経費管理データ``テンプレート

Ramp

経費管理データ``テンプレート

このテンプレートは、経費管理プロセスを分析し最適化するために必要なデータを収集するための明確なロードマップを提供します。必須属性、追跡すべき主要アクティビティ、そしてRampからデータを抽出するための実践的なガイダンスが示されています。このリソースを活用し、洞察力のあるプロセス発見と改善に必要なすべての情報を確実に収集してください。

収集を推奨する項目
追跡すべき主要アクティビティ
Ramp向け抽出ガイド

イベントログについて初めての方へ：プロセスマイニングのイベントログ作成方法.

テンプレートをダウンロード

経費精算属性

これらは、経費管理プロセスを包括的に分析するために、イベントログに含めるべき必須データフィールドです。

3 必須 6 推奨 14 任意

	名前	説明
	アクティビティ名 ActivityName	経費管理プロセス内の特定の時点に発生した、特定のイベントまたはタスクの名前。
説明この属性は、「経費提出済み」「マネージャー承認済み」「払い戻し実行済み」など、経費精算書ライフサイクルにおける単一のステップを記述します。これらのアクティビティはプロセスマップのノードを形成し、プロセスフローの可視化と分析を可能にします。アクティビティを分析することで、どのステップが最も頻繁に発生し、どこでボトルネックが生じ、異なるワークフローがどのように変化するかを特定できます。これは、操作の順序を理解し、各段階でのパフォーマンスを測定するための核となる要素です。その重要性プロセスマップのステップを定義し、最初から最後までプロセスフローの視覚化と分析を可能にします。取得元これは通常、Rampの各経費精算書に関連付けられたイベントログまたはステータス変更記録から導出されます。例経費提出済みマネージャー承認財務レビュー待ち払い戻し実行済み
	イベントのタイムスタンプ EventTimestamp	アクティビティが発生した正確な日時。
説明プロセスの各アクティビティには、それがいつ発生したかを記録する対応するタイムスタンプがあります。この時間データはイベントを時系列で並べ替えるために使用され、すべての時間関連分析の基礎となります。プロセスマイニングでは、タイムスタンプはアクティビティ間のサイクルタイムを計算し、ケースの合計期間を測定し、遅延を特定するために使用されます。この情報は、パフォーマンス監視およびプロセス改善の機会を特定するために不可欠です。その重要性この属性はイベントの時系列順序を提供し、すべての期間計算とパフォーマンス分析に不可欠です。取得元この情報は通常、Rampのイベントログまたはトランザクションデータ内のアクティビティまたはステータス記録とともに見られます。例 2023-10-26T10:00:00Z2023-10-26T14:30:00Z2023-10-27T09:00:00Z
	経費報告書ID ExpenseReportId	各経費精算書の一意の識別子であり、プロセスの主要なケース識別子として機能します。
説明経費精算書IDは、単一の経費申請に関連するすべてのイベントとアクティビティをグループ化します。これにより、経費申請の初期入力から最終支払いまでの完全な時系列追跡が可能になります。プロセスマイニングにおいて、この属性は各経費精算書のエンドツーエンドのジャーニーを再構築するために不可欠です。これをケースIDとして使用することで、サイクルタイムを正確に計算し、ボトルネックを特定し、承認プロセスにおけるレポートの様々な経路を可視化できます。その重要性これは、関連するすべてのアクティビティを単一のプロセスインスタンスにリンクし、エンドツーエンドの分析を可能にする基本的な属性です。取得元この識別子は、Ramp内の主要な経費精算書または取引テーブルで利用可能であるべきです。例 ER-2023-08-1123ER-2023-09-4591ER-2023-10-0024
	ポリシー違反フラグ PolicyViolationFlag	経費報告書がポリシー違反としてフラグ付けされたかどうかを示すフラグです。
説明このブール属性は、システムの自動チェックが支出限度額の超過や重複経費の申請など、会社経費ポリシーの潜在的な違反を検出した場合にtrueに設定されます。このフラグは、「ポリシー違反検出」ダッシュボードおよび関連するKPIにとって重要です。ポリシー管理の有効性を測定し、一般的なコンプライアンス違反領域を特定するのに役立ち、ポリシーの更新や従業員トレーニングの参考情報となります。その重要性ポリシーコンプライアンスを直接測定し、コンプライアンス違反の支出と関連リスクを特定および削減するのに役立ちます。取得元これは、提出または承認プロセス中の自動ポリシーチェックによってトリガーされる、Ramp内のシステム生成フラグである可能性が高いです。例 truefalse
	ユーザー名 UserName	経費を提出した従業員や承認者など、アクティビティを実行したユーザーの名前またはID。
説明この属性は、経費精算書の提出、承認、レビューなど、プロセス内の特定のイベントに責任を持つ個人を特定します。これは従業員の氏名または一意のユーザーIDであり得ます。ユーザー別に分析することで、業務負荷の分布を理解し、トップパフォーマーを特定し、追加トレーニングが必要な個人を特定するのに役立ちます。これは、承認パフォーマンスとリソース管理に関連するダッシュボードにとって重要です。その重要性プロセス活動を特定の個人に帰属させ、リソースレベルでのパフォーマンス分析とトレーニングニーズの特定を可能にします。取得元ユーザー情報は通常、Rampの各経費精算書の監査証跡または取引履歴に記録されます。例 Alice JohnsonBob SmithCharlie Brownシステム自動化
	レポート合計金額 ReportTotalAmount	経費精算書の総額。
説明この属性は、単一のレポートに含まれるすべての経費の合計を表します。これは、支出パターンを理解するための重要な財務指標です。プロセス分析において、レポート金額はケースをセグメント化し、高額レポートが異なる承認経路をたどるか、または処理に時間がかかるかを調査するために使用できます。これは、支出分析ダッシュボードやコスト削減機会を特定するための基本です。その重要性分析のための重要な財務的側面を提供し、金額によるレポートのセグメンテーションと全体的な支出の追跡を可能にします。取得元これはRampの経費精算書オブジェクトの主要なフィールドです。例 150.752500.0089.99
	差し戻し理由 RevisionReason	経費精算書が従業員に差し戻される際に提供される理由。
説明承認者が経費精算書を却下または差し戻す際、通常その理由が提供されます。この属性は、「領収書なし」「カテゴリ間違い」「ポリシー違反」といったその理由を捕捉します。この情報は、「経費差し戻し率と原因」ダッシュボードにとって非常に貴重です。手戻りの最も一般的な理由を分析することで、組織は申請プロセスにおけるシステム的な問題を特定し、エラー削減のためのターゲットを絞ったトレーニングやシステム改善を実施できます。その重要性再作業の根本原因に関する直接的な洞察を提供し、初回提出品質を向上させるための的を絞った行動を可能にします。取得元このデータは、Rampで「改訂のために差し戻された経費」アクティビティが発生した際に、コメントまたは却下詳細に捕捉されます。例明細領収書の不足経費がポリシー限度額を超過誤った経費カテゴリが選択されました重複取引
	従業員部署 EmployeeDepartment	経費精算書を提出した従業員の部署。
説明この属性は、「営業部」「エンジニアリング部」「マーケティング部」など、経費を申請した従業員が所属する事業部門または部署を示します。これは分析にとって重要な要素であり、組織内の異なる部門間でのプロセスパフォーマンスのフィルタリングや比較を可能にします。部門間の承認時間、差し戻し率、およびポリシー順守のばらつきを明らかにし、ターゲットを絞った改善イニシアチブをサポートできます。その重要性異なる事業部門間のプロセスメトリクス比較を可能にし、効率、コンプライアンス、支出におけるバリエーションを強調します。取得元この情報は、Rampの従業員のユーザープロファイル、または統合HRシステムに関連付けられている可能性が高いです。例営業マーケティングエンジニアリング財務
	経費カテゴリ ExpenseCategory	「出張費」「ソフトウェア費」「交際費」など、経費に割り当てられたカテゴリ。
説明この属性は経費を事前定義されたカテゴリに分類し、会社の支出の追跡と管理に役立ちます。単一の経費精算書には複数のカテゴリの項目が含まれる場合があります。経費カテゴリ別の分析は、「支出カテゴリ分析」ダッシュボードにとって不可欠です。これにより、財務チームは資金がどこに支出されているかを理解し、予算順守を監視し、時間経過に伴う支出の傾向や異常を特定するのに役立ちます。その重要性詳細な支出分析を可能にし、主要なコスト要因と予算最適化の機会を特定するのに役立ちます。取得元これは通常、Rampの経費精算書における明細レベルの詳細です。一部の分析では、データをレポートレベルに集計する必要がある場合があります。例航空運賃接待交際費ソフトウェアサブスクリプションオフィス用品
	イベントの終了時刻 EventEndTime	期間を持つアクティビティが完了したことを示すタイムスタンプ。
説明多くのアクティビティは瞬時に完了しますが、「ポリシーチェック実施済み」のように測定可能な期間を持つものもあります。この属性は、そのようなアクティビティの終了時間を捕捉し、開始時間を補完します。開始時間と終了時間の両方を持つことで、アクティビティ処理時間を正確に計算できます。これは、「平均ポリシーチェック期間」などのKPIにとって不可欠であり、プロセス全体の中で特定の自動化または手動タスクが完了するまでに正確にどれくらいの時間がかかるかを特定するのに役立ちます。その重要性個々のアクティビティ期間の正確な計算を可能にし、非効率なプロセスステップを特定するために不可欠です。取得元期間を伴う活動の場合、これはRampのイベントデータにログされます。瞬時的なイベントの場合、StartTimeと同じになることがあります。例 2023-10-26T10:00:05Z2023-10-26T14:35:10Z2023-10-27T09:10:00Z
	ソースシステム SourceSystem	データが抽出されたソースアプリケーションを特定します。
説明この属性は、プロセスデータの記録システムを指定します。この場合はRampです。複数のシステムからデータが混在する環境で、明確なデータリネージュを確保するのに役立ちます。分析においては、特定のソースからのデータをフィルタリングするのに役立ち、データ検証およびガバナンス目的で使用できます。その重要性データの起源に関するコンテキストを提供し、データガバナンスや複数のシステムからのデータ統合時に不可欠です。取得元これは通常、データ抽出および変換プロセス中に「Ramp」という静的値として追加されます。例 Ramp
	マネージャー承認時間 ManagerApprovalTime	レポートがマネージャーレビュー待ちになってから、マネージャーが承認または却下するまでの時間。
説明このメトリックは、マネージャー承認段階の期間を計算します。「マネージャーレビュー保留中」アクティビティと、それに続く「マネージャー承認済み」または「マネージャー却下済み」アクティビティ間の時間差です。この期間は、「平均マネージャー承認時間」KPIの算出と「マネージャー承認サイクルタイム」ダッシュボードの基盤となります。これにより、最初の承認レベルでの遅延（しばしば大きなボトルネックとなる）を特定するのに役立ちます。その重要性重要な承認ステップの期間を分離し、マネージャーレビューによって引き起こされるボトルネックを特定し対処するのに役立ちます。取得元これは、マネージャーレビュー保留中イベントと完了イベント間の時間差を見つけることで、イベントログから計算されます。例 1時間15分2日3時間5時間30分
	会計記帳時間 AccountingPostingTime	払い戻しが実行されてから、取引が会計システムに計上されるまでの時間。
説明この計算メトリックは、財務記録管理の遅延を測定します。「払い戻し実行済み」イベントと「会計システムと同期済み」イベントの間の時間差です。この属性は、「平均会計計上時間」KPIと「会計計上遅延」ダッシュボードに使用されます。財務記録が迅速に更新されることを保証し、正確でタイムリーな財務報告にとって重要です。その重要性財務記録の遅延を浮き彫りにし、会計締め処理を加速するための行動を可能にします。取得元これは、払い戻しおよび会計同期イベントのデータログ内のイベントタイムスタンプから計算されます。例 2 hours1日5分
	最終データ更新 LastDataUpdate	ソースシステムからデータが最後に更新されたことを示すタイムスタンプです。
説明この属性は、最新のデータ抽出日時を記録します。これにより、分析対象データの鮮度に関するコンテキストが提供されます。あらゆる分析において、データの新しさを知ることは結果を正しく解釈するために不可欠です。この属性は、ユーザーが最新の情報を参照しているかどうかを理解するのに役立ちます。その重要性データの適時性についてユーザーに通知し、分析が最新かつ関連性の高い情報に基づいていることを保証します。取得元このタイムスタンプは、データ抽出プロセス中に生成され追加されます。例 2023-11-01T06:00:00Z
	手戻り IsRework	経費報告書が少なくとも一度修正のために差し戻されたかどうかを示す計算済みのフラグです。
説明このブール属性は、特定のケースで「改訂のために差し戻された経費」アクティビティが発生したかどうかをチェックすることで導出されます。少なくとも1回の差し戻しサイクルを経たすべてのレポートに対してtrueに設定されます。このフラグは、「経費精算書差し戻し率」KPIの計算を簡素化し、初回通過で承認されたレポートと手戻りを必要としたレポート間の簡単なフィルタリングと比較を可能にします。これら2つのグループを分析することで、差し戻しによる時間とコストへの影響を明らかにできます。その重要性再作業分析のためにプロセスを簡単にセグメント化し、修正のために差し戻される報告書の頻度と影響を定量化するのに役立ちます。取得元これは計算フィールドであり、ケース内に改訂アクティビティが存在するかどうかをチェックすることにより、データ変換中に導出されます。例 truefalse
	払い戻し方法 ReimbursementMethod	ACHや電信送金など、払い戻し支払いを行うために使用された方法。
説明この属性は、従業員が払い戻しを受けた支払いチャネルを指定します。異なる方法には、それぞれ異なる処理時間とコストが関連付けられている場合があります。方法別の払い戻しパフォーマンスを分析することで、最も効率的な支払いチャネルを特定できます。「払い戻し方法パフォーマンス」ダッシュボードはこのデータを使用してサイクルタイムと信頼性を比較し、支払い戦略の最適化につながる可能性があります。その重要性異なる支払いチャネル間のパフォーマンス比較を可能にし、速度と信頼性の最適化を支援します。取得元この情報は、Ramp内の支払いまたは払い戻し記録で利用可能であるべきです。例 ACH振替法人カード入金直接入金
	承認ステップ数 ApprovalStepCount	経費精算書が経た正式な承認ステップの総数。
説明この計算メトリックは、単一の経費精算書で発生した「マネージャー承認済み」や「財務承認済み」などの異なる承認アクティビティの数をカウントします。これは承認ワークフローの複雑さを定量化するのに役立ちます。この属性は、「レポートあたりの平均承認ステップ数」KPIと「シンプルな経費承認経路」ダッシュボードに使用されます。このカウントを分析することで、特にレポートの金額やカテゴリとの関連において、組織はシンプルで低額な経費が過度に複雑な承認プロセスを経ているかどうかを特定できます。その重要性ワークフローの複雑さを定量化し、特に低リスクの報告書において簡素化の機会を特定するのに役立ちます。取得元これは、イベントログ内の各ケースにおける特定の承認関連アクティビティの発生数をカウントすることで計算されます。例 123
	承認マネージャー ApprovingManager	承認ステップを実行したマネージャーの名前。
説明この属性は、従業員の経費精算書をレビューおよび承認する責任を持つマネージャーを特定します。これは、レポートを提出したユーザーとは異なります。承認マネージャーの追跡は、「マネージャー承認サイクルタイム」ダッシュボードにとって不可欠です。これにより、承認業務負荷とパフォーマンスの分析が可能になり、迅速に承認するマネージャーとボトルネックとなっているマネージャーを浮き彫りにします。これは、業務負荷のバランス調整や追加サポートの提供に役立ちます。その重要性個々の承認者のパフォーマンス分析を可能にし、承認ワークフローにおけるボトルネックを特定し対処するのに役立ちます。取得元この情報はRampの承認ワークフローデータの一部であり、マネージャーがレポートに対してアクションを起こした際に記録されます。例ジェーン・ドウジョン・ミラーSusan Chen
	提出方法 SubmissionMethod	モバイルアプリやウェブポータルなど、経費精算書が提出されたチャネルです。
説明この属性は、従業員が経費精算書をどのように提出したかを示します。一般的な方法には、モバイルアプリケーション、デスクトップウェブブラウザ、またはメール転送の使用が含まれます。提出方法を分析することで、ユーザーの行動やテクノロジーの採用に関する洞察が得られます。例えば、特定のチャネル経由で提出されたレポートの差し戻し率が高い場合、そのチャネルのインターフェースにユーザビリティの問題がある可能性を示唆します。その重要性ユーザーの行動に関するコンテキストを提供し、特定の提出チャネルが高いエラー率や遅延に関連しているかどうかを特定するのに役立ちます。取得元この情報は、Rampのシステムログにおける提出イベントのメタデータとして捕捉される可能性があります。例モバイルアプリWebポータルメール
	監査結果 AuditOutcome	経費精算書の内部または外部監査の結果。
説明正式な監査を受ける経費報告書の場合、この属性は「承認済み」、「一部却下」、または「追加情報が必要」などの最終結果を記録します。このデータは「経費監査パフォーマンス」ダッシュボードの中心となります。これにより、監査プロセスの有効性を評価し、異なる結果の頻度を追跡し、監査結果の財務的影響を理解するのに役立ちます。その重要性監査プロセスの有効性と結果を測定し、コンプライアンスと統制の弱点に関する洞察を提供します。取得元これは、Rampの監査モジュール、または詳細な経費監査に使用される場合は統合システムに記録されます。例合格備考付きで承認済み却下エスカレート済み
	総払い戻しサイクルタイム TotalReimbursementCycleTime	経費精算書が提出されてから払い戻しが実行されるまでの総経過時間。
説明この計算メトリックは、従業員の視点から見た払い戻しプロセスのエンドツーエンドの期間を測定します。各ケースの「経費提出済み」イベントと「払い戻し実行済み」イベント間の時間差として計算されます。この属性は、「平均払い戻しサイクルタイム」KPIおよび「エンドツーエンド払い戻しサイクル」ダッシュボードの基礎となります。プロセスの効率性を高レベルで測定するものであり、従業員満足度の主要な指標です。その重要性プロセス全体の期間を定量化し、エンドツーエンドの効率性を測定するための主要なパフォーマンス指標を提供します。取得元これは、データ変換中に、最初の提出イベントのタイムスタンプを最終払い戻しイベントから差し引くことで計算されます。例 3日4時間10日1時間1日8時間
	財務レビュー時間 FinanceReviewTime	経費精算書が財務レビュー段階に費やす時間。
説明このメトリックは、レポートが財務キュー（「財務レビュー保留中」）に入ってから、財務承認者がアクション（「財務承認済み」または「財務却下済み」）を起こすまでの期間を測定します。これは、「平均財務レビュー時間」KPIと「財務レビュー効率」ダッシュボードの主要な測定基準です。この期間を分析することで、財務レビュープロセスを効率化または自動化し、手作業を削減して全体的なサイクルを加速する機会を特定するのに役立ちます。その重要性財務部門のレビュープロセスの効率性を測定し、自動化と合理化の機会を強調します。取得元この値は、財務レビューアクティビティの開始と終了のイベントタイムスタンプから計算されます。例 4時間1日2時間18時間
	財務承認者 FinanceApprover	経費精算書を承認した財務チームのユーザー。
説明財務レビューステップを含むワークフローの場合、この属性は最終承認を実行した財務部門内の特定の担当者またはチームを特定します。この属性は、「財務レビュー効率」ダッシュボードをサポートし、個人またはチームレベルでのパフォーマンス分析を可能にします。これにより、ボトルネックの特定、ワークロードの分散評価、財務レビュー段階の有効性の測定に役立ちます。その重要性財務レビュー段階の詳細なパフォーマンス分析を可能にし、プロセスにおける重要な管理ポイントの最適化を支援します。取得元これは、Rampにおける経費精算書の承認履歴の財務レビュー段階で捕捉されます。例財務チームAデイビッド・リー財務自動化ボット

必須推奨任意

経費精算活動

正確なプロセスディスカバリーとパフォーマンス測定のため、イベントログに記録すべき主なステップとマイルストーンは次のとおりです。

5 推奨 7 任意

	アクティビティ	説明
	マネージャー承認	マネージャーが経費をレビューし承認したため、財務レビューや払い戻しなどの次のステップに進むことが許可されました。これは明示的なユーザーアクションを通じて捕捉されます。
その重要性これは、初回承認レベルが成功裏に完了したことを示す主要なマイルストーンです。承認ワークフローを分析し、ボトルネックを特定するために不可欠です。取得元マネージャーが「承認」をクリックした際に、経費の承認履歴にイベントとして記録されます。イベントログには承認者のIDとタイムスタンプが含まれている必要があります。取得マネージャー権限を持つユーザーによる「承認」アクションでイベントがログに記録されます。イベントタイプ explicit
	会計システムと同期済み	経費取引データが、NetSuite、QuickBooks、Xeroなどの統合会計システムに正常に計上されました。このイベントは、プロセスの財務記録管理部分の完了を示します。
その重要性これはエンドツーエンドプロセスの最終アクティビティです。ここでの遅延は、財務報告の正確性と決算処理の速度に影響を与える可能性があります。取得元統合ログ、またはRamp内の経費オブジェクトのステータス更新として記録されます。「同期済み」、「計上済み」、または「エクスポート済み」のようなステータスを探してください。取得会計連携サービスによって、データ同期が成功した際にログエントリが作成されます。イベントタイプ explicit
	払い戻し実行済み	払い戻し支払いが正常に処理され、従業員に送金されました。これは通常、従業員にとっての最終ステップであり、支払いサイクルの終了を示します。
その重要性これは払い戻しプロセスの主要な終了イベントです。提出からこの時点までの期間は、従業員満足度とプロセス効率にとって重要なKPIです。取得元支払い処理ログまたは決済プロバイダーとの連携から取得されます。Rampでの経費ステータスは「精算済み」または「支払い済み」に更新されます。取得支払いシステムが支払い転送の成功を確認したときにイベントがログに記録されます。イベントタイプ explicit
	経費提出済み	従業員は経費に必要なすべての情報が完了していることを確認し、承認プロセスに提出します。これは、経費を「下書き」または「要対応」の状態から「承認待ち」の状態に移行させる明確なユーザーアクションです。
その重要性このアクティビティは、承認と払い戻しのサイクルを正式に開始する重要なマイルストーンです。承認と払い戻しのSLAを測定するためのベースラインとなります。取得元経費オブジェクトのステータス履歴から取得されます。これは、ユーザーが取引をレビューのために提出するアクションに対応します。取得ユーザーが「提出」ボタンをクリックし、ステータス変更をトリガーしたときにログされます。イベントタイプ explicit
	経費発生	経費の発生を示します。通常、法人カードが使用された際や、従業員が立て替え経費記録を手動で作成した際に自動的に開始されます。このイベントは通常、取引データフィードやユーザーインターフェースのアクションから捕捉されます。
その重要性これは経費ライフサイクルの主要な開始イベントです。このイベントからの時間を分析することで、提出の遅延と全体的なプロセス速度を理解するのに役立ちます。取得元 Rampカード取引ログまたは手動で入力された経費オブジェクトの作成タイムスタンプから生成されます。経費または取引テーブルの初期レコード作成イベントを探してください。取得カード取引が処理されたとき、またはユーザーが新しい経費入力を作成したときに直接ログに記録されます。イベントタイプ explicit
	ポリシーチェックを実施	システムは、設定された会社ポリシーに対して経費を自動的に監査し、潜在的な違反をフラグ付けします。これは通常、提出直後に発生するシステム生成イベントです。
その重要性自動コンプライアンスチェックの効率とプロセスへの影響を測定します。これにより、一般的なポリシー違反や従業員トレーニングが必要な領域を特定するのに役立ちます。取得元経費取引に関連する監査証跡またはログに記録されている可能性があります。「policy_check」または「compliance_scan」に関連するシステムイベントを探してください。取得自動化されたポリシーエンジンが取引に対して実行された後、システムログエントリが作成されます。イベントタイプ explicit
	マネージャーレビュー待ち	経費が提出され、現在、従業員の直属のマネージャーによるレビューを待っている状態です。この状態は、提出後に経費ステータスが「マネージャー承認待ち」または類似の値に変更された場合に推測されます。
その重要性マネージャー承認段階の開始を特定します。この状態での滞在時間を分析することは、マネージャー承認サイクルタイムを測定し改善するための鍵となります。取得元経費オブジェクトのステータスが「承認待ち」のような状態に変更され、マネージャーのキューに割り当てられたことから推測されます。ステータス履歴の追跡が必要です。取得経費ステータスが「マネージャー承認待ち」になったときのタイムスタンプから派生します。イベントタイプ inferred
	修正のために経費差し戻し	承認者（マネージャーまたは財務担当者）が経費を却下し、修正のために従業員に差し戻しました。これは、「修正が必要」または「却下済み」ステータスへの変更によって捕捉されます。
その重要性このアクティビティは、プロセスにおける手戻りループを示し、サイクルタイムを直接増加させます。これらのイベントを追跡することで、一般的な申請エラーを特定し、初回通過率を向上させるのに役立ちます。取得元経費オブジェクトのステータスが「修正が必要」または類似の状態に変更されたことから推測されます。このイベントは、アクションを開始した承認者にリンクされるべきです。取得経費ステータスが「修正が必要」または「却下済み」になったときのタイムスタンプから派生します。イベントタイプ inferred
	払い戻し予定済み	立替経費の精算において、承認済みの金額が支払い処理待ちの状態になりました。このイベントは、申請された経費がすべての承認ステップを通過し、支払いに向けた準備が整ったことを示しています。
その重要性このマイルストーンは、承認プロセスを支払い実行プロセスから分離します。これにより、支払い処理で発生する遅延と承認で発生する遅延を切り分けるのに役立ちます。取得元最終承認後、経費ステータスが「精算待ち」または「支払い準備完了」に変更されたことから推測されます。支払いがバッチ処理される場合は、明示的なイベントである可能性もあります。取得ステータスが「支払い準備完了」に変更されたとき、または支払いバッチテーブルにレコードが作成されたときに派生します。イベントタイプ inferred
	財務レビュー待ち	承認された経費がエスカレーションされ、財務または経理チームによるレビューを待っている状態です。これは通常、高額な経費やポリシー違反のフラグが付いた経費で発生します。この活動はステータス変更から推測されます。
その重要性財務レビューサイクルの開始を示します。この段階の期間を測定することで、財務チームの業務負荷と効率性を評価し、自動化の機会を特定するのに役立ちます。取得元マネージャー承認後、経費オブジェクトのステータスが「財務承認待ち」に変更されたことから推測されます。これには経費のステータス履歴へのアクセスが必要です。取得経費ステータスが「財務レビュー待ち」に更新されたときのタイムスタンプから派生します。イベントタイプ inferred
	財務承認済み	財務チームが経費をレビューし、最終承認を与え、払い戻しと会計同期のためにクリアされました。これは、財務チームのメンバーによる明示的なユーザーアクションを通じて捕捉されます。
その重要性支払い前の最終承認ゲートを表します。このアクティビティを分析することで、エンドツーエンドの承認サイクルと財務チームの効率を理解するのに役立ちます。取得元経費の承認履歴にイベントとして記録されます。財務部門のユーザーに関連する承認イベントを探してください。取得財務権限を持つユーザーによる「承認」アクションでイベントがログに記録されます。イベントタイプ explicit
	領収書添付済み	領収書がOCRマッチングによって自動的に、またはユーザーによって手動で経費に関連付けられる瞬間を表します。これは、領収書ファイルが取引記録に正常にリンクされたときに捕捉されます。
その重要性このアクティビティを追跡することで、書類不足によって引き起こされる遅延を特定するのに役立ちます。これは、コンプライアンスと監査準備を確保するための重要なステップです。取得元領収書がアップロードまたは照合されたときに、経費または取引履歴にログされます。添付ファイルの作成イベント、または「receipt_attached」を示すフラグを確認してください。取得システムが領収書の画像またはファイルを経費記録にリンクしたときにイベントが作成されます。イベントタイプ explicit

推奨任意

抽出ガイド

Rampからデータを入手する方法

ステップ

Rampアカウントに管理者または経理担当者の権限でログインします。
左側のメニューから「取引」セクションに移動します。このビューには、すべての法人カード利用が含まれています。
データに希望のフィルターを適用します。最低でも、分析したい期間の「日付範囲」を設定してください。必要に応じて、ステータス、カテゴリ、部署などの他のプロパティでフィルターをかけて範囲を絞ることもできます。
取引リストの右上にある「エクスポート」ボタンをクリックします。
エクスポートモーダルで、エクスポートタイプとして「取引」を、形式として「CSV」を選択します。ファイルをダウンロードし、transactions_export.csvと名付けてください。
次に、左側のメニューから「経費精算」セクションに移動します。このビューには、従業員が提出したすべての立替経費が含まれています。
データの整合性を確保するため、取引のエクスポートに使用したのと同じ日付範囲フィルターを適用します。
「エクスポート」ボタンをクリックし、経費精算データをCSVファイルとしてダウンロードします。このファイルをreimbursements_export.csvと名付けてください。
エクスポートした両方のCSVファイル（transactions_export.csvとreimbursements_export.csv）を、提供されたPythonスクリプトと同じディレクトリに配置します。
Pythonスクリプトを実行します。スクリプトは両方のファイルをロードし、各ビジネスイベントの個別の行を作成してデータを変換し、それらを単一の構造化されたイベントログに結合します。
スクリプトはramp_event_log.csvという名前のファイルを出力します。このファイルはProcessMindの要件に従ってフォーマットされています。
ramp_event_log.csvファイルをProcessMindにアップロードして分析します。

設定

権限: Rampで完全な取引データと経費精算データにアクセスしエクスポートするには、「管理者」または「経理担当者」のロールが必要です。
日付範囲: 初期分析では、十分なプロセスバリエーションを把握するため、少なくとも6〜12ヶ月の期間を選択してください。継続的なモニタリングには、より短い最新の期間を使用できます。
データの一貫性: 一貫したデータセットを維持するため、取引ファイルと経費精算ファイルの両方をエクスポートする際に、全く同じ日付範囲とフィルターを使用していることを確認してください。
エクスポート形式: 変換スクリプトはカンマ区切りファイルを処理するように設計されているため、両方のエクスポートで常にCSV形式を選択してください。
ファイル命名: transactions_export.csvとreimbursements_export.csvのファイル名を厳守するか、変換スクリプト内のファイルパス変数を適宜更新してください。

a クエリ例 config

import pandas as pd
import numpy as np

# --- Configuration ---
TRANSACTIONS_FILE = 'transactions_export.csv'
REIMBURSEMENTS_FILE = 'reimbursements_export.csv'
OUTPUT_FILE = 'ramp_event_log.csv'

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

# --- Main Transformation Logic ---
def transform_to_event_log(transactions_df, reimbursements_df):
    events = []

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

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

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

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

        # Activity: Expense Incurred
        if pd.notna(row.get('ExpenseIncurredTimestamp')):
            events.append({**base_event, 'ActivityName': 'Expense Incurred', 'EventTimestamp': row.get('ExpenseIncurredTimestamp')})

        # Activity: Receipt Attached
        if pd.notna(row.get('ReceiptAttachedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Receipt Attached', 'EventTimestamp': row.get('ReceiptAttachedTimestamp')})

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

        # Activity: Manager Approved
        if pd.notna(row.get('ManagerApprovedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Manager Approved', 'EventTimestamp': row.get('ManagerApprovedTimestamp')})

        # Activity: Finance Review Pending
        if pd.notna(row.get('FinanceReviewPendingTimestamp')):
            events.append({**base_event, 'ActivityName': 'Finance Review Pending', 'EventTimestamp': row.get('FinanceReviewPendingTimestamp')})

        # Activity: Finance Approved
        if pd.notna(row.get('FinanceApprovedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Finance Approved', 'EventTimestamp': row.get('FinanceApprovedTimestamp')})

        # Activity: Synced with Accounting System
        if pd.notna(row.get('SyncedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Synced with Accounting System', 'EventTimestamp': row.get('SyncedTimestamp')})

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

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

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

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

    if not events:
        print("Warning: No events were generated. Check the input files and column names.")
        return None

    # Create final DataFrame
    event_log_df = pd.DataFrame(events)
    event_log_df['EventTimestamp'] = pd.to_datetime(event_log_df['EventTimestamp'])
    event_log_df.sort_values(by=['ExpenseReportId', 'EventTimestamp'], inplace=True)
    
    return event_log_df

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

ステップ

前提条件と環境設定: Python 3.8以降がインストールされていることを確認してください。pip install requests pandasを実行して必要なPythonライブラリをインストールします。また、APIクレデンシャルを生成するため、Rampインスタンスへの管理者アクセスが必要です。
Ramp APIクレデンシャルの生成: Rampアカウントにログインします。「設定」に進み、サイドメニューから「開発者API」を選択します。「アプリを作成」をクリックし、アプリケーションに名前を付け、必要なスコープを設定します。transactions:read、reimbursements:read、users:readが必要です。作成後、Client IDとClient Secretを安全にコピーしてください。
Pythonスクリプトの設定: 例えばextract_ramp_log.pyという新しいPythonファイルを作成します。提供されているPythonスクリプトをこのファイルにコピーします。セキュリティのため、Client IDとClient Secretを環境変数として設定するか、テスト目的で直接スクリプト内に設定することを強くお勧めします。
抽出期間の設定: スクリプトのmain実行ブロック内で、START_DATEおよびEND_DATE変数を見つけます。これらの日付を調整して、データ抽出の期間を定義します。初期分析には3〜6ヶ月の期間が推奨されます。
スクリプトの実行: ターミナルからpython extract_ramp_log.pyコマンドを使用してスクリプトを実行します。スクリプトはRamp APIで認証し、ユーザー、取引、経費精算のエンドポイントからデータをフェッチし、ページネーションを自動的に処理します。
API呼び出しの理解: スクリプトはまずすべてのユーザーデータをフェッチし、ユーザーIDから名前と部署へのマッピングを作成します。次に、指定された日付範囲内のすべての経費精算を取得します。各経費精算について、承認と支払いの履歴を抽出します。
データをイベントログに変換する: スクリプトの主要ロジックは、各経費精算とその関連するステータス履歴を反復処理します。「MANAGER_APPROVAL」や「FINISHED」などの各ステータス変更を、「Manager Review Pending」や「Reimbursement Executed」のような個別の活動に変換します。また、関連する取引データをフェッチして、「Expense Incurred」や「Receipt Attached」イベントを作成します。
データエンリッチメントの処理: スクリプトは、各イベントにユーザー詳細、部署情報、経費カテゴリを追加することでイベントログをエンリッチし、プロセス分析のための包括的なデータセットを作成します。
出力の確認: スクリプトが完了すると、同じディレクトリにramp_event_log.csvというファイルが生成されます。このCSVファイルをスプレッドシートプログラムで開き、データを確認して期待通りに抽出されていることを確認します。
アップロードの準備: 生成されたCSVファイルは、ExpenseReportId、ActivityName、EventTimestamp、およびその他の推奨される属性などの必須列で構成されています。このファイルはProcessMindプラットフォームへの直接アップロード準備ができています。

設定

APIクレデンシャル: 認証には有効なClient IDとClient Secretが必要です。これらはRampのダッシュボードの「設定」>「開発者API」で生成されます。
APIスコープ: スクリプトはデータにアクセスするために特定の権限を必要とします。APIキーで次のスコープが有効になっていることを確認してください:transactions:read（経費と領収書の詳細用）、reimbursements:read（申請、承認、支払いステータス用）、users:read（従業員の名前と部署用）。
日付範囲: 抽出はスクリプト内のSTART_DATEとEND_DATEパラメーターによって制御されます。最初のデータセットを管理しやすいものにするため、過去3〜6ヶ月のような最近の期間から始めることをお勧めします。このフィルターは経費精算の作成日に適用されます。
ページネーション: スクリプトはRamp APIによって提供されるstarting_afterカーソルを使用して、APIのページネーションを自動的に処理します。指定された日付範囲内のすべてのデータが取得されるように、バッチ（リクエストごとに最大100件）でレコードをフェッチします。
レート制限: Ramp APIにはレート制限があり、通常は1分あたり600リクエストです。提供されているスクリプトは一般的に効率的ですが、非常に大規模なデータセットの場合、レート制限エラーが発生した場合はAPI呼び出し間に短い遅延を導入する必要があるかもしれません。

a クエリ例 python

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

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

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

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

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

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

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

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

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

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

    event_log = []

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

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

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

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

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

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

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

    class=class="hl-string">"hl-comment"># 4. Create and save DataFrame
    print(class="hl-string">"Finalizing event log...")
    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
    df = df.sort_values(by=[class="hl-string">'ExpenseReportId', class="hl-string">'EventTimestamp'])

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

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

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

ステップ

Rampアカウントに管理者または経理担当者の権限でログインします。
左側のメニューから「取引」セクションに移動します。このビューには、すべての法人カード利用が含まれています。
データに希望のフィルターを適用します。最低でも、分析したい期間の「日付範囲」を設定してください。必要に応じて、ステータス、カテゴリ、部署などの他のプロパティでフィルターをかけて範囲を絞ることもできます。
取引リストの右上にある「エクスポート」ボタンをクリックします。
エクスポートモーダルで、エクスポートタイプとして「取引」を、形式として「CSV」を選択します。ファイルをダウンロードし、transactions_export.csvと名付けてください。
次に、左側のメニューから「経費精算」セクションに移動します。このビューには、従業員が提出したすべての立替経費が含まれています。
データの整合性を確保するため、取引のエクスポートに使用したのと同じ日付範囲フィルターを適用します。
「エクスポート」ボタンをクリックし、経費精算データをCSVファイルとしてダウンロードします。このファイルをreimbursements_export.csvと名付けてください。
エクスポートした両方のCSVファイル（transactions_export.csvとreimbursements_export.csv）を、提供されたPythonスクリプトと同じディレクトリに配置します。
Pythonスクリプトを実行します。スクリプトは両方のファイルをロードし、各ビジネスイベントの個別の行を作成してデータを変換し、それらを単一の構造化されたイベントログに結合します。
スクリプトはramp_event_log.csvという名前のファイルを出力します。このファイルはProcessMindの要件に従ってフォーマットされています。
ramp_event_log.csvファイルをProcessMindにアップロードして分析します。

設定

権限: Rampで完全な取引データと経費精算データにアクセスしエクスポートするには、「管理者」または「経理担当者」のロールが必要です。
日付範囲: 初期分析では、十分なプロセスバリエーションを把握するため、少なくとも6〜12ヶ月の期間を選択してください。継続的なモニタリングには、より短い最新の期間を使用できます。
データの一貫性: 一貫したデータセットを維持するため、取引ファイルと経費精算ファイルの両方をエクスポートする際に、全く同じ日付範囲とフィルターを使用していることを確認してください。
エクスポート形式: 変換スクリプトはカンマ区切りファイルを処理するように設計されているため、両方のエクスポートで常にCSV形式を選択してください。
ファイル命名: transactions_export.csvとreimbursements_export.csvのファイル名を厳守するか、変換スクリプト内のファイルパス変数を適宜更新してください。

a クエリ例 config

import pandas as pd
import numpy as np

# --- Configuration ---
TRANSACTIONS_FILE = 'transactions_export.csv'
REIMBURSEMENTS_FILE = 'reimbursements_export.csv'
OUTPUT_FILE = 'ramp_event_log.csv'

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

# --- Main Transformation Logic ---
def transform_to_event_log(transactions_df, reimbursements_df):
    events = []

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

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

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

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

        # Activity: Expense Incurred
        if pd.notna(row.get('ExpenseIncurredTimestamp')):
            events.append({**base_event, 'ActivityName': 'Expense Incurred', 'EventTimestamp': row.get('ExpenseIncurredTimestamp')})

        # Activity: Receipt Attached
        if pd.notna(row.get('ReceiptAttachedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Receipt Attached', 'EventTimestamp': row.get('ReceiptAttachedTimestamp')})

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

        # Activity: Manager Approved
        if pd.notna(row.get('ManagerApprovedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Manager Approved', 'EventTimestamp': row.get('ManagerApprovedTimestamp')})

        # Activity: Finance Review Pending
        if pd.notna(row.get('FinanceReviewPendingTimestamp')):
            events.append({**base_event, 'ActivityName': 'Finance Review Pending', 'EventTimestamp': row.get('FinanceReviewPendingTimestamp')})

        # Activity: Finance Approved
        if pd.notna(row.get('FinanceApprovedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Finance Approved', 'EventTimestamp': row.get('FinanceApprovedTimestamp')})

        # Activity: Synced with Accounting System
        if pd.notna(row.get('SyncedTimestamp')):
            events.append({**base_event, 'ActivityName': 'Synced with Accounting System', 'EventTimestamp': row.get('SyncedTimestamp')})

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

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

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

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

    if not events:
        print("Warning: No events were generated. Check the input files and column names.")
        return None

    # Create final DataFrame
    event_log_df = pd.DataFrame(events)
    event_log_df['EventTimestamp'] = pd.to_datetime(event_log_df['EventTimestamp'])
    event_log_df.sort_values(by=['ExpenseReportId', 'EventTimestamp'], inplace=True)
    
    return event_log_df

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

経費管理データ``テンプレート

経費管理データ``テンプレート

経費精算属性

経費精算活動

抽出ガイド

Ramp内蔵CSVトランザクションおよび払い戻しエクスポート

ステップ

設定

a クエリ例 config

Ramp開発者APIを介したPythonスクリプト抽出

ステップ

設定

a クエリ例 python

Rampデータウェアハウス統合同期（Snowflake/BigQuery）

ステップ

設定

a クエリ例 config

今すぐ始めますか？

効率性を解き放つ：Ramp経費管理を今すぐ最適化

経費管理データ``テンプレート

経費管理データ``テンプレート

経費精算属性

経費精算活動

抽出ガイド

Ramp内蔵CSVトランザクションおよび払い戻しエクスポート

ステップ

設定

a クエリ例 config

Ramp開発者APIを介したPythonスクリプト抽出

ステップ

設定

a クエリ例 python

Rampデータウェアハウス統合同期（Snowflake/BigQuery）

ステップ

設定

a クエリ例 config

お客様のプライバシーを大切にしています

今すぐ始めますか？

効率性を解き放つ：Ramp経費管理を今すぐ最適化