricavato dalla data di pagamento e dalla configurazione delle regole di elaborazione bancaria. Esempi 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Utente che ha eseguito l’azione ActionUser	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 il ciclo di pagamento. Questi dati sono essenziali per la vista «Produttività degli specialisti paghe» e per individuare le esigenze di formazione dei responsabili. Perché è importante Supporta l’analisi delle risorse e il monitoraggio delle responsabilità all’interno del processo. Dove reperirli Log di audit, colonna User ID nelle tabelle delle transazioni. Esempi jsmithAmministratore di sistemamgarcia_mgr
	Centro di costo CostCenterCode	Codice finanziario a cui viene addebitato il costo delle retribuzioni.
Descrizione Centro di costo della contabilità generale associato ai compensi del dipendente. Nella vista «Parametri di riferimento per l’elaborazione per centro di costo» viene utilizzato 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 reperirli Impostazioni GL del dipendente o tabelle di distribuzione del costo del lavoro. Esempi CC-1020CC-5500-USCC-IT-OPS
	È un’eccezione di audit IsAuditExceptionFlagged	Indicatore booleano che segnala se il record ha generato un avviso di audit.
Descrizione Indicatore calcolato o diretto che segnala il verificarsi dell’attività «Eccezione di audit segnalata» per il caso. Alimenta il KPI «Tasso di eccezioni di audit segnalate». Un tasso elevato di eccezioni può indicare problemi di qualità dei dati o una configurazione troppo restrittiva del motore di conformità di Dayforce. Perché è importante Semplifica il calcolo dei tassi di errore e dei cicli di rilavorazione. Dove reperirli Derivato dalla presenza dell’attività «Eccezione di audit segnalata». Esempi truefalse
	Giurisdizione fiscale TaxJurisdiction	Area geografica o autorità competente per la dichiarazione fiscale.
Descrizione Identifica l’autorità fiscale specifica, ad esempio uno Stato, una provincia o un Paese, pertinente alla registrazione retributiva. Supporta la Dashboard «Monitoraggio delle dichiarazioni fiscali e della conformità». Consente di segmentare il processo di conformità successivo all’elaborazione delle retribuzioni e di mettere in evidenza le giurisdizioni in cui le dichiarazioni subiscono spesso ritardi. Perché è importante Consente di monitorare la conformità e analizzare geograficamente le prestazioni del processo. Dove reperirli Impostazioni fiscali del dipendente o dettagli fiscali di Payroll Result. Esempi CaliforniaOntarioNew YorkRegno Unito
	Il bonifico bancario è in ritardo IsBankTransferLate	Indicatore che segnala se il file bancario non è stato inviato entro la scadenza.
Descrizione Valore booleano calcolato confrontando la data e l’ora di «File di bonifico bancario generato» con la «Scadenza di elaborazione SLA». Alimenta il KPI «Tasso di bonifici bancari puntuali». Individuare i bonifici in ritardo è fondamentale per evitare ritardi nei pagamenti ai dipendenti. Perché è importante È un indicatore fondamentale di conformità e affidabilità. Dove reperirli Calcolato: BankTransferTime > SlaProcessingDeadline. Esempi truefalse
	Motivo della correzione CorrectionReason	Codice del motivo indicato per le correzioni dei dati.
Descrizione Se si verifica l’attività «Correzione dei dati eseguita», questo attributo registra il motivo indicato, ad esempio «Timbratura mancante» o «Adeguamento retroattivo della retribuzione». Aggiunge dettagli alla Dashboard «Tassi di correzione manuale e rilavorazione», consentendo al team di intervenire sulle cause profonde del lavoro manuale. Perché è importante È essenziale per analizzare le cause profonde delle rilavorazioni. Dove reperirli Dettagli del registro di audit o campi dei commenti nelle transazioni di correzione. Esempi Timbratura mancanteTariffa errataAdeguamento retroattivo
	Periodo di paga PayPeriodDescription	Nome descrittivo del ciclo di paga.
Descrizione Etichetta leggibile del periodo di paga, ad esempio «Settimana 42 del 2023» o «Ottobre 2023, due volte al mese». Facilita i filtri e la visualizzazione nelle Dashboard. Fornisce il contesto per il «Record retributivo» e viene spesso mostrata nell’«Analisi dei percorsi delle varianti di processo» per filtrare specifiche esecuzioni. Perché è importante Rende i dati comprensibili agli utenti aziendali. Dove reperirli Colonna di descrizione della tabella PayPeriod. Esempi 2023-W422023-Oct-SM12023-M11
	Tipo di rapporto di lavoro EmploymentType	Classificazione del dipendente (a tempo pieno, a tempo parziale, collaboratore esterno).
Descrizione Classifica il rapporto di lavoro del dipendente. Viene utilizzato nei confronti per verificare se i collaboratori esterni o il personale a tempo parziale presentano caratteristiche di elaborazione delle retribuzioni o tassi di errore diversi. In Dayforce, si trova spesso nel record del dipendente. Perché è importante Consente di segmentare i dati e confrontare in modo equo le statistiche di elaborazione. Dove reperirli Tabella Employee. Esempi A tempo pienoA tempo parzialeCollaboratore esterno

Obbligatorio Consigliato Facoltativo

Attività di elaborazione delle retribuzioni

Raccolga questi eventi essenziali del ciclo e le variazioni di stato per ricostruire in ordine cronologico l’elaborazione delle retribuzioni e i relativi flussi di lavoro di pagamento.

7 Consigliato 8 Facoltativo

	Attività	Descrizione
	File per il bonifico bancario generato	Generazione dei file NACHA, SEPA o di altri formati bancari. Serve a calcolare il «Tasso di bonifici bancari puntuali» rispetto alla scadenza SLA.
Perché è importante Passaggio essenziale per la conformità, che garantisce il trasferimento dei fondi in tempo per il pagamento. Dove reperirli Log dei processi di sistema che indica la corretta generazione del file di trasmissione bancaria. Acquisizione Registrato all’esecuzione della transazione di generazione del file Tipo di evento explicit
	Foglio presenze approvato	Il responsabile o il supervisore approva i dati sulle ore inviati. Eventuali ritardi in questa fase incidono direttamente sulla Dashboard «Prestazioni di approvazione dei fogli presenze».
Perché è importante Individua i colli di bottiglia nella catena di approvazione che ritardano l’avvio del calcolo delle retribuzioni. Dove reperirli Monitorare la modifica dello stato della scheda presenze in «Approvato» o «Confermato» nel modulo WFM. Acquisizione Registrato all’esecuzione della transazione di approvazione Tipo di evento explicit
	Foglio presenze inviato	Evento in cui un dipendente o un responsabile invia i dati relativi a orari e presenze per l’elaborazione. Collega il modulo WFM al modulo paghe.
Perché è importante È essenziale per la Dashboard «Durata del ciclo retributivo end-to-end», che misura i ritardi a partire dall’origine dei dati. Dove reperirli Ricavato dai log del modulo WFM di Dayforce o dalla modifica dello stato dell’oggetto scheda presenze in «Inviato». Acquisizione Confrontare il campo dello stato prima e dopo la modifica Tipo di evento inferred
	Pagamento eseguito	Data di valuta del pagamento al dipendente. Per il dipendente, segna la conclusione finanziaria del processo.
Perché è importante Tappa fondamentale per la «Durata del ciclo retributivo end-to-end» e la soddisfazione dei dipendenti. Dove reperirli Campo «Data assegno» o «Data pagamento» nella registrazione retributiva finalizzata. Acquisizione Registrato all’esecuzione della transazione di erogazione Tipo di evento explicit
	Registrazione retributiva approvata	Autorizzazione finale della registrazione retributiva, spesso indicata come «Conferma» o «Blocco» del ciclo di pagamento. Segna la fine della fase di calcolo e revisione.
Perché è importante È la tappa definitiva che separa l’elaborazione dall’erogazione dei pagamenti. Dove reperirli Modifica dello stato del ciclo di pagamento in «Confermato», «Bloccato» o «Approvato». Acquisizione Registrato all’esecuzione della transazione di conferma Tipo di evento explicit
	Registrazione retributiva inizializzata	Indica la creazione dell’istanza specifica del ciclo di pagamento di un dipendente. In Dayforce, avviene quando il gruppo paghe viene aperto per il ciclo e i dipendenti vengono associati al ciclo di pagamento.
Perché è importante Segna l’avvio del caso di elaborazione delle retribuzioni e costituisce la base di riferimento per misurare il tempo di ciclo totale. Dove reperirli Individuare la data e l’ora di creazione della registrazione del ciclo di pagamento del dipendente nell’istanza del gruppo paghe. Acquisizione Registrato alla creazione della registrazione del ciclo di pagamento Tipo di evento explicit
	Retribuzione lorda calcolata	Il motore di calcolo del sistema determina l’importo della retribuzione lorda in base alle ore, alle tariffe e ai 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 una volta definiti tutti i dati di input. Dove reperirli Dedotto dalla data e ora in cui il campo «Retribuzione lorda» viene compilato o aggiornato durante il lotto di calcolo. Acquisizione Confrontare il campo dello stato prima e dopo la modifica Tipo di evento inferred
	Cedolino pubblicato	I cedolini digitali diventano disponibili ai dipendenti nel portale ESS. Supporta la Dashboard «Disponibilità dei cedolini digitali».
Perché è importante Misura il tempo che intercorre tra l’esecuzione del pagamento e la disponibilità delle informazioni. Dove reperirli Data e ora di completamento del processo di pubblicazione del cedolino o di impostazione su true del flag di visibilità. Acquisizione Confrontare il campo dello stato prima e dopo la modifica Tipo di evento inferred
	Correzione dei dati eseguita	Un utente modifica manualmente i dati retributivi, come ore, tariffe o trattenute, dopo il calcolo iniziale. L’attività alimenta la Dashboard «Tassi di correzione manuale e rilavorazione».
Perché è importante È una misura diretta delle rilavorazioni; ridurre questa attività è uno degli obiettivi principali per migliorare l’efficienza del processo. Dove reperirli Registrazioni del registro di audit che mostrano gli aggiornamenti apportati da un utente alle tabelle dei dettagli retributivi dei dipendenti. Acquisizione Registrato all’esecuzione della transazione di aggiornamento della registrazione Tipo di evento explicit
	Dati sugli incentivi importati	Registra l’importazione corretta di file di dati 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 di sospensione dell’elaborazione delle retribuzioni. Dove reperirli Log di integrazione di Dayforce che indicano il completamento dei processi di importazione XML o CSV destinati al ciclo di pagamento. Acquisizione Registrato all’esecuzione della transazione di importazione Tipo di evento explicit
	Dichiarazione fiscale completata	Conferma che le dichiarazioni fiscali successive all’elaborazione delle retribuzioni sono state trasmesse correttamente per la giurisdizione interessata. Supporta la Dashboard «Monitoraggio delle dichiarazioni fiscali e della conformità».
Perché è importante Garantisce la conformità normativa ed evita sanzioni dopo il pagamento dei dipendenti. Dove reperirli Aggiornamento dello stato nel modulo fiscale o nel log di integrazione che conferma la ricezione da parte dell’autorità fiscale o del soggetto terzo incaricato della trasmissione. Acquisizione Registrato all’esecuzione della transazione di conferma della dichiarazione Tipo di evento explicit
	Eccezione di audit segnalata	Il sistema genera un avviso o un messaggio di errore in base alle regole di convalida, ad esempio in caso di retribuzione netta negativa. Supporta il KPI «Tasso di segnalazione delle eccezioni di audit».
Perché è importante Una frequenza elevata indica una scarsa qualità dei dati nelle fasi precedenti o errori di configurazione che richiedono un intervento manuale. Dove reperirli Estrarre i dati dalla tabella dei messaggi e degli errori del sistema, collegata all’ID del ciclo di pagamento. Acquisizione Registrato all’esecuzione della transazione di creazione dell’eccezione Tipo di evento explicit
	Imposte calcolate	È la fase finale del calcolo, in cui vengono applicate le regole fiscali della giurisdizione per determinare la retribuzione netta. Completa la sequenza di calcolo automatizzata.
Perché è importante La complessità delle regole fiscali può rallentare l’elaborazione; questa attività consente di valutare le prestazioni del motore fiscale. Dove reperirli Data e ora in cui vengono generate le voci fiscali o viene finalizzato nel database il campo «Retribuzione netta». Acquisizione Confrontare il campo dello stato prima e dopo la modifica Tipo di evento inferred
	Risultato delle retribuzioni visualizzato in anteprima	Un utente visualizza il registro retributivo preliminare o l’anteprima del pagamento. L’attività serve ad analizzare l’«Efficienza della fase di anteprima» e a individuare i cicli di rilavorazione.
Perché è importante Segna l’inizio della fase di revisione da parte di una persona; anteprime ripetute possono indicare problemi persistenti nei dati. Dove reperirli Log di accesso che indicano che un utente ha generato il report «Anteprima retribuzioni» o aperto la schermata di anteprima. Acquisizione Registrato all’esecuzione della transazione di generazione del report di anteprima Tipo di evento explicit
	Trattenute per benefit applicate	Applicazione delle regole sui benefit e delle relative trattenute 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 di pagamento. Dove reperirli Data e ora in cui le voci delle trattenute vengono registrate nella registrazione retributiva o viene aggiornato il campo «Totale trattenute». Acquisizione Ricavato confrontando la data e ora di aggiornamento del campo con la data e ora precedente Tipo di evento calculated

Consigliato Facoltativo

Guide all’estrazione

Come estrarre i dati da Ceridian Dayforce

Passaggi

Acceda all’applicazione Ceridian Dayforce con un account utente dotato dei privilegi di Reporting e System Admin.
Dal menu principale dell’applicazione, apra la funzionalità Reporting.
Faccia clic sul pulsante Add per creare un nuovo report e selezioni l’argomento System Audit Trail. Questo argomento 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 di solito include il contesto Employee e Pay Group).
Aggiunga un filtro al report per includere in Feature Name Payroll, WFM (Workforce Management) e Benefits.
Aggiunga un secondo filtro per Date Range, impostando il periodo di analisi desiderato (ad esempio, Last 90 Days).
Salvi il report con il nome Process Mining Audit Extract.
Crei un secondo report usando l’argomento Pay Run History per acquisire le variazioni di stato di alto livello (Calculation, Approval, Commit), che potrebbero non comparire nel registro di audit dettagliato a livello di campo. Selezioni i campi: Pay Group, Pay Period End Date, Workflow Status, Status Change Date e Utente.
Esegua entrambi i report ed esporti i risultati in formato CSV.
Poiché Dayforce esporta dati normalizzati, dovrà unire i due file CSV. Abbini i record in base agli identificativi Pay Group e Pay Period.
Applichi la logica di trasformazione descritta nella sezione Query qui sotto per associare i codici di audit grezzi di Dayforce ai nomi standardizzati delle attività.
Formatti il set di dati finale secondo le colonne richieste: PayrollRecordId, ActivityName, EventDateTime, SourceSystem e gli altri attributi, quindi lo salvi in un unico file CSV da caricare.

Configurazione

Selezione dell’argomento del report: usi System Audit Trail per le modifiche dettagliate ai campi e Pay Run History per le tappe principali del flusso di lavoro.
Intervallo di date: selezioni un periodo da 3 a 6 mesi, così da includere i casi completati senza superare i limiti di dimensione dell’esportazione.
Filtri per funzionalità: applichi al registro di audit filtri rigorosi per le funzionalità Payroll, Time And Attendance e Benefits, così da escludere le modifiche HR non pertinenti.
Contesto utente: includa nell’esportazione le azioni dell’utente System, poiché le operazioni automatizzate, come i calcoli, 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 agevolare l’elaborazione automatica.
Fuso orario: verifichi che tutti i timestamp esportati siano in UTC o nell’ora del server, così da mantenere la coerenza cronologica tra utenti che operano da località diverse.

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 che in Ceridian Dayforce sia disponibile un account di servizio con accesso ai Web Services (API REST). L’account deve disporre delle autorizzazioni per Employee Pay Summary, Time entry e i dati Audit/Workflow.
Configurazione dell’API: in Dayforce, apra System Admin > Integrations > Web Services. Prenda nota di Client Namespace e Service URL e verifichi che sia configurata l’autenticazione Basic Auth o OAuth. Per semplicità, lo script presuppone l’uso di Basic Auth, ma in produzione è consigliato OAuth.
Preparazione dell’ambiente: installi Python 3.x e le librerie necessarie, pandas e requests. Per installarle, esegua pip install pandas requests.
Configurazione dello script: aggiorni le variabili di configurazione all’inizio dello script fornito. Sostituisca i segnaposto username, password, client_namespace e base_url con i dati specifici della propria istanza.
Definizione dell’intervallo di date: imposti nello script start_date e end_date in modo da includere i periodi paga da analizzare. Per la convalida iniziale è consigliato un intervallo di 3-6 mesi.
Esecuzione: avvii lo script dalla riga di comando (ad esempio, python extract_dayforce.py). Lo script coordina il recupero dei dati da più endpoint (Pay Summary, Time, Audit) e li unisce in un Event Log unificato.
Trasformazione dei dati: lo script normalizza automaticamente i timestamp e associa i codici di stato specifici di Dayforce ai nomi standard delle attività richiesti (ad esempio, converte uno stato Workflow Status pari a committed in Payroll Record Approved).
Generazione dell’output: lo script crea nella directory locale un file CSV denominato dayforce_payroll_event_log.csv.
Convalida: apra il file CSV e verifichi che PayrollRecordId sia coerente per ciascun periodo paga e che le date seguano un ordine cronologico logico.
Importazione: carichi il file CSV risultante in ProcessMind. Assocî PayrollRecordId a Case ID, ActivityName ad Activity ed EventDateTime a Timestamp.

Configurazione

Dimensione dei batch: l’API Dayforce usa la paginazione. Per impostazione predefinita, lo script recupera 50 o 100 record per pagina. Se si verificano timeout, modifichi il parametro limit.
Limitazione delle richieste: Dayforce applica limiti rigorosi alle richieste API. Lo script inserisce brevi pause tra le richieste per evitare errori 429 Too Many Requests.
Client Namespace: è essenziale per la stringa di connessione e identifica in modo univoco l’istanza Dayforce.
Latenza dei dati: in genere, le API Dayforce restituiscono dati in tempo reale, ma i registri di audit relativi a record molto datati, oltre 1-2 anni, potrebbero essere archiviati o richiedere più tempo per il recupero.
Autorizzazioni: se intende includere attributi sensibili, l’utente API deve poter leggere i campi PII; lo script, tuttavia, si concentra sui metadati di processo.
Fuso orario: di norma, le API restituiscono l’ora UTC. Lo script gestisce la conversione, ma verifichi il fuso orario del server se deve confrontare i dati con le schermate dell’interfaccia.

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()

È pronto a iniziare?

Avvii oggi il percorso di trasformazione applicando questo template ai dati delle retribuzioni. Il nostro team è a disposizione per assisterLa nell’estrazione e verificare che i dati siano pronti per l’analisi.

Torna alla guida al miglioramento

Scarica il template

Elimini i ritardi nell’elaborazione delle retribuzioni e ottimizzi il processo fin da oggi

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

Inizi la prova gratuita

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

Il Suo Template per i dati di elaborazione delle retribuzioni

Il Suo Template per i dati di elaborazione delle retribuzioni

Attributi per l’elaborazione delle retribuzioni

Attività di elaborazione delle retribuzioni

Guide all’estrazione

Esportazione dei dati paghe tramite i report ad hoc di Dayforce

Passaggi

Configurazione

Query di esempio json

Estrazione con script Python tramite l’API REST di Dayforce

Passaggi

Configurazione

Query di esempio python

È pronto a iniziare?

Elimini i ritardi nell’elaborazione delle retribuzioni e ottimizzi il processo fin da oggi