> Continu verbeteren van processen > Kostenbeheer > Ramp > Datatemplate

Datatemplate voor onkostenbeheer

Ramp

Attributen voor onkostenbeheer (19) Activiteiten in het onkostenbeheer (12) Extractiegidsen (3)

Datatemplate voor onkostenbeheer

Deze template laat zien welke data je nodig hebt om het onkostenbeheer te analyseren en te verbeteren. Je vindt er belangrijke attributen, activiteiten om bij te houden en praktische aanwijzingen voor het ophalen van data uit Ramp. Zo verzamel je alles wat nodig is om het proces in kaart te brengen en te verbeteren.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om bij te houden
Aanwijzingen voor data-extractie uit Ramp

Nieuw met event logs? Lees hoe je een event log voor process mining maakt.

Template downloaden

Attributen voor onkostenbeheer

Dit zijn de belangrijkste datavelden voor het event log waarmee je het onkostenbeheer grondig kunt analyseren.

3 Verplicht 6 Aanbevolen 10 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke gebeurtenis of taak die op een bepaald moment in het onkostenproces plaatsvond.
Beschrijving Dit attribuut beschrijft één stap in de levenscyclus van een onkostendeclaratie, zoals 'Onkostendeclaratie ingediend', 'Goedgekeurd door manager' of 'Terugbetaling uitgevoerd'. Deze activiteiten vormen de knooppunten op de proceskaart en maken het procesverloop zichtbaar en analyseerbaar. Door activiteiten te analyseren, zie je welke stappen het vaakst voorkomen, waar bottlenecks ontstaan en hoe workflows van elkaar verschillen. Zo krijg je inzicht in de volgorde van de processtappen en kun je de prestaties per fase meten. Waarom dit belangrijk is Dit attribuut bepaalt de stappen op de proceskaart en maakt het mogelijk het procesverloop van begin tot eind zichtbaar te maken en te analyseren. Waar vind je dit? Meestal afgeleid uit event logs of statuswijzigingen van onkostendeclaraties in Ramp. Voorbeelden Onkostendeclaratie ingediendGoedgekeurd door managerWacht op controle door financieel teamTerugbetaling uitgevoerd
	Expense Report ID ExpenseReportId	De unieke identificatiecode van elke onkostendeclaratie. Deze code dient als primaire case-ID voor het proces.
Beschrijving De Expense Report ID groepeert alle gebeurtenissen en activiteiten die bij één ingediende onkostendeclaratie horen. Zo kun je de declaratie chronologisch volgen, vanaf de eerste invoer tot en met de uiteindelijke betaling. Bij process mining is dit attribuut essentieel om het volledige verloop van elke onkostendeclaratie te reconstrueren. Door het als case-ID te gebruiken, kun je doorlooptijden nauwkeurig berekenen, bottlenecks opsporen en de verschillende routes van declaraties door het goedkeuringsproces zichtbaar maken. Waarom dit belangrijk is Dit essentiële attribuut koppelt alle bijbehorende activiteiten aan één procesinstantie en maakt analyse van het volledige proces mogelijk. Waar vind je dit? Deze identificatiecode hoort beschikbaar te zijn in de hoofdtafel met onkostendeclaraties of transacties in Ramp. Voorbeelden ER-2023-08-1123ER-2023-09-4591ER-2023-10-0024
	Timestamp van gebeurtenis EventTimestamp	De exacte datum en tijd waarop de activiteit plaatsvond.
Beschrijving Bij elke activiteit in het proces hoort een timestamp die vastlegt wanneer deze plaatsvond. Met deze tijdsdata kun je gebeurtenissen chronologisch ordenen. Ook vormt de data de basis voor alle tijdsanalyses. Bij process mining gebruik je timestamps om doorlooptijden tussen activiteiten te berekenen, de totale duur van een case te meten en vertragingen op te sporen. Deze informatie is belangrijk om de prestaties te volgen en mogelijkheden voor procesverbetering te vinden. Waarom dit belangrijk is Dit attribuut bepaalt de chronologische volgorde van gebeurtenissen en is essentieel voor berekeningen van doorlooptijden en prestatieanalyses. Waar vind je dit? Deze informatie staat meestal bij de activiteiten of statusgegevens in de event logs of transactiedata van Ramp. Voorbeelden 2023-10-26T10:00:00Z2023-10-26T14:30:00Z2023-10-27T09:00:00Z
	Afdeling van medewerker EmployeeDepartment	De afdeling van de medewerker die de onkostendeclaratie heeft ingediend.
Beschrijving Dit attribuut geeft aan bij welke bedrijfseenheid of afdeling de medewerker hoort die de uitgave heeft ingediend, bijvoorbeeld 'Verkoop', 'Techniek' of 'Marketing'. Dit is een belangrijke dimensie voor analyses. Je kunt er de procesprestaties van verschillende onderdelen van de organisatie mee vergelijken. Zo worden verschillen in goedkeuringstijden, correcties en naleving van beleid zichtbaar. Dat helpt bij het bepalen van gerichte verbeteringen. Waarom dit belangrijk is Hiermee kun je procesmaatstaven van verschillende bedrijfseenheden vergelijken en verschillen in efficiëntie, compliance en uitgaven zichtbaar maken. Waar vind je dit? Deze informatie staat waarschijnlijk in het gebruikersprofiel van de medewerker in Ramp of in een gekoppeld HR-systeem. Voorbeelden VerkoopMarketingTechniekFinanciën
	Gebruikersnaam UserName	De naam of ID van de gebruiker die de activiteit heeft uitgevoerd, bijvoorbeeld de medewerker die de uitgave indient of de goedkeurder.
Beschrijving Dit attribuut geeft aan wie verantwoordelijk was voor een gebeurtenis in het proces, zoals het indienen, goedkeuren of controleren van een onkostendeclaratie. Dit kan de naam van een medewerker zijn of een unieke gebruikers-ID. Door op gebruiker te analyseren, krijg je zicht op de verdeling van het werk en zie je wie goed presteert en wie mogelijk extra training nodig heeft. Dit attribuut is belangrijk voor dashboards over goedkeuringsprestaties en het beheer van bronnen. Waarom dit belangrijk is Dit attribuut koppelt procesactiviteiten aan specifieke personen. Zo kun je prestaties per bron analyseren en zien waar training nodig is. Waar vind je dit? Gebruikersgegevens worden meestal vastgelegd in het auditspoor of de transactiegeschiedenis van elke onkostendeclaratie in Ramp. Voorbeelden Alice JohnsonBob SmithCharlie BrownSysteemautomatisering
	Markering beleidsovertreding PolicyViolationFlag	Een markering die aangeeft of de onkostendeclaratie is gemarkeerd wegens een beleidsovertreding.
Beschrijving Dit booleaanse attribuut krijgt de waarde true wanneer de automatische controles van het systeem een mogelijke overtreding van het onkostenbeleid signaleren, bijvoorbeeld een overschrijding van een bestedingslimiet of een dubbele uitgave. Deze markering is belangrijk voor het dashboard 'Opsporing van beleidsovertredingen' en de bijbehorende KPI. Je kunt ermee meten hoe goed de beleidscontroles werken en zien welke regels vaak niet worden nageleefd. Dat kan aanleiding zijn om het beleid aan te passen of medewerkers extra uitleg te geven. Waarom dit belangrijk is Dit attribuut meet rechtstreeks of het onkostenbeleid wordt nageleefd. Zo kun je uitgaven die niet aan het beleid voldoen en de bijbehorende risico’s opsporen en terugdringen. Waar vind je dit? Dit is waarschijnlijk een door het systeem aangemaakte markering in Ramp, die wordt geactiveerd door automatische beleidscontroles tijdens het indienen of goedkeuren. Voorbeelden truefalse
	Onkostencategorie ExpenseCategory	De categorie van een uitgave, zoals 'Reizen', 'Software' of 'Maaltijden'.
Beschrijving Met dit attribuut deel je uitgaven in vooraf bepaalde categorieën in. Zo kun je de bedrijfsuitgaven volgen en beheersen. Eén onkostendeclaratie kan uitgaven uit meerdere categorieën bevatten. Analyse per onkostencategorie is essentieel voor het dashboard 'Analyse van uitgavencategorieën'. Financiële teams zien zo waar het geld naartoe gaat, kunnen controleren of uitgaven binnen het budget blijven en trends of afwijkingen in de uitgaven opsporen. Waarom dit belangrijk is Hiermee kun je uitgaven gedetailleerd analyseren, de belangrijkste kostenposten vinden en mogelijkheden zien om het budget beter te beheren. Waar vind je dit? Dit detail staat meestal per regel op de onkostendeclaratie in Ramp. Voor sommige analyses moet je de data samenvoegen op declaratieniveau. Voorbeelden VliegticketsMaaltijden en entertainmentSoftwareabonnementKantoorbenodigdheden
	Reden voor correctie RevisionReason	De reden die wordt opgegeven wanneer een onkostendeclaratie ter correctie naar de medewerker wordt teruggestuurd.
Beschrijving Wanneer een goedkeurder een onkostendeclaratie afwijst of terugstuurt, geeft die meestal een reden op. Dit attribuut legt die reden vast, bijvoorbeeld 'Bon met specificatie ontbreekt', 'Verkeerde categorie' of 'Buiten het beleid'. Deze informatie is waardevol voor het dashboard 'Percentage en oorzaken van correcties op declaraties'. Door de meest voorkomende redenen voor herstelwerk te analyseren, kunnen organisaties structurele problemen bij het indienen opsporen. Vervolgens kunnen ze gerichte training geven of het systeem aanpassen om fouten te verminderen. Waarom dit belangrijk is Dit attribuut maakt de oorzaken van herstelwerk zichtbaar, zodat je gericht kunt werken aan betere declaraties die in één keer goed zijn. Waar vind je dit? Deze data wordt waarschijnlijk vastgelegd in opmerkingen of afwijzingsdetails wanneer de activiteit 'Onkostendeclaratie teruggestuurd voor correctie' plaatsvindt in Ramp. Voorbeelden Bon met specificatie ontbreektUitgave overschrijdt beleidslimietVerkeerde onkostencategorie gekozenDubbele transactie
	Totaalbedrag declaratie ReportTotalAmount	Het totale bedrag van de onkostendeclaratie.
Beschrijving Dit attribuut bevat de som van alle uitgaven in één declaratie. Het is een belangrijke financiële maatstaf om uitgavenpatronen te begrijpen. Bij procesanalyses kun je declaraties op bedrag indelen en onderzoeken of declaraties met hoge bedragen een andere goedkeuringsroute volgen of langer duren. Dit attribuut is belangrijk voor dashboards over uitgaven en om mogelijkheden voor kostenbesparing te vinden. Waarom dit belangrijk is Dit attribuut voegt een belangrijke financiële dimensie toe aan de analyse. Je kunt declaraties op bedrag indelen en de totale uitgaven volgen. Waar vind je dit? Dit is een standaardveld van het uitgaverecord in Ramp. Voorbeelden 150.752500.0089.99
	Aantal goedkeuringsstappen ApprovalStepCount	Het totale aantal formele goedkeuringsstappen dat een declaratie heeft doorlopen.
Beschrijving Deze berekende metriek telt het aantal verschillende goedkeuringsactiviteiten, zoals ‘Goedgekeurd door manager’ en ‘Goedgekeurd door Finance’, voor één declaratie. Zo wordt de complexiteit van de goedkeuringsworkflow meetbaar. Dit attribuut wordt gebruikt voor de KPI ‘Gemiddeld aantal goedkeuringsstappen per declaratie’ en het dashboard ‘Eenvoudige goedkeuringsroutes voor declaraties’. Door dit aantal te vergelijken met de waarde of categorie van de declaratie, zie je of eenvoudige declaraties met een laag bedrag onnodig ingewikkelde goedkeuringsprocedures doorlopen. Waarom dit belangrijk is Dit maakt de complexiteit van de workflow meetbaar en helpt vereenvoudigingen te vinden, vooral voor declaraties met een laag risico. Waar vind je dit? Dit wordt berekend door in het event log per case te tellen hoe vaak specifieke goedkeuringsactiviteiten voorkomen. Voorbeelden 123
	Auditresultaat AuditOutcome	De uitkomst van een interne of externe audit van de declaratie.
Beschrijving Bij declaraties die formeel worden gecontroleerd, legt dit attribuut de uiteindelijke uitkomst vast, bijvoorbeeld ‘Goedgekeurd’, ‘Gedeeltelijk afgewezen’ of ‘Aanvullende informatie vereist’. Deze data vormt de basis voor het dashboard ‘Prestaties van declaratiecontroles’. Je kunt ermee beoordelen hoe effectief het controleproces is, bijhouden hoe vaak elke uitkomst voorkomt en de financiële gevolgen van auditbevindingen in kaart brengen. Waarom dit belangrijk is Dit meet de effectiviteit en resultaten van het controleproces en geeft inzicht in compliance en tekortkomingen in de beheersing. Waar vind je dit? Deze informatie wordt vastgelegd in de auditmodule van Ramp of in een gekoppeld systeem dat wordt gebruikt voor gedetailleerde declaratiecontroles. Voorbeelden GeslaagdGeslaagd met opmerkingenAfgewezenGeëscaleerd
	Bronsysteem SourceSystem	Geeft aan uit welke brontoepassing de data is opgehaald.
Beschrijving Dit attribuut geeft aan welk systeem de bron is van de procesdata, in dit geval Ramp. Het is handig wanneer data uit meerdere systemen wordt gecombineerd, omdat je zo de herkomst ervan kunt blijven volgen. Bij analyses kun je hiermee data uit een specifieke bron filteren. Ook kun je het gebruiken voor datavalidatie en gegevensbeheer. Waarom dit belangrijk is Dit attribuut geeft context over de herkomst van de data. Dat is belangrijk voor gegevensbeheer en wanneer je data uit meerdere systemen combineert. Waar vind je dit? Dit is meestal een vaste waarde ('Ramp') die tijdens de data-extractie en -transformatie wordt toegevoegd. Voorbeelden Ramp
	Eindtijd van gebeurtenis EventEndTime	De timestamp die aangeeft wanneer een activiteit met een bepaalde duur is afgelopen.
Beschrijving Veel activiteiten zijn direct afgerond, maar sommige, zoals ‘Beleidscontrole uitgevoerd’, duren meetbaar lang. Dit attribuut legt de eindtijd van zulke activiteiten vast en vormt een aanvulling op StartTime. Met zowel een begin- als eindtijd kun je de verwerkingstijd van activiteiten nauwkeurig berekenen. Dat is nodig voor KPI’s zoals ‘Gemiddelde duur van beleidscontrole’ en om precies te bepalen hoelang specifieke geautomatiseerde of handmatige taken binnen het totale proces duren. Waarom dit belangrijk is Hiermee kun je de duur van afzonderlijke activiteiten nauwkeurig berekenen en inefficiënte processtappen opsporen. Waar vind je dit? Voor activiteiten met een bepaalde duur wordt dit vastgelegd in de gebeurtenisgegevens van Ramp. Bij gebeurtenissen zonder duur kan de waarde gelijk zijn aan StartTime. Voorbeelden 2023-10-26T10:00:05Z2023-10-26T14:35:10Z2023-10-27T09:10:00Z
	Goedkeurder van Finance FinanceApprover	De gebruiker uit het Finance-team die de declaratie heeft goedgekeurd.
Beschrijving Bij workflows met een beoordelingsstap door Finance geeft dit attribuut aan welke persoon of welk team binnen de financiële afdeling de definitieve goedkeuring heeft gegeven. Dit attribuut ondersteunt het dashboard ‘Efficiëntie van de financiële beoordeling’. Je kunt de prestaties per persoon of team analyseren, bottlenecks opsporen, de werkverdeling beoordelen en zien hoe effectief de beoordelingsstap van Finance is. Waarom dit belangrijk is Hiermee kun je de prestaties van de financiële beoordeling gedetailleerd analyseren en een belangrijk controlepunt in het proces verbeteren. Waar vind je dit? Dit wordt tijdens de financiële beoordeling vastgelegd in de goedkeuringsgeschiedenis van de declaratie in Ramp. Voorbeelden Finance-team ADavid LeeAutomatiseringsbot van Finance
	Goedkeurende manager ApprovingManager	De naam van de manager die de goedkeuringsstap heeft uitgevoerd.
Beschrijving Dit attribuut geeft aan welke manager verantwoordelijk is voor het controleren en goedkeuren van de onkostendeclaratie van een medewerker. Dit is niet per se de gebruiker die de declaratie heeft ingediend. De goedkeurende manager bijhouden is essentieel voor het dashboard 'Doorlooptijd goedkeuring door manager'. Je kunt de werkdruk en prestaties van goedkeurders analyseren en zien wie snel goedkeurt en waar bottlenecks ontstaan. Dat kan helpen om de werkdruk beter te verdelen of extra ondersteuning te bieden. Waarom dit belangrijk is Hiermee kun je de prestaties van afzonderlijke goedkeurders analyseren en bottlenecks in de goedkeuringsworkflow opsporen en aanpakken. Waar vind je dit? Deze informatie maakt deel uit van de goedkeuringsworkflowgegevens in Ramp. Het systeem registreert deze wanneer een manager actie onderneemt voor een declaratie. Voorbeelden Jane DoeJohn MillerSusan Chen
	Herhaalwerk IsRework	Een berekend kenmerk dat aangeeft of een declaratie minstens één keer is teruggestuurd voor aanpassing.
Beschrijving Dit booleaanse attribuut wordt afgeleid door te controleren of de activiteit ‘Declaratie teruggestuurd voor aanpassing’ voor een bepaalde case heeft plaatsgevonden. Het krijgt de waarde true voor elke declaratie die minstens één aanpassingsronde heeft doorlopen. Met deze indicator bereken je eenvoudig de KPI ‘Percentage aangepaste declaraties’ en vergelijk je declaraties die in één keer zijn goedgekeurd met declaraties waarvoor herhaalwerk nodig was. Zo wordt duidelijk hoeveel tijd en geld aanpassingen kosten. Waarom dit belangrijk is Hiermee kun je het proces eenvoudig opdelen voor analyse van herhaalwerk en meten hoe vaak declaraties worden teruggestuurd en wat daarvan de gevolgen zijn. Waar vind je dit? Dit berekende veld wordt tijdens de datatransformatie afgeleid door te controleren of er binnen de case een aanpassingsactiviteit voorkomt. Voorbeelden truefalse
	Indieningsmethode SubmissionMethod	Het kanaal waarmee de declaratie is ingediend, bijvoorbeeld via de mobiele app of het webportaal.
Beschrijving Dit attribuut geeft aan hoe de medewerker de declaratie heeft ingediend. Veelgebruikte methoden zijn een mobiele app, een webbrowser op een computer of doorsturen via e-mail. Een analyse van de indieningsmethode geeft inzicht in gebruikersgedrag en het gebruik van technologie. Als declaraties die via een bepaald kanaal zijn ingediend bijvoorbeeld vaak worden aangepast, kan dat wijzen op problemen met de gebruiksvriendelijkheid van dat kanaal. Waarom dit belangrijk is Dit geeft context bij het gebruikersgedrag en kan helpen vaststellen of bepaalde indieningskanalen vaker leiden tot fouten of vertragingen. Waar vind je dit? Deze informatie staat mogelijk in de metadata van de indieningsgebeurtenis in de systeemlogboeken van Ramp. Voorbeelden Mobiele appWebportaalE-mail
	Laatste data-update LastDataUpdate	De timestamp die aangeeft wanneer de data voor het laatst uit het bronsysteem is bijgewerkt.
Beschrijving Dit attribuut legt de datum en tijd van de meest recente data-extractie vast. Zo zie je hoe actueel de data is. Om analyseresultaten goed te kunnen interpreteren, moet je weten hoe recent de data is. Met dit attribuut zie je of je met actuele informatie werkt. Waarom dit belangrijk is Zo zie je hoe actueel de data is en kun je controleren of analyses op relevante, recente informatie zijn gebaseerd. Waar vind je dit? Deze timestamp wordt tijdens de data-extractie aangemaakt en toegevoegd. Voorbeelden 2023-11-01T06:00:00Z
	Vergoedingsmethode ReimbursementMethod	De methode voor het uitbetalen van de vergoeding, bijvoorbeeld via ACH of een bankoverschrijving.
Beschrijving Dit attribuut geeft aan via welk betaalkanaal de medewerker is vergoed. De verwerkingstijd en kosten kunnen per methode verschillen. Door de vergoedingen per methode te analyseren, zie je welke betaalkanalen het efficiëntst zijn. Het dashboard ‘Prestaties per vergoedingsmethode’ gebruikt deze data om doorlooptijden en betrouwbaarheid te vergelijken. Zo kun je betaalstrategieën verbeteren. Waarom dit belangrijk is Hiermee kun je de prestaties van verschillende betaalkanalen vergelijken en ze optimaliseren voor snelheid en betrouwbaarheid. Waar vind je dit? Deze informatie staat waarschijnlijk in de betaal- of vergoedingsgegevens in Ramp. Voorbeelden ACH-overboekingCredit op bedrijfskaartDirecte storting

Verplicht Aanbevolen Optioneel

Activiteiten in het onkostenbeheer

Dit zijn de belangrijkste processtappen en mijlpalen om in het event log vast te leggen voor een nauwkeurige procesanalyse en prestatiemeting.

5 Aanbevolen 7 Optioneel

	Activiteit	Beschrijving
	Gesynchroniseerd met boekhoudsysteem	De transactiegegevens van de uitgave zijn verwerkt in het gekoppelde boekhoudsysteem, zoals NetSuite, QuickBooks of Xero. Deze gebeurtenis markeert het einde van de administratieve verwerking.
Waarom dit belangrijk is Dit is de laatste activiteit in het volledige proces. Vertragingen kunnen de nauwkeurigheid van financiële rapportages en de snelheid van de financiële afsluiting beïnvloeden. Waar vind je dit? Wordt vastgelegd in een integratielogboek of als statuswijziging van het uitgaverecord in Ramp. Zoek naar een status als 'Gesynchroniseerd', 'Geboekt' of 'Geëxporteerd'. Vastleggen Na een geslaagde synchronisatie van de data maakt de boekhoudkoppeling een logboekvermelding aan. Gebeurtenistype explicit
	Goedgekeurd door manager	De manager heeft de uitgave beoordeeld en goedgekeurd. De declaratie kan nu door naar de volgende stap, bijvoorbeeld controle door het financiële team of terugbetaling. Dit wordt vastgelegd via een expliciete gebruikersactie.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal: de eerste goedkeuringsronde is afgerond. Door deze activiteit te analyseren, krijg je zicht op het goedkeuringsproces en de bottlenecks. Waar vind je dit? Wordt als gebeurtenis vastgelegd in de goedkeuringsgeschiedenis van de uitgave wanneer de manager op 'Goedkeuren' klikt. Het event log moet de ID van de goedkeurder en een timestamp bevatten. Vastleggen De actie 'Goedkeuren' wordt als gebeurtenis vastgelegd wanneer een gebruiker met managerrechten deze uitvoert. Gebeurtenistype explicit
	Onkosten gemaakt	Dit markeert het moment waarop een uitgave ontstaat. Dat gebeurt meestal automatisch wanneer een zakelijke kaart wordt gebruikt, of wanneer een medewerker handmatig een uitgave uit eigen zak registreert. De gebeurtenis wordt doorgaans vastgelegd in transactiedata of via een actie in de gebruikersinterface.
Waarom dit belangrijk is Dit is de belangrijkste startgebeurtenis van de levenscyclus van een onkostendeclaratie. Door de tijd vanaf dit moment te analyseren, zie je hoe lang medewerkers wachten met indienen en hoe snel het proces verloopt. Waar vind je dit? Afkomstig uit de transactielogboeken van Ramp-kaarten of de aanmaaktimestamp van een handmatig ingevoerde uitgave. Zoek naar de gebeurtenis waarbij het eerste record wordt aangemaakt in de tabel met uitgaven of transacties. Vastleggen Wordt rechtstreeks vastgelegd wanneer een kaarttransactie wordt verwerkt of een gebruiker een nieuwe uitgave invoert. Gebeurtenistype explicit
	Onkostendeclaratie ingediend	Een medewerker bevestigt dat alle benodigde informatie over een uitgave compleet is en dient de declaratie in ter goedkeuring. Met deze expliciete gebruikersactie verandert de status van 'concept' of 'actie vereist' in 'wacht op goedkeuring'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal: hiermee begint officieel de goedkeurings- en terugbetalingscyclus. Dit moment vormt het uitgangspunt voor het meten van de SLA’s voor goedkeuring en terugbetaling. Waar vind je dit? Af te leiden uit de statusgeschiedenis van het uitgaverecord. Dit komt overeen met de actie waarmee de gebruiker de transactie ter controle indient. Vastleggen Wordt vastgelegd wanneer de gebruiker op de knop 'Indienen' klikt en de status daardoor verandert. Gebeurtenistype explicit
	Terugbetaling uitgevoerd	De terugbetaling is verwerkt en naar de medewerker overgemaakt. Dit is meestal de laatste stap voor de medewerker en markeert het einde van de betalingscyclus.
Waarom dit belangrijk is Dit is de belangrijkste eindgebeurtenis van het terugbetalingsproces. De tijd tussen indiening en dit moment is een belangrijke KPI voor de tevredenheid van medewerkers en de efficiëntie van het proces. Waar vind je dit? Afkomstig uit de betalingslogboeken of een koppeling met de betalingsprovider. De status van de uitgave in Ramp wordt dan bijgewerkt naar 'Terugbetaald' of 'Betaald'. Vastleggen Het systeem legt een gebeurtenis vast zodra het bevestigt dat de betaling is overgemaakt. Gebeurtenistype explicit
	Beleidscontrole uitgevoerd	Het systeem controleert de uitgave automatisch aan de hand van het ingestelde bedrijfsbeleid en markeert mogelijke overtredingen. Dit is meestal een systeemgebeurtenis die kort na het indienen plaatsvindt.
Waarom dit belangrijk is Meet hoe efficiënt de automatische compliancecontroles verlopen en welke invloed ze op het proces hebben. Zo zie je welke beleidsovertredingen vaak voorkomen en waar medewerkers extra uitleg nodig hebben. Waar vind je dit? Waarschijnlijk vastgelegd in een auditspoor of logboek bij de uitgavetransactie. Zoek naar systeemgebeurtenissen met de naam 'policy_check' of 'compliance_scan'. Vastleggen Nadat de automatische beleidscontrole de transactie heeft gecontroleerd, maakt het systeem een logboekvermelding aan. Gebeurtenistype explicit
	Bon toegevoegd	Dit is het moment waarop een bon aan een uitgave wordt gekoppeld, automatisch via OCR-herkenning of handmatig door de gebruiker. De gebeurtenis wordt vastgelegd zodra het bonbestand aan het transactierecord is gekoppeld.
Waarom dit belangrijk is Door deze activiteit te volgen, zie je vertragingen door ontbrekende documentatie. Dit is een belangrijke stap om aan de compliance-eisen te voldoen en klaar te zijn voor een audit. Waar vind je dit? Wordt vastgelegd in de geschiedenis van de uitgave of transactie wanneer een bon wordt geüpload of gekoppeld. Zoek naar een gebeurtenis voor het toevoegen van een bijlage of een veld met de waarde 'receipt_attached'. Vastleggen De gebeurtenis wordt aangemaakt wanneer het systeem een afbeelding of bestand van een bon aan het uitgaverecord koppelt. Gebeurtenistype explicit
	Goedgekeurd door financieel team	Het financiële team heeft de uitgave gecontroleerd en definitief goedgekeurd. De uitgave kan nu worden terugbetaald en in de boekhouding worden verwerkt. Dit wordt vastgelegd als een expliciete actie van een medewerker van het financiële team.
Waarom dit belangrijk is Dit is de laatste goedkeuringsstap vóór de betaling. Door deze activiteit te analyseren, krijg je zicht op de totale goedkeuringscyclus en de efficiëntie van het financiële team. Waar vind je dit? Wordt als gebeurtenis vastgelegd in de goedkeuringsgeschiedenis van de uitgave. Zoek naar een goedkeuringsgebeurtenis van een gebruiker op de financiële afdeling. Vastleggen De actie 'Goedkeuren' wordt als gebeurtenis vastgelegd wanneer een gebruiker met rechten voor het financiële team deze uitvoert. Gebeurtenistype explicit
	Onkostendeclaratie teruggestuurd voor correctie	Een goedkeurder, zoals een manager of medewerker van het financiële team, heeft de uitgave afgewezen en teruggestuurd naar de medewerker voor correctie. Dit wordt vastgelegd als een statuswijziging naar 'Correctie nodig' of 'Afgewezen'.
Waarom dit belangrijk is Deze activiteit markeert een herstelronde in het proces, waardoor de doorlooptijd langer wordt. Door deze gebeurtenissen te volgen, zie je welke fouten bij het indienen vaak voorkomen en hoe je het aantal declaraties dat in één keer goed is kunt verhogen. Waar vind je dit? Af te leiden uit een statuswijziging van het uitgaverecord naar 'Correctie nodig' of een vergelijkbare status. Koppel de gebeurtenis aan de goedkeurder die de actie heeft uitgevoerd. Vastleggen Af te leiden uit de timestamp waarop de status van de uitgave verandert in 'Correctie nodig' of 'Afgewezen'. Gebeurtenistype inferred
	Terugbetaling ingepland	Bij uitgaven die medewerkers zelf hebben voorgeschoten, staat het goedgekeurde bedrag klaar voor betaling. Deze gebeurtenis geeft aan dat alle goedkeuringen zijn afgerond en de uitgave kan worden terugbetaald.
Waarom dit belangrijk is Deze mijlpaal markeert de overgang van goedkeuring naar betaling. Zo kun je vertragingen bij de betaling onderscheiden van vertragingen tijdens de goedkeuring. Waar vind je dit? Waarschijnlijk af te leiden uit een statuswijziging naar 'Wacht op terugbetaling' of 'Klaar voor betaling' na de laatste goedkeuring. Als betalingen in batches worden verwerkt, kan dit ook een expliciete gebeurtenis zijn. Vastleggen Af te leiden uit een statuswijziging naar 'Klaar voor uitbetaling' of uit het aanmaken van een record in een tabel met betalingsbatches. Gebeurtenistype inferred
	Wacht op beoordeling door manager	De onkostendeclaratie is ingediend en wacht nu op beoordeling door de direct leidinggevende van de medewerker. Je kunt deze status afleiden uit een statuswijziging naar 'Wacht op goedkeuring door manager' of een vergelijkbare waarde.
Waarom dit belangrijk is Dit markeert het begin van de goedkeuringsfase door de manager. Door de tijd in deze status te analyseren, kun je de doorlooptijd van goedkeuring door managers meten en verbeteren. Waar vind je dit? Af te leiden uit een statuswijziging van het uitgaverecord naar bijvoorbeeld 'Wacht op goedkeuring' en de toewijzing aan de wachtrij van een manager. Hiervoor moet je de statusgeschiedenis bijhouden. Vastleggen Af te leiden uit de timestamp waarop de status van de uitgave verandert in 'Wacht op goedkeuring door manager'. Gebeurtenistype inferred
	Wacht op controle door financieel team	Een goedgekeurde uitgave is doorgestuurd en wacht nu op controle door het financiële of boekhoudteam. Dit gebeurt meestal bij hoge bedragen of wanneer het beleid een waarschuwing heeft gegeven. Je kunt deze activiteit afleiden uit een statuswijziging.
Waarom dit belangrijk is Dit markeert het begin van de controle door het financiële team. Door de duur van deze fase te meten, krijg je zicht op de werkdruk en efficiëntie van het team en zie je waar automatisering mogelijk is. Waar vind je dit? Af te leiden uit een statuswijziging van het uitgaverecord naar 'Wacht op goedkeuring door financieel team' na goedkeuring door de manager. Hiervoor heb je toegang nodig tot de statusgeschiedenis van de uitgave. Vastleggen Af te leiden uit de timestamp waarop de status van de uitgave verandert in 'Wacht op controle door financieel team'. Gebeurtenistype inferred

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data op uit Ramp

Stappen

Log in op je Ramp-account met de rol Admin of Bookkeeper.
Ga in het menu links naar de sectie Transacties. Hier vind je alle uitgaven met bedrijfskaarten.
Pas de gewenste filters toe. Stel minimaal een datumbereik in voor de periode die je wilt analyseren. Je kunt de resultaten zo nodig ook beperken op basis van bijvoorbeeld status, categorie of afdeling.
Klik rechtsboven in de transactielijst op Export.
Kies in het exportvenster Transacties als exporttype en CSV als bestandsindeling. Download het bestand en noem het transactions_export.csv.
Ga vervolgens in het menu links naar de sectie Vergoedingen. Hier vind je alle onkosten die medewerkers zelf hebben voorgeschoten.
Gebruik hetzelfde datumbereik als voor de transactie-export, zodat de data overeenkomt.
Klik op Export en download de vergoedingsgegevens als CSV-bestand. Noem dit bestand reimbursements_export.csv.
Zet beide geëxporteerde CSV-bestanden (transactions_export.csv en reimbursements_export.csv) in dezelfde map als het meegeleverde Python-script.
Voer het Python-script uit. Het script laadt beide bestanden, maakt voor elke bedrijfsgebeurtenis een aparte rij en voegt de gegevens samen tot één gestructureerd event log.
Het script maakt een bestand met de naam ramp_event_log.csv. Dit bestand heeft de indeling die ProcessMind vereist.
Upload ramp_event_log.csv naar ProcessMind voor analyse.

Configuratie

Machtigingen: Je hebt in Ramp de rol Admin of Bookkeeper nodig om de volledige transactie- en vergoedingsgegevens te bekijken en te exporteren.
Datumbereik: Kies voor een eerste analyse een periode van minstens 6 tot 12 maanden, zodat je voldoende procesvariatie meeneemt. Voor doorlopende monitoring kun je een kortere, recentere periode gebruiken.
Consistente data: Gebruik bij het exporteren van de bestanden Transacties en Vergoedingen exact hetzelfde datumbereik en dezelfde filters. Zo blijft de dataset consistent.
Bestandsindeling: Kies voor beide exports altijd CSV. Het transformatiescript is gemaakt voor bestanden met door komma’s gescheiden waarden.
Bestandsnamen: Gebruik de bestandsnamen transactions_export.csv en reimbursements_export.csv, of pas de bestandspadvariabelen in het transformatiescript aan.

a Voorbeeldquery python

import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration ---
TRANSACTIONS_FILE = class="hl-string">'transactions_export.csv'
REIMBURSEMENTS_FILE = class="hl-string">'reimbursements_export.csv'
OUTPUT_FILE = class="hl-string">'ramp_event_log.csv'

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

class=class="hl-string">"hl-comment"># --- Main Transformation Logic ---
def transform_to_event_log(transactions_df, reimbursements_df):
    events = []

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

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

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

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

        class=class="hl-string">"hl-comment"># Activity: Expense Incurred
        if pd.notna(row.get(class="hl-string">'ExpenseIncurredTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Expense Incurred', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ExpenseIncurredTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Receipt Attached
        if pd.notna(row.get(class="hl-string">'ReceiptAttachedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Receipt Attached', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ReceiptAttachedTimestamp')})

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

        class=class="hl-string">"hl-comment"># Activity: Manager Approved
        if pd.notna(row.get(class="hl-string">'ManagerApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Manager Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'ManagerApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Review Pending
        if pd.notna(row.get(class="hl-string">'FinanceReviewPendingTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Review Pending', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceReviewPendingTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Finance Approved
        if pd.notna(row.get(class="hl-string">'FinanceApprovedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Finance Approved', class="hl-string">'EventTimestamp': row.get(class="hl-string">'FinanceApprovedTimestamp')})

        class=class="hl-string">"hl-comment"># Activity: Synced with Accounting System
        if pd.notna(row.get(class="hl-string">'SyncedTimestamp')):
            events.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Synced with Accounting System', class="hl-string">'EventTimestamp': row.get(class="hl-string">'SyncedTimestamp')})

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

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

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

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

    if not events:
        print(class="hl-string">"Warning: No events were generated. Check the input files and column names.")
        return None

    class=class="hl-string">"hl-comment"># Create final DataFrame
    event_log_df = pd.DataFrame(events)
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp'])
    event_log_df.sort_values(by=[class="hl-string">'ExpenseReportId', class="hl-string">'EventTimestamp'], inplace=True)
    
    return event_log_df

class=class="hl-string">"hl-comment"># --- Main execution block ---
if __name__ == class="hl-string">"__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=class="hl-string">'%Y-%m-%dT%H:%M:%S.%fZ')
            print(fclass="hl-string">"Successfully created event log with {len(event_log)} events. Saved to '{OUTPUT_FILE}'.")

Stappen

Vereisten en omgeving instellen: Zorg dat Python 3.8 of hoger is geïnstalleerd. Installeer de benodigde Python-bibliotheken met pip install requests pandas. Je hebt ook beheerdersrechten voor je Ramp-omgeving nodig om API-inloggegevens aan te maken.
Ramp API-inloggegevens aanmaken: Log in op je Ramp-account. Ga naar Settings en kies Developer API in het zijmenu. Klik op ‘Create App’, geef de applicatie een naam en stel de vereiste scopes in. Je hebt transactions:read, reimbursements:read en users:read nodig. Kopieer na het aanmaken de Client ID en Client Secret en bewaar ze veilig.
Het Python-script instellen: Maak een nieuw Python-bestand, bijvoorbeeld extract_ramp_log.py. Kopieer het meegeleverde Python-script naar dit bestand. Stel Client ID en Client Secret in als omgevingsvariabelen of zet ze voor testdoeleinden rechtstreeks in het script. Om veiligheidsredenen raden we omgevingsvariabelen aan.
Datumbereik voor extractie instellen: Zoek in het script de variabelen START_DATE en END_DATE in het uitvoeringsblok main. Pas deze datums aan om de periode voor de data-extractie in te stellen. Voor een eerste analyse raden we een periode van 3 tot 6 maanden aan.
Het script uitvoeren: Voer in de terminal de opdracht python extract_ramp_log.py uit. Het script meldt zich aan bij de Ramp API, haalt gegevens op uit de eindpunten voor gebruikers, transacties en vergoedingen en verwerkt de paginering automatisch.
De API-aanroepen begrijpen: Eerst haalt het script alle gebruikersgegevens op om gebruikers-ID’s aan namen en afdelingen te koppelen. Daarna haalt het alle vergoedingen binnen het ingestelde datumbereik op. Voor elke vergoeding worden de goedkeurings- en betaalgeschiedenis opgehaald.
Data omzetten naar een event log: De kern van het script doorloopt elke vergoeding en de bijbehorende statusgeschiedenis. Elke statuswijziging, zoals ‘MANAGER_APPROVAL’ of ‘FINISHED’, wordt omgezet in een aparte activiteit, zoals ‘Beoordeling door manager in afwachting’ of ‘Vergoeding uitbetaald’. Ook worden bijbehorende transactiegegevens opgehaald om gebeurtenissen als ‘Onkosten gemaakt’ en ‘Bon toegevoegd’ aan te maken.
Data aanvullen: Het script voegt gebruikersgegevens, afdelingsinformatie en de onkostencategorie toe aan elke gebeurtenis. Zo ontstaat een complete dataset voor procesanalyse.
De uitvoer controleren: Na afloop maakt het script in dezelfde map het bestand ramp_event_log.csv. Open dit CSV-bestand in een spreadsheetprogramma om de gegevens te controleren en na te gaan of alles naar verwachting is opgehaald.
Klaarmaken voor upload: Het gegenereerde CSV-bestand bevat de vereiste kolommen ExpenseReportId, ActivityName, EventTimestamp en andere aanbevolen attributen. Je kunt het bestand rechtstreeks uploaden naar ProcessMind.

Configuratie

API-inloggegevens: Voor authenticatie heb je een geldige Client ID en Client Secret nodig. Je maakt deze aan in het Ramp-dashboard onder Settings > Developer API.
API-scopes: Het script heeft specifieke machtigingen nodig om data op te halen. Controleer of de volgende scopes zijn ingeschakeld voor je API-sleutel: transactions:read (voor onkosten- en bongegevens), reimbursements:read (voor de indienings-, goedkeurings- en betaalstatus) en users:read (voor namen en afdelingen van medewerkers).
Datumbereik: De extractieperiode wordt bepaald door de parameters START_DATE en END_DATE in het script. Begin bij voorkeur met een recente periode, bijvoorbeeld de afgelopen 3 tot 6 maanden, zodat de eerste dataset overzichtelijk blijft. Het filter wordt toegepast op de aanmaakdatum van de vergoeding.
Paginering: Het script verwerkt API-paginering automatisch met de cursor starting_after van de Ramp API. Het haalt gegevens op in batches van maximaal 100 records per aanvraag, zodat alle data binnen het datumbereik wordt opgehaald.
Aanvraaglimieten: Voor de Ramp API geldt doorgaans een limiet van 600 aanvragen per minuut. Het meegeleverde script werkt meestal efficiënt. Bij zeer grote datasets moet je mogelijk korte pauzes tussen API-aanroepen inlassen als je foutmeldingen over de aanvraaglimiet krijgt.

a Voorbeeldquery 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()

Stappen

Controleer of je Ramp-abonnement de native datawarehouse-integratie bevat en of een beheerder de bestemming kan instellen. Kies een ondersteund datawarehouse, zoals Snowflake of BigQuery, en stel de toegang in volgens de beveiligingsnormen van je organisatie. De exacte menu’s en bestemmingsobjecten hangen af van je Ramp-configuratie. Gebruik daarom [Configure based on your system].
Stel het datawarehouse, de database of het project, het schema of de dataset, de regio, de inloggegevens en de synchronisatieomvang in. Noteer de namen van de gerepliceerde tabellen en kolommen die Ramp toont. Ga niet uit van vaste tabelnamen, want die verschillen per integratie en accountconfiguratie.
Zoek de gerepliceerde gegevens voor declaraties, onkostentransacties, bonnen, goedkeuringen, beleid, vergoedingen en boekhoudkundige synchronisatie. Koppel elke bron aan de velden die nodig zijn voor het event log. Staat een vereiste gebeurtenis uit de levenscyclus er niet expliciet in, zoek dan in de statusgeschiedenis of auditgegevens naar de registratie ervan.
Stel de extractieperiode in, bij voorkeur drie tot zes maanden, met [Start date] en [End date]. Pas filters voor bedrijf of organisatie alleen toe als het bijbehorende bronveld beschikbaar is. Behoud de tijdzone van de bron of zet alle timestamps om naar één vastgelegde tijdzone.
Maak een datawarehouseweergave of query die de bronvelden omzet naar ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag en RevisionReason. Vervang in de meegeleverde query elke tijdelijke aanduiding tussen vierkante haken voor een tabel of kolom door de naam uit je gerepliceerde schema.
Haal elke activiteit uit de levenscyclus op als een afzonderlijke gebeurtenisrij. De query hieronder bevat voor elk van de 12 vereiste activiteiten een volledig SELECT-blok. Gebeurtenissen worden niet afgeleid uit niet-gerelateerde records. Gebruik voor activiteiten op basis van een status de statusgeschiedenis of gebeurtenistabel, niet alleen de huidige status van de declaratie. Zo blijven eerdere statuswijzigingen behouden.
Controleer ID’s, timestamps, activiteitslabels, dubbele records en de verwerking van lege waarden. Controleer of elke gebeurtenis bij de juiste ExpenseReportId hoort en of herhaalde gebeurtenissen behouden blijven wanneer de bron meerdere geldige voorvallen registreert.
Exporteer het resultaat als CSV of een andere tabelindeling die ProcessMind ondersteunt. Gebruik exact de vereiste kolomnamen ExpenseReportId, ActivityName en EventTimestamp. Voeg aanbevolen attributen toe als die beschikbaar zijn en upload het bestand met Expense Report ID als case-ID. ProcessMind leest het event log zoals het is aangeleverd. Ontbrekende activiteiten worden dus niet afgeleid.

Configuratie

Bestemming van de integratie: Stel de native datawarehouse-integratie van Ramp in voor Snowflake of BigQuery. Gebruik [Configure based on your system] voor de exacte instellingen van je account.
Bronobjecten: Gebruik de gerepliceerde objecten voor declaraties, transacties, bonnen, goedkeuringen, beleid, vergoedingen en boekhoudkundige synchronisatie die in je datawarehouse beschikbaar zijn. Vervang de tijdelijke aanduidingen [Your table name] en [Your column name] door gecontroleerde namen uit de integratie.
Datumbereik: Begin met drie tot zes maanden aan data. Breid de periode pas uit nadat je de kosten van het datawarehouse, de queryduur, het aantal gebeurtenissen en de uploadlimieten van ProcessMind hebt gecontroleerd.
Datumfilter: Filter op de timestamp van de gebeurtenis, niet alleen op de aanmaakdatum van de declaratie, als je alle activiteiten in de periode wilt meenemen.
Organisatiefilters: Pas filters voor bedrijfscode, entiteit, afdeling, kaartprogramma of andere kenmerken alleen toe als die velden in de gerepliceerde data staan. Gebruik [Company filter] als je gegevens voor een specifiek bedrijf wilt beperken.
Activiteitengeschiedenis: Gebruik bij voorkeur onveranderlijke auditgegevens of statusgeschiedenis. Tabellen met alleen de huidige status bevatten mogelijk niet de geschiedenis van bonnen toevoegen, indienen, goedkeuren, aanpassen, vergoeden of boekhoudkundig synchroniseren.
Timestamps: Zet timestamps om naar één tijdzone en leg vast of de bronwaarden UTC of lokale tijd gebruiken. Behoud waar mogelijk de precisie van de bron.
Vereiste toegang: Een beheerder heeft mogelijk toestemming nodig om de integratie in te stellen, datawarehouseobjecten aan te maken of op te vragen en toegang te krijgen tot onkosten-, goedkeurings-, vergoedings- en boekhoudgegevens.
Licentie en beschikbaarheid: Of datawarehouse-replicatie, historische auditgegevens, vergoedingsgegevens en boekhoudkundige synchronisatiegegevens beschikbaar zijn, hangt af van het Ramp-abonnement, de ingeschakelde modules, de integratie-instellingen en het bewaarbeleid.
Prestaties: Beperk het datumbereik vroeg in het proces, selecteer alleen de benodigde kolommen, filter waar nodig op organisatie en maak voor grote datasets een genormaliseerde tussenweergave of -tabel. Gebruik partitionering of clustering volgens de mogelijkheden van het gekozen datawarehouse.
Terugkerende verwerking: Gebruik voor terugkerende gegevensladingen een watermark op basis van de laatst verwerkte EventTimestamp, met een kleine overlapperiode. Verwijder dubbele records alleen op basis van een gecontroleerde bron-ID voor de gebeurtenis. Het verwijderen van herhaalde gebeurtenissen kan het procesbeeld veranderen.

a Voorbeeldquery python

import os
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"WAREHOUSE_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = class="hl-string">"[Start date]"
END_DATE = class="hl-string">"[End date]"
COMPANY_FILTER = class="hl-string">"[Company filter]"

engine = create_engine(CONNECTION_STRING)

sql = text(class="hl-string">"""
WITH
expense_incurred AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Incurred' AS ActivityName,
        [Expense incurred timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense incurred table]
    WHERE [Expense incurred timestamp column] >= :start_date
      AND [Expense incurred timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
receipt_attached AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Receipt Attached' AS ActivityName,
        [Receipt attached timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your receipt attachment table]
    WHERE [Receipt attached timestamp column] >= :start_date
      AND [Receipt attached timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_submitted AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Submitted' AS ActivityName,
        [Submission timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense submission table]
    WHERE [Submission timestamp column] >= :start_date
      AND [Submission timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
policy_check_performed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Policy Check Performed' AS ActivityName,
        [Policy check timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your policy check table]
    WHERE [Policy check timestamp column] >= :start_date
      AND [Policy check timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Review Pending' AS ActivityName,
        [Manager pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Manager Approval'
      AND [Manager pending timestamp column] >= :start_date
      AND [Manager pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
manager_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Manager Approved' AS ActivityName,
        [Manager approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your manager approval table]
    WHERE [Manager approval timestamp column] >= :start_date
      AND [Manager approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_review_pending AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Review Pending' AS ActivityName,
        [Finance pending timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] = 'Pending Finance Approval'
      AND [Finance pending timestamp column] >= :start_date
      AND [Finance pending timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
finance_approved AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Finance Approved' AS ActivityName,
        [Finance approval timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your finance approval table]
    WHERE [Finance approval timestamp column] >= :start_date
      AND [Finance approval timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
expense_sent_back AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Expense Sent Back for Revision' AS ActivityName,
        [Revision timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        [Revision reason column] AS RevisionReason
    FROM [Your expense status history table]
    WHERE [Status column] IN ('Needs Revision', 'Rejected')
      AND [Revision timestamp column] >= :start_date
      AND [Revision timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_scheduled AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Scheduled' AS ActivityName,
        [Reimbursement scheduled timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement schedule table]
    WHERE [Reimbursement scheduled timestamp column] >= :start_date
      AND [Reimbursement scheduled timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
reimbursement_executed AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Reimbursement Executed' AS ActivityName,
        [Reimbursement executed timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your reimbursement payment table]
    WHERE [Reimbursement executed timestamp column] >= :start_date
      AND [Reimbursement executed timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
),
synced_with_accounting AS (
    SELECT
        [Expense report ID column] AS ExpenseReportId,
        'Synced with Accounting System' AS ActivityName,
        [Accounting sync timestamp column] AS EventTimestamp,
        [User name column] AS UserName,
        [Employee department column] AS EmployeeDepartment,
        [Report total amount column] AS ReportTotalAmount,
        [Expense category column] AS ExpenseCategory,
        [Policy violation flag column] AS PolicyViolationFlag,
        CAST(NULL AS VARCHAR(4000)) AS RevisionReason
    FROM [Your accounting synchronization table]
    WHERE [Accounting sync timestamp column] >= :start_date
      AND [Accounting sync timestamp column] < :end_date
      AND ([Company column] = :company_filter OR :company_filter = '[Company filter]')
)
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_incurred
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM receipt_attached
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_submitted
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM policy_check_performed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM manager_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_review_pending
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM finance_approved
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM expense_sent_back
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_scheduled
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM reimbursement_executed
UNION ALL
SELECT ExpenseReportId, ActivityName, EventTimestamp, UserName, EmployeeDepartment, ReportTotalAmount, ExpenseCategory, PolicyViolationFlag, RevisionReason FROM synced_with_accounting
ORDER BY ExpenseReportId, EventTimestamp, ActivityName
""")

with engine.connect() as connection:
    event_log = pd.read_sql(
        sql,
        connection,
        params={
            class="hl-string">"start_date": START_DATE,
            class="hl-string">"end_date": END_DATE,
            class="hl-string">"company_filter": COMPANY_FILTER
        }
    )

event_log[class="hl-string">"EventTimestamp"] = pd.to_datetime(event_log[class="hl-string">"EventTimestamp"], errors=class="hl-string">"coerce", utc=True)
event_log = event_log[event_log[class="hl-string">"ExpenseReportId"].notna() & event_log[class="hl-string">"EventTimestamp"].notna()].copy()
event_log.to_csv(class="hl-string">"ramp_expense_event_log.csv", index=False)
print(event_log.head())
print(event_log.groupby(class="hl-string">"ActivityName", dropna=False).size())

Klaar om te beginnen?

Gebruik deze template om het onkostenbeheer te verbeteren, efficiënter te werken en declaraties sneller goed te keuren. Begin vandaag met het optimaliseren van je processen.

Terug naar de verbetergids Template downloaden

Werk efficiënter: verbeter vandaag nog het onkostenbeheer in Ramp

Spoor inefficiënties op, vereenvoudig goedkeuringen en verkort de doorlooptijd met 30%.

Start je gratis proefperiode

Geen creditcard nodig. Binnen enkele minuten ingesteld.

Datatemplate voor onkostenbeheer

Datatemplate voor onkostenbeheer

Attributen voor onkostenbeheer

Activiteiten in het onkostenbeheer

Extractiegidsen

Ingebouwde CSV-export van transacties en vergoedingen in Ramp

Stappen

Configuratie

a Voorbeeldquery python

Data ophalen met een Python-script via de Ramp Developer API

Stappen

Configuratie

a Voorbeeldquery python

Synchronisatie van Ramp-datawarehouse-integratie (Snowflake/BigQuery)

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te beginnen?

Werk efficiënter: verbeter vandaag nog het onkostenbeheer in Ramp

Datatemplate voor onkostenbeheer

Datatemplate voor onkostenbeheer

Attributen voor onkostenbeheer

Activiteiten in het onkostenbeheer

Extractiegidsen

Ingebouwde CSV-export van transacties en vergoedingen in Ramp

Stappen

Configuratie

a Voorbeeldquery python

Data ophalen met een Python-script via de Ramp Developer API

Stappen

Configuratie

a Voorbeeldquery python

Synchronisatie van Ramp-datawarehouse-integratie (Snowflake/BigQuery)

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te beginnen?

Werk efficiënter: verbeter vandaag nog het onkostenbeheer in Ramp

We gaan zorgvuldig om met je privacy