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

従業員オンボーディング用データテンプレート

BambooHR

従業員オンボーディングの属性 (19) 従業員オンボーディングのアクティビティ (15) 抽出ガイド (2)

従業員オンボーディング用データテンプレート

このテンプレートでは、従業員のオンボーディングプロセスを詳しく分析するために必要なデータの収集方法を案内します。収集すべき重要なデータ属性、追跡すべき主要なアクティビティ、BambooHRからデータを効率的に抽出するための明確な手順をまとめています。このリソースを使って信頼性の高いイベントログを作成し、オンボーディングプロセスを正確に把握してください。

収集を推奨する属性
プロセスディスカバリーで追跡すべき主要なアクティビティ
BambooHRからの抽出手順

イベントログを初めて扱いますか。学ぶプロセスマイニングのイベントログを作成する方法.

テンプレートをダウンロード

従業員オンボーディングの属性

従業員のオンボーディングプロセスを詳細に分析するために、イベントログへ含める必須データ項目です。

5 必須 6 推奨 8 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称です。
説明この属性には、従業員のオンボーディングプロセスにおける各イベントまたはステップの名称を記録します。例として、「オファー承諾」、「バックグラウンドチェック完了」、「初日のオリエンテーション完了」などがあります。分析では、アクティビティ名を使ってプロセスマップを作成し、イベントの順序と作業の流れを可視化します。ボトルネックの特定、アクティビティの発生頻度の分析、新入社員がたどるさまざまな経路（バリアント）の把握に欠かせません。これらのアクティビティの順序を調べることで、標準プロセスからの逸脱や改善の機会を特定できます。重要な理由プロセスの各ステップを定義し、プロセスマップの基盤を形成するとともに、ワークフロー、ボトルネック、ばらつきの分析を可能にします。入手先 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におけるステータス変更、タスク完了、特定の日付項目から取得します。例オファー受諾書類一式を送信ITプロビジョニングを依頼30日面談を完了
	イベントのタイムスタンプ EventTimestamp	オンボーディングのアクティビティが完了した、または発生した正確な日時です。
説明イベントのタイムスタンプは、特定のアクティビティが発生した正確な時点を示します。この時系列データは、イベントを時系列に並べ、プロセス内の各ステップ間の所要時間を計算するために欠かせません。この属性は、プロセスマイニングにおける時間ベースの分析の基盤です。サイクルタイム、待ち時間、プロセス全体の所要時間の計算に使います。タイムスタンプを分析すると、時間がかかっている段階、サービスレベル合意に対する実績、そして新入社員の体験に悪影響を及ぼす遅延を特定できます。重要な理由このタイムスタンプによってイベントの時系列が決まり、サイクルタイムの計算や遅延の特定など、パフォーマンスと所要時間に関するあらゆる分析に欠かせません。入手先「オファー承諾日」、「バックグラウンドチェック完了日」など、アクティビティの完了に対応するBambooHR内の各種日付項目や、ステータス変更を記録したシステムログから取得します。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	1人の新入社員に関するすべてのオンボーディングアクティビティをまとめる一意の識別子です。
説明 Onboarding Caseは、従業員の採用から退職までのプロセス全体を識別する中心的な識別子です。最初のオファー受諾から30日面談の完了まで、関連するすべてのイベントを1つの一貫した流れに結び付けます。プロセスマイニング分析では、この属性が新入社員ごとのエンドツーエンドのプロセスフローを再構成する基盤になります。プロセスマップの可視化、ケース単位の総所要時間などのKPIの計算、さまざまなプロセスバリエーションの分析が可能になります。一貫したケース識別子がなければ、1人の従業員がオンボーディングの各段階をどのように進んだかを追跡することはできません。重要な理由これは関連するすべてのイベントを結び付ける主キーであり、新入社員ごとのオンボーディング全体を分析できるようにします。入手先これは概念上の識別子です。通常は、従業員IDと採用時の登録情報または日付を組み合わせて作成します。BambooHRには「オンボーディングケースID」という明示的な単一項目がない場合があるため、データ準備の段階で構成する必要があります。例 ONB-00123ONB-00124ONB-00125
	ソースシステム SourceSystem	このデータを抽出した記録元のシステムを示します。
説明この属性はデータの出所を示します。この場合はBambooHRです。データガバナンスに役立つほか、複数のシステムのデータを統合する際にも背景情報を提供します。単純な項目に見えても、ソースシステムを明示することは、データリネージュの把握やトラブルシューティングに重要です。大規模な分析環境では、データの背景を理解し、疑問や不整合が生じた際に出所まで追跡できるようになります。重要な理由データの出所に関する重要な背景情報を提供します。データガバナンス、検証、複数のソースからのデータ統合に役立ちます。入手先データ変換の際に追加する固定値「BambooHR」です。例 BambooHR
	最終データ更新日時 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。
説明この属性には、直近のデータ抽出または更新が行われた日時を記録します。データがどの程度新しく、現在の分析に適しているかを利用者が把握できるようにします。継続中のプロセスを監視する分析では、データの適時性を把握することが特に重要です。このタイムスタンプにより、表示中のデータを信頼し、それが現在の業務状況を反映しているのか、過去の時点のものなのかを判断できます。進行中のオンボーディングケースを追跡するダッシュボードには欠かせません。重要な理由データの適時性を利用者に伝え、プロセス分析がどの時点の状況を示しているかを把握できるようにします。入手先データの抽出および読み込み時に生成し、データセットに追加するタイムスタンプです。例 2024-05-21T08:00:00Z
	勤務地 Location	新入社員が主に勤務する場所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示します。都市名、オフィスビル名、「リモート」などを指定できます。勤務地別の分析は、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。たとえば、機器の配送期間が勤務地によって大きく異なる場合や、オフィスごとに独自のオリエンテーション手順がある場合があります。必要な地域差に配慮しながら、可能な範囲でプロセスを標準化するのに役立ちます。重要な理由機器の配送遅延や地域ごとのオリエンテーション手順の違いなど、プロセス実績の地域差を特定できます。入手先 BambooHRの従業員プロフィールにある標準項目です。通常は雇用情報または勤務地情報に含まれます。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	新入社員の具体的な役割または職位です。
説明この属性には、新入社員の正式な役職名を記録します。例として、「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」などがあります。オンボーディングプロセスを分析するための重要な切り口です。役割によって、専門研修や機器の準備など、必要なオンボーディングが異なる場合があります。役職別に分析すると、特定の役割で遅延が長くなっていないか、異なるプロセス経路をたどっていないかを確認できます。職位ごとの要件に合わせて、オンボーディング体験を調整・改善するのに役立ちます。重要な理由役割の複雑さや要件に基づいてオンボーディングプロセスを分析し、職位ごとに体験を調整できます。入手先 BambooHRの従業員の職務情報に関連付けられた標準項目です。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ディレクター
	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システム内の特定の従業員を識別する一意のキーです。在籍期間を通じて従業員ごとに変わりません。オンボーディングケースがプロセスの主識別子である一方、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関連付けるために欠かせません。役職や部門など、他の従業員属性を追加できるため、従業員のタイプによってオンボーディング体験がどのように異なるかを、より詳しく分析できます。重要な理由新入社員を一意に識別し、他の従業員データを追加したり、オンボーディング後を含む在籍期間全体を追跡したりできます。入手先 BambooHRの従業員レコードに標準項目として用意されています。例 601856018660187
	採用責任者 HiringManager	新入社員が直属するマネージャーの氏名です。
説明この属性は、新入社員の直属のマネージャーを示します。採用責任者は、チームへの紹介や初期目標の設定など、オンボーディングで重要な役割を担うことが多いです。採用責任者別にオンボーディングの実績を分析すると、新しいメンバーを効果的に受け入れているマネージャーと、追加の支援や研修が必要なマネージャーを把握できます。成果を上げているマネージャーのベストプラクティスを組織全体で共有し、新入社員の体験の一貫性と質を高めることにもつながります。重要な理由マネージャー別に実績を分析し、オンボーディングを効果的に進めているマネージャーと、より多くの支援を必要とするマネージャーを特定できます。入手先通常、BambooHRの従業員の職務情報またはレポートラインの詳細に記録されています。例 Jane DoeJohn SmithEmily Jones
	終了タイムスタンプ EndTimestamp	所要時間を測定できるアクティビティについて、その完了日時を示すタイムスタンプです。
説明 StartTime（EventTimestamp）がアクティビティの発生時点を示すのに対し、EndTimestampは完了時点を示します。開始と完了の状態がある「バックグラウンドチェック」など、瞬時に終わらないアクティビティに特に適しています。開始と終了の両方のタイムスタンプを使うことで、個々のアクティビティの処理時間をより正確に計算できます。タスクに実際に取り組んだ時間と、次のステップの開始を待っていた時間を区別できます。この詳細度は、ボトルネックを詳しく分析するうえで欠かせません。重要な理由アクティビティの処理時間を正確に計算し、実作業時間と待ち時間を区別できます。入手先連続するアクティビティのタイムスタンプから算出します。たとえば、「バックグラウンドチェック開始」のEndTimestampには、「バックグラウンドチェック完了」のタイムスタンプを使います。例 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	部門 Department	新入社員が所属する部門です。
説明この属性は、新入社員が所属する組織上の部門を示します。例として、「エンジニアリング」、「営業」、「マーケティング」などがあります。プロセスの実績を分類し、比較するための重要な切り口です。部門別にオンボーディングプロセスを分析すると、組織内の実績の違いを把握できます。「オンボーディングのサイクルタイムが最も長い部門はどこか」「必須研修のコンプライアンス率が低い部門はあるか」といった問いに答えられます。こうした分析結果をもとに、部門ごとの対策や、優れた取り組みの共有を進められます。重要な理由組織内のさまざまな部門について、オンボーディングの効率、サイクルタイム、コンプライアンス率を比較できます。入手先 BambooHRの従業員の職務情報に関連付けられた標準項目です。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	オンボーディングのアクティビティ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、特定のアクティビティを完了した個人、チーム、または自動化システムを示します。たとえば、HR担当者が「書類一式送付」を実行し、採用責任者が「チーム紹介」を実行する場合があります。この情報は、リソース分析や作業負荷の分布を把握するうえで非常に役立ちます。時間のかかるアクティビティやボトルネックとなるアクティビティに、どのチームや役割が関わっているかを特定できます。また、特定のユーザーグループが実行したタスクを分析し、リソース配分や自動化の方針を検討することもできます。重要な理由各タスクの実行者を特定できます。作業負荷の分析、リソースの最適化、ユーザーごとの行動の把握に欠かせません。入手先 BambooHRの監査ログまたはタスク完了の詳細に記録される場合があります。通常は、更新を行ったユーザーに関連付けられます。例人事管理者David Chen（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	1件のケースにおけるオンボーディングプロセス全体の所要時間です。
説明この計算指標は、通常「オファー承諾」から「30日目のチェックイン完了」までの、オンボーディングケースごとのエンドツーエンドのサイクルタイムを測定します。プロセス全体で経過した時間を示します。全体的なプロセス効率を評価するための主要なKPIです。ダッシュボードで平均オンボーディング期間を追跡したり、部門や役割ごとの実績を比較したり、プロセス改善施策の効果を測定したりするために使います。一般に、サイクルタイムが短いほど新入社員の体験が良く、管理コストも低くなります。重要な理由全体的なプロセス効率を測定し、時間の経過に伴う改善を追跡するための重要なKPIです。入手先ケース内の最初のアクティビティと最後のアクティビティのタイムスタンプの差分から算出します。例 35日42日28日
	チーム Team	新入社員が部門内で配属される具体的なチームです。
説明この属性は、部門よりも細かな組織情報を提供します。「フロントエンド開発チーム」や「エンタープライズ営業チーム」など、直属のチームを示します。部門レベルの分析も有用ですが、チームレベルの分析では、より具体的な情報を得られます。似た機能を持つチーム間の実績の違いや、チーム独自の取り組み（現場での紹介や研修など）がオンボーディング全体に与える影響を明らかにできます。大規模な部門で、より細かな内訳が必要な場合に特に有効です。重要な理由部門より細かな視点で、個々のチーム間の実績やプロセスの違いを分析できます。入手先 BambooHRの標準項目またはカスタム項目として設定される場合があります。通常は従業員の組織上の配属情報に含まれます。例プラットフォームエンジニアリング中堅企業向け営業コンテンツマーケティング
	入社日 StartDate	新入社員が正式に勤務を開始する初日です。
説明入社日は、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。バックグラウンドチェックや書類作成などの採用前アクティビティと、オリエンテーションや研修などの入社後アクティビティを分ける基準になります。多くの分析で重要な基準日として使います。たとえば、「初日準備完了までの期間」KPIの計算に使い、必要な採用前タスクが初日までに完了したかを測定します。また、採用前アクティビティの適時性と、初日の生産性への影響を分析するのにも役立ちます。重要な理由採用前アクティビティと入社後アクティビティを区別し、新入社員が初日から業務を開始できる状態かを測定するための重要なマイルストーンです。入手先 BambooHRの従業員レコードに標準項目として用意されている「採用日」に対応します。例 2023-11-012023-11-152023-12-01
	国 Country	新入社員が雇用される国です。
説明この属性は雇用国を示します。グローバルに事業を展開する組織にとって、重要な分析軸です。オンボーディングプロセスや規制は、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と、こうした違いを把握し、現地法へのコンプライアンスを確保し、地域をまたいで標準化できる取り組みを特定できます。国ごとの祝日や事務手続きに起因するサイクルタイムの違いを説明する際にも役立ちます。重要な理由グローバルな組織がプロセスの違いを分析し、現地のコンプライアンスを確保し、地域ごとのオンボーディング要件を管理するために欠かせません。入手先 BambooHRの従業員の勤務地または住所情報にある標準項目です。例米国英国ドイツカナダ
	手戻りかどうか IsRework	すでに実行され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真偽値属性は、「書類一式送付」などのアクティビティが同じオンボーディングケース内に複数回現れた場合にtrueになります。プロセスのステップを繰り返す必要があったことを示し、通常はエラー、情報不足、非効率の存在を意味します。手戻りの特定は、プロセスマイニングの主要な機能です。このフラグを使うと、手戻りの発生を簡単に絞り込み、件数を把握できます。手戻りに関するダッシュボードやKPIを直接支援し、プロセス上の摩擦や無駄を明らかにします。手戻りを減らすことで、サイクルタイムを短縮し、新入社員とHRチームの双方にとってスムーズな体験を実現できます。重要な理由繰り返しが必要になったアクティビティを示し、プロセスの非効率、エラー、無駄な作業を明らかにします。入手先計算項目です。ケース内でアクティビティの繰り返しが発生したことを検出するロジックを、プロセスマイニングツール内に実装します。例 truefalse
	新入社員名 NewHireName	オンボーディングの対象となる従業員の氏名です。
説明この属性には、新入社員の氏名を記録します。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など、主に業務運用で使います。プロセスマイニングの分析では、データプライバシー規制に対応するため、氏名を匿名化したり従業員IDに置き換えたりすることがよくあります。一方、HRやマネージャーが進行中のケースを追跡する業務用ダッシュボードでは、氏名があることで状況をすぐに把握しやすくなります。重要な理由特定のケースを読みやすく把握するための、人にとって分かりやすい情報を提供します。HRやマネージャー向けの業務用ダッシュボードで特に役立ちます。入手先 BambooHRの従業員個人情報にある標準項目です。例 Alice JohnsonRobert WilliamsMaria Garcia
	雇用ステータス EmploymentStatus	新入社員の雇用ライフサイクルにおける現在のステータスです。
説明この属性は、新入社員のステータスの推移を記録します。たとえば、「オファー承諾」から「採用前」、「在籍中」へと変化します。従業員がプロセス全体のどの段階にいるかを大まかに把握できます。プロセスマイニングでは、ケースレベルの属性として、進行中のオンボーディングケースを絞り込んだり、特定のステータスにとどまる期間を分析したりできます。進行中のオンボーディングプロセス全体をリアルタイムに把握するダッシュボードに特に適しており、HRやマネージャーによる進捗確認に役立ちます。重要な理由オンボーディングケースの概要ステータスを示し、進行中のケースの絞り込みと全体の進捗確認を可能にします。入手先 BambooHRの従業員レコードにある標準項目です。例在籍中非アクティブ退職済み休職中

必須推奨任意

従業員オンボーディングのアクティビティ

正確なプロセス発見とパフォーマンス監視のために、イベントログへ記録すべき重要なプロセス手順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
	30日面談を完了	新入社員とマネージャーが初めて正式に行う面談の完了を示します。通常は入社から約30日後に実施され、BambooHRで「30-Day Check-in」タスクまたはパフォーマンスレビュー用フォームが完了になった時点で記録されます。
重要な理由この節目は、早期のフィードバック、懸念事項への対応、従業員の定着率向上に欠かせません。完了状況を追跡することで、重要な時期に新入社員との継続的な関わりを確保できます。入手先 BambooHRの「30-Day Check-in」タスクまたはパフォーマンスレビュー用フォームの完了タイムスタンプから取得します。取得マネージャーが面談タスクまたはフォームを「Completed」にした時点でイベントを記録します。イベントタイプ explicit
	オファー受諾	このアクティビティは、候補者が正式に採用オファーを受諾した時点で発生し、オンボーディングプロセスの正式な開始を示します。BambooHRでは通常、Applicant Tracking System（ATS）で候補者のステータスが「Hired」に変更された時点で記録されます。この変更により、従業員プロフィールとオンボーディングチェックリストが作成されます。
重要な理由これは、すべてのオンボーディングケースにおける重要な開始点です。このイベントから他のイベントまでの時間を分析すると、入社前プロセス全体の効率とスピードを測定できます。入手先 BambooHRのATSモジュールで候補者のステータスが「Hired」に更新された日付、または従業員の入社日フィールドが入力された日付から推定します。取得応募者の「status」フィールドが「Hired」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	オンボーディングタスクを完了	新入社員のオンボーディングチェックリストに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。オンボーディングタスクリストの完了率が100％に達した時点、または最後の「Complete Onboarding」タスクが完了になった時点から推定できます。
重要な理由これは、タスクを中心とした構造化されたオンボーディングプロセスの明確な終点です。管理上および準備上の手順がすべて正常に実行されたことを確認できます。入手先従業員のOnboarding Task List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「Complete」になった時点から推定します。取得 1つのオンボーディングケースに関連付けられたすべてのタスクのうち、最も新しい完了タイムスタンプを特定します。イベントタイプ inferred
	バックグラウンドチェック完了	このアクティビティは、新入社員のバックグラウンドチェックが正常に完了し、結果を確認できる状態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「Background Check」タスクが「Completed」になった時点で記録されます。
重要な理由これはコンプライアンス上の重要な節目です。開始から完了までの遅延は大きなボトルネックになる可能性があり、この期間を追跡することで、入社日前に必要な入社前要件が満たされているか確認できます。入手先新入社員のOnboarding Task List内にある「Background Check」タスクの完了タイムスタンプから取得します。取得バックグラウンドチェックタスクのステータスが「Completed」に更新された時点でイベントを記録します。イベントタイプ explicit
	初日のオリエンテーションを完了	会社の文化やポリシーの説明、関係者の紹介などを行う、新入社員向け初回オリエンテーションの完了を示します。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「First Day Orientation」タスクを完了にした時点で記録されます。
重要な理由これは、従業員のエンゲージメントと組織への定着に関わる重要な節目です。新入社員が良いスタートを切り、前向きな体験を得られるよう、確実かつ期限内に実施する必要があります。入手先 Onboarding Task List内にある「First Day Orientation」タスクの完了タイムスタンプから取得します。取得オリエンテーションタスクが「Completed」になった時点でイベントを記録します。イベントタイプ explicit
	必須研修を完了	新入社員が必須研修コースを正常に修了したことを示します。BambooHRでは、研修追跡モジュールで割り当て済み研修のステータスが「Completed」に更新された時点で記録されます。
重要な理由これはコンプライアンス上の重要な節目です。完了状況を追跡することで、会社が法令や社内ポリシーの要件を満たし、従業員が職務に必要な知識を身に付けていることを確認できます。入手先 BambooHRのTrainingモジュールで、研修レコードのステータスが「Completed」に変更された時点のタイムスタンプから取得します。取得研修レコードのステータスフィールドが「Completed」に更新された時点で、個別のイベントを記録します。イベントタイプ explicit
	書類一式の完了	新入社員がオンボーディング書類一式に含まれる必要書類への署名をすべて終えた時点で発生します。BambooHRでは、送信済みの書類一式について従業員がすべての電子署名を完了すると、自動的に記録されます。
重要な理由書類の完了は、新入社員が初日を迎えるための重要な前提条件です。この節目を分析することで、コンプライアンスと業務開始準備を確保し、手戻りや入社日の遅延を防げます。入手先 BambooHRで、送信済みの新入社員向け書類一式のステータスが「Completed」に変更された時点のタイムスタンプから取得します。取得新入社員向け書類一式で最後に必要な電子署名が完了した時点で、個別のイベントを記録します。イベントタイプ explicit
	ITプロビジョニングを依頼	新入社員に必要なアカウントとアクセス権を作成するよう、IT部門へ正式な依頼を送信した時点を示します。BambooHRでは通常、オンボーディングチェックリスト内であらかじめ定義された「IT Provisioning」タスクが作成され、割り当てられた時点で記録されます。
重要な理由 ITプロビジョニングを適時に行うことは、生産性の高い初日を迎えるうえで重要です。このイベントを追跡すると、IT部門の対応速度を測定し、新入社員がシステムへアクセスできるようになるまでの遅延を診断できます。入手先新入社員のOnboarding Task Listにある「IT Account Provisioning」または同等のタスクの作成日時から取得します。取得オンボーディングチェックリストでITプロビジョニングタスクが作成された時点でイベントを記録します。イベントタイプ explicit
	チーム紹介を完了	新入社員を直属のチームメンバーに正式に紹介したことを示します。通常は、マネージャーが主導する比較的柔軟なアクティビティで、BambooHRのオンボーディングチェックリストにある対応タスクの完了によって記録されます。
重要な理由組織への適応は、オンボーディングを成功させる重要な要素です。このアクティビティを追跡すると、マネージャーが新入社員を迎え入れ、チームの一体感を育てるための重要な手順を実施しているか確認できます。入手先通常は採用マネージャーに割り当てられるOnboarding Task List内の「Team Introduction」タスクの完了タイムスタンプから取得します。取得マネージャーが「Team Introduction」タスクを「Completed」にした時点でイベントを記録します。イベントタイプ explicit
	バックグラウンドチェック開始	連携されたサービスを通じて、新入社員のバックグラウンドチェックが依頼された時点を示します。通常は、BambooHRの新入社員向けオンボーディングタスクリストで「Background Check」タスクが作成された、または開始済みになった時点で記録されます。
重要な理由バックグラウンドチェックの開始を追跡すると、入社前審査プロセスの遅延を特定できます。これは、コンプライアンスと採用の適時性に関わる重要な経路になることが多い項目です。入手先 BambooHRのOnboarding Task List内にある「Background Check」タスクの作成日または開始日から取得します。取得バックグラウンドチェックタスクが作成された時点、またはステータスが「In Progress」に変更された時点でイベントを記録します。イベントタイプ explicit
	従業員プロフィールを作成	新入社員の記録がHRISに正式に作成され、候補者から従業員へ移行したことを示します。通常はオファー受諾後に作成される、BambooHRの主要データベースにある従業員レコードの作成日から推定します。
重要な理由このアクティビティは、ITプロビジョニングや給与設定など、その後のオンボーディング手順すべての基盤になります。従業員が正式にシステムへ登録された時点を明確に示します。入手先従業員の中核データテーブルにある新入社員レコードのシステム作成タイムスタンプから推定します。取得従業員の主要レコードにある「created_at」または同等のメタデータのタイムスタンプを使います。イベントタイプ inferred
	必須研修を割り当て	新入社員に、コンプライアンスまたは職務に固有の必須研修を割り当てた時点で発生します。BambooHRでは通常、研修追跡モジュールで新しい研修が従業員レコードに追加された時点で明示的に記録されます。
重要な理由これは、研修のコンプライアンスを測定する開始点です。割り当てから完了までの時間を分析すると、従業員が規制要件や会社の要件を速やかに満たしているか確認できます。入手先 BambooHRのTrainingモジュールで、特定の従業員に割り当てられた研修レコードの作成日から取得します。取得従業員研修追跡テーブルに新しいエントリが作成された時点で、個別のイベントを記録します。イベントタイプ explicit
	書類一式を送信	I-9、W-4、会社のポリシーなどの書類を含む新入社員向け書類一式を、新入社員が確認して署名できるよう送信した時点を示します。BambooHRでは通常、人事管理者がシステムの文書管理機能を使って書類一式を送信した時点で記録されます。
重要な理由このアクティビティは、重要な管理業務のワークフローを開始します。この時点から書類完了までの時間を測定すると、文書処理の効率を評価できます。入手先 BambooHR内で、新入社員向け書類一式を従業員に電子署名用として送信した時点のタイムスタンプから取得します。取得「Send Packet」アクションが実行された時点で、システムに個別のイベントを記録します。イベントタイプ explicit
	機器を発注	新入社員に必要なノートパソコンや電話などのハードウェアを発注した時点を示します。通常は、BambooHRのオンボーディングチェックリストで「Order Equipment」タスクが完了になった時点で記録されます。
重要な理由このアクティビティは、新入社員が必要な物理的な機器を確実に受け取るための重要な節目です。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。入手先 BambooHRのOnboarding Task List内にある「Order Equipment」タスクの完了タイムスタンプから取得します。取得「Order Equipment」タスクのステータスが「Completed」に更新された時点でイベントを記録します。イベントタイプ explicit
	機器を納品	発注した機器が実際に納品され、新入社員が使える状態になったことを示します。通常は、BambooHRのオンボーディングチェックリストで「Equipment Delivered」または「Workspace Setup」タスクが完了になった時点で追跡します。
重要な理由発注から納品までの時間を追跡すると、サプライチェーンや物流上のボトルネックを特定できます。従業員の入社日前に、必要な物理資産がすべて揃っていることを確認できます。入手先 Onboarding Task Listにある「Equipment Delivered」または「Workspace Setup」タスクの完了タイムスタンプから取得します。取得納品または設定タスクのステータスが「Completed」に更新された時点でイベントを記録します。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にログイン：カスタムレポートを作成・実行する権限を持つユーザーアカウントで、BambooHRの環境にアクセスします。
カスタムレポートへ移動：メインナビゲーションから「Reports」に移動します。「Manage Reports」セクションで「Add Report」をクリックします。
レポートを設定：レポート名には「Onboarding Process Mining Export」など、内容が分かる名前を付けます。必要に応じて簡単な説明を入力します。
レポート項目を選択：「Fields」タブで、イベントログに必要なすべての列を選択します。従業員識別子、主要な属性、オンボーディングのアクティビティに対応する日付項目を選択します。次のような項目が必要です：
- Employee #
- First Name、Last Name
- Department、Job Title、Location
- Hiring Manager
- Hire Date（「Employee Profile Created」用）
- 「Offer Accepted Date」など、マイルストーンに使用する任意のカスタム日付項目
- オンボーディングおよびオフボーディングに関するすべてのタスクの完了日。たとえば、「Background Check Completed Date」、「Paperwork Packet Sent Date」、「Paperwork Packet Completed Date」、「IT Provisioning Requested Date」など、各タスクの完了日を選択します。
- Trainingモジュールの日付項目。たとえば、「Mandatory Training Assigned Date」や「Mandatory Training Completed Date」です。
レポートのフィルターを設定：「Filters」タブでデータの範囲を指定します。「Hire Date」で絞り込み、たとえば過去6か月に入社した従業員を対象にすることを強く推奨します。レポートが大きくなりすぎてタイムアウトするのを防げます。
レポートを保存して生成：項目とフィルターの設定が完了したら、「Save & Run」をクリックします。BambooHRの画面で結果を確認し、想定した従業員とデータ列が含まれていることを確認します。
データをエクスポート：通常はクラウドまたは矢印のアイコンで表示されるエクスポートボタンをクリックし、形式として「Comma Separated Values (.csv)」を選択します。bamboohr_onboarding_export.csvなど、分かりやすい名前を付けてローカル環境に保存します。
変換スクリプトを準備：このドキュメントの「query」セクションに記載されたPythonスクリプト全体をコピーし、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という名前で保存します。
必要なライブラリをインストール：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を実行します。
変換を実行：ターミナルまたはコマンドプロンプトでファイルのあるディレクトリに移動し、python transform_bamboohr.pyを実行します。横持ち形式のCSVを処理し、プロセスマイニングに適した縦持ち形式のevent_log.csvを生成します。
ProcessMindにアップロード：event_log.csvをProcessMindアプリケーションにアップロードできる状態になります。

設定

前提条件：高度なレポート機能とオンボーディング機能を含むBambooHR Advantageパッケージが必要です。ユーザーロールには、従業員データを含むカスタムレポートの作成、表示、エクスポート権限が必要です。
レポートフィールド：この方法では、正しいフィールドを選択することが中心になります。レポートは「横持ち」形式で作成します。つまり、従業員ごとに1行を割り当て、オンボーディングの各アクティビティに専用の日付列を設けます。ケース識別子としてEmployee #を含め、部門、Job Title、Hiring Managerなど、関連するすべての属性列を追加します。
カスタムフィールドとタスク：この抽出は、組織でのBambooHRの使い方に大きく左右されます。「Offer Accepted」や「Equipment Ordered」などのアクティビティは、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する必要があります。タスク名だけでなく、タスクの完了日フィールドを選択してください。
日付範囲フィルター：パフォーマンスと関連性を保つため、必ず「Hire Date」でレポートをフィルターします。通常は過去6～12か月の移動期間で十分です。これにより、エクスポートファイルが過度に大きくなることを防ぎながら、プロセスを分析できます。
レポートのスケジュール：継続的に監視する場合は、BambooHRの機能を使い、カスタムレポートを定期的（例：毎週）に実行してメールで送信するようスケジュールすることを検討します。抽出の最初の部分を自動化できます。

a サンプルクエリ python

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

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># The input file exported from BambooHR.
BAMBOOHR_EXPORT_FILE = class="hl-string">'bamboohr_onboarding_export.csv'

class=class="hl-string">"hl-comment"># The final output file ready for ProcessMind.
EVENT_LOG_FILE = class="hl-string">'event_log.csv'

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

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

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

    class=class="hl-string">"hl-comment"># 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(class="hl-string">"Error: None of the specified activity columns in ACTIVITY_MAPPING were found in the CSV.")
        print(class="hl-string">"Please check your column names.")
        return

    class=class="hl-string">"hl-comment"># 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(fclass="hl-string">"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(class="hl-string">"Unpivoting data to create event log...")
    class=class="hl-string">"hl-comment"># Unpivot the dataframe from wide to long format.
    event_log_df = df.melt(
        id_vars=all_id_vars,
        value_vars=value_vars,
        var_name=class="hl-string">'ActivityName',
        value_name=class="hl-string">'EventTimestamp'
    )

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

    class=class="hl-string">"hl-comment"># Rename columns to match the required schema.
    event_log_df.rename(columns={class="hl-string">'Employee class="hl-comment">#': class="hl-string">'OnboardingCase'}, inplace=True)
    event_log_df[class="hl-string">'EmployeeId'] = event_log_df[class="hl-string">'OnboardingCase']

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

    class=class="hl-string">"hl-comment"># Reorder columns for clarity.
    final_columns = [
        class="hl-string">'OnboardingCase', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'EmployeeId', class="hl-string">'Department', class="hl-string">'Job Title', class="hl-string">'Location', class="hl-string">'HiringManager', class="hl-string">'EndTimestamp'
    ]
    class=class="hl-string">"hl-comment"># 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]

    class=class="hl-string">"hl-comment"># Sort the data.
    event_log_df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'], inplace=True)

    print(fclass="hl-string">"Saving event log to '{EVENT_LOG_FILE}'...")
    event_log_df.to_csv(EVENT_LOG_FILE, index=False)
    print(class="hl-string">"Transformation complete.")

if __name__ == class="hl-string">'__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ます。ターミナルでpip install pandas requestsを実行し、必要なライブラリであるpandasとrequestsをインストールします。
BambooHR APIキーを生成：管理者権限でBambooHRアカウントにログインします。右上のプロフィールアイコンから「API Keys」を選択し、新しいAPIキーを作成します。「ProcessMiningExtraction」など、用途が分かる名前を付け、従業員データ、オンボーディングタスク、研修記録への読み取り専用アクセスを付与します。生成されたキーは安全にコピーして保管します。
Pythonスクリプトを設定：提供されたPythonスクリプトを、たとえば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には会社固有のサブドメイン（BambooHRのURLで「.bamboohr.com」より前の部分）を、API_KEYには前の手順で生成したキーを設定します。
抽出する日付範囲を設定：スクリプト内のSTART_DATEとEND_DATEの変数を変更します。これらのパラメーターで、抽出対象に含める新入社員の期間を指定します。形式は「YYYY-MM-DD」を使用します。
スクリプトを実行：ターミナルでpython extract_onboarding.pyを実行します。スクリプトが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呼び出しを確認：スクリプトはまず従業員ディレクトリのレポートエンドポイントを呼び出し、指定した日付範囲に入社した従業員の一覧を取得します。この一覧をOnboardingCase識別子の基礎として使用します。
データを順次取得：特定した新入社員ごとにAPIを呼び出し、詳細なプロフィール情報、割り当てられたオンボーディングタスク、研修記録を取得します。これにより、各従業員のオンボーディングに関する必要なデータを収集できます。
データの変換とマッピング：スクリプトはAPIから取得した生のJSONデータを、構造化されたイベントログに変換します。TASK_TO_ACTIVITY_MAPという定義済みの辞書を使い、BambooHRのオンボーディングタスク名を、プロセスマイニングで使用する標準化されたアクティビティ名に対応付けます。「Offer Accepted」や「Employee Profile Created」などのイベントは、従業員の入社日や作成日から生成されます。
コンソール出力を確認：スクリプトの実行中は、見つかった新入社員数や処理中の従業員名など、進捗状況がコンソールに表示されます。発生する可能性のあるエラーや警告がないか確認します。
イベントログファイルを生成：すべての従業員の処理が完了すると、データを1つのデータフレームにまとめ、同じディレクトリにbamboohr_onboarding_event_log.csvというCSVファイルとして保存します。このファイルには、ProcessMindに必要な列が含まれます。
アップロード前の準備：生成されたCSVファイルを開いて内容を確認します。ProcessMindにアップロードする前に、OnboardingCase、ActivityName、EventTimestampの列が正しく入力されていることを確認します。

設定

APIキーの権限：抽出に使用するAPIキーには、少なくとも次のデータに対する読み取り専用権限が必要です：従業員の個人情報、職務情報、雇用状況、オンボーディングタスク、研修記録。
会社のサブドメイン：正しいAPIエンドポイントURLを組み立てるため、会社固有のBambooHRサブドメインが必要です。
日付範囲（START_DATE、END_DATE）：これらのスクリプト変数で、従業員の入社日に基づく抽出期間を指定します。データ品質を確認し、抽出量を管理するため、まずは直近3～6か月の期間から始めることを推奨します。過去全体を分析する場合は期間を広げられますが、APIのレート制限に注意してください。
アクティビティのマッピング（TASK_TO_ACTIVITY_MAP）：スクリプト内のこの辞書は重要な役割を持ちます。BambooHRに登録された自社のオンボーディングタスク名を、標準化されたアクティビティ名に対応付けます。組織固有のBambooHR設定に合わせて、このマッピングを確認・調整してください。
ソースシステム識別子：スクリプトではSOURCE_SYSTEM変数に「BambooHR」が設定されています。最終的なイベントログで別の識別子が必要な場合は変更できます。
処理性能に関する考慮事項：指定した日付範囲に数千人の新入社員が含まれる組織では、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時間がかかる場合があります。処理性能への影響やAPIのレート制限を避けるため、利用の少ない時間帯に実行することを推奨します。

a サンプルクエリ 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()

準備はできましたか？

このテンプレートを使って分析用のデータを準備し、自信を持って従業員のオンボーディングプロセスの改善を始めてください。ボトルネックの特定と効率向上に、今日から取り組めます。

改善ガイドに戻るテンプレートをダウンロード

今すぐBambooHRの従業員オンボーディングを効率化

コンプライアンス対応の完了率95％を達成し、オンボーディングの遅延をなくします。

無料トライアルを開始

クレジットカードは必要ありません。今すぐ最適化を始められます。

従業員オンボーディング用データテンプレート

従業員オンボーディング用データテンプレート

従業員オンボーディングの属性

従業員オンボーディングのアクティビティ

抽出ガイド

BambooHRの組み込みカスタムレポートのエクスポート

ステップ

設定

a サンプルクエリ python

BambooHR REST APIを使ったPythonスクリプトによるデータ抽出

ステップ

設定

a サンプルクエリ python

準備はできましたか？

今すぐBambooHRの従業員オンボーディングを効率化

従業員オンボーディング用データテンプレート

従業員オンボーディング用データテンプレート

従業員オンボーディングの属性

従業員オンボーディングのアクティビティ

抽出ガイド

BambooHRの組み込みカスタムレポートのエクスポート

ステップ

設定

a サンプルクエリ python

BambooHR REST APIを使ったPythonスクリプトによるデータ抽出

ステップ

設定

a サンプルクエリ python

準備はできましたか？

今すぐBambooHRの従業員オンボーディングを効率化

プライバシーを大切にしています