> 継続的なプロセス改善 > 従業員オンボーディング > BambooHR > データテンプレート

従業員オンボーディングデータテンプレート

BambooHR

従業員オンボーディング属性 (20) 従業員オンボーディングアクティビティ (15) 抽出ガイド (2)

従業員オンボーディングデータテンプレート

このテンプレートは、従業員オンボーディングプロセスの詳細な分析に必要なデータ収集のすべてのガイダンスを提供します。収集すべき必須データ属性、追跡すべき重要な活動を概説し、BambooHRからこのデータを効果的に抽出するための明確な手順を示します。このリソースを活用して堅牢なイベントログを構築し、オンボーディングジャーニーに関する正確なインサイトを確実に得てください。

収集を推奨する項目
プロセスディスカバリで追跡すべき主要な活動
BambooHR向け段階的抽出ガイド

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

従業員オンボーディング属性

これらは、イベントログに含めるべき必須データフィールドであり、従業員オンボーディングプロセスを包括的に分析できるようにします。

5 必須 6 推奨 9 任意

	名前	説明
	アクティビティ名 ActivityName	オンボーディングプロセスで発生した特定のタスクまたはマイルストーンの名前です。
説明この属性は、従業員オンボーディングの過程における各固有のイベントまたはステップの名称を記録します。例としては、「オファー受諾」、「バックグラウンドチェック完了」、「初日オリエンテーション完了」などがあります。分析において、活動名はプロセスマップの構築に使用され、イベントの順序と作業の流れを示します。これは、ボトルネックの特定、活動頻度の分析、および新入社員がたどる異なる経路（バリアント）の理解に不可欠です。これらの活動の順序を調査することで、アナリストは標準プロセスからの逸脱と改善の機会を特定できます。その重要性プロセスのステップを定義し、プロセスマップの骨格を形成し、ワークフロー、ボトルネック、およびバリエーションの分析を可能にします。取得元 BambooHRのオンボーディングチェックリストまたは採用ワークフロー内のステータス変更、タスク完了、または特定の日付フィールドから導出されます。例内定承諾済み書類一式送付済みITプロビジョニング要求済み30日目チェックイン完了
	イベントのタイムスタンプ EventTimestamp	オンボーディング活動が完了または発生した正確な日時です。
説明イベントタイムスタンプは、特定の活動が発生した正確な時刻を記録します。この時間データは、イベントを時系列に並べ、プロセス内の異なるステップ間の期間を計算するために不可欠です。この属性は、プロセスマイニングにおけるすべての時間ベース分析の基盤となります。サイクルタイム、待機時間、および全体のプロセス期間を計算するために使用されます。タイムスタンプを分析することで、組織はどのステージに最も時間がかかっているかを特定し、サービスレベル契約（SLA）に対するパフォーマンスを測定し、新入社員の体験に悪影響を与える遅延を特定できます。その重要性このタイムスタンプは、イベントの時系列順序を提供し、サイクルタイムの計算や遅延の特定など、すべてのパフォーマンスおよび期間分析に不可欠です。取得元 BambooHR内の、活動完了に対応するさまざまな日付フィールド（「採用オファー承認日」、「バックグラウンドチェック完了日」など）またはステータス変更を記録するシステムログから抽出されます。例 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	オンボーディングケース OnboardingCase	一人の新入社員のすべてのオンボーディング活動をグループ化する一意の識別子です。
説明オンボーディングケースは、従業員オンボーディングプロセス全体の中核となる識別子です。最初のオファー受諾から30日チェックインの完了まで、すべての関連イベントを一つのまとまったプロセスとして関連付けます。プロセスマイニング分析において、この属性は各新入社員のエンドツーエンドのプロセスフローを再構築するための基礎となります。これにより、プロセスマップの可視化、総サイクルタイムのようなケースレベルKPIの計算、および異なるプロセスバリアントの分析が可能になります。一貫したケース識別子がない場合、一人の従業員が様々なオンボーディングステージをどのように移動するかを追跡することは不可能となります。その重要性これは、すべての関連イベントを結びつけるプライマリキーであり、各新入社員のオンボーディングジャーニー全体を分析することを可能にします。取得元これは概念的な識別子であり、BambooHRには単一の明示的な「オンボーディングケースID」がない可能性があるため、多くの場合、従業員IDと採用インスタンスまたは日付を組み合わせて導出されます。データ準備中に構築する必要があります。例 ONB-00123ONB-00124ONB-00125
	ソースシステム SourceSystem	このデータが抽出された記録システムを示します。
説明この属性は、データの発生元を指定します。この場合はBambooHRです。これはデータガバナンスに役立ち、特に複数のシステムからのデータを組み合わせる場合にコンテキストを提供します。一見すると簡単なようですが、ソースシステムを明示的に示すことは、データリネージとトラブルシューティングにとって重要です。大規模な分析環境では、ユーザーがデータのコンテキストを理解し、疑問や不整合が生じた場合にその発生源まで遡れるようにします。その重要性データソースに関する重要なコンテキストを提供します。これは、データガバナンス、検証、および複数のソースからのデータ統合を行う際に重要です。取得元これは、データ変換プロセス中に付加される静的な値「BambooHR」です。例 BambooHR
	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日時を示す`タイムスタンプ`です。
説明この属性は、最新のデータ抽出または更新の日時を記録します。これにより、データの鮮度と関連性についてユーザーに明確な理解を提供します。あらゆる分析、特に進行中のプロセスを監視する分析において、データの適時性を知ることは極めて重要です。このタイムスタンプは、ユーザーが見ているデータを信頼し、それが現在の運用状況を反映しているのか、あるいは過去のある時点のものであるのかを理解するのに役立ちます。アクティブなオンボーディングケースを追跡するダッシュボードにとって不可欠です。その重要性ユーザーにデータのタイムリー性について通知し、プロセス分析がどれほど最新であるかを理解できるようにします。取得元このタイムスタンプは、データ抽出およびロード時に生成され、データセットに追加されます。例 2024-05-21T08:00:00Z
	場所 Location	新入社員の主要な勤務地またはオフィスです。
説明この属性は、新入社員が勤務する物理的なオフィスまたは地理的な場所を識別します。これは都市、オフィスビル、または「リモート」といった指定が可能です。場所別に分析することは、オンボーディングプロセスにおける地域差を特定するために重要です。例えば、機器の配送時間は場所によって大きく異なる場合があり、また異なるオフィスには独自の現地オリエンテーション手順があるかもしれません。この分析は、必要な地域差に対応しつつ、可能な限りプロセスを標準化するのに役立ちます。その重要性機器配送の遅延や現地オリエンテーション手順の違いなど、プロセスパフォーマンスにおける地域差を特定するのに役立ちます。取得元 BambooHRの従業員プロファイルにある標準フィールドで、通常は雇用情報または所在地詳細の下にあります。例ニューヨークオフィスロンドン、英国リモート（米国）サンフランシスコ本社
	役職 JobTitle	新入社員の特定の役割または役職です。
説明この属性には、新入社員の正式な役職（例：「ソフトウェアエンジニア」、「アカウントエグゼクティブ」、「プロダクトマネージャー」など）が含まれます。これは、オンボーディングプロセスを分析するためのもう一つの重要な側面を提供します。異なる役割には、専門的なトレーニングや機器のプロビジョニングなど、固有のオンボーディング要件がある場合があります。役職別に分析することで、特定の役割で遅延が長引いたり、異なるプロセスパスをたどったりするかどうかを明らかにできます。これにより、ポジションの特定のニーズに基づいてオンボーディング体験を調整し、最適化するのに役立ちます。その重要性役割の複雑さと要件に基づいてオンボーディングプロセスを分析でき、異なる職務に合わせた体験の調整に役立ちます。取得元 BambooHRの従業員の職務情報に関連付けられた標準フィールドです。例シニア`ソフトウェアエンジニア`マーケティングコーディネーター地域営業部長
	従業員ID EmployeeId	BambooHR内で各従業員に割り当てられる一意の識別子です。
説明従業員IDは、HRシステム内で特定の従業員を識別する一意のキーです。これは、従業員の在職期間中、常に一定です。オンボーディングケースがプロセスの主要な識別子である一方で、従業員IDはオンボーディングデータを従業員のマスターレコードにリンクするために不可欠です。これにより、職務や部署といった他の従業員属性でデータを補完し、さまざまなタイプの従業員に対してオンボーディング体験がどのように異なるかをより包括的に分析することが可能になります。その重要性新入社員を一意に識別し、他の従業員データで情報を補完し、オンボーディングを超えた彼らのライフサイクル全体を追跡することを可能にします。取得元 BambooHRの従業員記録で標準フィールドとして利用可能です。例 601856018660187
	採用マネージャー HiringManager	新入社員が報告するマネージャーの名前です。
説明この属性は新入社員の直属のマネージャーを識別します。採用マネージャーは、オンボーディングプロセスにおいて、チーム紹介や初期目標設定などの重要な役割を担うことが多いです。採用マネージャー別にオンボーディングパフォーマンスを分析することで、どのマネージャーが新入社員の定着に最も効果的であるか、また追加のサポートやトレーニングが必要なマネージャーを明らかにできます。これは、成功したマネージャーからのベストプラクティスを特定し、組織全体で共有するのに役立ち、新入社員体験全体の整合性と品質を向上させます。その重要性マネージャー別のパフォーマンス分析を可能にし、オンボーディングで効果的な人物とさらなるサポートが必要な人物を特定します。取得元通常、BambooHRの従業員の職務情報またはレポート構造の詳細で見られます。例ジェーン・ドウJohn Smithエミリー・ジョーンズ
	終了タイムスタンプ EndTimestamp	測定可能な期間を持つ活動の完了タイムスタンプです。
説明開始時刻（イベントタイムスタンプ）が活動の発生時点を示す一方、終了タイムスタンプはその完了を示します。これは、即座に完了しない活動、例えば開始と完了の状態を持つ「バックグラウンドチェック」などに最も関連性が高いです。開始と終了の両方のタイムスタンプを使用することで、個々の活動の処理時間をより正確に計算できます。これにより、タスクに積極的に費やされた時間と、次のステップが始まるのを待っていた時間を区別するのに役立ちます。この詳細レベルは、詳細なボトルネック分析にとって不可欠です。その重要性アクティビティ処理時間を正確に計算でき、アクティブな作業時間と待機時間を区別します。取得元シーケンシャルなアクティビティのタイムスタンプから導出されます。例えば、「バックグラウンドチェック開始」のEndTimestampは、「バックグラウンドチェック完了」のタイムスタンプになります。例 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	部署 Department	新入社員が所属する部署です。
説明この属性は、新入社員が所属する組織の部署（例：「エンジニアリング」、「セールス」、「マーケティング」など）を指定します。これは、プロセスパフォーマンスをセグメント化し比較するための重要な側面です。部署別にオンボーディングプロセスを分析することは、組織全体のパフォーマンスのばらつきを理解するために不可欠です。「どの部署のオンボーディングサイクルタイムが最も長いか」、「特定の部署で必須トレーニングのコンプライアンス率が低いか」といった疑問に答えるのに役立ちます。これらのインサイトは、的を絞った介入や部署間のベストプラクティスの共有を可能にします。その重要性組織の異なる部門間でのオンボーディング効率、サイクルタイム、およびコンプライアンス率の比較を可能にします。取得元 BambooHRの従業員の職務情報に関連付けられた標準フィールドです。例エンジニアリング営業マーケティング人事
	`イベント`実行者 EventPerformer	オンボーディング活動を実行したユーザーまたはシステムです。
説明この属性は、特定の活動の完了を担当する個人、チーム、または自動化システムを識別します。例えば、人事スペシャリストが「書類一式送付済み」活動を完了する一方で、採用マネージャーが「チーム紹介」を完了する場合があります。この情報は、リソース分析とワークロードの分散を理解する上で非常に貴重です。最も時間のかかる活動やボトルネックとなっている活動にどのチームや役割が関与しているかを特定するのに役立ちます。また、特定のユーザーグループが実行するタスクの分析も可能にし、これがリソース配分と自動化戦略を策定する上で役立ちます。その重要性各タスクを誰が実行しているかを特定します。これは、ワークロード分析、リソース最適化、およびユーザー固有の行動を理解するために不可欠です。取得元この情報は、BambooHRの監査ログまたはタスク完了詳細に記録される場合があり、多くの場合、更新を行ったユーザーに関連付けられています。例人事管理者デビッド・チェン（採用マネージャー）システム自動化`IT` サポート
	オンボーディングサイクルタイム OnboardingCycleTime	単一ケースにおけるオンボーディングプロセス全体の期間です。
説明この計算されたメトリックは、各オンボーディングケースのエンドツーエンドのサイクルタイムを測定します。通常、「オファー受諾」から「30日チェックイン完了」までのプロセス全体の総経過時間を表します。これは、全体的なプロセス効率を評価するための主要業績評価指標（KPI）です。ダッシュボードで平均オンボーディング時間を追跡し、部署や役割間のパフォーマンスを比較し、プロセス改善イニシアチブの影響を測定するために使用されます。サイクルタイムが短いほど、一般的に新入社員の体験が向上し、管理コストが削減されます。その重要性これは、全体的なプロセス効率を測定し、時間の経過とともに改善を追跡するための重要なKPIです。取得元ケースにおける最初と最後のアクティビティのタイムスタンプ間の時間差を取ることによって計算されます。例 35 days42日28 days
	チーム Team	新入社員が部門内で割り当てられている特定のチームです。
説明この属性は、部署よりも詳細な組織レベルの情報を提供します。例えば、「フロントエンド開発チーム」や「エンタープライズセールスチーム」など、直属のチームを指定します。部署レベルの分析も有用ですが、チームレベルの分析はより具体的なインサイトを明らかにできます。これにより、同様の機能を持つチーム間のパフォーマンスの違いが明らかになり、現地での紹介やトレーニングなど、チーム固有の慣行がオンボーディングジャーニー全体にどのように影響するかを特定するのに役立ちます。これは、より詳細な内訳が必要な大規模な部署で特に有用です。その重要性部署よりも詳細な視点を提供し、個々のチーム間のパフォーマンスやプロセスバリエーションの分析を可能にします。取得元これはBambooHRの標準フィールドまたはカスタムフィールドである可能性があり、多くの場合、従業員の組織割り当ての一部です。例プラットフォームエンジニアリングミッドマーケットセールスコンテンツマーケティング
	国 Country	新入社員が雇用されている国です。
説明この属性は、雇用国を指定します。グローバル企業にとって、これは分析のための重要な側面です。オンボーディングプロセスと規制は、国によって大きく異なる場合があります。国別にプロセスを分析することで、組織はこれらの違いを理解し、現地の法律への準拠を確保し、適切な地域間で慣行を標準化する機会を特定するのに役立ちます。また、国ごとの祝日や管理手続きに関連するサイクルタイムのばらつきも説明できます。その重要性グローバル組織がプロセスバリエーションを分析し、現地のコンプライアンスを確保し、地域固有のオンボーディング要件を管理するために不可欠です。取得元 BambooHRの従業員の所在地または住所情報内の標準フィールドです。例アメリカ合衆国英国ドイツカナダ
	手戻り IsRework	あるアクティビティが、すでに発生したステップの繰り返しであるかどうかを示すフラグです。
説明この計算されたブール属性は、「書類一式送付済み」のような活動が同じオンボーディングケース内で複数回出現した場合に「true」に設定されます。これはプロセスステップが繰り返されたことを示しており、通常、エラー、情報不足、または非効率性を示唆しています。手戻りの特定はプロセスマイニングの主要な機能です。このフラグにより、手戻りインスタンスの簡単なフィルタリングと定量化が可能になります。これは手戻りに焦点を当てたダッシュボードやKPIを直接サポートし、プロセスの摩擦や無駄を浮き彫りにするのに役立ちます。手戻りを削減することは、サイクルタイムの短縮と、新入社員および人事チームの両方にとってよりスムーズな体験につながります。その重要性繰り返されなければならなかった活動にフラグを立てることで、プロセスの非効率性、エラー、無駄な労力を浮き彫りにします。取得元これは計算フィールドです。ケース内の活動の繰り返しシーケンスを検出するために、プロセスマイニングツール内でロジックが実装されています。例 truefalse
	採用前サイクルタイム PreHireCycleTime	従業員の正式な入社日より前に発生するすべての活動の期間です。
説明この計算されたメトリックは、書類作成やバックグラウンドチェックなど、すべての採用前タスクを完了するのにかかった時間を測定します。通常、「オファー受諾」から従業員の勤務開始日前の最終活動までが計算されます。このKPIは「採用前活動完了時間」ダッシュボードにとって不可欠です。従業員が勤務を開始する前に発生する遅延を組織が特定し、対処するのに役立ち、新入社員が初日から生産的になる準備ができていることを保証します。採用前サイクルタイムを短縮することは、候補者の体験を向上させ、管理上の摩擦を軽減します。その重要性新規採用者の初日までに完了しなければならない管理タスクの効率を測定し、最適化するのに役立ちます。取得元最初の入社前アクティビティと最後の入社前アクティビティの間の時間差を取ることによって計算されます。例 10日14日7 days
	新入社員氏名 NewHireName	オンボーディング中の従業員の氏名です。
説明この属性には新入社員の名前が含まれています。主に、特定の個人を識別する必要があるレポートやダッシュボードといった運用目的で使用されます。プロセスマイニング分析では、データプライバシー規制に準拠するため、名前はしばしば匿名化されるか、従業員IDに置き換えられます。しかし、人事担当者やマネージャーがアクティブなケースを追跡するために使用する運用ダッシュボードでは、名前があることで即座にユーザーフレンドリーなコンテキストが提供されます。その重要性特定のケースに関する読みやすく、人間が理解しやすいコンテキストを提供します。これは、特に人事担当者やマネージャー向けの運用ダッシュボードで役立ちます。取得元 BambooHRの従業員の個人情報にある標準フィールドです。例 Alice Johnsonロバート・ウィリアムズMaria Garcia
	開始日 StartDate	新入社員の正式な勤務開始日です。
説明勤務開始日は、オンボーディングプロセスにおける重要なマイルストーンです。これは、バックグラウンドチェックや書類作成などの採用前活動と、オリエンテーションやトレーニングなどの採用後活動を区別します。この日付は、多くの分析で重要な参照点として使用されます。例えば、「初日準備完了までの時間」KPIの計算に用いられ、従業員の初日までに必要なすべての採用前タスクが完了したかどうかを測定します。また、採用前活動の適時性と、初日の生産性への影響を分析するのにも役立ちます。その重要性入社前アクティビティと入社後アクティビティを区別し、新規採用者が初日から準備が整っているかを測定するための重要なマイルストーンとして機能します。取得元これは、BambooHRの従業員記録の標準的な一部である「入社日」フィールドに対応します。例 2023-11-012023-11-152023-12-01
	雇用ステータス EmploymentStatus	雇用ライフサイクルにおける新入社員の現在のステータスです。
説明この属性は、新入社員の進捗に伴うステータス（例：「オファー受諾済み」から「採用前」、「アクティブ」など）を追跡します。これにより、従業員がプロセス全体でどこにいるかを高レベルで把握できます。プロセスマイニングでは、これをケースレベル属性として使用し、アクティブなオンボーディングケースをフィルタリングしたり、特定のステータスにケースがどれだけ長く留まっているかを分析したりできます。これは、すべての進行中のオンボーディングプロセスのリアルタイムな概要を提供するダッシュボードで特に有用であり、人事担当者やマネージャーが進捗を監視するのに役立ちます。その重要性オンボーディングケースの概要ステータスを提供し、アクティブなケースをフィルタリングしたり、全体的な進捗状況を監視したりすることができます。取得元これはBambooHRの従業員記録にある標準フィールドです。例アクティブ非アクティブ終了済み休職中

必須推奨任意

従業員オンボーディングアクティビティ

これらは、正確なプロセス発見とパフォーマンス監視のためにイベントログに記録すべき、極めて重要なプロセスステップとマイルストーンです。

7 推奨 8 任意

	アクティビティ	説明
	`オンボーディング` `タスク` 完了	この活動は、新入社員のオンボーディングチェックリスト内の割り当てられたすべてのタスクが完了したことを示します。このイベントは、オンボーディングタスクリストの完了率が100%に達したとき、または最終的な「オンボーディング完了」タスクがチェックされたときに推測できます。
その重要性これは、オンボーディングプロセスの構造化されたタスク主導部分の明確な終点として機能します。すべての管理上および準備段階のステップが正常に実行されたことを確認します。取得元従業員のオンボーディングタスクリストで最後に完了したタスクのタイムスタンプ、またはオンボーディングプロセス全体のステータスが「完了」とマークされた時点から推測されます。取得単一のオンボーディングケースに関連するすべてのタスクの中で、最新の完了タイムスタンプを特定します。イベントタイプ inferred
	30日目チェックイン完了	新入社員とマネージャー間の最初の正式なチェックインが完了したことを示します。これは通常、入社後30日目頃に行われ、BambooHRで「30日チェックイン」タスクまたはパフォーマンス評価フォームが完了としてマークされた際に記録されます。
その重要性このマイルストーンは、早期フィードバック、懸念事項への対処、そして従業員定着率の向上にとって不可欠です。その完了を追跡することで、重要な期間中に新入社員との一貫したエンゲージメントを確実にします。取得元 BambooHRの「30日チェックイン」タスクまたはパフォーマンスレビューフォームの完了タイムスタンプから取得されます。取得マネージャーがチェックインタスクまたはフォームを「完了」とマークするとイベントがログされます。イベントタイプ explicit
	バックグラウンドチェック完了	この活動は、新入社員のバックグラウンドチェックが無事に完了し、結果が利用可能になったことを示します。BambooHRでは、オンボーディングチェックリストの「バックグラウンドチェック」タスクが「完了」とマークされたときに記録されます。
その重要性これは重要なコンプライアンス上のマイルストーンです。開始から完了までの遅延は大きなボトルネックとなる可能性があり、これを追跡することで、勤務開始日前に採用前要件が満たされていることを確認できます。取得元新規採用者のオンボーディングタスクリスト内にある「バックグラウンドチェック」タスクの完了タイムスタンプから取得されます。取得バックグラウンドチェックタスクのステータスが「完了」に更新されると、イベントがログされます。イベントタイプ explicit
	内定承諾済み	この活動は、オンボーディングプロセスの正式な開始を示します。これは、候補者がジョブオファーを正式に受け入れたときに発生します。BambooHRでは、通常、候補者のATS（Applicant Tracking System）ステータスが「採用」に変更された際に記録され、それが従業員プロファイルとオンボーディングチェックリストの作成をトリガーします。
その重要性これは、すべてのオンボーディングケースにとって極めて重要な開始点です。このイベントから他のイベントまでの時間を分析することは、採用前プロセス全体の効率と速度を測定するのに役立ちます。取得元 BambooHR ATSモジュールで候補者のステータスが「採用済み」に更新された日付、または従業員の雇用日フィールドが入力された日付から推測されます。取得応募者の「ステータス」フィールドが「採用済み」に変更されたときのタイムスタンプを特定します。イベントタイプ inferred
	初日オリエンテーション完了	新入社員が企業文化、ポリシー、紹介などを含む初期オリエンテーションセッションを完了したことを示します。これは、BambooHRのオンボーディングチェックリストで、人事担当者または採用マネージャーが「初日オリエンテーション」タスクを完了としてチェックした際に記録されます。
その重要性これは、従業員のエンゲージメントと定着にとって重要なマイルストーンです。一貫して時間通りに実行されることを保証することは、新入社員の成功と前向きな体験を築く上で不可欠です。取得元オンボーディングタスクリスト内にある「初日オリエンテーション」タスクの完了タイムスタンプから取得されます。取得オリエンテーションタスクが「完了」とマークされると、イベントがログされます。イベントタイプ explicit
	書類一式完了	このイベントは、新入社員がオンボーディング書類一式内のすべての必須書類への署名を完了したときに発生します。BambooHRは、送付された書類一式内のすべての電子署名が従業員によって完了された際に、これを自動的に記録します。
その重要性書類の完了は、新規採用者の初日を迎えるための重要な前提条件です。このマイルストーンを分析することは、コンプライアンスと準備態勢を確保し、手戻りや開始日の遅延を防ぐために不可欠です。取得元 BambooHRで送信された新規採用者パケットのステータスが「完了」に変更された際のタイムスタンプから取得されます。取得新規採用者パケットの最終的な必要電子署名が完了すると、離散イベントがログされます。イベントタイプ explicit
	義務トレーニング完了	新入社員が必須研修コースを無事に完了したことを示します。BambooHRは、割り当てられた研修のステータスが研修追跡モジュールで「完了」に更新された際に、このイベントを記録します。
その重要性これは重要なコンプライアンス上のマイルストーンです。その完了を追跡することで、会社が法的および内部ポリシー要件を満たし、従業員がそれぞれの役割に必要な知識を持っていることを確実にします。取得元 BambooHRトレーニングモジュールでトレーニング記録のステータスが「完了」に変更された際のタイムスタンプから取得されます。取得トレーニング記録のステータスフィールドが「完了」に更新されると、離散イベントがログされます。イベントタイプ explicit
	ITプロビジョニング要求済み	この活動は、新入社員に必要なアカウントとアクセス権を作成するためのIT部門への正式なリクエストが送信されたことを示します。BambooHRでは、これは通常、オンボーディングチェックリスト内で事前定義された「ITプロビジョニング」タスクが作成され、割り当てられたときに記録されます。
その重要性タイムリーなITプロビジョニングは、生産的な初日を迎えるために不可欠です。このイベントを追跡することで、ITの応答性を測定し、新入社員のシステムアクセスにおける遅延を診断するのに役立ちます。取得元新規採用者のオンボーディングタスクリストにある「ITアカウントプロビジョニング」または類似タスクの作成日時から取得されます。取得オンボーディングチェックリストにITプロビジョニングタスクが作成されると、イベントがログされます。イベントタイプ explicit
	チーム紹介完了	新入社員が直属のチームメンバーに正式に紹介されたことを示します。これは通常、マネージャー主導のよりソフトな活動であり、BambooHRのオンボーディングチェックリストにある対応するタスクが完了した際に記録されます。
その重要性社会的統合は、オンボーディング成功の重要な要素です。この活動を追跡することで、マネージャーが新入社員を歓迎し、チームの結束を促進するための重要なステップを確実に実行していることを確認できます。取得元オンボーディングタスクリストにある「チーム紹介」タスクの完了タイムスタンプから取得され、通常は採用マネージャーに割り当てられます。取得マネージャーが「チーム紹介」タスクを「完了」とマークすると、イベントがログされます。イベントタイプ explicit
	従業員`プロファイル`の作成	HRIS（人事情報システム）における新入社員の記録が正式に作成され、候補者から従業員へと移行したことを示します。これは、主なBambooHRデータベースにおける従業員記録の作成日から推測され、通常はオファーが受諾された後に発生します。
その重要性この活動は、ITプロビジョニングや給与設定など、その後のすべてのオンボーディングステップの基礎となります。従業員が正式にシステムに登録された時点を明確なタイムスタンプで提供します。取得元コア従業員データテーブルにおける新入社員記録のシステム作成タイムスタンプから推測されます。取得従業員の主要記録からの「created_at」または同等のメタデータタイムスタンプを使用します。イベントタイプ inferred
	書類一式送付済み	I-9、W-4、会社ポリシーなどの書類を含む新入社員向け書類一式が、新入社員の確認と署名のために送付された時点を示します。BambooHRは、人事担当者がシステム文書管理機能を通じてこの書類一式を送付した際に、このイベントを記録します。
その重要性この活動は重要な管理ワークフローを開始します。この時点から書類作成完了までの時間を測定することで、文書化プロセスの効率を評価するのに役立ちます。取得元 BambooHR内で電子署名のために新規採用者パケットが従業員に送信された際のタイムスタンプから取得されます。取得「パケット送信」アクションが実行されると、システムに離散イベントがログされます。イベントタイプ explicit
	機器注文済み	新入社員に必要なハードウェア（ノートパソコンや電話など）が発注された時点を示します。これは通常、BambooHRのオンボーディングチェックリストで「機器発注」タスクが完了としてマークされた際に記録されます。
その重要性この活動は、新入社員が必要な物理的ツールを確実に持っているようにするための重要なマイルストーンです。ここでの遅延は、初日の準備状況と生産性に直接影響します。取得元 BambooHRのオンボーディングタスクリスト内にある「機器注文」タスクの完了タイムスタンプから取得されます。取得「機器注文」タスクのステータスが「完了」に更新されると、イベントがログされます。イベントタイプ explicit
	機器配送済み	この活動は、発注された機器が物理的に配送され、新入社員の準備が整ったことを示します。これは通常、BambooHRオンボーディングチェックリスト内で、別途「機器配送済み」または「ワークスペースセットアップ」タスクが完了としてマークされることで追跡されます。
その重要性発注から配送までの時間を追跡することは、潜在的なサプライチェーンまたは物流のボトルネックを浮き彫りにします。これにより、従業員の勤務開始日前にすべての物理的資産が揃っていることを確認するのに役立ちます。取得元オンボーディングタスクリストにある「機器配送済み」または「ワークスペースセットアップ」タスクの完了タイムスタンプから取得されます。取得配送またはセットアップタスクのステータスが「完了」に更新されると、イベントがログされます。イベントタイプ explicit
	義務トレーニング割り当て済み	このイベントは、必須のコンプライアンスまたは役割固有のトレーニングが新入社員に割り当てられたときに発生します。BambooHRでは、従業員記録に新しいトレーニングが追加された際に、そのトレーニング追跡モジュール内に明示的に記録されます。
その重要性これは、トレーニングコンプライアンスを測定するための開始点です。割り当てから完了までの時間を分析することは、従業員が規制および会社の要件を迅速に満たすことを保証するのに役立ちます。取得元 BambooHRトレーニングモジュールで特定の従業員に割り当てられたトレーニング記録の作成日から取得されます。取得従業員トレーニング追跡テーブルに新しいエントリが作成されると、離散イベントがログされます。イベントタイプ explicit
	身元調査を開始しました	新入社員のバックグラウンドチェックが統合サービスを通じて要求された時点を示します。これは通常、BambooHRの新入社員オンボーディングタスクリスト内で特定の「バックグラウンドチェック」タスクが作成された、または開始済みとしてマークされた際に記録されます。
その重要性バックグラウンドチェックの開始を追跡することは、採用前スクリーニングプロセスにおけ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迅速な採用にとってしばしば重要な要素です。取得元 BambooHRのオンボーディングタスクリスト内にある「バックグラウンドチェック」タスクの作成日または開始日から取得されます。取得バックグラウンドチェックタスクが作成されたり、そのステータスが「進行中」に変更されたりすると、イベントがログされます。イベントタイプ explicit

推奨任意

抽出ガイド

BambooHRからデータを取得する方法

ステップ

BambooHRへのログイン: カスタムレポートの作成と実行権限を持つユーザーアカウントでBambooHRインスタンスにアクセスします。
カスタムレポートへの移動: メインナビゲーションメニューから「レポート」に移動します。「レポート管理」セクションの下にある「レポート追加」をクリックします。
レポートの設定: レポートに「オンボーディングプロセスマイニングエクスポート」のような分かりやすい名前を付けます。必要であれば、簡単な説明を追加してください。
レポートフィールドの選択: 「フィールド」タブで、イベントログに必要なすべての列を選択します。これには、従業員識別子、主要な属性、およびオンボーディングアクティビティに対応するすべての関連日付フィールドの選択が含まれます。次のようなフィールドを選択する必要があります。
- Employee #（従業員番号）
- First Name（名）、Last Name（姓）
- Department（部署）、Job Title（役職）、Location（場所）
- Hiring Manager（採用マネージャー）
- Hire Date（雇用日）（「従業員プロファイル作成済み」用）
- 「採用オファー承認日」などのマイルストーンに使用するカスタム日付フィールド
- すべての関連するオンボーディングおよびオフボーディングタスクの完了日。例えば、「バックグラウンドチェック完了日」、「書類送付日」、「書類完了日」、「ITプロビジョニング要求日」など、個々のタスクをそれぞれ選択する必要があります。
- トレーニングモジュールからの日付。例えば、「義務トレーニング割り当て日」、「義務トレーニング完了日」など。
レポートフィルターの設定: 「フィルター」タブに移動して、データの範囲を定義します。レポートが大きくなりすぎてタイムアウトするのを防ぐため、例えば過去6か月など、特定の期間内の従業員をキャプチャするために「雇用日」でフィルターすることを強くお勧めします。
レポートの保存と生成: すべてのフィールドとフィルターを設定したら、「保存して実行」をクリックします。BambooHRインターフェースで結果を確認し、期待される従業員とデータ列が含まれていることを確認します。
データのエクスポート: 通常、雲または矢印のアイコンで表されるエクスポートボタンをクリックし、形式として「カンマ区切り値 (.csv)」を選択します。bamboohr_onboarding_export.csvのような分かりやすい名前を付けて、ファイルをローカルマシンに保存します。
変換スクリプトの準備: このドキュメントの「クエリ」セクションで提供されている完全なPythonスクリプトをコピーし、エクスポートしたCSVファイルと同じディレクトリにtransform_bamboohr.pyという名前でファイルとして保存します。
必要なライブラリのインストール: pandasがインストールされていない場合は、ターミナルまたはコマンドプロンプトを開き、pip install pandasコマンドを実行します。
変換の実行: ターミナルまたはコマンドプロンプトを開き、ファイルを含むディレクトリに移動し、python transform_bamboohr.pyコマンドを使用してスクリプトを実行します。これにより、ワイド形式のCSVエクスポートが処理され、プロセスマイニングに適した正しいロング形式のevent_log.csvという名前のファイルが生成されます。
ProcessMindへのアップロード: event_log.csvファイルは、ProcessMindアプリケーションにアップロードする準備ができました。

設定

前提条件: BambooHRアドバンテージパッケージ（高度なレポート機能とオンボーディング機能を含む）が必要です。また、カスタムレポートの作成、表示、および従業員データを含むレポートのエクスポート権限を持つユーザーロールが必要です。
レポートフィールド: この方法の核心は、適切なフィールドを選択することです。レポートは「ワイド」形式で構築する必要があり、各従業員が1行、各オンボーディングアクティビティがそれぞれの日付列を持つようにします。ケース識別子としてEmployee #を含め、部署、役職、採用マネージャーなどのすべての関連属性列を含める必要があります。
カスタムフィールドとタスク: このデータ抽出は、貴社がBambooHRをどのように利用しているかに大きく依存します。「採用オファー承認」や「機器注文」といったアクティビティは、特定のカスタム日付フィールドまたはオンボーディングチェックリスト内のタスクとして取得される必要があります。これらのタスクの完了日フィールドを選択し、タスク名だけを選択しないようにしてください。
日付範囲フィルター: パフォーマンスと関連性を確保するため、レポートは常に「雇用日」でフィルターしてください。プロセス分析には、通常、過去6〜12か月のローリング期間で十分であり、過度に大きなエクスポートファイルを作成することなく対応できます。
レポートのスケジュール設定: 継続的な監視には、BambooHRの機能を利用して、カスタムレポートを定期的に（例：毎週）実行し、メールで送信するようにスケジュール設定することを検討してください。これにより、抽出プロセスの初期段階を自動化できます。

a クエリ例 config

import pandas as pd
import numpy as np
from datetime import datetime

# --- Configuration ---
# The input file exported from BambooHR.
BAMBOOHR_EXPORT_FILE = 'bamboohr_onboarding_export.csv'

# The final output file ready for ProcessMind.
EVENT_LOG_FILE = 'event_log.csv'

# This dictionary maps the column names from your BambooHR export to the desired Activity Name.
# You MUST update the keys (the column names) to exactly match the headers in your exported CSV file.
# For example, if your 'Background Check Completed' task completion date column is named 'Onboarding: Background Check - Completed On', update it below.
ACTIVITY_MAPPING = {
    '[Offer Accepted Date Custom Field]': 'Offer Accepted',
    '[Background Check Initiated Task Completion Date]': 'Background Check Initiated',
    '[Background Check Completed Task Completion Date]': 'Background Check Completed',
    '[Paperwork Packet Sent Task Completion Date]': 'Paperwork Packet Sent',
    '[Paperwork Packet Completed Task Completion Date]': 'Paperwork Packet Completed',
    'Hire Date': 'Employee Profile Created',
    '[IT Provisioning Requested Task Completion Date]': 'IT Provisioning Requested',
    '[Equipment Ordered Task Completion Date]': 'Equipment Ordered',
    '[Equipment Delivered Task Completion Date]': 'Equipment Delivered',
    '[First Day Orientation Completed Task Completion Date]': 'First Day Orientation Completed',
    '[Mandatory Training Assigned Date]': 'Mandatory Training Assigned',
    '[Team Introduction Completed Task Completion Date]': 'Team Introduction Completed',
    '[Mandatory Training Completed Date]': 'Mandatory Training Completed',
    '[30-Day Check-in Completed Task Completion Date]': '30-Day Check-in Completed',
    '[Onboarding Tasks Completed Date]': 'Onboarding Tasks Completed'
}

# --- Main Script ---
def transform_bamboohr_export():
    """Loads the wide BambooHR report, transforms it into a long event log format, and saves it to a new CSV."""
    print(f"Reading BambooHR export from '{BAMBOOHR_EXPORT_FILE}'...")
    try:
        df = pd.read_csv(BAMBOOHR_EXPORT_FILE)
    except FileNotFoundError:
        print(f"Error: The file '{BAMBOOHR_EXPORT_FILE}' was not found. Please ensure it is in the same directory as the script.")
        return

    print("Identifying attribute and activity columns...")
    # Use Employee # as the unique case identifier.
    id_vars = ['Employee #']
    
    # Define recommended attributes to keep for each event.
    # Update these column names if they are different in your export.
    attribute_vars = [
        'Department', 
        'Job Title', 
        'Location', 
        'Hiring Manager'
    ]

    # All columns that exist in the dataframe and are in our mapping are treated as value_vars for melting.
    value_vars = [col for col in ACTIVITY_MAPPING.keys() if col in df.columns]
    
    if not value_vars:
        print("Error: None of the specified activity columns in ACTIVITY_MAPPING were found in the CSV.")
        print("Please check your column names.")
        return

    # Ensure all identifier and attribute columns are present.
    all_id_vars = id_vars + attribute_vars
    missing_cols = [col for col in all_id_vars if col not in df.columns]
    if missing_cols:
        print(f"Warning: The following columns were not found and will be skipped: {', '.join(missing_cols)}")
        all_id_vars = [col for col in all_id_vars if col in df.columns]

    print("Unpivoting data to create event log...")
    # Unpivot the dataframe from wide to long format.
    event_log_df = df.melt(
        id_vars=all_id_vars,
        value_vars=value_vars,
        var_name='ActivityName',
        value_name='EventTimestamp'
    )

    # Drop rows where the event did not occur (timestamp is null).
    event_log_df.dropna(subset=['EventTimestamp'], inplace=True)
    
    print("Formatting columns for ProcessMind...")
    # Replace the source column names with the clean activity names.
    event_log_df['ActivityName'] = event_log_df['ActivityName'].map(ACTIVITY_MAPPING)

    # Rename columns to match the required schema.
    event_log_df.rename(columns={'Employee #': 'OnboardingCase'}, inplace=True)
    event_log_df['EmployeeId'] = event_log_df['OnboardingCase']

    # Add static columns required by the schema.
    event_log_df['SourceSystem'] = 'BambooHR'
    event_log_df['LastDataUpdate'] = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    event_log_df['EndTimestamp'] = event_log_df['EventTimestamp'] # Assuming point-in-time events
    
    # Ensure timestamp format is consistent.
    event_log_df['EventTimestamp'] = pd.to_datetime(event_log_df['EventTimestamp']).dt.strftime('%Y-%m-%d %H:%M:%S')
    event_log_df['EndTimestamp'] = pd.to_datetime(event_log_df['EndTimestamp']).dt.strftime('%Y-%m-%d %H:%M:%S')

    # Reorder columns for clarity.
    final_columns = [
        'OnboardingCase', 'ActivityName', 'EventTimestamp', 'SourceSystem', 'LastDataUpdate',
        'EmployeeId', 'Department', 'Job Title', 'Location', 'HiringManager', 'EndTimestamp'
    ]
    # Filter to only include columns that exist.
    final_columns = [col for col in final_columns if col in event_log_df.columns]
    event_log_df = event_log_df[final_columns]

    # Sort the data.
    event_log_df.sort_values(by=['OnboardingCase', 'EventTimestamp'], inplace=True)

    print(f"Saving event log to '{EVENT_LOG_FILE}'...")
    event_log_df.to_csv(EVENT_LOG_FILE, index=False)
    print("Transformation complete.")

if __name__ == '__main__':
    transform_bamboohr_export()

ステップ

前提条件とセットアップ: システムにPython 3.6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。必要なライブラリであるpandasとrequestsをインストールするには、ターミナルでpip install pandas requestsコマンドを実行します。
BambooHR APIキーの生成: 管理者権限でBambooHRアカウントにログインします。右上にあるプロフィールアイコンに移動し、「APIキー」を選択して新しいAPIキーを作成します。「ProcessMiningExtraction」のような分かりやすい名前を付け、従業員データ、オンボーディングタスク、トレーニング記録に対し読み取り専用アクセスがあることを確認します。生成されたキーを安全にコピーしてください。
Pythonスクリプトの設定: 提供されたPythonスクリプトを、例えばextract_onboarding.pyというファイル名で保存します。ファイルを開き、COMPANY_SUBDOMAINのプレースホルダー値を貴社の固有のサブドメイン（BambooHRのURLで'.bamboohr.com'より前の部分）に、API_KEYを前のステップで生成したキーに置き換えます。
抽出日付範囲の設定: スクリプト内のSTART_DATEとEND_DATE変数を変更します。これらのパラメータは、抽出に含める新規採用者の期間を定義します。「YYYY-MM-DD」形式を使用してください。
スクリプトの実行: ターミナルからpython extract_onboarding.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BambooHR APIに接続し、必要なデータを取得して処理を開始します。
API呼び出しの理解: スクリプトはまず従業員ディレクトリレポートエンドポイントを呼び出し、指定された日付範囲内で採用された全従業員のリストを取得します。このリストがOnboardingCase識別子の基礎となります。
反復データ取得: 識別された各新規採用者について、スクリプトは後続のAPI呼び出しを行い、詳細なプロファイル情報、割り当てられたオンボーディングタスク、およびトレーニング記録を取得します。これにより、各個人のオンボーディングジャーニーに関連するすべてのデータポイントが収集されます。
データ変換とマッピング: スクリプトは、APIからの生のJSONデータを構造化されたイベントログに変換します。事前定義された辞書TASK_TO_ACTIVITY_MAPを使用して、BambooHRのオンボーディングタスクのタイトルを、プロセスマイニングに必要な標準化されたアクティビティ名にマッピングします。「採用オファー承認」や「従業員プロファイル作成済み」のようなイベントは、従業員の雇用日と作成日から導出されます。
コンソール出力の確認: スクリプトの実行中に、見つかった新規採用者の数や処理中の各従業員の名前など、進捗状況の更新がコンソールに表示されます。潜在的なエラーや警告がないか、この出力を監視してください。
イベントログファイルの生成: スクリプトがすべての従業員の処理を完了すると、データを単一のデータフレームにコンパイルし、bamboohr_onboarding_event_log.csvという名前のCSVファイルとして同じディレクトリに保存します。このファイルは、ProcessMindに必要な列で構造化されています。
アップロードの準備: 生成されたCSVファイルを開いて内容を確認します。ファイルをプロセスマイニングツールにアップロードする前に、OnboardingCase、ActivityName、およびEventTimestampの列が正しく入力されていることを確認してください。

設定

APIキーの権限: 抽出に使用するAPIキーは、従業員の個人詳細、職務情報、雇用状況、オンボーディングタスク、トレーニング記録といったデータに対し、少なくとも読み取り専用の権限が必要です。
会社サブドメイン: スクリプトは、正しいAPIエンドポイントURLを構築するために、貴社固有のBambooHRサブドメインを必要とします。
日付範囲（START_DATE、END_DATE）: これらのスクリプト変数は、従業員の雇用日に基づいて抽出期間を制御します。データ品質を確保し、抽出量を管理するため、直近の3〜6か月の期間から開始することをお勧めします。完全な履歴分析を行う場合はこの範囲を広げることができますが、APIレート制限に注意してください。
アクティビティマッピング（TASK_TO_ACTIVITY_MAP）: スクリプト内のこの辞書は非常に重要です。これは、貴社のBambooHRにおけるオンボーディングタスクの正確なタイトルを、標準化されたアクティビティ名にマッピングします。貴社独自のBambooHR設定に合わせて、このマッピングを確認し、カスタマイズする必要があります。
ソースシステム識別子: SOURCE_SYSTEM変数は、スクリプト内で「BambooHR」としてハードコードされています。最終的なイベントログで異なる識別子が必要な場合は、これを調整できます。
パフォーマンスに関する考慮事項: 選択された日付範囲で数千人の新規採用者がいる組織の場合、従業員ごとに複数のAPI呼び出しが必要となるため、スクリプトの実行にかなりの時間がかかる可能性があります。パフォーマンスへの影響や潜在的なAPIレート制限を避けるため、オフピーク時間にスクリプトを実行することをお勧めします。

a クエリ例 python

import requests
import pandas as pd
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration Settings --- #
class=class="hl-string">"hl-comment"># Replace with your companyclass="hl-string">'s subdomain (e.g., 'yourcompany' from yourcompany.bamboohr.com)
COMPANY_SUBDOMAIN = class="hl-string">'[Your Company Subdomain]'
class=class="hl-string">"hl-comment"># Replace with your BambooHR API Key
API_KEY = class="hl-string">'[Your BambooHR API Key]'

class=class="hl-string">"hl-comment"># Define the date range for new hires to extract (based on hire date)
START_DATE = class="hl-string">'2023-01-01'
END_DATE = class="hl-string">'2023-12-31'

SOURCE_SYSTEM = class="hl-string">'BambooHR'

class=class="hl-string">"hl-comment"># --- Critical: Customize this mapping to match your BambooHR task names --- #
TASK_TO_ACTIVITY_MAP = {
    class="hl-string">'Background Check': class="hl-string">'Background Check Completed',
    class="hl-string">'Send New Hire Packet': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'Complete New Hire Packet': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'IT Provisioning Request': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'Order Equipment': class="hl-string">'Equipment Ordered',
    class="hl-string">'Equipment Delivered': class="hl-string">'Equipment Delivered',
    class="hl-string">'First Day Orientation': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'Introduce to Team': class="hl-string">'Team Introduction Completed',
    class="hl-string">'30-Day Check-in': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'Complete Onboarding': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script Logic --- #

def get_new_hires(start_date, end_date):
    class="hl-string">"""Fetches employees hired within the specified date range."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/reports/custom'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    
    payload = {
        class="hl-string">'title': class="hl-string">'New Hire Report',
        class="hl-string">'fields': [class="hl-string">'employeeId', class="hl-string">'created', class="hl-string">'hireDate', class="hl-string">'department', class="hl-string">'jobTitle', class="hl-string">'location', class="hl-string">'supervisor'],
        class="hl-string">'filters': {
            class="hl-string">'lastChanged': {
                class="hl-string">'includeNull': class="hl-string">'false'
            },
            class="hl-string">'hireDate': {
                class="hl-string">'operator': class="hl-string">'between',
                class="hl-string">'value': start_date,
                class="hl-string">'value2': end_date
            }
        }
    }
    
    print(fclass="hl-string">"Fetching new hires from {start_date} to {end_date}...")
    response = requests.post(url, auth=auth, headers=headers, json=payload)
    response.raise_for_status()
    data = response.json()
    print(fclass="hl-string">"Found {len(data.get('employees', []))} new hires.")
    return data.get(class="hl-string">'employees', [])

def get_onboarding_tasks(employee_id):
    class="hl-string">"""Fetches onboarding tasks for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/onboarding/tasks'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'tasks', [])
    return []

def get_training_records(employee_id):
    class="hl-string">"""Fetches training records for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/training/'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json()
    return []

def main():
    class="hl-string">"""Main function to orchestrate the extraction and transformation."""
    try:
        new_hires = get_new_hires(START_DATE, END_DATE)
    except requests.exceptions.HTTPError as e:
        print(fclass="hl-string">"Error fetching new hires: {e}")
        print(fclass="hl-string">"Response content: {e.response.text}")
        return

    event_log = []
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    for employee in new_hires:
        emp_id = employee[class="hl-string">'employeeId']
        print(fclass="hl-string">"Processing Employee ID: {emp_id}...")

        base_event = {
            class="hl-string">'OnboardingCase': emp_id,
            class="hl-string">'EmployeeId': emp_id,
            class="hl-string">'Department': employee.get(class="hl-string">'department'),
            class="hl-string">'JobTitle': employee.get(class="hl-string">'jobTitle'),
            class="hl-string">'Location': employee.get(class="hl-string">'location'),
            class="hl-string">'HiringManager': employee.get(class="hl-string">'supervisor'),
            class="hl-string">'SourceSystem': SOURCE_SYSTEM,
            class="hl-string">'LastDataUpdate': last_data_update
        }

        class=class="hl-string">"hl-comment"># 1. Offer Accepted (inferred from hireDate)
        if employee.get(class="hl-string">'hireDate'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Offer Accepted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z",
                class="hl-string">'EndTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z"
            })

        class=class="hl-string">"hl-comment"># 2. Employee Profile Created
        if employee.get(class="hl-string">'created'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Employee Profile Created',
                class="hl-string">'EventTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T'),
                class="hl-string">'EndTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T')
            })
        
        class=class="hl-string">"hl-comment"># 3. Onboarding Task Events
        tasks = get_onboarding_tasks(emp_id)
        task_completion_dates = []
        for task in tasks:
            activity_name = TASK_TO_ACTIVITY_MAP.get(task.get(class="hl-string">'title'))
            if activity_name and task.get(class="hl-string">'completedDate'):
                event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z"
                })
                task_completion_dates.append(task.get(class="hl-string">'completedDate'))

            class=class="hl-string">"hl-comment"># Handle Background Check Initiated (assumed from task creation)
            if task.get(class="hl-string">'title') == class="hl-string">'Background Check' and task.get(class="hl-string">'createdDate'):
                 event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': class="hl-string">'Background Check Initiated',
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z"
                })

        class=class="hl-string">"hl-comment"># 4. Training Events
        trainings = get_training_records(emp_id)
        for training in trainings:
            if training.get(class="hl-string">'type') in [class="hl-string">'Compliance Training', class="hl-string">'Role-Specific Training', class="hl-string">'Mandatory Training']:
                if training.get(class="hl-string">'assignedDate'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Assigned',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z"
                    })
                if training.get(class="hl-string">'completed'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Completed',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z"
                    })

    if not event_log:
        print(class="hl-string">"No events were generated. Please check your date range and API permissions.")
        return

    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">'OnboardingCase', class="hl-string">'EventTimestamp'])
    
    output_filename = class="hl-string">'bamboohr_onboarding_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"\nExtraction complete. Event log saved to '{output_filename}'.")

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

従業員オンボーディングデータテンプレート

従業員オンボーディングデータテンプレート

従業員オンボーディング属性

従業員オンボーディングアクティビティ

抽出ガイド

BambooHR組み込みカスタムレポートエクスポート

ステップ

設定

a クエリ例 config

BambooHR REST API経由のPythonスクリプトによる抽出

ステップ

設定

a クエリ例 python

今すぐ始めますか？

BambooHRでの従業員オンボーディングを今すぐ最適化

従業員オンボーディングデータテンプレート

従業員オンボーディングデータテンプレート

従業員オンボーディング属性

従業員オンボーディングアクティビティ

抽出ガイド

BambooHR組み込みカスタムレポートエクスポート

ステップ

設定

a クエリ例 config

BambooHR REST API経由のPythonスクリプトによる抽出

ステップ

設定

a クエリ例 python

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？

BambooHRでの従業員オンボーディングを今すぐ最適化